هوش مصنوعی در همه جا وجود دارد به جز در اعداد تولید ناخالص داخلی - در اینجا چیزی است که باعث شکست می شود

حدود یک سال و نیم پیش، من به یک رویداد در خارج از کشور با چند بنیانگذار بسیار شناخته شده از سراسر جهان دعوت شدم. سه روز گفتگو در مورد تکنولوژی و هر چیزی که تکنولوژی لمس می کند. عالی بود

در طی یکی از رخنه های هوش مصنوعی، گروهی از ما شروع به مقایسه یادداشت ها کردیم. بیشتر افراد حاضر در اتاق سال‌ها Collective[i] را می‌شناختند. برخی به عنوان مشتری برخی به عنوان سرمایه گذار. برخی به عنوان شکاکان دوستانه که ساختن چیزی را تماشا کرده بودند که با روایت استاندارد فناوری مطابقت نداشت تا زمانی که هوش مصنوعی به آن چیزی تبدیل شد. اکنون ما در آغاز انقلاب توده‌ای هوش مصنوعی بودیم و همه سؤالاتی داشتند. مقیاس چیزی که ما ساخته بودیم، سرعت پذیرش، و رشد درآمد در نهایت به اندازه‌ای بود که شکاکان کسانی بودند که می‌پرسیدند چگونه مشارکت کنند.

در اینجا چیزی در مورد آن اتاق است. هر یک از آنها هوش مصنوعی را در قسمت جلویی از دست داده بودند. هر VC بزرگ و هر بنیانگذار بزرگی داشت. در محافل فناوری، اگر انقلابی را از دست بدهید، نمی‌دانید، بنابراین آن را به سختی جعل می‌کنید، و به دنبال راهی می‌گردید که زودتر درگیر آن شده باشید. مشارکت آندرسن هوروویتز در دورهای اخیر OpenAI نمونه خوبی است. این دورها در اواخر سال 2024، 150 میلیارد دلار، سپس در مارس 2025، 300 میلیارد دلار، سپس در مارس 2026، 852 میلیارد دلار قیمت گذاری شدند. این سرمایه خصوصی در مرحله آخر است که روی سربرگ های مخاطره آمیز نوشته شده است. من مطمئن نیستم که هیچ یک از آن ها دیگر به عنوان سرمایه گذاری به حساب نمی آیند.

اتاق پر از آن انرژی بود. همه در مورد اینکه هوش مصنوعی چقدر عالی بود و چقدر سریع دنیا را تغییر می داد صحبت می کردند. من یک سوال پرسیدم اگر هوش مصنوعی همان چیزی است که همه در این اتاق می‌گویند، چرا شاهد کاهش تورم نیستیم؟ چرا رشد تولید ناخالص داخلی افزایش نمی یابد؟ کجای این اعداد وجود دارد؟

آنها به من نگاه کردند که من یک خائن هستم. همه افراد در آن اتاق تا آن زمان خود را یک فرد هوش مصنوعی خطاب می کردند و هر یک از آنها وقتی می پرسیدم عصبی می خندیدند. اگر دیر به مهمانی رفته بودید، تشویق کردن امن ترین حالت بدن بود. هر نشانه ای از شک و تردید به عنوان مدرکی به نظر می رسد که شما در سمت اشتباه بزرگ ترین تغییر در یک دهه بوده اید. من ده سال در Collective[i] بر اساس چیزی که مردم اکنون هوش مصنوعی می‌نامند، کار می‌کردم، بنابراین اهمیتی نمی‌دادم که سوال چگونه مطرح شد. به هر حال پرسیدم

من فکر می کنم این دقیقا همان سؤالی است که همه باید بپرسند. میزان سرعتی که مزایای یک فناوری واقعا تغییر دهنده زندگی در اقتصاد جریان دارد، معیار واقعی سرعت پذیرش آن است. آنچه شبکه Collective[i] می‌بیند می‌گوید که پاسخ سریع‌تر از آن چیزی است که تقریبا همه انتظار دارند. در سراسر شرکت‌های داخل شبکه، ما شرکت‌ها را تماشا می‌کنیم که افراد اشتباهی را انتخاب می‌کنند، رویکرد اشتباهی را اجرا می‌کنند، و همچنان می‌بینیم که اصلاحات به‌جای سال‌ها در هفته‌ها انجام می‌شود.

من در جای دیگری در این وبلاگ، در «تجارت هیچ‌کس نمی‌سازد»، درباره میلیون‌ها نفر نوشته‌ام که اکنون از طریق یک مدل زبان بزرگ به یک پزشک، یک وکیل یا یک معلم خصوصی دسترسی دارند که قبلا هرگز به هیچ یک از آنها دسترسی نداشتند. این یک تغییر زندگی برای بخش بزرگی از جمعیت جهان است و در بیست و چهار ماه اتفاق افتاد.

سوالی که مورد خنده قرار گرفت نیز سوال جدیدی نیست.

در جولای 1987، رابرت سولو، اقتصاددان، یکی از نقل‌قول‌ترین سطرها در تاریخ اقتصاد کلان را نوشت. "شما می توانید عصر کامپیوتر را در همه جا ببینید به جز در آمار بهره وری." یک دهه دیگر سرمایه گذاری کامپیوتری طول کشید تا اینکه رشد بهره وری ایالات متحده واقعا از رکود طولانی خود خارج شد. داده ها آنچه را که همه می دانستند در حال وقوع است را نشان نمی داد.

ما اکنون در همان پارادوکس زندگی می کنیم. هوش مصنوعی در هر تماس درآمدی وجود دارد. آن را در هر عرشه هیئت مدیره است. در هر آگهی شغلی، هر نقشه راه محصول، هر طرح مشاوره ای وجود دارد. تنها در سال 2025، هزینه های سازمانی برای هوش مصنوعی مولد به 30 تا 40 میلیارد دلار رسید. آمار بهره وری تقریبا هیچ چیز را نشان نمی دهد.

یک استثنا ارزش نامگذاری دارد. ساخت مرکز داده در حال رونق است و این سرمایه در تولید ناخالص داخلی به عنوان سرمایه گذاری ثابت غیرمسکونی خصوصی نشان داده می شود. به شماره تیتر معنی دارد. در سال 2025، فرامقیاس‌کننده‌ها به تنهایی بیش از 300 میلیارد دلار را به مراکز داده، تراشه‌ها و ظرفیت شبکه سرریز کردند و این هزینه‌ها کار واقعی را در ارقام رشد بالا انجام می‌دهند. آن را حذف کنید و تصویر زیربنایی رشد حتی صاف تر از آن چیزی است که عنوان نشان می دهد.

سوال درست این نیست که چرا. سوال درست این است که چه زمانی تغییر می کند. چون تغییر می کند. اگر بدانید چه چیزی را باید تماشا کنید، محرک قابل اندازه گیری است.

مقاله قبلی من، تجارت تریلیون دلاری وال استریت نمی بیند، استدلال می کرد که هر منحنی پذیرش از قبل کوتاهتر می شود. ظهور هوش مصنوعی پانزده سال طول نمی کشد تا کامپیوترها در داده های بهره وری ظاهر شوند. بنا به دلایلی که عرض کردم، پنج تا هشت طول می کشد. این فشرده سازی همان چیزی است که لحظه فاز سه را در هر افق فعلی صندوق قابل معامله می کند.

این قطعه برای ماشه و برای معامله ای که در زیر آن قرار دارد مناسب است.

فاز یک. همه فقط به عقب ماندگی ها پی بردند.

در سراسر شبکه Collective[i]، ما در شش ماه اول سال 2026 محصولات بیشتری را نسبت به مجموع دو سال گذشته ارسال کردیم. این یک پرش معنادار است. این باید به عنوان یک مزیت احساس شود.

به جز این که مگر شما زیر درخت زندگی می کنید، بقیه هم همینطور.

سرعت توسعه نرم‌افزار برای هر شرکت تقریبا همزمان افزایش یافت، دقیقا به همین دلیل است که هیچ مزیت معنی‌داری برای هیچ یک از آنها ایجاد نکرد. هر تیم تعداد بی‌پایانی از ویژگی‌ها، ادغام‌ها، موارد لبه و بهبود کیفیت داشت که سال‌ها به تعویق انداخته بودند. توسعه با کمک هوش مصنوعی، گردش کار عامل و کدگذاری فضایی همه به یکباره فرود آمدند. عقب ماندگی ها در حال رفع شدن هستند. این یک هدیه واقعی برای کاربران این محصولات است. این درآمد جدیدی برای کسی نیست که آنها را بسازد.

الگوی مشابه تقریبا در هر عملکردی نشان داده می شود. نوشتن گزارش بازاریابی زمان کمتری می برد. بنابراین رهبران درخواست محتوای بیشتر در گزارش ها را دارند. ساخت بخش بندی مشتری زمان کمتری می برد. بنابراین تقسیم بندی به جای سه ماهه به صورت هفتگی تکرار می شود. پیش نویس بررسی حقوقی زمان کمتری می برد. بنابراین حقوقی پنج قرارداد دیگر را در هفته بررسی می کند. خروجی افزایش می یابد. صورتحساب تولید آن پایین می آید. تولید ناخالص داخلی هیچ یک از این موارد را به خوبی اندازه گیری نمی کند، زیرا حساب های ملی برای شمارش واحدهای فروش و ساعات کار طراحی شده اند، نه کیفیت یا غنای محصول تولید شده.

Net-Net، این یک پیشرفت واقعی برای مشتریان همه چیز است. این یک سیگنال رشد نیست.

فاز دو. کاهش هزینه اولین حرکت پیش فرض است.

فاز دوم از ده هزار پا مانند فاز اول به نظر می رسد. شرکت ها از هوش مصنوعی استفاده می کنند. تحلیلگران سهام در مورد آن می شنوند. هیچ چیزی در خط بالا ظاهر نمی شود.

تفاوت این است که پول کجا می رود. کارگزاران امکان انجام کارهای بیشتری را توسط افراد کمتری فراهم می کنند و تقریبا هر شرکتی که آنها را مستقر می کند، صرفه جویی در هزینه را هدف قرار می دهد، نه رشد. چرا وقتی یک تیم کوچک می تواند یک نسخه کارآمد را در طول یک آخر هفته در کلود بسازد، به یک فروشنده CRM پرداخت کنید. چرا یک میز پشتیبانی مشتری Tier-1 را پرسنل می کنیم در حالی که یک نماینده می تواند همان بلیط ها را با یک چهارم هزینه حل کند. چرا باید برای قراردادهای BPO پرداخت شود، در حالی که اتوماسیون داخلی همان حجم را مدیریت می کند.

صرفه جویی در هزینه اولین حرکت پیش فرض برای تقریبا هر رهبر است. من این مورد را در هر قطعه ای که روی انتقال اول هوش مصنوعی نوشته ام ساخته ام. در The Companies Winning AI Are Playing a Different Game، من بحث کردم که برندگان بازسازی می کنند. در What It Means to Be AI-First، من کتاب بازی عملیاتی را دادم. در ایمن ترین حرکتی که می توانید با هوش مصنوعی انجام دهید، توضیح دادم که چرا موقعیت محتاطانه گران است. الگوی سازگار است. اکثر شرکت ها در حالت کاهش هزینه هستند. یک اقلیت کوچک در حال ساختن چیز جدیدی هستند.

شواهد نرم نیست. پروژه NANDA MIT بیش از 300 استقرار هوش مصنوعی سازمانی را در سال 2025 مورد مطالعه قرار داد و دریافت که 95٪ تأثیر P&L قابل اندازه گیری صفر را ارائه کردند. 5 درصد دیگر جایی است که پول واقعی به دست می آید. آن توزیع یک پدیده موقتی نیست. این شکل استاندارد یک انتقال فناوری با هدف عمومی است.

نود و پنج درصد از استقرار هوش مصنوعی سازمانی تاثیر P&L قابل اندازه گیری را ندارد. پنج درصد دیگر جایی است که پول است.

J-Curve الگو را نامگذاری می کند

اقتصاددانان برای چیزی که من توضیح می دهم نامی دارند. اریک برینجولفسون، دانیل راک و چاد سیورسون آن را در یک مقاله NBER در سال 2018 که با عنوان The Productivity J-Curve در مجله اقتصادی آمریکا در سال 2021 منتشر شد، رسمیت دادند. استدلال آنها دقیق و قابل آزمایش است. زمانی که یک فناوری با هدف عمومی وارد می‌شود، شرکت‌ها پول را به سرمایه‌گذاری‌های نامشهود تکمیلی می‌ریزند که حساب‌های ملی اندازه‌گیری نمی‌کنند. طراحی مجدد فرآیند بازآموزی نیروی کار. زیرساخت داده تجدید ساختار سازمانی

آن سرمایه گذاری ها واقعی است. آنها همچنین در اعداد رسمی بهره وری نامرئی هستند زیرا هزینه می شوند نه سرمایه گذاری. بنابراین بهره‌وری اندازه‌گیری شده حتی در حالی که بهره‌وری واقعی در زیر آن ترکیب می‌شود، ثابت یا رو به کاهش به نظر می‌رسد. وقتی سرمایه تکمیلی در نهایت فرود آمد، بهره وری اندازه گیری شده افزایش می یابد.

تخمین مقاله برای عصر کامپیوتر با تنظیم برای دارایی های نامشهود مربوط به سخت افزار و نرم افزار، بهره وری کل فاکتور ایالات متحده 15.9 درصد بیشتر از معیارهای رسمی نشان داده شده در پایان سال 2017 بود. در سال 2025، اداره سرشماری همان الگوی منحنی J را در استفاده از هوش مصنوعی صنعتی اولیه تأیید کرد. بنگاه‌ها با تجدید ساختار ابتدا زیان بهره‌وری را متحمل می‌شوند. آنها سودها را بعدا ارسال می کنند.

منحنی J بهره وری: بهره وری اندازه گیری شده ابتدا کاهش می یابد. ترکیبات بهره وری واقعی در زیر. سپس منحنی شکسته می شود. منبع: Brynjolfsson، Rock & Syverson، "The بهره وری J-Curve: چگونه ناملموس ها مکمل فن آوری های عمومی هدف هستند"، مجله اقتصادی آمریکا: اقتصاد کلان، 2021. دفتر سرشماری ایالات متحده CES کارنامه 25-27، 2025، تایید کننده منحنی J-AI در اولیه

جایی که ما امروز روی منحنی قرار داریم وسط شیب است. هر شرکتی در حال سرعت بخشیدن به فرآیندهای موجود خود و کاهش هزینه ها تا جایی که می تواند است. تقریبا هیچ‌یک سازمان‌دهی مجدد را که منجر به دستاوردهای ترکیبی در طرف دیگر می‌شود، تکمیل نکرده است.

همان منحنی، هر بار

صد سال است که شکاکان این داستان را تعریف می کنند. مورخ اقتصادی پل دیوید در سال 1990 مقاله ای نوشت که هر کسی که بهره وری هوش مصنوعی را مدل می کند باید آن را مطالعه کند. دیوید با عنوان دینامو و رایانه نشان داد که چگونه برق تقریبا چهل سال طول کشید تا در بهره وری کارخانه ظاهر شود. دینام نصب شد. سیم ها اجرا شد. بهره وری نرسید. آنچه گم شده بود، ساماندهی فیزیکی کارخانه ها بود. کارخانه‌های بخاری در اطراف یک محور مرکزی با تسمه‌هایی که ماشین‌های جداگانه را به حرکت در می‌آورد، ساخته شدند.

کارخانه‌های برق تنها در صورتی با راندمان کامل خود کار می‌کنند که کل طبقه حول موتورهای توزیع‌شده، یک موتور برای هر دستگاه، برای جریان واقعی تولید، بازطراحی شود. چهل سال طول کشید تا صاحبان کارخانه به آن سازماندهی مجدد در مقیاس برسند. وقتی آنها این کار را کردند، رشد بهره وری نیروی کار ایالات متحده برای یک نسل دو برابر شد.

کامپیوترها نیز همین تاخیر را داشتند. سولو خط خود را در سال 1987 نوشت. رشد بهره وری اندازه گیری شده ایالات متحده سرانجام در اواخر دهه 1990 شتاب گرفت. این تقریبا یک فاصله پانزده ساله بین فناوری در همه جا و بهره وری قابل مشاهده است.

منبع: پل دیوید، «دینامو و رایانه: چشم‌انداز تاریخی در پارادوکس بهره‌وری مدرن»، بررسی اقتصادی آمریکا، 1990. رابرت سولو، نقد کتاب نیویورک تایمز، ژوئیه 1987. برینجولفسون، راک و سیورسون (2021) تخمین‌های منحنی J برای چرخه پذیرش فعلی هوش مصنوعی اعمال می‌شود.

تاخیر واقعی است. این تاخیر نیز در هر چرخه کوتاه‌تر می‌شود. من این مورد را در The Companies Winning at AI Are Playing a Different Game ساختم. هر موج جدیدی از زیرساخت‌ها در بالای آخرین موج قرار می‌گیرد، به این معنی که سازمان‌دهی مجدد مجبور نیست خود را از ابتدا بسازد. اگر برق چهل سال طول بکشد و کامپیوترها پانزده سال طول بکشد، هوش مصنوعی به احتمال زیاد نزدیک به پنج تا هشت سال است. سوال جالب این است که چه زمانی در آن پنجره ماشه شلیک می شود.

Breakaway بازگشتی است. این چیزی است که آن را متفاوت می کند.

هر فناوری هدف عمومی قبلی خطی بود. الکتریسیته هر فرآیند موجود را کمی کارآمدتر کرد، یک ماشین در یک زمان. رایانه‌ها هر محاسبات موجود را کمی سریع‌تر انجام می‌دهند، هر بار یک بخش. هوش مصنوعی در یک راه خاص متفاوت است. ترکیب می کند.

یک سیستم هوش مصنوعی که به مهندسان کمک می کند کد را سریعتر ارسال کنند، برای ساختن سیستم هوش مصنوعی بعدی استفاده می شود که به مهندسان کمک می کند کد را سریعتر ارسال کنند. یک عامل هوش مصنوعی که گردش کار فروش را اجرا می کند برای ساخت عامل هوش مصنوعی بعدی که گردش کار فروش بهتری را اجرا می کند استفاده می شود. ابزارهایی که ابزارها را می سازند، ابزار هستند. زمانی که یک سازمان از نقطه‌ای عبور می‌کند که محصول خود به صورت بازگشتی توسط محصول خود ساخته می‌شود، ریاضیات بهره‌وری مانند یک منحنی J به نظر نمی‌رسند و مانند یک چوب هاکی به نظر می‌رسند.

این نظری نیست. در حال حاضر دقیقا در یک شرکت در مقیاس واقعی اتفاق می افتد و ارزش مطالعه دقیق را دارد.

آنتروپیک به بریک وی ضربه زد. در یک طرف خانه.

در ماه مه 2026، آنتروپیک فاش کرد که بیش از 80 درصد از کدهای ادغام شده در پایگاه کد تولیدی آن توسط کلود نوشته شده است، در مقایسه با زمانی که Claude Code در فوریه 2025 راه اندازی شد تک رقمی بود. مهندسان این شرکت اکنون تقریبا 8 برابر بیشتر کد در هر سه ماهه را نسبت به سال 2024 ارسال می کنند. که حلقه بازگشتی سریعتر از آنچه خود شرکت انتظار داشت از داستان علمی تخیلی به واقعیت عملیاتی منتقل شده است. بوریس چرنی، سازنده کلود کد، علنا اعلام کرده است که پنج ماه است که خودش یک خط کد ننوشته است.

مایک کریگر، مدیر ارشد محصول Anthropic و مشاور در Collective[i]، آن را در یک خط خلاصه کرد. کلود اکنون در حال نوشتن کلود است. این لحظه جدایی در سمت محصول است. هوش مصنوعی در حال ساخت هوش مصنوعی است.

حالا به بقیه شرکت نگاه کنید.

پروفایل های وبلاگ مشتری خود Anthropic، Jared Sires، یک مدیر حساب کاربری استارت آپی که در سال 2024 بدون پیشینه کدنویسی به تیم فروش پیوست. کتاب او به 700 حساب افزایش یافت. روزهای او ده تا پانزده تماس مشتری داشت. شب های او تا نه یا ده شب ادامه داشت و از طریق ایمیل های ورودی کار می کرد. او یک اپلیکیشن جیمیل به نام CLAFTS، مخفف Claude Drafts، ساخت که از Claude API برای پیش نویس پاسخ ها در صدای خود استفاده می کند. دو تا سه ساعت در روز برای او صرفه جویی می کند. دیگران در سازمان فروش آن را در عرض بیست و چهار ساعت پس از به اشتراک گذاشتن او در Slack برداشتند.

این شرکتی است که کلود را حمل می کند. شرکتی که محصول خودش 80% از جنبه مهندسی بازگشتی است. نمایندگان فروش آن به صورت جداگانه در حال ساخت اسکریپت های شخصی جیمیل، در شب، در Google Apps Script هستند تا از صندوق ورودی که اولین نسخه هوش مصنوعی همان شرکت یک سال پیش آن را خودکار می کرد، جان سالم به در ببرد.

یک درس دوم در این وجود دارد. برای مردی که چکش دارد، دنیا مانند میخ است. آنتروپیک یکی از بهترین چکش های دنیا را دارد و اتفاقا آن را هم می سازند. دقیقا تله همینه تیم فروش آن در تلاش است تا با ابزاری که شرکت می‌فروشد، هر مشکلی را که پیش روی آنها است حل کند و آن ابزار یک مدل زبان است. مدل های زبان در تهیه پیش نویس متن فوق العاده هستند. آنها چیزی نیستند که برای قیمت گذاری 700 حساب در برابر یک کتاب از داده های خط لوله استفاده می کنید، و آن چیزی نیستند که برای مدل سازی کدام یک از آن حساب ها به احتمال زیاد در سه ماهه آینده بسته می شوند.

یک مدل متفاوت این کار را انجام می دهد. یک مدل اقتصادی از نحوه تجارت در جهان.

من این مورد را در چندین قطعه قبلی ساخته ام. در The Next Computer Is Alive، من استدلال کردم که تمام هوش مصنوعی دارای هوش محدودی است و اجرای یک مدل برای همه چیز معماری اشتباهی است. در The Intelligence Stack فهرست تجهیزات را ارائه کردم. معماری برنده مجموعه ای از هوش های باریک است که هر کدام در چه چیزی خوب هستند، هماهنگ شده از طریق مهاری که می داند کدام یک را در چه زمانی استفاده کند. طرف محصول آنتروپیک یک مغز دارد. این برای مهندسی کافی است، زیرا مهندسی تا حد زیادی یک مشکل تولید متن است.

بخش درآمد آنتروپیک به چندین مغز نیاز دارد و هنوز آنها را ندارد. به همین دلیل است که تیم فروش آن در Google Apps Script است.

منبع: موسسه Anthropic، "When AI Builds Itself"، ژوئن 2026، برای معیارهای سمت محصول. وبلاگ مشتری آنتروپیک، «چگونه یک فروشنده آنتروپیک جریان کار تیمش را با کلود کد بازسازی کرد،» 2026، برای داستان Jared Sires CLAFTS.

این شکاف همان چیزی است که یک شیب منحنی J از داخل یک شرکت واحد به نظر می رسد. سمت محصول قبلا شکسته شده است. سمت ورود به بازار آغاز نشده است. هر دو زیر یک سقف، در یک طرح سهام، با استفاده از یک محصول زندگی می کنند.

فهرست رو به رشدی از شرکت‌ها در حال حاضر همان بازگشت را در بخش درآمد انجام می‌دهند و فهرست به سرعت در حال رشد است. هر سه ماه، سازمان‌های بیشتری از آستانه یکسانی عبور می‌کنند و توجه را از آنچه که هوش مصنوعی می‌تواند در مهندسی انجام دهد به کارهایی که می‌تواند در هر عملکرد دیگری انجام دهد تغییر می‌دهد. شبکه Collective[i] در مرکز این تغییر قرار دارد و به تماشای آن می‌پردازد که در زمان واقعی در مجموعه‌ای از شرکت‌های مشارکت‌کننده در حال رشد اتفاق می‌افتد. جدایی دیگر محدود به مهندسی نیست. این در تیم های درآمد، تیم های مالی و گروه های عملیاتی در همان سازمان ها اتفاق می افتد.

هر کارکردی که بتوان کارش را به مدل مناسب کسب‌وکار زیربنایی‌اش اشاره کرد، به‌جای مدل زبانی همه‌منظوره، به همان روشی که مهندسی Anthropic یک سال پیش انجام داد، شروع به ترکیب می‌کند.

مشخصات درون آن تیم های درآمدی مهم است. سازمان‌های بزرگ B2B که امروز این الگو را اجرا می‌کنند، هر روز صبح با فهرست رتبه‌بندی حساب‌های برگرفته از یک مدل اقتصادی زنده از آنچه که خریداران در سراسر بازار انجام می‌دهند، باز می‌کنند. این سیگنال از میلیون‌ها سفر خرید که به صورت موازی مشاهده می‌شوند می‌آید. پیش‌بینی‌های آن‌ها برخلاف همان مدل است که با حرکت جهان به‌روزرسانی می‌شود. ورود آنها به AE جدید هفته ها طول می کشد تا سه ماه. هیچ‌کس در این سازمان‌ها شب‌ها اسکریپت‌های شخصی جیمیل نمی‌نویسد تا از صندوق ورودی خود جان سالم به در ببرد.

دلیل اینکه جنبه درآمدی بسیار متفاوت از آنچه کشتی های Anthropic در داخل به نظر می رسد، معماری است. یک مدل زبان بزرگتر نیست. یکی دیگر، نشسته در داخل پشته ای از هوش های باریک به هر قسمت از حرکت فروش اشاره می کند. مدل اقتصادی چیزی است که به مدل زبان می گوید که کدام یک از 700 حساب امروز ارزش نوشتن را دارد. بدون آن، مدل زبان راه بسیار گرانی برای نوشتن ایمیل های سریع تر به افراد اشتباه است.

هیچ کدام از اینها نقد آنتروپیک نیست. این دقیقا همان چیزی است که یک شرکت زودرس به نظر می رسد. آنچه برای تجارت مهم است این است که وقتی همان بازگشت از مهندسی خارج شود و به هر عملکرد دیگری منتقل شود، چه اتفاقی می افتد.

ماشه. آنچه در واقع منحنی را شلیک می کند.

محرک یک رویداد واحد نیست. این تغییر در هدف شرکت‌ها هوش مصنوعی است.

فاز یک، جبران عقب ماندگی است. فاز دو کاهش هزینه است. فاز سوم، مرحله‌ای که منحنی را ایجاد می‌کند، زمانی است که رهبران از پرسیدن «چگونه همان کار را ارزان‌تر انجام دهم» متوقف می‌شوند و شروع می‌کنند به این که «اگر بتوانم ده برابر بیشتر بسازم چه می‌سازم».

ده برابر مشتری بیشتر. ده برابر محصولات بیشتر. ده برابر بازار بیشتر. ده برابر آزمایش بیشتر. هنگامی که پاسخ به هر یک از این سؤالات دیگر «استخدام افراد بیشتری» را متوقف می‌کند و شروع می‌کند به «به کارگزاران بیشتری اشاره می‌کند»، رشد در خط اصلی است، نه در حاشیه. این لحظه ای است که تولید ناخالص داخلی اندازه گیری شده شروع به رسیدن به واقعیت می کند.

شماره MIT NANDA مشخص است. نود و پنج درصد صفر، پنج درصد تحول آفرین. این پنج درصد لبه برتر فاز سه است. چیزی که می‌خواهید پیگیری کنید این است که آیا پنج درصد به پانزده، سپس سی و سپس پنجاه افزایش می‌یابد. وقتی این کار انجام می شود، منحنی J می شکند.

مطالعه صادقانه من در مورد زمان بندی این است که پنج درصد تا پایان سال 2027 بیست درصد و تا پایان سال 2029 به پنجاه درصد خواهد رسید. این در هر افق فعلی صندوق است.

شکست حتی نخواهد بود

هنگامی که ماشه آتش می گیرد، شکست بهره وری به طور مساوی در سراسر جهان توزیع نمی شود. این محاسبات را دنبال خواهد کرد، و از جمعیت شناسی پیروی خواهد کرد.

آخرین قطعه از این مجموعه، تجارت تریلیون دلاری وال استریت نمی بیند، استدلال می کند که یک اختلال تایوان می تواند تقاضای محاسباتی جهانی را در ایالات متحده متمرکز کند، همانطور که صنعت مخابرات در ایالات متحده پس از جنگ جهانی دوم تثبیت شد. حتی بدون رویداد تایوان، ساخت محاسبات در حال حاضر در آنجا متمرکز شده است. ایالات متحده و چین دو اقتصادی هستند که در مقیاس مورد نیاز سرمایه گذاری کرده اند. همه دارند تماشا می کنند.