حاشیه سود محصولات هوش مصنوعی به ۵۲٪ سقوط کرد

اگر امروز یک محصول نرم‌افزاری بر پایه هوش مصنوعی می‌سازید، باید بدانید که دوران سودهای کلان و بدون هزینه به پایان رسیده است. طبق داده‌های منتشر شده توسط ICONIQ، میانگین حاشیه سود ناخالص محصولات هوش مصنوعی در سال ۲۰۲۶ به حدود ۵۲٪ سقوط کرده است. این عدد نشان‌دهنده یک تغییر بنیادین در اقتصاد نرم‌افزار است.

برای بیش از یک دهه، شرکت‌های نرم‌افزاری از یک قدرت ابرقهرمانی بهره می‌بردند: محصولی را یک بار می‌ساختند و آن را با هزینه‌ای تقریباً صفر برای میلیون‌ها کاربر توزیع می‌کردند. این وضعیت حاشیه سودی بین ۷۵ تا ۸۵٪ ایجاد می‌کرد که به استارتاپ‌ها اجازه می‌داد برای جذب مشتری هزینه‌های هنگفتی کنند، چون هر کاربر جدید تقریباً به طور کامل به سود خالص تبدیل می‌شد. در واقع، محاسبات ارزش طول‌عمر مشتری (LTV) بسیار بخشنده بود و استراتژی «اول جذب، بعد سود» (SaaS Playbook) را توجیه می‌کرد، زیرا با مقیاس‌پذیر شدن شرکت، اقتصاد واحد (Unit Economics) به طور خودکار بهبود می‌یافت.

اما اکنون قواعد بازی تغییر کرده است؛ زیرا کاربران انتظار دارند نرم‌افزارها به جای ذخیره و بازیابی ساده، فکر کنند و محتوا تولید کنند. برای پاسخ به این نیاز، مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیارد‌ها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — وارد عمل می‌شوند و هر بار استنتاج (Inference) — یعنی همان لحظه تولید جواب، شبیه به خودِ آشپزی و نه دوره آموزش آشپز — هزینه نقدی واقعی دارد. برای لایه اپلیکیشن، یعنی استارتاپ‌هایی که روی مدل‌های بنیادی (Foundation Model) شرکت‌هایی مثل OpenAI یا Anthropic می‌سازند (مانند Legora)، این هزینه‌ها مستقیم و جدانشدنی از تجربه کاربر است.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اقتصاد مدل‌های بازمتن اشاره کردیم، مدیریت هزینه در لایه استنتاج اکنون به یک مزیت رقابتی تبدیل شده است.

ساختار جدید هزینه‌ها

نرم‌افزارها همیشه هزینه‌های کالای فروخته شده (COGS) داشتند، از جمله میزبانی، پهنای باند و کارمزدهای پرداخت. اما این هزینه‌ها کوچک بودند، با زمان کاهش می‌یافتند و در برابر ارزش محصول، اتفاقی و ناچیز به نظر می‌رسیدند. هوش مصنوعی این هزینه‌ها را حجیم، چسبنده و مرکزی کرده است. حالا «صورت‌حساب مواد اولیه» (Bill of Materials) واقعاً اهمیت پیدا کرده است.

این وضعیت یک تضاد بنیادی ایجاد می‌کند که در SaaS سنتی وجود نداشت. مدلی که برای پاسخ به کاربران انتخاب می‌کنید، دیگر فقط روی کیفیت اثر نمی‌گذارد، بلکه مستقیماً سود و زیان (P&L) شرکت و جایگاه رقابتی آن را تغییر می‌دهد. این یک تصمیم سخت‌افزاری در دنیای نرم‌افزاری است؛ دقیقاً همان مدیریت هزینه‌ای که تولیدکنندگان قطعات سال‌ها با آن دست‌وپنجه نرم کرده‌اند و باید ورودی‌های هزینه را با دقت مدیریت کنند.

موازنه میان سود و کیفیت

بنیان‌گذاران نرم‌افزاری اکنون با یک دوراهی سخت مواجه‌اند که شبیه به انتخاب قطعات در سخت‌افزار است. آن‌ها باید بین دو مسیر متضاد یکی را انتخاب کنند:

• حفاظت از حاشیه سود: استفاده از مدل‌های کوچک‌تر و ارزان‌تر برای پایین نگه داشتن هزینه‌ها، که ریسک از دست دادن کاربر به نفع رقبایی با عملکرد برتر را دارد.
• پیروزی در محصول: استفاده از مدل‌های پیشرو (Frontier Models) — یعنی گران‌ترین، بزرگ‌ترین و توانمندترین لایه موجود — برای ارائه بهترین تجربه، که منجر به سوزاندن سریع سرمایه و ضربه به اقتصاد شرکت می‌شود.

برای مدیریت این بحران، بسیاری از مدیران اکنون بارهای کاری روزمره را به مدل‌های کوچک‌تر که تنظیم دقیق (Fine-tuning) — شبیه به وقتی که به یک پزشک عمومی تخصص پوست می‌دهیم تا در یک حوزه دقیق شود — شده‌اند می‌سپارند و فقط موارد پیچیده را به مدل‌های پیشرو ارجاع می‌دهند. این یک واکنش منطقی به یک محدودیت واقعی است، اما تضاد اصلی را حل نمی‌کند. با مقیاس‌پذیری محصولات، هزینه استنتاج در حال تبدیل شدن به هزینه غالب است و اغلب جایگزین حقوق متخصصان به عنوان بزرگ‌ترین مرکز هزینه شرکت شده است.

خطر استراتژی «تصاحب سریع بازار»

در حال حاضر، بسیاری از شرکت‌ها آگاهانه پیامدهای این تغییر را نادیده می‌گیرند. چون بازار با سرعت زیادی در حال حرکت است و رقابت برای تصاحب زمین (Land-grab) واقعی است، سوزاندن پول برای هزینه‌های استنتاج در کوتاه‌مدت یک تصمیم قابل دفاع است. اما این کار یک بمب ساعتی برای آینده می‌سازد.

وقتی بازار به بلوغ برسد و هیجانات فروکش کند، شرکت‌ها مجبور می‌شوند کسب‌وکاری سودآور با ساختار هزینه‌ای اداره کنند که هرگز آن را به دقت بررسی نکرده‌اند. اگر حاشیه سود به طور ساختاری کاهش یابد، کل منطق رشد SaaS فرو می‌پاشد. طبق گزارش ICONIQ از حدود ۳۰۰ مدیر اجرایی، اگرچه حاشیه سود در حال بهبود است — و از ۴۱٪ در سال ۲۰۲۴ به ۵۲٪ در سال ۲۰۲۶ رسیده است — اما همچنان بسیار پایین‌تر از کف ۷۵ تا ۸۵ درصدی است که سرمایه‌گذاران به عنوان استاندارد درونی کرده‌اند.

شکست مدل قیمت‌گذاری ثابت

مدل‌های اشتراکی با نرخ ثابت در SaaS سنتی برای توزیع هزینه‌ها بین کل پایگاه کاربران طراحی شده بود. این مدل زمانی جواب می‌داد که هزینه سرویس‌دهی به هر کاربر ناچیز باشد. اما هوش مصنوعی نوسانی شدید در هزینه ایجاد می‌کند که نرم‌افزارهای سنتی هرگز با آن روبرو نبودند.

تصور کنید یک «کاربر حرفه‌ای» ۱۰۰ بار از مدل استنتاج می‌گیرد و یک کاربر معمولی ۵ بار. در دنیای قدیمی، هر دو تقریباً رایگان بودند. در دنیای AI، کاربر حرفه‌ای می‌تواند به تنهایی حاشیه سود یک شرکت را به طور کامل نابود کند.

این واقعیت اقتصادی صنعت را به سمت قیمت‌گذاری بر اساس مصرف (Usage-based Pricing) می‌برد. با هم‌راستا کردن هزینه‌ها با محاسبات واقعی پردازش، شرکت‌ها دیگر مجبور نیستند هزینه‌ی کاربران پرمصرف را از جیب خود یا با هزینه کاربران کم‌مصرف پرداخت کنند. این تغییر در مدل درآمدی، بخشی از یک روند گسترده‌تر است که در آن مدل‌های فروش لایسنس جای خود را به تضمین نتیجه و خدمات نرم‌افزاری می‌دهند. مدل قیمت‌گذاری در حال تغییر است، زیرا مدل هزینه ابتدا تغییر کرد.

ریسک پارادوکس جِوِنز

خوش‌بین‌ها می‌گویند هزینه استنتاج به سرعت در حال کاهش است. درست است، اما نمی‌توان مدل کسب‌وکاری امروز را بر اساس پیشرفتی بنا کرد که هنوز رخ نداده است. علاوه بر این، «پارادوکس جِوِنز» (Jevons Paradox) ممکن است مانع بهبود سود شود.

این پارادوکس که اولین بار در سال ۱۸۶۵ توسط ویلیام استنلی جِوِنز مشاهده شد، بر اساس این مشاهده بود که موتورهای زغال‌سنگ کارآمدتر منجر به مصرف بیشتر زغال‌سنگ شدند. این پارادوکس می‌گوید وقتی منبعی ارزان‌تر شود، انسان‌ها به جای مصرف کمتر، راه‌های بیشتری برای استفاده از آن پیدا می‌کنند.

در هوش مصنوعی، استنتاج ارزان‌تر لزوماً به سود بیشتر نمی‌انجامد، بلکه باعث می‌شود:

• ادغام عمیق‌تر AI در محصولات
• تعداد درخواست‌های بیشتر برای هر تعامل واحد
• اجرای مداوم عامل‌های (Agents) خودکار در پس‌زمینه

در نتیجه، هزینه هر درخواست کم می‌شود، اما تعداد درخواست‌ها به ازای هر کاربر چند برابر می‌شود و حاشیه سود ثابت نمی‌ماند.

بازگشت به بهره‌وری سرمایه

عصر جدید، بازگشت به ساخت کسب‌وکارهای بهینه از نظر سرمایه را می‌طلبد. برنده کسانی خواهند بود که از روز اول روی اقتصاد واحد (Unit Economics) تمرکز کنند و معماری قیمت‌گذاری‌شان را بر اساس هزینه‌های واقعی بسازند، نه اینکه روی رشد با کمک سرمایه‌گذاران و گسترش حاشیه سودی شرط‌بندی کنند که شاید هرگز اتفاق نیفتد.

این مرثیه‌ای برای نرم‌افزار نیست. بنیان‌گذارانی که این تضادها را جدی می‌گیرند، احتمالاً شرکت‌های مقاوم‌تر و صادقانه‌تری می‌سازند تا نسل SaaS. آن‌ها متفکرتر هستند و درباره جایی که ارزش واقعاً خلق می‌شود، صادق‌ترند. با این حال، حتی با داشتن مدل اقتصادی درست، بسیاری از شرکت‌ها در مرحله عملیاتی متوقف می‌شوند؛ چرا که بروکراسی‌های اداری و تأییدات مدیریتی همچنان سد راه تبدیل این مدل‌ها به محصولات واقعی هستند.

دوران «هزینه نهایی صفر» شرکت‌های بزرگی ساخت، اما کسب‌وکارهایی را هم خلق کرد که ساختار هزینه مطلوب را با مزیت رقابتی واقعی اشتباه گرفتند. هوش مصنوعی اکنون بحث‌های سخت‌تری را درباره پایداری (Sustainability) تحمیل می‌کند. قوانین نرم‌افزار در حال بازنویسی هستند و بهترین بنیان‌گذاران از همین حالا طبق قوانین جدید بازی می‌کنند.

گام بعدی شما

• اگر مدیر محصول هستید، فوراً تحلیل کنید چه درصدی از کاربران شما «پرمصرف» هستند و مدل قیمت‌گذاری فعلی‌تان را به چالش بکشید.
• استراتژی Routing را پیاده کنید: درخواست‌های ساده را به مدل‌های کوچک (SLM) و موارد پیچیده را به مدل‌های پیشرو ارجاع دهید.
• در مذاکره با سرمایه‌گذاران، به جای تمرکز صرف بر رشد تعداد کاربر، روی بهبود حاشیه سود ناخالص (Gross Margin) تأکید کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.