تصور کنید یک سازمان عظیم دولتی تصمیم بگیرد تمام ترمزهای اداری را رها کند تا در رقابت جهانی، نخستین کسی باشد که خط پایان را میزرد. دولت ایالات متحده اکنون دقیقاً در همین نقطه است: گذار از دوران «احتیاط» به عصر «حمله» در پیادهسازی هوش مصنوعی.
به نقل از گزارش مؤسسه بروکینگز (Brookings Institution)، بودجههای تخصیصیافته برای هوش مصنوعی در دولت فدرال تا ژوئن ۲۰۲۶ به ۷.۲ میلیارد دلار رسید. این رقم نشاندهنده افزایش خیرهکننده ۹۶۶ درصدی بودجههای متعهد شده نسبت به سال ۲۰۲۴ است و ثابت میکند که واشینگتن دیگر به دنبال آزمایشهای کوچک نیست، بلکه قصد دارد هوش مصنوعی زاینده (Generative AI) — که شبیه به یک دستیار فوقهوشمند است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — را در قلب عملیاتهای اصلی خود جای دهد.
این حجم از هزینهکرد در یک نقطه عطف حیاتی رخ میدهد، جایی که ایالات متحده برای کسب برتری استراتژیک بر چین تلاش میکند. این گذار تنها یک تغییر مالی نیست، بلکه تغییری ساختاری است. دولت در حال حرکت از دورهای از اکتشافات محتاطانه به سوی عصری از استقرار تهاجمی در تمام آژانسهای فدرال است.
انفجار مالی در مقیاس ملی
پیشبینی میشود هزینههای جهانی هوش مصنوعی در سال ۲۰۲۶ به ۲.۵ تریلیون دلار برسد که رشد سالانه ۴۴ درصدی را نشان میدهد. بر اساس پیشبینیها، در سال ۲۰۲۷ نیز این رقم با رشد ۳۲ درصدی نسبت به سال قبل، به ۳.۳ تریلیون دلار خواهد رسید. تخصیص این منابع جهانی در سال ۲۰۲۶ در سه حوزه اصلی متمرکز است:
- زیرساختهای هوش مصنوعی: ۵۴٪
- خدمات هوش مصنوعی: ۲۳٪
- نرمافزارهای هوش مصنوعی: ۱۸٪
در داخل آمریکا، سرعت رشد حتی از میانگین جهانی بیشتر است و بقیه جهان را پشت سر میگذارد. طبق گزارش بروکینگز، ارزش قراردادهای بالقنه (Potential Awards) برای هوش مصنوعی فدرال از ۴.۶ میلیارد دلار در سال ۲۰۲۴ به ۹۱.۸ میلیارد دلار در سال ۲۰۲۶ رسیده است؛ یعنی جهشی خیرهکننده ۱۹۱۲ درصدی در ظرف دو سال.
این سرمایه بهطور یکپارچه توزیع نشده است. وزارت دفاع ایالات متحده با ۹۰ میلیارد دلار هزینه در قراردادهای هوش مصنوعی، حاکم مطلق این عرصه است. سایر سرمایهگذاریهای کلیدی و قابل توجه عبارتند از:
- وزارت بازرگانی: ۱۹۷ میلیون دلار
- وزارت بهداشت و خدمات انسانی: ۱۳۸ میلیون دلار
- ناسا: ۴۵ میلیون دلار
حتی کوچکترین آژانسها نیز وارد این میدان شدهاند که نشاندهنده گسترش این فناوری در کل دولت فدرال است. برای مثال، وزارت محیطزیست (Department of the Interior) ۱.۵ میلیون دلار و کمیسیون رگولاتوری هستهای ۸۹۰ هزار دلار هزینه کردهاند. همچنین سازمان ملی آرشیو و اسناد قراردادهایی به ارزش کل ۱۱۰ هزار دلار بسته است.
مقیاس تدارکات بهسرعت در حال گسترش است. از میان ۴۴۱ آژانس فدرال، تعداد سازمانهایی که دارای قرارداد هوش مصنوعی هستند از ۱۷ مورد در سال ۲۰۲۲ به ۲۳ مورد در سال ۲۰۲۴ و در نهایت به ۲۸ مورد در سال ۲۰۲۶ رسیده است. همزمان، حجم کل قراردادها از ۴۷۲ مورد در سال ۲۰۲)۲ به ۹۶۱ مورد در سال ۲۰۲۴ و در نهایت به ۱۷۴۳ مورد تا سال ۲۰۲۶ جهش کرده است. در حالی که بسیاری از این قراردادها در دسته «خدمات حرفهای، علمی و فنی» طبقهبندی شدهاند، برخی دیگر حوزههای ساختوساز، تولید، خدمات آموزشی و صنایع اطلاعاتی و فرهنگی را در بر میگیرند.
حکمرانی در برابر اجرا
شورای مدیران ارشد هوش مصنوعی (CAIOC) که در سال ۲۰۲۴ توسط دولت بایدن تأسیس شد، مرکز فرماندهی این تحول است. این شورا طراحی شد تا هدایت و راهنماییها را از ابتکارات پراکنده و تکسازمانی به سوی مدلی از هماهنگی بینسازمانی تغییر دهد. CAIOC که در نقطه تلاقی استراتژی و اجرا قرار دارد، پنجرهای رو به نحوه تکامل هوش مصنوعی فدرال میگشاید.
اما فلسفه این شورا در دو دولت کاملاً متضاد است و یک چرخش کامل را تجربه کرده است. دوران بایدن بر «پذیرشِ حکمرانیمحور» (Governance-led adoption) متکی بود؛ یعنی مدیریت ریسک، ایجاد حفاظهای ایمنی و جلب اعتماد عمومی در اولویت بود. این مدل بر حکمرانی ساختاریافته، فهرستهای مورد-کاربرد (Use-case inventories) و حداقلهای حفاظتی برای کاربردهای AI که بر ایمنی و حقوق مدنی اثر میگذارد، تکیه داشت. دولت بایدن به هوش مصنوعی به عنوان ابزاری با پتانسیل عظیم مینگریست که نیازمند مدیریت دقیق ریسکهای متناظر است.
در مقابل، دولت ترامپ مدل «حکمرانیِ پذیرشمحور» (Adoption-led governance) را پیاده کرده است. هدف اصلی اکنون حذف هرگونه اصطکاک اداری برای تسریع در استقرار است. هدف نهایی، بهبود اجرا، رقابتپذیری و کسب برتری استراتژیک ایالات متحده برای دستیابی به «سلطه جهانی هوش مصنوعی»، بهویژه در برابر چین است.
این تغییر مسیر در ۱۱ دسامبر ۲۰۲۵ رسمیت یافت. رئیسجمهور دونالد ترامپ در دفتر بیضی، فرمان اجرایی را امضا کرد که توانایی ایالتها برای وضع مقررات در زمینه هوش مصنوعی را محدود میکند؛ اقدامی که صنعت فناوری بهشدت برای آن لابی کرده بود. در این مراسم، افرادی چون سریم کریشنان (مشاور ارشد سیاستهای سفیدخانه در امور هوش مصنوعی)، هوارد لوتنیک (وزیر بازرگانی) و سناتور تد کروز (از حزب جمهوریخواه تگزاس) حضور داشتند.
در حالی که «برنامه اقدام هوش مصنوعی» دولت ترامپ ریسکهای بالقوه را میپذیرد، اما این ریسکها در درجه دوم اهمیت نسبت به هدف استقرار قرار دارند. منطق حاکم بر شورا از «هماهنگی برای استفاده مسئولانه» به «هماهنگی متمرکز بر پیادهسازی» تغییر یافته است.
تغییر پرسنلی: از سیاست به عملیات
ترکیب اعضای CAIOC بهوضوح تغییر اولویتها را نشان میدهد. تحلیل دادههای عضویت از منابعی چون Leadership Connect، لینکدین و وبسایتهای دولتی فاش میکند که اولویتهای یک رئیسجمهور در پیشینه افرادی که برای اجرای آنها منصوب میشوند، تجلی مییابد.
شورای دوران بایدن گستردهتر، متنوعتر و متکی بر بخشهای مختلف بود. این شورا شامل ۱۷ عضو با پیشینههای متنوع در علوم، بهداشت، بودجه، امور حقوقی و مدرنیزاسیون دیجیتال بود. تنها ۱۹ درصد از اعضا سابقه دولتی داشتند که نشان میداد تمرکز بر وارد کردن ایدههای بیرونی و تولید تئوریهای جدید درباره کاربرد AI است.
شورای دوران ترامپ کاملاً متفاوت و از نظر عملیاتی متمرکزتر است. از ۹ عضو فعلی، ۸۹ درصد کارکنان سابق دولت هستند. این رهبران بهشدت به سمت حوزههای امنیت، سایبر، داده و اجرای سازمانی متمایل هستند. این امر نشان میدهد که شورای فعلی به جای طوفانهای فکری استراتژیک، بر کاربرد عملی هوش مصنوعی در محیطهای دولتی متمرکز است.
این تغییر پرسنلی، سبک هماهنگی گروه را تغییر میدهد. در دوران بایدن، شورا برای هماهنگی گسترده در حکمرانی طراحی شده بود تا نوآوری را با ثبات اداری متعادل کند. تحت مدیریت ترامپ، دغدغه اصلی شورا شناسایی موانع عملیاتی و گسترش روشهای کاربردی در میان آژانسها است.
ارزیابی رهبران فناوری
این تغییر جهت، معیار سنجش موفقیت مدیران ارشد هوش مصنوعی (CAIO) و سایر رهبران فناوری — مانند مدیران ارشد اطلاعات، فناوری و داده — را تغییر داده است:
- در مدل بایدن: CAIOها به دلیل توانایی در هماهنگی نظارتهای داخلی، همسویی با الزامات دفتر مدیریت و بودجه (OMB)، ایجاد فرآیندهای حکمرانی و مدیریت مشروعیت سازمانی ارزشمند بودند.
- در مدل ترامپ: CAIOها بر اساس «تحویل و خروجی» ارزیابی میشوند. موفقیت با عملیاتی کردن سیستمها، پشتیبانی از موارد کاربردی خاص در مأموریتها و غلبه بر گلوگاههای بوروکراتیک سنجیده میشود.
دیگر موفقیت تنها در این نیست که آیا هوش مصنوعی بهدرستی حکمرانی شده است یا خیر، بلکه معیار این است که آیا ارزش ملموسی ایجاد میکند و عملکرد را بهبود میبخشد یا نه. این وضعیت به نفع مقاماتی است که پیشینه عملیاتی، سایبری و سیستمی قوی دارند و متخصصان هماهنگی سیاستها یا مدیریت ذینفعان بینبخشی را به حاشیه میراند. در نتیجه، نقش CAIO احتمالاً به توابع تحویل مأموریت در مدیریت اطلاعات و داده نزدیکتر خواهد شد.
مدیریت ریسک به مثابه نرده ایمنی
مدیریت ریسک از بین نرفته است، اما کارکردش تغییر کرده است. در مدل قبلی، مدیریت ریسک در مرکز معماری حکمرانی بود. حکمرانی به عنوان یک مکانیسم کنترل عمل میکرد؛ یعنی هوش مصنوعی تنها زمانی میتوانست مستقر شود که آژانسها ساختارهای شفافی برای مستندسازی، بازبینی و پاسخگویی عمومی ایجاد کرده باشند.
تحت دولت ترامپ، مدیریت ریسک به عنوان یک حفاظ یا نرده ایمنی (Guardrail) در چارچوب یک دستور کار گستردهتر برای پذیرش عمل میکند. ریسک دیگر یک اصل سازماندهنده کلیدی نیست، بلکه تنها یکی از چندین ملاحظه است. در این مدل پیادهسازیمحور، انتظار میرود توابع بازرسی و پاسخگویی، استقرار را تسهیل کنند، نه اینکه سرعت آن را تعیین نمایند.
نتیجه عملی این است که از تضمینهای سنگین فرآیندی به سمت «کاهش ریسک عملیاتی» حرکت میکنیم. تمرکز اکنون بر شناسایی ریسکهایی است که واقعاً مانع استقرار میشوند، در حالی که به بقیه سیستم اجازه داده میشود با سرعت پیش برود.
شکاف ظرفیت بین سازمانها
این تمرکز عملیاتی باعث ایجاد یک نابرابری فزاینده بین آژانسها شده است. یک رویکرد حکمرانیمحور تمایل دارد از طریق زبان و انتظارات مشترک، استانداردسازی را حمایت کند و فرض میکند که آژانسها باید بهطور موازی پیش بروند. اما رویکرد عملیاتی از «پیادهسازی متمایز» حمایت میکند.
آژانسها بر اساس ظرفیت فنی و آمادگی رهبری خود با سرعتهای متفاوتی حرکت میکنند. این موضوع در فاصله عظیم بین هزینههای وزارت دفاع و ۲۷ آژانس دیگر که دارای قرارداد AI هستند، کاملاً مشهود است. سازمانهایی که محیطهای دادهای بالغ و کارکنان فنی قوی دارند، در حال شتاب گرفتن هستند، در حالی که سازمانهای فاقد موارد کاربردی شفاف در مأموریتهای خود، با ریسک عقبافتادن مواجهاند.
در این محیط، نقش CAIOC دیگر تنها هماهنگی سیاستها نیست، بلکه کاهش شکافهای ظرفیتی از طریق توزیع استعدادها و مدلهای پیادهسازی است. حکمرانی هوش مصنوعی فدرال بهطور فزایندهای به یک رقابت بر سر «ظرفیت اجرا» بین آژانسها تبدیل شده است.
جزئیات اجرایی و زمینه پیادهسازی
- ابزارهای اداری: مسیرهای متفاوت دو دولت در یادداشتهای دفتر مدیریت و بودجه (OMB) و فرمانهای اجرایی ریشه دارد. این ابزارها CAIOC را از بدنی که بر فرآیندهای مشترک و مکانیسمهای بازبینی تأکید داشت، به سازمانی تبدیل کردند که تمرکز آن بر غلبه بر اصطکاک بوروکراتیک است.
- تمرکز استراتژیک: برنامه اقدام هوش مصنوعی ترامپ صراحتاً «سلطه جهانی هوش مصنوعی» را هدف قرار داده است. تغییر به مدل پذیرشمحور، یک حرکت تاکتیکی است تا ایالات متحده در استقرار سیستمهای AI از چین پیشی بگیرد.
- پویایی پرسنلی: تفاوت در تعداد اعضا — ۱۷ نفر در دوران بایدن در مقابل ۹ نفر در دوران ترامپ — نشاندهنده سادهسازی و بهینهسازی شورا است. اتکا به کارکنان سابق دولتی (۸۹ درصد در شورای فعلی) نشاندهنده ترجیح افرادی است که موفقیت خود را در عملیاتهای دولتی به اثبات رساندهاند.
اثرات عملیاتی
- تغییر حکمرانی: این انتقال، «پذیرشِ حکمرانیمحور» (جایی که مدیریت ریسک سرعت را دیکته میکند) را با «حکمرانیِ پذیرشمحور» (جایی که استقرار، چارچوب حکمرانی را دیکته میکند) جایگزین کرده است.
- نابرابری آژانسها: با توجه به اینکه تنها ۲۸ آژانس از ۴۴۱ آژانس تا سال ۲۰۲۶ دارای قرارداد AI هستند، گروه کوچکی از سازمانها — به رهبری وزارت دفاع — اکثریت منابع هوش مصنوعی فدرال را جذب کردهاند.
- تنوع قراردادها: فراتر از خدمات فنی، تدارکات AI به حوزههای ساختوساز، تولید و خدمات آموزشی گسترش یافته است که نشان میدهد این فناوری در حال ادغام در زیرساختهای فیزیکی و اجتماعی است.
در حالی که دولت فدرال برای سلطه فشار میآورد، اصطکاکهای داخلی همچنان باقی است. برای مثال، عملیاتهای اطلاعات سیگنالی در ۲۳ ژوئن ۲۰۲۶ با یک عقبنشینی مواجه شد؛ زمانی که گزارش شد آژانس امنیت ملی (NSA) دسترسی خود به یک مدل قدرتمند از شرکت آنتروپیک (Anthropic) را بهدلیل اختلافات فزاینده بین این استارتاپ و دولت از دست داده است.
این تنش نشان میدهد که تکیه بر هوش مصنوعی بخش خصوصی برای امنیت ملی، حتی با وجود تزریق میلیاردها دلار بودجه به این اکوسیستم، چقدر متزلزل و پرنوسان است. در همین راستا، واشینگتن برای کاهش این وابستگیها، فشارهایی را برای اشتراکگذاری مدلهای متا جهت تضمین ایمنی اعمال کرده است. همانطور که CAIOC در دوران ترامپ به سازماندهی ادامه میدهد، با وظیفه دشوار شکل دادن به هزینهها و اجرای فدرال در بحبوحه رشد انفجاری جهانی مواجه است.
گام بعدی شما
- اگر در حوزه پیمانکاریهای دولتی یا زیرساخت هستید، تمرکز خود را از «سندسازی رگولاتوری» به «اثبات سریع ارزش عملیاتی» تغییر دهید.
- چشمانداز قراردادهای دفاعی را دنبال کنید؛ چرا که وزارت دفاع آمریکا اکنون موتور محرک اصلی استقرار AI در سطح فدرال است.
- مدلهای «وزنهای باز» را بررسی کنید تا وابستگی به APIهای شرکتی (مانند مورد NSA) کاهش یابد.
اما این نبرد برای سلطه تنها در سطح نرمافزار نیست؛ تقابل سختافزاری برای تأمین GPUها در مقیاس دولتی، داستان پیچیدهتری دارد — به تحلیل ما درباره زنجیره تأمین تراشههای Blackwell مراجعه کنید.
گفتگو