پیش‌بینی تقاضا و مدیریت منابع با استفاده از هوش مصنوعی؛ بهینه‌سازی قیمت‌گذاری پویا در افق ایران

 انقلاب هوش مصنوعی در مدیریت کسب‌وکار؛ ضرورتی برای بقا و پیشرفت

هوش مصنوعی (AI) دیگر تنها یک مفهوم علمی-تخیلی نیست، بلکه به نیروی محرکه اصلی تحول در صنایع مختلف، از تولید و لجستیک تا خرده‌فروشی و خدمات مالی تبدیل شده است. این فناوری، قابلیت‌های انسانی را تقویت می‌کند و مسیرهای جدیدی برای نوآوری و کارایی می‌گشاید. همانطور که ساندار پیچای، مدیرعامل گوگل، بیان می‌کند: "آینده هوش مصنوعی در جایگزینی انسان‌ها نیست، بلکه در تقویت توانایی‌های انسانی است". این تحول، از پردازش خودکار وظایف شناختی تا ارائه بینش‌های استراتژیک، دامنه وسیعی از کاربردها را در بر می‌گیرد و به سازمان‌ها کمک می‌کند تا در محیط‌های پیچیده و پویا، تصمیمات بهتری اتخاذ کنند.   

در اقتصاد جهانی امروز که با نوسانات شدید بازار، تغییرات سریع در رفتار مصرف‌کننده و پیچیدگی‌های زنجیره تامین همراه است، توانایی پیش‌بینی دقیق تقاضا، مدیریت بهینه منابع و تنظیم هوشمند قیمت‌ها، دیگر یک مزیت رقابتی نیست، بلکه ابزاری حیاتی برای بقا و رشد محسوب می‌شود. شرکت‌ها برای کاهش هزینه‌ها، جلوگیری از کمبود یا مازاد موجودی، بهبود برنامه‌ریزی تولید و افزایش رضایت مشتری به شدت به این قابلیت‌ها نیاز دارند. این فناوری‌ها، امکان بهینه‌سازی سطوح موجودی برای کاهش هزینه‌های نگهداری و جلوگیری از کمبود کالا، بهبود برنامه‌ریزی تولید و زمان‌بندی برای پاسخگویی کارآمد به نیازهای مشتری، و افزایش برنامه‌ریزی مالی از طریق پیش‌بینی درآمد و جریان نقدی را فراهم می‌کنند.   

این گزارش، به قلم مجله سفرنویسان، قصد دارد تا با رویکردی تحلیلی و چالشی، وضعیت کنونی ایران را در زمینه به‌کارگیری هوش مصنوعی در پیش‌بینی تقاضا، مدیریت منابع و قیمت‌گذاری پویا مورد بررسی قرار دهد. با تکیه بر آمار و ارقام دقیق و نقل قول‌های دست اول از مقامات دولتی، فعالان بخش خصوصی و کارشناسان، به نقاط قوت و ضعف، فرصت‌ها و تهدیدهای پیش روی کشور در این مسیر خواهیم پرداخت و در نهایت، راهکارهای عملی و سازنده‌ای را برای تسریع پیشرفت در این حوزه ارائه خواهیم داد.

 هوش مصنوعی در قلب عملیات کسب‌وکار: روندهای جهانی و دستاوردهای چشمگیر

پیش‌بینی تقاضا: از داده‌های تاریخی تا سیگنال‌های لحظه‌ای

هوش مصنوعی در پیش‌بینی تقاضا، با بهره‌گیری از الگوریتم‌های یادگیری ماشین (مانند یادگیری نظارت‌شده، یادگیری بدون نظارت، و یادگیری تقویتی)، شبکه‌های عصبی (از جمله LSTM و Transformer) و مدل‌های ترکیبی، قادر است حجم عظیمی از داده‌ها را تحلیل کند. این داده‌ها شامل اطلاعات داخلی مانند سوابق فروش، موجودی انبار، زمان‌های تحویل، تقویم‌های تبلیغاتی و تاریخچه قیمت‌گذاری و همچنین سیگنال‌های خارجی و لحظه‌ای مانند داده‌های آب و هوایی، احساسات شبکه‌های اجتماعی و شاخص‌های کلان اقتصادی هستند. این مدل‌ها به طور مداوم از داده‌های جدید یاد می‌گیرند و خود را با شرایط متغیر بازار تطبیق می‌دهند.   

شرکت‌های پیشرو با استفاده از هوش مصنوعی، خطای پیش‌بینی خود را به طرز چشمگیری کاهش داده‌اند. طبق گزارش مک‌کینزی، سازمان‌هایی که از این رویکرد استفاده می‌کنند، شاهد کاهش ۳۰ تا ۵۰ درصدی خطاها و بهبود تا ۱۵ درصدی در مدیریت موجودی بوده‌اند. برای مثال، پلتفرم هوش مصنوعی Zara با تحلیل بیش از ۳۰۰ میلیون تراکنش هفتگی، سطح موجودی را بهینه کرده و مازاد موجودی را تا ۲۰ درصد کاهش داده است. Target نیز با پلتفرم هوش مصنوعی خود، موجودی بیش از ۱۹۰۰ فروشگاه را به صورت بلادرنگ رصد کرده و کمبود موجودی را تا ۴۰ درصد کاهش داده است. این پیشرفت‌ها نه تنها هزینه‌های نگهداری موجودی را کاهش می‌دهند، بلکه از کمبود کالا جلوگیری کرده و رضایت مشتری را افزایش می‌دهند.   

برای سنجش اثربخشی پیش‌بینی تقاضا با هوش مصنوعی، شاخص‌هایی مانند میانگین خطای مطلق درصدی (MAPE) به عنوان معیار پایه دقت، و ارزش افزوده پیش‌بینی (FVA) که میزان بهبود دقت را در هر مرحله از فرآیند اندازه‌گیری می‌کند، مورد استفاده قرار می‌گیرند. مک‌کینزی در نظرسنجی سال ۲۰۲۳ خود نشان داد که ۲۵ درصد از شرکت‌ها، بیش از ۵ درصد از سود قبل از بهره و مالیات (EBIT) خود را به موارد استفاده از هوش مصنوعی مانند برنامه‌ریزی تقاضا نسبت می‌دهند. این ارقام به وضوح نشان می‌دهد که هوش مصنوعی چگونه به طور مستقیم بر عملکرد مالی شرکت‌ها تأثیر می‌گذارد و کارایی عملیاتی را به سطوح بی‌سابقه‌ای ارتقا می‌دهد.   

هوش مصنوعی نه تنها داده‌های سنتی مانند سوابق فروش تاریخی را پردازش می‌کند، بلکه سیگنال‌های لحظه‌ای خارجی از جمله احساسات شبکه‌های اجتماعی، داده‌های آب و هوایی و شاخص‌های کلان اقتصادی را نیز در نظر می‌گیرد. این ترکیب داده‌ها به مدل‌ها اجازه می‌دهد تا الگوهای پیچیده‌ای را شناسایی کنند که مدل‌های سنتی قادر به درک آن‌ها نیستند. این قابلیت، منجر به پیش‌بینی‌های دقیق‌تر در سطح SKU (واحد نگهداری موجودی)، فروشگاه و حتی روزانه می‌شود، برخلاف مدل‌های سنتی که بیشتر بر سطح دسته‌بندی و تقاضای هفتگی تمرکز دارند. این دقت بالا، امکان بهینه‌سازی‌های بسیار ظریف‌تر را فراهم می‌کند. این هم‌افزایی، توانایی کسب‌وکارها را برای واکنش سریع به تغییرات ناگهانی بازار، مانند افزایش تقاضا ناشی از ترندهای شبکه‌های اجتماعی یا رویدادهای آب و هوایی، به شدت افزایش می‌دهد. این امر به آن‌ها اجازه می‌دهد تا از کمبود موجودی یا مازاد آن جلوگیری کرده و سرمایه را به طور بهینه تخصیص دهند. این رویکرد، سوالاتی را در مورد چگونگی تسهیل دسترسی به داده‌های خارجی با کیفیت بالا در ایران و وجود زیرساخت‌های لازم برای جمع‌آوری و پردازش این حجم از داده‌های لحظه‌ای در کشور مطرح می‌کند.   

مدیریت منابع: بهینه‌سازی هوشمند در دنیای پیچیده

هوش مصنوعی با تحلیل داده‌های تاریخی و لحظه‌ای، به مدیران پروژه و عملیات کمک می‌کند تا منابع را به طور هوشمندانه تخصیص دهند. این شامل پیش‌بینی نیازهای آتی منابع، تطبیق خودکار وظایف با مهارت‌ها و در دسترس بودن تیم، و متعادل‌سازی حجم کاری برای جلوگیری از فرسودگی شغلی است. در مدیریت پروژه، هوش مصنوعی می‌تواند زمان‌بندی‌های واقع‌بینانه تعیین کند، گلوگاه‌های احتمالی را پیش‌بینی کند و بودجه‌بندی را با دقت بالاتری انجام دهد. این قابلیت‌ها شامل تجزیه و تحلیل داده‌محور برای پیش‌بینی دقیق‌تر، ردیابی بلادرنگ پروژه و جریان‌های کاری تطبیقی، تخصیص هوشمند منابع، مدیریت پیشگیرانه ریسک، و خودکارسازی وظایف و ساده‌سازی جریان کار می‌شود.   

در صنعت لجستیک، نگهداری پیش‌بینی‌کننده با هوش مصنوعی هزینه‌ها را به میزان قابل توجهی کاهش می‌دهد. به عنوان مثال، سیستم هوش مصنوعی بندر روتردام با پیش‌بینی نیازهای نگهداری بیش از ۱۰۰,۰۰۰ دارایی با دقت ۹۵٪، زمان توقف غیرمنتظره را تا ۲۰٪ کاهش داده و سالانه ۳۱ میلیون یورو صرفه‌جویی کرده است. FedEx با پلتفرم هوش مصنوعی خود، هزینه‌های نگهداری ناوگان بیش از ۳۵،۰۰۰ وسیله نقلیه را سالانه ۱۱ میلیون دلار کاهش داده و زمان توقف را ۲۲٪ کم کرده است. Kuehne+Nagel با بهینه‌سازی برنامه‌ریزی نیروی کار در ۱۳۰۰ مکان، ۱۵٪ از هزینه‌های نیروی کار را کاهش داده و ۲۰٪ محموله بیشتر را مدیریت کرده است. این موارد نشان می‌دهد که هوش مصنوعی چگونه به طور ملموس به بهبود کارایی و کاهش هزینه‌ها در مقیاس بزرگ کمک می‌کند.   

کاربرد هوش مصنوعی در مدیریت منابع، شرکت‌ها را از رویکرد واکنشی (حل مشکلات پس از وقوع) به رویکرد پیش‌بینی‌کننده و پیشگیرانه (شناسایی و جلوگیری از مشکلات قبل از وقوع) سوق می‌دهد. این امر نه تنها کارایی را افزایش می‌دهد، بلکه تاب‌آوری عملیاتی را نیز بهبود می‌بخشد، به ویژه در مواجهه با اختلالات غیرمنتظره. این تغییر پارادایم، امکان مدیریت فعال ریسک‌ها، بهینه‌سازی مستمر فرآیندها و تخصیص منابع به گونه‌ای را فراهم می‌کند که از هدر رفت جلوگیری شده و بهره‌وری به حداکثر برسد. این تحول، پرسش‌هایی را در مورد آمادگی فرهنگی و ساختاری سازمان‌های ایرانی برای پذیرش این تغییر پارادایم از مدیریت سنتی به هوشمند و همچنین نیاز به آموزش‌های لازم برای مدیران و کارکنان در این زمینه مطرح می‌کند.   

ابعاد مالی جهانی: بازارهای هوش مصنوعی در اوج رشد

بازار جهانی هوش مصنوعی در لجستیک در سال ۲۰۲۵ به ۲۰.۸ میلیارد دلار رسیده است که نشان‌دهنده رشد چشمگیر ۴۵.۶ درصدی CAGR از سال ۲۰۲۰ است. این آمار، اهمیت حیاتی هوش مصنوعی را برای بقا و رشد در این صنعت نشان می‌دهد. بازار جهانی هوش مصنوعی در مدیریت موجودی نیز در سال ۲۰۲۵ به ۹.۶ میلیارد دلار رسیده و پیش‌بینی می‌شود تا سال ۲۰۲۹ با نرخ رشد ترکیبی سالانه ۲۹.۸٪ به ۲۷.۲۳ میلیارد دلار برسد. این رشد ناشی از افزایش تعداد فروشگاه‌های خرده‌فروشی، پیچیدگی زنجیره‌های تامین و در دسترس بودن داده‌ها است. بازار ابزارهای قیمت‌گذاری پویا مبتنی بر هوش مصنوعی نیز در سال ۲۰۲۵ حدود ۵ میلیارد دلار تخمین زده شده و پیش‌بینی می‌شود تا سال ۲۰۳۳ با نرخ رشد ۲۰٪ به ۲۰ میلیارد دلار برسد. به طور کلی، سرمایه‌گذاری جهانی در شرکت‌های هوش مصنوعی در سال ۲۰۲۴ به ۱۱۰ میلیارد دلار رسید که ۶۲٪ رشد نسبت به سال ۲۰۲۳ نشان می‌دهد.   

آمریکای شمالی در سال ۲۰۲۴ بزرگترین سهم را در بازار هوش مصنوعی در مدیریت موجودی داشته است و همچنین در بازار ابزارهای قیمت‌گذاری پویا نیز پیشرو است. آسیا-اقیانوسیه نیز سریع‌ترین رشد را در این دوره پیش‌بینی می‌کند. در سال ۲۰۲۴، سرمایه‌گذاری خصوصی در هوش مصنوعی در ایالات متحده به ۱۰۹.۱ میلیارد دلار رسید که در مقایسه با ۹.۳ میلیارد دلار چین و ۴.۵ میلیارد دلار بریتانیا، بسیار چشمگیر است. این ارقام، مقیاس عظیم سرمایه‌گذاری در کشورهای پیشرو را به وضوح نشان می‌دهد.   

رشد انفجاری بازارهای هوش مصنوعی در حوزه‌های پیش‌بینی تقاضا، مدیریت منابع و قیمت‌گذاری پویا، نشان‌دهنده این است که شرکت‌ها و کشورها به طور فزاینده‌ای هوش مصنوعی را نه تنها به عنوان یک ابزار کارایی، بلکه به عنوان یک اهرم استراتژیک برای افزایش سودآوری و کسب مزیت رقابتی در بازارهای جهانی می‌بینند. این سرمایه‌گذاری‌ها مستقیماً به کاهش هزینه‌ها، افزایش دقت پیش‌بینی و بهینه‌سازی درآمد منجر می‌شود. این روند جهانی، فشار مضاعفی بر کشورهایی مانند ایران وارد می‌کند که در این حوزه‌ها عقب‌تر هستند. عدم سرمایه‌گذاری کافی و عدم بهره‌برداری از هوش مصنوعی می‌تواند به از دست دادن سهم بازار، کاهش رقابت‌پذیری و در نهایت، تضعیف اقتصادی منجر شود. این وضعیت، لزوم ارزیابی کافی بودن سرمایه‌گذاری‌های فعلی ایران در هوش مصنوعی برای رقابت در سطح جهانی و همچنین بررسی راهکارهای جذب سرمایه‌های بیشتر در بخش خصوصی و دولتی ایران را ضروری می‌سازد.   

قیمت‌گذاری پویا با هوش مصنوعی: فرصت‌های درآمدی و دغدغه‌های اخلاقی

مکانیزم‌های هوشمند قیمت‌گذاری: تعادل میان عرضه و تقاضا

قیمت‌گذاری پویا (Dynamic Pricing) به معنای تنظیم قیمت‌ها به صورت بلادرنگ بر اساس داده‌های لحظه‌ای تقاضا، رقابت و روندهای بازار است. این رویکرد، ریشه در اصل اساسی عرضه و تقاضا دارد و هدف آن یافتن نقطه بهینه قیمتی است که ضمن حفظ رقابت‌پذیری، درآمد را به حداکثر برساند. مفهوم "کشش قیمتی" (Price Elasticity) در این زمینه حیاتی است؛ به این معنی که تقاضا برای یک محصول یا خدمت در پاسخ به تغییرات قیمت چقدر تغییر می‌کند. هوش مصنوعی به خرده‌فروشان کمک می‌کند تا کشش قیمتی را در هر کانال فروش درک کنند. این درک عمیق از رفتار مشتریان به کسب‌وکارها امکان می‌دهد تا قیمت‌ها را به گونه‌ای تنظیم کنند که هم سودآوری را بهینه سازند و هم رضایت مشتری را حفظ کنند.   

الگوریتم‌های یادگیری ماشین، هسته قیمت‌گذاری پویا را تشکیل می‌دهند. آن‌ها قادرند حجم وسیعی از داده‌ها (شامل سوابق فروش، قیمت رقبا، روندهای بازار، داده‌های مشتری و حتی عوامل خارجی مانند آب و هوا و رویدادهای فصلی) را تحلیل کرده و الگوهای پیچیده رفتار مشتری را شناسایی کنند. این تحلیل‌ها به کسب‌وکارها امکان می‌دهند تا قیمت‌ها را به صورت لحظه‌ای و خودکار تنظیم کنند ، به عنوان مثال، بر اساس سطح موجودی، تقاضا، یا قیمت‌گذاری رقبا. تکنیک‌هایی مانند یادگیری تقویتی (Reinforcement Learning) به خرده‌فروشان اجازه می‌دهد تا قیمت‌ها را به صورت پویا تنظیم و بهینه‌سازی کنند. این قابلیت‌ها به شرکت‌ها انعطاف‌پذیری بی‌سابقه‌ای در پاسخ به تغییرات بازار می‌دهند.   

قیمت‌گذاری پویا با هوش مصنوعی، فراتر از مدل‌های قیمت‌گذاری سنتی و ثابت عمل می‌کند که تنها در دوره‌های زمانی مشخص (هفتگی، ماهانه) به‌روزرسانی می‌شوند. هوش مصنوعی با تحلیل لحظه‌ای داده‌ها، امکان تنظیم قیمت‌ها را بر اساس رفتار فردی مشتریان، موقعیت مکانی و رقابت فراهم می‌کند. این امر به معنای درک عمیق‌تر از تمایل مشتری به پرداخت است. این قابلیت، شرکت‌ها را قادر می‌سازد تا درآمد و حاشیه سود خود را در شرایط مختلف بازار به حداکثر برسانند، در حالی که مدل‌های سنتی در محیط‌های پرنوسان، کارایی خود را از دست می‌دهند. این تحول، سوالاتی را در مورد آمادگی زیرساخت‌های حقوقی و نظارتی در ایران برای مدیریت پیچیدگی‌های قیمت‌گذاری پویا و شخصی‌سازی‌شده و همچنین چگونگی حفظ تعادل بین سودآوری و پذیرش عمومی در این زمینه مطرح می‌کند.   

افزایش درآمد و رضایت مشتری: نمونه‌های موفق جهانی

قیمت‌گذاری پویا با هوش مصنوعی می‌تواند گردش مالی را تا ۳٪ و حاشیه سود را تا ۱۰٪ افزایش دهد. این افزایش درآمد از طریق بهینه‌سازی قیمت‌ها برای هر مشتری یا هر کانال فروش حاصل می‌شود. همچنین، با پیش‌بینی دقیق تقاضا و جلوگیری از کمبود موجودی، هوش مصنوعی رضایت مشتری را بهبود می‌بخشد، زیرا محصولات مورد نیاز در زمان مناسب در دسترس هستند. این مزایا، هوش مصنوعی را به ابزاری قدرتمند برای رشد و توسعه کسب‌وکارها تبدیل کرده است.   

در صنعت حمل‌ونقل، مطالعه‌ای در سال ۲۰۲۴ تخمین زده است که گذار از تعرفه ثابت به قیمت‌گذاری لحظه‌ای در Uber، رفاه کلی را تا ۲.۱۵ درصد از درآمد ناخالص افزایش داده است. شرکت‌های خرده‌فروشی مانند FLO (خرده‌فروش کفش ترکیه) با پیاده‌سازی راه‌حل پیش‌بینی تقاضا مبتنی بر هوش مصنوعی، ۱۲٪ کاهش در فروش از دست رفته را تجربه کرده‌اند. شرکت بیمه چینی Yuanbao از بیش از ۴۰۰۰ مدل هوش مصنوعی برای تغییر پویا مدل‌های قیمت‌گذاری و ارائه پوشش شخصی‌سازی‌شده استفاده می‌کند. این مثال‌ها نشان می‌دهند که چگونه هوش مصنوعی در صنایع مختلف به نتایج ملموس و قابل اندازه‌گیری منجر شده است.   

در شرایط تورمی یا رکودی (مانند تورم ۱۱.۵٪ در اتحادیه اروپا در اکتبر ۲۰۲۲ یا محیط‌های رکودی-تورمی پیش‌بینی‌شده برای ۲۰۲۵)، قیمت‌گذاری پویا با هوش مصنوعی به سازمان‌ها کمک می‌کند تا تقاضا را تحریک کرده، موجودی را مدیریت کنند و بدون ورود به جنگ قیمت، رقابت‌پذیری خود را حفظ کنند. این قابلیت، به ویژه در صنایعی که تحت فشارهای مالی شدید هستند (مانند صنعت خودروسازی اروپا در سال ۲۰۲۵)، حیاتی است. این نشان می‌دهد که هوش مصنوعی نه تنها برای رشد در شرایط عادی، بلکه به عنوان یک ابزار تاب‌آوری در برابر شوک‌های اقتصادی نیز عمل می‌کند. این وضعیت، سوالاتی را در مورد میزان بهره‌برداری شرکت‌های ایرانی از پتانسیل هوش مصنوعی برای مدیریت نوسانات و بحران‌های اقتصادی و همچنین موانع بر سر راه پذیرش گسترده این ابزار در صنایع حساس‌تر مطرح می‌کند.   

چالش‌های اخلاقی و شفافیت: لزوم اعتمادسازی

با وجود مزایای فراوان، قیمت‌گذاری پویا با هوش مصنوعی چالش‌های اخلاقی مهمی را نیز به همراه دارد. سوگیری الگوریتمی (Algorithmic Bias) یکی از این نگرانی‌هاست، به این معنی که سیستم‌های هوش مصنوعی ممکن است سوگیری‌های موجود در داده‌های آموزشی خود را تداوم بخشند یا حتی تقویت کنند که منجر به توصیه‌های ناعادلانه یا نادرست می‌شود. مسائل مربوط به کیفیت داده (Data Quality Issues) نیز یک مشکل پایدار است؛ داده‌های بی‌کیفیت می‌توانند اثربخشی سیستم‌های هوش مصنوعی را کاهش دهند. نگرانی‌های کاربران در مورد حریم خصوصی (User Concerns over Privacy) نیز بسیار جدی است، به ویژه در جوامع محافظه‌کار فرهنگی مانند ایران، که اعتماد و شفافیت در مدیریت داده‌ها اهمیت بیشتری پیدا می‌کند.   

برای جلوگیری از احساس "دستکاری شدن" در مشتریان، خرده‌فروشان باید توضیحات شفافی برای نوسانات قیمتی ارائه دهند. این شفافیت، چه از طریق آموزش کارکنان و چه از طریق پیام‌رسانی در فروشگاه، برای حفظ اعتماد مشتری حیاتی است. این امر به ویژه در بازارهایی که مصرف‌کنندگان نسبت به تغییرات قیمتی حساس هستند، اهمیت دوچندان پیدا می‌کند.   

چالش‌های اخلاقی و شفافیت در قیمت‌گذاری پویا، صرفاً مسائل فنی نیستند، بلکه ابعاد اجتماعی و حقوقی گسترده‌ای دارند. عدم رسیدگی به این مسائل می‌تواند منجر به بی‌اعتمادی مشتریان، واکنش‌های منفی عمومی و حتی مداخلات نظارتی شود. بنابراین، تدوین چارچوب‌های حکمرانی هوش مصنوعی که اصول اخلاقی، حریم خصوصی و شفافیت را تضمین کند، برای پذیرش پایدار این فناوری در جامعه ضروری است. بدون اعتماد عمومی و چارچوب‌های نظارتی قوی، پتانسیل هوش مصنوعی در قیمت‌گذاری پویا و سایر حوزه‌ها ممکن است به طور کامل محقق نشود و حتی به ضرر مصرف‌کننده و بازار تمام شود. این وضعیت، لزوم تدوین قوانین و مقررات برای مقابله با سوگیری الگوریتمی و تضمین حریم خصوصی در کاربردهای هوش مصنوعی تجاری در ایران و همچنین افزایش سواد دیجیتال مصرف‌کنندگان برای درک بهتر مکانیزم‌های قیمت‌گذاری هوشمند را مطرح می‌کند.   

 هوش مصنوعی در ایران: جاه‌طلبی‌های بلندپروازانه در مواجهه با واقعیت‌های سخت

سیاست‌ها و برنامه‌های دولتی: از سند ملی تا وعده‌های سرمایه‌گذاری

ایران اهمیت هوش مصنوعی را برای آینده اقتصادی، نفوذ منطقه‌ای و امنیت ملی خود درک کرده است. در تیر ماه ۱۴۰۳، دولت ایران سازمان ملی هوش مصنوعی را به عنوان یک نهاد مستقل زیر نظر ریاست جمهوری تأسیس کرد. در اسفند ماه ۱۴۰۳، ایران از نمونه اولیه پلتفرم ملی هوش مصنوعی خود رونمایی کرد که قرار است نسخه پایدار آن ظرف یک سال آینده (حدود اسفند ۱۴۰۴) در دسترس عموم قرار گیرد. این پلتفرم با همکاری دانشگاه صنعتی شریف و بر اساس چارچوب متن‌باز توسعه یافته و مستقل از APIهای خارجی طراحی شده است.   

رهبر معظم انقلاب در سال ۱۴۰۰ دستورالعملی صادر کردند که ایران باید تا سال ۱۴۱۱ به یکی از ۱۰ کشور برتر در زمینه هوش مصنوعی تبدیل شود. در راستای این هدف، دولت ایران در اوایل سال ۱۴۰۴، ۱۱۵ میلیون دلار به تحقیق و توسعه هوش مصنوعی اختصاص داده است. سند ملی هوش مصنوعی ایران (مصوب خرداد ۱۴۰۳) اهدافی چون "۸۰ درصد تحقیقات برای رفع نیازهای کشور، استفاده از ۴۵ درصد هوش مصنوعی در صنایع، ۸ میلیارد دلار سرمایه‌گذاری در هوش مصنوعی و سهم ۱۲ درصدی هوش مصنوعی در تولید ناخالص داخلی" تا سال ۱۴۱۰ را تعیین کرده است. همچنین، این سند آموزش ۶۰۰ هزار متخصص هوش مصنوعی تا سال ۱۴۱۱ را هدف‌گذاری کرده است.   

وزیر ارتباطات، سیدستار هاشمی، در فروردین ۱۴۰۴ بر نقش کلیدی ایران در توسعه فناوری‌های نوین ارتباطی، به ویژه بهره‌برداری از ظرفیت‌های متنوع هوش مصنوعی در همکاری‌های متقابل با کشورهای منطقه خلیج فارس تأکید کرده است. او همچنین اشاره کرده است که "اگر هدفمان دستیابی به سهم ۱۰ درصدی اقتصاد دیجیتال در تولید ناخالص داخلی باشد، تقریباً ۲۵ تا ۳۰ میلیارد دلار سرمایه‌گذاری لازم است". محمد مخبر، معاون اول سابق رئیس جمهور، در کنفرانس بین‌المللی "هوش مصنوعی و تمدن آینده" بر عزم ایران برای تبدیل شدن از مصرف‌کننده به توسعه‌دهنده جهانی هوش مصنوعی تأکید کرده است. وزیر امور خارجه ایران در اجلاس بریکس (تیر ۱۴۰۴) نیز به اهمیت هوش مصنوعی در همکاری‌های اقتصادی-مالی اشاره کرده است.   

دولت ایران اهداف بسیار بلندپروازانه‌ای در حوزه هوش مصنوعی دارد. با این حال، بودجه ۱۱۵ میلیون دلاری اختصاص یافته برای تحقیق و توسعه در سال ۱۴۰۴ در مقایسه با بودجه‌های میلیاردی کشورهای پیشرو مانند امارات (۱.۲ میلیارد دلار) و عربستان (۲ میلیارد دلار) بسیار ناچیز است. همچنین، گزارش‌ها نشان می‌دهند که حتی بودجه ۲ هزار میلیارد تومانی (حدود ۴۰ میلیون دلار) در نظر گرفته شده در لایحه بودجه ۱۴۰۳ برای هوش مصنوعی، تخصیص نیافته است. این تفاوت فاحش بین اهداف و منابع مالی، شکافی عمیق بین "آرزو" و "عمل" را نشان می‌دهد. عدم تخصیص کافی و به موقع بودجه، می‌تواند به مانعی جدی در مسیر تحقق اهداف ملی هوش مصنوعی تبدیل شود و این جاه‌طلبی‌ها را به "فانتزی سیاسی" نزدیک‌تر کند. این وضعیت، سوالاتی را در مورد برنامه‌های دولت ایران برای جذب سرمایه‌گذاری‌های خارجی و داخلی بیشتر و همچنین چگونگی غلبه بر موانع بوروکراتیک در تخصیص بودجه و اجرای پروژه‌ها مطرح می‌کند.   

تلاش‌های بخش خصوصی: جرقه‌های امید در بستر محدودیت‌ها

برای توسعه هوش مصنوعی، زیرساخت‌های محاسباتی قوی، به ویژه مزارع پردازنده‌های گرافیکی (GPU farms)، حیاتی هستند. ایران قصد دارد تا تیر ماه ۱۴۰۴، سه مزرعه GPU در تهران، جزیره کیش و سایر استان‌ها راه‌اندازی کند. اولین مزرعه GPU نیز در اردیبهشت ۱۴۰۳ در یکی از دانشگاه‌های کشور راه‌اندازی شد. این پروژه‌ها با سرمایه‌گذاری مشترک بخش دولتی و خصوصی انجام می‌شوند.   

اکوسیستم استارتاپی ایران در حوزه هوش مصنوعی در حال رشد است. شرکت‌هایی مانند دیجی‌کالا (با دستیار خرید هوش مصنوعی Divar در اسفند ۱۴۰۳) ، تپسی (با رشد درآمد در سال ۱۴۰۳) ، بلوبانک (با افزایش درآمد و سود در سال ۱۴۰۳) و ترب (موتور جستجوی قیمت) در حال استفاده از هوش مصنوعی در عملیات خود هستند. شرکت Modiseh در صنعت مد ایران، از هوش مصنوعی برای شخصی‌سازی توصیه‌های محصول استفاده کرده که منجر به بهبود تعامل کاربر، نرخ تبدیل و میانگین ارزش سفارش شده است. این شرکت همچنین از تحلیل‌های پیش‌بینی‌کننده برای بخش‌بندی مشتری و برنامه‌ریزی موجودی استفاده می‌کند که به پیش‌بینی بهتر تقاضا و کاهش کمبود موجودی منجر شده است. شرکت‌های ایرانی دیگری نیز در زمینه هوش مصنوعی فعال هستند، مانند "بارای" و "گروتک". شرکت "عامر اندیش هوشمند" نیز محصولاتی مانند "فارس آوا" (تبدیل صوت به متن) و "باتاوا" (دستیار هوشمند) را ارائه می‌دهد.   

رئیس کمیسیون فناوری اطلاعات و ارتباطات اتاق ایران، سادینا آبایی، در اردیبهشت ۱۴۰۴ بر نیاز به سرمایه‌گذاری بخش خصوصی در حوزه هوش مصنوعی تأکید کرده و تحریم‌ها و مهاجرت نخبگان را از محدودیت‌های این حوزه دانسته است. او همچنین به سرمایه‌گذاری‌های ناموفق گذشته در حوزه ICT اشاره کرده که منجر به هدر رفت منابع شده است. برخی کارشناسان معتقدند که بخش خصوصی در ایران، به ویژه در حوزه استارتاپ‌ها، حمایت چندانی نمی‌شود و دولت در بازار آزاد رقابت می‌کند.   

با وجود چالش‌های فراوان، ایران دارای استعدادهای انسانی قوی در زمینه هوش مصنوعی است. راه‌اندازی مزارع GPU و فعالیت شرکت‌هایی مانند Modiseh، نشان‌دهنده پتانسیل‌های بومی برای توسعه کاربردهای هوش مصنوعی است. با این حال، این تلاش‌ها در مقایسه با کشورهای پیشرو، محدود و پراکنده هستند. فقدان سرمایه‌گذاری کافی بخش خصوصی و دولتی و عدم وجود یک "اکوسیستم خصوصی پر رونق" مانع اصلی شکوفایی این پتانسیل‌هاست. موفقیت‌های جزئی مانند Modiseh نشان می‌دهد که با وجود محدودیت‌ها، امکان نوآوری وجود دارد. اما برای مقیاس‌پذیری و رقابت‌پذیری در سطح ملی، نیاز به یک تغییر رویکرد اساسی در حمایت از بخش خصوصی و تسهیل سرمایه‌گذاری است. این وضعیت، سوالاتی را در مورد چگونگی جلب اعتماد بخش خصوصی برای سرمایه‌گذاری در هوش مصنوعی و همچنین امکان تقویت نقش بخش خصوصی در توسعه زیرساخت‌ها و کاربردهای هوش مصنوعی توسط دولت از طریق مشوق‌های مالی و کاهش ریسک مطرح می‌کند.   

موانع ساختاری و چالش‌های عمیق: شکاف میان آرزو و عمل

ایران با کمبود شدید زیرساخت‌های هوش مصنوعی مواجه است که شامل شبکه‌های داده پرسرعت، قدرت محاسباتی، قابلیت‌های ذخیره‌سازی، مدل‌های بنیادی هوش مصنوعی و چارچوب‌های نرم‌افزاری می‌شود. عدم وجود مراکز داده توسعه‌یافته و خدمات رایانش ابری، پیاده‌سازی هوش مصنوعی در مقیاس بزرگ را دشوار می‌کند. سرعت پایین اینترنت و سانسور نیز دسترسی به منابع بین‌المللی را محدود می‌کند. رایانش کوانتومی، که برای نسل بعدی تحقیقات هوش مصنوعی حیاتی است، در ایران "تقریباً وجود ندارد".   

تحریم‌های بین‌المللی دسترسی ایران را به مدل‌های پیشرفته هوش مصنوعی، پایگاه‌های داده جهانی و سخت‌افزارهای حیاتی مانند پردازنده‌های گرافیکی پیشرفته (GPUs) و تراشه‌های ذخیره‌سازی با عملکرد بالا به شدت محدود کرده است. این محدودیت‌ها بر توانایی‌های پژوهشی و استقرار تجاری هوش مصنوعی در کشور تأثیر مستقیم دارد. حتی دانشگاه‌های پیشرو مانند دانشگاه صنعتی شریف نیز به دلیل ارتباط با وزارت دفاع تحت تحریم هستند.   

ایران با چالش‌های مالی قابل توجهی روبروست. سرمایه‌گذاری ۱۱۵ میلیون دلاری دولت در هوش مصنوعی برای سال ۱۴۰۴ در مقایسه با بودجه‌های میلیاردی رقبای منطقه‌ای مانند امارات (۱.۲ میلیارد دلار) و عربستان (۲ میلیارد دلار) بسیار ناچیز است. شرکت‌های کوچک و متوسط (SMEs) نیز به دلیل مشکلات اقتصادی گسترده‌تر، برای تخصیص منابع به توسعه هوش مصنوعی با مشکل مواجه هستند. وزیر ارتباطات در فروردین ۱۴۰۴ اعلام کرد که سرمایه‌گذاری ایران در حوزه هوش مصنوعی کمتر از ۵۰ میلیون دلار است ، که این رقم حتی از ۱۱۵ میلیون دلار اعلام شده در منابع دیگر نیز کمتر است و نشان‌دهنده ابهام در آمار دقیق سرمایه‌گذاری‌هاست.   

ایران با "خروج گسترده استعدادها" مواجه است. طبق گزارش Gulf International Forum، سالانه نزدیک به ۱۸۰ هزار متخصص تحصیل‌کرده ایران را ترک می‌کنند، که این کشور را در رتبه دوم جهانی از نظر فرار مغزها قرار می‌دهد. در سال ۱۴۰۳، رکورد ۱۱۰ هزار دانشجوی ایرانی در خارج از کشور مشغول به تحصیل بودند. این پدیده ناشی از بی‌ثباتی اقتصادی، محدودیت‌های سیاسی و کمبود فرصت‌های پژوهشی است. نظرسنجی‌ها نشان می‌دهد که ۴۰ تا ۵۳ درصد از دانشجویان، فارغ‌التحصیلان، پزشکان و اساتید ایرانی تمایل به مهاجرت دارند. این خروج نخبگان، ظرفیت کشور را برای رقابت در تحقیق و توسعه هوش مصنوعی تضعیف می‌کند.   

اکوسیستم هوش مصنوعی ایران با پراکندگی و عدم هماهنگی مشخص می‌شود. ارائه‌دهندگان خدمات هوش مصنوعی و فناوری اطلاعات، پراکنده و ناهماهنگ هستند که منجر به ناکارآمدی می‌شود. برخلاف کشورهای پیشرو مانند آمریکا و چین که شرکت‌های بزرگ فناوری با حمایت دولتی، مدل‌های بنیادی هوش مصنوعی را توسعه می‌دهند، بخش هوش مصنوعی ایران فاقد تلاش‌های توسعه متمرکز و در مقیاس بزرگ است. تغییرات در دولت‌ها و تعدد نهادهای دارای مسئولیت‌های همپوشان، توانایی کشور را برای پیاده‌سازی یک استراتژی منسجم هوش مصنوعی محدود می‌کند.   

علاوه بر مسائل فنی، چالش‌های فرهنگی و نظارتی نیز وجود دارد. نگرانی‌های مربوط به حریم خصوصی داده‌ها، سوگیری الگوریتمی و نیاز به تطبیق مدل‌های هوش مصنوعی با ظرافت‌های فرهنگی و مقررات دولتی ایران، از جمله این چالش‌هاست. اعتماد مصرف‌کننده به مدیریت داده‌ها در ایران شکننده است و حمایت‌های قانونی هنوز در حال توسعه هستند.   

تحریم‌ها، اگرچه دسترسی ایران به فناوری‌های پیشرفته را محدود کرده‌اند، اما به طور همزمان، نیاز به توسعه پلتفرم‌های بومی و مستقل از سیستم‌های غربی را تشدید کرده‌اند. این "اقتصاد مقاومتی" می‌تواند به ایجاد دانش فنی داخلی منجر شود، اما در عین حال، نوآوری بخش خصوصی را خفه کرده و سرعت پیشرفت را به دلیل عدم دسترسی به منابع جهانی و سرمایه‌گذاری‌های کلان، به شدت کاهش می‌دهد. این وضعیت، یک تناقض استراتژیک ایجاد می‌کند: از یک سو، نیاز به خودکفایی و از سوی دیگر، محدودیت در دسترسی به بهترین ابزارها و همکاری‌های جهانی که برای رقابت در عرصه هوش مصنوعی ضروری است. این وضعیت، سوالاتی را در مورد امکان دستیابی استراتژی توسعه بومی هوش مصنوعی در ایران به اهداف بلندپروازانه خود بدون همکاری‌های بین‌المللی گسترده و دسترسی به بازارهای جهانی و همچنین چگونگی برقراری تعادل بین توسعه بومی و نیاز به ادغام در اکوسیستم جهانی هوش مصنوعی مطرح می‌کند.   

جایگاه ایران در نقشه جهانی هوش مصنوعی: فاصله‌ای که باید پر شود

در شاخص آمادگی دولت‌ها برای هوش مصنوعی در سال ۲۰۲۴، ایران در رتبه ۹۴ از میان ۱۹۳ کشور قرار گرفته است. این در حالی است که کشورهای منطقه مانند عربستان سعودی (رتبه ۱۴) و امارات متحده عربی (رتبه ۲۰) در جایگاه‌های بسیار بالاتری قرار دارند. این رتبه‌بندی، نشان‌دهنده شکاف قابل توجه ایران در زیرساخت‌های فناوری اطلاعات و ارتباطات (رتبه ۹۴) و صنعت (رتبه ۹۴) است. این آمارها به وضوح نشان می‌دهند که ایران در رقابت جهانی هوش مصنوعی، فاصله قابل توجهی با کشورهای پیشرو و حتی رقبای منطقه‌ای دارد.   

با وجود چالش‌ها، ایران در زمینه تحقیق و توسعه هوش مصنوعی پتانسیل بالایی دارد و در سال ۲۰۲۳، در رتبه دوم منطقه از نظر تعداد و کیفیت انتشارات علمی مرتبط با هوش مصنوعی قرار گرفته است. همچنین، در زیرشاخص تحقیق و توسعه (R&D) در گزارش فناوری ۲۰۲۵ آنکتاد، ایران رتبه ۳۵ را کسب کرده است. این آمار نشان می‌دهد که ایران دارای نیروی انسانی متخصص و ظرفیت‌های پژوهشی قابل توجهی است.   

ایران دارای پتانسیل علمی و پژوهشی قوی در هوش مصنوعی است، که با رتبه ۳۵ در R&D و رتبه دوم در انتشارات علمی منطقه تأیید می‌شود. با این حال، این دانش به دلیل ضعف زیرساخت‌های فناوری اطلاعات و ارتباطات (رتبه ۹۴) و صنعت (رتبه ۹۴) ، به طور کامل به کاربردهای صنعتی و تجاری تبدیل نمی‌شود. این "پارادوکس" نشان می‌دهد که سرمایه‌گذاری در آموزش و پژوهش به تنهایی کافی نیست و باید با توسعه زیرساخت‌های فیزیکی و دیجیتال همگام شود. عدم توانایی در تبدیل دانش به محصول و خدمت، منجر به "فرار مغزها" و از دست دادن پتانسیل‌های توسعه اقتصادی می‌شود. این وضعیت، سوالاتی را در مورد چگونگی ایجاد مکانیزم‌های مؤثرتر برای انتقال دانش از دانشگاه به صنعت در ایران و همچنین کافی بودن مدل‌های همکاری صنعت-دانشگاه فعلی برای این تحول مطرح می‌کند.   

راهکارها و چشم‌انداز: از نقد سازنده تا مسیر پیشرفت پایدار

سرمایه‌گذاری هدفمند در زیرساخت: ستون فقرات هوش مصنوعی

با توجه به اینکه زیرساخت‌های ناکافی (شبکه‌های داده پرسرعت، قدرت محاسباتی، مراکز داده و خدمات ابری) گلوگاه‌های اصلی توسعه هوش مصنوعی در ایران هستند ، افزایش چشمگیر سرمایه‌گذاری در این حوزه‌ها ضروری است. همکاری‌های مشترک بخش دولتی و خصوصی، مانند پروژه‌های مزارع GPU ، می‌تواند راهگشا باشد. کارشناسان پیشنهاد کرده‌اند که ارائه‌دهندگان خدمات هوش مصنوعی با حمایت دولتی، می‌توانند زیرساخت‌های محاسباتی و خدمات ابری لازم را فراهم کنند تا کسب‌وکارها بدون نیاز به سرمایه‌گذاری‌های سخت‌افزاری گران‌قیمت، به قابلیت‌های هوش مصنوعی دسترسی پیدا کنند. این رویکرد می‌تواند بار مالی را از دوش شرکت‌های کوچک و متوسط برداشته و دسترسی به فناوری را دموکراتیزه کند.   

ایران با هدف "مقابله با سلطه تکنولوژیک غرب" و "تقویت توانایی‌های نامتقارن نظامی" به دنبال توسعه پلتفرم‌های بومی است. رونمایی از پلتفرم ملی هوش مصنوعی و پروژه ملی "سهند" برای تولید تراشه در همین راستا است. این رویکرد، در کنار چالش‌های ناشی از تحریم‌ها، می‌تواند به کاهش وابستگی و ایجاد خودکفایی در درازمدت کمک کند.   

با توجه به اینکه ایران هوش مصنوعی را "یک اهرم کلیدی برای امنیت ملی و دفاعی" می‌بیند و آن را در کاربردهای نظامی (پهپادها و موشک‌های هوشمند) به کار می‌گیرد ، سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی صرفاً یک تصمیم اقتصادی نیست، بلکه یک اولویت استراتژیک و امنیت ملی است. این سرمایه‌گذاری‌ها برای حفظ توان رقابتی و دفاعی کشور در آینده حیاتی هستند. این دیدگاه، می‌تواند توجیهی برای تخصیص بودجه‌های کلان‌تر و تسریع در پروژه‌های زیرساختی باشد، حتی در شرایط محدودیت‌های مالی. این وضعیت، سوالاتی را در مورد میزان تخصیص بودجه برای هوش مصنوعی در ایران به سمت کاربردهای نظامی و امنیتی در مقابل کاربردهای تجاری و اقتصادی و همچنین چگونگی برقراری تعادل مناسب بین این دو حوزه مطرح می‌کند.   

جذب و حفظ نخبگان: اولویت استراتژیک ملی

مهاجرت گسترده استعدادها (سالانه ۱۸۰ هزار نفر) یکی از بزرگترین چالش‌های ایران در مسیر توسعه هوش مصنوعی است. برای مقابله با این پدیده، باید محیط‌های پژوهشی و کاری جذاب ایجاد شود که فرصت‌های رشد و نوآوری را برای متخصصان فراهم کند. بهبود شرایط اقتصادی و اجتماعی، از جمله رقابت‌پذیری دستمزدها، و کاهش محدودیت‌ها (مانند فیلترینگ اینترنت) می‌تواند به حفظ نخبگان کمک کند. حمایت از کارآفرینی و استارتاپ‌ها در حوزه هوش مصنوعی، با ارائه آموزش‌های لازم و تسهیل مسیر فعالیت، می‌تواند فرصت‌های شغلی جدیدی ایجاد کند.   

ایران به دنبال "دیپلماسی فناوری" و گسترش همکاری با کشورهایی مانند چین و روسیه برای انتقال دانش و فناوری است. پیشنهاد همکاری‌های هوش مصنوعی با کشورهای حاشیه خلیج فارس در کنفرانس ایران کریدور ۲۰۲۵ نیز در همین راستا است. این همکاری‌ها می‌توانند به کاهش اثرات تحریم‌ها و دسترسی به دانش روز دنیا کمک کنند.   

با توجه به رتبه بالای ایران در تولید تحقیقات هوش مصنوعی و وجود نیروی انسانی متخصص ، "سرمایه انسانی" مهمترین مزیت رقابتی ایران در این حوزه است. با این حال، پدیده "فرار مغزها" این مزیت را به شدت شکننده کرده است. عدم رسیدگی به ریشه‌های مهاجرت (اقتصادی، اجتماعی، فرصت‌های شغلی) می‌تواند این پتانسیل را از بین ببرد. برای تبدیل شدن به یک قدرت هوش مصنوعی، حفظ و جذب نخبگان از سرمایه‌گذاری در سخت‌افزار نیز مهمتر است. بدون مغزهای متفکر، حتی بهترین زیرساخت‌ها نیز بی‌فایده خواهند بود. این وضعیت، سوالاتی را در مورد برنامه‌های دولت و بخش خصوصی ایران برای بازگرداندن نخبگان مهاجر و ایجاد فرصت‌های شغلی جذاب برای آن‌ها و همچنین چگونگی فراهم آوردن محیطی آزادتر برای پژوهش و نوآوری با وجود محدودیت‌ها مطرح می‌کند.   

توسعه اکوسیستم نوآوری: تسهیل‌گری برای بخش خصوصی

رئیس کمیسیون فاوا اتاق ایران بر لزوم قانون‌گذاری تسهیل‌گر برای نقش‌آفرینی بخش خصوصی در هوش مصنوعی تأکید کرده است. عدم وجود یک نقشه راه شفاف و قوانین تسهیل‌گر، مانع از سرمایه‌گذاری‌های موفق و رشد استارتاپ‌ها می‌شود. ایران در شاخص‌های نهادی، نظارتی و محیط کسب‌وکار رتبه پایینی دارد که نشان‌دهنده چالش‌های سیستمی برای نوآوری است.   

بخش خصوصی ایران در حوزه هوش مصنوعی "به شدت محدود" است و تحریم‌ها سرمایه‌گذاری داخلی و خارجی را در استارتاپ‌های فناوری کاهش داده است. بسیاری از شرکت‌های هوش مصنوعی ایرانی "مرده" یا فاقد سرمایه هستند. نیاز به سرمایه‌گذاری بخش خصوصی در هوش مصنوعی، به ویژه در شرایطی که سرمایه‌گذاری دولتی محدود است، حیاتی است.   

با وجود پتانسیل بالای دانشگاه‌ها در تولید علم هوش مصنوعی ، فقدان هماهنگی و تمرکز در اکوسیستم هوش مصنوعی ایران مانع از تبدیل این دانش به کاربردهای صنعتی می‌شود. دولت با ایجاد سازمان ملی هوش مصنوعی و پلتفرم ملی، به دنبال "یکپارچه‌سازی" و "حمایت از شرکت‌های خصوصی" است. این اقدامات باید با تقویت ارتباط بین دانشگاه‌ها، صنعت و نهادهای دولتی همراه باشد.   

یکی از چالش‌های اصلی در ایران، غلبه "اقتصاد دولتی" و "خصولتی" است که مانع از شکوفایی بخش خصوصی و استارتاپ‌ها می‌شود. برای توسعه هوش مصنوعی، نیاز به تغییر رویکرد به سمت "سرمایه‌داری ملی" و عدم دخالت و رقابت دولت با بخش خصوصی در بازار آزاد است. این تغییر پارادایم اقتصادی، می‌تواند پشتوانه مردمی و مهارت‌های لازم برای توسعه اقتصادی ایران را فراهم کند و زمینه را برای جذب سرمایه‌گذاری‌های داخلی و خارجی در حوزه هوش مصنوعی فراهم آورد. این وضعیت، سوالاتی را در مورد وجود اراده سیاسی لازم برای کاهش دخالت دولت در اقتصاد و حمایت واقعی از بخش خصوصی در ایران و همچنین چگونگی برطرف کردن موانع سیاسی و بوروکراتیک که مانع از رشد یک اکوسیستم نوآورانه مستقل می‌شوند، مطرح می‌کند.   

حکمرانی مسئولانه هوش مصنوعی: تضمین اعتماد و پایداری

با توجه به چالش‌های اخلاقی هوش مصنوعی مانند سوگیری الگوریتمی و نگرانی‌های حریم خصوصی ، تدوین قوانین و مقررات جامع برای حکمرانی هوش مصنوعی ضروری است. این چارچوب‌ها باید شفافیت الگوریتم‌ها و مسئولیت‌پذیری در برابر خطاها را تضمین کنند. مجلس شورای اسلامی در اردیبهشت ۱۴۰۴ طرح ملی هوش مصنوعی را تصویب کرد ، اما برخی نمایندگان و کارشناسان معتقدند که این طرح نیاز به سرمایه‌گذاری دارد و باید توسط دولت تدوین شود. این نشان‌دهنده نیاز به هماهنگی بیشتر در تدوین قوانین است.   

پذیرش هوش مصنوعی در جامعه به شدت به سواد دیجیتال و آگاهی عمومی بستگی دارد. در ایران، "سواد دیجیتال پایین مصرف‌کننده" یکی از موانع پذیرش هوش مصنوعی است. افزایش آگاهی عمومی از ویژگی‌ها، چالش‌ها و فرصت‌های هوش مصنوعی، از طریق حمایت از جامعه مدنی، دانشگاه‌ها و صنعت، می‌تواند مردم و دولت‌ها را برای آینده هوش مصنوعی آماده‌تر کند.   

حکمرانی قوی و شفاف در حوزه هوش مصنوعی، نه تنها از سوءاستفاده‌ها جلوگیری می‌کند، بلکه با ایجاد اعتماد در جامعه و بخش خصوصی، زمینه را برای نوآوری‌های بیشتر فراهم می‌آورد. بدون چارچوب‌های اخلاقی و حقوقی مشخص، شرکت‌ها ممکن است در پیاده‌سازی راه‌حل‌های هوش مصنوعی تردید کنند و مصرف‌کنندگان نیز از پذیرش آن‌ها اکراه داشته باشند. حکمرانی مسئولانه، می‌تواند به ایران کمک کند تا با وجود محدودیت‌ها، یک اکوسیستم هوش مصنوعی پایدار و قابل اعتماد ایجاد کند. این وضعیت، سوالاتی را در مورد برخورداری نهادهای قانون‌گذار و نظارتی در ایران از دانش و تخصص کافی برای تدوین قوانین پیچیده هوش مصنوعی و همچنین چگونگی تضمین مشارکت ذینفعان مختلف (صنعت، دانشگاه، جامعه مدنی) در فرآیند قانون‌گذاری مطرح می‌کند.

نتیجه‌گیری: آینده هوش مصنوعی در ایران؛ بین امید و واقعیت، نیازمند عزمی ملی

گزارش حاضر نشان داد که ایران، با وجود پتانسیل‌های قابل توجه در نیروی انسانی متخصص و ظرفیت‌های پژوهشی (رتبه ۳۵ در R&D جهانی، رتبه دوم منطقه در انتشارات علمی هوش مصنوعی) ، در مسیر توسعه و به‌کارگیری هوش مصنوعی در حوزه‌های پیش‌بینی تقاضا، مدیریت منابع و قیمت‌گذاری پویا، با چالش‌های عمیق و ساختاری مواجه است. این چالش‌ها شامل زیرساخت‌های ناکافی (اینترنت پرسرعت، قدرت محاسباتی، مراکز داده) ، تحریم‌های بین‌المللی که دسترسی به سخت‌افزار و مدل‌های پیشرفته را محدود می‌کند ، محدودیت‌های مالی (سرمایه‌گذاری ۱۱۵ میلیون دلاری در مقابل میلیاردها دلار جهانی) ، فرار مغزها (سالانه ۱۸۰ هزار نفر) ، و فقدان هماهنگی و تمرکز در اکوسیستم هستند. این عوامل، ایران را در شاخص آمادگی دولت‌ها برای هوش مصنوعی در رتبه ۹۴ جهانی قرار داده است، که فاصله چشمگیری با رقبای منطقه‌ای دارد.   

جاه‌طلبی ایران برای تبدیل شدن به یکی از ۱۰ رهبر برتر هوش مصنوعی جهان تا سال ۱۴۱۱، تنها با شعار و وعده محقق نخواهد شد. این هدف، نیازمند یک "عزم ملی" واقعی است که فراتر از بیانیه‌های سیاسی عمل کند. سرمایه‌گذاری‌های کلان و هدفمند در زیرساخت‌های حیاتی، تسهیل‌گری برای بخش خصوصی، و مهم‌تر از همه، ایجاد محیطی جذاب و پایدار برای حفظ و جذب نخبگان، سنگ بنای این تحول خواهد بود. همانطور که گینی رومتی، مدیرعامل سابق IBM، می‌گوید: "هوش مصنوعی جایگزین انسان‌ها نخواهد شد، اما کسانی که از هوش مصنوعی استفاده می‌کنند، جایگزین کسانی خواهند شد که از آن استفاده نمی‌کنند". این جمله، اهمیت پذیرش و به‌کارگیری هوش مصنوعی را برای بقا در دنیای رقابتی امروز برجسته می‌کند.   

آینده هوش مصنوعی در ایران، نه تنها به تصمیمات دولتی، بلکه به هم‌افزایی و همکاری بی‌وقفه تمامی ذینفعان بستگی دارد. دولت باید نقش تسهیل‌گر و حامی را ایفا کند، بخش خصوصی باید با جسارت و نوآوری سرمایه‌گذاری کند، دانشگاه‌ها باید دانش روز را تولید و منتقل کنند، و جامعه باید با افزایش سواد دیجیتال، پذیرای این تحولات باشد. تنها با یک رویکرد جامع، واقع‌بینانه و هماهنگ، ایران می‌تواند از پتانسیل‌های عظیم هوش مصنوعی بهره‌برداری کرده و آن را به موتور محرکه توسعه اقتصادی و اجتماعی پایدار در سال‌های آینده تبدیل کند. در غیر این صورت، فاصله ایران با کشورهای پیشرو در این حوزه، نه تنها کاهش نخواهد یافت، بلکه افزایش نیز خواهد یافت و کشور را در رقابت جهانی بیش از پیش عقب خواهد انداخت.