دکتر مهدی محمدی: سلام، من مهدی محمدی هستم. در اینجا در فیوچراو، ما مجموعه گفتگوهایی درباره آینده و فناوری انجام می‌دهیم. در ادامه سلسله گفتگوهایمان درباره آینده هوش مصنوعی، امروز می‌خواهیم با فرزین فردیس، عضو هیئت رئیسه اتاق بازرگانی تهران و مدیرعامل سرآوا، گفتگو کنیم.

 فرزین جان، سلام و متشکرم. امیدوارم بحث خوبی داشته باشیم. تأثیرات شما بر شکل‌گیری مفهوم اقتصاد دیجیتال، به ویژه در حوزه اتاق بازرگانی و صنعت، بر کسی پوشیده نیست. در این سال‌ها هم سعی کرده‌اید در مورد انقلاب صنعتی چهارم و تأثیراتش در شرکت‌های مختلف صحبت کنید و آن را به کار بگیرید. امروز می‌خواهیم هم درباره نگاه شما به آینده این موضوع در اقتصاد ایران صحبت کنیم و هم از خود مفهوم شروع کنیم. به نظر می‌رسد گاهی اوقات ما سوء تفاهم‌هایی نسبت به خود مفهوم هوش مصنوعی داریم. خلاصه نگاه شما چیست؟ اگر ممکن است، کمی در مورد خود این مفهوم صحبت کنیم که وقتی می‌گوییم هوش مصنوعی، چیست، چه ابعادی دارد و چرا ما گاهی دچار اشتباه مفهومی نسبت به این موضوع می‌شویم.

فرزین فردیس: بسیار متشکرم از اینکه این فرصت فراهم شد تا با هم گفتگو کنیم و امیدوارم نتیجه قابل قبولی داشته باشد که کمک کند افراد بیشتری به این موضوع فکر کنند، بخوانند و دنبال کنند. دغدغه‌مندی شما در این روزها بسیار ارزشمند است. ببینید، ما در کشورمان، مانند بسیاری از جاهای دیگر دنیا، با موجی از ترس، هیجان و علاقه‌مندی نسبت به موضوع هوش مصنوعی روبرو هستیم. در بسیاری از نقاط دیگر دنیا نیز این موج را می‌بینیم. برخی از آن می‌ترسند، به ویژه کسانی که نگران از دست دادن شغل و آینده خود هستند. عده‌ای بسیار هیجان‌زده هستند، شاید بیشتر کسانی که پیشینه تکنولوژی یا مدیریت تکنولوژی دارند و معتقدند اتفاقات جالبی در حال رخ دادن است. برخی آن را با آتش یا برق مقایسه می‌کنند که زندگی را به طور کامل تغییر داد. همه این تعابیر کمک می‌کند که انسان بهتر آن را درک کند.

و البته گروه سومی هم هستند که مانند بسیاری از موقعیت‌های دیگر، سوار بر موج احساسات، هیجانات و ترس‌ها می‌شوند و از آن بهره‌برداری می‌کنند. وقتی ما با چنین پدیده جدیدی مواجه می‌شویم، تا زمانی که به اندازه کافی در ذهن‌هایمان رسوخ کند، باید حواسمان باشد که مدافعان، مخالفان و بهره‌برداران خاص خودش را دارد.

یکی از مسائلی که این روزها در مورد هوش مصنوعی در کشور مشاهده می‌کنیم، این است که واژه آن در حال تنزل است و از آن بیش از حد سوء استفاده می‌شود. این امر باعث می‌شود که پتانسیل‌ها و امکاناتی که می‌تواند به دنیای آینده عرضه کند، در کنار تهدیدهایی که در آن وجود دارد، کمرنگ شود و ناگهان افراد سرخورده و ناامید شوند. در نتیجه، ممکن است از فضای بین‌المللی عقب بمانیم.

در حال حاضر، در ایران اتفاقی که می‌افتد این است که برخی افراد با استفاده از یک فرمول ساده در اکسل یا یک کد برنامه‌نویسی بسیار ابتدایی، ادعا می‌کنند که از هوش مصنوعی استفاده می‌کنند. این افراد، صرف نظر از اینکه آیا درک درستی از هوش مصنوعی دارند یا خیر، سعی می‌کنند از این موج بهره‌برداری کنند و خود را پیشرو و مدرن نشان دهند.

در واقع، ابتکارات، نوآوری‌ها و قدرت پردازشی فراتر از ذهن انسان که ویژگی اصلی هوش مصنوعی است، در این موارد وجود ندارد. این باعث می‌شود که مخاطبان نسبت به هر چیزی که برچسب هوش مصنوعی دارد، بی‌تفاوت شوند و در نهایت، هیجان مثبت اولیه به سمت منفی گرایش پیدا کند.

ما زمانی می‌توانیم از اصطلاح هوش مصنوعی استفاده کنیم که حجم بزرگتری از داده‌ها نسبت به آنچه در ذهن ما در مدت زمان معقولی قابل پردازش است، توسط مجموعه‌ای از پردازنده‌های متنوع پردازش شود و منجر به یافته‌هایی شود که در کوتاه مدت توسط ذهن ما قابل استنتاج نیستند.

اگر معتقدیم که نباید از این فناوری تمدن‌ساز و در عین حال تمدن‌برانداز در دنیا عقب بمانیم، باید بسیار مراقب باشیم. اجازه دهید تأکید کنم که اگر نتوانیم نقش هوش مصنوعی را در آینده دنیا درک کنیم و جا بیندازیم، ممکن است به طور کامل از قافله تکنولوژی عقب بمانیم.

به یاد دارم که چندی پیش با یکی از دوستان در مورد نقش فناوری در تغییر تمدن‌ها صحبت می‌کردیم. این مفهوم را ابتدا علی مطرح کرد و من بعداً در جلسات خصوصی مختلف آن را به کار بردم. ما اغلب فراموش می‌کنیم که فناوری چه تأثیری بر تغییر تمدن‌ها داشته است. به عنوان مثال، همزمان با حکومت نادرشاه افشار در ایران، که یکی از بزرگترین امپراتوری‌های تاریخ ایران را تشکیل داد، در انگلستان فردی به نام جیمز وات متولد شد. وات با تجاری‌سازی فناوری بخار و اختراع ماشین بخار، معادلات قدرت در جهان را تغییر داد و انگلستان را به ابرقدرت اول جهان تبدیل کرد.

همچنین، حدود 10 تا 15 سال پیش، بسیاری از تحلیلگران سیاسی، اقتصادی و فناوری معتقد بودند که ذخایر نفت در بسیاری از نقاط جهان، به ویژه در آمریکا، به زودی تمام خواهد شد. این پیش‌بینی منجر به این نتیجه‌گیری شد که وابستگی جهان غرب به نفت خاورمیانه افزایش خواهد یافت و در نتیجه، قدرت و اهمیت ما به عنوان یکی از تأمین‌کنندگان اصلی انرژی جهان بیشتر خواهد شد. اما فناوری با معرفی نفت شیل به بازار با قیمتی مناسب، این معادله را تغییر داد. امروز می‌بینیم که آمریکا به بزرگترین تولیدکننده نفت جهان تبدیل شده و حتی از کشورهایی مانند عربستان و روسیه که منابع هیدروکربنی سنتی و پیشرفته دارند، پیشی گرفته است.

این قدرت فناوری است که می‌تواند یک تمدن را از بین ببرد یا تمدنی جدید بسازد. در مورد هوش مصنوعی نیز، بسیاری از آینده‌پژوهان و متخصصان، چه در حوزه علمی و چه در زمینه تفکر آزاد، معتقدند که هوش مصنوعی یک فناوری تمدن‌ساز و تمدن‌برانداز است، مگر آنکه به درستی مدیریت شود.

دکتر محمدی: بله، شما از نقطه خوبی شروع کردید. من این تفکیک را در ذهنم اینگونه انجام داده‌ام که وقتی از هوش مصنوعی صحبت می‌کنیم، به جایی اشاره داریم که قدرت یادگیری بالا از داده‌های کلان اتفاق می‌افتد. زمانی که یک سیستم یاد می‌گیرد و خود را اصلاح می‌کند، می‌گوییم هوش مصنوعی در حال وقوع است. این دقیقاً همان نکته‌ای است که شما در مورد استفاده از داده‌های کلان برای پردازش و تحلیل‌های فراانسانی یا حداقل در سطح متوسط انسانی اشاره کردید.

اتفاقات اخیر، به ویژه پس از ظهور OpenAI و تحولات در دنیای فناوری آمریکا، این روند را تقویت کرده است. به عنوان مثال، اگر ChatGPT 3 را با نسخه 4 مقایسه کنیم، شاهد جهش قابل توجهی در نحوه پردازش و یادگیری هستیم. این سیستم‌ها حتی از جستجوهای کاربر یاد می‌گیرند تا پاسخ‌های خود را اصلاح کرده و پاسخ‌های بهتری ارائه دهند.

در مورد دومین بحثی که مطرح کردید، یعنی تمدن‌سازی ناشی از فناوری، باید گفت که هر پارادایم فناوری، به ویژه پس از انقلاب صنعتی، یک ابرقدرت اقتصادی را به همراه داشته است. به عنوان مثال، پارادایم‌های اول و دوم که انگلستان از آن‌ها بهره برد، باعث شد تولید ناخالص داخلی این کشور در قرن نوزدهم از کشورهایی که در قرن هجدهم هم‌تراز یا حتی بالاتر از آن بودند، مانند فرانسه، پیشی بگیرد.

موج سوم انقلاب صنعتی یا انقلاب صنعتی دوم، که تولید انبوه را به همراه داشت، توسط آمریکا مورد بهره‌برداری قرار گرفت و این کشور از آن زمان تاکنون همواره در صدر قدرت‌های اقتصادی جهان باقی مانده است.

در سال‌های اخیر، به نظر می‌رسید که در زمینه هوش مصنوعی یک رقابت دوگانه بین آمریکا و چین در حال شکل‌گیری است. اما در دو سال اخیر، با ظهور غول‌های هوش مصنوعی و زیرساخت‌های بزرگی مانند NVIDIA، به نظر می‌رسد که یک انحصار در حال شکل‌گیری است و حتی چین نیز در حال عقب ماندن از آمریکاست. این در حالی است که چین با قدرت اقتصادی عظیم خود سرمایه‌گذاری‌های بزرگی در این زمینه انجام داده است.

این مسئله از یک دغدغه شخصی شکل گرفت که ما باید درباره این مفهوم جدید که می‌تواند تغییر پارادایم ایجاد کند و به قول شما تمدن‌ساز است، فکر کنیم و ابعاد مختلف آن را بررسی نماییم. این ابعاد شامل جنبه‌های اقتصادی، اجتماعی، کسب و کار، سیاست‌گذاری و تنظیم‌گری می‌شود. مخاطبان این بحث می‌توانند هم عموم مردم و هم متخصصان این حوزه باشند.

در حال حاضر، حوزه هوش مصنوعی در سه لایه در حال رشد است. لایه اول، زیرساخت است که شامل تجهیزات سخت‌افزاری پردازشگر مانند GPU‌ها می‌شود. در این زمینه، آمریکا و به ویژه شرکت NVIDIA انحصار قابل توجهی دارند. لایه دوم، مدل‌های زبانی بزرگ (Large Language Models) و پلتفرم‌های بزرگی است که سرویس‌های API ارائه می‌دهند.

دکتر مهدی محمدی: لایه سوم که هنوز اقیانوس آبی محسوب می‌شود، حتی در سطح جهانی و به طور قطع در ایران، لایه کاربردها و موارد استفاده است. این لایه در حوزه‌های مختلفی مانند علم، آموزش، سلامت و کشاورزی قابل تصور است. به نظر شما، ما باید چه اقدامی انجام دهیم؟ فارغ از سیاست‌گذاری، به عنوان یک فعال اقتصادی در کدام حوزه باید وارد شویم؟ اگر بخواهم یک کسب و کار راه‌اندازی کنم، حتی از منظر سیاست‌گذاری، در کجا می‌توانیم در آینده میان‌مدت برای کشوری مانند ما فرصت ایجاد کنیم؟

فرزین فردیس: به نظر من، در دو لایه اول که به آن‌ها اشاره کردید، یعنی سخت‌افزار و پلتفرم‌های بزرگی که مدل‌ها یا الگوریتم‌ها هستند، ما در کوتاه‌مدت واقعاً نمی‌توانیم بازیگر قابل توجهی باشیم. البته این به معنای نادیده گرفتن کامل این حوزه‌ها نیست. قطعاً باید در دانشگاه‌هایمان به این موضوعات بپردازیم، آن‌ها را رصد کنیم و از تحولات جهانی آگاه باشیم. اما تصور اینکه بتوانیم در این دو لایه ارزش افزوده معناداری به معنای آنچه در اقتصاد به آن می‌پردازیم، ایجاد کنیم، چندان واقع‌بینانه نیست.

اما لایه سوم، یعنی کاربردها و موارد استفاده، اقیانوس آبی بزرگی است که می‌توانیم در سطح ملی، منطقه‌ای و حتی جهانی در آن فعالیت کنیم. به نظر من، هیچ اشکالی ندارد که سیاست ما بر این اساس باشد که کاربر هوشمند و با واکنش سریع نسبت به این فناوری باشیم و جبران عقب‌ماندگی‌مان را در این حوزه، نسبت به فناوری‌های دیگر که در آن‌ها عقب هستیم، سریع‌تر انجام دهیم.

اجازه دهید مثالی بزنم. اخیراً، شرکت دیوار یک ویژگی جدید به نام “سرویس روتوش” را معرفی کرد که با استقبال خوبی مواجه شد. این سرویس به کاربران امکان می‌دهد تصاویر خانه‌های خود را برای فروش یا اجاره بهبود بخشند. این نوع خدمات می‌تواند در صنایع مختلف مانند املاک و مستغلات، سلامت، منابع انسانی و مدیریت شرکت‌ها گسترش یابد.

برخلاف دو لایه دیگر که نیاز به سخت‌افزارهای پیچیده دارند، این لایه سوم کاملاً نرم‌افزاری و مبتنی بر تخصص است. این امر باعث می‌شود که به راحتی قابل سفارشی‌سازی برای زبان‌ها و فرهنگ‌های مختلف باشد. این ویژگی، پتانسیل بزرگی برای صادرات یا همکاری با پلتفرم‌های خارج از کشور ایجاد می‌کند.

دکتر مهدی محمدی: نکته کلیدی دیگر این است که چون هنوز این حوزه یک اقیانوس آبی محسوب می‌شود، قیمت‌گذاری در آن راحت‌تر است. هنوز به مرحله رقابت شدید نرسیده که مجبور باشیم بر سر قیمت چانه‌زنی کنیم. در فرآیند کسب و کار، شما تجربیات ارزشمندی در مجموعه سرآوا و زیرمجموعه‌های آن، به ویژه دیجی‌کالا، کسب کرده‌اید. می‌دانیم که دیجی‌کالا در چند سال اخیر در حوزه هوش مصنوعی فعالیت‌های گسترده‌ای را آغاز کرده است. این فعالیت‌ها شامل بهبود لجستیک، سیستم‌های توصیه‌گر، سیستم‌های پشتیبانی، افزایش بهره‌وری در سیستم‌های انبارداری و پشتیبانی، و حتی مدیریت ناوگان می‌شود. همچنین، نمونه‌هایی مانند سرویس روتوش دیوار و سیستم توصیه‌گر آن نیز قابل ذکر است.

ما شاهد رشد کاربردهای هوش مصنوعی در برخی صنایع هستیم، صرف نظر از اینکه ما به طور مستقیم در توسعه آن دخیل باشیم یا خیر. شرکت‌ها نیاز به افزایش بهره‌وری و کاهش هزینه را درک می‌کنند و به سمت استفاده از این فناوری حرکت می‌کنند. به عنوان مثال، بانک‌ها از چت‌بات‌ها برای پشتیبانی مشتریان استفاده می‌کنند و در زمینه‌هایی مانند تشخیص تقلب نیز پیشرفت‌هایی داشته‌اند.

به نظر شما، کدام حوزه‌ها بیشترین پتانسیل رشد را دارند؟ این سؤال پیچیده است و نیاز به تحقیق دارد، اما با توجه به درک شما از صنعت، کاربردها و توانمندی‌های موجود، کدام حوزه‌ها امکان ورود و رشد بیشتری دارند؟

فرزین فردیس: برای پاسخ به این سؤال، نمی‌توانم داده‌های دقیق حاصل از مطالعات را ارائه دهم، اما می‌توان حدس و گمان‌های منطقی زد. در برخی صنایع کشور ما، آمادگی برای جذب فناوری بالاتر است، در حالی که در برخی دیگر، این آمادگی پایین‌تر است.

می‌توان با استفاده از یک فیلتر، برخی صنایع را که آمادگی کمتری برای جذب دارند کنار گذاشت و بر صنایعی تمرکز کرد که جذاب‌تر هستند. به عنوان مثال، صنعت بانکداری یا به طور گسترده‌تر، فین‌تک، احتمالاً آمادگی بیشتری برای طراحی، آزمایش و اجرای موارد استفاده هوش مصنوعی دارد. این امر به دلیل تجربه بیشتر این صنعت در جذب فناوری‌های جدید و آمادگی مدیران آن برای مواجهه با پدیده‌های جدید فناورانه است.

در مقایسه، صنعتی مانند حمل و نقل هنوز با مسائل بنیادی‌تری مانند ناوگان فرسوده، چالش‌های تعرفه‌ای، مسائل زیست محیطی و زیرساخت‌های جاده‌ای درگیر است.

بنابراین، یک رویکرد می‌تواند این باشد که در انتخاب موارد استفاده برای توسعه و ورود به بازار، صنایعی را در اولویت قرار دهیم که آمادگی بیشتری برای پذیرش و جذب فناوری دارند. این استراتژی می‌تواند به موفقیت سریع‌تر در کوتاه مدت منجر شود. البته در بلندمدت، صنایعی که کمتر به این موضوع پرداخته‌اند، ممکن است فرصت‌های بکرتری را ارائه دهند، زیرا رقبای کمتری در آن‌ها حضور دارند. این موضوع می‌تواند هم تهدید و هم فرصت تلقی شود.

رویکرد دیگری که باید در نظر گرفت، میزان همراهی رگولاتور در استفاده از داده‌ها در صنایع مختلف است. در سال‌های گذشته، ما همواره با چالش‌هایی در زمینه مالکیت داده و حقوق مرتبط با آن مواجه بوده‌ایم. این موضوع در کشور ما هنوز به طور کامل تعریف نشده است. مثلاً، مشخص نیست که در صورت ورود اطلاعات در یک پلتفرم یا وب‌سایت، مالک داده کیست: کاربر، وب‌سایت، وزارتخانه مربوطه یا دولت.

البته، درک این موضوع در سیستم قانون‌گذاری کشور وجود دارد که تعیین مالکیت داده و مسئولیت‌های بهره‌بردار داده اهمیت دارد و باید مرزبندی‌های لازم انجام شود. این یکی از زیرساخت‌های حقوقی مهم برای توسعه بسیاری از فناوری‌ها در کشور است. اگرچه ما اغلب به زیرساخت‌های سخت‌افزاری مانند GPU‌ها توجه می‌کنیم، اما زیرساخت‌های حقوقی نیز به همان اندازه مهم هستند و باید سریع‌تر به آن‌ها پرداخته شود.

در برخی حوزه‌ها، رگولاتور نسبت به استفاده از داده‌ها برای یادگیری ماشین، سیستم‌های توصیه‌گر یا ارائه خدمات، سختگیری بیشتری دارد. به عنوان مثال، در حوزه سلامت، رگولاتور بسیار محتاط است. من قصد قضاوت در مورد درستی یا نادرستی این رویکرد را ندارم، اما این احتیاط قابل مشاهده است.

از طرف دیگر، در برخی حوزه‌ها، رگولاتور آزادی عمل بیشتری داده است. در برخی موارد، رگولاتور حتی به سمت داده‌های باز (Open Data) حرکت کرده و اجازه تجزیه و تحلیل را می‌دهد. در برخی صنایع، مانند مثالی که از ناوگان لجستیکی دیجی‌کالا زدید، شرکت‌ها خود مالک داده‌های خود هستند و می‌توانند از آن‌ها برای بهینه‌سازی استفاده کنند.

مثال خوبی که می‌توان در این زمینه ذکر کرد، صنعت فولاد است. در ایران، حجم زیادی گندله تولید می‌کنیم که از آن فولاد به دست می‌آید. در زنجیره فولاد، مجموعه‌ای در اصفهان شکل گرفته که CVC فولاد روی آن سرمایه‌گذاری کرده است. این مجموعه از نمونه‌های موفق انقلاب صنعتی چهارم در کشور است که با استفاده از هوش مصنوعی، بهره‌وری تولید گندله را در یک کارخانه گندله‌سازی افزایش می‌دهد.

در این مورد، مالکیت داده متعلق به بنگاه‌هایی است که در حوزه معدن، حمل و نقل، گندله‌سازی و فولاد فعالیت می‌کنند و رگولاتور حساسیت خاصی روی آن ندارد. این فرآیند کاملاً داخلی است و شرکت‌ها خودشان ریسک آن را می‌پذیرند و مدیریت می‌کنند.

نتایج این رویکرد قابل توجه است. به عنوان مثال، وقتی راندمان یک کارخانه گندله‌سازی با مقیاس متوسط به بالا، به واسطه استفاده از سرویس هوش مصنوعی (که توسط فارغ‌التحصیلان دانشگاه صنعتی اصفهان توسعه یافته و CVC فولاد روی آن سرمایه‌گذاری کرده) دو درصد افزایش می‌یابد، در پایان سال می‌توان در ترازنامه و صورت سود و زیان، پتانسیل افزایش چند میلیون دلاری در سود عملیاتی را مشاهده کرد.

بنابراین، می‌توان دو دسته‌بندی را در نظر گرفت: اول، صنایعی که آمادگی بیشتری برای جذب فناوری دارند و جذاب‌تر هستند. دوم، نحوه نگرش رگولاتور به این صنایع – آیا رگولاتور سختگیر است، یا داده‌ها عمومی هستند، یا رگولاتور همراه‌تر و قانونمندتر است.

هر کسی با نگاه به این دو دسته‌بندی می‌تواند ارزیابی کند که احتمال موفقیت یک مورد استفاده خاص از منظر تهدیدهای بیرونی و محیطی چقدر است. البته، میزان موفقیت در توسعه، رقابتی بودن و ایجاد ارزش افزوده به توانایی‌های خود فرد یا شرکت بستگی دارد.

دکتر مهدی محمدی: نکته مهم دیگری که از مثال شما می‌توان استنباط کرد این است که در عصر هوش مصنوعی، کسانی باقی می‌مانند که بالاتر از متوسط عمل می‌کنند. یعنی آنهایی که سریع‌تر با ابزارهای هوشمند سازگار می‌شوند و عملکرد بهتری دارند. احتمالاً در آینده نزدیک، شکاف بین افراد و شرکت‌های هوشمند و غیرهوشمند به شدت افزایش خواهد یافت. جمع افراد و شرکت‌ها در نهایت کشور را تشکیل می‌دهند. بنابراین، کشورهایی که هوشمندتر عمل می‌کنند، توسعه یافته‌تر خواهند بود. 

در مورد انتخاب صنعت برای پیاده‌سازی هوش مصنوعی، دو نکته مهم وجود دارد. اول، صنایعی که ظرفیت پذیرش بالایی دارند و خود تکنولوژی محور هستند. به عنوان مثال، شرکت‌هایی مانند گوگل که کسب و کارشان بر پایه فناوری است، طبیعتاً باید در زمینه هوش مصنوعی فعالیت کنند. دوم، صنایعی که داده‌های زیادی در اختیار دارند، چه به دلیل عدم وجود مقررات سختگیرانه و یا وجود داده‌های باز، و یا اینکه خود شرکت صاحب داده‌های بزرگ است.

نکته دیگری که باید در نظر گرفت این است که در حال حاضر و احتمالاً تا یک دهه آینده، هوش مصنوعی بیشتر نقش دستیار را ایفا می‌کند. یعنی به ما کمک می‌کند تا کارها را سریع‌تر، با بهره‌وری بالاتر و با کیفیت بهتری انجام دهیم.

در مورد پذیرش فناوری در صنایع ایرانی، سوال مهمی مطرح می‌شود. آیا صنایع ما در شرایط اقتصادی فعلی و با وجود مقررات دست و پاگیر، می‌توانند به این موضوع فکر کنند؟ آیا مسئله پذیرش فقط مربوط به محیط کلان است یا ابعاد درونی مانند منابع مالی و قدرت ریسک‌پذیری نیز در آن نقش دارند؟

فرزین فردیس: این سوال را می‌توان حتی به قبل از ظهور هوش مصنوعی نیز تعمیم داد. چرا ما نتوانسته‌ایم فناوری را به خوبی در بنگاه‌هایمان پیاده کنیم؟ بر اساس مطالعات انجام شده در اتاق بازرگانی، یکی از مهم‌ترین عواملی که باعث می‌شود یک صنعت آمادگی پذیرش و زیست با فناوری جدید را داشته باشد، میزان رقابت‌پذیری آن است. هر چقدر یک بنگاه به سمت رقابت‌پذیری حرکت کند، احتمال اینکه مدیرانش کنجکاو و علاقه‌مند به استفاده از فناوری‌های جدید باشند، بیشتر می‌شود.

در فضای رقابتی، مدیران با اشتیاق بیشتری به دنبال فناوری‌های جدید می‌روند. آنها تیم‌هایی را برای بررسی این فناوری‌ها تشکیل می‌دهند، با استارتاپ‌ها جلسه می‌گذارند و در رویدادهای مرتبط شرکت می‌کنند تا رقابت‌پذیری بنگاه خود را حفظ کنند. همچنین، آنها به دنبال مشاوره برای بهبود بلوغ سازمانی در مواجهه با فناوری هستند و سؤالات کلیدی مدیریت فناوری را مطرح می‌کنند.

در مقابل، در فضای رانتی، نیازی به فناوری احساس نمی‌شود. به جای تلاش برای افزایش راندمان از طریق فناوری، ممکن است مدیران به دنبال تغییر قیمت منابع از طریق لابی با نمایندگان مجلس باشند.

متأسفانه در برخی موارد، به جای تلاش برای ایجاد ارزش افزوده از طریق نوآوری، برخی افراد به دنبال ایجاد انحصار و بهره‌برداری از رانت هستند. گاهی این رفتار تحت عنوان “حمایت از تولید داخل” توجیه می‌شود، اما در واقع منجر به عدم پیشرفت و بهبود کیفیت می‌شود.

از دیدگاه ما در اتاق بازرگانی تهران، برای فناور شدن کشور، باید به سمت حذف رانت و مبارزه با انحصارها حرکت کنیم. اگر می‌خواهیم کشوری با بهره‌وری بیشتر و استفاده بهتر از فناوری برای رفاه مردم داشته باشیم، باید با رانت‌خواری و بهره‌برداری از انحصار مقابله کنیم و شرکت‌ها را به سمت فضای رقابتی سوق دهیم.

دکتر مهدی محمدی: نکته کلیدی این است که نوآوری زمانی اتفاق می‌افتد که سازمان احساس کند بقایش در خطر است. وقتی عوامل تهدیدکننده بقا را از بین می‌بریم یا سیگنال‌های اشتباه می‌دهیم، حس‌گرهای سازمان درست کار نمی‌کنند و ممکن است رانت حاصل از لابی را به نوآوری و استفاده از فناوری ترجیح دهند.

این موضوع به سیاست‌گذاری برمی‌گردد. حتی در توسعه سیاست هوش مصنوعی، باید مکانیزم‌های تشویقی و محرک ایجاد کرد. تفاوت کشورهای توسعه‌یافته با کشورهایی مانند ما در این است که رانت به درستی تخصیص داده نمی‌شود یا مکانیزم درستی ندارد. این باعث می‌شود که رفتار رانت‌جویانه جایگزین کارآفرینی شود.

به همین دلیل ما تعداد زیادی “کارآفرین” داریم که در واقع رانت‌جو هستند و از ابزارهای رانت‌جویانه استفاده می‌کنند.

فرزین فردیس: نکته مهم دیگر این است که در کشور ما، گاهی منفعت احداث یک کارگاه تولیدی بیشتر از اداره کردن آن است، زیرا رانت در تخصیص زمین، خوراک، مواد اولیه و ارز وجود دارد. ما باید در سیاست‌گذاری، رانت را به “شاگرد زرنگ کلاس” بدهیم – به کسی که محصول رقابت‌پذیر در سطح بین‌المللی تولید می‌کند. این بهترین معیار است. اگر می‌خواهیم فناوری را در صنایع مختلف ترویج کنیم، چه هوش مصنوعی باشد چه سایر فناوری‌ها، باید رانت‌ها را به سمت آن دسته از تولیدکنندگانی هدایت کنیم که در سطح بین‌المللی رقابت‌پذیر و صادرات‌محور عمل می‌کنند.

دکتر مهدی محمدی: در حال حاضر ما در دوره‌ای در ایران صحبت می‌کنیم که هنوز بازیگر بزرگی در حوزه هوش مصنوعی نداریم. شرکت‌هایی که قصد استفاده از هوش مصنوعی را دارند، در حال ایجاد زیرساخت و تشکیل تیم هستند. حتی در شرکتی مانند دیجی‌کالا، هوش مصنوعی هنوز بخش کوچکی از کل کسب و کار را تشکیل می‌دهد. این وضعیت در سایر صنایع نیز مشابه است.

فضای کسب و کار قطعاً اولویت اول، دوم و سوم است، اما پس از آن، مسائلی مانند نیروی انسانی، تخصیص بودجه برای تحقیق و توسعه، و همکاری‌های بین‌المللی مطرح می‌شوند. برای پیشرفت در حوزه هوش مصنوعی، ما نیاز به همکاری با شرکت‌های بین‌المللی، یادگیری از آنها و انتقال تکنولوژی داریم. پس چگونه می‌توانیم شرکت‌ها را در این زمینه توانمند کنیم؟ آیا باید آموزش ارائه دهیم یا متخصص تربیت کنیم؟ یا شاید باید زیرساخت‌هایی ایجاد کنیم که شرکت‌ها بتوانند از آنها استفاده کنند؟

فرزین فردیس: در عصر پیشرفت سریع فناوری، به ویژه هوش مصنوعی، اتاق‌های بازرگانی نقش حیاتی در توانمندسازی اعضا و بنگاه‌های اقتصادی دارند. وظیفه ما فراتر از آموزش صرف یا ایجاد زیرساخت‌های فنی است؛ ما باید نگرش و دیدگاه مدیران ارشد را نسبت به هوش مصنوعی تغییر دهیم.

پس از بررسی‌های عمیق و گفتگو با صاحبان صنایع و کمیسیون‌های تخصصی، به این نتیجه رسیدیم که چالش اصلی، نه کمبود نیروی انسانی یا بودجه، بلکه نیاز به درک صحیح هوش مصنوعی توسط مدیران ارشد است. بسیاری از این مدیران پیشینه فنی در حوزه IT ندارند و ممکن است در مورد چگونگی بهره‌گیری از هوش مصنوعی در کسب و کارشان سردرگم باشند.

ما به دنبال توسعه دانشی هستیم که می‌توان آن را “هوش مصنوعی برای مدیران غیر فنی” نامید. همانطور که در گذشته “مدیریت مالی برای مدیران غیرمالی” آموزش داده می‌شد، اکنون نیاز داریم مدیران ارشد را با مفاهیم و کاربردهای هوش مصنوعی آشنا کنیم. هدف این است که آنها بتوانند تصمیمات آگاهانه‌تری در مورد استفاده از هوش مصنوعی در سازمان‌هایشان بگیرند.

با الهام از دوره‌هایی مانند “AI for Everyone” اندرو انگ، ما معتقدیم که قبل از سرمایه‌گذاری در استخدام متخصصان یا خرید تجهیزات، مدیران باید درک درستی از قابلیت‌ها و محدودیت‌های هوش مصنوعی داشته باشند. این درک به آنها کمک می‌کند تا بودجه را بهینه‌تر تخصیص دهند و استراتژی‌های مناسب‌تری برای پیاده‌سازی هوش مصنوعی تدوین کنند.

در نهایت, ایجاد این بلوغ فکری در سطح مدیریت ارشد بنگاه‌ها می‌تواند به حل مشکلات دیگر مانند کمبود بودجه و نیروی انسانی کمک کند. با این رویکرد، مدیران می‌توانند موانع ذهنی را کنار بگذارند و راه را برای نوآوری و رقابت‌پذیری بیشتر در عصر هوش مصنوعی هموار کنند.

دکتر مهدی محمدی: در حال حاضر، ما در مرحله‌ای هستیم که می‌خواهیم وارد بحث هوش مصنوعی شویم. سؤال این است که چرا وزارت علوم دوره‌های دکترا و کارشناسی ارشد هوش مصنوعی و دوره‌های مهارت‌محور در این زمینه ارائه نمی‌دهد؟ همچنین، چرا سازمان فنی و حرفه‌ای در این زمینه اقدامی نمی‌کند؟حتی می‌توان رانت‌ها را در جهت مثبت هدایت کرد. به عنوان مثال، اگر سازمان هوش مصنوعی زیرساخت‌های لازم را فراهم کند، شرکت‌ها و افراد می‌توانند در این زمینه فعالیت کنند. در حال حاضر، مسئله اصلی زیرساخت است.

به نظر من، اتاق بازرگانی باید در دو حوزه نقش فعال‌تری ایفا کند: اول، در لایه یادگیری درون‌گروهی و افزایش آگاهی اعضای اتاق نسبت به این موضوع، و دوم، در زمینه لابی‌گری و تعامل با سایر نهادها.

من به یاد دارم که حدود 5 سال پیش، در سال 1397 یا 86، ما در معاونت علمی یک گزارش آینده‌نگاری تهیه کردیم. در آن گزارش، سه کلان‌روند کلیدی را شناسایی کردیم: دیجیتالی‌سازی، هوشمندسازی و قابلیت‌های جدید. این گزارش منجر به شکل‌گیری ستاد فناوری اطلاعات و ارتباطات شد که بعداً به اقتصاد دیجیتال تغییر نام داد.

حدود یک سال و نیم پس از آن، اتاق بازرگانی کمیسیون اقتصاد دیجیتال را تشکیل داد. اما در واقع، بخش خصوصی باید زودتر از دولت سیگنال‌های محیطی را دریافت کند و به دولت سرنخ دهد. در دوره کنونی، موتور محرک اقتصاد دیگر دولت نیست، بلکه بخش خصوصی است که باید جهت حرکت را تعیین کند.

این موضوع حتی در حوزه آموزش هم صادق است. بسیاری از شرکت‌های بزرگ در حال حاضر به بزرگترین ارائه‌دهندگان آموزش هوش مصنوعی در دنیا تبدیل شده‌اند.

فرزین فردیس: کاملاً موافقم. ما در بخش خصوصی گاهی فراموش کرده‌ایم که در شکل دادن به آینده نقش مؤثری داریم. بیشتر به سمت دفاع از منافع خود رفته‌ایم، اما فراموش کرده‌ایم که ممکن است در این میان، فرصت‌ها و تهدیدهای بزرگتری را از دست بدهیم.

ما در مدیریت فناوری اصطلاحی داریم به نام “حسگری پویا”. وقتی سیستم‌های حسگری خود را از دست می‌دهیم و نمی‌توانیم تغییرات محیطی را به خوبی درک کنیم، به جای اینکه توانمند باشیم، ناتوان می‌شویم. ما باید هم در بخش دولتی و هم در بخش خصوصی نقش حسگری را ایفا کنیم، وگرنه مانند دایناسورها منقرض خواهیم شد.

دکتر محمدی: بسیار متشکرم از اینکه وقت گذاشتید و این گفتگو را انجام دادیم. امیدوارم برای کسانی که این گفتگو را شنیدند، نکات ارزشمندی برای فکر کردن فراهم کرده باشیم.

فرزین فردیس: متشکرم از دعوت شما. خدانگهدار.