شما احتمالاً دارید عدد اشتباهی را برای سنجش انقلاب هوش مصنوعی دنبال میکنید. تصور کنید در حالی که جهان از نبود رشد اقتصادی گله میکند، برخی شرکتها در حال بازطراحی کامل ساختار هزینه خود هستند.
به نقل از گزارش آوریل ۲۰۲۶ صندوق بینالمللی پول (IMF)، «ناامیدی از بهرهوریِ مبتنی بر AI» به عنوان یکی از ریسکهای رشد جهانی فهرست شده است. اما این دادهها اساساً گمراهکننده هستند. طبق اعلام جن هاتزیوس (Jan Hatzius)، اقتصاددان ارشد گولدمان ساکس (Goldman Sachs)، سهم AI در GDP ایالات متحده در سال ۲۰۲۵ «تقریباً صفر» بود؛ اما این عدد یک حقیقت حیاتی را پنهان میکند: «رویداد پراکندگی» (Dispersion Event).
در حالی که آمارهای ملی خروجی کل را میسنجند، AI در حال تغییر بنیادین «ورودیها» است. شواهد را باید در معیارهای سطح شرکت جستوجو کرد، نه در آمار ملی:
- اسنپ (Snap) گزارش داده است که ۶۵ درصد از کدهای آن اکنون توسط هوش مصنوعی زاینده (Generative AI) تولید میشود؛ اقدامی که منجر به تعدیل ۱۰۰۰ کارمند و کاهش ۵۰۰ میلیون دلاری هزینهها شده است.
- بلاک (Block) هدفگذاری کرده است که در سال ۲۰۲۶، سود ناخالص به ازای هر کارمند را به ۲ میلیون دلار برساند که دو برابر سطح قبلی است.
- متا (Meta) با استقرار ۵۰ عامل (Agent) در ۴۱۰۰ فایل، تعداد فراخوانهای ابزاری را ۴۰ درصد کاهش داده است.
همانطور که در تحلیلهای پیشین ما دربارهی مدلهای عاملمحور (Agentic) اشاره کردیم، تغییر بازی زمانی رخ میدهد که AI از یک «دستیار» به یک «معمار» تبدیل شود. این وضعیت دقیقاً مشابه «پارادوکس بهرهوری» در دهه ۱۸۸۰ میلادی است؛ زمانی که کارخانهها موتورهای الکتریکی را صرفاً جایگزین موتورهای بخار کردند و هیچ رشدی ندیدند. بهرهوری تنها زمانی جهش کرد که مدیران کل فضای کارخانه را بر اساس توزیع برق بازطراحی کردند.
امروز، ۵۶ درصد از مدیران عامل هیچ بازگشت مالی از AI نمیبینند، زیرا صرفاً در حال «الحاق» ابزارها به سیستمهای قدیمی هستند. در مقابل، شرکتهایی مثل OpenAI با درآمد سالانه ۲۵ میلیارد دلار و Anthropic با ۱۹ میلیارد دلار، در حال اثبات ارزش واقعی این فناوری هستند.
بازار نیز به کسانی که ساختار خود را تغییر دادهاند پاداش میدهد؛ سهام بلاک پس از تعدیلهای بهرهوری ۲۴ درصد و سهام اسنپ ۸ درصد رشد کرد.
اما این شکاف بهرهوری تنها بخشی از داستان است؛ اثر این تحول بر بازار سختافزاری را در گزارش بعدی بررسی خواهیم کرد.
گام بعدی شما
- تحلیل کنید: آیا سازمان شما در حال «الحاق» AI به فرآیندهای قدیمی است یا در حال «بازطراحی» کل جریان کار؟
- به جای تکیه بر خروجی کل، معیار «سود به ازای هر کارمند» را برای سنجش اثر AI رصد کنید.
- بررسی کنید که کدام بخشهای عملیاتی شما پتانسیل تبدیل شدن به یک «رویداد پراکندگی» را دارند.
گفتگو