بیم‌ها و امیدهای فردای ایران در عصر هوش مصنوعی

در این رویداد، شهاب جوانمردی و فرزین فردیس، از اعضای هیئت‌رئیسه اتاق بازرگانی تهران، با تبیین شکاف عمیق میان تولید علم و پذیرش فناوری در بنگاه‌ها و همچنین هشدار نسبت به تمرکز انحصاری زیرساخت‌های جهانی و تهدید شبح «استعمار دیجیتال»، از دو زاویه قابل تأمل به چالش‌ها و فرصت‌های پیش‌روی ایران پرداختند.

معیار موفقیت هوش مصنوعی در ایران، بهره‌وری و رقابت‌پذیری بنگاه‌هاست

شهاب جوانمردی، سخنان خود را با تمرکز بر نقش کلیدی نهادها در فرآیند توسعه آغاز کرد. او معتقد است توسعه پایدار بیش از آنکه به منابع، سرمایه‌گذاری و فناوری وابسته باشد، به کیفیت نهادهای کارآمد گره خورده است. نهادهایی که اگر در کارکردشان هم‌پوشانی، تعارض یا عدم شفافیت در تقسیم کار وجود داشته باشد، خود به مانع توسعه تبدیل می‌شوند. در این میان، نهادهایی مانند اتاق بازرگانی که نقش «کنشگر مرزی» را میان سیاست‌گذار (دولت) و کسب‌وکارها ایفا می‌کنند، می‌توانند به تسهیل و ترمیم فرآیند توسعه کمک کنند.

گزارش شاخص هوش مصنوعی ۱۴۰۴ ایران؛ یک عدم توازن نگران‌کننده

جوانمردی با نگاهی نقادانه به ارزیابی «گزارش شاخص هوش مصنوعی ۱۴۰۴ ایران» پرداخت و تأکید کرد که این گزارش برای اتاق بازرگانی صرفاً یک گزارش فناوری نیست، بلکه دماسنج میزان آمادگی اقتصاد و بنگاه‌های ایرانی برای رقابت در عصر هوش مصنوعی است. تحلیل این گزارش نشان‌دهنده یک عدم توازن جدی در نظام نوآوری ایران است:

• تولید علم: ایران بر اساس برخی مقیاس‌ها و اندازه‌گیری‌ها، رتبه دوم تولید علم را در منطقه دارد.
• اندازه بازار: ایران از منظر اندازه بازار هوش مصنوعی، در رتبه آخر منطقه قرار گرفته است.
• پذیرش بنگاهی: طبق شاخص آمادگی پذیرش هوش مصنوعی، تنها ۲۷ درصد از بنگاه‌های کشور دارای آمادگی نسبی برای پذیرش این فناوری هستند.

این ارقام نشان می‌دهند که زنجیره تولید علم در ایران تا حد قابل‌توجهی شکل گرفته، اما حلقه‌های بعدی یعنی انتقال دانش، سرمایه‌گذاری، تجاری‌سازی و تقاضای بنگاهی متناسب با آن توسعه نیافته‌اند. به عبارت دیگر، ایران با فقدان استعداد یا دانش مواجه نیست، بلکه ضعف اصلی در سازوکارهای تبدیل این ظرفیت به محصول، بازار، بهره‌وری یا صادرات است.

سه سطح بلوغ تحول هوش مصنوعی در بنگاه‌ها

جوانمردی استفاده کنونی کارکنان از هوش مصنوعی به عنوان یک ابزار کمکی را مفید اما غیر از تحول بنگاهی دانست. او تحول واقعی بنگاهی را در سه سطح بلوغ تعریف کرد:

1. بهبود عملیات بنگاه: زمانی رخ می‌دهد که ورود هوش مصنوعی منجر به کاهش هزینه، زمان و خطای عملیاتی شود.
2. تصمیم‌گیری‌های هوشمندانه‌تر: دستیابی به سطح بالاتری از پیش‌بینی رویدادها پیش از وقوع، بالا بردن دقت پیش‌بینی‌ها برای مدیریت ریسک و تخصیص بهینه منابع.
3. بازآفرینی مدل کسب‌وکار: رسیدن به بلوغی که با لنزی جدید به کسب‌وکار نگریسته شده و محصولات جدید، خدمات پایدارتر و منابع درآمدی نوین برای بنگاه خلق شود.

اشتباهات استراتژیک بنگاه‌ها و موانع مقیاس‌پذیری (Scale-up)

عضو هیئت رئیسه اتاق تهران نسبت به یک خطای متداول در میان بنگاه‌ها هشدار داد: حرکت شتاب‌زده به سمت توسعه مدل‌های زبانی بزرگ (LLM) بومی یا تجهیز زیرساخت‌های پردازشی گران‌قیمت. این اقدامات معمولاً فراتر از توان بنگاه‌های اقتصادی بوده و زمان رسیدن به نتیجه در آن‌ها بسیار طولانی است. بنگاه‌ها باید کار خود را با دو یا سه فعالیت نتیجه‌گرا با نتایج ملموس و قابل اندازه‌گیری آغاز کنند تا از «نمایش فناوری» عبور کرده و به مسائل واقعی اقتصادی برسند.

جوانمردی موانع اساسی مقیاس و رشد هوش مصنوعی در سطح کلان کشور را چنین برشمرد:

• داده‌ها: محدودیت دسترسی، داده‌های کثیف و آماده نبودن آن‌ها جهت استفاده در زیرساخت‌های هوش مصنوعی.
• زیرساخت‌های پردازشی: محدودیت بسیار شدید منابع پردازشی در کشور؛ در حالی که کشورهای همسایه سرمایه‌گذاری‌های بسیار عظیمی در زیرساخت‌های پردازشی خود انجام داده‌اند.
• سرمایه انسانی: عدم آمادگی و لزوم آموزش و بازآموزی کارکنان، در کنار چالش بحرانی حفظ متخصصان.
• موازنه اشتغال: چالش پیچیده و راهبردی جایگزینی نیروها با هوش مصنوعی و لزوم مدیریت آن به نفع بنگاه، همکاران و جامعه در این فضای بحرانی.
• تأمین مالی: افول جدی در فرآیند ایجاد استارتاپ‌ها، سرمایه‌گذاری خطرپذیر (VC) و تأمین مالی پروژه‌های فناورانه جدید.
• تنظیم‌گری امنیتی (رگولاتوری): انتقاد شدید از اقدام برخی نهادهای دولتی و حاکمیتی که به دلیل نگرانی‌های خود، حوزه هوش مصنوعی را ذیل بخش‌های حراستی برده‌اند. این رفتار سیگنالی ناامیدکننده صادر می‌کند و عملاً «تنظیم‌گری مبتنی بر ریسک و ساختاریافته» را به «تهدیدگری» (چه با حِ جیمی چه با ه دو چشم) تبدیل کرده که کار بنگاه‌ها را بسیار دشوار می‌کند.

پیشنهاد برنامه اقدام مشترک

جوانمردی پیشنهاد کرد که از گزارش‌های سالانه عبور کرده و به یک برنامه اقدام مشترک برای ارتقای رقابت‌پذیری بنگاه‌ها برسیم. محورهای کلیدی این پیشنهاد عبارتند از:

• سنجش آمادگی بنگاه‌ها: ارزیابی آمادگی صنایع منتخب برای ورود به تحول دیجیتال و هوش مصنوعی در قالب بررسی آمادگی یا اعطای یک جایزه ساختاریافته.
• تعریف پروژه‌های نمونه با بازده ملموس: ارائه وایت‌پیپرها (White papers) و راهنماهایی که به بنگاه‌ها در اندازه‌گیری شاخص‌های اقتصادی پروژه‌های هوش مصنوعی کمک کند.
• ایجاد محیط آزمون تنظیم‌گری (سندباکس): پیگیری برای فراهم کردن بستر تست و آزمون محصولات و کاربری‌های نوآورانه پیش از عرضه عمومی.
• انتشار سالانه شاخص پذیرش هوش مصنوعی و اثرات اقتصادی آن.

شهاب جوانمردی: «معیار موفقیت هوش مصنوعی در ایران فقط تعداد مقالات، متخصصان یا شرکت‌ها نیست؛ معیار نهایی، تعداد بنگاه‌هایی است که به کمک هوش مصنوعی بهره‌ورتر شده، بازارهای جدیدی ساخته و توان رقابت منطقه‌ای و جهانی پیدا کرده‌اند»

جهان در آستانه شکل‌گیری استعمار دیجیتال

«فرزین فردیس»، دیگر عضو هیئت‌رئیسه اتاق بازرگانی تهران، سخنان خود را با یک یادآوری تاریخی کلیدی آغاز کرد. او به طرح روی جلد مجله معروف اکونومیست در ششم می ۲۰۱۷ (کمتر از ۱۰ سال پیش) اشاره کرد که پیش‌بینی کرده بود مهم‌ترین منبع و دارایی جهان دیگر نفت نیست، بلکه داده (Data) خواهد بود. پیش‌بینی درستی که در کمتر از یک دهه کاملاً اثبات شده است.

آمارهای تکان‌دهنده از تمرکز قدرت و انحصار جهانی

فردیس با ارائه آمارهای بسیار دقیق و حساس، نسبت به تمرکز شدید زیرساخت‌ها و قدرت در دست غول‌های فناوری جهان هشدار داد:

• انحصار رهبری: تنها ۵ شرکت بزرگ فناوری در دنیا عملاً کل این عرصه را هدایت، راهبری و مدیریت می‌کنند.
• تمرکز زیرساخت‌های ابری: حدود ۶۷ درصد از بازار خدمات ابری عمومی (Public Cloud) جهان در اختیار سه غول فناوری Amazon Web Services (AWS)، Microsoft Azure و Google Cloud قرار دارند.
• تحریم‌های حاکمیتی آنی: بلافاصله پس از عرضه مدل پیشرو توسط شرکت آنتروپیک (Anthropic)، وزارت بازرگانی ایالات متحده دستور داد که به دلیل مسائل حاکمیتی نباید به کاربران غیرآمریکایی خدمات ارائه شود و این شرکت بلافاصله سرویس خود را قطع کرد.
• سرمایه‌گذاری‌های نجومی: در بازه سال‌های ۲۰۲۵ تا ۲۰۲۶، تمرکز هزینه‌های سرمایه‌ای (CapEx) انجام‌شده در حوزه هوش مصنوعی به رقم سرسام‌آور ۱ تریلیون دلار می‌رسد.
• محدودیت دسترسی ملی: در حال حاضر حدود ۱.۶ میلیارد نفر در دنیا (در قالب ۲۰ کشور) با محدودیت‌های حاکمیتی و شرکتی در استفاده از سرویس‌های پیشرفته هوش مصنوعی مواجه هستند.

تهدیدها و چالش‌های زنجیره ارزش

فردیس به چند گلوگاه و تهدید کلیدی در این زنجیره اشاره کرد:

گلوگاه سخت‌افزاری: تنش‌ها و دعواهای شدید جهانی بر سر تولید و فروش سیلیکون، چیپ‌ست‌ها و محاسبات پردازشی (که تعیین می‌کند سخت‌افزار به چه کسی، با چه تعرفه‌ای و چگونه فروخته شود).

نشت و افشای داده‌های سازمانی: کارکنانی که بدون توجه به مسائل امنیتی، از طریق پرامپت‌نویسی در دستیارهای بین‌المللی، داده‌های حساس سازمانی خود را افشا می‌کنند. به همین دلیل شرکت‌های بزرگ دنیا استفاده از دستیارهای خارجی را برای پردازش داده‌های درون‌سازمانی ممنوع کرده‌اند.

طبقه‌بندی اطلاعات از جهت حساسیت: به گفته‌ی فرزین فردیس، کارشناسان یکی از بزرگ‌ترین بانک‌های کشور در حوزه بانکداری شرکتی، تمام داده‌های حساس دریافتی از شرکت‌ها را برای تحلیل و گزارش‌گیری در پلتفرم‌های غول‌های فناوری جهان بارگذاری می‌کنند؛ بی‌آنکه متوجه پیامدهای قرار دادن این اطلاعات حیاتی در اختیار بیگانگان باشند. این زنگ خطر جدی نشان می‌دهد که برای جلوگیری از نشت اطلاعات، باید داده‌ها را از نظر امنیتی طبقه‌بندی کرد.

دوگانه‌ی سرنوشت‌ساز آینده؛ سازندگان (Makers) در برابر گیرندگان (Takers)

فردیس استدلال کرد که شکاف میان کشورهای آماده و ناآماده به سرعت در حال رشد است و دنیا عملاً به دو بخش تقسیم می‌شود:

• Model Makers: تعداد بسیار محدودی از کشورها که فناوری را می‌سازند، هدایت می‌کنند و دنیا را به دنبال خود می‌کشند.
• Model Takers: انبوهی از کشورهای دنیا که اگر هوشیار نباشند، به «مستعمره‌های دیجیتال» یک یا چند شرکت بزرگ غربی تبدیل خواهند شد.

جهت مقابله با این پدیده، برخی کشورها و اتحادیه‌ها اقدامات جدی ملی را آغاز کرده‌اند:

• اتحادیه اروپا: اختصاص بودجه اختصاصی برای توسعه یک مدل زبانی بزرگ اروپایی (European LLM).
• هند: تعریف پروژه‌هایی مانند “India AI” و “India Impact” در سال ۲۰۲۶ برای حاکمیت ابزارهای بومی.
• فرانسه: توسعه مدل‌های میسترال (Mistral) جهت حفظ زبان فرانسه و صیانت از داده‌های حساس ملی نظیر بهداشت و سلامت.
• عربستان سعودی، آمریکای لاتین (پروژه Latam-GPT) و سایر همسایگان: که چندین سال زودتر از ایران حرکت خود را شروع کرده‌اند.

نقشه‌راه پیشنهادی برای مدیران بنگاه‌ها و سطح ملی

فردیس راهکارهای عملی خود را در دو سطح ارائه داد:

الف) توصیه‌ها به مدیران بنگاه‌های اقتصادی

1. پذیرش پایان دوران رانت: مدیران باید بپذیرند دوران بهره‌گیری از رانت‌ها، انحصارات، انرژی ارزان (گاز، برق و بنزین) و ارز ترجیحی رو به پایان است و رقابت‌پذیری واقعی در آینده تنها با فناوری امکان‌پذیر است.
2. شناسایی نقاط ریسک: ارزیابی اینکه کجا ریسک مواجهه با پلتفرم‌های خارجی بالاست.
3. متنوع‌سازی سبد فناوری (Diversified Tech Stack): عدم وابستگی مطلق به یک پلتفرم یا ابزار خاص.
4. طبقه‌بندی دقیق داده‌ها: مشخص کردن داده‌هایی که مجاز به خروج از سازمان هستند و نگهداری داده‌های حساس در مرزهای امن داخلی.
5. استفاده از جایگزین‌های بومی: حرکت به سمت استفاده از آلترناتیوهایی که توسط استارتاپ‌ها و شرکت‌های خلاق ایرانی شکل گرفته‌اند؛ هرچند ممکن است توان فنی آن‌ها در حال حاضر ضعیف‌تر باشد، اما ریسک بلندمدت سازمان را به شدت کاهش می‌دهند.

ب) توصیه‌ها در سطح ملی و حاکمیتی

• پایان دعواهای سندی و ملکی: کنار گذاشتن دعواهای فرسوده بر سر نگارش سندها و اینکه چه کسی مالک ساختمان حوزه‌های مختلف است و چه کسی در کجای ساختمان می‌نشیند.
• ضرورت فوری هوش مصنوعی حاکمیتی (Sovereign AI): توسعه یک مدل حاکمیتی بومی به منظور پردازش زبان فارسی و صیانت از داده‌های حساس ملی (نظیر داده‌های سلامت) در داخل کشور.
• حمایت همه‌جانبه از استارتاپ‌ها: حمایت مادی و معنوی از هسته‌ها و استارتاپ‌های کوچک داخلی برای بالا آوردن مدل‌های بومی.
• امنیتی‌سازی زیرساخت‌های پردازشی: نگاه به زیرساخت‌های پردازشی و داده‌ای به عنوان دارایی‌های حیاتی و استراتژیک ملی، درست مانند زیرساخت‌های مخابراتی، انرژی و بانکی کشور.

فرزین فردیس: «مسئله هوش مصنوعی حاکمیتی (Sovereign AI) یک فانتزی یا موضوعی لوکس نیست؛ بلکه یک مسئله کاملاً استراتژیک و حیاتی برای بقای اقتصادی و امنیتی کشور است که باید سهم مسئولیت خود را در قبال آن مشخص کنیم».