اعتراف مارک زاکربرگ: توسعه عامل‌های هوش مصنوعی کندتر از پیش‌بینی‌هاست

تصور کنید میلیاردها دلار هزینه کنید تا کارمندانی داشته باشید که هر کاری را خودکار انجام دهند، اما در نهایت بفهمید فاصله بین یک دموی جذاب و یک ابزار کاربردی، بسیار بیشتر از آن است که فکر می‌کردید. این دقیقاً وضعیتی است که اکنون مارک زاکربرگ و مدیران متا با آن دست‌وپنجه نرم می‌کنند.

به نقل از گزارش‌های داخلی، زاکربرگ در جلسه عمومی کارکنان در ۲ ژوئیه ۲۰۲۶ اعتراف کرد که توسعه عامل‌های هوش مصنوعی (AI Agents) — شبیه دستیاران دیجیتالی که می‌توانند به‌جای شما کارهای پیچیده را در نرم‌افزارهای مختلف پیش ببرند — با سرعتی که پیش‌بینی شده بود پیش نرفته است. این بدان معناست که جایگزینی نقش‌های انسانی با سیستم‌های خودگردان، سخت‌تر از تصور مدیران این شرکت است.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی چالش‌های استقرار مدل‌های زبانی در محیط‌های سازمانی اشاره کردیم، فاصله میان «توانایی مدل» و «قابلیت اطمینان در اجرا» همواره یک سد بزرگ بوده است. متا اکنون در حال یک چرخش استراتژیک به سمت ساختار «اول-هوش مصنوعی» است. برای این تغییر، شرکت در اوایل سال جاری حدود ۸,۰۰۰ کارمند (۱۰٪ نیروی اداری) را اخراج کرد و ۷,۰۰۰ نفر دیگر را به گروه‌های تخصصی، از جمله واحد «تحول عامل‌ها»، منتقل نمود.

طبق گزارش خبرگزاری‌های رویترز (Reuters) و بلومبرگ (Bloomberg)، زاکربرگ اشاره کرد که این تعدیل نیروها آن‌قدر که باید «تمیز» و بی‌نقص نبودند. او پذیرفت که ساختار جدید هنوز نتایج درخشان مورد انتظار را به ارمغان نیاورده است. با این حال، متا همچنان روی سخت‌افزار شرط‌بندی کرده و پیش‌بینی می‌شود تنها در سال جاری ۱۴۵ میلیارد دلار برای زیرساخت‌های AI هزینه کند. زاکربرگ معتقد است اثر این سرمایه‌گذاری‌ها طی ۳ تا ۶ ماه آینده نمایان می‌شود.

در این میان، گزارش‌هایی از فرهنگ سمی در واحد AI متا منتشر شده است. برخی مهندسان این بخش را به «گولاگ روح‌فرسای» تشبیه کرده‌اند؛ وضعیتی که نشان می‌دهد فشار شدید برای بازسازی ساختاری، احتمالاً باعث ایجاد اصطکاک داخلی و کند شدن پیشرفت‌های فنی شده است.

برای هر متخصصی که منتظر جایگزینی شغلش با AI است، این یک سیگنال مهم است: عصر «جایگزینی کامل» با یک دیوار فنی برخورد کرده است. حتی غولی مثل متا می‌بیند که تبدیل یک مدل زبانی به یک عامل عملیاتی، بسیار دشوارتر از نمایش یک ویدیو در توییتر است.

گام بعدی شما

• گزارش‌های مالی سه ماهه سوم و چهارم متا را دنبال کنید تا ببینید آیا کاربرد واقعی عامل‌ها بهبود می‌یابد یا خیر.
• تفاوت بین «مدل‌های زبانی» و «عامل‌های عملیاتی» را در استراتژی کسب‌وکار خود تفکیک کنید.
• بر روی ابزارهای کمکی (Copilots) تمرکز کنید تا زمانی که عامل‌های کاملاً خودگردان به بلوغ برسند.

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