۹۵٪ شرکت‌ها هنوز بازده مالی از AI نمی‌گیرند

مطالعه‌ای از ابتکار NANDA آزمایشگاه رسانه MIT، منتشرشده در تاریخ ۲۱ آگوست ۲۰۲۵، نشان می‌دهد که ۹۵٪ پروژه‌های آزمایشی هوش مصنوعی (AI pilots) در شرکت‌ها شکست می‌خورند و بازده مالی قابل‌توجهی تولید نمی‌کنند. این گزارش، با عنوان “The GenAI Divide: State of AI in Business 2025″، بر اساس مصاحبه با ۱۵۰ مدیر اجرایی، نظرسنجی از ۳۵۰ کارمند، و بررسی ۳۰۰ پروژه AI، تهیه شده است. سرمایه‌گذاری جهانی شرکت‌ها در AI مولد (GenAI) بین ۳۰ تا ۴۰ میلیارد دلار بوده، اما اکثر این سرمایه‌گذاری‌ها بدون بازگشت مالی ملموس باقی مانده‌اند. این خبر سرمایه‌گذاران را نگران کرده و منجر به کاهش سهام شرکت‌های فناوری مانند Nvidia، Microsoft، و Alphabet شده است.

از دیدگاه تحلیلی، این مطالعه نه تنها حباب AI را برجسته می‌کند، بلکه نشان‌دهنده مشکلات ساختاری در پیاده‌سازی AI است. NANDA (Networked-Agents and Decentralized AI) بر توسعه پروتکل‌های جدید برای سیستم‌های عامل AI تمرکز دارد و ممکن است نتایج را برای تأکید بر نیاز به رویکردهای جدید قاب‌بندی کرده باشد. با این حال، یافته‌ها با گزارش‌های قبلی (مانند Capgemini ۲۰۲۳: ۸۸٪ شکست) همخوانی دارند و نشان می‌دهند که شرکت‌ها اغلب پروژه‌های اشتباه انتخاب می‌کنند. این گزارش هشداری برای مدیران اجرایی (C-suite) است که AI را نه به عنوان یک فناوری جادویی، بلکه بخشی از استراتژی کسب‌وکار ببینند.

جزئیات مطالعه و نتایج

• روش‌شناسی: مطالعه بر مصاحبه‌های عمیق، نظرسنجی‌ها، و تحلیل پروژه‌های AI تمرکز داشت. NANDA به دنبال بررسی “واقعیت بدون هیجان” AI در کسب‌وکار بود. شرکت‌های مورد بررسی از صنایع مختلف بودند و تمرکز بر AI مولد بود.
• یافته‌های کلیدی:
  • ۹۵٪ شکست: از ۳۰۰ پروژه، تنها ۵٪ بازده مالی داشتند. شرکت‌هایی که ابزارهای AI را خریداری کردند (مانند نرم‌افزارهای آماده) موفقیت بیشتری داشتند تا کسانی که پروژه‌های داخلی ساختند.
  • دلایل شکست: انتخاب پروژه‌های نامناسب (مانند تمرکز بر کاهش هزینه بدون توجه به ارزش افزوده)، عدم ادغام AI با فرآیندهای موجود، و انتظارات غیرواقعی. گزارش تأکید می‌کند که AI هنوز در مراحل اولیه است و نیاز به داده‌های باکیفیت و زیرساخت‌های مناسب دارد.
  • تأثیر اقتصادی: سرمایه‌گذاری ۳۰-۴۰ میلیارد دلاری بدون بازگشت، نشان‌دهنده حباب است. بازار سهام واکنش نشان داد: سهام Nvidia ۴٪، Microsoft ۳٪، و Alphabet ۲.۵٪ کاهش یافت.
  • راهکارها: استفاده از مدل‌های چندگانه (multi-model)، منع انحصار (anti-monopoly)، و تمرکز بر پروژه‌های با تأثیر فوری (مانند بهینه‌سازی عملیات). گزارش پیشنهاد می‌کند هزینه‌های محاسباتی با رقابت بیشتر کاهش یابد.
• آمار و ارقام: S&P Global گزارش داد که ۴۲٪ پروژه‌های GenAI رها می‌شوند. Capgemini: ۸۸٪ شکست در تولید. این اعداد نشان‌دهنده الگویی جهانی است.

از دیدگاه تحلیلی، شکست‌ها کمتر به فناوری AI مربوط است و بیشتر به تصمیم‌گیری‌های ضعیف شرکت‌ها (مانند انتخاب پروژه‌های پرریسک بدون ROI روشن).

مزایای کلیدی

• برای شرکت‌ها:
  • بهینه‌سازی عملیات: AI می‌تواند هزینه‌ها را کاهش دهد (مانند ۵۰٪ صرفه‌جویی در لجستیک والمارت) و بهره‌وری را افزایش دهد، اگر پروژه‌ها درست انتخاب شوند.
  • نوآوری: شرکت‌هایی که AI را خریداری می‌کنند، سریع‌تر به نتایج می‌رسند و می‌توانند بر کسب‌وکار اصلی تمرکز کنند.
  • کاهش هزینه‌ها بلندمدت: با رقابت بیشتر (مانند مدل‌های چندگانه)، هزینه‌های محاسباتی کاهش می‌یابد، که ROI را بهبود می‌بخشد.
• برای سرمایه‌گذاران:
  • فرصت‌های جدید: مطالعه نشان می‌دهد که شرکت‌هایی با رویکرد استراتژیک (مانند خرید ابزارهای آماده) می‌توانند سودآور باشند، که فرصت‌های سرمایه‌گذاری را ایجاد می‌کند.
  • اصلاح بازار: این گزارش می‌تواند حباب را تعدیل کند و سرمایه‌گذاری‌های پایدارتر را تشویق کند.
• برای جامعه:
  • پیشرفت فناوری: تمرکز بر مدل‌های چندگانه می‌تواند نوآوری را دموکراتیزه کند و دسترسی به AI را افزایش دهد.

چالش‌ها و ریسک‌های اخلاقی

• چالش‌های فنی:
  • انتخاب پروژه نامناسب: شرکت‌ها اغلب AI را برای مشکلات اشتباه استفاده می‌کنند، که منجر به شکست می‌شود. گزارش MIT تأکید دارد که AI هنوز برای کاربردهای پیچیده آماده نیست.
  • هزینه‌های بالا: سرمایه‌گذاری ۳۰-۴۰ میلیارد دلاری بدون بازگشت، نشان‌دهنده ریسک مالی است. هزینه‌های محاسباتی (مانند آموزش مدل‌ها) هنوز بالاست.
• ریسک‌های اخلاقی:
  • انحصار: تمرکز بر چند شرکت بزرگ (مانند OpenAI و Google) می‌تواند نوآوری را محدود کند. گزارش پیشنهاد منع انحصار برای کاهش هزینه‌ها را می‌دهد.
  • شفافیت: عدم بازگشت سرمایه می‌تواند اعتماد عمومی به AI را کاهش دهد و بحث‌های اخلاقی درباره تخصیص منابع را افزایش دهد.
• اجتماعی:
  • اضطراب سرمایه‌گذاران: کاهش سهام نشان‌دهنده ترس از “حباب AI” است، که می‌تواند به نوسانات بازار منجر شود.
  • جایگزینی مشاغل: شکست پروژه‌ها ممکن است سرمایه‌گذاری در AI را کاهش دهد، اما موفقیت آن می‌تواند به بیکاری در برخی صنایع منجر شود.

تأثیرات اقتصادی و اجتماعی

• اقتصادی:
  • بازار سهام: گزارش MIT منجر به کاهش سهام فناوری شد، که نشان‌دهنده حساسیت بازار به اخبار AI است. سرمایه‌گذاری‌های AI در سال ۲۰۲۵ به ۲۰۰ میلیارد دلار رسید، اما بدون ROI، ممکن است کاهش یابد.
  • حباب AI: مقایسه با سال ۲۰۰۰ (حباب دات‌کام) نشان‌دهنده ریسک است، اما گزارش پیشنهاد می‌کند با بهترین شیوه‌ها (خرید vs. ساخت) می‌توان از آن اجتناب کرد.
• اجتماعی:
  • بحث‌های عمومی: پست‌های اخیر در X نشان‌دهنده نگرانی سرمایه‌گذاران است، اما برخی آن را فرصتی برای اصلاح می‌دانند. این گزارش می‌تواند آگاهی عمومی درباره محدودیت‌های AI را افزایش دهد.
  • نابرابری: شرکت‌های کوچک ممکن است از سرمایه‌گذاری در AI عقب بمانند، که شکاف‌های اقتصادی را تشدید می‌کند.

چشم‌انداز آینده و پیشنهادها

تا سال ۲۰۳۰، انتظار می‌رود بازار AI به ۱.۸ تریلیون دلار برسد، اما این نیازمند بهبود ROI است. آینده شامل تمرکز بر مدل‌های چندگانه و رقابت بیشتر برای کاهش هزینه‌هاست.

• برای شرکت‌ها: پروژه‌های AI را بر اساس نیازهای واقعی انتخاب کنید و ابزارهای آماده را خریداری کنید. تمرکز بر ROI کوتاه‌مدت ضروری است.
• برای سرمایه‌گذاران: به شرکت‌هایی با استراتژی‌های قوی AI سرمایه‌گذاری کنید و از حباب دوری کنید.
• برای سیاست‌گذاران: مقررات برای منع انحصار و تشویق رقابت، مانند قوانین EU، وضع کنید.

نتیجه‌گیری

مطالعه MIT هشداری جدی است که ۹۵٪ شرکت‌ها از AI بازده مالی ندارند، اما دلیل اصلی شکست انتخاب پروژه‌های اشتباه است. با تمرکز بر بهترین شیوه‌ها (مانند خرید ابزارها و مدل‌های چندگانه)، شرکت‌ها می‌توانند ROI را بهبود بخشند. این گزارش می‌تواند حباب AI را تعدیل کند و نوآوری پایدارتر ایجاد کند، به شرطی که تعادل بین سرمایه‌گذاری و استراتژی حفظ شود.