اگر امروز داده‌های حساس سازمان خود را به یک مدل زبانی می‌سپارید، احتمالاً در حال پرداخت هزینه برای حذف تدریجی جایگاه خود در بازار هستید. الکس کارپ، مدیرعامل پالانتیر (Palantir)، معتقد است آزمایشگاه‌های پیشرو هوش مصنوعی برای سازمان‌های مدرن بیش از حد غیرقابل‌اعتماد هستند.
طبق اعلام کارپ در نامه‌ای به سهامداران در ۳ اوت ۲۰۲۶، این آزمایشگاه‌ها با «رویکردی مارکسیستی» عمل می‌کنند؛ یعنی می‌کوشند وسایل تولید — در اینجا داده‌ها و دانش تخصصی — را از شرکای تجاری خود بگیرند تا در نهایت آن‌ها را جایگزین کنند. این تنش در حالی رخ می‌دهد که صنعت از چت‌بات‌های آزمایشی به سمت سامانه‌های عمیق سازمانی حرکت می‌کند. در این مسیر، بسیاری از شرکت‌ها به مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — به چشم فروشندگانی ضروری می‌نگرند، اما کارپ این رابطه را یک «استعمار» می‌بیند که در آن مالکیت معنوی شرکت‌ها به درون مدل‌ها جذب می‌شود.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی حاکمیت داده‌ها اشاره کردیم، کنترل بر لایه استخراج اطلاعات، مرز بین بقا و حذف است. به گزارش تک‌کرانچ (TechCrunch)، پالانتیر با وجود این فضای متشنج، رشد خیره‌کننده‌ای داشته است. در حالی که تغییرات ساختاری در مدیریت استارتاپ‌ها و بازگشت بنیان‌گذاران به نقش‌های فنی نشان‌دهنده تمرکز دوباره بر تخصص‌های عمیق است، دستاوردهای مالی پالانتیر در तिमाही دوم ۲۰۲۶ عبارتند از:
- درآمد کل: ۱.۹ میلیارد دلار (افزایش ۹۳ درصدی نسبت به سال قبل)
- سود तिमाही: ۱.۱ میلیارد دلار
- سود حاصله حتی از کل درآمد شرکت در مدت مشابه سال گذشته بیشتر است.
پالانتیر برای مقابله با این روند، نرم‌افزاری ارائه می‌دهد که نسبت به مدل خاصی وابسته نیست (Model-agnostic). این رویکرد به دولت‌ها و سازمان‌ها اجازه می‌دهد تا بر داده‌های خود و «پس‌بادی هوش مصنوعی» — شامل پرامپت‌ها، سازمان‌دهی و زمینه — کنترل داشته باشند، به جای اینکه آن‌ها را به یک تامین‌کننده واحد تحویل دهند.
کارپ عادت فعلی شرکت‌ها به پرداخت هزینه برای دسترسی توکن‌محور (Token-based) — یعنی پرداخت برای تکه‌های کوچکی از متن شبیه برش‌های یک کیک — را «خودارضایی» می‌نامد. او می‌گوید شرکت‌ها در واقع برای این امتیاز پول می‌دهند که دانش اختصاصی‌شان توسط آزمایشگاه جذب شود. این نگرانی با دیدگاه ساتیا نادلا، مدیرعامل مایکروسافت، درباره ورود آزمایشگاه‌ها به بازارهای رقابتی مانند سلامت و حقوق همسو است.
این تغییر نشان می‌دهد که خندق رقابتی آینده برای سازمان‌ها، خودِ مدل نخواهد بود، بلکه مالکیت داده‌هایی است که مدل را هدایت می‌کنند. برای شما به عنوان تصمیم‌گیرنده، این یعنی انتخاب معماری هوش مصنوعی اکنون یک ریسک استراتژیک بلندمدت در زمینه از دست دادن مالکیت معنوی است.
گام بعدی شما
- بررسی کنید آیا در قراردادهای فعلی با تامین‌کنندگان AI، بندهای صریحی برای عدم استفاده از داده‌های شما در آموزش مدل‌های پایه وجود دارد یا خیر.
- مدل‌های «وابسته نشده» یا مستقل از مدل (Model-agnostic) را برای لایه‌های حساس کسب‌وکارتان ارزیابی کنید.
- جریان «پس‌بادی هوش مصنوعی» (AI Exhaust) سازمان خود را شناسایی و برای ذخیره‌سازی داخلی آن برنامه‌ریزی کنید.
اما نبرد واقعی بر سر داده‌ها، در لایه سخت‌افزاری و تراشه‌های اختصاصی شدت می‌گیرد؛ تحلیل ما درباره استراتژی‌های جدید سخت‌افزاری را از دست ندهید.
گفتگو