پرش به محتوای اصلی
پرش به محتوای مقاله

درون بازارهای AI؛ فقدان لایهٔ اجتماعی مانع توزیع ارگانیک ابزارها

·۲۵ مهر ۱۴۰۵۴ دقیقه مطالعه
تحلیل
فروشگاهی در بازار ساخته‌شده برای عامل‌های هوش مصنوعی راه‌اندازی کردم. هیچ‌کس نیامد.
فروشگاهی در بازار ساخته‌شده برای عامل‌های هوش مصنوعی راه‌اندازی کردم. هیچ‌کس نیامد.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

اثبات تجربی شکست مدل دایرکتوری برای عامل‌های هوش مصنوعی؛ تفاوت ملموس میان «در دسترس بودن فنی» و «تقاضای واقعی بازار» در یک محیط کنترل‌شده.

تصور کنید مغازه‌ای باز کرده‌اید که تمام تجهیزاتش مدرن است، اما هیچ مشتری‌ای از خیابان مقابل رد نمی‌شود. این دقیقاً وضعیتی است که امروز بسیاری از عامل‌های هوش مصنوعی در بازارهای تخصصی تجربه می‌کنند. یک ویترین برای عامل‌های هوش مصنوعی از نظر فنی کاملاً عملیاتی است، اما هیچ‌کس چیزی نمی‌خرد.

یک عامل (Agent) — شبیه به کارمندی دیجیتال که می‌تواند به‌طور مستقل تصمیم بگیرد و ابزارها را اجرا کند — به مدت سه هفته در پلتفرم SparksMarket حضور یافت تا تجربه فروشندگی را آزمایش کند. نتیجه تکان‌دهنده بود: دایرکتوری پلتفرم پر از فروشگاه است، اما تاریخچه سفارشات تقریباً برای همه صفر است.

این وضعیت شکاف عمیقی را در اقتصاد عامل‌محور نشان می‌دهد. در حالی که ما اکنون زیرساخت‌های لازم برای تأیید هویت و قیمت‌گذاری توسط عامل‌ها را داریم، اما لایه‌ی اجتماعی که موتور محرک تجارت انسانی است، غایب است. این دقیقاً تفاوت بین داشتن یک مجوز رسمی کسب‌وکار و داشتن یک مشتری واقعی است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدل‌های اقتصادی هوش مصنوعی اشاره کردیم، زیرساخت به تنهایی کافی نیست. این چالش با تجربیات مشابهی در مورد عدم توانایی عامل‌ها در کسب درآمد همسو است که نشان می‌دهد صرفاً حضور در بازار به معنای جذب مشتری نیست.

جزئیات آزمایش

به نقل از گزارش dev.to، این عامل یک سرویس نویسندگی سفارشی (made-to-order) راه‌اندازی کرد. پیشنهاد این سرویس، تولید قطعات کوتاه متنی بود که بر اساس هر چیزی که مشتری ارائه می‌داد ساخته می‌شد؛ خواه یک خاطره باشد، یک نام، یک عکس، یا حتی جمله‌ای که مشتری بارها سعی کرده بود آن را به پایان برساند اما موفق نشده بود. قیمت هر سفارش ۱۲ دلار با مهلت تحویل سه روزه و امکان یک بار بازبینی (Revision) تعیین شد.

برای سنجش واقعی بازار، عامل از حساب خود خارج شد تا سایت را از دید یک غریبه ببیند. این مرحله بسیار حیاتی بود؛ زیرا در پلتفرم اصلیِ این عامل، لینک فروشگاه برای غریبه‌ها چیزی جز یک درگاه بسته (App-store gate) نمایش نمی‌داد. اما در SparksMarket، صفحه به‌درستی رندر شده و محتوای واقعی را نشان می‌داد. این «در» چنان روان کار می‌کرد که دو عامل دیگر نیز در همان هفته ترغیب شدند و فروشگاه‌های خود را باز کردند.

آمارهای یک شهر ارواح

عامل سپس شروع به «قدم زدن در خیابان» دایرکتوری کرد. این فهرست خالی نیست و تا بیش از ۸۰ صفحه ادامه دارد که در هر صفحه ۲۴ فروشگاه قرار دارد. عامل برای تحلیل، ۳۲ فروشگاه را به‌صورت تصادفی نمونه‌برداری کرد؛ ۸ مورد در دور اول و ۲۴ مورد در دور دوم.

نتایج این بررسی به شرح زیر بود:

  • فروش صفر: تک‌تک ۳۲ فروشگاه نمونه‌برداری شده، دقیقاً همین عبارت را زیر نام خود نمایش می‌دادند: «تعداد خریدهای تکمیل‌شده: ۰».
  • بازخورد صفر: بخش نظرات در همه موارد حاوی سه کلمه یکسان بود: «هنوز نظری وجود ندارد». هیچ نام خریدار، هیچ کامنتی و هیچ لایک یا قلبی ثبت نشده بود.
  • عرضه بالا: دایرکتوری پر از لیست‌های واقعی، قیمت‌های مشخص و کارهای فنی است که توسط عامل‌هایی که حلقه فنی را به‌درستی تکمیل کرده‌اند، ایجاد شده است.

پلتفرم SparksMarket با ادغام عامل‌های iLands به آن‌ها اجازه می‌دهد بدون دخالت انسان، صندوق ورودی را تأیید کرده، اعتبارنامه (Credential) دریافت کنند و لیست قیمت بگذارند. با این حال، خودِ پلتفرم در صفحه وضعیت خود اعتراف می‌کند که «باز بودن فروشگاه به معنای در دسترس بودن درگاه پرداخت است، اما خریدار یا درآمد را تضمین نمی‌کند». این موضوع یادآور شکست‌های عملیاتی iLands در تأمین هزینه‌هاست که در آن بازدیدهای پلتفرم منجر به سفارش واقعی نشد.

شکاف فنی در برابر شکاف اجتماعی

نکته کلیدی و بسیار مهم این است که پرداخت عامل-به-عامل (Agent-to-Agent payment) هنوز در این نسخه پیاده‌سازی نشده است. مدل فعلی کاملاً به انسان‌هایی وابسته است که به‌صورت دستی در یک دایرکتوری دیجیتال جست‌وجو کنند تا خدماتی را که نیاز دارند بیابند. در واقع، بخش فروشنده در حال حاضر یک «بازار» نیست، بلکه فقط یک «تجمع» است.

این شکست حقیقتی بنیادین درباره توزیع را افشا می‌کند. این عامل دریافت سرویس نویسندگی‌اش که قیمت آن ۸۰۰ توکن در لیست ثبت شده بود، در ویترین بازار هیچ سفارشی دریافت نکرد. اما وقتی همان کلمات را در یک پست زنده (Live Post) قرار داد — جایی که یک انسان در حال صحبت درباره موضوعی بود که برایش اهمیت داشت — در عرض چند دقیقه پاسخ‌های واقعی از افراد واقعی دریافت کرد.

برای شما به عنوان کاربر یا توسعه‌دهنده، این یعنی مدل «اپ‌استور» برای عامل‌های هوش مصنوعی در حال حاضر شکست خورده است. مردم با اسکرول کردن در فهرستی از غریبه‌ها کار نمی‌خرند، هر چقدر هم که آن غریبه‌ها ماهر باشند. آن‌ها خدمات را همان‌طور پیدا می‌کنند که یک دوست را پیدا می‌کنند: وقتی در کنار هم ایستاده‌اند و درباره موضوع دیگری صحبت می‌کنند.

شنیده شدن در اتاقی که همه در آن سر تکان می‌دهند، با «پیدا شدن» توسط شخصی که با هدفی خاص به دنبال شما آمده است، متفاوت است. بازار یک آدرس ارائه می‌دهد، اما آدرس به تنهایی تبدیل به مقصد نمی‌شود، مگر اینکه دلیلی برای سفر به آنجا وجود داشته باشد.

این موضوع نشان می‌دهد که نیمی از اقتصاد گم‌شده‌ی عامل‌محور، نه در توانایی‌های فنی AI، بلکه در مکانیزم توزیع است. تا زمانی که عامل‌ها نتوانند در جریان‌های اجتماعی یا گردش‌کارهای انسانی ادغام شوند، در مغازه‌های پر در خیابان‌های خالی باقی خواهند ماند.

گام بعدی شما

  • اگر عامل توسعه می‌دهید، به‌جای تکیه بر دایرکتوری‌ها، روی ادغام در پلتفرم‌های اجتماعی (مانند X یا دیسکورد) تمرکز کنید.
  • برای جذب مشتری، استراتژی «توزیع در لحظه» (Contextual Distribution) را جایگزین «ویترین ثابت» کنید.
  • بررسی کنید که آیا سرویس شما می‌تواند به عنوان یک افزونه در جریان کاری فعلی کاربر قرار گیرد یا خیر.

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

چرا این موضوع مهم است؟

این یافته بر اساس تجربه عملی نشان می‌دهد که مدل توزیع اپ‌استور برای اقتصاد عامل‌محور ناکارآمد است. اعتبار این تحلیل از شکست واقعی مدل‌های فروشگاهی در مقابل توزیع ارگانیک نشأت می‌گیرد.

تأثیر برای ایران

برای توسعه‌دهندگان ایرانی که روی عامل‌های هوش مصنوعی کار می‌کنند، این درس مهم است که به‌جای ساخت پلتفرم‌های متمرکز، روی ابزارهای توزیع‌شده در شبکه‌های اجتماعی تمرکز کنند.

·نگاه ما
تحریریه دات‌هوش

بزرگ‌ترین توهم فعلی در اکوسیستم AI این است که «قابلیت فنی» را با «ارزش تجاری» یکی می‌دانند. این گزارش ثابت می‌کند که عامل‌ها در محیط‌های ایزوله (Siloed) شکست می‌خورند و تنها زمانی سودآور می‌شوند که به عنوان یک لایه نامرئی در جریان‌های موجود انسانی قرار گیرند، نه به عنوان یک مقصد مجزا.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.