هوش مصنوعی، هوش مصنوعی را می‌بلعد

یک عدد هست که باید وسط اسکرول کردن متوقفتان کند. در سال ۲۰۲۵، صندوق‌های سرمایه‌گذاری خطرپذیر ۲۵۸٫۷ میلیارد دلار در شرکت‌های هوش مصنوعی سرمایه‌گذاری کردند، طبق گزارش OECD. این رقم ۶۱ درصد کل سرمایه‌گذاری خطرپذیر جهان را تشکیل می‌داد. اما کل هزینه‌ای که شرکت‌ها واقعاً صرف محصولات هوش مصنوعی مولد کردند؟ حدود ۳۷ میلیارد دلار، طبق Menlo Ventures. یعنی در ازای هر دلار درآمد این شرکت‌ها، سرمایه‌گذاران تقریباً هفت دلار شرط بسته بودند. یک جای کار می‌لنگد.

و حالا نکته‌ای که هیچ‌کس انتظارش را نداشت. در حالی که تیترها از اخراج‌های گسترده و جایگزینی انسان با ربات فریاد می‌زنند، مجمع جهانی اقتصاد پیش‌بینی می‌کند که تا سال ۲۰۳۰، هوش مصنوعی و فناوری‌های مرتبط ۷۸ میلیون شغل خالص جدید در سراسر جهان ایجاد خواهند کرد. آلمان در حال حاضر ۱۰۹ هزار موقعیت شغلی بدون متقاضی دارد، طبق Bitkom. هند با کمبود صدها هزار متخصص هوش مصنوعی مواجه است، طبق گزارش مشترک Deloitte و NASSCOM.

اما اگر هوش مصنوعی هم‌زمان هم شغل می‌سازد و هم سرمایه رکوردشکن جذب می‌کند، چرا باهوش‌ترین پژوهشگران این حوزه نگران شده‌اند؟ چون هوش مصنوعی مشکلی پیدا کرده که شبیه داستان‌های علمی‌تخیلی به نظر می‌رسد ولی در سال ۲۰۲۴ در مجله Nature مستند شد. دارد خودش را می‌بلعد. و این همه معادلات را عوض می‌کند.

شغل‌هایی که قرار بود ناپدید شوند

در نوامبر ۲۰۱۶، جفری هینتون جلوی حضار Creative Destruction Lab در تورنتو ایستاد و پیش‌بینی‌ای کرد که مشهور شد. گفت باید آموزش رادیولوژیست‌ها را متوقف کنیم چون یادگیری عمیق ظرف پنج سال از آن‌ها جلو می‌زند. آن پیش‌بینی خوب پیر نشد. بخش رادیولوژی کلینیک Mayo از آن زمان ۵۵ درصد رشد کرده و به بیش از ۴۰۰ پزشک رسیده، همان‌طور که رئیس بخش رادیولوژی آن‌ها به نیویورک تایمز تأیید کرد. در سال ۲۰۲۵، خود هینتون اعتراف کرد که در مورد زمان‌بندی اشتباه کرده بود.

این یک حدس بد نیست. یک الگوی تکرارشونده است. سم آلتمن در پست وبلاگی Reflections خود در ژانویه ۲۰۲۵ نوشت که عوامل هوش مصنوعی ممکن است خروجی شرکت‌ها را آن سال به‌طور اساسی تغییر دهند. تا دسامبر، تحلیلگران گفتند این اتفاق در مقیاس بزرگ نیفتاده. مصطفی سلیمان در ژوئن ۲۰۲۳ در X نوشت که توهمات مدل‌های زبانی بزرگ تا ۲۰۲۵ عمدتاً حل خواهند شد. هنوز مشکل بزرگ حل‌نشده‌ای هستند. و آن ادعای پرتکرار که هوش مصنوعی تا ۲۰۲۵ هشتاد درصد توسعه‌دهندگان نرم‌افزار را جایگزین می‌کند؟ در واقع تحریف یک پیش‌بینی Gartner درباره نیاز به ارتقای مهارت بود، نه جایگزینی. اداره آمار کار آمریکا ۱۵ درصد رشد در مشاغل توسعه نرم‌افزار تا ۲۰۳۴ پیش‌بینی می‌کند. خیلی سریع‌تر از میانگین.

داده‌های واقعی تصویری کاملاً متفاوت از تیترهای ترسناک ترسیم می‌کنند. بارومتر جهانی اشتغال و هوش مصنوعی ۲۰۲۵  PwC نزدیک به یک میلیارد آگهی شغلی در شش قاره را بررسی کرد و دریافت مشاغلی که بیشتر در معرض هوش مصنوعی هستند بین ۲۰۱۹ و ۲۰۲۴ به میزان ۳۸ درصد رشد کرده‌اند. داده‌های Economic Graph لینکدین، ارائه‌شده در داووس ۲۰۲۶، نشان می‌دهد هوش مصنوعی در فقط دو سال حدود ۱٫۳ میلیون نقش جدید در سراسر جهان ایجاد کرده. و بنیاد فناوری اطلاعات و نوآوری محاسبه کرد که در سال ۲۰۲۴، هوش مصنوعی حدود ۱۱۹,۹۰۰ شغل مستقیم در آمریکا ایجاد و فقط ۱۲,۷۰۰ شغل را جابه‌جا کرده. نسبتی نزدیک به ده به یک.

مشاغل جدیدی که هیچ‌کس پیش‌بینی نکرده بود

هوش مصنوعی صرفاً مشاغل موجود را حفظ نکرد. مشاغل کاملاً جدیدی اختراع کرد. عنوان شغلی «مهندس پرامپت» پنج سال پیش وجود نداشت. همین‌طور مسئول اخلاق هوش مصنوعی، مهندس MLOps، تیمر قرمز هوش مصنوعی، متخصص فاین‌تیونینگ LLM و مدیر ارشد هوش مصنوعی. این‌ها نقش‌های واقعی در شرکت‌های واقعی با حقوق واقعی هستند. طبق داده‌های Glassdoor، جبران خدمات کل میانه یک مهندس پرامپت حدود ۱۲۶ هزار دلار است. در گوگل، این عدد به حدود ۲۴۵ هزار می‌رسد.

حق‌الزحمه اضافی داستان روشن‌تری تعریف می‌کند. بارومتر PwC نشان داد مشاغلی که مهارت‌های هوش مصنوعی می‌خواهند ۵۶ درصد حق‌الزحمه بیشتر نسبت به موقعیت‌های مشابه بدون این مهارت‌ها پرداخت می‌کنند. این رقم از ۲۵ درصد سال قبل بالا آمده. شاخص روند کار ۲۰۲۴ مایکروسافت و لینکدین گزارش داد اعضایی که مهارت‌های هوش مصنوعی به پروفایلشان اضافه کردند بین اواخر ۲۰۲۳ و اوایل ۲۰۲۴ به میزان ۱۴۲ برابر افزایش یافته‌اند. نه ۱۴۲ درصد. ۱۴۲ برابر.

اما در حالی که این مشاغل جدید در حاشیه‌های بازار کار تکثیر می‌شوند، چیز دیگری در مرکز دنیای شرکتی دارد اتفاق می‌افتد. و مستقیماً به این مربوط می‌شود که چرا هوش مصنوعی ممکن است در حال بلعیدن بنیان‌های خودش باشد.

ناپدید شدن لایه میانی

چیز عجیبی در دنیای کسب‌وکار شکل می‌گیرد. شرکت‌های بزرگ لاغرتر می‌شوند. استارتاپ‌های کوچک هوش مصنوعی به ارزش‌گذاری‌های خارق‌العاده می‌رسند. و لایه بینشان با سرعت نازک‌تر می‌شود.

دو سر طیف را در نظر بگیرید. Safe Superintelligence، استارتاپی با حدود ۲۰ کارمند و صفر درآمد، به ارزش‌گذاری ۳۲ میلیارد دلار رسید. Cursor، ابزار برنامه‌نویسی مبتنی بر هوش مصنوعی، با تیمی کوچک به ۵۰۰ میلیون دلار  درآمد سالانه تکرارشونده دست یافت. Mistral AI در فرانسه در مراحل اولیه‌اش با فقط ۵۵ نفر به ارزش‌گذاری ۶٫۲ میلیارد دلار رسید. Gumloop با فقط دو بنیان‌گذار تمام‌وقت ۱۷ میلیون دلار جذب سرمایه کرد.

در همین حال، اینتل در حال کاهش نیروی کار از ۱۲۵ هزار به هدف ۷۵ هزار کارمند است. نیروی انسانی Dell در یک سال مالی از ۱۳۳ هزار به ۱۲۰ هزار افت کرد، طبق اسناد SEC. مایکروسافت در ۲۰۲۵ بیش از ۱۵ هزار نفر را اخراج کرد و هم‌زمان درآمد فصلی رکورد ۷۰٫۱ میلیارد دلار ثبت کرد. Fortune گزارش داد اخراج‌های ۲۰۲۵ بیشتر مدیران میانی را هدف گرفته و از عبارت «استراتژی توخالی‌سازی» استفاده کرد. داده‌های Korn Ferry نشان داد تعداد مدیران بین مه ۲۰۲۲ و مه ۲۰۲۵ به میزان ۶٫۱ درصد کاهش یافته.

در آلمان، مؤسسه AppliedAI تا سال ۲۰۲۵ تعداد ۹۳۵ استارتاپ هوش مصنوعی را ثبت کرد، ۳۶ درصد بیشتر از سال قبل. فقط تا ژوئیه ۲۰۲۵ بیش از دو میلیارد یورو در استارتاپ‌های آلمانی هوش مصنوعی سرمایه‌گذاری شده بود. اما نکته حیاتی اینجاست. یک تحلیل PitchBook نشان داد که بدون معاملات هوش مصنوعی، ارزش معاملات سرمایه‌گذاری خطرپذیر اروپا در واقع از ۴۵٫۳ به ۴۲٫۷ میلیارد یورو افت کرده. هوش مصنوعی دیگر فقط یک بخش نیست. دارد تبدیل به تنها بخشی می‌شود که پول جدی جذب می‌کند.

سم آلتمن ظهور شرکت‌های ده‌نفره میلیارد دلاری را پیش‌بینی کرده. داریو آمودئی، مدیرعامل Anthropic، در مه ۲۰۲۵ جلوی مخاطبان یک کنفرانس گفت شرکت تک‌نفره میلیارد دلاری می‌تواند تا ۲۰۲۶ وجود داشته باشد، با اطمینان ۷۰ تا ۸۰ درصد. اگر هوش مصنوعی شرکت‌ها را آن‌قدر کارآمد کند که به افراد کمتری نیاز داشته باشند، و اگر استارتاپ‌های هوش مصنوعی تقریباً هیچ نیروی کاری نخواهند، دقیقاً چه کسی همه این محصولات هوش مصنوعی را می‌خرد؟

ماری که دُم خودش را می‌خورد

حالا به هسته اصلی این داستان می‌رسیم. بخشی که نه در یک وبلاگ فناوری یا ستون نظر، بلکه در Nature منتشر شد — یکی از معتبرترین مجلات علمی جهان.

در ژوئیه ۲۰۲۴، گروهی از پژوهشگران به رهبری ایلیا شومایلوف در دانشگاه آکسفورد مقاله‌ای منتشر کردند که نشان می‌داد وقتی مدل‌های هوش مصنوعی روی داده‌هایی آموزش ببینند که توسط مدل‌های دیگر هوش مصنوعی تولید شده، چه اتفاقی می‌افتد. نتیجه را «فروپاشی مدل» نامیدند. پس از چند دور آموزش بازگشتی، مدل زبانی‌شان مزخرفات کامل تولید می‌کرد. سؤالی درباره معماری کلیسای قرون‌وسطایی کلمات تصادفی و بی‌معنی تولید می‌کرد. پژوهشگران نشان دادند این تخریب برگشت‌ناپذیر است. وقتی دم‌های توزیع اصلی داده ناپدید شوند، مدل نمی‌تواند آن‌ها را بازیابی کند.

این یک اشکال فنی کوچک نیست. یک محدودیت بنیادی است. و در دنیای واقعی هم دیده می‌شود. تحلیل Graphite روی ۶۵ هزار مقاله انگلیسی از Common Crawl نشان داد که تا مه ۲۰۲۵، تقریباً ۵۲ درصد مقالات جدید توسط هوش مصنوعی تولید شده بودند. Ahrefs نه‌صد هزار صفحه وب تازه‌ایجاد را بررسی کرد و دریافت ۷۴٫۲ درصد حاوی محتوای تولیدشده توسط هوش مصنوعی بودند. یوروپل هشدار داده تا ۲۰۲۶ ممکن است تا ۹۰ درصد محتوای آنلاین به‌صورت مصنوعی تولید شده باشد.

فکر کنید این یعنی چه. هوش مصنوعی از داده‌های اینترنت یاد می‌گیرد. اینترنت حالا هرچه بیشتر پر از محتوای تولیدشده توسط هوش مصنوعی است. پس هوش مصنوعی دارد از خودش یاد می‌گیرد. مثل ماری که دُم خودش را می‌خورد.

ایلیا ساتسکور، هم‌بنیان‌گذار OpenAI، در کنفرانس NeurIPS در دسامبر ۲۰۲۴ به مخاطبان گفت صنعت به اوج داده رسیده. داده را با سوخت‌های فسیلی مقایسه کرد. طی دهه‌ها فعالیت انسانی تولید شده بود، مدل‌ها مصرفش کردند، و حالا ذخایر قابل‌استفاده رو به پایان است. پژوهشگران Epoch AI تحلیلی داوری‌شده در ICML 2024 منتشر کردند و تخمین زدند داده‌های متنی عمومی با کیفیت — حدود ۳۰۰ تریلیون توکن — بین ۲۰۲۶ و ۲۰۳۲ تمام خواهند شد.

مشکل Stack Overflow

یک نمونه عینی از اینکه هوش مصنوعی منبع غذایی خودش را می‌بلعد. Stack Overflow زمانی بزرگ‌ترین منبع دانش برنامه‌نویسی نوشته‌شده توسط انسان در اینترنت بود. توسعه‌دهندگان سؤال می‌پرسیدند، توسعه‌دهندگان دیگر جواب می‌دادند، و مدل‌های هوش مصنوعی از این تبادلات یاد می‌گرفتند. در اوج خود حدود ۲۰۱۴، پلتفرم ماهانه تقریباً ۲۰۰ هزار سؤال جدید دریافت می‌کرد، طبق داده‌های Stack Exchange Data Explorer.

بعد دستیاران برنامه‌نویسی هوش مصنوعی آمدند. توسعه‌دهندگان از پرسیدن سؤال در Stack Overflow دست کشیدند چون می‌توانستند از ChatGPT یا GitHub Copilot بپرسند. تا دسامبر ۲۰۲۵، سؤالات جدید سقوط کرده بود. Futurism گزارش داد شمارش ماهانه به حدود ۳,۶۰۰ رسیده. از اوج ۲۰۰ هزار به کمتر از ۴ هزار یعنی افتی حدود ۹۸ درصدی طی یک دهه.

طنز ماجرا سخت است نادیده گرفته شود. ابزارهای برنامه‌نویسی هوش مصنوعی روی پاسخ‌های Stack Overflow آموزش دیده بودند که انسان‌ها نوشته بودند. آن انسان‌ها نوشتن را کنار گذاشتند چون به هوش مصنوعی روی آوردند. حالا وقتی این ابزارها به کد تازه نوشته‌شده توسط انسان نیاز دارند تا بهتر شوند، بیشتر خروجی‌های قبلی خودشان را پیدا می‌کنند. آتش سعی دارد آتش بسوزاند.

نظرسنجی توسعه‌دهندگان Stack Overflow 2025 با بیش از ۴۹ هزار پاسخ از ۱۷۷ کشور، مشکل اعتماد رو به رشدی را آشکار کرد. در حالی که ۸۴ درصد توسعه‌دهندگان از ابزارهای هوش مصنوعی استفاده می‌کنند یا قصد استفاده دارند، فقط ۳۳ درصد به دقت آن‌ها اعتماد دارند. این رقم اعتماد فقط یک سال قبل ۴۳ درصد بود. شایع‌ترین شکایت؟ راه‌حل‌هایی که تقریباً درست هستند. آن‌قدر نزدیک به صحیح که معتبر به نظر برسند. آن‌قدر غلط که کد تولید را خراب کنند.

یک کارآزمایی تصادفی‌سازی‌شده کنترل‌شده توسط پژوهشگران METR، یک سازمان غیرانتفاعی ارزیابی هوش مصنوعی، نتایج نگران‌کننده‌تری یافت. آن‌ها ۱۶ توسعه‌دهنده باتجربه متن‌باز را مطالعه کردند و دریافتند در حالی که توسعه‌دهندگان فکر می‌کردند هوش مصنوعی ۲۰ درصد سریع‌ترشان کرده، در واقع به‌طور میانگین ۱۹ درصد بیشتر طول می‌کشید. درک سرعت واقعی بود. خود سرعت نبود. یک مطالعه جداگانه مایکروسافت روی حدود ۲۰۰ مهندس که سه هفته از GitHub Copilot استفاده کردند، هیچ تغییر آماری معناداری در زمان کدنویسی یا فعالیت Pull Request نیافت.

سؤال ۲۵۹ میلیارد دلاری

حالا رد پول را دنبال کنیم. چون تصویر مالی چیزی را آشکار می‌کند که باید هر ناظر هوشیاری را به فکر وا دارد.

OpenAI در سال ۲۰۲۴ حدود ۳٫۷ میلیارد دلار درآمد کسب کرد و هم‌زمان حدود ۵ میلیارد ضرر داد. ارزش‌گذاری‌اش تا اکتبر ۲۰۲۵ به ۵۰۰ میلیارد دلار رسید. تحلیلگران Deutsche Bank تخمین زدند OpenAI بین ۲۰۲۴ و ۲۰۲۹ تقریباً ۱۴۳ میلیارد  دلار جریان نقدی منفی تجمعی انباشت خواهد کرد تا احتمالاً به سودآوری برسد. هیچ استارتاپی در تاریخ با ضررهایی حتی نزدیک به این مقیاس فعالیت نکرده.

Anthropic اوایل ۲۰۲۶ نرخ درآمد سالانه ۱۴ میلیارد دلار را اعلام کرد با ارزش‌گذاری پس از سرمایه‌گذاری ۳۸۰ میلیارد دلار. یعنی ضریب ۲۷ برابر درآمد. حاشیه سود ناخالص‌شان حدود ۴۰ درصد بود که از پیش‌بینی قبلی ۵۰ درصد کاهش یافته — بسیار کمتر از ۷۷ درصدی که تحلیلگران معمولاً برای توجیه چنین ارزش‌گذاری‌هایی لازم می‌دانند.

شدیدترین مورد شاید xAI باشد، شرکت هوش مصنوعی ایلان ماسک. بلومبرگ گزارش داد این شرکت ماهانه  حدود یک میلیارد دلار می‌سوزاند با ارزش‌گذاری بین ۲۳۰ تا ۲۵۰ میلیارد، در مقابل حدود ۵۰۰ میلیون دلار درآمد سالانه. این یعنی ضریبی حدود ۴۶۰ برابر درآمد.

حقیقت ناراحت‌کننده اینجاست. هیچ شرکت هوش مصنوعی در لایه مدل بنیادی سودآور نیست. نه OpenAI. نه Anthropic. نه xAI. نه Mistral. نه Cohere. نه Stability AI. تنها شرکت‌های واضحاً سودآور در اکوسیستم هوش مصنوعی آن‌هایی هستند که زیرساخت به سازندگان هوش مصنوعی می‌فروشند — در صدر آن‌ها NVIDIA با ۱۳۰٫۵ میلیارد دلار درآمد و حاشیه‌های قوی. جویندگان طلا ضرر می‌کنند. فروشندگان بیل ثروتمند می‌شوند.

دیوید کان از Sequoia Capital شکافی ۶۰۰ میلیارد دلاری بین آنچه شرکت‌ها صرف زیرساخت هوش مصنوعی می‌کنند و آنچه واقعاً از آن به دست می‌آورند شناسایی کرد. چهار بزرگ‌ترین شرکت فناوری — آمازون، مایکروسافت، گوگل و متا — حدود ۳۸۰ تا ۴۰۰ میلیارد دلار هزینه سرمایه‌ای برای هوش مصنوعی در ۲۰۲۵ متعهد شدند. رایان همانود، تحلیلگر Goldman Sachs، دریافت این شرکت‌ها در یک سال ۱۲۱ میلیارد دلار بدهی جدید گرفتند — تقریباً چهار برابر میانگین پنج‌ساله‌شان.

یک نظرسنجی Bank of America در اکتبر ۲۰۲۵ نشان داد رکورد ۵۴ درصد مدیران صندوق‌های جهانی سهام هوش مصنوعی را در قلمرو حباب می‌دانند. ری دالیو به CNBC گفت طبق شاخص اختصاصی‌اش بازارها حدود ۸۰ درصد در یک حباب هستند و وضعیت را با ۱۹۲۹ و ترکیدن حباب دات‌کام ۲۰۰۰ مقایسه کرد. دارون عجم‌اوغلو، برنده جایزه نوبل MIT، یک تحلیل داوری‌شده در Economic Policy منتشر کرد و استدلال کرد هوش مصنوعی طی یک دهه حداکثر ۰٫۵۳ تا ۰٫۶۶ درصد رشد بهره‌وری کل عوامل ایجاد خواهد کرد — بسیار کمتر از پیش‌بینی‌های انقلابی‌ای که ارزش‌گذاری‌های فعلی قرار است توجیهشان کنند.

چرا مدیران عامل همچنان وعده انقلاب می‌دهند

اگر هوش مصنوعی با سرعت وعده‌داده‌شده نیروی کار را جایگزین نمی‌کند، چرا بزرگ‌ترین نام‌های فناوری اصرار دارند که خواهد کرد؟ جواب بیشتر به قیمت سهام مربوط می‌شود تا به علم.

وقتی اوراکل مشارکت مرکز داده هوش مصنوعی با OpenAI را اعلام کرد، سهامش حدود ۴۰ درصد جهش کرد. مایکل سمبالست از J.P. Morgan محاسبه کرد سهام مرتبط با هوش مصنوعی از زمان راه‌اندازی ChatGPT مسئول ۷۵ درصد کل بازده S&P 500 بوده‌اند. هر بار که یک مدیرعامل برنامه تحول هوش مصنوعی اعلام می‌کند، بازار پاداشش می‌دهد.

Harvard Business Review در ژانویه ۲۰۲۶ مطالعه‌ای منتشر کرد بر اساس نظرسنجی از بیش از ۱۰۰۰ مدیر ارشد جهانی. یافته‌ها تکان‌دهنده بودند. شصت درصد شرکت‌های نظرسنجی‌شده نیروی انسانی را در پیش‌بینی آنچه هوش مصنوعی ممکن است در آینده انجام دهد کاهش داده بودند. فقط ۲ درصد اخراج‌های قابل‌توجهی مرتبط با پیاده‌سازی واقعی و قابل‌اندازه‌گیری هوش مصنوعی انجام داده بودند. شرکت‌ها برای قابلیت‌هایی که هنوز وجود ندارند آدم اخراج می‌کنند.

SEC شروع به برخورد با چیزی به نام AI Washing کرده — شرکت‌هایی که توانایی‌های هوش مصنوعی‌شان را برای جذب سرمایه‌گذار اغراق می‌کنند. در مارس ۲۰۲۴، Delphia و Global Predictions در اولین اقدامات اجرایی AI Washing تاریخ تحت پیگرد قرار گرفتند و جریمه‌هایی ۲۲۵ هزار و ۱۷۵ هزار دلاری دریافت کردند. DLA Piper گزارش داد دعاوی دسته‌جمعی اوراق بهادار مرتبط با هوش مصنوعی از ۷ مورد در ۲۰۲۳ به ۱۴ در ۲۰۲۴ دو برابر شده، با ۱۲ مورد دیگر تا سپتامبر ۲۰۲۵.

بیست‌ونهمین نظرسنجی سالانه جهانی مدیران عامل PwC، منتشرشده در ژانویه ۲۰۲۶ پس از نظرسنجی از ۴,۴۵۴ مدیرعامل در ۹۵ کشور، نشان داد فقط ۱۲ درصد هم‌زمان منافع هزینه‌ای و درآمدی از هوش مصنوعی گزارش کردند. پنجاه‌وشش درصد هیچ منفعت مالی قابل‌توجهی ندیده بودند. ابتکار MIT NANDA که توسط Harvard Business Review در اوت ۲۰۲۵ پوشش داده شد، دریافت ۹۵ درصد پروژه‌های آزمایشی هوش مصنوعی در شرکت‌ها بازدهی قابل‌اندازه‌گیری نداشتند — با وجود سرمایه‌گذاری جمعی تخمینی ۳۰ تا ۴۰ میلیارد دلار.

پس کجا ایستاده‌ایم؟

تکه‌ها را کنار هم بگذاریم. هوش مصنوعی واقعاً بیشتر از آنچه تخریب کرده شغل ساخته. این نظر نیست. این داده‌های مجمع جهانی اقتصاد، PwC، لینکدین، اداره آمار کار آمریکا و Bitkom است. مشاغل خالی فناوری اطلاعات آلمان واقعی هستند. ۱٫۳ میلیون شغل جدید هوش مصنوعی واقعی هستند. حق‌الزحمه اضافی ۵۶ درصدی واقعی است.

اما صنعتی که این فناوری را می‌سازد با سه مشکل به‌هم‌پیوسته روبه‌روست. اول، یک دیوار علمی. فروپاشی مدل حدس و گمان نیست. در Nature مستند شده. داده‌های آموزشی محدود هستند. بیش از نیمی از اینترنت الان محتوای تولیدشده توسط هوش مصنوعی است که به حلقه‌های آموزشی بازمی‌گردد. تحلیل داوری‌شده Epoch AI اتمام داده‌های متنی عمومی باکیفیت را طی این دهه پیش‌بینی می‌کند.

دوم، یک بحران مالی که به نظر ساختاری‌تر می‌رسد. نزدیک به ۲۵۹ میلیارد دلار سرمایه‌گذاری‌شده در مقابل حدود ۳۷ میلیارد درآمد شرکتی. صفر شرکت سودآور در لایه مدل بنیادی. ضررهای تجمعی پیش‌بینی‌شده ۱۴۳ میلیارد فقط برای OpenAI تا ۲۰۲۹. Goldman Sachs جهش ۱۲۱ میلیارد دلاری بدهی بزرگ‌ترین شرکت‌های فناوری در یک سال را مستند کرده.

سوم، شکاف اعتبار فزاینده. نود و پنج درصد پروژه‌های آزمایشی هوش مصنوعی ارزش قابل‌اندازه‌گیری تولید نمی‌کنند. پیش‌بینی‌های مدیران عامل درباره جدول‌های زمانی جایگزینی مکرراً اشتباه از آب درمی‌آیند. اعتماد توسعه‌دهندگان به دقت هوش مصنوعی در یک سال از ۴۳ به ۳۳ درصد افت کرده. مطالعات واقعی سرعت کدنویسی نتایج صفر یا حتی کندی نشان می‌دهند، با وجود احساس ذهنی بهبود.

صادقانه‌ترین توصیف وضعیت فعلی این است. هوش مصنوعی یک فناوری واقعی و مفید است که در یک ساختار مالی پیچیده شده که از آن می‌خواهد جهان را متحول کند تا قیمتش را توجیه کند. این فناوری واقعاً به مردم کمک می‌کند بهتر کار کنند. واقعاً در مقیاس بزرگ جایگزینشان نمی‌کند. و در شکاف بین این دو واقعیت صدها میلیارد دلار نشسته و منتظر است ببیند کدام روایت از تماس با دنیای واقعی جان سالم به در می‌برد.

نتیجه‌گیری

هوش مصنوعی قرار نیست ناپدید شود. قبلاً نحوه کار کردن، یاد گرفتن و شرکت ساختن مردم را تغییر داده. مشاغلی که می‌سازد حقوق خوبی دارند و همچنان تکثیر می‌شوند. استارتاپ‌هایی که تقویت می‌کند کوچک‌تر و چابک‌ترند و گاهی با کمتر از ۵۰ نفر میلیاردها ارزش پیدا می‌کنند.

اما هوش مصنوعی خودش را هم می‌بلعد. داده‌های آموزشی محدودند. مدل‌ها هرچه بیشتر از خروجی‌های خودشان یاد می‌گیرند. شرکت‌هایی که مدل‌های بنیادی می‌سازند میلیاردها ضرر می‌کنند. و پیش‌بینی‌های جسورانه رهبران صنعت همچنان از مهلت‌هایشان عقب می‌مانند.

آینده احتمالاً چیزی شبیه این خواهد بود. هوش مصنوعی همچنان شغل‌های جدید ایجاد خواهد کرد. شرکت‌های هوش مصنوعی همچنان پول خواهند سوزاند تا حباب سرمایه‌گذاری اصلاح شود. و بیشترین بهره را کسانی خواهند برد که با هوش مصنوعی به‌عنوان یک ابزار قدرتمند رفتار کنند، نه جایگزین جادویی تفکر انسانی. چون در نهایت، باارزش‌ترین دارایی در دنیای اشباع‌شده از هوش مصنوعی هنوز انسانی است که بلد است روشن فکر کند.