اقتصاد زشت هوش مصنوعی مصرف‌کننده

هوش مصنوعی مصرف‌کننده در هفته جاری شاهد بازگشتی قدرتمند بوده است که با محبوبیت دستیار Muse متا و عرضه Dots توسط OpenAI مشخص می‌شود. در همین حال، استارتاپ Instinct با تمرکز بر وظایف عاملی مانند رزرو سفر و مدیریت اشتراک‌ها به ارزش ۱۰ میلیارد دلار دست یافته است. این موج نوآوری، هیجان اولیه پیرامون عرضه ChatGPT در سال ۲۰۲۲ را تداعی می‌کند، چرا که سرمایه‌گذاران و علاقه‌مندان به فناوری مجذوب پتانسیل عوامل هوش مصنوعی برای انجام قابل‌اعتماد کارهای روزمره هستند.

با وجود این اشتیاق، واقعیت مالی همچنان تلخ است. گزارش اخیر بازار Andreessen Horowitz نشان می‌دهد که تنها ۲.۲ درصد از مصرف‌کنندگان برای خدمات هوش مصنوعی هزینه پرداخت می‌کنند و میانگین هزینه ماهانه آن‌ها ۳۱ دلار است. حتی با جهش‌های عملکردی قابل‌توجه در مدل‌های هوش مصنوعی، رشد در پذیرش و تمایل به پرداخت همچنان به‌طور سرسختانه‌ای خطی باقی مانده است. در مقایسه با مقیاس خدمات تثبیت‌شده‌ای مانند نتفلیکس، این ارقام نشان می‌دهند که حتی یک پایگاه کاربری عظیم نیز برای پوشش هزینه‌های عملیاتی نجومی ناشی از اجرای مدل‌های پیشرو هوش مصنوعی با مشکل مواجه خواهد شد.

از نظر تاریخی، صنعت فناوری برای ایجاد تعادل بین هزینه‌های بالای زیرساخت هوش مصنوعی و مدل‌های قیمت‌گذاری مصرف‌کننده با چالش مواجه بوده است. در حالی که رسانه‌های اجتماعی و رایانش ابری با مقیاس‌پذیری کم‌هزینه رونق گرفتند، هوش مصنوعی به قدرت محاسباتی عظیمی نیاز دارد که سودآوری را دشوار می‌کند. در نتیجه، آزمایشگاه‌های بزرگ تمرکز خود را به سمت قراردادهای سازمانی تغییر داده‌اند، جایی که کسب‌وکارها مایل به پرداخت هزینه بیشتر برای ادغام هوش مصنوعی هستند و عملاً توسعه این فناوری‌های قدرتمند را از طریق برنامه‌های کاربردی خاص هر صنعت تأمین مالی می‌کنند.

این تغییر به سمت استراتژی‌های متمرکز بر شرکت‌ها، محیط دشواری را برای محصولات مصرف‌کننده مانند Muse و Instinct ایجاد می‌کند. در حالی که متا از زیرساخت تبلیغاتی عظیم خود برای حمایت از Muse استفاده می‌کند و Instinct مدل‌های درآمدی مبتنی بر کمیسیون را بررسی می‌کند، محدودیت‌های اقتصادی اساسی همچنان باقی است. بدون مسیر مشخصی برای سودآوری، این ابزارهای مصرف‌کننده با سقف سختی برای رشد مواجه هستند و شرکت‌ها را مجبور می‌کند یا به سمت مشتریان شرکتی تغییر جهت دهند یا در بازاری که هنوز آماده پرداخت هزینه واقعی هوش مصنوعی نیست، با بی‌ثباتی مالی مواجه شوند.

در آینده، احتمالاً شاهد تداوم دوگانگی بین آزمایش‌های مصرف‌کننده و راهکارهای سازمانی قوی خواهیم بود. در حالی که دستیارهای شخصی در عملکرد بهبود خواهند یافت، بقای بلندمدت آن‌ها به یافتن جریان‌های درآمدی پایدار فراتر از اشتراک‌های فردی بستگی دارد. کارشناسان معتقدند تا زمانی که هزینه استنتاج به شدت کاهش نیابد، رویای یک هوش مصنوعی فراگیر، رایگان یا کم‌هزینه برای مصرف‌کننده، در مقایسه با دنیای سودآورتر و پرحاشیه نرم‌افزارهای سازمانی و اتوماسیون تجاری تخصصی، در اولویت دوم باقی خواهد ماند.