سود هوش مصنوعی واقعی است. جدول زمانی مشکل است

در سه سال گذشته، فناوری بزرگ و وال استریت رونق هوش مصنوعی را بر اساس یک فرض ساده تامین مالی کرده‌اند: اکنون زیرساخت‌ها را بسازید، و موج تاریخی بهره‌وری شرکت‌ها به زودی به پایان خواهد رسید. در عرض 48 ساعت، دو تن از دقیق‌ترین اقتصاددانان بازار، هر دو در شرکت‌هایی که تامین مالی آن ساخت را انجام می‌دادند، این فرضیه را به چالش کشیدند و هشدارهای متوالی منتشر کردند مبنی بر اینکه هزینه‌های هوش مصنوعی بیشتر از بازده اقتصادی آن است. نه شکی نیست که هوش مصنوعی به کجا می‌رود، فقط اینکه بقیه اقتصاد چقدر سریع به آنجا خواهد رسید.

در گلدمن ساکس، یان هاتزیوس، اقتصاددان ارشد تخمین می‌زند که انگیزه رشد ناشی از ساخت هوش مصنوعی در اواخر سال 2026 یا اوایل سال 2027 به اوج خود خواهد رسید. در عوض، توسعه‌ای که به‌منظور صرفه‌جویی هموار از هزینه‌های سرمایه تاریخی به سودهای بهره‌وری در کل اقتصاد است، به جیب هوا ضربه می‌زند. افزایش مخارج اولیه در حال افزایش است اما با کاهش رشد سرمایه هوش مصنوعی به عنوان سهم تولید ناخالص داخلی، محو شدن انگیزه های کاهش ارزش مالیات در سال گذشته و کاهش اثر ثروت در بازار سهام، جهش هزینه های اولیه افزایش می یابد.

گلدمن همچنان به بازده بلندمدت اعتقاد دارد، اما رسیدن به آن مستلزم گذر از اختلال بازار کار در کوتاه‌مدت است که قبل از رفع آن، بر رشد تاثیر می‌گذارد.

در همین حال، انتقال بهره‌وری که قرار بود کاهش سرعت را کاهش دهد، در داده‌ها وجود ندارد. چند روز قبل از اسکناس گلدمن، تورستن اسلوک، اقتصاددان ارشد آپولو نشان داد که در حالی که حاشیه سود و درآمد به ازای هر کارگر در بین 7 باشکوه در حال افزایش است، در 493 شرکت باقی مانده در S&P 500 ثابت باقی می‌ماند.

خارج از بخش فناوری، شرکت‌های جریان اصلی به مخارج رمزی «نه به عنوان منبع رشد، بلکه به‌عنوان مرکز هزینه‌ای که بر حاشیه‌ها تأثیر می‌گذارد» نگاه می‌کنند. همانطور که اسلوک می گوید، سرنوشت رونق هوش مصنوعی «در S&P 493 تعیین خواهد شد، نه Mag 7» - و در حال حاضر، 493 به سختی در حال حرکت است.

افتتاحیه رمان تاریخی چارلز دیکنز در سال 1859، "داستان دو شهر"، انقلاب فرانسه را "بهترین زمان و بدترین زمان" نامید. همانطور که در کتاب آینده‌مان وقتی ماشین‌ها عمل می‌کنند: وعده و خطر آینده هوش مصنوعی ما (مجموعه مطبوعاتی MIT/Penguin Random House) توضیح می‌دهیم، ممکن است مسیر هماهنگی بین این دیدگاه‌های متضاد وجود داشته باشد که پیامدهای حیاتی برای سرمایه‌گذاران، مدیران و مقامات دولتی دارد.

نمایی از دفتر گوشه

با این حال، از بخش تحقیقات خارج شوید و به اتاق هیئت مدیره بروید و احتیاط از بین می رود. در داخل دفتر گوشه، هوش مصنوعی یک حاشیه برای مدیریت نیست، بلکه یک مسابقه وجودی با زمان و حرکت رقبا با سرعتی بی سابقه است. برخی از جسورانه‌ترین اعتقادات از سوی مدیران ارشد شرکت‌هایی است که اقتصاددانانشان چراغ‌های هشدار را چشمک می‌زنند.

در گلدمن ساکس، دیوید سولومون، مدیر عامل شرکت گلدمن ساکس، در ژانویه گفت که "سرعت سرمایه گذاری ادامه خواهد داشت"، در حالی که رئیس آپولو، مارک روآن، انتقال هوش مصنوعی را "مطمئنا" بزرگترین چرخه فناوری در حرفه او توصیف کرد، چرخه ای که در آن "تقریبا هر شغلی ارتقا یا جایگزین خواهد شد."

این فوریت در سراسر آمریکای شرکتی منعکس می شود. جیمی دیمون در نامه ماه آوریل خود به سهامداران JPMorgan پیش‌بینی کرد که پذیرش هوش مصنوعی «به مراتب سریع‌تر از تحولات فناوری قبلی، مانند برق یا اینترنت» آشکار می‌شود. هوش مصنوعی اساسا نحوه انجام کار را تغییر می دهد، دستاوردهای عمده بهره وری را باز می کند و به مرور درآمد و درآمد را افزایش می دهد. از طبقه بالا، تحولات به اندازه کافی عمیق به نظر می رسد که مدیران از هم اکنون در حال تجدید نظر در مورد تقاضای نیروی کار و مهارت مجدد نیروی کار خود هستند.

لری فینک از BlackRock آشکارا پرسیده است که "اگر هوش مصنوعی با کارگران یقه سفید همان کاری را انجام دهد که جهانی شدن با کارگران یقه آبی انجام داد، چه اتفاقی می‌افتد" و روآن انتظار دارد "مقداری از تحولات سیاسی رخ دهد." اینکه آیا «قرارداد اجتماعی» مدرن بین شرکت‌ها، دولت و جامعه می‌تواند تحت این فشار قرار گیرد یا خیر، سؤالی است که مدیران و سیاستمداران بی سر و صدا در حال بررسی آن هستند.

جایی که هر دو حق دارند

هر دو کمپ حق دارند. مدیران ارشد در مورد مقصد حق دارند و اقتصاددانان در مورد مسافت حق دارند. تنش بین آنها یک عدم تطابق مالی کلاسیک است. سرمایه کوتاه‌مدت، که بر اساس یک جدول زمانی بی‌صبر جمع‌آوری می‌شود، در حال تامین مالی یک انتقال تکنولوژیکی است که بازده آن در یک افق چند ساله انجام می‌شود. هیچ کس یک روز صبح از خواب بیدار نمی شود تا اقتصاد جهانی را متحول کند. دستاوردهای بهره وری به تدریج و در ابتدا تقریبا غیرقابل تشخیص فیلتر می شود و ثبت در درآمدهای شرکتی و داده های اقتصاد کلان یک سال یا بیشتر طول می کشد.

حتی Solomon گلدمن اذعان کرده است که پیاده‌سازی سازمانی ممکن است کندتر از آنچه اکنون مردم انتظار دارند آشکار شود - و همتایان او در پشت درهای بسته موافق هستند. در نظرسنجی خود ما از 200 مدیر اجرایی در اجلاس مدیرعامل Yale در ژوئن 2025، 40٪ گفتند که تبلیغات هوش مصنوعی منجر به سرمایه گذاری بیش از حد شده است و بیش از 40٪ اذعان کردند که سرمایه گذاری های هوش مصنوعی به طور ناکارآمد تخصیص داده شده است.

چنین صراحتی به عنوان محور سرمایه از آموزش مدل‌های هوش مصنوعی به استنتاج، محاسباتی که آنها را برای مشتریان کار می‌کند، اهمیت دارد. با این حال، پر کردن این ظرفیت بسیار طولانی‌تر طول می‌کشد و نیاز به تأمین مالی کافی برای بیمار دارد تا با جذب کندتر توسط مشاغل و خانوارها مطابقت داشته باشد. قرار دادن هوش مصنوعی در دنیای واقعی بسیار سخت تر از آموزش آن در آزمایشگاه است. استقرار مدل‌ها در مقیاس، روابط مشتری، داده‌های اختصاصی و شهرت برند را در معرض فناوری جوانی قرار می‌دهد که هنوز با نرخ غیرقابل قبولی شکست می‌خورد.

با تغییر هوش مصنوعی کاربردی به سمت سیستم‌های عامل - نرم‌افزاری که برای اجرای خودکار گردش‌های کاری چند مرحله‌ای طراحی شده است - که در آن خطاهای کوچک در هر مرحله ترکیب می‌شوند، خطر افزایش می‌یابد. مدلی که در هر مرحله دقت 95 درصدی داشته باشد احتمالا با انباشته شدن خطاها بسیار کمتر قابل اعتماد خواهد بود.

هم مشتریان و هم کارمندان پیامدهای استقرار زودهنگام را احساس می کنند. در نظرسنجی Morning Consult که برای اجلاس مدیرعامل ییل در سال 2026 انجام شد، 82٪ از بزرگسالان آمریکایی گفتند که دسترسی به نمایندگان خدمات مشتری انسانی بسیار سخت شده است، و 44٪ گفتند که استفاده یک شرکت از هوش مصنوعی در خدمات مشتری باعث می شود که آنها به هیچ وجه با تجارت درگیر نباشند. تقریبا دوبرابر تعداد مصرف‌کنندگانی که گفته‌اند هوش مصنوعی برای حل مشکلاتشان زمان بیشتری می‌برد یا به طور کامل شکست نمی‌خورد (51%) نسبت به آنچه گفته شد سریع‌تر آنها را حل می‌کند (26%). کارگران داخل شرکت دقیقا همان کشش را توصیف می کنند.

در میان بزرگسالان شاغل در این نظرسنجی، تنها 26 درصد گفتند که هوش مصنوعی عمدتا بهره‌وری آنها را بهبود می‌بخشد، در حالی که تقریبا یک سوم گزارش کردند که اغلب از طریق فرآیندهای اضافی، بازرسی عمیق‌تر، تأیید صحت و کار مجدد، اصطکاک را افزایش می‌دهد. به طور واضح، در میان کاربران روزانه هوش مصنوعی - کارگران نزدیک به این فناوری - سهمی که اصطکاک گزارش می‌دهند به 44 درصد افزایش یافته است.

شرکت‌ها با احتیاط واکنش نشان داده‌اند، به‌ویژه در بخش‌های تنظیم‌شده مانند بانکداری و مراقبت‌های بهداشتی، و استقرار را به خلبان‌های محدودی محدود کرده‌اند که بازدهی اولیه‌شان بسیار کمتر از آن چیزی است که علاقه‌مندان به هوش مصنوعی تبلیغ می‌کنند. بررسی وضعیت هوش مصنوعی مک‌کینزی در سال 2026 نشان داد که تنها حدود 6 درصد از شرکت‌ها تأثیر قابل توجهی از هوش مصنوعی را گزارش می‌کنند - که حداقل 5 درصد از EBIT را به این فناوری نسبت می‌دهند - رقمی که نسبت به سال قبل تغییری نکرده است. حدود یک نفر از هر پنج پاسخ دهندگان گفتند که هزینه های عملیاتی، از جمله توکن ها، استفاده از هوش مصنوعی آنها را محدود کرده است. همچنین تقاضای مصرف کننده کاهش نمی یابد.

Andreessen Horowitz گزارش داد که تا آوریل، به سختی 2 درصد از خانواده‌های آمریکایی برای خدمات هوش مصنوعی پرداخت می‌کردند، سهمی که شرکت آن را به‌عنوان رو به رشد توصیف می‌کند، اما «هنوز در طرح بزرگ چیزها ناچیز است». انقلاب هوش مصنوعی به همان اندازه واقعی است که تقویت‌کنندگان آن ادعا می‌کنند، اما بازده مالی آن بسیار طولانی‌تر از قیمت‌های بازار است.

ریسک ساخت بیش از حد

ممکن است بازار نسبت به پنجره بازپرداختی که تامین مالی مرکز داده در نظر گرفته است، بیش از حد ساخته شده باشد. بخش اعظم آنچه امروزه شرکت‌های آمریکایی برای هوش مصنوعی خرج می‌کنند، به خلبان‌های اکتشافی کمک می‌کند، که فاصله زیادی با استقرار تجاری دارد که باعث افزایش بهره‌وری قابل اندازه‌گیری می‌شود. عقب نشینی برای ارزیابی مجدد نه تنها گام بعدی محتمل است، بلکه یک قدم سالم است.

پیمایش مجدد کالیبراسیون رهبران را در سراسر اقتصاد آزمایش خواهد کرد. سرمایه‌گذاران به افق زمانی طولانی‌تری نیاز خواهند داشت، زیرا بازدهی ظرفیت استنتاج جدید در طول سال‌ها، بر اساس جدول زمانی پذیرش شرکت به دست می‌آید. مدیران ارشد باید انتظارات را در داخل سازمان و با هیئت مدیره خود مدیریت کنند تا نتایج آزمایشی اولیه به جای شکست به عنوان پیشرفت ضروری شناخته شوند.

و سیاستگذاران باید در مقابل ساخت بیش از حد مراکز داده در جوامع خود، جایی که یک پروژه متوقف شده می‌تواند تعهدات انرژی، زمین‌های بیکار، و اقتصاد محلی ایجاد شده حول مشاغلی که هرگز محقق نمی‌شوند، پشت سر بگذارد، مراقبت کنند. انقلاب هوش مصنوعی واقعی است. گله به سادگی جلوتر از آن دویده است.

اف. اسکات فیتزجرالد در مقاله خود به نام «ترک کردن» توصیه کرد: «آزمون یک هوش درجه یک، توانایی نگه داشتن دو ایده مخالف در ذهن به طور همزمان، و همچنان حفظ توانایی عملکرد است.»

نظرات بیان شده در نظرات Fortune.com صرفا نظرات نویسندگان آنها است و لزوما منعکس کننده نظرات و اعتقادات Fortune نیست.

این داستان در ابتدا در سایت Fortune.com منتشر شد