ایران برای عقبنماندن از رقابت هوش مصنوعی به سندی تازه یا مراسمی دیگر نیاز ندارد؛ مسئله اصلی، تبدیل این فناوری به بهرهوری واقعی در کارخانه، بانک، شرکت خدماتی و دستگاه عمومی است. برآوردهای تازه نشان میدهد میان هدفهای بزرگ کشور و سرمایه، زیرساخت و میزان پذیرش هوش مصنوعی در بنگاهها فاصلهای جدی وجود دارد. پرکردن این فاصله از مسیر ساخت یک مدل ملی پرهزینه نمیگذرد؛ باید دسترسی به اینترنت، توان پردازشی و داده را بهبود داد، تقاضای واقعی ساخت و موفقیت را با کاهش هزینه و افزایش کیفیت سنجید.
براساس گزارشی که پیوست از نشست کمیسیون تحول، نوآوری و بهرهوری اتاق بازرگانی تهران منتشر کرده، اندازه بازار هوش مصنوعی ایران در پایان سال ۱۴۰۳ حدود ۵.۵ هزار میلیارد تومان، معادل تقریبی ۹۰ میلیون دلار، برآورد شده است. در همان نشست، مجموع سرمایهگذاری ده سال گذشته در این حوزه ۸۲ میلیون دلار اعلام شد و گفته شد ۷۰ درصد کسبوکارهای بررسیشده کمتر از دو میلیارد تومان برای هوش مصنوعی هزینه کردهاند.
این اعداد آمار رسمی حسابهای ملی نیستند و باید آنها را برآورد کارشناسان بخش خصوصی دانست. بااینحال، تصویری که ارائه میکنند اهمیت دارد: ایران درباره هوش مصنوعی بلندپروازانه حرف میزند، اما در سطح بنگاه هنوز سرمایهگذاریها کوچک، پراکنده و عمدتاً آزمایشی است.
همین گزارش میگوید ایران در پذیرش هوش مصنوعی حدود هفت سال از میانگین جهانی عقب افتاده و ۸۲ درصد مشاغل این حوزه در تهران متمرکز شده است. بر پایه دادههای استخراجشده از لینکدین نیز حدود ۱۴ هزار نیروی دارای مهارتهای مرتبط با هوش مصنوعی در ایران شناسایی شدهاند. در عین حال، برآورد ارائهشده از مهاجرت هزار و ۲۶۰ متخصص در یک سال و بازگشت تنها ۳۰ تا ۵۰ نفر حکایت دارد. این ارقام نیز دادههای ثبتی رسمی نیستند، اما جهت حرکت را نشان میدهند: ظرفیت انسانی وجود دارد، ولی اقتصاد ایران در نگهداشت و بهکارگیری آن مشکل دارد.
مسئله کمبود دانش نیست؛ ضعف در تبدیل دانش به ارزش است
ایران در تولید مقاله و تربیت نیروی فنی کاملاً بیبهره نیست. دانشگاهها، شرکتهای نرمافزاری و تیمهای فنی متعددی در کشور وجود دارند که میتوانند مدلها و ابزارهای هوشمند را توسعه دهند یا بهکار بگیرند. گره اصلی میان این توان علمی و مسئله واقعی بنگاه شکل گرفته است.
بسیاری از پروژهها با پرسش اشتباه آغاز میشوند: «چگونه در سازمان خود از هوش مصنوعی استفاده کنیم؟» پرسش درست این است: «کدام هزینه، اتلاف، تأخیر، خطا یا نارضایتی مشتری را میتوانیم با کمک داده و هوش مصنوعی کاهش دهیم؟»
تفاوت این دو پرسش اساسی است. پرسش اول معمولاً به خرید نرمافزار، راهاندازی چتبات، برگزاری دوره آموزشی یا تشکیل کمیته منتهی میشود. پرسش دوم مدیر را وادار میکند ابتدا مسئله، خط مبنا و نتیجه مورد انتظار را مشخص کند.
اگر کارخانهای نتواند نشان دهد توقف خط تولید پیش از اجرای یک راهکار هوشمند چند ساعت بوده و پس از آن چقدر کاهش یافته، پروژه هنوز یک نمایش فناوری است. اگر بانک نتواند اثر سامانه هوشمند را بر زمان اعتبارسنجی، کشف تقلب یا کاهش مطالبات معوق اندازه بگیرد، موفقیت پروژه اثبات نشده است. اگر دستگاه دولتی فقط تعداد مراجعات به یک دستیار هوشمند را گزارش کند، اما زمان دریافت خدمت و رضایت مردم تغییر نکرده باشد، فناوری ارزش عمومی ایجاد نکرده است.
بنابراین عقبماندگی ایران را نباید فقط با تعداد پردازندهها یا میزان سرمایهگذاری توضیح داد. مسئله عمیقتر، ضعف سازوکار تبدیل فناوری به بهرهوری قابلاندازهگیری است.
اینترنت نامطمئن، زیرساخت هوش مصنوعی نیست
یکی از موانع اصلی این تبدیل، کیفیت ارتباطات است. معاون سیاستگذاری و برنامهریزی توسعه فاوا پیشتر تصریح کرده بود که بدون ارتباطات پایدار، توسعه ظرفیت پردازشی و بهرهگیری گسترده از هوش مصنوعی ممکن نیست. این گزاره برای فعالان اقتصاد دیجیتال توضیح یک امر بدیهی است، اما در سیاستگذاری هنوز با آن مانند موضوعی فرعی برخورد میشود.
سامانههای هوش مصنوعی جدید معمولاً یک نرمافزار مستقل و بسته نیستند. آنها به خدمات ابری، مدلهای پایه، بهروزرسانیهای امنیتی، منابع داده و ابزارهای توسعه بینالمللی متصلاند. اختلال، کندی، فیلترینگ و محدودیت سرویسهای خارجی، فقط تجربه کاربر را نامطلوب نمیکند؛ معماری محصول را تغییر میدهد، هزینه توسعه را بالا میبرد و قابلیت اطمینان کسبوکار را کاهش میدهد.
رونمایی اخیر از دستیار هوشمند «عیار» نمونه روشنی از این وضعیت است. براساس گزارش پیوست، این محصول برای ارزیابی استارتاپها و سنجش آمادگی آنها برای جذب سرمایه طراحی شده و از ترکیبی از مدلهای داخلی و خارجی استفاده میکند.
مدیران سازنده گفتهاند بخش عمده نیازهای معمول با مدلهای داخلی پاسخ داده میشود، اما تحلیل عمیق و جستوجوی اطلاعات رقبا همچنان به اینترنت و ChatGPT وابسته است. درصد عملکرد اعلامشده از سوی شرکت هنوز ارزیابی مستقل نشده، اما معماری محصول یک واقعیت مهم را آشکار میکند: «بومیبودن» در هوش مصنوعی صفر و یک نیست.
یک محصول ایرانی ممکن است داده، منطق کسبوکار، رابط کاربری و بخشی از مدلهایش را در داخل توسعه دهد، اما برای برخی قابلیتها به مدلها و زیرساختهای جهانی وابسته بماند. این وابستگی لزوماً نشانه ضعف نیست؛ در اقتصاد فناوری، تقریباً همه محصولات از زنجیرهای جهانی استفاده میکنند. ضعف زمانی آغاز میشود که سیاستگذار، وابستگی را انکار کند و مدیر بنگاه برای قطعی یا محدودشدن دسترسی، برنامه جایگزین نداشته باشد.
هدف واقعبینانه نباید «استقلال کامل از جهان» باشد؛ باید «تابآوری در عین اتصال» باشد. یعنی محصول ایرانی بتواند در شرایط اختلال، خدمت پایه خود را ادامه دهد، اما برای حفظ کیفیت و رقابتپذیری نیز به دانش و ابزارهای روز جهان دسترسی داشته باشد.
پراکندگی منابع، مشکل را دوچندان میکند
در نشست اتاق تهران گفته شد ایران فاقد کلاستر یکپارچه پردازندههای گرافیکی است و توان پردازشی میان سازمانها پراکنده شده است. برآورد ارائهشده، توان تجمیعشده کشور را معادل ۱۷۲ پردازنده و توان عربستان را بیش از ۸۴۰۰ پردازنده دانسته است. این مقایسه، بهدلیل تفاوت نوع پردازنده، نسل تجهیزات و شیوه محاسبه، باید با احتیاط خوانده شود؛ اما اصل مسئله معتبر است: توان پردازشی محدود ایران بهصورت جزیرهای نگهداری میشود و دسترسی شفاف و رقابتی به آن وجود ندارد.
در چنین شرایطی، دانشگاه یک مرکز پردازشی کوچک میسازد، دستگاه دولتی زیرساخت جداگانهای سفارش میدهد و شرکت خصوصی نیز ناچار است با هزینه بالا تجهیزات خود را تأمین کند. هر مجموعه بخشی از ظرفیت را بدون استفاده نگه میدارد، اما استارتاپی که به چند هفته توان پردازشی نیاز دارد، بازار روشنی برای خرید آن پیدا نمیکند.
همین منطق درباره داده نیز صادق است. دستگاههای عمومی حجم بزرگی از دادههای حملونقل، سلامت، صنعت، تجارت و خدمات را در اختیار دارند، اما نبود استاندارد، نگرانیهای حقوقی و ترجیح سازمانها به حفظ انحصار اطلاعات، دسترسی به داده را دشوار کرده است. در طرف مقابل، انتشار بیقاعده داده نیز میتواند حریم خصوصی و امنیت شهروندان را به خطر بیندازد.
راهحل، انتخاب میان «حبس داده» و «انتشار بیمحابا» نیست. ایران به سازوکارهای امن اشتراک داده، محیطهای کنترلشده آزمایش، حذف مشخصات هویتی و قراردادهای روشن مسئولیت نیاز دارد.
ساخت مدل ملی یا حل مسئله ملی؟
یکی از وسوسههای سیاستگذاری در کشورهای در حال توسعه، تلاش برای تقلید مستقیم از بزرگترین بازیگران جهان است. اگر شرکتهای آمریکایی و چینی میلیاردها دلار برای ساخت مدلهای پایه هزینه میکنند، چنین نتیجه گرفته میشود که ایران نیز باید مالک مدلی هماندازه آنها باشد.
اما منابع محدود، انتخاب را ضروری میکند. ایران باید در حوزههایی که زبان فارسی، داده محلی، امنیت یا نیاز تخصصی مزیت ایجاد میکند، توان بومی داشته باشد؛ از پردازش اسناد حقوقی و پزشکی فارسی گرفته تا کشاورزی، انرژی، خدمات عمومی و تحلیل دادههای صنعتی. این هدف با تلاش برای ساخت همزمان نسخه داخلی همه محصولات جهانی تفاوت دارد.
بانک جهانی در گزارشی درباره آثار هوش مصنوعی در اقتصادهای در حال توسعه تأکید کرده است که این فناوری در این کشورها، دستکم در کوتاهمدت، بیشتر میتواند مکمل نیروی انسانی و جبرانکننده کمبود مهارت باشد تا جایگزین گسترده مشاغل. برای ایران نیز فرصت اصلی احتمالاً در همین نقطه قرار دارد: کمک به پزشک برای تشخیص سریعتر، کاهش خرابی تجهیزات صنعتی، بهینهسازی مصرف انرژی، افزایش دقت اعتبارسنجی و کمکردن زمان ارائه خدمات عمومی.
مسابقه اصلی ایران نباید بر سر تعداد پارامترهای مدل باشد؛ باید بر سر تعداد مسائلی باشد که واقعاً بهتر حل شدهاند.
هر بازیگر چه کاری باید انجام دهد؟
در کوتاهمدت، مدیران بنگاهها باید از پروژههای بزرگ و مبهم فاصله بگیرند و برای هر کاربرد هوش مصنوعی یک پرونده اقتصادی تهیه کنند. این پرونده باید مسئله، داده مورد نیاز، وضعیت پیش از اجرا، هزینه کل، ریسک و شاخص نتیجه را مشخص کند. انتخاب سه تا پنج فرایند پرتکرار و پرهزینه برای آزمایش، معمولاً از تأسیس یک واحد بزرگ هوش مصنوعی مؤثرتر است.
هیئتمدیرهها نیز باید سه پرسش ساده مطرح کنند: این پروژه کدام شاخص عملیاتی را تغییر میدهد؟ اگر دسترسی به سرویس خارجی مختل شود چه اتفاقی میافتد؟ مسئول صحت خروجی و حفاظت از داده چه کسی است؟ پاسخندادن به این پرسشها نشانه ناآمادگی مدیریتی است، حتی اگر فناوری مورد استفاده پیشرفته باشد.
وزارت ارتباطات و نهادهای تصمیمگیر در حوزه اینترنت، در همین افق کوتاهمدت باید کیفیت ارتباطات مورد نیاز کسبوکارها را با شاخصهای قابلسنجش و عمومی تضمین کنند. میزان قطعی، تأخیر، ازدسترفتن بستهها و دسترسی پایدار به ابزارهای حرفهای باید اندازهگیری و منتشر شود. هوش مصنوعی را نمیتوان از اقتصاد اینترنت جدا کرد و همزمان انتظار رشد آن را داشت.
در میانمدت، معاونت علمی ریاستجمهوری، وزارت ارتباطات و بخش خصوصی باید یک بازار شفاف توان پردازشی ایجاد کنند. ظرفیتهای دانشگاهی، دولتی و خصوصی میتواند با تعرفه و سطح خدمت مشخص در اختیار شرکتها و پژوهشگران قرار گیرد. حمایت عمومی بهتر است بهجای خرید تجهیزات پراکنده، به اعتبار پردازشی رقابتی برای پروژههایی اختصاص یابد که مسئله و مشتری واقعی دارند.
وزارتخانههای اقتصادی و صنعتی نیز باید «کوپن مشاوره و اجرای هوش مصنوعی» برای بنگاههای کوچک و متوسط طراحی کنند؛ حمایتی محدود، رقابتی و مشروط به نتیجه. دولت نباید هزینه یک پروژه نمایشی را بپردازد، بلکه میتواند بخشی از هزینه اجرای راهکاری را تقبل کند که کاهش مصرف انرژی، ضایعات، زمان تعمیر یا هزینه اداری آن مستقلانه اندازهگیری شده باشد.
در زمینه داده، مرکز ملی فضای مجازی، وزارت ارتباطات و دستگاههای دارنده داده باید چارچوبی عملی برای ایجاد «اتاقهای امن داده» تدوین کنند. در این محیطها شرکتها بتوانند بدون دریافت نسخه خام اطلاعات شخصی، الگوریتم خود را روی دادههای معتبر آزمایش کنند. متولی هر مجموعه داده، شرایط دسترسی، کیفیت، محدودیت استفاده و مسئولیت ناشی از خطا را از پیش اعلام کند.
در بلندمدت، دولت باید معیار ارزیابی سیاست هوش مصنوعی را تغییر دهد. تعداد مقالات، سامانهها، شرکتهای ثبتشده، تفاهمنامهها و پردازندههای خریداریشده، شاخص فعالیتاند؛ نه الزاماً شاخص موفقیت. شاخصهای اصلی باید رشد بهرهوری، صرفهجویی انرژی، کاهش ضایعات، کاهش زمان خدمت، افزایش صادرات و بهبود کیفیت تصمیمگیری باشند.
سازمان ملی بهرهوری میتواند با همکاری مرکز آمار، اتاقهای بازرگانی و تشکلهای تخصصی، گزارش سالانه «اثر اقتصادی هوش مصنوعی در ایران» را منتشر کند. این گزارش باید مشخص کند چه تعداد بنگاه از مرحله آزمایش عبور کردهاند، چه تغییری در عملکردشان رخ داده و چه میزان از سرمایه عمومی به نتیجه قابلاندازهگیری رسیده است.
دانشگاهها نیز باید مسیر آموزش را از تربیت صرف متخصص مدل به تربیت نیروهای میانرشتهای توسعه دهند؛ افرادی که هم فناوری را بفهمند و هم مسئله صنعت، سلامت، مالی یا مدیریت عمومی را. کمبود اصلی بسیاری از سازمانها برنامهنویس بیشتر نیست؛ مدیر محصول، متخصص داده و مدیری است که بتواند فناوری را به مسئله اقتصادی متصل کند.
از رؤیای رتبه جهانی تا انضباط حل مسئله
ایران نمیتواند در رقابت هوش مصنوعی غایب بماند، اما حضور مؤثر با تکرار واژههای بزرگ به دست نمیآید. کشوری که اینترنت نامطمئن، توان پردازشی پراکنده، دسترسی دشوار به داده و بازار سرمایه محدود دارد، باید بیش از دیگران در تخصیص منابع منضبط باشد.
مطالبه درست از دولت، ساخت همهچیز در داخل نیست؛ ایجاد زیرساخت قابلاعتماد، رقابت منصفانه، دسترسی امن به داده و سنجش شفاف نتایج است. مطالبه درست از دانشگاه، افزایش صرف تعداد مقاله نیست؛ ساختن پل میان دانش و مسئله کشور است. وظیفه مدیر بنگاه نیز خریدن برچسب هوش مصنوعی نیست؛ انتخاب مسئلهای واقعی و پذیرفتن مسئولیت نتیجه است.
هوش مصنوعی زمانی برای ایران معنا پیدا میکند که کارخانه با همان منابع محصول بیشتری تولید کند، شبکه انرژی اتلاف کمتری داشته باشد، پزشک تصمیم دقیقتری بگیرد، کارمند دولت خدمت سریعتری ارائه کند و شرکت ایرانی بتواند در بازار رقابت کند. تا پیش از آن، تعداد همایشها، اسناد و رونماییها هرقدر هم زیاد باشد، فاصله میان امید فناورانه و واقعیت اقتصادی را پُر نخواهد کرد.
