تصور کنید مدیر یک شرکت بزرگ هستید و ابزارهای پیشرفته‌ای دارید، اما هیچ‌کس در تیم شما نمی‌داند چگونه آن‌ها را در جریان کار واقعی شرکت جای دهد. مایکروسافت حالا تصمیم گرفته این شکاف مهارتی را با پرداخت حقوق متخصصان در سازمان شما پر کند.
بر اساس اعلام رسمی این شرکت، مایکروسافت ۲.۵ میلیارد دلار هزینه می‌کند تا ۶۰۰۰ متخصص مهندسی را مستقیماً در لیست حقوق‌بگیر مشتریانش قرار دهد. این اقدام یعنی تغییر مدل کسب‌وکار از فروش صرفِ نرم‌افزار به ارائه نیروی کار متخصص برای اینکه هوش مصنوعی زاینده (Generative AI) — مثل یک مشاور ارشد که تمام کتاب‌های راهنمای شرکت شما را حفظ است و حالا می‌داند کجا باید تغییرات را اعمال کند — واقعاً در مقیاس صنعتی کار کند. این رویکرد در راستای تلاش‌های گسترده‌تر برای حفظ ارزش عملیاتی است؛ موضوعی که پیش از این در بررسی استراتژی «سرمایه توکنی» نادلا برای جلوگیری از تحلیل دارایی‌های فکری به آن پرداخته بودیم.
همان‌طور که در تحلیل قبلی ما درباره‌ی بازآرایی ساختاری Xbox اشاره کردیم، مایکروسافت در حال چرخش از تغییرات داخلی به سمت اجرای عملیاتی در بازار تجاری است. این استراتژی در زمانی رخ می‌دهد که سازمان‌ها برای تبدیل پروژه‌های آزمایشی به محیط تولید (Production) با چالش جدی روبرو هستند.
طبق گزارش وبلاگ رسمی مایکروسافت، واحد Microsoft Frontier Company در ۲ ژوئیه ۲۰۲۶ راه‌اندازی شد. این بخش که توسط رودریگو کده لیما (Rodrigo Kede Lima)، رئیس سابق مایکروسافت آسیا، رهبری می‌شود، هدفش طراحی و اجرای سیستم‌های هوش مصنوعی است، نه فقط ارائه مشاوره. جادسون آلتوف (Judson Althoff)، مدیر کسب‌وکار تجاری مایکروسافت، این ابتکار را رسماً معرفی کرد.
به نقل از منابع مختلف، مایکروسافت تنها بازیگری نیست که به این مدل «مهندسی استقرار پیش‌رو» روی آورده است. در فاصله تنها ۹ هفته، چهار بازیگر اصلی حدود ۹ میلیارد دلار برای استقرار متخصصان در سازمان‌های مشتری هزینه کرده‌اند:
- OpenAI Deployment Company: بیش از ۴ میلیارد دلار (۱۱ مه)**
- Anthropic: ۱.۵ میلیارد دلار (۴ مه)**
- AWS: ۱ میلیارد دلار (۳۰ ژوئن)**
- Microsoft Frontier Company: ۲.۵ میلیارد دلار (۲ ژوئیه)**
این حجم از سرمایه‌گذاری نشان می‌دهد که گلوگاه پذیرش هوش مصنوعی دیگر قدرت مدل‌ها نیست، بلکه نبود استعدادهای متخصص در داخل دیوارهای سازمان‌هاست. این نیاز به زیرساخت‌های انسانی متخصص، شباهت‌های زیادی به رویکردهای مختلف کشورهای جهان برای دستیابی به استقلال در حوزه هوش مصنوعی دارد که در آن سرمایه‌گذاری بر روی تخصص ملی اولویت یافته است. مایکروسافت با این کار ریسک ریزش مشتری را کم می‌کند و گذار به گردش‌های کارهای عامل‌محور (Agentic Workflows) را سرعت می‌بخشد.
باید منتظر ماند و دید آیا این متخصصان مستقر شده، با انتقال تجربه‌های واقعی از محیط مشتری، نقشه راه توسعه مدل‌های زبانی آینده را تغییر می‌دهند یا خیر.
گام بعدی شما
- اگر مدیر محصول هستید، بررسی کنید که آیا تیم شما برای پیاده‌سازی مدل‌ها به نیروی خارجی نیاز دارد یا باید روی آموزش داخلی متمرکز شود.
- مدل‌های همکاری «استقرار پیش‌رو» را با مدل‌های سنتی مشاوره (Consulting) مقایسه کنید تا هزینه‌های بلندمدت را بسنجید.
- تحولات در مدل‌های استقرار OpenAI و Anthropic را دنبال کنید تا متوجه شوید کدام شرکت سریع‌تر به بهره‌وری عملیاتی می‌رسد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو