در حالی که اخبار مربوط به اخراجهای اخیر در شرکتهای بزرگ فناوری مانند متا و مایکروسافت، ممکن است در نگاه اول نشاندهنده جایگزینی گسترده نیروی کار انسانی با هوش مصنوعی باشد، بررسیهای دقیقتر حقایق متفاوتی را آشکار میسازد. متا اخیراً اعلام کرده است که ۱۰ درصد از نیروهای خود را اخراج میکند و برنامههای استخدام برای ۶۰۰۰ موقعیت شغلی باز را لغو کرده است. مایکروسافت نیز طرحهای خرید داوطلبانه قابل توجهی را برای کارکنان خود ارائه داده است. این اقدامات، همراه با سرمایهگذاری عظیم شرکتهای فناوری در حوزه هوش مصنوعی، پرسشی اساسی را مطرح میکند: آیا هوش مصنوعی واقعاً در حال حاضر به کاهش هزینههای عملیاتی کمک میکند یا برعکس، هزینههای بیشتری را به شرکتها تحمیل میکند؟
برخی کارشناسان صنعت، از جمله برایان کاتانزارو، معاون یادگیری عمیق کاربردی در انویدیا، معتقدند که هزینه محاسباتی مورد نیاز برای اجرای مدلهای هوش مصنوعی، بسیار فراتر از هزینههای حقوق و دستمزد کارکنان انسانی است. این دیدگاه با یافتههای یک مطالعه معتبر از موسسه فناوری ماساچوست (MIT) در سال ۲۰۲۴ همسو است. این تحقیق که نیازمندیهای فنی مدلهای هوش مصنوعی برای انجام وظایف در سطح انسانی را ارزیابی کرده، نشان میدهد که اتوماسیون مبتنی بر هوش مصنوعی تنها در ۲۳ درصد از مشاغل که بینایی نقش کلیدی در آنها دارد، از نظر اقتصادی مقرونبهصرفه است. در ۷۷ درصد باقیمانده، ادامه کار توسط انسانها ارزانتر تمام میشود.
چالشهای اقتصادی و عملیاتی هوش مصنوعی
واقعیتهای اخیر در دنیای فناوری نشان میدهد که هوش مصنوعی، حداقل در مرحله کنونی، لزوماً یک راهحل مقرونبهصرفه برای جایگزینی نیروی کار نیست. فراتر از هزینههای بالای محاسباتی، مواردی نیز گزارش شده است که هوش مصنوعی دچار خطا شده و حتی خسارات قابل توجهی به بار آورده است. به عنوان مثال، یک مهندس نرمافزار تجربه کرده است که یک عامل هوش مصنوعی به دلیل «استفاده بیش از حد»، پایگاه داده و شبکه او را از بین برده است. این حوادث نشاندهنده نیاز به نظارت انسانی دقیق و خطرات احتمالی در پیادهسازی ناقص یا نامناسب فناوریهای هوش مصنوعی است.
علیرغم عدم وجود شواهد قطعی مبنی بر افزایش بهرهوری چشمگیر ناشی از هوش مصنوعی و همچنین نبود دادههای گسترده در خصوص جایگزینی مشاغل توسط آن، شرکتهای بزرگ فناوری همچنان میلیاردها دلار در این حوزه سرمایهگذاری میکنند. گزارش مورگان استنلی حاکی از آن است که این شرکتها تنها در سال جاری میلادی، ۷۴۰ میلیارد دلار هزینه سرمایهای (capex) در بخش هوش مصنوعی اعلام کردهاند که نسبت به سال گذشته ۶۹ درصد افزایش یافته است. این حجم عظیم از هزینهکرد، برخی شرکتها را مجبور به بازنگری کلی در بودجه خود کرده است.
هزینههای سرسامآور زیرساخت و نرمافزار هوش مصنوعی
پراوین نپالی ناگا، مدیر ارشد فناوری اوبر، اخیراً در مصاحبهای با «The Information» اعتراف کرد که بودجه اولیه پیشبینی شده برای هوش مصنوعی، با توجه به هزینههای فزاینده، به سرعت رو به اتمام است. این شرکت در حال حاضر به ابزارهای کدنویسی مبتنی بر هوش مصنوعی مانند Claude Code از Anthropic روی آورده است، اما هزینههای مرتبط با این فناوریها فراتر از انتظارات اولیه بوده است. این افزایش هزینهها در حالی رخ میدهد که تعداد اخراجها در بخش فناوری نیز افزایش یافته است. بر اساس دادههای Layoffs.fyi، در سال جاری بیش از ۹۲ هزار نفر در حوزه فناوری در سراسر جهان شغل خود را از دست دادهاند که این رقم به مراتب بیشتر از کل سال گذشته است.
کیث لی، استاد هوش مصنوعی و امور مالی در دانشکده بازرگانی گوردون در موسسه هوش مصنوعی سوئیس، معتقد است که این شکاف بین سرمایهگذاری در هوش مصنوعی و هزینههای واقعی آن، نشاندهنده عدم تطابق اقتصادی کوتاهمدت است. او توضیح میدهد که هزینههای فعلی استفاده از هوش مصنوعی، به دلیل بالا بودن هزینههای سختافزار، انرژی و نگهداری مراکز داده، همچنان از هزینههای نیروی کار انسانی بیشتر است. گزارش مککینزی پیشبینی میکند که هزینههای هوش مصنوعی تا سال ۲۰۲۳ به ۵.۲ تریلیون دلار برسد که بخش عمده آن مربوط به مراکز داده و تجهیزات IT است و این رقم ممکن است تا سال ۲۰۳۰ به ۷.۹ تریلیون دلار افزایش یابد.
چشمانداز آینده و نقاط عطف اقتصادی
با وجود هزینههای بالای کنونی، چشمانداز آینده نشان میدهد که هزینههای استفاده از هوش مصنوعی به تدریج کاهش خواهد یافت. گزارش گارتنر پیشبینی میکند که هزینه انجام استنتاج (inference) برای مدلهای زبانی بزرگ با تریلیونها پارامتر، تا سال ۲۰۳۰ بیش از ۹۰ درصد نسبت به سال ۲۰۲۵ کاهش یابد. بهبود زیرساختهای هوش مصنوعی، طراحی مدلهای کارآمدتر و پیشرفت در سختافزارها، همگی به این کاهش هزینه کمک خواهند کرد. علاوه بر این، شرکتهای هوش مصنوعی احتمالاً مدلهای قیمتگذاری خود را از اشتراکهای ثابت به مدلهای مبتنی بر استفاده تغییر خواهند داد.
با این حال، پذیرش گستردهتر هوش مصنوعی و اثبات ارزش اقتصادی بلندمدت آن، همچنان به عواملی بستگی دارد. هوش مصنوعی باید قابلیت اطمینان خود را اثبات کند، خطاهای کمتری داشته باشد و نیاز به نظارت انسانی را کاهش دهد تا بتواند به طور مؤثر در زیرساختهای شرکتها ادغام شود. دادههای بانک فدرال رزرو نشان میدهد که تا پایان سال ۲۰۲۵، حدود ۱۸ درصد از شرکتها ابزارهای هوش مصنوعی را به کار گرفتهاند که این میزان رشد قابل توجهی نسبت به سال قبل داشته است. اما همانطور که کیث لی تأکید میکند، «موضوع صرفاً ارزانتر شدن هوش مصنوعی از انسانها نیست؛ بلکه باید هم ارزانتر و هم در مقیاسپذیری قابل پیشبینیتر شود.»
تحلیل تاثیر
اخراجهای اخیر در شرکتهای بزرگ فناوری و در عین حال، سرمایهگذاری عظیم و رو به رشد در حوزه هوش مصنوعی، تصویری متناقض اما قابل تحلیل را ترسیم میکند. در حال حاضر، هوش مصنوعی بیشتر به عنوان یک ابزار مکمل و نه جایگزین کامل نیروی کار انسانی عمل میکند، عمدتاً به دلیل هزینههای بالای عملیاتی و عدم قطعیت در بازدهی. با این حال، روند نزولی هزینههای محاسباتی و پیشرفتهای فناورانه، نشاندهنده تغییری احتمالی در آینده نزدیک است. این تحولات، ضرورت بازنگری در استراتژیهای استخدام و توسعه مهارتهای انسانی برای همکاری مؤثر با ابزارهای هوش مصنوعی را بیش از پیش برجسته میسازد. شرکتهایی که بتوانند این انتقال را مدیریت کرده و تعادل مناسبی بین سرمایهگذاری در هوش مصنوعی و حفظ نیروی انسانی متخصص ایجاد کنند، در بلندمدت مزیت رقابتی بیشتری خواهند داشت.
