هوش مصنوعی به عنوان موتور رشد: فراتر رفتن از صرفه‌جویی در هزینه‌ها

هوش مصنوعی (AI) اغلب به عنوان ابزاری برای کارایی در زمینه کاهش زمان انجام وظایف، خودکارسازی کارهای تکراری، کاهش نیروی انسانی و به طور کلی کاهش هزینه‌های عملیاتی معرفی می‌شود. در حالی که این مزایا واقعی و مقرون به صرفه هستند، این دیدگاه محدود خطر عدم استفاده از پتانسیل تحول‌آفرین هوش مصنوعی برای رشد را به همراه دارد. 

هوش مصنوعی نباید تنها به عنوان مکانیسمی برای صرفه‌جویی در هزینه‌ها دیده شود، بلکه اساساً به عنوان موتوری برای رشد که می‌تواند نوآوری را پیش ببرد، بازارهای جدید ایجاد کند و مزیت رقابتی را بازتعریف کند. در گزارش وضعیت هوش مصنوعی مکنزی در سال ۲۰۲۵، مشخص شد که تغییر اصلی رهبری در سال ۲۰۲۵ این است که هوش مصنوعی را به عنوان قابلیتی برای ایجاد بازار در نظر بگیریم.

این تغییر برای سیاست‌گذاران، سرمایه‌گذاران و رهبران تجاری که هدفشان بهره‌برداری از هوش مصنوعی برای ایجاد ارزش بلندمدت است، بسیار مهم است.

روایت صرفه‌جویی در هزینه‌ها، هوش مصنوعی را به عنوان یک استراتژی دفاعی معرفی می‌کند که می‌تواند منافع کوتاه‌مدت ایجاد کند اما به ندرت تمایز پایدار ایجاد می‌کند. رقبا می‌توانند کارایی هزینه‌ها را تکرار کنند و مزیت را از بین ببرند.

علاوه بر این، تمرکز صرف بر صرفه‌جویی اغلب منجر به سرمایه‌گذاری ناکافی در قابلیت‌های هوش مصنوعی می‌شود که می‌تواند جریان‌های درآمدی جدیدی را آزاد کند. شرکت‌های با عملکرد بالا که می‌خواهند مزیت بازار داشته باشند، باید رشد و نوآوری را همراه با کاهش هزینه‌ها هدف قرار دهند.

با هوش مصنوعی، فرصت برای رشد بسیار زیاد است. MGI تخمین می‌زند که هوش مصنوعی مولد می‌تواند سالانه ۲.۶ تا ۴.۴ تریلیون دلار در موارد استفاده مانند عملیات مشتری، بازاریابی، مهندسی نرم‌افزار و تحقیق و توسعه اضافه کند که می‌تواند مستقیماً ظرفیت درآمدی را گسترش دهد. این رویکرد با الگوهای تاریخی اختلال فناوری مانند برق، اینترنت و رایانش ابری همسو است، زیرا همه آنها با ایجاد امکانات کاملاً جدید به جای صرفاً کاهش هزینه‌ها، رشد نمایی را پیش بردند.

در عمل، هوش مصنوعی می‌تواند برای پیشبرد رشد با ایجاد تقاضای بازار استفاده شود، که جستجوی اینترنتی را به کشف تبدیل می‌کند و در نتیجه ارزش سفارش متوسط و تبدیل را افزایش می‌دهد. گزارش شده است که سیستم‌های توصیه آمازون ۳۵٪ از فروش را پیش می‌برند، نشانه‌ای از اینکه چگونه شخصی‌سازی به جای بهینه‌سازی قیف‌ها، تقاضا ایجاد می‌کند.

پلتفرم‌های شخصی‌سازی بومی ابر (مانند Amazon Personalise با Bedrock) اکنون به شرکت‌ها اجازه می‌دهند محتوا را برای اهداف رشد صریح رتبه‌بندی مجدد کنند.

همچنین بخوانید: هوش مصنوعی مشکل اعتماد ندارد؛ مشکل ترجمه دارد

نتفلیکس از موتورهای توصیه مبتنی بر هوش مصنوعی نه تنها برای بهبود تجربه کاربر بلکه برای گسترش دسترسی جهانی استفاده می‌کند. با تجزیه و تحلیل الگوهای مشاهده، نتفلیکس ترجیحات محتوای منطقه‌ای را شناسایی می‌کند و سرمایه‌گذاری در تولیدات محلی را تقویت می‌کند. این استراتژی نتفلیکس را از یک سرویس متمرکز بر آمریکا به یک قدرت سرگرمی جهانی تبدیل کرد. هوش مصنوعی به شرکت‌ها امکان می‌دهد با کاهش موانع شخصی‌سازی و محلی‌سازی وارد بازارهای جدید شوند. 

در زمینه نوآوری محصول، هوش مصنوعی به شرکت‌ها امکان می‌دهد پیشنهادات جدید خالص را سریع‌تر راه‌اندازی کنند.  در طول همه‌گیری COVID-19، مدرنا از هوش مصنوعی برای تسریع توسعه واکسن استفاده کرد. مدل‌های یادگیری ماشین توالی‌های mRNA با کارایی بالا را پیش‌بینی کردند و زمان تحقیق و توسعه را از سال‌ها به ماه‌ها کاهش دادند. این صرفه‌جویی در هزینه نبود؛ بلکه ایجاد بازار و انقلابی بود که به مدرنا امکان می‌داد رشد بی‌سابقه‌ای را به دست آورد.

مثال دیگر چگونگی تکامل AlphaFold (AF2→AF3) است که از ساختارهای تک پروتئینی به تعاملات پیچیده حرکت کرد و طراحی دارو و مهندسی زیستی را گسترش داد. از طریق هوش مصنوعی، تولید و تجاری‌سازی انعطاف‌پذیری را به درآمد تبدیل می‌کنند. BMW از هوش مصنوعی صنعتی در سراسر کارخانه‌ها برای تضمین کیفیت، لجستیک و نگهداری پیشگیرانه استفاده می‌کند که به یک شبکه تولید بسیار انعطاف‌پذیر کمک می‌کند که می‌تواند قوای محرکه را در خطوط مشترک تغییر دهد؛ کلیدی برای برآوردن تقاضای پویا برای خودروهای برقی بدون فدا کردن توان عملیاتی.

رشد بلادرنگ می‌تواند توسط هوش مصنوعی از طریق شخصی‌سازی که ارزش طول عمر مشتری را افزایش می‌دهد و فرصت‌های فروش متقابل را باز می‌کند، ایجاد شود. ابزارهای امتحان مجازی و چت‌بات‌های مبتنی بر هوش مصنوعی سفورا تعامل مشتری را افزایش می‌دهند و نرخ تبدیل و وفاداری بالاتری را ایجاد می‌کنند. این نوآوری‌ها حلقه‌های رشد ایجاد می‌کنند، جایی که تجربیات بهتر منجر به داده‌های بیشتر می‌شود که به نوبه خود شخصی‌سازی را بهبود می‌بخشد.

درست است که همچنین در نظر بگیریم چگونه پپسی‌کو، در میان نمونه‌های فراوان از نحوه استفاده از هوش مصنوعی برای پیشبرد رشد، با AWS/Salesforce همکاری کرد تا PepGenX را بسازد که بینش‌ها را به راه‌اندازی سریع‌تر محصول و اجرای فروش مقیاس‌پذیر تبدیل می‌کند. این یک تز رشد است: خلبان‌های کم، قابلیت پلتفرم بیشتر.

استفاده از هوش مصنوعی به عنوان ابزاری برای رشد بدون شک پیامدهای سیاستی، سرمایه‌گذاری و اجرایی برای دولت‌ها، شرکت‌های بزرگ با گلوگاه‌های اداری و ساختارهای سازمانی پیچیده و در واقع بسیاری از بازیگران در فضای کسب و کار خواهد داشت. 

دولت‌ها باید پذیرش هوش مصنوعی را برای نوآوری تشویق کنند، نه فقط خودکارسازی. اعتبارات مالیاتی و کمک‌های مالی باید پروژه‌هایی را در اولویت قرار دهند که قابلیت‌ها یا بازارهای جدید ایجاد می‌کنند. چارچوب‌های نظارتی باید بین ریسک و انعطاف‌پذیری تعادل برقرار کنند و آزمایش را در بخش‌هایی مانند بهداشت و درمان، فناوری و امور مالی امکان‌پذیر سازند.

راهنمای به‌روز شده هوش مصنوعی OECD (و چارچوب‌های مرتبط G7) مدیریت ریسک را برای مدل‌های همه‌منظوره جاسازی می‌کند و هدف آن قابلیت همکاری بلاک چین و انتشار فراتر از بخش‌های پذیرنده اولیه است. تنظیم‌کنندگان باید به طور کلی سیاست‌هایی را تشویق کنند که مجموعه داده‌های مشترک را تأمین مالی می‌کنند و ظرفیت کشف را در شرکت‌های کوچک و متوسط افزایش می‌دهند.

در زمینه سرمایه‌گذاری، استراتژی‌های سرمایه‌گذاری خطرپذیر و سرمایه‌گذاری شرکتی باید از نرخ بازگشت سرمایه مبتنی بر کاهش هزینه به معیارهای رشد شامل گسترش سهم بازار، جریان‌های درآمدی جدید و جذب مشتری تغییر کنند. سرمایه‌گذاران باید ابتکارات هوش مصنوعی را بر اساس پتانسیل آنها برای ایجاد رشد غیرخطی، نه فقط صرفه‌جویی‌های افزایشی، ارزیابی کنند.

برای هوش مصنوعی محل کار، مطالعات در مورد Microsoft 365 Copilot سناریوهای نرخ بازگشت سرمایه را نشان می‌دهد که شامل سود خالص درآمد و زمان سریع‌تر ورود به بازار است؛ انعکاسی از تجاری‌سازی، نه فقط "ساعت‌های صرفه‌جویی شده." صاحبان کسب و کار تشویق می‌شوند تا تأثیر رشد، سود و زیان را منتشر کنند تا تأثیر سرمایه‌گذاری‌های هوش مصنوعی بر رشد را پیگیری کنند. هوش مصنوعی عالی به داده‌های عالی بستگی دارد، بنابراین مدیران اجرایی باید سرمایه‌گذاری جدی در کیفیت داده‌ها را در نظر بگیرند.

منبع تصویر: Unsplash

برای اجرا، به مدیران اجرایی توصیه می‌شود هوش مصنوعی را در برنامه‌ریزی استراتژیک، نه فقط کارایی عملیاتی، جاسازی کنند. این شامل موارد زیر است:

• ایجاد تیم‌های هوش مصنوعی بین وظیفه‌ای که شامل توسعه محصول، بازاریابی و استراتژی هستند.
• سنجش موفقیت از طریق KPI های رشد به جای معیارهای هزینه؛ و
• ساخت زیرساخت مقیاس پذیری هوش مصنوعی برای پشتیبانی از آزمایش سریع.

در نهایت، عملیاتی کردن هوش مصنوعی به عنوان موتور رشد نیازمند تغییر فرهنگی است. رهبران باید سواد هوش مصنوعی را در سراسر سازمان ترویج دهند و ذهنیتی را پرورش دهند که هوش مصنوعی را به عنوان یک شریک خلاق و نه تهدیدی برای مشاغل می‌بیند. 

ملت‌هایی که هوش مصنوعی را برای رشد می‌پذیرند، از آنهایی که بر خودکارسازی تمرکز می‌کنند، پیشی خواهند گرفت. هوش مصنوعی می‌تواند گسترش تولید ناخالص داخلی را از طریق صنایع جدید، افزایش بهره‌وری در بخش‌های با ارزش بالا و تسلط بر بازارهای نوظهور پیش ببرد.

هوش مصنوعی زمانی رشد را پیش می‌برد که رهبران مدل‌های تحویل جدید را با حاکمیت مسئولانه به عنوان پیش‌شرط، نه پس‌نوشت، تأمین مالی کنند. سؤال این نیست که "چقدر هزینه می‌توانیم صرفه‌جویی کنیم؟" بلکه "چه بازارهایی می‌توانیم وارد شویم، چه محصولاتی می‌توانیم طراحی کنیم و چقدر سریع می‌توانیم آنها را مقیاس‌بندی کنیم؟" سازمان‌هایی که به این سؤالات با پایه‌های داده، تله‌متری رشد و نرده‌های محافظ سیاست پاسخ می‌دهند، هوش مصنوعی را به چرخ طیاری برای رشد بادوام و مرکب تبدیل خواهند کرد.