تحولات جدید هوش مصنوعی برای کسب و کار این روزها حول یک موضوع مشخص میچرخد: کنترل هزینه. بر اساس گزارشی که شبکه CNBC در بیست و ششم ژوئن دو هزار و بیست و شش منتشر کرد، شرکتهای بزرگی مانند اوبر برای هزینه استفاده از هوش مصنوعی در میان کارکنان خود سقف تعیین کردهاند و مدیرعامل فناوری این شرکت اعلام کرده بودجه سالانه هوش مصنوعی آنها تنها در چهار ماه تمام شده است. این تحولات جدید هوش مصنوعی برای کسب و کار نشان میدهد دوره استفاده بدون محدودیت از مدلهای پیشرفته هوش مصنوعی رو به پایان است و مدیران اکنون باید مانند هر سرمایهگذاری دیگر، بازگشت سرمایه آن را اندازهگیری کنند.
چه اتفاقی افتاده است؟
طبق گزارش CNBC، الگوی رایج در دو سال اخیر این بوده که شرکتها بدون محدودیت مشخص، حجم بالایی از وظایف خود را به مدلهای پیشرفته هوش مصنوعی میسپردند، روندی که به آن «توکنمکسینگ» یا حداکثرسازی مصرف توکن گفته میشود. نمونه برجسته این تغییر رویکرد، شرکت استارتاپی Lindy است که مدیرعامل آن تمام ترافیک شرکت را از مدلهای Claude شرکت Anthropic به مدل ارزانتر DeepSeek منتقل کرد و اعلام کرد این تصمیم میلیونها دلار در هزینههای سالانه شرکت صرفهجویی خواهد کرد. در همین بازه، شرکت آنتروپیک ششمین گزارش شاخص اقتصادی خود را در بیست و ششم ژوئن منتشر کرد که بر اساس آن بیش از سیوپنج درصد از پاسخدهندگان نظرسنجی انتظار دارند هوش مصنوعی در یک سال آینده بخش بزرگی از وظایف کاری آنها را انجام دهد، روندی که فشار بیشتری بر مدیریت هزینه استفاده از این فناوری وارد میکند.
این موضوع چرا برای کسبوکارها اهمیت دارد؟
این تحولات جدید هوش مصنوعی برای کسب و کار نشان میدهد که فاز اول استفاده از هوش مصنوعی، یعنی آزمایش و کشف قابلیتها، بهتدریج جای خود را به فاز دوم میدهد که محور آن انضباط مالی و اندازهگیری دقیق بازده است. تحلیلگران بازار اشاره میکنند که حدود نود و پنج درصد از مصرف هوش مصنوعی در سازمانها همچنان روی مدلهای پیشرفته و گرانقیمت انجام میشود، درحالیکه بسیاری از وظایف سادهتر را میتوان با مدلهای ارزانتر یا تکنیک «مسیریابی مدل» انجام داد. برای شرکتهای ایرانی که بهتازگی استفاده از هوش مصنوعی در کسب و کار خود را گسترش میدهند، این روند هشدار زودهنگامی است: استفاده از هوش مصنوعی باید از همان ابتدا با شاخصهای هزینه و بازده همراه باشد، نه فقط با شور و اشتیاق اولیه برای پذیرش فناوری جدید.
چه درسی برای مدیران ایرانی دارد؟
نخستین درس این است که هر وظیفهای نیازی به قویترین و گرانترین مدل هوش مصنوعی ندارد؛ بسیاری از کارهای روزمره مانند پاسخگویی ساده، خلاصهسازی یا دستهبندی داده را میتوان با ابزارهای سبکتر و کمهزینهتر انجام داد و مدلهای پیشرفته را برای تصمیمهای پیچیدهتر نگه داشت. دومین درس، اهمیت تعریف سقف بودجه و شاخصهای پایش مصرف از روز اول است، همانطور که شرکتهایی مانند اوبر برای هر کارمند سقف ماهانه مشخصی تعیین کردهاند. سومین درس این است که وابستگی کامل به یک ارائهدهنده واحد ریسک مالی و عملیاتی ایجاد میکند و طراحی معماریهایی که امکان جابهجایی میان چند مدل یا ارائهدهنده را فراهم میکند، انعطاف بیشتری به کسبوکار میدهد. این رویکرد دقیقاً همان چیزی است که در طراحی دستیارهای هوش مصنوعی اختصاصی برای کسبوکارهای صنعتی و خدماتی نیز باید مدنظر قرار گیرد.
چگونه فرصتهای مشابه را ارزیابی کنیم؟
پیش از سرمایهگذاری در توسعه یا گسترش ابزارهای هوش مصنوعی، مدیران باید از خود بپرسند کدام وظایف سازمان واقعاً نیاز به مدلهای پیشرفته و پرهزینه دارند و کدام بخشها را میتوان با راهکارهای سبکتر و سفارشی پوشش داد. تعریف شاخصهای شفاف برای بازگشت سرمایه، از همان مرحله طراحی پروژه، کمک میکند تصمیمگیری درباره ادامه یا توقف یک پروژه هوش مصنوعی بر اساس داده باشد، نه حدس و گمان. تیم دیجنت ۲۴ در طراحی دستیارهای هوش مصنوعی اختصاصی، رویکردی متعادل میان قدرت مدل، هزینه عملیاتی و نیاز واقعی هر بخش از کسبوکار در پیش میگیرد تا سازمان شما بدون نگرانی از هزینههای کنترلنشده، از مزایای واقعی این فناوری بهرهمند شود. اطلاعات بیشتر در digent24.com در دسترس است.
نکتهای برای بودجهبندی سال آینده
بسیاری از شرکتهای ایرانی که در حال برنامهریزی بودجه سال آینده خود برای فناوری اطلاعات هستند، میتوانند از همین تجربه جهانی درس بگیرند و سرفصل مشخصی تحت عنوان «هزینه عملیاتی هوش مصنوعی» در بودجه خود تعریف کنند، نه اینکه این هزینه را بهصورت پراکنده در دل بودجه نرمافزار یا ارتباطات قرار دهند. تعیین سقف ماهانه یا فصلی برای مصرف، مشابه الگویی که شرکت اوبر برای کارکنان خود اجرا کرد، میتواند از رشد بیکنترل هزینهها در ماههای نخست استفاده از یک ابزار جدید جلوگیری کند. همچنین پیشنهاد میشود گزارش ماهانه سادهای از میزان مصرف و بازده هر بخش از سازمان از ابزارهای هوش مصنوعی تهیه شود تا مدیرعامل و مدیر مالی بتوانند تصمیمهای آگاهانهتری درباره گسترش یا محدودکردن استفاده از این ابزارها در هر واحد بگیرند. این سطح از شفافیت، دقیقاً همان چیزی است که تحولات اخیر بازار جهانی هوش مصنوعی از سازمانها انتظار دارد.