تحلیل تازه گلدمن ساکس نشان میدهد موج هوش مصنوعی هنوز به نقطه اثرگذاری کامل بر بهرهوری نرسیده است و ممکن است مانند انقلاب رایانههای شخصی، با تأخیر چندساله در آمار کلان دیده شود.
در حالی که سرمایهگذاری روی زیرساخت و سختافزار رشد کرده، بخش دشوارتر یعنی بازطراحی فرایندهای کاری، آموزش نیروها و مدیریت مقاومت کارکنان عقبتر مانده است.
تجربه تاریخی رایانهها نشان میدهد که فناوری فقط زمانی به رشد بهرهوری تبدیل میشود که سازمانها واقعاً نحوه کار خود را تغییر دهند؛ و همین مرحله، هم پرهزینه است و هم زمانبر.
شبکه اطلاعرسانی روابطعمومی ایران (شارا) – هجوم سرمایهگذاری و هیجان پیرامون هوش مصنوعی هنوز به معنی جهش فوری در بهرهوری اقتصادی نیست. بهگزارش این تحلیل، اقتصاددان گلدمن ساکس یادآوری میکند که در موج رایانههای شخصی هم اثر واقعی فناوری بر دادههای کلان با تأخیر ظاهر شد و حدود ۱۵ سال طول کشید تا افزایش بهرهوری بهصورت معنادار دیده شود. از همین زاویه، او میگوید موج هوش مصنوعی هم شاید دیرتر از انتظارِ بازارها به نتیجه برسد.
نکته اصلی این است که فناوری، بهتنهایی، بهرهوری نمیسازد. در تجربه گذشته، ابتدا هزینه سختافزار و زیرساخت بالا بود، سپس ارزش کاربردها فقط بعد از رسیدن به مقیاس لازم آشکار شد، و مهمتر از همه، سازمانها باید ساختار کار را از نو طراحی میکردند. همین بازطراحی فرایندها زمانبر، پرهزینه و از نظر مدیریتی دشوار بود. در نتیجه، اثر مثبت فناوری پس از یک دوره افت یا رکود کوتاه، تازه بعدها در آمار کلان دیده شد.
در مورد هوش مصنوعی نیز همین الگو در حال تکرار است. سرمایهگذاری روی سختافزار و زیرساخت نسبتاً سریع پیش میرود، اما سرمایهگذاری مکمل برای بازآرایی شیوه کار، آموزش نیروها و بازطراحی فرایندها عقبتر مانده است. همین فاصله، همان گلوگاه قدیمی را زنده کرده است: مشکل اصلی خود فناوری نیست، بلکه نحوه استفاده سازمانها از آن است.
عامل مهم دیگر، مقاومت نیروی کار است. بخشی از کارکنان از هوش مصنوعی استقبال کامل نمیکنند و بعضی حتی بهطور فعال یا پنهان در برابر اجرای آن مقاومت میکنند. دلیل این مقاومت روشن است: ترس از جایگزینی، کاهش ارزش شخصی و نگرانی از تعدیل نیرو. این واکنش انسانی میتواند سرعت بهرهبرداری واقعی از هوش مصنوعی را پایین بیاورد و فاصله میان سرمایهگذاری و نتیجه اقتصادی را بیشتر کند.
از سوی دیگر، در دادههای بازار کار هم نشانههایی از اثرگذاری تدریجی دیده میشود، اما این اثر هنوز محدود و نابرابر است. برخی بخشهای خدمات حرفهای، مالی و بیمه زودتر از دیگران آماده استفاده از هوش مصنوعیاند، ولی همانجاها هم مقاومت در برابر تغییر بالاست. بنابراین، برآوردهای خوشبینانه درباره بازده سریع هوش مصنوعی ممکن است بیش از حد شتابزده باشد.
جمعبندی گزارش این است که هوش مصنوعی احتمالاً توان افزایش بهرهوری را دارد، اما زمان تحقق آن کوتاه نیست. همانطور که رایانهها سالها طول کشیدند تا در آمار اقتصاد خود را نشان دهند، هوش مصنوعی هم ممکن است به دورهای طولانی برای جا افتادن، بازطراحی سازمانی و پذیرش انسانی نیاز داشته باشد. در این میان، گلوگاه اصلی نه خود فناوری، بلکه تغییر رفتار سازمانها و نیروی کار است.
نکات کلیدی
اثر هوش مصنوعی بر اقتصاد ممکن است با تأخیر دیده شود.
تجربه رایانههای شخصی نشان میدهد فناوری بهتنهایی کافی نیست.
بازطراحی سازمانی و آموزش نیروی کار گلوگاه اصلی است.
مقاومت کارکنان میتواند سرعت پذیرش هوش مصنوعی را کاهش دهد.
جهش بهرهوری احتمالاً دیرتر از انتظار بازارها رخ میدهد.