به گزارش خبرگزاری اقتصاد ایران ، تصور کنید کارمندی که سال‌ها برای نوشتن گزارش، تحلیل داده‌ها یا پاسخ به مشتریان آموزش دیده، اکنون بخشی از وظایفش را در چند دقیقه به یک ابزار هوش مصنوعی می‌سپارد. در اتاق دیگری، مدیری در حال بررسی این موضوع است که آیا به استخدام نیروی جدید نیاز دارد یا می‌تواند همان کار را با یک نرم‌افزار انجام دهد. کمی آن‌طرف‌تر، دانشجویی با کمک هوش مصنوعی تکلیف دانشگاهش را می‌نویسد و استادش هنوز نمی‌داند مرز میان استفاده مجاز از فناوری و تقلب آموزشی کجاست.
این تصاویر دیگر تنها سناریوهایی درباره آینده نیستند. تازه‌ترین گزارش‌های جهانی نشان می‌دهند هوش مصنوعی در سال ۲۰۲۶ از مرحله یک فناوری جذاب و آزمایشی عبور کرده و به یکی از عوامل مؤثر بر تصمیم‌های اقتصادی، بازار کار، آموزش و زندگی اجتماعی تبدیل شده است.
بااین‌حال، سرعت گسترش این فناوری از توان بسیاری از سازمان‌ها برای مدیریت پیامدهای آن پیشی گرفته است.
گزارش تازه مؤسسه مک‌کینزی و شاخص هوش مصنوعی دانشگاه استنفورد، تصویری دوگانه ارائه می‌کنند؛ از یک‌سو، استفاده گسترده، افزایش بهره‌وری و خلق ارزش اقتصادی و از سوی دیگر، سودآوری نامطمئن، نگرانی شغلی، حوادث مرتبط با فناوری و هزینه سنگین زیرساخت‌ها.
پرسش اصلی دیگر این نیست که آیا هوش مصنوعی جهان را تغییر خواهد داد؛ مسئله این است که این تغییر با چه سرعتی اتفاق می‌افتد، چه کسانی از آن سود می‌برند و چه گروه‌هایی هزینه آن را پرداخت می‌کنند؟
۹ شرکت از هر ۱۰ شرکت هوش مصنوعی دارند؛ اما سودش کجاست؟
بر اساس پیمایش جهانی مؤسسه مشاوره مدیریت مک‌کینزی که ۲۵ اوت ۲۰۲۶ با عنوان «وضعیت هوش مصنوعی در سال ۲۰۲۶؛ در مسیر بازگشت سرمایه» منتشر شد، نزدیک به ۹ نفر از هر ۱۰ پاسخ‌دهنده اعلام کرده‌اند سازمانشان به‌طور منظم از هوش مصنوعی در دست‌کم یک فعالیت استفاده می‌کند.
بااین‌حال، تنها ۴۴ درصد گفته‌اند استفاده از این فناوری در سطح گسترده سازمانی توسعه یافته است. این سهم در سال قبل ۳۸ درصد بود.
در واقع، فاصله محسوسی میان استفاده پراکنده از ابزارهای هوش مصنوعی و تبدیل آن به بخشی از عملیات اصلی شرکت‌ها وجود دارد.
در یک شرکت ممکن است کارکنان از هوش مصنوعی برای نوشتن ایمیل، تولید محتوا یا تحلیل اولیه داده‌ها استفاده کنند، اما هنوز مشخص نباشد این فعالیت‌ها چه میزان هزینه سازمان را کاهش داده یا به درآمد آن اضافه کرده است.
مک‌کینزی گزارش می‌دهد ۸۰ درصد پاسخ‌دهندگان افزایش بهره‌وری فردی را تجربه کرده‌اند و نیمی از آنها معتقدند هوش مصنوعی به تصمیم‌گیری بهتر کمک کرده است.
اما وقتی معیار از عملکرد فردی به سودآوری کل شرکت تغییر می‌کند، تصویر متفاوت می‌شود.
تنها ۳۷ درصد پاسخ‌دهندگان گفته‌اند هوش مصنوعی دست‌کم تا اندازه‌ای بر سود عملیاتی پیش از بهره و مالیات، یا همان EBIT، سازمانشان اثر گذاشته است. همچنین فقط حدود ۶ درصد در گروه شرکت‌هایی قرار می‌گیرند که اثر مالی قابل‌توجهی از این فناوری گزارش کرده‌اند.
این ارقام به معنای زیان‌ده بودن سایر شرکت‌ها نیست؛ بلکه نشان می‌دهد برای بخش بزرگی از سازمان‌ها، تبدیل استفاده روزمره از هوش مصنوعی به نتیجه مالی قابل‌اندازه‌گیری همچنان چالش‌برانگیز است.
اشتراک نرم‌افزار، آموزش و زیرساخت؛ هزینه‌های پنهان انقلاب هوش مصنوعی
استفاده از هوش مصنوعی معمولاً با وعده کاهش هزینه همراه است، اما اجرای آن رایگان نیست.
شرکت‌ها علاوه بر خرید اشتراک نرم‌افزار، ممکن است برای اتصال ابزارها به سیستم‌های داخلی، نگهداری داده‌ها، آموزش کارکنان، امنیت اطلاعات و کنترل خروجی‌ها هزینه کنند.
به‌ویژه در سامانه‌های پیشرفته‌ای که از طریق رابط برنامه‌نویسی یا API کار می‌کنند، هر درخواست می‌تواند هزینه پردازشی داشته باشد.
در پیمایش اوت ۲۰۲۶ مک‌کینزی، حدود ۲۰ درصد پاسخ‌دهندگان گفته‌اند هزینه‌های عملیاتی مرتبط با هوش مصنوعی، از جمله هزینه پردازش درخواست‌ها، استفاده سازمانشان از این فناوری را محدود کرده است.
برای نمونه، فرض کنید یک فروشگاه اینترنتی از هوش مصنوعی برای پاسخ‌گویی به مشتریان استفاده کند. اگر سامانه بتواند بخش زیادی از پرسش‌های تکراری را با دقت پاسخ دهد، هزینه خدمات مشتریان کاهش می‌یابد.
اما اگر پاسخ‌های اشتباه باعث افزایش شکایات، مرجوعی کالا یا نیاز به بررسی مجدد توسط کارکنان شود، بخشی از صرفه‌جویی اولیه از بین خواهد رفت.
بنابراین صرف خرید ابزار هوش مصنوعی، تضمینی برای افزایش سود نیست. مسئله اصلی، انتخاب فعالیت مناسب و اندازه‌گیری نتیجه اقتصادی آن است.
این پرسش برای کسب‌وکارهای ایرانی نیز اهمیت دارد. آیا هزینه اشتراک، زیرساخت، آموزش و دسترسی به ابزارهای خارجی با منفعت مالی حاصل از استفاده آنها تناسب دارد؟
زنگ خطر برای کارمندان؛ ۳۹ درصد شرکت‌ها منتظر کاهش نیرو هستند
یکی از حساس‌ترین موضوعات گزارش‌های جدید، تأثیر هوش مصنوعی بر اشتغال است.
براساس گزارش شاخص هوش مصنوعی دانشگاه استنفورد که در ۱۳ آوریل ۲۰۲۶ منتشر شد، ۳۲ درصد سازمان‌های مورد بررسی انتظار داشتند طی یک سال آینده نیروی انسانی خود را به دلیل استفاده از هوش مصنوعی کاهش دهند.
در مقابل، ۱۳ درصد انتظار افزایش نیرو و ۴۳ درصد انتظار تغییر اندک یا بدون تغییر داشتند. ۱۲ درصد نیز درباره آینده اشتغال سازمانشان اطمینان نداشتند.
اما پیمایش جدیدتر مک‌کینزی در ۲۵ اوت ۲۰۲۶، نگرانی بیشتری را نشان می‌دهد. در این پیمایش، ۳۹ درصد پاسخ‌دهندگان انتظار کاهش تعداد کارکنان سازمانشان به دلیل هوش مصنوعی را داشتند؛ درحالی‌که این رقم در پیمایش سال قبل مک‌کینزی ۳۲ درصد بود.البته انتظار مدیران برای کاهش نیرو با اخراج واقعی کارکنان تفاوت دارد.
مک‌کینزی تأکید می‌کند کاهش‌های واقعی گزارش‌شده در یک سال گذشته، به‌مراتب کمتر از پیش‌بینی مدیران در پیمایش قبلی بوده است.
بااین‌حال، تغییر مهم دیگری نیز در بازار کار در حال شکل‌گیری است: ممکن است شرکت‌ها به جای اخراج کارکنان فعلی، استخدام نیروهای جدید را کاهش دهند.
برای مثال، سازمانی که پیش‌تر برای تولید محتوا، تحلیل داده یا انجام امور اداری به استخدام چند نیروی تازه‌کار نیاز داشت، اکنون ممکن است بخشی از حجم کار را با ابزارهای هوش مصنوعی پوشش دهد.
در چنین شرایطی، آسیب لزوماً در آمار اخراج‌ها ظاهر نمی‌شود؛ بلکه فرصت‌های استخدامی که اصلاً ایجاد نمی‌شوند نیز اهمیت پیدا می‌کنند.
تازه‌کارها زیر فشار؛ چرا جوانان بیشتر نگران‌اند؟
گزارش استنفورد نشان می‌دهد تأثیر هوش مصنوعی بر بازار کار در میان گروه‌های سنی یکسان نیست.
براساس داده‌های گردآوری‌شده در شاخص ۲۰۲۶، اشتغال توسعه‌دهندگان نرم‌افزار ۲۲ تا ۲۵ ساله در داده‌های بررسی‌شده نسبت به سال ۲۰۲۴ نزدیک به ۲۰ درصد کاهش یافته است.
این آمار مربوط به گروه و بازار مورد مطالعه است و به معنای کاهش ۲۰ درصدی اشتغال تمام برنامه‌نویسان جوان جهان نیست. همچنین نمی‌توان تمام افت مشاهده‌شده را بدون بررسی سایر عوامل، صرفاً به هوش مصنوعی نسبت داد.بااین‌حال، داده‌ها نشان می‌دهند کارکنان تازه‌کار در برخی مشاغل بیشتر از نیروهای باتجربه در معرض تغییر قرار گرفته‌اند.
علت احتمالی آن را می‌توان در نوع وظایف جست‌وجو کرد. افراد تازه‌کار معمولاً بخشی از زمان خود را صرف فعالیت‌های تکراری، تهیه پیش‌نویس، ورود داده یا انجام وظایف اولیه می‌کنند؛ فعالیت‌هایی که هوش مصنوعی در بعضی از آنها توانایی بیشتری پیدا کرده است.
در مقابل، کارکنان باتجربه علاوه بر انجام وظایف فنی، مسئولیت تصمیم‌گیری، مدیریت ارتباطات، حل مسائل پیچیده و ارزیابی نتایج را نیز بر عهده دارند.
البته هوش مصنوعی تنها تهدید شغلی نیست. گزارش استنفورد از افزایش بهره‌وری در برخی فعالیت‌ها نیز خبر داده است؛ از جمله رشد ۱۴ تا ۱۵ درصدی بهره‌وری در خدمات پشتیبانی مشتریان و ۲۶ درصدی در توسعه نرم‌افزار در مطالعات بررسی‌شده. بنابراین آینده بازار کار می‌تواند ترکیبی از حذف برخی وظایف، تغییر ماهیت مشاغل و ایجاد فرصت‌های جدید باشد.
دانشگاه‌ها در تسخیر هوش مصنوعی؛ قوانین هنوز به کلاس درس نرسیده‌اند
درحالی‌که شرکت‌ها در حال بازتعریف مشاغل هستند، نظام آموزشی با مسئله‌ای متفاوت روبه‌رو شده است.
طبق گزارش شاخص هوش مصنوعی استنفورد در آوریل ۲۰۲۶، بیش از ۸۰ درصد دانش‌آموزان دبیرستانی و دانشجویان آمریکایی از هوش مصنوعی برای فعالیت‌های آموزشی استفاده می‌کنند.
اما تنها حدود نیمی از مدارس متوسطه و دبیرستانی مورد بررسی دارای سیاست‌هایی درباره استفاده از هوش مصنوعی بوده‌اند و فقط ۶ درصد معلمان گفته‌اند این سیاست‌ها روشن و قابل‌فهم هستند.
تصور کنید دانشجویی از یک ابزار هوش مصنوعی برای خلاصه کردن مقاله، پیدا کردن منابع و توضیح یک مفهوم دشوار استفاده می‌کند. این کاربرد می‌تواند به یادگیری کمک کند.
اما اگر همان دانشجو تمام تکلیف دانشگاهی را بدون بررسی و بدون مشارکت فکری خودش تولید کند، مسئله تغییر می‌کند.
پرسش این است که مرز استفاده آموزشی، کمک گرفتن از فناوری و ارائه کار دیگران به نام خود کجاست؟
موضوع برای ایران نیز قابل‌توجه است. با گسترش دسترسی دانشجویان به ابزارهای هوش مصنوعی، دانشگاه‌ها و مدارس با نیاز به ضوابط روشن درباره استفاده مجاز، ارجاع به محتوای تولیدشده و مسئولیت علمی دانش‌آموز و دانشجو مواجه‌اند.
البته برای اعلام اینکه چه نسبتی از دانشگاه‌های ایران دستورالعمل دارند یا ندارند، به یک بررسی جامع داخلی نیاز است؛ آماری که در منابع این گزارش تأیید نشده است.
۳۶۲ حادثه در یک سال؛ چهره نگران‌کننده پیشرفت فناوری
بخش دیگری از گزارش استنفورد به پیامدهای ناخواسته و حوادث مرتبط با هوش مصنوعی اختصاص دارد.
براساس شاخص هوش مصنوعی ۲۰۲۶، تعداد حوادث ثبت‌شده در پایگاه AI Incident Database از ۲۳۳ مورد در سال ۲۰۲۴ به ۳۶۲ مورد در سال ۲۰۲۵ رسیده است؛ افزایشی حدود ۵۵ درصدی.
این عدد به معنای وقوع فقط ۳۶۲ حادثه هوش مصنوعی در سراسر جهان نیست، بلکه شمار موارد ثبت و مستندشده در این پایگاه را نشان می‌دهد.
حوادث مرتبط با هوش مصنوعی می‌توانند شکل‌های متفاوتی داشته باشند؛ از تولید اطلاعات نادرست و تبعیض در تصمیم‌های خودکار گرفته تا جعل هویت، تولید تصاویر فریبنده و سوءاستفاده مالی.
برای مثال، ممکن است یک سامانه استخدام خودکار بر پایه داده‌های نامناسب، بعضی متقاضیان را به شکلی ناعادلانه ارزیابی کند. در چنین حالتی، خطای سامانه می‌تواند بر فرصت شغلی افراد تأثیر بگذارد.
در نمونه‌ای دیگر، ابزار تولید محتوا ممکن است خبری نادرست اما باورپذیر ایجاد کند که پس از انتشار، به اعتبار یک شخص یا شرکت آسیب بزند.
یکی از نمونه‌های واقعی خسارت ناشی از سوءاستفاده از هوش مصنوعی، به پرونده‌ای در هنگ‌کنگ مربوط است.
براساس اطلاعات منتشرشده از سوی پلیس هنگ‌کنگ و گزارش رویترز در سال ۲۰۲۴، کارمند مالی یک شرکت پس از حضور در یک جلسه ویدئویی جعلی، مجاب شد حدود ۲۰۰ میلیون دلار هنگ‌کنگ، معادل بیش از ۲۵ میلیون دلار آمریکا، به حساب‌های تعیین‌شده منتقل کند.
در این پرونده، کلاهبرداران از فناوری دیپ‌فیک(دیپ‌فیک به محتوای صوتی یا تصویری گفته می‌شود که با استفاده از هوش مصنوعی تولید یا دست‌کاری شده و شباهت زیادی به افراد واقعی دارد) برای شبیه‌سازی تصویر و صدای افراد مرتبط با شرکت استفاده کرده بودند.
ماجرا از یک پیام جعلی آغاز شد. کارمند تصور می‌کرد دستور انتقال وجه از سوی مدیر مالی شرکت صادر شده است. حضور چهره‌های آشنا در جلسه ویدئویی نیز باعث شد درخواست، معتبرتر به نظر برسد.
البته در این پرونده، عامل جرم انسان‌هایی بودند که از هوش مصنوعی به‌عنوان ابزار فریب استفاده کردند؛ نه اینکه خود فناوری به‌صورت مستقل مرتکب جرم شده باشد.
مسئولیت خسارت با کیست؛ تولیدکننده، شرکت یا استفاده‌کننده؟
گسترش حوادث مرتبط با هوش مصنوعی یک پرسش حقوقی مهم ایجاد کرده است: اگر یک سامانه تصمیم اشتباه بگیرد یا محتوایی زیان‌بار تولید کند، چه کسی پاسخ‌گو خواهد بود؟
پاسخ به نوع خسارت، قراردادهای میان طرف‌ها و قوانین کشور مربوط بستگی دارد.اگر شخصی با استفاده از دیپ‌فیک اقدام به کلاهبرداری کند، مسئولیت رفتار مجرمانه او موضوعی جدا از مسئولیت احتمالی سازنده ابزار است.
اما در شرایطی که شرکتی از سامانه هوش مصنوعی برای تصمیم‌گیری استخدامی، ارائه خدمات درمانی یا ارزیابی مالی استفاده می‌کند، پرسش‌های پیچیده‌تری مطرح می‌شود.
اتحادیه اروپا در سال ۲۰۲۶ گام مهمی در زمینه شفافیت برداشته است.گسترش تصاویر و ویدئوهای جعلی، اتحادیه اروپا را به سمت اجرای مقررات سخت‌گیرانه‌تری درباره شفافیت محتوای تولیدشده با هوش مصنوعی سوق داده است. براساس ماده ۵۰ قانون هوش مصنوعی اتحادیه اروپا که الزامات آن از دوم اوت ۲۰۲۶ اجرایی شد، شرکت‌های سازنده ابزارهای هوش مصنوعی موظف‌اند امکان شناسایی ماشینی محتوای مصنوعی را فراهم کنند. در مقابل، استفاده‌کنندگان حرفه‌ای از این ابزارها نیز باید هنگام انتشار دیپ‌فیک، مصنوعی بودن تصویر یا صدا را به شکلی روشن به مخاطبان اطلاع دهند.
برای مثال، اگر یک شرکت تبلیغاتی ویدئویی بسازد که در آن چهره یا صدای مدیرعامل یک شرکت واقعی شبیه‌سازی شده و سخنانی به او نسبت داده شود که هرگز بیان نکرده است، منتشرکننده مشمول قانون باید مصنوعی بودن محتوا را آشکار کند. (این الزام برای کاهش احتمال فریب مخاطبان طراحی شده است و به معنای ممنوعیت همه انواع محتوای تولیدشده با هوش مصنوعی نیست.)
طبق توضیحات منتشرشده از سوی کمیسیون اروپا، نظارت بر اجرای این مقررات عمدتاً بر عهده نهادهای مسئول کشورهای عضو است و جریمه نقض الزامات شفافیت می‌تواند تا ۱۵ میلیون یورو یا ۳ درصد گردش مالی سالانه جهانی شرکت برسد. بااین‌حال، اجرای قانون به‌تنهایی مانع تمام سوءاستفاده‌ها نخواهد شد؛ زیرا تشخیص محتوای جعلی، شناسایی عامل انتشار و اثبات تخلف همچنان به ابزارهای فنی و فرایندهای نظارتی نیاز دارد.
این مقررات نشان می‌دهد مسئله دیپ‌فیک دیگر صرفاً یک نگرانی فناورانه نیست؛ بلکه به موضوعی حقوقی و اقتصادی تبدیل شده که می‌تواند برای شرکت‌ها مسئولیت و جریمه‌های سنگین به همراه داشته باشد.
۱۷۲ میلیارد دلار منفعت برای کاربران؛ هوش مصنوعی واقعاً چقدر ارزش دارد؟
در کنار نگرانی‌ها، داده‌های اقتصادی از ایجاد ارزش قابل‌توجه برای مصرف‌کنندگان حکایت دارند.براساس گزارش شاخص هوش مصنوعی استنفورد در آوریل ۲۰۲۶، ارزش برآوردی منفعت سالانه کاربران آمریکایی از هوش مصنوعی مولد در اوایل سال ۲۰۲۶ به حدود ۱۷۲ میلیارد دلار رسیده است.
این رقم در سال قبل حدود ۱۱۲ میلیارد دلار برآورد شده بود؛ یعنی افزایش نزدیک به ۵۴ درصدی. اما مفهوم این عدد چیست؟
این مبلغ درآمد شرکت‌های هوش مصنوعی یا پولی نیست که کاربران دریافت کرده باشند. اقتصاددانان از مفهومی به نام «مازاد رفاه مصرف‌کننده» استفاده می‌کنند؛ یعنی ارزش اقتصادی منفعتی که افراد از استفاده یک کالا یا خدمت به دست می‌آورند، در مقایسه با هزینه‌ای که برای آن می‌پردازند.
برای مثال، اگر فردی با استفاده از هوش مصنوعی بتواند کاری را که پیش‌تر چند ساعت زمان می‌برد در مدت کوتاه‌تری انجام دهد، ممکن است زمان آزادشده برای او ارزش اقتصادی داشته باشد.
کاربری دیگر ممکن است با کمک این ابزارها زبان یاد بگیرد، متن بنویسد یا مسئله‌ای فنی را حل کند، بدون اینکه برای هر فعالیت هزینه جداگانه‌ای بپردازد.
به همین دلیل، حتی ابزارهای رایگان نیز می‌توانند برای کاربران منفعت اقتصادی ایجاد کنند.بااین‌حال، توزیع این منفعت یکسان نیست. فردی که اینترنت پایدار، مهارت دیجیتال و توانایی استفاده حرفه‌ای از ابزارها را دارد، ممکن است بهره بیشتری از فردی ببرد که دسترسی یا آموزش کافی ندارد.
در نتیجه، گسترش هوش مصنوعی لزوماً به معنای توزیع برابر مزایای آن در جامعه نیست.
رقابت میلیارد دلاری؛ آمریکا پیشتاز سرمایه‌گذاری، چین در تعقیب
حجم سرمایه‌گذاری در هوش مصنوعی نیز به یکی از مهم‌ترین تحولات اقتصادی جهان تبدیل شده است.
طبق گزارش استنفورد، مجموع سرمایه‌گذاری شرکتی جهانی در هوش مصنوعی در سال ۲۰۲۵ به حدود ۵۸۱.۷ میلیارد دلار رسید؛ رقمی که بیش از دو برابر سال قبل بود.
همچنین سرمایه‌گذاری خصوصی در حوزه هوش مصنوعی آمریکا در همان سال حدود ۲۸۵.۹ میلیارد دلار ثبت شد؛ درحالی‌که رقم متناظر برای چین حدود ۱۲.۴ میلیارد دلار بود.
بااین‌حال، استنفورد تأکید می‌کند مقایسه صرف سرمایه‌گذاری خصوصی ممکن است سهم واقعی چین را کمتر نشان دهد؛ زیرا بخشی از سرمایه‌گذاری این کشور از مسیر صندوق‌ها و سازوکارهای دولتی انجام می‌شود.
این رقابت فقط مالی نیست. توسعه مدل‌های پیشرفته، ساخت تراشه، دسترسی به داده، جذب پژوهشگران و ایجاد مراکز پردازشی، به عناصر راهبردی رقابت میان قدرت‌های اقتصادی تبدیل شده‌اند.
گزارش استنفورد همچنین نشان می‌دهد فاصله عملکردی مدل‌های پیشرفته آمریکایی و چینی در برخی معیارها به‌شدت کاهش یافته است.
به بیان دیگر، رقابت هوش مصنوعی دیگر صرفاً درباره ساخت یک چت‌بات بهتر نیست؛ مسئله به زیرساخت‌های صنعتی، قدرت محاسباتی و جایگاه کشورها در اقتصاد آینده گره خورده است.
ایران در برابر موج هوش مصنوعی؛ فرصت کاهش هزینه یا عقب‌ماندن از رقابت؟
تحولات جهانی هوش مصنوعی برای کسب‌وکارهای ایرانی نیز پرسش‌های مهمی ایجاد می‌کند. شرکت‌های نرم‌افزاری، تولیدکنندگان محتوا، فروشگاه‌های اینترنتی، مؤسسات آموزشی و مجموعه‌های خدماتی می‌توانند از این ابزارها برای افزایش سرعت فعالیت‌ها و کاهش برخی هزینه‌ها استفاده کنند.
اما بهره‌برداری اقتصادی از هوش مصنوعی به دسترسی به فناوری محدود نیست. کیفیت داده‌های فارسی، امنیت اطلاعات، هزینه ابزارها، آموزش نیروی انسانی و امکان اتصال سامانه‌های جدید به زیرساخت‌های موجود، از عواملی هستند که می‌توانند نتیجه نهایی را تعیین کنند.
برای مثال، یک شرکت ایرانی ممکن است با کمک هوش مصنوعی سرعت تولید محتوا را افزایش دهد، اما همچنان برای بررسی دقت اطلاعات، ویرایش متن و کنترل کیفیت به نیروی متخصص نیاز داشته باشد.
در حوزه آموزش نیز استفاده دانش‌آموزان و دانشجویان از این ابزارها می‌تواند فرصت یادگیری ایجاد کند، اما بدون ضوابط روشن، ارزیابی توانایی واقعی افراد دشوارتر می‌شود.
هم‌زمان، ورود هوش مصنوعی به بازار کار ممکن است نیاز به برخی مهارت‌ها را کاهش و تقاضا برای مهارت‌های دیگری مانند تحلیل داده، طراحی فرایند، نظارت بر سامانه‌ها و امنیت اطلاعات را افزایش دهد.
بااین‌حال، برای محاسبه دقیق تأثیر این فناوری بر اشتغال و سودآوری شرکت‌های ایرانی، داده‌های داخلی معتبر و مطالعات مستقل ضروری است.
نمی‌توان صرفاً براساس رشد جهانی هوش مصنوعی نتیجه گرفت که شرکت‌های ایرانی نیز به همان میزان بهره‌وری یا سود مالی دست یافته‌اند.
آینده‌ای که زودتر از قوانین و اقتصاد فرا رسیده است
مجموع گزارش‌های مک‌کینزی و استنفورد نشان می‌دهد جهان وارد مرحله تازه‌ای از توسعه هوش مصنوعی شده است؛ مرحله‌ای که در آن مسئله اصلی دیگر فقط توانایی فناوری نیست، بلکه پیامدهای اقتصادی و اجتماعی آن اهمیت بیشتری پیدا کرده‌اند.
از یک طرف، شرکت‌ها به‌طور گسترده از هوش مصنوعی استفاده می‌کنند، بهره‌وری بعضی فعالیت‌ها افزایش یافته و ارزش اقتصادی قابل‌توجهی برای کاربران ایجاد شده است.
از طرف دیگر، هنوز بخش بزرگی از سازمان‌ها نتوانسته‌اند منفعت مالی چشمگیری از این فناوری گزارش کنند، برخی کارفرمایان در انتظار کاهش نیروی انسانی هستند و دانشگاه‌ها و نهادهای قانون‌گذار با سرعت تحولات هماهنگ نشده‌اند.
افزایش حوادث ثبت‌شده، گسترش جعل هویت و فشار بر زیرساخت‌های انرژی نیز نشان می‌دهد پیشرفت فناوری بدون هزینه نیست.
برای ایران، مسئله پیچیده‌تر است؛ زیرا استفاده از فرصت‌های هوش مصنوعی باید هم‌زمان با محدودیت‌های زیرساختی، نیاز به سرمایه‌گذاری، آموزش نیروی انسانی و ضرورت تدوین قواعد روشن انجام شود.
در نهایت، آینده اقتصادی هوش مصنوعی را تنها تعداد کاربران، حجم سرمایه‌گذاری یا قدرت مدل‌های جدید تعیین نمی‌کند. معیار مهم‌تر این خواهد بود که فناوری تا چه اندازه بتواند بهره‌وری واقعی ایجاد کند، کیفیت خدمات را افزایش دهد و در عین حال، خسارت‌ها و هزینه‌های اجتماعی خود را محدود نگه دارد.
هوش مصنوعی شاید بزرگ‌ترین فرصت اقتصادی سال‌های آینده باشد، اما تجربه سال ۲۰۲۶ نشان می‌دهد داشتن فناوری پیشرفته با بهره‌برداری موفق از آن یکسان نیست؛ فاصله‌ای که اگر مدیریت نشود، ممکن است سود انقلاب هوش مصنوعی را نصیب گروهی محدود و هزینه‌هایش را متوجه بخش بزرگ‌تری از جامعه کند.