ایستگاه سوم سفر؛ پول هوشمند در جست‌وجوی هوش واقعی

حسن اطاعت، مشاور کسب‌وکار و فعال حوزه وب و تجارت الکترونیکی، مشاهدات خود از رویداد HumanX آمستردام را در مجموعه گزارش‌هایی اختصاصی برای راه پرداخت روایت می‌کند. او در سومین گزارش از دل نشست‌ها و غرفه‌ها می‌پرسد سرمایه‌گذاری در هوش مصنوعی چه زمانی به مسئله‌ای واقعی، مشتری و بازگشت اقتصادی می‌رسد؛ پرسشی که در روایت او از پرداخت، امنیت سایبری و جست‌وجوی مبتنی بر هوش مصنوعی نیز دنبال می‌شود.

این سومین گزارش حسن اطاعت از HumanX است که به حال‌وهوا و اتفاقات روز دوم این رویداد می‌پردازد.

بخوانید: گزارش روز نخست از HumanX آمستردام

دومین جهت‌گیری که تصمیم داشتم در HumanX دنبال کنم، بررسی فاصله میان موج عظیم سرمایه‌گذاری در هوش مصنوعی و واقعیت اقتصادی شرکت‌های این حوزه بود.

تغییر سؤال مدیران از «هوش مصنوعی چه توانایی‌هایی دارد؟» به «سرمایه‌گذاری ما چه بازگشتی داشته است؟» کاملا محسوس است. اینجا در HumanX بارها به هزینه‌های رو به افزایش، تعدد ابزارها، پروژه‌های آزمایشی پراکنده و دشواری اندازه‌گیری بازگشت سرمایه اشاره می‌شود.

این موضوع برای کسب‌وکارهای ایرانی نیز اهمیت دارد. ما گاهی پیش از تعریف دقیق مسئله، به سراغ ابزار می‌رویم. نتیجه، انباشته‌شدن نرم‌افزارها و پروژه‌هایی است که مدیران از آن‌ها انتظار معجزه دارند، اما شاخص مشخصی برای ارزیابی موفقیتشان تعریف نشده است. می‌خواهم ببینم شرکت‌های حاضر در HumanX چگونه میان هیجان فناوری و انضباط اقتصادی تعادل برقرار می‌کنند.

امروز نشست «سنجش واقعیت سرمایه‌گذاری در هوش مصنوعی» دقیقاً به همین موضوع پرداخت: در شرایطی که سرمایه با سرعت به سوی این بازار سرازیر می‌شود، فاصله میان شرکت‌های ماندگار و کسب‌وکارهایی که صرفاً بر موج کوتاه‌مدت هیجان سوار شده‌اند نیز در حال افزایش است.

تقریباً هر استارتاپ فناوری امروز خود را به‌نوعی «AI-native» معرفی می‌کند؛ اما افزودن هوش مصنوعی به نام، معرفی‌نامه یا اسلایدهای جذب سرمایه، الزاماً به معنای برخورداری از یک مزیت پایدار نیست. پرسش سرمایه‌گذاران جدی اکنون این است که پس از کنارگذاشتن عنوان هوش مصنوعی، چه چیزی باقی می‌ماند: فناوری اختصاصی، داده‌ای که دیگران به‌آسانی در اختیار ندارند، مشتریانی که حاضرند برای محصول پول بپردازند، درآمد تکرارشونده، توان حفظ مشتری یا امکان رشد سودآور؟

نشست امروز نشان می‌داد که دوران جذب سرمایه صرفاً با یک ایده جذاب و چند اسلاید پرزرق‌وبرق، دست‌کم برای سرمایه‌گذاران حرفه‌ای، رو به پایان است. پول همچنان وارد بازار هوش مصنوعی می‌شود، اما قرار نیست همه شرکت‌هایی که از این عنوان استفاده می‌کنند ماندگار بمانند. شاید در سال‌های آینده متوجه شویم که بخش مهمی از سرمایه‌گذاری‌های امروز، بیشتر از آنکه بر پایه ارزش اقتصادی باشد، حاصل ترس سرمایه‌گذاران از جاماندن از موج بوده است.

این موضوع در یک نشست خبری کوچک‌تر با عنوان «قواعد جدید سرمایه‌گذاری خطرپذیر در هوش مصنوعی» نیز ادامه پیدا کرد. ساشا ویدی‌بورسکی، شریک Atomico با تمرکز بر نرم‌افزارهای سازمانی، فناوری‌های عمیق و کاربردهای هوش مصنوعی؛ رُزان وینسک، هم‌بنیان‌گذار Renegade Partners و سرمایه‌گذار شرکت‌های نوپا در حوزه‌هایی مانند هوش مصنوعی، زیرساخت و نرم‌افزارهای تخصصی؛ و جای داس، هم‌بنیان‌گذار و رئیس Sapphire Ventures با سابقه طولانی سرمایه‌گذاری در شرکت‌های نرم‌افزاری، سه دیدگاه متفاوت از مراحل مختلف رشد یک کسب‌وکار را کنار یکدیگر قرار دادند. ترکیب این سه نفر اهمیت داشت، زیرا ارزیابی یک استارتاپ در مرحله آغازین با سنجش شرکتی که باید به درآمد بزرگ، مقیاس‌پذیری و خروج موفق برسد، الزاماً معیارهای یکسانی ندارد.

برداشت کلی از بحث این بود که قواعد سرمایه‌گذاری در هوش مصنوعی سخت‌گیرانه‌تر شده است. برخورداری از یک مدل، رابط کاربری جذاب یا دسترسی به فناوری شرکت‌های بزرگ، به‌تنهایی مزیتی پایدار ایجاد نمی‌کند؛ زیرا رقبا نیز می‌توانند به همان امکانات دسترسی پیدا کنند. آنچه ارزش سرمایه‌گذاری را افزایش می‌دهد، ترکیبی از دانش تخصصی، داده یا فناوری قابل‌دفاع، شناخت روشن از مشتری، مسیر معتبر درآمدزایی و توانایی تبدیل محصول آزمایشی به بخشی ضروری از عملیات مشتری است. به بیان ساده‌تر، سرمایه‌گذار دیگر فقط نمی‌پرسد این فناوری چه کار شگفت‌انگیزی انجام می‌دهد؛ می‌پرسد چرا مشتری باید برای آن پول بدهد، چرا استفاده از آن را ادامه دهد و چرا رقیب نتواند به‌سرعت همان محصول را کپی کند.

بخش عمده وقت امروز را به بازدید از نمایشگاه اختصاص دادم. برگزارکنندگان از حضور بیش از ۱۵۰ حامی و غرفه‌دار خبر داده‌اند؛ از نام‌های بزرگی مانند Google ،Alibaba Cloud ،Akamai و PwC گرفته تا مجموعه‌ای از شرکت‌ها و استارتاپ‌های تخصصی که هرکدام بخشی از زنجیره ارزش هوش مصنوعی را عرضه می‌کنند.
برخلاف نمایشگاه‌های عمومی فناوری، در بسیاری از غرفه‌های HumanX دستگاه خاصی برای تماشا یا محصولی برای لمس‌کردن وجود ندارد. آنچه عرضه می‌شود بیشتر زیرساخت ابری، داده، نرم‌افزار، امنیت و توان پردازشی است؛ چیزهایی که کاربر نهایی آن‌ها را نمی‌بیند، اما بدون آن‌ها تقریباً هیچ محصول جدی هوش مصنوعی قابل‌ساخت و بهره‌برداری نیست.

یک گروه مهم از غرفه‌داران به زیرساخت و رایانش ابری اختصاص داشت. شرکت‌هایی مانندAlibaba Cloud ، Nebius ،Crusoe و North.cloud در بازاری رقابت می‌کنند که مسئله اصلی آن دیگر فقط طراحی مدل نیست. دسترسی به پردازنده‌های قدرتمند، انرژی، مراکز داده و امکان اجرای مدل‌ها در مقیاس وسیع، خود به یک مزیت راهبردی تبدیل شده است.

حضور پررنگ Nebius، شرکت مستقر در آمستردام که زیرساخت ابری تخصصی هوش مصنوعی ارائه می‌کند، به‌ویژه قابل‌توجه بود. مشاهده این بخش از نمایشگاه یادآوری می‌کرد که رقابت جهانی هوش مصنوعی در پشت صحنه، به همان اندازه الگوریتم‌ها، بر سر ظرفیت پردازش، انرژی و محل نگهداری داده‌ها نیز جریان دارد.
گروه دیگری از شرکت‌ها می‌کوشند ارتباط انسان و ماشین را طبیعی‌تر کنند. ElevenLabs و Deepgram روی صدا، تبدیل گفتار به متن، تولید گفتار و عامل‌های مکالمه‌ای کار می‌کنند. Synthesia نیز تولید و ترجمه ویدئو با استفاده از آواتارهای هوش مصنوعی را توسعه داده است. کاربرد تجاری این فناوری‌ها دیگر به دوبله و تولید محتوای سرگرم‌کننده محدود نیست و به آموزش کارکنان، مراکز تماس، فروش و خدمات مشتری رسیده است.

در بخش دیگری، شرکت‌هایی مانند Weaviate ،Tavily ،n8n و Vapi ابزارهای لازم برای ساخت و اتصال عامل‌های هوشمند را عرضه می‌کردند؛ از دسترسی عامل‌ها به داده‌های سازمان و جست‌وجوی وب گرفته تا اتصال نرم‌افزارهای مختلف و برقراری مکالمه صوتی. این غرفه‌ها برداشت روز نخست مرا تقویت کردند: رقابت آینده الزاماً بر سر ساخت یک مدل زبانی دیگر نیست؛ بخش مهمی از فرصت اقتصادی در لایه‌هایی شکل می‌گیرد که مدل را به داده، فرایند و مشتری واقعی متصل می‌کنند.

نمونه‌ای ملموس از این اتصال را در نخستین برنامه‌ای که امروز انتخاب کردم دیدم: نشست «پرداخت و هوش مصنوعی». با توجه به سال‌ها فعالیت من در صنعت پرداخت، طبیعی بود که از میان برنامه‌های هم‌زمان، این نشست را دنبال کنم.

سخنران آن خوان پابلو اورتگا، هم‌بنیان‌گذار و مدیرعامل Yuno بود؛ شرکتی که می‌کوشد مدیریت پیچیده پرداخت‌های آنلاین، به‌ویژه برای کسب‌وکارهای فعال در چند کشور، را در یک بستر واحد ساده کند. اورتگا پیش‌تر نیز در راه‌اندازی Rappi، یکی از کسب‌وکارهای بزرگ آمریکای لاتین، نقش داشته است.

در یک خرید اینترنتی، ردشدن تراکنش همیشه به معنای نداشتن موجودی یا وقوع تقلب نیست. گاهی انتخاب مسیر نامناسب پردازش، حساسیت بیش از حد سامانه کشف تقلب، نبود روش پرداخت محلی یا پیچیدگی فرایند تسویه باعث می‌شود خرید در آخرین مرحله نیمه‌کاره بماند. راهکار مورد بحث این بود که هوش مصنوعی براساس کشور، ارز، هزینه، نوع تراکنش و احتمال موفقیت، مناسب‌ترین درگاه و مسیر پردازش را انتخاب کند و برای بازیابی تراکنش‌های ناموفق نیز پیشنهاد بدهد.

برای من نکته مهم این بود که در اینجا هوش مصنوعی مستقیماً به درآمد، هزینه و نرخ تبدیل متصل می‌شود، نه صرفاً به تولید محتوا یا پاسخ‌گویی به مشتری. البته معیار موفقیت چنین سیستمی هم باید روشن باشد: افزایش واقعی نرخ تأیید تراکنش، کاهش تقلب، پایین‌آمدن هزینه پردازش و بهبود تجربه مشتری؛ نه فقط پیچیده‌ترشدن زیرساخت پرداخت با افزودن یک لایه تازه به نام هوش مصنوعی.

همه برنامه‌هایی که در HumanX دنبال می‌کنم الزاماً در حوزه علایق تخصصی خودم نیستند. برای اینکه این گزارش‌ها فقط بازتاب سابقه و دغدغه‌های شخصی من نباشند، در نشستی درباره کاربرد واقعی هوش مصنوعی توسط مهاجمان سایبری نیز شرکت کردم.

پیام این نشست با بسیاری از روایت‌های ترسناک این روزها تفاوت داشت. برخلاف این تصور که هکرها اکنون با ارتشی از عامل‌های هوشمند، سازمان‌ها را به‌صورت کاملاً خودکار هدف می‌گیرند، روش‌های قدیمی و آزموده‌شده حمله همچنان مؤثر، ارزان و سودآورند. هوش مصنوعی فعلاً بیشتر برای افزایش سرعت و مقیاس همین روش‌ها به کار می‌رود: تولید پیام‌های فیشینگ متقاعدکننده‌تر، جمع‌آوری سریع‌تر اطلاعات قربانی، اصلاح کدهای مخرب و خودکارسازی بخشی از فرایند شناسایی هدف.

این نگاه خطر هوش مصنوعی را انکار نمی‌کند، بلکه میان تهدید واقعی و تصویر اغراق‌آمیز تمایز می‌گذارد. شاید در آینده حملات کاملاً خودمختار گسترش پیدا کنند، اما فعلاً خطر اصلی این است که هوش مصنوعی ابزارهای موجود را سریع‌تر، ارزان‌تر و در دسترس افراد بیشتری قرار می‌دهد. بنابراین سازمان‌ها نباید با تمرکز بر سناریوهای پیچیده آینده، از ضعف‌های ساده و همیشگی مانند گذرواژه‌های ناامن، به‌روزرسانی‌نکردن سامانه‌ها و آموزش ناکافی کارکنان غافل شوند.

یکی دیگر از نشست‌های امروز برای من حال‌وهوایی شخصی‌تر داشت. یاهو نخستین وب‌سایتی است که سال هفتادوپنج در محیط وب اینترنت دیدم. پیش از آن، تجربه‌ام از اینترنت به ارتباط متنی با سرورهای مبتنی بر یونیکس واقع در مرکز تحقیقات فیزیک نظری، دانشگاه تهران، وزارت کشاورزی و مخابرات محدود می‌شد. آن زمان یاهو با فهرست‌ها، خبرها، ایمیل و موتور جست‌وجویش، اینترنت را از محیطی تخصصی و متنی به جهانی تصویری و قابل‌استفاده برای عموم تبدیل می‌کرد. برای نسل ما دایرکتوری یاهو و موتور جستجوی آلتاویستا، قبل از گوگل، دروازه ورود به وب بود.

جیم لنزون، مدیرعامل یاهو، در نشست امروز از تلاش این شرکت برای بازگشت به همان نقطه آغاز سخن گفت: جست‌وجو. محصول جدید یاهو با نام Scout یک موتور پاسخ‌گوی مبتنی بر هوش مصنوعی است. تفاوت موتور پاسخ‌گو با موتور جست‌وجوی سنتی این است که کاربر را فقط به فهرستی از لینک‌ها هدایت نمی‌کند، بلکه پاسخ را همان‌جا تهیه و ارائه می‌دهد.

عنوان جلسه «ساخت جست‌وجوی هوشمند بدون نابودکردن وب باز» بود. نگرانی اصلی این است که اگر کاربران پاسخ کامل را مستقیماً از هوش مصنوعی دریافت کنند، دیگر به وب‌سایت ناشر، روزنامه‌نگار یا تولیدکننده محتوا مراجعه نکنند. در این صورت، همان منابعی که هوش مصنوعی از محتوای آن‌ها تغذیه می‌کند، به‌تدریج مخاطب و درآمد خود را از دست خواهند داد.

یاهو می‌گوید می‌خواهد میان ارائه پاسخ مستقیم و هدایت کاربر به منابع اصلی تعادل ایجاد کند. طنز تاریخی ماجرا اینجاست: شرکتی که روزگاری مسیر ورود ما به وب بود و میدان جست‌وجو را به گوگل واگذار کرد، اکنون می‌خواهد با هوش مصنوعی دوباره به نقش راهنمای وب بازگردد؛ این بار با این پرسش که چگونه می‌توان پاسخ را به کاربر داد، بدون آنکه تولیدکنندگان آن پاسخ از بین بروند.

فضای نمایشگاهی HumanX تنها از ردیف غرفه‌های تجاری تشکیل نشده است. چند استیج با اندازه‌ها و موضوعات مختلف در دل محوطه نمایشگاهی ساخته شده‌اند و پنل‌ها و سخنرانی‌ها به‌طور هم‌زمان در آن‌ها برگزار می‌شوند. در کنارشان فضاهایی برای میزگرد، دیدارهای برنامه‌ریزی‌شده، گفت‌وگوهای دونفره، شبکه‌سازی، غذا، بازی و استراحت وجود دارد.

در برنامه HumanX Connect، شرکت‌کنندگان از طریق اپلیکیشن رویداد برای یکدیگر درخواست ملاقات می‌فرستند و در صورت پذیرش دوطرفه، دیداری پانزده‌دقیقه‌ای برای آن‌ها برنامه‌ریزی می‌شود. این سازوکار می‌کوشد یکی از مشکلات همیشگی رویدادهای بزرگ را حل کند: اینکه هزاران نفر در یک محل حضور دارند، اما پیدا‌کردن فرد مناسب در میان این جمعیت، بدون برنامه‌ریزی، دشوار است.

محلی نیز برای برگزاری مسترکلاس‌ها ساخته شده که معماری آن از گلخانه‌های هلندی الهام گرفته است؛ انتخابی متناسب با هویت کشور میزبان و متفاوت از سالن‌های رسمی کنفرانس‌ها. در این فضا گروه‌های کوچک‌تر می‌توانند در جلساتی عملی‌تر و تعاملی‌تر شرکت کنند.

به عنوان شرکت کننده همه ساله Web Summit در گزارش های قبل، از وب سامیت را به عنوان ابداع‌کننده این شیوه برگزاری یاد کرده‌ام. البته رویدادهای چندمسیره و جشنواره‌ای پیش از آن هم وجود داشته‌اند اما ، Web Summit از مجموعه‌هایی بود که ترکیب چندین استیج، نمایشگاه استارتاپ‌ها، مسترکلاس، ملاقات‌های برنامه‌ریزی‌شده، فضاهای غیررسمی و شبکه‌سازی مبتنی بر داده و اپلیکیشن را در مقیاسی بزرگ رواج داد. HumanX نیز همین الگو را با تمرکز تخصصی بر هوش مصنوعی و طراحی متناسب با آمستردام بازآفرینی کرده است.

اگر سخنرانی‌ها تصویری از آینده هوش مصنوعی ارائه می‌دهند، غرفه‌ها آزمون واقعیت آن هستند. در غرفه، هر شرکت باید توضیح دهد دقیقاً چه مسئله‌ای را حل می‌کند، مشتری چرا باید برای آن پول بپردازد و محصول چگونه به سامانه‌های موجود متصل می‌شود. شاید بهترین معیار تشخیص فاصله میان هیجان و واقعیت نیز همین باشد: پس از حذف عبارت «مبتنی بر هوش مصنوعی»، آیا هنوز مسئله‌ای واقعی، مشتری مشخص و ارزشی قابل‌اندازه‌گیری باقی می‌ماند یا نه؟