توقف فناوری

آمارشناسان آمریکایی در بیستم نوامبر نتایج یک نظرسنجی را منتشر کردند. در دل داده‌های آن، روندی نهفته است که پیامدهایی برای تریلیون‌ها دلار هزینه‌کرد دارد. پژوهشگران اداره سرشماری از شرکت‌ها می‌پرسند که آیا آنها در دو هفته گذشته «در تولید کالاها و خدمات» از هوش مصنوعی استفاده کرده‌اند یا خیر؟ ما تخمین می‌زنیم که اخیراً سهم موزون به اشتغال آمریکایی‌هایی که از هوش مصنوعی در محل کار استفاده می‌کنند، یک درصد کاهش یافته و اکنون به 11 درصد رسیده است. پذیرش این فناوری در بزرگ‌ترین کسب‌وکارهایی که بیش از 250 نفر را استخدام می‌کنند به‌شدت کاهش یافته است. با گذشت سه سال از پیدایش موج هوش مصنوعی زایشی به نظر می‌رسد تقاضا برای این فناوری به طرز شگفت‌آوری ضعیف شده باشد. سرعت یا کندی پذیرش هوش مصنوعی پیامدهای عمیقی دارد. کسب‌وکارهای عادی باید این فناوری را در عملیات روزمره خود بگنجانند تا جهان بتواند از مزایای بهره‌وری هوش مصنوعی بهره‌مند شود. همچنین این موضوع در تعیین اینکه آیا جهان در حباب هوش مصنوعی قرار دارد یا خیر، اهمیتی فوق‌العاده دارد. شرکت‌های بزرگ فناوری از هم‌اکنون تا سال 2030، پنج تریلیون دلار برای زیرساخت‌های ارائه خدمات هوش مصنوعی هزینه خواهند کرد. طبق گفته بانک جی‌پی‌مورگان چیس، این سرمایه‌گذاری‌ها به حدود 650 میلیارد دلار درآمد هوش مصنوعی در سال نیاز دارند تا بتوانند ارزشمند باشند. این درآمد در سال جاری حدود 50 میلیارد دلار است. افرادی که در زندگی شخصی خود برای هوش مصنوعی هزینه می‌کنند، احتمالاً تنها کسری از آنچه درنهایت مورد نیاز است را خریداری خواهند کرد. بقیه کار بر عهده کسب‌وکارها خواهد بود. اداره سرشماری تنها یک منبع است. سایر پژوهشگران برآوردهای خود را از میزان پذیرش هوش مصنوعی گردآوری می‌کنند. اکثر آنها دریافته‌اند که این سطح بالاتر از 10 درصد است. اقتصاددانان در مورد دلایل این تفاوت‌ها بحث می‌کنند. برخی معتقدند که نظرسنجی اداره سرشماری بیش از حد محدودکننده است (مثلاً دشوار است که دقیقاً بدانیم پاسخ‌دهندگان چگونه «استفاده از هوش مصنوعی در تولید کالاها و خدمات» را تفسیر می‌کنند). پرسیدن از کارمندان در مورد استفاده خودشان در محل کار ممکن است پاسخ‌های مثبت‌تری نسبت به پرسش از مدیران در مورد کسب‌وکارشان ایجاد کند. طرفداران این اداره در پاسخ می‌گویند که فقط دولت شبکه گسترده لازم برای نمونه‌گیری از بخشی را دارد که واقعاً نماینده کسب‌وکارهای آمریکایی باشد، نه فقط آن کسب‌وکارهایی که در صنایع نوآورانه‌تری مانند کدنویسی فعالیت می‌کنند. حتی نظرسنجی‌های غیررسمی نیز به رکود پذیرش شرکتی اشاره دارند. جان هارتلی از دانشگاه استنفورد و همکارانش دریافتند که در ماه سپتامبر، ۳۷ درصد از آمریکایی‌ها در محل کار از هوش مصنوعی زایشی استفاده می‌کردند که نسبت به ۴۶ درصد در ماه ژوئن کاهش چشمگیری داشته است. مطالعه ردیاب الکس بیک از بانک فدرال‌رزرو سنت لوئیس و همکارانش نشان داد که در آگوست ۲۰۲۴، 1 /12 درصد از بزرگسالان در سن کار هر روز در محل کار از هوش مصنوعی زایشی استفاده می‌کردند. این نسبت در یک سال بعد به 6 /12 درصد رسید. شرکت فین‌تک رمپ (Ramp) به این نتیجه رسید که در اوایل سال ۲۰۲۵، استفاده از هوش مصنوعی در شرکت‌های آمریکایی به ۴۰ درصد افزایش یافت و سپس روند کاهشی در پیش گرفت. به نظر می‌رسد رشد پذیرش واقعاً در حال کند شدن است. یک توضیح احتمالی را باید در عدم قطعیت اقتصادی جست‌وجو کرد که به خاطر جنگ‌های تجاری، کاهش مهاجرت و وضعیت نامشخص چشم‌انداز نرخ بهره تشدید شده است. ممکن است کسب‌وکارها تا زمانی که ابهامات برطرف شود سرمایه‌گذاری را به تعویق بیندازند. علاوه بر این، تاریخ نشان می‌دهد که فناوری تمایل دارد به‌صورت مقطعی گسترش یابد. برای مثال به استفاده از کامپیوتر در خانه‌های آمریکایی توجه کنید: سرعت پذیرش آن در اواخر دهه 1980 کاهش یافت، اما این فقط یک اتفاق گذرا قبل از دهه 1990 و زمانی بود که آنها خانه‌های آمریکایی‌ها را تسخیر کردند. بااین‌حال، می‌توان توضیحات ملایم‌تری برای رکود پذیرش هوش مصنوعی ارائه داد. یکی از آنها به پویایی قدرت در شرکت‌ها مربوط می‌شود. در سطح مدیریت ارشد، تقریباً همه هوش مصنوعی را ستایش می‌کنند. تقریباً دوسوم مدیران شرکت‌های S&P500 در گزارش‌های مالی اخیر به هوش مصنوعی اشاره کردند. درعین‌حال، افرادی که واقعاً مسئول پیاده‌سازی هوش مصنوعی هستند، ممکن است به اندازه کافی آینده‌نگر نباشند. شاید به این دلیل که نگران‌اند این فناوری آنها را از کار بیکار کند. نظرسنجی شرکت نرم‌افزاری  Dayforce نشان می‌دهد درحالی‌که 87 درصد از مدیران عامل در محل کار خود از هوش مصنوعی استفاده می‌کنند، این نسبت در میان مدیران عادی و کارمندان به ترتیب به 57 و 27 درصد می‌رسد. شاید مدیران میانی ابتکارات هوش مصنوعی را برای برآورده کردن خواسته‌های مافوق خود راه‌اندازی می‌کنند، اما بعداً بی‌سروصدا آنها را کنار می‌گذارند. برداشت‌های متغیر از سودمندی هوش مصنوعی می‌تواند دلیل دیگری برای رکود پذیرش باشد. شواهد فزاینده حاکی از آن‌اند که نسل فعلی مدل‌ها قادر به تغییر بهره‌وری در اکثر شرکت‌ها نیستند. اگر کاربران فعلی هوش مصنوعی به این باور برسند که این کار بازده چشمگیری ندارد، کاربران بالقوه ممکن است از پذیرش آن خودداری کنند. سه عامل می‌تواند باعث شود که پذیرندگان احتمالی درنگ کنند. اول، شواهدی از بازارهای عمومی. گلدمن ساکس شاخصی از شرکت‌هایی را تهیه می‌کند که «بزرگ‌ترین تغییر بالقوه تخمینی در درآمد پایه ناشی از پذیرش هوش مصنوعی از طریق افزایش بهره‌وری» را دارند. شاخص این بانک شامل خودروسازی فورد، شرکت آمادگی مالیاتی H&R Block، و شرکت رسانه‌ای News Corp است که همگی از ابتکارات هوش مصنوعی استقبال می‌کنند. قیمت سهام این شرکت‌ها برای مدت طولانی از بازار پیروی می‌کرد. بااین‌حال، اخیراً، این شاخص عقب مانده است. حداقل تاکنون، سرمایه‌گذاران پذیرش هوش مصنوعی را به معنای بهبود سودآوری یا رشد نمی‌دانند. دوم، شواهد نظرسنجی. طبق نظرسنجی شرکت مشاوره‌ای دیلویت و مرکز هوش مصنوعی، مدیریت و سازمان در دانشگاه هنگ‌کنگ از مدیران عامل، ۴۵ درصد گزارش داده‌اند که بازده حاصل از ابتکارات هوش مصنوعی کمتر از انتظاراتشان بوده است. تنها 10 درصد گزارش داده‌اند که بازدهی فراتر از انتظاراتشان بوده است. مطالعه شرکت مشاوره‌ای مک‌کینزی استدلال می‌کند که استفاده از هوش مصنوعی برای اکثر سازمان‌ها هنوز تاثیر قابل‌توجهی بر سود کل سازمان نداشته است. سوم، پژوهش‌های اقتصادی. معرفی هوش مصنوعی ممکن است بهره‌وری را به روش‌های غیرمنتظره‌ای حداقل در کوتاه‌مدت کاهش دهد. تلاش‌ها برای بازسازی سامانه‌های فناوری اطلاعات و فرآیندهای گردش کاری ممکن است به‌طور موقت بهره‌وری را کاهش دهد، قبل از اینکه درنهایت آن را بالا ببرد-پدیده‌ای که اریک برینجولفسون از دانشگاه استنفورد آن را «منحنی J بهره‌وری» نامیده است. برخی از خود می‌پرسند که آیا مشکل دیگری وجود دارد که مختص هوش مصنوعی باشد؟ مقاله‌ای از ایوان چن از دانشگاه شانگهای تک و همکارانش به «تله متوسط بودن هوش مصنوعی زایشی» اشاره می‌کند. داده‌های این مقاله بیان می‌کند، افراد با کمک این فناوری می‌توانند چیزی «به‌اندازه کافی خوب» تولید کنند. این موضوع به کارگران ضعیف‌تر کمک می‌کند. اما می‌تواند به بهره‌وری افراد بهتر که تصمیم می‌گیرند کمتر کار کنند،  آسیب برساند. سازمان‌ها یاد خواهند گرفت که چگونه هوش مصنوعی را به‌طور کارآمدتری به کار گیرند، درحالی‌که خود مدل‌ها باید به بهبود خود ادامه دهند. اگر شواهد حاکی از تاثیر دگرگون‌کننده این فناوری بر بهره‌وری محل کار افزایش یابد، شرکت‌های بیشتری متوجه خواهند شد که بدون آن نمی‌توانند کار کنند. بااین‌حال، حتی اگر این اتفاق بیفتد، تاخیر کنونی باعث می‌شود که بازده اقتصادی هوش مصنوعی کندتر، ناهموارتر و با هزینه‌ای بیشتر از آنچه از رونق سرمایه‌گذاری فعلی استنباط می‌شود، حاصل شود. تا زمانی که پذیرش به‌سرعت شتاب نگیرد، درآمدهای مورد نیاز برای توجیه پنج تریلیون دلار هزینه‌های سرمایه‌ای هوش مصنوعی دور از دسترس خواهد بود.