هوش مصنوعی برای S&P 493 سودی نخواهد داشت تا زمانی که مدیران اجرایی کار را بازسازی کنند
با بازگشت هوش مصنوعی شمارش اخراج ها را متوقف کنید.
تورستن اسلوک، اقتصاددان ارشد مدیریت جهانی آپولو، در 24 اکتبر نوشت که در خارج از بخش فناوری، هوش مصنوعی بازده مالی صفر را به همراه داشته است. درآمد هر کارگر و حاشیه سود در Magnificent 7 در حال افزایش است و در بین 493 شرکت دیگر در S&P 500 ثابت است. او می نویسد که خارج از فناوری، مخارج توکن یک مرکز هزینه است که بر حاشیه ها تاثیر می گذارد. داستان هوش مصنوعی «در S&P 493 تعیین خواهد شد، نه Mag 7».
Slok حق ذینفعان را دارد. تا کنون، ارزش شرکتهایی که زیرساختهای هوش مصنوعی را میفروشند، نه شرکتهایی که این فناوری را مصرف میکنند، بوده است. گزارشهای درآمد 28 اکتبر به این نکته اشاره میکنند: برای سه ماهه منتهی به 30 سپتامبر، درآمد Azure 48٪ و Google Cloud 103٪ رشد کردند که تا حد زیادی ناشی از تقاضای هوش مصنوعی بود. خریداران این ظرفیت، کاهش شغل را گزارش کردند، نه افزایش حاشیه. بحث جالبتر این است که در داخل آن شرکتها چه اتفاقی میافتد که هزینههای آنها را از تبدیل به سود تحققیافته باز میدارد، چه چیزی باید تغییر کند و چه زمانی تغییر خواهد کرد.
بازده در میان مردم است، نه در شرکت ها
نظرسنجیهای امسال از سوی فدرال رزرو سنت لوئیس و اداره سرشماری نشان میدهد که در حدود 40 درصد از کارگران از هوش مصنوعی مولد استفاده میکنند و در حدود یک چهارم شرکتها به کار گرفته شدهاند. افراد جلوتر از کارفرمایان خود می دوند. کارمندان با هوش مصنوعی در ساعات واقعی صرفه جویی می کنند. برخی از تیم ها و گاهی اوقات کل بخش ها نیز سود واقعی می بینند. اما این دستاوردها در کل شرکت جمع نمی شوند، زیرا مدل عملیاتی اصلی تغییر نکرده است.
گردش کار، فرآیندها و تایید تصمیمگیریها حول افرادی که کار را انجام میدهند ساخته شدهاند، و بازبینیها، تحویلها و امضاها حتی پس از اینکه هوش مصنوعی این وظیفه را برعهده گرفت، همچنان وجود دارد. در یک عملیات مجهز به هوش مصنوعی، یک فرآیند ساخته شده برای قدم زدن انسان به محدودیت تبدیل می شود، به همین دلیل است که سود به جای رسیدن به کل شرکت در جیب باقی می ماند.
تغییر مدل عملیاتی در واقع به چه معناست
مدیران به «مدل عملیاتی» سر می گویند. هیئت ها می پرسند که در عمل به چه معناست. سه چیز ظاهر میشوند و اجرای هر کدام در شرکتهایی که اسلوک توصیف میکند سخت است.
اول، هوش مصنوعی باید ابتکاری متعلق به مدیرعامل باشد. این به معنای حمایت مالی نیست. این به معنای یک طرف مسئول برای ساختن یک سیستم عامل جدید و برقراری تماسهای دشواری است که با آن همراه است: اعلام نتیجه، تنظیم سرعت، طراحی مجدد کار، تصمیمگیری میزان اعتماد به یک مدل، و انتخاب آنچه که اندازهگیری میشود. هیچ کس زیر مدیر عامل دارای اختیارات یکسانی برای اجرای آن تصمیمات در هر کارکردی نیست.
متداولترین الگویی که در شرکتهایی که ارزش را درک نمیکنند، برعکس مالکیت است: مدیر عامل هوش مصنوعی را به IT یا یک دفتر تحول واگذار کرده، بودجهای را تصویب کرده است و منتظر نتیجهای است که سازمان هیچ مأموریتی برای تولید آن ندارد.
دوم، انتخاب مشکلات درست و بازسازی کار پیرامون آنها. فیلتر این است که جریان کار مادی است، نه اینکه جالب باشد: آیا درآمد، حاشیه، ریسک یا زمان چرخه را تغییر می دهد و آیا یک رهبر کسب و کار صاحب نتیجه خواهد شد. از آن فیلتر عبور کنید و کار سخت شروع میشود: ساختارشکنی جریانهای کاری برای حذف فرآیندهای قدیمی، تعریف مجدد نقشها به گونهای که کار پس از انجام، بررسی و تأیید توسط افراد به تنهایی بدون از دست دادن مسئولیت با هوش مصنوعی به اشتراک گذاشته شود، بازنشانی مقامات تأیید تا جایی که اکنون قضاوت اعمال میشود، و ایجاد یک مدل حاکمیتی که عمل میکند.
در زمان اجرا، زیرا هوش مصنوعی خروجی را با حجم و سرعتی تولید می کند که هیچ بررسی دستی نمی تواند با آن هماهنگ باشد. آنجاست که بیشتر اوقات می رود.
سوم، خود هوش مصنوعی. Slok درست می گوید که اکثر شرکت ها به آخرین مدل نیاز ندارند و شرکت ها به طور فزاینده ای آن را درک می کنند. لایه های زیر آن مکالمه کمتر قابل درک است. با این شروع کنید که آیا اصلا به یک مدل هوش مصنوعی نیاز است: پیشرفتهای قابل توجهی از طریق اتوماسیون قطعی در دسترس هستند که اکثر سازمانها هرگز آن را دنبال نکردهاند، در حالی که بسیاری از آنها از مدلهای مرزی برای کارهای معمول استفاده میکنند. سپس زیرساخت می آید.
بهطور فزایندهای درباره ترکیب بهینه مدلهای باز و بسته بحث میکنم، که ملاحظات عصر ابر در مقابل فضای داخلی را با یک تفاوت احیا میکند: یک دهه طول کشید تا ابر تبدیل به چند ابری شود، و استراتژی مدل از ابتدا چند فروشنده است. در نهایت، انتخاب یک مدل یک رویداد یک بار نیست. این قابلیت امروزه در بیشتر سازمان ها بسیار نادر است.
هیچ کدام از اینها یک پروژه فناوری نیست. هر عملکردی را لمس می کند و در فرآیندهای اصلی زندگی می کند.
سپس تابلوها می پرسند چه مدت. هر تیم اجرایی به یک درک می رسد: این گران تر از آن چیزی است که ما فکر می کردیم. نه به دلیل قیمت های توکن، بلکه به این دلیل که هزینه ساخت بیشتر از بازگشت آن تا زمانی است که انجام شود. شاخص هوش مصنوعی کاربردی BCG، هزینههای هوش مصنوعی را در حال حاضر 3.3 درصد از درآمد 1.7 درصد در اواخر سال 2025 نشان میدهد. این مرکز هزینه Slok است که از داخل دیده می شود.
چرا تعداد تعداد آن را میانبر نمی کند
وسوسه این است که از ساخت و برش کارکنان صرف نظر کنید. بارکلیز تقریبا 5000 شغل را در 22 اکتبر اعلام کرد و به هوش مصنوعی اشاره کرد و بازارها آن را به عنوان بازده دریافت کردند. مدیر اجرایی خود بارکلیز هوش مصنوعی را «میخ روی کیک» نامید و بانک نگفته است که اصلا چه مقدار از این تعداد به هوش مصنوعی نسبت داده می شود.
هزینه کار را اندازه گیری کنید
عدد سمت راست دو طرف دارد. در یک مورد، کیفیت نتیجه: آیا کار با KPI یا سطح خدماتی که کسب و کار برای آن تعیین کرده بود مطابقت داشت؟ از سوی دیگر، هزینه کامل تولید آن: مدل، دادهها، هماهنگسازی، اعتبارسنجی، رسیدگی انسانی به استثناها، کار مجدد و مدیریت، که هزینههای رمزی یک خط و به ندرت بزرگترین آنهاست. هوش مصنوعی سازمانی از این طریق سنجیده می شود و برای نتایج پذیرفته شده به جای مصرف هوش هزینه می پردازد، و تقریبا هیچ شرکتی امروز نمی تواند این تعداد را تولید کند.
داشبورد آنها نشان میدهد که چه چیزی مورد استفاده قرار میگیرد، بر اساس مدل، و چیزی در مورد هزینههای برگشتی نشان نمیدهد. بنابراین صورتحساب قبل از رسیدن به ارزش می رسد و بازار به جای آن اخراج می خواند.
چه زمانی
با توجه به مالکیت، طراحی مجدد و کار اندازهگیری که هنوز در بیشتر شرکتها در پیش است، انتظار ندارم تا قبل از پایان سال 2027 از مزایای خاص و قابل اندازهگیری هوش مصنوعی قدردانی شود. دستکم چند سال دیگر به دستاوردهای گسترده در 493 میرسد.
تا آن زمان، چهار سوال به شما می گوید که شرکت شما در کجا قرار دارد:
هزینه به ازای هر نتیجه آیا می دانیم کار هوش مصنوعی چه هزینه ای دارد و چه سودی دارد یا فقط چند نفر را لمس کرده است؟
فرزندخواندگی. چه کسی از ابزارها استفاده می کند، و در کدام گردش کار؟ تعداد صندلی ها استفاده نیست.
توالی یابی. آیا ما مدل عملیاتی را قبل از برش میسازیم یا بعد از آن؟
نظم و انضباط مدل آیا ما برای کارهای معمولی قیمت های مرزی می پردازیم؟
خط مسطح Slok میانگین 493 پاسخ به این سؤالات است. هنگامی که پاسخ ها انجام شوند حرکت می کند.
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
متن اصلی (انگلیسی)
AI won’t pay off for the S&P 493 until CEOs rebuild the work
Stop counting layoffs as AI returns.