هوش مصنوعی به دلیل هزینه بالایش «اخراج» می‌شود.

(تصویر تزئینی: باشکوه)

در طول دو سال گذشته، هوش مصنوعی (AI) توسط بسیاری از کسب‌وکارها به عنوان یک راه‌حل سریع برای چالش‌های بهره‌وری دیده شده است. از کدنویسی و خدمات مشتری گرفته تا گزارش‌نویسی، تجزیه و تحلیل داده‌ها و پردازش ایمیل، هوش مصنوعی با وعده سریع‌تر، ارزان‌تر و کمتر وابسته به نیروی انسانی ظهور کرده است. با این حال، تا اواسط سال 2026، سوال در بسیاری از اتاق‌های هیئت مدیره شرکت‌ها دیگر این نخواهد بود که "آیا باید از هوش مصنوعی استفاده کنیم؟"، بلکه این خواهد بود که "هوش مصنوعی چقدر هزینه می‌کند و آیا واقعاً ارزش متناسبی را ارائه می‌دهد؟".

این تغییر به معنای منسوخ شدن هوش مصنوعی نیست. برعکس، هوش مصنوعی همچنان یک فناوری استراتژیک است، به خصوص در برنامه‌نویسی، خدمات مشتری، امور مالی و عملیات داخلی. با این حال، پس از یک دوره استقرار سریع ناشی از ترس از عقب ماندن، بسیاری از شرکت‌ها شروع به درک یک واقعیت نه چندان جذاب کرده‌اند: هوش مصنوعی رایگان نیست و در صورت استفاده نادرست، لزوماً ارزان‌تر از انسان نیست. وقتی ابزاری در دسترس هزاران کارمند قرار می‌گیرد، هر دستور، هر متن، هر تحلیل سند یا هر ورودی کد می‌تواند به هزینه‌ای تبدیل شود که با توکن اندازه‌گیری می‌شود - واحدی برای اندازه‌گیری میزان داده‌هایی که مدل هوش مصنوعی باید پردازش کند.

در اواخر ماه مه، وال استریت ژورنال گزارش داد که برخی از کسب‌وکارهای آمریکایی با افزایش سریع هزینه‌های محاسبات و توکن‌ها، شروع به «سهمیه‌بندی» هزینه‌های هوش مصنوعی خود کرده‌اند. این مقاله به مورد اوبر اشاره کرد و خاطرنشان کرد که این شرکت بودجه هوش مصنوعی سال ۲۰۲۶ خود را تنها در چهار ماه مصرف کرده است و همین امر باعث شده است که در نحوه تخصیص هزینه‌های هوش مصنوعی خود تجدیدنظر کند. این یک نشانه مهم است: هوش مصنوعی دیگر فقط یک آزمایش فناوری نیست، بلکه به یک مورد مالی تبدیل شده است که نیاز به کنترل دارد، درست مانند محاسبات ابری، پرسنل یا هزینه‌های عملیاتی.

اوبر یک نمونه قابل توجه است زیرا این شرکت مخالف هوش مصنوعی نیست. مشکل اوبر این است که هزینه‌ها به سرعت در حال افزایش هستند در حالی که مزایای تجاری ملموس به راحتی قابل اثبات نیستند. The Verge به نقل از اندرو مک‌دونالد، رئیس و مدیر ارشد عملیاتی اوبر، می‌گوید که صرف هزینه بیشتر برای ابزارهایی مانند Claude Code ارتباط مستقیمی با تعداد بیشتری از ویژگی‌های مفید برای مشتریان ندارد. به عبارت دیگر، تیم مهندسی می‌تواند از هوش مصنوعی بیشتر استفاده کند، اما رهبری هنوز باید به این سوال اساسی پاسخ دهد: آیا کاربران نهایی در ازای پولی که خرج می‌کنند، محصول بهتری دریافت می‌کنند؟

کلود کد، ابزار پشتیبانی برنامه‌نویسی آنتروپیک، به کانون این بحث تبدیل شده است. برای جلوگیری از سوءتفاهم، توضیح این نکته مهم است: آنتروپیک هنوز طرح‌های اشتراک ماهانه برای کاربران و کسب‌وکارها ارائه می‌دهد. با این حال، هنگامی که در مقیاس بزرگ یا از طریق رابط برنامه‌نویسی کاربردی (API) استفاده می‌شود، هزینه‌ها را می‌توان بر اساس توکن‌ها، الگوهای استفاده و ویژگی‌های اضافی محاسبه کرد. صفحه رسمی قیمت‌گذاری آنتروپیک نشان می‌دهد که مدل‌های کلود API بر اساس میزان ورودی و خروجی توکن‌ها قیمت‌گذاری می‌شوند. اسناد شرکت همچنین اشاره می‌کند که برخی تغییرات در رمزگذاری داده‌ها ممکن است باعث شود که همان متن از توکن‌های بیشتری نسبت به قبل استفاده کند. بنابراین، مسئله «تمام شدن طرح‌های ماهانه» نیست، بلکه مشکل کسب‌وکارها در پیش‌بینی هزینه‌ها زمانی است که کارمندان به طور مداوم از هوش مصنوعی برای وظایف دشوار استفاده می‌کنند.

تفاوت بین هوش مصنوعی و نرم‌افزارهای سنتی در نحوه‌ی ایجاد هزینه‌ها نهفته است. در نرم‌افزارهای اداری، کسب‌وکارها معمولاً به ازای هر حساب، هزینه‌ای ماهانه پرداخت می‌کنند. با وجود بسیاری از ابزارهای هوش مصنوعی، به‌ویژه ابزارهای برنامه‌نویسی و اتوماسیون چند مرحله‌ای، هزینه‌ها می‌توانند با افزایش طول سند، حجم پرس‌وجو، چرخه‌های تجدیدنظر، تعداد مدل‌های فراخوانی‌شده و داده‌های خروجی افزایش یابند. یک کارمند که از هوش مصنوعی برای خلاصه‌سازی ایمیل‌ها استفاده می‌کند، ممکن است هزینه بسیار کمی داشته باشد. اما تیمی از مهندسان که هوش مصنوعی کد منبع را می‌خواند، اصلاحات را پیشنهاد می‌دهد، نسخه‌های متعدد را بازنویسی می‌کند و فرآیندهای خودکار را اجرا می‌کند، می‌تواند در کوتاه‌مدت هزینه‌های قابل توجهی ایجاد کند.

از دیدگاه مدیریتی، این یک مشکل بسیار آشنا است: فناوری خوب لزوماً یک سرمایه‌گذاری خوب نیست اگر اثربخشی آن قابل اندازه‌گیری نباشد. یک کسب‌وکار ممکن است احساس کند که بهره‌وری افزایش یافته است زیرا کارمندان سریع‌تر کار می‌کنند، اما اگر تعداد ساعات صرفه‌جویی شده، خطاها کاهش یافته، درآمد افزایش یافته یا تجربه مشتری بهبود یافته باشد، دفاع از هزینه‌های هوش مصنوعی به سرعت دشوار خواهد شد. بنابراین، شرکت‌های پیشرو در حال تغییر از ذهنیت «استفاده تا حد امکان» به ذهنیت «استفاده از آن در جایی که مناسب است، برای افراد مناسب و در محدوده» هستند.

شاید برایتان جالب باشد

«ارتباط کسب‌وکارها - گرد هم آوردن کارآفرینان زن - گسترش ارزش‌های پایدار»(CTO) - در تاریخ 24 ژوئن، انجمن زنان کارآفرین ویتنام با همکاری انجمن زنان کارآفرین شهر کان تو، مراسم افتتاحیه رویداد «شبکه‌سازی تجاری - گردهمایی زنان کارآفرین - گسترش ارزش‌های پایدار» را برگزار کرد.

ها تین (Ha Tinh) قصد دارد در شش ماه پایانی سال ۲۰۲۶، تحولی بزرگ در حوزه دیجیتال ایجاد کند.کمیته مردمی استان هاتین مصمم است اهداف علم و فناوری و تحول دیجیتال را در شش ماه پایانی سال 2026 اجرا کند.

بازارهای سهام در بحبوحه فروش گسترده سهام فناوری، سقوط کردند.موج فروش گسترده سهام در حوزه فناوری و هوش مصنوعی (AI) همچنان در حال تشدید است و نگرانی‌هایی را در مورد اصلاح عمیق در این گروه از سهام که اخیراً پیشرو بازار بوده‌اند، ایجاد کرده است.

فراتر از هزینه ابزارها، داستان جایگزینی منابع انسانی با هوش مصنوعی نیز در حال بررسی مجدد است. در ۲۱ می، فوربس داده‌هایی را منتشر کرد که نشان می‌دهد ۲۹ درصد از کسب‌وکارهایی که قبلاً به دلیل هوش مصنوعی کارکنان خود را تعدیل کرده بودند، دوباره برای آن موقعیت‌ها استخدام شده‌اند. این داده‌ها باید با احتیاط تفسیر شوند، اما یک واقعیت را برجسته می‌کنند: جایگزینی انسان‌ها با هوش مصنوعی به سادگی کاهش یک ردیف هزینه در لیست حقوق و دستمزد نیست. در بسیاری از مشاغل، به ویژه خدمات مشتری، فروش، تولید محتوا، مدیریت عملیات یا مدیریت موقعیت‌های حساس، انسان‌ها هنوز نقش‌هایی دارند که هوش مصنوعی هنوز نمی‌تواند آنها را به طور کامل پر کند.

هوش مصنوعی می‌تواند سریع پاسخ دهد، اما سرعت معادل دقت نیست. هوش مصنوعی می‌تواند پیش‌نویس تهیه کند، اما پیش‌نویس‌ها هنوز هم باید توسط متخصصان بررسی شوند. هوش مصنوعی می‌تواند داده‌ها را خلاصه کند، اما مدیران هنوز هم برای تصمیم‌گیری باید زمینه را درک کنند. اگر کسب‌وکارها خیلی زود کارکنان خود را تعدیل کنند، ممکن است هزینه آن را با کاهش کیفیت خدمات، مشتریان ناراضی، فرآیندهای داخلی آشفته‌تر و در نهایت نیاز به استخدام مجدد و آموزش مجدد پرسنل بپردازند. در این صورت، «صرفه‌جویی به لطف هوش مصنوعی» به صرفه‌جویی‌های واهی تبدیل می‌شود.

نکته‌ای که باید منصفانه در نظر گرفته شود این است که هوش مصنوعی تنها دلیل تعدیل نیرو در کسب‌وکارها نیست. برخی از رهبران ممکن است برای توضیح تجدید ساختار به هوش مصنوعی استناد کنند، در حالی که دلایل واقعی می‌تواند شامل فشار سود، نرخ بهره، سهامداران، رقابت یا استراتژی‌های کاهش هزینه باشد. در اول ژوئن، بیزینس اینسایدر به نقل از تورستن اسلوک، اقتصاددان ارشد آپولو گلوبال منیجمنت، گفت که هیچ مدرک روشنی از کاهش مشاغل ناشی از هوش مصنوعی در داده‌های کلی اشتغال وجود ندارد. این نشان دهنده تصویری پیچیده‌تر از شعار "هوش مصنوعی مشاغل انسانی را می‌گیرد" است.

برای کسب‌وکارهای ویتنامی، درس‌هایی که از شرکت‌های بین‌المللی گرفته شده بسیار کاربردی است. بسیاری از شرکت‌های داخلی ممکن است میلیون‌ها دلار برای هوش مصنوعی هزینه نکرده باشند، اما همچنان می‌توانند به راحتی در دام خرید ابزارهای متعدد، افتتاح حساب‌های متعدد و امتحان کردن پلتفرم‌های متعدد بدون یک فرآیند کنترلی بیفتند. اگر هر بخش ابزار هوش مصنوعی خود را انتخاب کند، هر تیم از مدل خود استفاده کند و هر کارمند به‌طور مستقل داده‌های شرکت را در پلتفرم‌های خارجی وارد کند، خطرات نه تنها در هزینه، بلکه در امنیت، کیفیت خروجی و مسئولیت قانونی نیز وجود خواهد داشت.

AI bị sa thải vì đắt đỏ - Ảnh 3. — (تصویر تزئینی: باشکوه)

قبل از پیاده‌سازی هوش مصنوعی، کسب‌وکارها باید با پنج سوال ساده شروع کنند. اول، هوش مصنوعی چه مشکل خاصی را حل خواهد کرد؟ دوم، حداکثر هزینه ماهانه چقدر است؟ سوم، چه کسی به آن دسترسی خواهد داشت و برای چه نوع داده‌ای؟ چهارم، چه کسی نتایج تولید شده توسط هوش مصنوعی را بررسی خواهد کرد؟ پنجم، کسب‌وکار از چه معیارهایی برای سنجش اثربخشی پس از سه ماه استفاده خواهد کرد؟ اگر به این پنج سوال پاسخ داده نشده باشد، استقرار هوش مصنوعی در مقیاس بزرگ ممکن است یک تصمیم عجولانه باشد.

یک رویکرد امن‌تر این است که ابتدا حوزه‌های کم‌خطرتر را برای آزمایش انتخاب کنید. هوش مصنوعی می‌تواند در خلاصه‌سازی اسناد داخلی، طبقه‌بندی درخواست‌های مشتری، پیشنهاد محتوای ایمیل، یافتن خطاها در کد برنامه‌نویسی، ایجاد پیش‌نویس گزارش‌ها یا کمک به کارمندان در جستجوی اطلاعات کمک کند. با این حال، در حوزه‌هایی که شامل مالی، حقوقی، منابع انسانی، داده‌های مشتری یا بیانیه‌های عمومی می‌شود، انسان‌ها همچنان باید بررسی‌کننده نهایی باشند. کسب‌وکارها نباید از هوش مصنوعی به عنوان «کارمند جایگزین» استفاده کنند، بلکه باید از آن به عنوان «دستیار تسریع» با محدودیت‌های مشخص استفاده کنند.

شاید برایتان جالب باشد

مجموعه‌ای از پهپادها و ربات‌هادر چارچوب سیزدهمین کنگره ملی اتحادیه جوانان کمونیست هوشی مین، برای سال‌های ۲۰۲۶ تا ۲۰۳۱، نمایشگاه «سفر به عصری نو» با این انتظار برگزار شد که به فضایی برای پیوند تاریخ، حال و آینده تبدیل شود.

کارگران می‌ترسند اگر هوش مصنوعی را نپذیرند، عقب بمانند.DNVN - کارگران ویتنامی به طور فزاینده‌ای به طور فعال از هوش مصنوعی در ترکیب با تجربه، تخصص و قضاوت خود برای بهبود بهره‌وری کار استفاده می‌کنند. بسیاری از آنها می‌ترسند که اگر به سرعت خود را با هوش مصنوعی وفق ندهند و آن را در کار خود به کار نگیرند، عقب بمانند.

شکل‌دهی به استراتژی توسعه فناوری کوانتومی در ویتنامDNVN - ویتنام اگرچه با قدرت‌های فناوری رقابت نمی‌کند، اما نمی‌تواند از قافله عقب بماند. این کشور به تدریج با تمرکز بر حوزه‌های کلیدی، سرمایه‌گذاری در حوزه‌هایی با پتانسیل کاربرد اولیه و ایجاد یک اکوسیستم تحقیقاتی هماهنگ برای افزایش استقلال استراتژیک در عصر دیجیتال، در حال شکل‌دهی به استراتژی توسعه فناوری کوانتومی خود است.

اصل دیگر این است که مدیریت بودجه هوش مصنوعی باید مشابه مدیریت هزینه رایانش ابری باشد. باید محدودیت‌های گروهی، هشدار برای عبور از محدودیت‌ها، گزارش‌های ماهانه استفاده و ارزیابی عملکرد دپارتمان‌ها وجود داشته باشد. برای برنامه‌نویسی، کسب‌وکارها باید بدانند که ابزارهای هوش مصنوعی چقدر می‌توانند زمان رفع اشکال را کاهش دهند، چند روز از توسعه محصول را می‌توان کوتاه کرد یا چند معیار عملیاتی را می‌توان بهبود بخشید. برای خدمات مشتری، اندازه‌گیری زمان پاسخگویی، سطح رضایت، نرخ شکایات و تعداد موارد ارجاع شده به کارکنان انسانی ضروری است.

پس از رونق اولیه، بازار هوش مصنوعی در حال ورود به مرحله بلوغ بیشتری است. ابزارهایی که نتوانند اثربخشی خود را ثابت کنند، به تدریج از رده خارج خواهند شد. هزینه‌های کنترل نشده محدود خواهد شد. انتظارات از جایگزینی کامل انسان، جای خود را به رویکردی عملی‌تر خواهد داد: انسان‌ها وظایف قضاوتی را انجام می‌دهند، در حالی که هوش مصنوعی از وظایف تکراری، داده‌محور یا پرسرعت پشتیبانی می‌کند.

بنابراین، اینکه «هوش مصنوعی به دلیل گرانی بیش از حد کنار گذاشته می‌شود» نباید به معنای شکست هوش مصنوعی تعبیر شود. بلکه، آنچه کنار گذاشته می‌شود، این توهم است که صرفاً خرید ابزارهای هوش مصنوعی به طور خودکار کسب‌وکارها را ارزان‌تر، سریع‌تر و هوشمندتر می‌کند.

هوش مصنوعی در کسب‌وکارها باقی خواهد ماند، اما تحت نظارت دقیق‌تر از سوی بخش مالی، فناوری، قانون و کاربران نهایی. در این تغییر، شرکت برنده شرکتی نخواهد بود که بیشترین استفاده را از هوش مصنوعی می‌کند، بلکه شرکتی خواهد بود که می‌داند چگونه از هوش مصنوعی به درستی، با هزینه مناسب و با مسئولیت‌پذیری مناسب استفاده کند.

منبع: https://vtv.vn/ai-bi-sa-thai-vi-dat-do-100260616145054134.htm