در حالی که شرکت‌های بزرگ فناوری و آزمایشگاه‌های پیشرو هوش مصنوعی با سرعتی بی‌سابقه در حال رشد هستند، نشانه‌های جدیدی از تغییر رفتار مشتریان سازمانی مشاهده می‌شود. بسیاری از مدیران عامل و تصمیم‌گیرندگان فناوری اطلاعات اکنون به دنبال راهکارهایی هستند که بتوانند هزینه استفاده از هوش مصنوعی را کاهش دهند؛ موضوعی که می‌تواند آینده درآمدی غول‌های این صنعت را تحت تأثیر قرار دهد.

افزایش شدید استفاده از مدل‌های هوش مصنوعی طی دو سال اخیر باعث شده بودجه‌های فناوری اطلاعات در بسیاری از سازمان‌ها تحت فشار قرار بگیرند. از سوی دیگر، بازگشت سرمایه (ROI) پروژه‌های مبتنی بر هوش مصنوعی هنوز در بسیاری از شرکت‌ها به مرحله بلوغ نرسیده است. همین مسئله باعث شده مدیران کسب‌وکارها نسبت به هزینه‌های رو به رشد استفاده از مدل‌های پیشرفته هوش مصنوعی حساس‌تر شوند.

چرا شرکت‌ها به دنبال مدل‌های ارزان‌تر هوش مصنوعی هستند؟

استفاده گسترده از هوش مصنوعی در بخش‌های مختلف سازمانی، از تولید محتوا و تحلیل داده گرفته تا پشتیبانی مشتریان و توسعه نرم‌افزار، هزینه‌های قابل توجهی را به شرکت‌ها تحمیل کرده است.

در شرایطی که حجم درخواست‌ها و پردازش‌های مبتنی بر AI به‌صورت مداوم افزایش پیدا می‌کند، بسیاری از مدیران فناوری متوجه شده‌اند که استفاده دائمی از پیشرفته‌ترین مدل‌ها برای تمام وظایف، از نظر اقتصادی منطقی نیست.

بر اساس اظهارات مدیران ارشد شرکت‌ها، اکنون بسیاری از سازمان‌ها مصرف هوش مصنوعی را با دقت بیشتری زیر نظر دارند و در برخی موارد حتی به سمت مدل‌های ارزان‌تر مهاجرت می‌کنند تا هزینه‌های عملیاتی خود را کاهش دهند.

رشد چشمگیر ارزش‌گذاری شرکت‌های هوش مصنوعی

این تغییر رویکرد در شرایطی رخ می‌دهد که بزرگ‌ترین شرکت‌های فعال در حوزه هوش مصنوعی همچنان شاهد رشد سریع ارزش‌گذاری خود هستند.

در تازه‌ترین دور جذب سرمایه، شرکت Anthropic موفق شد سرمایه قابل توجهی جذب کند و ارزش‌گذاری آن به سطحی بی‌سابقه برسد. این اتفاق باعث شد ارزش این شرکت حتی از آخرین ارزش‌گذاری اعلام‌شده برای OpenAI نیز فراتر رود.

اما در پشت این اعداد چشمگیر، یک چالش مهم در حال شکل‌گیری است؛ مشتریان سازمانی که درآمد اصلی این شرکت‌ها را تأمین می‌کنند، بیش از گذشته به هزینه‌های استفاده از مدل‌های هوش مصنوعی توجه نشان می‌دهند.

همه وظایف به قدرتمندترین مدل‌های AI نیاز ندارند

یکی از مهم‌ترین نکاتی که کارشناسان صنعت به آن اشاره می‌کنند این است که بسیاری از وظایف روزمره سازمانی به پیشرفته‌ترین مدل‌های هوش مصنوعی نیاز ندارند.

ماتان گرینبرگ، مدیرعامل شرکت Factory، معتقد است بسیاری از درخواست‌ها را می‌توان با مدل‌های ارزان‌تر پردازش کرد. شرکت او از یک سیستم مسیریابی اختصاصی استفاده می‌کند که برای هر وظیفه، مقرون‌به‌صرفه‌ترین مدل هوش مصنوعی را انتخاب می‌کند.

این رویکرد به سازمان‌ها اجازه می‌دهد تنها در مواردی که واقعاً به قدرت پردازشی بالا نیاز دارند از مدل‌های گران‌قیمت استفاده کنند و سایر وظایف را به مدل‌های کم‌هزینه‌تر بسپارند.

استفاده هدفمندتر از هوش مصنوعی در سازمان‌ها

مدیران فناوری تأکید می‌کنند که شرکت‌ها اکنون نسبت به گذشته بسیار هدفمندتر از هوش مصنوعی استفاده می‌کنند.

سازمان‌ها در حال ارزیابی دقیق این موضوع هستند که کدام بخش از فرآیندهای کاری واقعاً به مدل‌های پیشرفته نیاز دارد و کدام فعالیت‌ها را می‌توان با راهکارهای اقتصادی‌تر انجام داد.

این تغییر نگرش نشان می‌دهد که بازار هوش مصنوعی سازمانی وارد مرحله‌ای جدید شده است؛ مرحله‌ای که در آن صرفاً داشتن دسترسی به قدرتمندترین مدل‌ها کافی نیست و موضوع بهره‌وری اقتصادی اهمیت بیشتری پیدا کرده است.

رشد محبوبیت مدل‌های متن‌باز

یکی دیگر از روندهای مهم بازار، افزایش استقبال از مدل‌های متن‌باز (Open Source) است.

بسیاری از شرکت‌ها در حال بررسی جایگزین‌هایی هستند که علاوه بر هزینه کمتر، امکان سفارشی‌سازی بیشتری نیز در اختیار آن‌ها قرار می‌دهد. برخی سازمان‌ها حتی به سراغ عامل‌های هوشمند (AI Agents) تخصصی رفته‌اند که برای کاربردهای مشخص طراحی شده‌اند و در بسیاری از موارد عملکرد بهتری نسبت به مدل‌های عمومی ارائه می‌کنند.

این موضوع باعث شده سهم استفاده از مدل‌های متن‌باز در برخی شرکت‌ها رشد چشمگیری را تجربه کند.

نگرانی از وابستگی به یک تأمین‌کننده هوش مصنوعی

یکی از دغدغه‌های مهم مدیران سازمانی، وابستگی کامل به یک ارائه‌دهنده خدمات هوش مصنوعی است.

بسیاری از شرکت‌ها تمایل ندارند تمام زیرساخت‌های خود را بر پایه یک پلتفرم واحد مانند OpenAI، Anthropic یا Google بنا کنند. دلیل این نگرانی، احتمال افزایش قیمت‌ها یا تغییر شرایط تجاری در آینده است.

کارشناسان معتقدند وابستگی بیش از حد به یک فروشنده می‌تواند قدرت چانه‌زنی سازمان‌ها را کاهش دهد و هزینه‌های بلندمدت آن‌ها را افزایش دهد.

هزینه مهاجرت؛ مانعی برای تغییر پلتفرم

با وجود تمایل بسیاری از شرکت‌ها به کاهش هزینه‌ها، تغییر پلتفرم هوش مصنوعی همیشه ساده نیست.

زمانی که یک سازمان فرآیندها، مهارت‌ها و گردش‌کارهای خود را بر اساس یک پلتفرم خاص طراحی می‌کند، مهاجرت به سیستم دیگر می‌تواند زمان‌بر و پرهزینه باشد.

همین مسئله باعث می‌شود بسیاری از شرکت‌ها حتی در صورت نارضایتی از هزینه‌های ماهانه، همچنان به استفاده از ارائه‌دهنده فعلی ادامه دهند.

آینده درآمدی شرکت‌های پیشرو هوش مصنوعی چه خواهد شد؟

در حال حاضر درآمد سازمانی شرکت‌های بزرگ هوش مصنوعی همچنان روندی صعودی دارد و تقاضا برای خدمات آن‌ها کاهش نیافته است.

با این حال، افزایش تمایل مشتریان به استفاده از مدل‌های ارزان‌تر، متن‌باز و چندفروشنده‌ای می‌تواند در بلندمدت بر پیش‌بینی‌های درآمدی این شرکت‌ها اثر بگذارد.

سرمایه‌گذاران انتظار دارند شرکت‌های پیشرو هوش مصنوعی در آینده نزدیک وارد بازارهای عمومی شوند و ارزش‌گذاری‌های بسیار بالایی را تجربه کنند. اما موفقیت این سناریو تا حد زیادی به توانایی این شرکت‌ها در حفظ مشتریان سازمانی و اثبات بازگشت سرمایه واقعی فناوری‌های خود بستگی خواهد داشت.

جمع‌بندی

بازار هوش مصنوعی وارد مرحله‌ای تازه از بلوغ شده است. در حالی که شرکت‌های توسعه‌دهنده مدل‌های پیشرفته همچنان رشد سریعی را تجربه می‌کنند، مشتریان سازمانی بیش از گذشته به موضوع هزینه، بازدهی و استقلال از فروشندگان توجه نشان می‌دهند.

رشد استفاده از مدل‌های متن‌باز، انتخاب هوشمندانه مدل‌ها برای وظایف مختلف و تلاش برای جلوگیری از وابستگی به یک ارائه‌دهنده واحد، نشان می‌دهد که آینده رقابت در صنعت هوش مصنوعی تنها بر پایه قدرت مدل‌ها تعیین نخواهد شد؛ بلکه قیمت‌گذاری، انعطاف‌پذیری و ارزش اقتصادی نیز نقش تعیین‌کننده‌ای در موفقیت شرکت‌های این حوزه خواهند داشت.