تحلیل دانشگاه ییل از ۳۸۰ تریلیون توکن هوش مصنوعی، «پاداش هوش مصنوعی» در بازده سهام و خیزش هوش مصنوعی عاملیت‌محور را کمی‌سازی می‌کند

تا به امروز، اندازه‌گیری تأثیر اقتصادی هوش مصنوعی به شدت متکی بر نظرسنجی‌های شرکتی، احساسات مدیران اجرایی و تخمین‌های کلی بوده است. اما یک مقاله کاری جدید از محققان دانشگاه ییل و دفتر ملی تحقیقات اقتصادی (NBER) اساساً این رویکرد را تغییر می‌دهد و مصرف واقعی و محقق‌شده هوش مصنوعی را در مقیاسی بی‌سابقه تحلیل می‌کند. با فاصله گرفتن از گزارش‌دهی شخصی و ذهنی، اقتصاددانان سرانجام قادرند دقیقاً کمی‌سازی کنند که چگونه ادغام مدل‌های پیشرفته یادگیری ماشینی، بازارهای مالی جهانی و ارزش‌گذاری‌های شرکتی را دگرگون می‌کند.[1][2]

تیم تحقیقاتی، به رهبری اقتصاددانان نیکولا بوری، آلِخ تسوینسکی و یوکون لیو، ۳۸۰ تریلیون توکن هوش مصنوعی تولید شده بین ژانویه ۲۰۲۴ تا آوریل ۲۰۲۶ را تحلیل کردند. این توکن‌ها—واحدهای اساسی داده که مدل‌های هوش مصنوعی پردازش و تولید می‌کنند—از OpenRouter، پلتفرمی که درخواست‌ها را به بیش از ۴۰۰ مدل زبان بزرگ مختلف هدایت می‌کند، تهیه شده‌اند. این مجموعه داده تقریباً دو درصد از مصرف ماهانه جهانی توکن‌های هوش مصنوعی را در بر می‌گیرد و دیدگاهی بسیار دقیق از نحوه استفاده واقعی کسب‌وکارها و افراد از این فناوری در کاربردهای دنیای واقعی ارائه می‌دهد.[1][2][3]

محققان با ردیابی این حجم عظیم از مصرف در میلیون‌ها حساب کاربری ناشناس، یک «عامل هوش مصنوعی» با فرکانس بالا را بر اساس رشد تجمعی توکن‌های پردازش‌شده، دلارهای هزینه شده برای فراخوانی‌های API و تعداد کاربران فعال ساختند. سپس این داده‌های مصرف دقیق را با بازار سهام گسترده‌تر مقایسه کردند تا مشاهده کنند که چگونه ارزش‌گذاری‌های سهام در طول زمان به قرار گرفتن در معرض هوش مصنوعی پاسخ داده‌اند. ادعای اصلی که از این مجموعه شواهد بیرون می‌آید، وجود یک «پاداش هوش مصنوعی» قابل توجه و قابل اندازه‌گیری در بازده سهام است که ثابت می‌کند بازارها فعالانه در حال قیمت‌گذاری این تحول تکنولوژیک هستند.[1][6]

شواهد برای این پاداش بسیار قوی است و مبتنی بر استفاده واقعی است نه احساسات مدیران اجرایی. این مطالعه نشان می‌دهد شرکت‌هایی که بازده سهامشان همبستگی مثبت بیشتری با عامل هوش مصنوعی دارد—که از نظر ریاضی به عنوان شرکت‌های دارای «بتای هوش مصنوعی» بالا تعیین شده‌اند—به طور قابل توجهی بازده‌های بعدی بالاتری کسب می‌کنند. به طور خاص، یک استراتژی معاملاتی بلند-کوتاه (Long-Short) با وزن ارزش، بر اساس این میزان قرار گرفتن در معرض، پاداشی معادل ۶۴.۱ واحد پایه در هفته به همراه دارد. این نشان می‌دهد که بازارهای مالی فعالانه و به شدت شرکت‌هایی را که برای بهره‌مندی از پذیرش هوش مصنوعی موقعیت‌یابی شده‌اند، پاداش می‌دهند و ادغام فناوری را مستقیماً به ارزش پایدار سهامداران تبدیل می‌کنند.[1][4][5]

با این حال، داده‌ها نشان می‌دهند که بازار با تمام انواع استفاده از هوش مصنوعی به طور یکسان رفتار نمی‌کند. پاداش مالی به شدت بر حاشیه‌های فشرده و پیشرو مصرف هوش مصنوعی متمرکز است. سرمایه‌گذاران به طور خاص در حال پاداش دادن به قرار گرفتن شرکت‌ها در معرض مدل‌های اختصاصی و بسته‌منبع، کاربران باسابقه و پرداخت‌کننده، و درخواست‌های پیچیده و طولانی هستند که نیازمند منابع محاسباتی قابل توجهی هستند. در مقابل، آزمایش‌های معمولی یا استفاده از مدل‌های رایگان و متن‌باز، همان پاداش سهام را به همراه ندارد، که نشان می‌دهد بازارها به شدت برای ادغام عمیق و حرفه‌ای ارزش قائل هستند تا پذیرش سطحی یا اکتشافی.[1][2][6]

توزیع بخشی این «پاداش هوش مصنوعی» نیز روایت‌های سنتی را که مزایای این فناوری را به سیلیکون ولی محدود می‌کنند، به چالش می‌کشد. در حالی که شرکت‌های فناوری به طور طبیعی سود می‌برند، شواهد نشان می‌دهد که این پاداش عمیقاً به بخش‌های مصرف‌کننده محور مانند خرده‌فروشی و کالاهای بادوام، و همچنین صنایع سرمایه‌بر مانند تولید سنتی گسترش می‌یابد. این توزیع گسترده نشان می‌دهد که سرمایه‌گذاران انتظار دارند که دستاوردهای بهره‌وری ناشی از هوش مصنوعی در سراسر اقتصاد فیزیکی گسترده‌تر محقق شود و کارایی‌های عملیاتی و ساختارهای هزینه را بسیار فراتر از اکوسیستم‌های نرم‌افزاری و رایانش ابری تغییر دهد.[2][4]

از نظر جغرافیایی، شواهد به شکافی آشکار در نحوه تحقق این مزایا اشاره دارد. ذی‌نفعان «پاداش هوش مصنوعی» به شدت در ایالات متحده، اروپا و سایر بازارهای توسعه‌یافته متمرکز هستند که ارتباط نزدیکی با توسعه هوش مصنوعی پیشرو و زیرساخت‌های عظیم مراکز داده مورد نیاز برای پشتیبانی از آن دارند. این پاداش به طور قابل توجهی در بازارهای نوظهور، از جمله چین، غایب است، که نشان می‌دهد بازارهای سهام جهانی در حال حاضر به نزدیکی دقیق به پیشرفته‌ترین مدل‌ها و زیرساخت‌های محلی مورد نیاز برای اجرای آن‌ها در مقیاس بزرگ پاداش می‌دهند.[1][2]

فراتر از ارزش‌گذاری‌های شرکتی، مطالعه ییل شواهد تجربی قانع‌کننده‌ای در مورد تأثیر فوری هوش مصنوعی بر بازار کار ارائه می‌دهد. محققان با ترکیب داده‌های مصرف توکن با آمار دولتی کار و طبقه‌بندی‌های شغلی، میزان قرار گرفتن در معرض هوش مصنوعی را به مهارت‌های خاص انسانی مرتبط کردند. این یافته‌ها برخی از مفروضات اولیه در مورد اینکه کدام مشاغل بیشتر در معرض اتوماسیون هستند را زیر و رو می‌کند و نگاهی مبتنی بر داده به آینده کار و قابلیت‌های خاصی که ارزش خود را در یک اقتصاد فزاینده خودکار حفظ خواهند کرد، ارائه می‌دهد.[2][6]

داده‌ها نشان می‌دهند که مشاغلی که به شدت متکی بر مهارت‌های تعاملی غیرروتین هستند—مانند متقاعدسازی، آموزش، مذاکره و ارتباطات پیچیده انسانی—قرار گرفتن در معرض مصرف هوش مصنوعی مثبت قوی دارند. در مقابل، مشاغلی که بر مهارت‌های تحلیلی، علمی و کنترل عملیات متمرکز هستند، با قرار گرفتن در معرض منفی روبرو هستند. به عنوان مثال، کارهای آزمایشگاهی روتین، تحلیل داده‌های استاندارد و کدنویسی پایه به شدت در معرض جایگزینی توسط هوش مصنوعی قرار دارند، در حالی که به نظر می‌رسد نقش‌هایی که نیازمند تعامل انسانی ظریف و هوش هیجانی هستند، توسط این فناوری تکمیل و تقویت می‌شوند، نه جایگزین.[1][2]

یک تغییر تکنولوژیک حیاتی که در این مجموعه شواهد مستند شده، ظهور سریع و شتابان «اقتصاد عاملیت‌محور» است. هوش مصنوعی عاملیت‌محور (Agentic AI) به سیستم‌های پیشرفته‌ای اطلاق می‌شود که صرفاً در پاسخ به یک درخواست، متن تولید نمی‌کنند، بلکه وظایف چندمرحله‌ای را به طور خودکار اجرا می‌کنند، ابزارهای نرم‌افزاری خارجی را فرا می‌خوانند و جریان‌های کاری پیچیده را بدون نظارت مداوم انسان مدیریت می‌کنند. در اوایل سال ۲۰۲۴، این مدل‌های عاملیت‌محور تنها بخش بسیار کوچکی از کل مصرف هوش مصنوعی را تشکیل می‌دادند، زیرا صنعت هنوز بر رابط‌های مکالمه‌ای پایه متمرکز بود.[2][5]

تا بهار ۲۰۲۶، داده‌های مصرف نشان‌دهنده تحولی چشمگیر در نحوه استقرار این فناوری است. سهم فراخوانی ابزار (Tool-call) و خواندن حافظه پنهان (cache-read) افزایش یافت و تقریباً دو پنجم تا نیمی از کل توکن‌های پردازش شده در پلتفرم OpenRouter را تشکیل داد. این نشان می‌دهد که بیش از نیمی از مصرف فعلی هوش مصنوعی شامل سیستم‌های عاملیت‌محوری است که فعالانه در حال انجام وظایف، بازیابی داده‌ها و تعامل با نرم‌افزارهای دیگر هستند، نه اینکه به طور منفعلانه به سؤالات کاربران پاسخ دهند. دوران چت‌بات ساده به سرعت جای خود را به کارگران دیجیتالی خودمختار داده است.[3][6]

محققان شواهد اولیه اما قانع‌کننده‌ای یافتند که قرار گرفتن در معرض این مصرف عاملیت‌محور خاص، پاداش مثبت خود را در ارزش‌گذاری‌های سهام به همراه دارد. برآوردهای نقطه‌ای برای این پاداش عاملیت‌محور بین ۰.۳ تا ۰.۵ درصد در هفته برای عوامل عاملیت‌محور فردی متغیر است. از آنجایی که مصرف گسترده توکن‌های عاملیت‌محور پدیده‌ای بسیار جدید است، محققان خاطرنشان می‌کنند که این برآوردها تا حدودی نامشخص باقی می‌مانند، اما به وضوح نشان می‌دهند که بازارهای مالی شروع به تمایز قائل شدن بین هوش مصنوعی مولد پایه و سیستم‌های بسیار خودمختار و عمل‌گرا کرده‌اند.[3][4]

در حالی که این مجموعه داده از نظر اندازه و دامنه بی‌سابقه است، محققان در مورد عدم قطعیت‌های ذاتی در اندازه‌گیری چنین پدیده‌ای نوپا و به سرعت در حال تحول، شفاف هستند. ثبات بلندمدت هم «پاداش عمومی هوش مصنوعی» و هم «پاداش جدیدتر عاملیت‌محور» یک سؤال باز برای اقتصاددانان باقی می‌ماند. با بلوغ فناوری و پذیرش جهانی آن در تمام بخش‌ها، مزیت رقابتی منحصر به فردی که ارائه می‌دهد ممکن است کاهش یابد و به طور بالقوه بازده‌های سهام بیش از حدی را که در حال حاضر توسط پذیرندگان اولیه و شرکت‌های در معرض خطر بالا کسب می‌شود، فشرده سازد.[6]

علاوه بر این، تمایز قائل شدن بین انتظارات بازار و بهره‌وری محقق‌شده و نهایی بسیار مهم است. میزان قرار گرفتن در معرض که توسط بتای هوش مصنوعی در این مطالعه اندازه‌گیری شده، منعکس‌کننده انتظارات سرمایه‌گذاران است که این شرکت‌ها در آینده از پذیرش هوش مصنوعی سود خواهند برد. این لزوماً ثابت نمی‌کند که این شرکت‌ها در حال حاضر شاهد افزایش متناسب در درآمدهای اساسی، حاشیه سود یا کارایی عملیاتی خود هستند. بازار سهام یک مکانیسم آینده‌نگر است و پاداش فعلی نشان‌دهنده یک شرط جمعی بر تحولات آینده است تا رسید برای عملکرد گذشته.[2][6]

با وجود این عدم قطعیت‌های ذاتی، تحلیل ییل یک دستاورد برجسته در مطالعه تجربی هوش مصنوعی و ردپای اقتصادی آن محسوب می‌شود. محققان با فاصله گرفتن از نظرسنجی‌های شرکتی ذهنی و تثبیت یافته‌های خود در ۳۸۰ تریلیون نقطه داده قابل تأیید، واضح‌ترین و دقیق‌ترین تصویر را از نحوه شکل‌دهی مجدد هوش مصنوعی به اقتصاد جهانی ارائه کرده‌اند. شواهد تأیید می‌کند که گذار هوش مصنوعی به خوبی در حال انجام است، فعالانه در بازارهای مالی قیمت‌گذاری می‌شود و اساساً ارزش دارایی‌های شرکتی و نیروی کار انسانی را تغییر می‌دهد.[1][2][4][5][6]