هزینه هوش مصنوعی دیگر به آن ارزانی که در ابتدا وعده داده شده بود، نیست.

هزینه هوش مصنوعی با افزایش مقیاس افزایش می‌یابد و کسب‌وکارها را مجبور می‌کند تا به دقت بین اتوماسیون و بهره‌وری مالی تعادل برقرار کنند.

با رونق گرفتن فناوری هوش مصنوعی (AI)، بسیاری از کسب‌وکارها آن را فرصتی برای کاهش هزینه‌ها، افزایش بهره‌وری و خودکارسازی وظایف تکراری دیدند. اما پس از مرحله آزمایش، تصویر مالی پیچیده‌تر شد. هوش مصنوعی فقط یک ابزار نرم‌افزاری نیست که بتوان آن را روشن و بلافاصله استفاده کرد؛ بلکه هزینه‌هایی برای زیرساخت، داده‌ها، امنیت و پرسنل عملیاتی به همراه دارد.

در برخی موارد، هزینه‌های محاسباتی هوش مصنوعی از هزینه پرداختی به کارمندان فراتر رفته است. برایان کاتانزارو، معاون رئیس بخش یادگیری عمیق کاربردی در انویدیا، گفت گروه‌هایی وجود دارند که هزینه‌های محاسباتی آنها "بسیار بالاتر" از حقوق کارمندان است. این بدان معنا نیست که هوش مصنوعی همیشه گران‌تر از انسان‌ها خواهد بود، اما نشان می‌دهد که وعده "کاهش هزینه‌ها توسط هوش مصنوعی" دیگر به سادگی اوایل کار نیست.

هزینه‌های پنهان پشت سیستم‌های هوش مصنوعی

یکی از گران‌ترین اجزا، هزینه محاسبات است. مدل‌های مدرن هوش مصنوعی به قدرت پردازش قابل توجهی نیاز دارند، به خصوص زمانی که کسب‌وکارها مرتباً از آنها برای خدمات مشتری، برنامه‌نویسی، تجزیه و تحلیل داده‌ها یا پردازش اسناد داخلی استفاده می‌کنند. هرچه تعداد کاربران و وظایف بیشتر باشد، هزینه‌های عملیاتی نیز بیشتر می‌شود.

برای کسب‌وکارها، هزینه هوش مصنوعی به اجاره مدل‌ها یا پرداخت هزینه‌های API محدود نمی‌شود. برای ادغام هوش مصنوعی در سیستم‌های واقعی، آنها باید داده‌ها را پاکسازی کنند، با نرم‌افزار داخلی ارتباط برقرار کنند، مجوزهای دسترسی را برقرار کنند، از اطلاعات حساس محافظت کنند و فرآیندهای کنترل خروجی را بسازند. اینها وظایفی هستند که نیاز به همکاری تیم‌های فنی، امنیت سایبری، حقوقی و عملیاتی دارند.

هرچه استقرار هوش مصنوعی بزرگتر باشد، کسب‌وکارها باید هزینه‌های بیشتری را برای زیرساخت، داده‌ها، امنیت و پرسنل نظارتی در نظر بگیرند.

عکس: ساخته شده توسط هوش مصنوعی

تولید هوش مصنوعی هنوز به اندازه کافی پایدار نیست که بتواند همه چیز را بدون دخالت انسان به طور خودکار مدیریت کند. این فناوری هنوز هم می‌تواند پاسخ‌های نادرستی ارائه دهد، حقایق را جعل کند یا زمینه را به اشتباه تفسیر کند. بنابراین، بسیاری از مشاغل باید پرسنلی را برای بررسی، اصلاح و در نهایت پذیرش مسئولیت حفظ کنند. در زمینه‌های مرتبط با مشتری، مالی، مراقبت‌های بهداشتی ، حقوقی یا حساس به داده‌ها، این لایه نظارت تقریباً ضروری است.

این بدان معناست که در بسیاری از موارد، هوش مصنوعی به طور کامل جایگزین نیروی کار نمی‌شود، اما لایه جدیدی از هزینه ایجاد می‌کند. مشاغل هنوز هم برای این فناوری هزینه می‌کنند، در حالی که هنوز به افرادی نیاز دارند تا از عملکرد صحیح و ایمن سیستم اطمینان حاصل کنند.

رقابت زیرساختی بین شرکت‌های بزرگ فناوری، هزینه‌های هنگفت پشت هوش مصنوعی را نیز منعکس می‌کند. مایکروسافت اعلام کرد که قصد دارد تا سال ۲۰۲۹، ۲۵ میلیارد دلار استرالیا، معادل ۱۷.۹ میلیارد دلار آمریکا، در استرالیا سرمایه‌گذاری کند تا قابلیت‌های هوش مصنوعی، محاسبات ابری، امنیت سایبری و آموزش مهارت‌ها را گسترش دهد. چنین سرمایه‌گذاری‌هایی نشان می‌دهد که هوش مصنوعی فقط مربوط به نرم‌افزار نیست، بلکه به مراکز داده، تراشه‌های پردازشی، برق و شبکه‌های عملیاتی در مقیاس بزرگ نیز مربوط می‌شود.

هزینه هوش مصنوعی صرفاً یک مسئله فناوری نیست.

با افزایش هزینه‌ها، سوالی که کسب‌وکارها می‌پرسند تغییر می‌کند. پیش از این، بسیاری از شرکت‌ها برای جلوگیری از عقب ماندن، احساس فشار می‌کردند که یک استراتژی هوش مصنوعی داشته باشند. اکنون، تمرکز به یک سوال عملی‌تر تغییر می‌کند: هوش مصنوعی چه ارزشی ایجاد می‌کند و چه مدت طول می‌کشد تا سرمایه‌گذاری انجام شده جبران شود؟

شرکت تحقیقاتی گارتنر پیش‌بینی می‌کند که هزینه‌های جهانی فناوری اطلاعات در سال ۲۰۲۶ به ۶.۳۱ تریلیون دلار برسد که نسبت به سال ۲۰۲۵، ۱۳.۵ درصد افزایش نشان می‌دهد. این رشد ناشی از زیرساخت‌های هوش مصنوعی، محاسبات ابری و نرم‌افزار است. این نشان می‌دهد که هوش مصنوعی به جای اینکه صرفاً جایگزین هزینه‌های موجود شود، چرخه جدیدی از هزینه‌های فناوری را آغاز می‌کند.

هوش مصنوعی تنها زمانی واقعاً ارزشمند است که سرمایه‌گذاری در این فناوری به بهره‌وری عملیاتی قابل اندازه‌گیری تبدیل شود.

عکس: اسکرین‌شات از ROBOTMAGAZINE

بنابراین، فشار برای جبران سرمایه‌گذاری‌ها به طور فزاینده‌ای آشکار می‌شود. شرکت مشاوره‌ای Deloitte پیش‌بینی می‌کند که سرمایه‌گذاری در هوش مصنوعی همچنان افزایش خواهد یافت، اما اندازه‌گیری بازده آن همیشه آسان نیست. برای پروژه‌های پیچیده‌تر، کسب‌وکارها به یک بازه زمانی طولانی‌تر برای ارزیابی اثربخشی نیاز دارند، نه اینکه صرفاً به تعداد وظایف خودکار شده نگاه کنند.

این تغییر، شرکت‌ها را مجبور می‌کند تا عمل‌گراتر باشند. بسیاری از کسب‌وکارها به جای هدف قرار دادن جایگزینی گسترده نیروی انسانی، تصمیم می‌گیرند از هوش مصنوعی برای پشتیبانی از وظایف خاص مانند خلاصه‌سازی اسناد، پیشنهاد پاسخ به مشتری، نوشتن کد، دسته‌بندی درخواست‌ها یا تشخیص خطاها استفاده کنند. این رویکرد ریسک را کاهش می‌دهد و کنترل هزینه را آسان‌تر می‌کند.

هوش مصنوعی ممکن است به مرور زمان برای وظایف فردی ارزان‌تر شود، به خصوص با افزایش کارایی مدل‌ها و افزایش رقابت بین فروشندگان. اما در سطح سازمانی، با افزایش مقیاس استفاده، افزایش الزامات امنیتی و پیچیده‌تر شدن فرآیندهای عملیاتی، هزینه‌های کل می‌تواند همچنان افزایش یابد.

بنابراین، بحث فعلی دیگر در مورد این نیست که آیا هوش مصنوعی کاملاً گران است یا ارزان. آنچه مهم است این است که کسب‌وکارها از هوش مصنوعی برای چه مشکلاتی، در چه مقیاسی و آیا اثربخشی آن قابل اندازه‌گیری است یا خیر. وعده صرفه‌جویی در هزینه‌ها تنها زمانی قانع‌کننده می‌شود که هوش مصنوعی ارزش ملموسی را در عملیات دنیای واقعی نشان دهد.

منبع: https://thanhnien.vn/chi-phi-ai-khong-con-re-nhu-loi-hua-ban-dau-185260427153301634.htm