اگر فکر می‌کنید خرید لایسنس چت‌جی‌پی‌تی برای تیمتان بلافاصله حاشیه سود را بالا می‌برد، داده‌های آپولو خبر بدی دارد: برای ۴۹۳ شرکت بزرگ غیرتکنولوژیک آمریکا، میلیاردها دلار سرمایه‌گذاری در هوش مصنوعی زاینده (Generative AI) — مثل یک متدبی بی‌وقفه که میلیون‌ها سند خوانده و حالا خلاصه، کد و متن تولید می‌کند — تا کنون صفر بازده داده است.
تورستن اسلاک (Torsten Slok)، اقتصاددان ارشد آپولو گلوبال منیجمنت (Apollo Global Management)، به نقل از یادداشت اخیرش نشان می‌دهد که حاشیه سود و درآمد به ازای کارمند برای S&P ۴۹۳ — شاخصی که هفت غول تکنولوژی را خارج می‌کند — در سال‌های اخیر ناپایدار مانده است، با وجود هزینه‌های کلانی که برای استقرار مدل‌های زبانی بزرگ (LLM) و زیرساخت‌های مرتبط صرف شده. این نتیجه با پیش‌بینی دارون عجم‌اوغلو درباره تأثیر محدود AI بر رشد جهانی هم‌خط است.
جزئیات کلیدی:
- هفت شرکت مستثنی — الفابت (Alphabet)، آمازون (Amazon)، اپل (Apple)، متا (Meta)، مایکروسافت (Microsoft)، انویدیا (Nvidia) و تسلا (Tesla) — همچنان رشد ناشی از AI گزارش می‌دهند و شکاف با بقیه شاخص را گسترش می‌دهند.
- اسلاک بر اساس مستندات خود تأکید می‌کند: AI در نقش «ماشین‌حساب قدرتمند» عمل می‌کند، در حالی که موفقیت تجاری به «قضاوت» (judgment) وابسته است — پاسخگویی، اعتماد، فرهنگ سازمانی، قواعد ننوشته، توازن‌های اخلاقی و انصاف.
- «AI پاسخگویی، اعتماد، فرهنگ، قواعد ننوشته، توازن‌های اخلاقی یا انصاف را درک نمی‌کند»، اسلاک می‌نویسد و یادآوری می‌کند که این عوامل ریسک شهرت را شکل می‌دهند و در نهایت رشد درآمد و حاشیه سود را هدایت می‌کنند.
- مطالعات آکادمیک اخیر این نتیجه را تقویت می‌کنند و بهره‌وری ناشی از استقرارهای فعلی AI را «ناشیانه» توصیف می‌کنند.
همان‌طور که در تحلیل قبلی ما درباره‌ی محدودیت‌های عامل‌های هوش مصنوعی در مقیاس واقعی اشاره کردیم، مشکل در «لایه‌گذاری مدل‌های عمومی روی گردش کار موجود» نهفته است، نه در کمبود محاسبات خام.
تحلیل: شرکت‌ها نمی‌توانند با صرفاً خرید API هوشمندتر، قضاوت انسانی را جایگزین کنند. ارزش در حلقه‌های تصمیم‌گیری انسان-ماشین ایجاد می‌شود، نه در مقیاس پارامترها.
گام بعدی شما
- گردش کارهای حیاتی را شناسایی کنید که «قضاوت» (نه فقط پردازش) در آن‌ها تعیین‌کننده است و برای آن‌ها حلقه بازخورد انسانی طراحی کنید.
- معیارهای داخلی حاشیه سود و درآمد به ازای کارمند را قبل و بعد از استقرار AI ردیابی کنید — نه معیارهای وندور.
- از وندورها بخواهید چارچوب‌های پشتیبانی تصمیم (decision-support frameworks) را نشان دهند، نه تنها مدل‌های استدلال.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های بلکول مراجعه کنید.
گفتگو