اخباریادداشت سیاستی

نگاهی به چالش‌ها و چشم‌انداز توسعه هوش مصنوعی در ایران

گروه زاویه، آینده هش مصنوعی در ایران را از انباشت توان فنی تا خلق ارزش اقتصادی تحلیل کرده است.

✍️ گروه زاویه


بحث درباره آینده هوش مصنوعی در ایران طی سال‌های اخیر عمدتاً حول ظرفیت علمی کشور، تعداد متخصصان، شرکت‌های فناور و ضرورت توسعه زیرساخت شکل گرفته است. با این حال، مجموعه داده‌ها و دیدگاه‌هایی که در نشست تخصصی «فردای ایران در عصر هوش مصنوعی» در تاریخ ۲ شهریور به همت مرکز نوآوری و تحول دیجیتال اتاق بازرگانی، صنایع، معادن و کشاورزی تهران و با همکاری مرکز استراتژی و تحول هوش مصنوعی شریف در اتاق تهران برگزار شد، مسئله‌ای بنیادی‌تر را پیش روی سیاست‌گذار و بخش خصوصی قرار می‌دهد. پرسش اصلی اکنون این است که ظرفیت‌های ایجادشده تا چه اندازه به بهره‌وری، ایجاد بازار، تغییر مدل کسب‌وکار و افزایش قدرت رقابت بنگاه ایرانی منتهی شده‌اند. شهاب جوانمردی، عضو هیئت‌رئیسه اتاق بازرگانی تهران، همین تغییر زاویه را در قالب یک معیار روشن صورت‌بندی کرد. بر همین اساس، موفقیت کشور زمانی قابل سنجش است که بتوان نشان داد چند بنگاه با استفاده از هوش مصنوعی بهره‌ورتر شده‌اند، بازار جدید ساخته‌اند و قدرت رقابت منطقه‌ای و جهانی خود را افزایش داده‌اند.

این صورت‌بندی، محل مناقشه درباره هوش مصنوعی ایران را از «توسعه ظرفیت» به «بازدهی ظرفیت» تغییر می‌دهد. مقاله علمی، نیروی متخصص و شرکت فناور اجزای ضروری زیست‌بوم هستند، اما اثر اقتصادی زمانی ظاهر می‌شود که این دارایی‌ها وارد فرایند واقعی تولید و تصمیم‌گیری شوند. گزارش شاخص هوش مصنوعی ایران ۱۴۰۴ نیز با مطالعه مجموعه‌ای از داده‌ها، سیاست‌ها، اسناد سیاستی، گزارش‌های صنعتی و چارچوب‌های بین‌المللی کوشیده است تصویری چندبعدی از موقعیت کشور ارائه کند. اهمیت چنین شاخصی از آن‌جا ناشی می‌شود که داده‌های آن مبنای تعیین اولویت، تقسیم کار میان بازیگران و ارزیابی نتیجه سیاست‌ها قرار گیرد.

رشد ۳۳ درصدی بازار کار در بازاری که هنوز کوچک است

داده‌های بازار کار یکی از روشن‌ترین نشانه‌های این وضعیت دوگانه را نشان می‌دهد. بر اساس آمار ارائه‌شده از سوی مقداد ولایی، هم‌بنیان‌گذار جاب‌ویژن، تعداد فرصت‌های شغلی ایجادشده برای متخصصان هوش مصنوعی در پاییز ۱۴۰۴ نسبت به فصل مشابه سال قبل حدود ۳۳ درصد افزایش یافته است. این رشد در نگاه نخست از شتاب گرفتن تقاضا برای تخصص‌های هوش مصنوعی حکایت دارد، اما اندازه مطلق بازار تصویر متفاوتی به دست می‌دهد. مجموع آگهی‌های شغلی مرتبط با این حوزه حدود ۱۲۰۰ مورد و متوسط آن حدود ۱۰۰ آگهی در ماه گزارش شده است. سهم این فرصت‌ها از کل آگهی‌های بازار کار نیز از حدود ۰٫۰۱۷ درصد به ۰٫۰۴۲ درصد رسیده است. به عبارت دیگر، سهم مشاغل هوش مصنوعی تقریباً دو و نیم برابر شده، اما همچنان بخش بسیار کوچکی از تقاضای نیروی کار را تشکیل می‌دهد.

هم‌زمانی نرخ رشد بالا با پایه کوچک، نکته مهمی درباره مرحله کنونی توسعه هوش مصنوعی در ایران آشکار می‌کند. تقاضا در حال شکل‌گیری است، اما هنوز به نفوذ گسترده هوش مصنوعی در ساختار اقتصاد تبدیل نشده است. ولایی این مسئله را به توان جذب فناوری در سازمان‌ها پیوند می‌زند. نیروی متخصص زمانی به افزایش بهره‌وری منجر می‌شود که بنگاه بتواند برای او مسئله تعریف کند، موارد کاربرد اقتصادی را تشخیص دهد و فرایندهای خود را برای استفاده از فناوری تغییر دهد. بنابراین افزایش تعداد فارغ‌التحصیلان یا متخصصان، بدون ایجاد تقاضای واقعی در سمت بنگاه، خطر شکل‌گیری شکافی میان ظرفیت انسانی و ظرفیت جذب اقتصاد را به همراه دارد.

بازی داده و مسئله‌ای فراتر از ساخت دیتاست

در میان دیدگاه‌های مطرح‌شده در نشست، فرهاد نیلی مسئله را یک گام عقب‌تر برد و گزاره‌ای تعیین‌کننده مطرح کرد: «هم در سطح حاکمیت و هم در سطح کسب‌وکار، بازی ما تا اطلاع ثانوی، بازی داده است.» در این نگاه، داده زیرساخت منطقی ورود به اقتصاد هوش مصنوعی است. کیفیت و استانداردسازی داده، قواعد دسترسی، امنیت، مالکیت، اشتراک‌گذاری و سازوکار استخراج ارزش اقتصادی از آن، اجزای یک مسئله واحد هستند. از همین روی، حکمرانی داده مستقیماً بر ظرفیت توسعه هوش مصنوعی اثر می‌گذارد و ضعف در آن می‌تواند حتی در حضور نیروی انسانی و فناوری مناسب، امکان مقیاس‌پذیری کاربردهای هوش مصنوعی را محدود کند.

اهمیت این دیدگاه زمانی روشن‌تر می‌شود که در کنار اظهارات مجید نیلی احمدآبادی قرار گیرد. او تأکید دارد گه بنگاه ایرانی برای آغاز استفاده از هوش مصنوعی الزاماً نباید منتظر دستیابی به داده‌های کاملاً تمیز، یکپارچه و سازمان‌یافته بماند و هم‌اکنون نیز موارد استفاده متعددی وجود دارد. کنار هم گذاشتن این دو دیدگاه مرز مهمی را مشخص می‌کند. سیاست ملی به زیرساخت پایدار حکمرانی داده احتیاج دارد، در حالی که بنگاه می‌تواند اصلاح وضعیت داده و توسعه کاربردهای هوش مصنوعی را به صورت موازی پیش ببرد. تبدیل «آماده نبودن داده» به بهانه‌ای برای تعویق تجربه سازمانی، عملاً هزینه بنگاه را افزایش خواهد داد.

وقتی هوشمندسازی با تحول هوش مصنوعی اشتباه گرفته می‌شود

عمادالدین فاطمی‌زاده مسئله دیگری را به مرکز بحث این نشست آورد: آیا اساساً در ایران صنعتی با عنوان صنعت هوش مصنوعی شکل گرفته است؟ از دید او، یکی از ضعف‌های مهم کشور کمبود مدیرانی است که ماهیت و ارزش این فناوری را به‌درستی درک کنند. معرفی پروژه‌های متعارف هوشمندسازی تحت عنوان هوش مصنوعی و تقلیل این حوزه به مدل‌های زبانی، دو نشانه از همین مسئله‌ هستند. پیام مدیریتی این نقد اهمیت زیادی دارد، زیرا استفاده از هوش مصنوعی با خرید یک ابزار یا افزودن قابلیتی هوشمند به فرایند موجود تحقق پیدا نمی‌کند. تحول واقعی هنگامی رخ می‌دهد که فناوری به بازطراحی شیوه تصمیم‌گیری، فرایندها، ساختار سازمانی، مدل کسب‌وکار و تقسیم کار میان انسان و ماشین برسد.

مجید نیلی احمدآبادی نیز همین گلوگاه را از زاویه فرهنگ سازمانی توضیح داد. از دید او، بخشی از عقب‌ماندگی بنگاه‌ها از ضعف آمادگی مدیریتی برای پذیرش تغییر ناشی می‌شود و شرکت‌هایی که از الگوهای مدرن‌تر مدیریت منابع انسانی برخوردارند، آمادگی بیشتری برای پذیرش هوش مصنوعی نشان می‌دهند. این مشاهده یک نتیجه مهم برای سیاست صنعتی دارد. بر همین اساس، مسئله پذیرش هوش مصنوعی را نمی‌توان به سیاست فناوری محدود کرد. کیفیت مدیریت، سرمایه انسانی، ساختار انگیزشی سازمان و ظرفیت بازطراحی فرایندها نیز بخشی از زیرساخت جذب این فناوری هستند.

ایران در کدام حلقه زنجیره ارزش نقش‌آفرینی می‌کند؟

به گفته سیدایمان میرعمادی، کشورها از مسیر واحدی وارد اقتصاد هوش مصنوعی نشده‌اند و هر کشور متناسب با منابع، مزیت‌ها و محدودیت‌های خود جایگاهی در زنجیره ارزش انتخاب کرده است. مسئله ایران از این منظر، روشن نبودن همین انتخاب است. منابع محدود، دسترسی به زیرساخت، سرمایه انسانی، توان صنعتی و نیازهای اقتصادی اجازه نمی‌دهد همه حلقه‌های زنجیره ارزش با وزن یکسان دنبال شوند. فقدان اولویت روشن نیز منابع را میان برنامه‌های متعدد پراکنده و احتمال موازی‌کاری و شکل‌گیری طرح‌های کم‌اثر را افزایش می‌دهد.

این پرسش احتمالاً مهم‌ترین مسئله سیاستی برآمده از نشست است. تصمیم درباره سرمایه‌گذاری در زیرساخت، تربیت نیروی انسانی، حمایت از شرکت‌ها و حتی حکمرانی داده، زمانی انسجام پیدا می‌کند که کشور بداند در کدام بخش‌های زنجیره ارزش قصد ایجاد قابلیت رقابتی دارد. سیاستی که هم‌زمان توسعه همه اجزا را مطالبه کند، در شرایط محدودیت منابع ممکن است به توزیع منابع به جای تمرکز قابلیت منتهی شود. انتخاب جایگاه، به معنای کنار گذاشتن سایر اجزا نیست و کارکرد آن تعیین حوزه‌هایی است که سرمایه، تنظیم‌گری و ظرفیت نهادی باید در آنها با شدت بیشتری متمرکز شود.

گذار از «شاخص هوش مصنوعی» به «برنامه اقدام»

برآیند نشست «فردای ایران در عصر هوش مصنوعی» تصویری از یک مسئله چندلایه ارائه می‌کند. ایران از ظرفیت علمی و نیروی انسانی برخوردار است و بازار کار تخصصی نیز نشانه‌هایی از رشد سریع نشان می‌دهد، اما حلقه تبدیل این ظرفیت به تقاضای اقتصادی، بهره‌وری بنگاه و مزیت رقابتی هنوز نیازمند تقویت جدی است. حکمرانی داده باید امکان دسترسی امن و مولد به داده را فراهم کند، مدیران باید از تلقی ابزارمحور هوش مصنوعی عبور کنند، بنگاه‌ها باید توان بازطراحی فرایندهای خود را به دست آورند و سیاست‌گذار باید جایگاه مطلوب کشور را در زنجیره ارزش مشخص کند.

در چنین شرایطی، پیشنهاد جوانمردی برای عبور از انتشار گزارش‌های سالانه به سمت «برنامه اقدام مشترک» معنای دقیق‌تری پیدا می‌کند. معیار سنجش سیاست هوش مصنوعی در سال‌های آینده باید به آثار قابل مشاهده آن در اقتصاد نزدیک شود.

از دل این مجموعه می‌توان یک جمع‌بندی روشن استخراج کرد. مسئله اصلی ایران در مرحله کنونی، کمبود بحث درباره هوش مصنوعی نیست؛ گره تعیین‌کننده در توان تبدیل ظرفیت موجود به قابلیت اقتصادی قرار دارد. فاصله میان «داشتن متخصص هوش مصنوعی» و «داشتن اقتصادی که بتواند از هوش مصنوعی ارزش تولید کند»، همان فاصله‌ای است که کیفیت سیاست‌گذاری ایران در سال‌های پیش رو باید بر مبنای کاهش آن سنجیده شود.

یادداشت

یادداشت های سیاستی اندیشکده های ایران را در این صفحه دنبال کنید.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا