پارادوکس در هسته انقلاب هوش مصنوعی: هر چه سریعتر نوآوری کنیم، کندتر رشد می کنیم

برای شنیدن این موضوع در دره سیلیکون، هوش مصنوعی دوران جدیدی از فراوانی را آغاز خواهد کرد. اما از مدیران ارشد مالی بزرگ‌ترین شرکت‌های جهان بپرسید که چگونه هوش مصنوعی درآمدشان را تغییر می‌دهد و طبق نظرسنجی وضعیت هوش مصنوعی مک‌کینزی در سال 2026، پاسخ 88 درصد آنها این است: "نه چندان".

ما قبلا اینجا بوده ایم. زمانی که آیفون در سال 2007 عرضه شد، کارشناسان پیش‌بینی کردند که همه چیز ابتدا از طریق موبایل تغییر کند. زمانی که پهنای باند به بازار انبوه عرضه شد، Businessweek یک «اقتصاد جدید» را نوید داد. هنگامی که رایانه شخصی همه میزها را مستعمره کرد، رابرت سولو به طعنه گفت که شما می توانید عصر رایانه را در همه جا ببینید مگر در آمار بهره وری. در طی پنج دهه، امواج نوآوری دیجیتال، پذیرش چشمگیر مصرف‌کننده را به همراه داشته است و در عین حال رشد بهره‌وری به طور مداوم رو به کاهش است.

من این را پارادوکس نوآوری می نامم: هر چه سریعتر نوآوری کنیم، کندتر رشد می کنیم.

دو K شکل، یک مشکل

انتشار فناوری در عصر دیجیتال از آنچه من الگوی K شکل دوگانه می نامم پیروی می کند. اولین شکل K بین مصرف کنندگان و شرکت ها است. استفاده از تلفن های هوشمند طی هفت سال به 80 درصد آمریکایی ها رسید. سیستم های برنامه ریزی منابع سازمانی 33 سال طول کشید تا به 57 درصد از شرکت های ایالات متحده برسد. به سختی سه سال پس از راه اندازی ChatGPT، استفاده از هوش مصنوعی مصرف کننده به 53 درصد از بزرگسالان ایالات متحده افزایش یافته است. هوش مصنوعی سازمانی در استقرار مولد تنها 10 درصد است.

دومین K شکل در فضای سازمانی است. نظرسنجی McKinsey در سال 2026 نشان داد که 88٪ از سازمان ها حداقل در یک کار از هوش مصنوعی استفاده می کنند، اما تنها 6٪ واجد شرایط به عنوان "با عملکرد بالا" هستند که به بیش از 5٪ تأثیر EBIT دست می یابند - بدون تغییر نسبت به سال 2025. این شکاف 82 امتیازی یک کسری فناوری نیست. این یک کسری تحول سازمانی است. 6 درصدی که موفق می شوند، سه برابر بیشتر احتمال دارد که جریان کار را از نو طراحی کنند. تنها 21 درصد از تمام پذیرندگان این کار را انجام داده اند. بازار سهام بازتاب این واگرایی است: 36 شرکت S&P 500 AI اکنون 45 درصد از ارزش بازار شاخص را تشکیل می دهند.

در طی سه سال، سرفصل S&P 500 76% بازده داشت. سهام هوش مصنوعی را حذف کنید و این رقم به 32 درصد کاهش می یابد.

چه برقی درست شد

برق رسانی و ارتباطات راه دور در اوایل قرن بیستم با سرعتی مشابه و مهمتر از آن عمق مشابهی به مصرف کنندگان و شرکت ها رسید. موتورهای الکتریکی کارخانه ها را مجبور کردند که طرح های سفت و سخت را برای تولید انعطاف پذیر و جریان پیوسته کنار بگذارند. تلفن ها هزینه های هماهنگی را کاهش داد. بازطراحی‌های سازمانی به دنبال داشت: ساختار چندبخشی اسلون در جنرال موتورز، مدیریت علمی تیلور. انتشار هم عمیق بود و هم نحوه عملکرد شرکت‌ها را تغییر می‌داد و هم گسترده بود و در بخش‌های صنعتی به‌طور عمودی به هم پیوسته بود.

فن‌آوری‌های دیجیتال در اقتصاد کاملا متفاوتی پراکنده شدند. خدمات اکنون بر تولید ناخالص داخلی غالب است. یک بیمارستان یا سازمان دولتی فاقد پیوندهای زنجیره تامین یک تولید کننده فولاد است. ویلیام بامول، اقتصاددان، این محدودیت را شناسایی کرد: بخش‌های خدمات «راکد» در برابر بهبود بهره‌وری مقاومت می‌کنند، زیرا به تعامل انسانی وابسته هستند. این بخش‌های باومول - مراقبت‌های بهداشتی، آموزش، مدیریت عمومی، ساخت‌وساز - تقریبا 50 درصد از تولید ناخالص داخلی اقتصاد پیشرفته را تشکیل می‌دهند و سرسختانه در برابر تحولات فناوری مقاوم هستند.

تله بالای سر

چرا پذیرش سازمانی متوقف می شود؟ نه به دلیل کمبود فناوری، بلکه به دلیل پیچیدگی سازمانی انباشته شده. من یک معیار بین کشوری ایجاد کرده ام، نسبت سربار ترکیبی، که مخارج دولت را در بر می گیرد. هزینه های فروش، عمومی و اداری شرکت (SG&A)؛ و هزینه های انطباق با مقررات. در ایالات متحده، این نسبت در حدود سال 2000 از آستانه 47 درصد تولید ناخالص داخلی عبور کرد. بالاتر از این آستانه، رشد تولید ناخالص داخلی به طور پایدار از 2.5 درصد تجاوز نکرده است - تقریبا نیمی از نرخی که در دهه 1960 زمانی که سربارها زیر 35 درصد باقی ماندند. هزینه های دولت به 36 درصد تولید ناخالص داخلی افزایش یافته است.

SG&A شرکت از دهه 1980 دو برابر شده است. موسسه Competitive Enterprise تخمین می زند که شرکت های آمریکایی سالانه بیش از 2 تریلیون دلار صرفا صرف رعایت این قوانین می کنند.

تحلیل درون‌بخشی من از شرکت‌های S&P 500 (1985-2025) نشان می‌دهد که 73 درصد از مشاهدات دهه‌های بخش در «تله سربار» قرار می‌گیرند: SG&A افزایش می‌یابد در حالی که رشد درآمد کاهش می‌یابد. همانطور که جک دورسی از بلاک استدلال می کند، سلسله مراتب شرکتی یک پروتکل منسوخ مسیریابی اطلاعات است. اکثر شرکت‌هایی که امروزه از هوش مصنوعی استفاده می‌کنند، موتور سریع‌تری را در یک کالسکه اسبی قرار می‌دهند.

هوش مصنوعی متفاوت است - اما موانع اینطور نیستند

هوش مصنوعی با امواج دیجیتال قبلی کاملا متفاوت است. فناوری های قبلی پردازش، انتقال یا نمایش اطلاعات را آسان تر می کردند. هوش مصنوعی استدلال می کند، تصمیم می گیرد و ایجاد می کند. این مهم است زیرا بخش های Baumol از نظر اطلاعات کمیاب نیستند. آنها قضاوت فشرده هستند و نیاز به تشخیص، ارزیابی و شخصی سازی دارند، دقیقا قابلیت هایی که هوش مصنوعی می تواند افزایش دهد.

با این حال، موانع انتشار باقی مانده است. بیش از 40 سال تجربه من به عنوان یک مدیر اجرایی شرکت و شریک سهام خصوصی یک الگوی تکرارشونده را تأیید می کند. در یکی از شرکت‌های مصرف‌کننده، دیجیتالی‌سازی رشد چشم‌گیری در کانال آنلاین ایجاد کرد، اما نتوانست در تجارت آفلاین بسیار بزرگ‌تر شرکت گسترش یابد، زیرا توزیع‌کنندگان مستقل از واگذاری داده‌های مشتری به یک پلتفرم یکپارچه خودداری کردند.

در مراقبت های بهداشتی، معرفی ابزارهای دیجیتال به پزشکان ساده است. ایجاد دیجیتالی‌سازی سرتاسر برای بهبود گردش‌های کاری بالینی، پیچیده است، در حاکمیت داده‌ها، انطباق، و قدرت نامتقارن متخصصان پزشکی بر مدیریت پیچیده است.

این موارد استثنایی نیستند. در عوض، آنها نماینده بسیاری از مشاغلی هستند که من شخصا در آنها مشارکت داشتم. نظرسنجی هوش مصنوعی Writer در سال 2026، که با Workplace Intelligence در بین 2400 رهبر جهانی انجام شد، این الگو را در مقیاس تأیید می‌کند: 79٪ از سازمان‌ها چالش‌هایی را در پذیرش هوش مصنوعی گزارش می‌کنند - افزایشی دو رقمی نسبت به سال 2025 - و 54٪ از مدیران C-suite اعتراف می‌کنند که پذیرش هوش مصنوعی شرکت آنها را از بین می‌برد.

عمق و وسعت، نه سرعت

درس 50 سال نوآوری دیجیتال این است که سرعت پذیرش بسیار کمتر از عمق و وسعت آن اهمیت دارد. پذیرش ChatGPT از سوی مصرف کنندگان سریع ترین فناوری مصرف کننده در تاریخ ثبت شده بود. هیچ سوزن اقتصاد کلان را جابجا نکرده است. آنچه اهمیت دارد این است که آیا هوش مصنوعی به عملیات اصلی نفوذ می کند و جریان کار (عمق) را دوباره طراحی می کند، و اینکه آیا این تحول فراتر از شرکت های فوق ستاره به بخش های وسیعی که بر اشتغال و تولید ناخالص داخلی (گستره) تسلط دارند گسترش می یابد.

شواهد تاریخی از برق‌رسانی به امواج دیجیتال از یک جدول زمانی طولانی پذیرش پشتیبانی می‌کند - معمولا بیش از ده سال، اغلب دهه‌ها. به عنوان یک فناوری، هوش مصنوعی سریعتر از هر نسل قبلی پیشرفت می کند. اما طراحی مجدد سازمانی مورد نیاز برای جذب آن با سرعت نهادهای انسانی پیش می رود: به آرامی، دردناک و در برابر مقاومت شدید. پارادوکس نوآوری نه به این دلیل که فناوری پیشرفت نمی کند، بلکه به این دلیل که مؤسسات در انطباق با آن ناتوان هستند ادامه دارد. جامعه تنها زمانی تاثیر واقعی را خواهد دید که هوش مصنوعی عمیقا در شرکت ها و به طور گسترده در بخش های بزرگ اقتصادی به کار گرفته شود.

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