10 دقیقه
روایت تقریباً بیش از حد ساده و بدون پرسش بود: هوش مصنوعی صعود میکند، نرمافزارهای قدیمی سقوط میکنند. سرمایهگذاران سریعاً به این دیدگاه گرایش پیدا کردند. سپس واقعیت شروع به دخالت کرد و نشان داد اوضاع آنقدرها هم که انتظار میرفت ساده نیست.
برد لایتکَپ، مدیر عملیات (COO) OpenAI، ایدهای که میگوید شرکتهای نرمافزاری قدیمی در حال تبدیل به بیربطی هستند را نمیپذیرد. اگر چیزی تغییر کرده باشد، عکس آن در پشت صحنه اتفاق افتاده است. شرکتهایی که بسیاری تصور میکردند عقب بمانند، با شتابی غیرمنتظره حرکت میکنند، محصولات خود را بازطراحی میکنند و شیوه خدمترسانی به مشتریان را در دنیایی که «هوش مصنوعیمحور» است، دوباره تعریف میکنند.
در مصاحبهای با پادکست Uncapped، لایتکپ به واکنشهای بازار که میلیاردها دلار از ارزش سهام نرمافزار را پاک کرد، انتقاد کرد. فرضیهای که باعث آن فروش گسترده شد ساده بود: اگر هوش مصنوعی میتواند ابزارها را بسازد، چرا به تامینکنندگان نرمافزاری سنتی متکی باشیم؟ اما او میگوید که این منطق به شدت در حال تصحیح شدن است و از شدت سازگاری همین فروشندگان، چشمپوشی میکند.
«آنها به اندازه استارتاپها سریع حرکت میکنند،» او گفت و به روابط عمیق با مشتریان اشاره کرد؛ امتیازی که بازیکنان تازهوارد معمولاً آن را ندارند.
بازار کجا اشتباه کرد
رکود بازار که برخی آن را «آخرالزمان نرمافزار» نامیدند، در فوریه شدت گرفت؛ زمانیکه ابزارهای جدید هوش مصنوعی نشان دادند میتوانند کارهای حقوقی و اداری را خودکار کنند. سرمایهگذاران از اثر دومینو هراسان شدند: اگر هوش مصنوعی بتواند جریانهای کاری را جایگزین کند، شاید بتواند نرمافزار پشت آنها را هم حذف کند.
این ترس ضربه شدیدی وارد ساخت؛ شرکتهایی مانند Salesforce، Snowflake و مایکروسافت امسال شاهد کاهش 24 تا 30 درصدی در قیمت سهام خود بودند. نگرانی اساسی این بود که کسبوکارها ممکن است اصلاً سراغ فروشندگان نروند و بهجای آن ابزارهای سفارشی را با کمک مدلهای هوش مصنوعی بسازند.
اما در داخل همان شرکتها، داستان متفاوتی در جریان است. به گفته لایتکپ، آنها تنها در حال افزودن قابلیتهای مبتنی بر هوش مصنوعی نیستند. آنها مسیرهای کاربری (user journeys) را از نو طراحی میکنند، بازارهای جدید را بررسی میکنند و اتوماسیون را در سطح بنیادی و معماری محصول یکپارچه میکنند.
شیفت واقعی جایگزینی نیست؛ بازآفرینی است.
این بازآفرینی شامل بازنگری در طراحی تجربه کاربری، تغییر مدلهای کسبوکار، بازآرایی دادهها برای آموزش مدلها و اضافهسازی لایههای جدیدی برای امنیت، پاسخگویی و کنترل کیفیت میشود. در عمل، این فرآیند بازآفرینی میتواند منجر به محصولات مقاومتر، انعطافپذیرتر و متناسبتر با نیازهای پیچیده سازمانها شود—چیزی که بسیاری از استارتاپهای نوپا هنوز فاقد آن هستند.
هوش مصنوعی پیچیدگی را حذف نمیکند؛ آن را چند برابر میکند
دن راجرز، مدیرعامل Asana، الگوی مشابهی را از زاویه دیگری مشاهده میکند. شرکت او از جمله شرکتهایی بود که در جریان آن فروش گسترده بیشترین ضربه را خورد، اما راجرز معتقد است که هوش مصنوعی در واقع نیاز به نرمافزار ساختاریافته را افزایش میدهد.
چرا؟ زیرا هماهنگی دشوارتر میشود، نه آسانتر.
هنگامی که انسانها و هزاران عامل هوش مصنوعی (AI agents) با هم کار میکنند، هنوز کسی یا چیزی باید وظایف را سازماندهی کند، پیشرفت را پیگیری نماید و جریانهای کاری را مدیریت کند. آن لایه حذف نمیشود؛ بلکه گسترش پیدا میکند و در سطح مقیاس و همزمانی پیچیدهتر میگردد.
«مسئله هماهنگی نمایی رشد میکند،» راجرز خاطرنشان کرد، و این نشان میدهد که پلتفرمهایی مانند Asana نه تنها ضروریتر میشوند بلکه نقشی حیاتی در مدیریت اکوسیستمهای ترکیبشده انسان و هوش مصنوعی پیدا میکنند.
این ایده با روایت رایج که میگوید «هوش مصنوعی همه چیز را ساده میکند» در تضاد است. در عمل، هوش مصنوعی اغلب لایههای جدیدی از پیچیدگی را معرفی میکند که نیازمند سیستمهای قویتر، کنترلهای بهتر و چارچوبهای هماهنگی پیشرفتهاند—نه حذف نرمافزار.
نمونههای عملی از افزایش پیچیدگی
وقتی چندین مدل زبانی، سرویسهای بینابینی (middleware)، موتورهای جستوجو و سیستمهای خودکار تصمیمگیری با هم ترکیب میشوند، نیاز به استانداردسازی API، همگامسازی دادهها، مدیریت نسخه مدل و معیارهای ارزیابی عملکرد افزایش مییابد. علاوه بر این، موضوعات مربوط به حریم خصوصی، انطباق (compliance)، کنترل خطا و قابلیت توضیح (explainability) به پرچالشترین مسائل فنی تبدیل میشوند.
در نتیجه، معماری نرمافزار باید تغییر کند: از معماریهای تکلایه یا متمرکز به معماریهای چندعاملی، قابل مشاهده و مقاوم در برابر خطا که میتوانند عملکردهای هماهنگسازی، ردیابی داده و بازخورد انسانی را یکپارچه کنند.
محدودیتهای ساخت همه چیز با هوش مصنوعی
سوال عملی دیگری هم مطرح میشود: حتی اگر شرکتها بتوانند ابزارهای مورد نیاز خود را با هوش مصنوعی بسازند، آیا باید این کار را انجام دهند؟
انیش اچاریا از Andreessen Horowitz نسبت به این ایده شکاک است. به نظر او، استفاده از مدلهای پیشرفته هوش مصنوعی برای بازسازی نرمافزارهای استاندارد کسبوکار مانند سیستمهای حقوق و دستمزد یا ERP بازده محدودی خواهد داشت. او برآورد میکند که صرفهجویی ممکن است در حدود 10 درصد باشد.
این نکته بزرگتری را مطرح میکند: هوش مصنوعی منبع قدرتمندی است، اما همیشه کارا نیست که آن را برای حل مسائلی بهکار ببندیم که پیش از این راهحلهای بالغ و بهینهای برایشان وجود دارد.
«چرا باید این سطح از نوآوری را صرف بازسازی سیستمهای موجود کنیم؟» او پرسید. منظور او این است که فرصتهای واقعی ممکن است در جاهای دیگری نهفته باشد—مثلاً در ایجاد محصولات یا خدمات جدید که قبلاً امکانپذیر نبودند یا در بهبود تصمیمگیری استراتژیک و تحلیلهای عمیق داده.
علاوه بر صرفهجویی مستقیم هزینه، باید هزینههای پنهان مانند نگهداری، تامین امنیت دادهها، انطباق با قوانین و ریسک مدلهای یادگیری ماشینی را نیز در محاسبهی بازگشت سرمایه (ROI) در نظر گرفت. بسیاری از شرکتها ممکن است دریابند که خرید یک راهکار بالغ از یک فروشنده باتجربه، در بلندمدت مقرونبهصرفهتر و کمریسکتر است.
معیارهای تصمیمگیری برای ساخت در مقابل خرید
برای شرکتها، چند معیار کلیدی میتواند راهنمای تصمیمگیری باشد:
- میزان تفاوت رقابتی مورد انتظار: آیا ابزار داخلی میتواند مزیت رقابتی قابل توجهی ایجاد کند؟
- هزینه کل مالکیت (TCO): هزینه توسعه، نگهداری، امنیت و انطباق چگونه محاسبه میشود؟
- زمان به بازار (Time-to-market): آیا ساخت داخلی میتواند سریعتر و چابکتر باشد یا خرید و سفارشیسازی نامزد بهتری است؟
- دسترسی به داده و تخصص: آیا تیم داخلی دانش و دادههای لازم برای آموزش مدلها را دارد؟
این معیارها به مدیران محصول، CTO و تیمهای مالی کمک میکنند تا تصمیمی مبتنی بر واقعیتهای فنی و اقتصادی اتخاذ کنند، نه تنها بر اساس هیجان فناوری جدید.
یک شرطبندی مخالف که رونق میگیرد
جنسن هوانگ، مدیرعامل Nvidia، نیز ایده اینکه شرکتهای نرمافزاری در حال از بین رفتناند را رد کرده است. اعتقاد او این است که فرضیهای که میگوید هوش مصنوعی بهطور کامل ابزارهای نرمافزاری را جایگزین خواهد کرد، در بررسی دقیق دوام نمیآورد.
در عوض، هوش مصنوعی به آن ابزارها تکیه خواهد کرد: از آنها استفاده خواهد کرد، آنها را توسعه خواهد داد و به آنها متصل خواهد شد—نه اینکه آنها را حذف کند.
برد لایتکپ نتیجهای مشابه دارد، اما با دید سرمایهگذاری. اگر نسبت به استارتاپهای هوش مصنوعی خوشبین هستید، ممکن است منطقی باشد که نسبت به شرکتهای نرمافزاری سنتی نیز خوشبین بمانید؛ نه بهرغم هوش مصنوعی، بلکه بهخاطر آن.
مسابقه این نیست که هوش مصنوعی بر نرمافزار پیروز شود؛ بلکه این است که همه با تمام توان میدوند تا بفهمند نرمافزار چگونه به نظر میرسد وقتی که هوش از ابتدا در ساخت آن تعبیه شده باشد.
پیام برای سرمایهگذاران و مدیران فناوری
چند پیام روشن برای سرمایهگذاران، مدیران محصول و رهبران فناوری وجود دارد:
- نگاه کوتاهمدت به واکنش بازار میتواند سیگنالهای اشتباهی بدهد؛ بررسی بنیادین شرکتها در مورد استراتژیهای AI و اجرای فنی آنها ضروری است.
- فروشندگان نرمافزاری که روابط مشتری عمیق، دادههای اختصاصی و توان عملیاتی مهندسی دارند، دارای توانمندیهایی هستند که بهراحتی توسط پروژههای خودساخته قابل بازتولید نیستند.
- سرمایهگذاری در قابلیتهای یکپارچهسازی، مدیریت مدل و مشاهدهپذیری (observability) احتمالاً بازده بالاتری خواهد داشت تا تلاشی صرف برای جایگزینی کامل نرمافزارهای بنیادی.
بهعلاوه، شرکتها باید سرمایهگذاریهای خود را در آموزش کارکنان، ایجاد تیمهای بینرشتهای (داده، محصول، حقوقی و امنیت) و توسعه خطوط مشی برای استفاده از هوش مصنوعی اولویتبندی کنند. این اقدامات نه تنها ریسک را کاهش میدهند بلکه ارزشهای جدیدی را نیز آزاد میکنند که به رشد پایدار کمک مینمایند.
نتیجهگیری (جمعبندی)
داستان سادهای که میگفت هوش مصنوعی بهسرعت نرمافزارهای سنتی را از رده خارج میکند، به تدریج پیچیدهتر شده است. آنچه اکنون روشن میشود این است که هوش مصنوعی بیشتر به عنوان یک شتابدهنده برای بازآفرینی نرمافزار عمل میکند تا نیرویی که صرفاً آن را جایگزین نماید.
شرکتهای نرمافزاری سنتی با بازطراحی محصولات، بازآفرینی مسیرهای کاربری و یکپارچهسازی اتوماسیون در هسته محصولاتشان، نقشی حیاتی در اکوسیستم نوظهور ایفا میکنند. از سوی دیگر، استارتاپهای هوش مصنوعی شتاب نوآوری را افزایش میدهند و فشار رقابتیای ایجاد میکنند که فروشندگان سنتی را وادار به حرکت سریعتر و در سطوح بالاتر میکند.
در نهایت، رقابت حقیقی بین هوش مصنوعی و نرمافزار نیست؛ رقابت میان رویکردهاست: کسانی که نرمافزار را به عنوان بستر و چارچوبی برای هوش بهکار میگیرند، و کسانی که تلاش میکنند همه چیز را از نو با هوش مصنوعی بسازند. هر دو گروه میتوانند موفق شوند، اما برنده واقعی کسانی خواهند بود که بتوانند هماهنگی، امنیت، کارایی و تجربه کاربری را در مقیاس ترکیبی انسان و ماشین مدیریت کنند.
این مقاله تلاش کرد تا دیدگاههایی از چهرههای کلیدی صنعت را گردآوری کند و نشان دهد چرا سرمایهگذاران، مدیران فناوری و معماران محصولات باید فراتر از روایتهای ساده فکر کنند؛ زیرا آینده نرمافزار احتمالاً نتیجه همزیستی پیچیدهای از فناوریهای سنتی و هوش مصنوعی خواهد بود.
نظرات
آرش_
این مسابقه نیست، سوال اینه کی بهتر هماهنگ میکنه انسان و هوش؟ جواب ساده نیست، ولی بازار با واکنش احساسی خیلی چیزا رو پاک کرد.
امیر
قدری اغراق رسانهای حس میشه؛ رقم 10% صرفهجویی هم شاید خیلی خوشبینانه باشه، ولی نکات فنی و ریسکها خوب بیان شد 😅
شهرلاین
خلاصه: هوش مصنوعی شتابدهندهست نه قاتل کامل. سرمایهگذارا باید بیشتر به استراتژی بلندمدت نگاه کنن، نه هیجان کوتاهمدت.
لابکور
تو یه پروژه داخلی دیدم؛ AI سرعت آورد اما لایههای جدید پیچیدگی هم اضافه شد. دیتا، توضیحپذیری، سیاستها، همه مهمتر از قبل شد.
توربو
اِم؟ کلی تحلیل خوب بود ولی واقعاً شرکتا میتونن همهچیز رو با AI بازسازی کنن؟ هزینه، ریسک، نگهداری... جدی اینها رو گفتن؟
کوینر
موافقم؛ هماهنگی سختتر میشه، ابزار قویتر لازمه. اما سوال هزینه و نگهداری رو نباید دست کم گرفت، عجله خطرناکه.
رودایکس
واقعاً؟! فکر میکردم نرمافزار سنتی محو میشه، اما این زاویه جدید قانع کننده است، بازآفرینی به جای حذف — چرا زود قضاوت کردیم؟
ارسال نظر