تصور کنید میلیاردها دلار روی تکنولوژی‌هایی سرمایه‌گذاری شود که در نهایت تنها ۱.۵ درصد به رشد اقتصاد جهانی کمک می‌کنند. این رقم، پیش‌بینی متواضعانه دارون عجم‌اوغلو، اقتصاددان برنده جایزه نوبل، برای تأثیر هوش مصنوعی بر تولید ناخالص داخلی (GDP) در ۱۰ سال آینده است.
طبق گزارشی که در ۶ اکتبر ۲۰۲۶ منتشر شد، این دیدگاه تضاد شدیدی با پیش‌بینی‌های تهاجمی آزمایشگاه‌های بزرگ AI دارد. این پیش‌بینی در حالی می‌رسد که غول‌های فناوری در حال تغییر استراتژی هستند. همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش هزینه‌های مایکروسافت و متا در همکاری با آنتروپیک اشاره کردیم، اکنون تمایل صنعت از «اتوماسیون کامل» به سمت «تقویت توانمندی‌های انسانی» می‌رود. این رویکرد در حالی اهمیت می‌یابد که سرمایه‌گذاری‌های کلان در زیرساخت‌های AI نیازمند جهشی چشمگیر در بهره‌وری هستند تا توجیه‌پذیر باشند. برای یک کسب‌وکار، این وضعیت شبیه این است که انتظار داشته باشید یک کارخانه جدید بدون آموزش کارکنان یا بازطراحی خط تولید، یک‌شبه تولیداتش را دو برابر کند.
به نقل از گزارش منتشر شده در «The Humanist Review of AI» متعلق به شرکت مایکروسافت (Microsoft)، گلوگاه‌های اصلی نه فنی، بلکه انسانی هستند. عجم‌اوغلو به چند نقطه اصطکاک کلیدی اشاره می‌کند:
- اینرسی سازمانی: شرکت‌ها پیش از آنکه بهره‌وری افزایش یابد، باید ساختار خود را تغییر داده و وظایف را بازتوزیع کنند.
- شکاف مهارت‌ها: کارکنان برای استفاده مؤثر از هوش مصنوعی زاینده (Generative AI) — که مثل کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — به آموزش‌های گسترده نیاز دارند. این چالش آموزشی در سطح جهانی منجر به تلاش‌هایی شده است تا شکاف دسترسی به ابزارهای هوش مصنوعی میان کشورهای مختلف کاهش یابد.
- دیوار دقت: حتی دقت ۹۹ درصدی برای نیازهای واقعی کاربران در «مایل آخر» (Last-mile) کافی نیست.
عجم‌اوغلو استدلال می‌کند که مدل‌هایی که مهارت‌های انسانی را گسترش می‌دهند، موفق‌تر از اتوماسیون کامل خواهند بود. او معتقد است مدل‌های بزرگ‌تر نمی‌توانند مشکل بنیادی نحوه تولید واقعی کالاها را حل کنند. در عوض، بازار به اپلیکیشن‌های ساده‌ای نیاز دارد که گردش‌های کاری (Workflows) خاص را تغییر دهند.
به نظر می‌رسد این دیدگاه یک سپر استراتژیک برای مایکروسافت ایجاد می‌کند. این شرکت با معرفی AI به عنوان ابزاری که به محصولات موجود اضافه می‌شود (و نه جایگزینی برای نیروی کار)، ریسک شرط‌بندی روی اتوماسیون‌های مخرب و گسترده‌ای که شاید هرگز رخ ندهند را کاهش می‌دهد.
در حالی که AI می‌تواند اسناد را در چند دقیقه تحلیل کند یا کدنویسی را سریع‌تر کند، «پارادوکس بهره‌وری» همچنان پابرجاست. باید دید آیا پذیرش سازمانی از «جایگزینی نقش‌ها» به «تقویت وظایف» تغییر مسیر می‌دهد یا خیر.
گام بعدی شما
- به جای جست‌وجوی ابزارهایی برای جایگزینی کامل یک نقش، روی ابزارهایی تمرکز کنید که نقاط کور عملیاتی تیم شما را می‌پوشانند.
- تحلیل کنید کدام بخش از گردش کار شما به دلیل «دیوار دقت» (Accuracy Wall) هنوز قابل اتوماسیون نیست.
- برنامه‌های آموزش کارکنان را از «کار با ابزار» به «بازطراحی فرآیند با کمک ابزار» تغییر دهید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو