بر اساس گزارشی از رسانه آپولو، سرمایه‌گذاری در حوزه هوش مصنوعی برای شرکت‌های فناوری بزرگ درآمدزایی به همراه داشته، اما بیشتر شرکت‌های حاضر در شاخص S&P 500 هنوز نتوانسته‌اند افزایش مشابهی در بهره‌وری یا حاشیه سود خود نشان دهند. تورستن اسلوک، اقتصاددان ارشد شرکت مدیریت سرمایه آپولو گلوبال منیجمنت، اعلام کرد که درآمد به‌ازای هر
بر اساس گزارشی از رسانه آپولو، سرمایه‌گذاری در حوزه هوش مصنوعی برای شرکت‌های فناوری بزرگ درآمدزایی به همراه داشته، اما بیشتر شرکت‌های حاضر در شاخص S&P 500 هنوز نتوانسته‌اند افزایش مشابهی در بهره‌وری یا حاشیه سود خود نشان دهند.
تورستن اسلوک، اقتصاددان ارشد شرکت مدیریت سرمایه آپولو گلوبال منیجمنت، اعلام کرد که درآمد به‌ازای هر کارمند و حاشیه سود هفت شرکت بزرگ فناوری آمریکا، موسوم به هفت غول، افزایش یافته؛ درحالی‌که این شاخص‌ها برای ۴۹۳ شرکت دیگر حاضر در شاخص S&P 500 تقریباً بدون تغییر باقی مانده‌اند.
تحلیل اسلوک نشان می‌دهد با وجود سرمایه‌گذاری گسترده در هوش مصنوعی، هنوز شواهد روشنی از افزایش رشد بهره‌وری در نتیجه استفاده از این فناوری وجود ندارد. طبق این گزارش، درآمد به‌ازای هر کارمند و حاشیه سود هفت غول فناوری افزایش یافته، اما سایر شرکت‌های شاخص S&P 500 همچنان با رشد قابل‌توجهی در این زمینه روبه‌رو نشده‌اند. اسلوک در گزارش خود نوشت:
با وجود سرمایه‌گذاری‌های عظیم و هیاهوی گسترده پیرامون هوش مصنوعی، این فناوری تاکنون هیچ بازده مالی قابل‌توجهی برای شرکت‌های آمریکایی خارج از بخش فناوری به همراه نداشته است.
اجرای مدل‌های هوش مصنوعی در مقیاس گسترده می‌تواند هزینه‌ها را به‌سرعت افزایش دهد؛ زیرا بسیاری از ارائه‌دهندگان خدمات، هزینه استفاده از مدل‌ها را بر اساس تعداد توکن‌های مصرفی محاسبه می‌کنند. در نتیجه، هرچه کارکنان درخواست‌های بیشتری ارسال کنند یا عامل‌های هوش مصنوعی داده‌های بیشتری پردازش کنند و وظایف پیچیده‌تری بر عهده بگیرند، صورت‌حساب شرکت‌ها نیز سنگین‌تر خواهد شد.
اسلوک می‌گوید شرکت‌های معمولی به‌تدریج هزینه توکن‌ها را به‌عنوان یک مرکز هزینه در نظر می‌گیرند، نه عاملی برای رشد کسب‌وکار. به گفته او، شرکت‌های مورد حمایت سرمایه‌گذاران خطرپذیر مبالغ بیشتری برای مصرف توکن‌ها اختصاص می‌دهند، اما شرکت‌های باسابقه انگیزه کمتری برای پرداخت هزینه مدل‌های جدید و گران‌قیمت دارند؛ به‌ویژه زمانی که گزینه‌های ارزان‌تر نیز می‌توانند همان کار را انجام دهند.
این وضعیت برای ارائه‌دهندگان هوش مصنوعی که امیدوارند پذیرش گسترده این فناوری به منبع درآمدی پایدار تبدیل شود، چالش مهمی ایجاد می‌کند. فروش توان پردازشی بیشتر و دسترسی گسترده‌تر به مدل‌ها می‌تواند درآمد تأمین‌کنندگان را افزایش دهد، اما مشتریان نیز برای ادامه این روند باید شاهد بهبود بهره‌وری، افزایش درآمد یا کاهش هزینه‌های عملیاتی باشند. اگر هزینه‌های هوش مصنوعی بالا برود، بدون آنکه عملکرد کسب‌وکار به شکل قابل‌اندازه‌گیری بهبود پیدا کند، این مخارج اضافی می‌تواند حاشیه سود شرکت‌ها را کاهش دهد.
هوش مصنوعی با چالش اعتماد، هزینه و بهره‌وری روبه‌رو است
اسلوک معتقد است هوش مصنوعی به‌تنهایی نمی‌تواند تمام عوامل انسانی و سازمانی مؤثر بر موفقیت کسب‌وکارها را مدیریت کند. او با اشاره به اهمیت پاسخ‌گویی، اعتماد، فرهنگ سازمانی، قواعد نانوشته، ملاحظات اخلاقی و عدالت در تصمیم‌گیری گفت:
هوش مصنوعی درک درستی از پاسخ‌گویی، اعتماد، فرهنگ، قواعد نانوشته، بده‌بستان‌های اخلاقی یا عدالت ندارد؛ درحالی‌که تمام این عوامل ریسک‌های اعتباری شرکت‌ها را شکل می‌دهند و در نهایت بر رشد درآمد و حاشیه سود آن‌ها تأثیر می‌گذارند.
او همچنین تأکید کرد که آینده اقتصادی هوش مصنوعی بیش از هر چیز به نتایج حاصل از استفاده این فناوری در شرکت‌های خارج از بخش فناوری بستگی دارد. اسلوک گفت:
نتیجه نهایی این است که سرنوشت هوش مصنوعی در ۴۹۳ شرکت دیگر شاخص S&P 500 رقم خواهد خورد، نه در هفت غول فناوری. بااین‌حال، تاکنون هیچ شواهدی وجود ندارد که نشان دهد رشد درآمد یا حاشیه سود شرکت‌های خارج از بخش فناوری بهبود یافته است.
تحلیل آپولو به محدودیت گسترده‌تری نیز اشاره می‌کند: استفاده از هوش مصنوعی همچنان در گروه نسبتاً کوچکی از شرکت‌ها متمرکز مانده. اگر این فناوری در صنایع بیشتری گسترش پیدا نکند و نتایج اقتصادی قابل‌اندازه‌گیری به همراه نداشته باشد، تأثیر آن بر کل اقتصاد نیز ممکن است محدود باقی بماند.
همین تضاد در بخش فناوری مالی هند نیز دیده می‌شود. بر اساس نظرسنجی شرکت پی‌دبلیوسی هند که روز ۱۱ سپتامبر در نشریه بیزنس استاندارد منتشر شد، ۸۴ درصد از شرکت‌کنندگان فعال در حوزه فناوری مالی هنوز نتوانسته‌اند نتایج مالی قابل‌اندازه‌گیری از سرمایه‌گذاری‌های خود در هوش مصنوعی به دست آورند.
بااین‌حال، این وضعیت مانع ادامه سرمایه‌گذاری شرکت‌ها نشده است. در همان نظرسنجی، ۴۸ درصد از پاسخ‌دهندگان اعلام کردند که توسعه هوش اختصاصی و قابلیت‌های اطلاعاتی اختصاصی را در اولویت‌های راهبردی خود قرار داده‌اند.
همچنین ۳۰ درصد از شرکت‌کنندگان انتظار داشتند تجربه مشتری در سه تا پنج سال آینده مهم‌ترین عامل گسترش استفاده از عامل‌های هوش مصنوعی باشد. پس از آن، کاهش هزینه‌ها و افزایش بهره‌وری با سهم ۲۲ درصدی در رتبه بعدی قرار گرفتند.
اعتماد نیز یکی دیگر از موانع اصلی گسترش عامل‌های هوش مصنوعی در خدمات مالی به شمار می‌رود. طبق این نظرسنجی، ۴۱ درصد از پاسخ‌دهندگان اعتماد مشتریان و پذیرش این فناوری از سوی آن‌ها را بزرگ‌ترین مانع توسعه پرداخت‌های مبتنی بر عامل‌های هوش مصنوعی دانستند. در همین حال، ۳۳ درصد از شرکت‌کنندگان نیز کلاهبرداری، امنیت و مدیریت ریسک را از نگرانی‌های عمده خود معرفی کردند.
عامل‌های هوش مصنوعی می‌توانند با انجام وظایف چندمرحله‌ای، فراتر از پاسخ‌گویی ساده به درخواست کاربران عمل کنند و نقش گسترده‌تری در کسب‌وکارها داشته باشند. بااین‌حال، دسترسی این عامل‌ها به ابزارها، پردازش اطلاعات و امکان فعالیت در سامانه‌های مختلف سازمانی، هزینه‌های مصرف منابع و نگرانی‌های امنیتی بیشتری نیز به همراه دارد.
انویدیا پیش‌تر برای مقابله با بخشی از این خطرات، پلتفرم امنیتی متن‌باز Open Agent Safety Platform را معرفی کرده بود. این مجموعه ابزارهای سخت‌افزاری و نرم‌افزاری با هدف کمک به شرکت‌ها برای کنترل عامل‌های هوش مصنوعی و محدود کردن اقدامات بالقوه مخرب آن‌ها طراحی شده است.
افزایش مصرف توکن‌ها همچنین شرکت‌هایی مانند مایکروسافت، متا و آمازون را به محدود کردن استفاده از هوش مصنوعی سوق داده است؛ زیرا کارکنان بیش از گذشته از این ابزارها استفاده می‌کنند و اجرای وظایف مبتنی بر عامل‌های هوش مصنوعی، صورت‌حساب‌ها را افزایش می‌دهد. این روند چالشی فزاینده برای کسب‌وکارها ایجاد کرده: آن‌ها باید استفاده از هوش مصنوعی را گسترش دهند، بدون آنکه هزینه‌های عملیاتی از کنترل خارج شود.
سم آلتمن، مدیرعامل OpenAI، نیز به این مشکل اذعان کرده و هزینه توکن‌های هوش مصنوعی را مسئله‌ای بسیار بزرگ برای مشتریانی دانسته است که به دنبال دریافت ارزش بیشتر در برابر هزینه‌های خود هستند.
زیرساخت موردنیاز برای رونق هوش مصنوعی نیز هزینه‌های سنگینی به همراه دارد. آمازون، گوگل، متا و مایکروسافت مبالغ هنگفتی را به توسعه مراکز داده، خرید تراشه‌ها و تأمین انرژی موردنیاز برای اجرای پردازش‌های هوش مصنوعی اختصاص داده‌اند.