اقتصاد هوش مصنوعی مصرفی؛ رشد کاربران هنوز با هزینه‌ها نمی‌خواند

اقتصاد هوش مصنوعی مصرفی با وجود موج تازه توجه به دستیارهای دیجیتال، همچنان با پرسشی جدی روبه‌روست: آیا شمار کاربرانی که حاضرند برای این خدمات پول بدهند و مبلغ پرداختی آن‌ها می‌تواند هزینه سنگین اداره مدل‌ها را جبران کند؟ گزارش TechCrunch می‌گوید نشانه‌های موجود از رشد تدریجی پرداخت‌ها حکایت دارند، اما این رشد هنوز آن‌قدر نیست که سودآوری محصولات هوش مصنوعی برای مصرف‌کنندگان را تضمین کند. همین مسئله به گسترش تمرکز شرکت‌های بزرگ بر قراردادهای سازمانی کمک کرده است.

بازگشت دستیارهای هوش مصنوعی، با پرسش‌های تازه درباره درآمد

چند محصول تازه باعث شده‌اند این تصور شکل بگیرد که هوش مصنوعی مصرفی دوباره در حال جلب توجه است. دستیار شخصی Muse از Meta و شخصیت پشمالو و عروسکی آن، Jolly، بنا بر گزارش TechCrunch با استقبال غیرمنتظره‌ای روبه‌رو شده‌اند. OpenAI نیز روز پیش از انتشار گزارش، Dots را معرفی کرده بود؛ محصولی که به‌نظر می‌رسد ایده دستیار شخصی کارتونی را دنبال می‌کند.

در همین حال، دستیار Instinct با تمرکز بر انجام کارهای روزمره از سوی کاربر، از جمله رزرو سفر، گرفتن میز رستوران و لغو اشتراک‌ها، به ارزش‌گذاری ۱۰ میلیارد دلاری رسیده است. این نوع دستیارها را می‌توان نمونه‌ای از هوش مصنوعی عامل‌محور دانست: سامانه‌ای که فقط پاسخ نمی‌دهد، بلکه می‌کوشد برای رسیدن به هدف کاربر چند مرحله از یک کار را انجام دهد.

طرفداران این محصولات می‌گویند هوش مصنوعی اکنون به‌اندازه‌ای قابل‌اعتماد شده که می‌تواند بخشی از کارهای روزانه مردم را برعهده بگیرد و برای آن‌ها ارزش واقعی ایجاد کند. برای سرمایه‌گذاران نیز این وضعیت ممکن است یادآور عرضه ChatGPT در سال ۲۰۲۲ باشد؛ زمانی که توانایی‌های تازه هوش مصنوعی راه را برای شکل‌گیری دسته‌ای جدید از محصولات باز کرد.

اما جذابیت محصول و توانایی فنی آن به‌تنهایی پاسخ نمی‌دهد که کسب‌وکار مصرفی آن چقدر درآمدزا خواهد بود. به‌گفته گزارش، تردید آزمایشگاه‌های پیشرو درباره بازار مصرف‌کننده بیش از آن‌که ناشی از ضعف فناوری باشد، از سقف پرداخت کاربران و هزینه بالای ارائه خدمات سرچشمه می‌گیرد.

آمار پرداخت کاربران چه تصویری از بازار می‌دهد؟

گزارش نیم‌سالانه State of Markets از Andreessen Horowitz، با اتکا به داده‌های یک گزارش پژوهشی PNC که در تابستان منتشر شده، روند سهم مصرف‌کنندگانی را دنبال می‌کند که برای خدمات هوش مصنوعی پول می‌پردازند و میزان هزینه آن‌ها را می‌سنجد. بر اساس این ارقام، در ماه مه ۲٫۲ درصد مصرف‌کنندگان برای هوش مصنوعی هزینه می‌کردند و میانگین پرداخت ماهانه آن‌ها ۳۱ دلار بود.

Andreessen Horowitz این ارقام را نشانه‌ای از بازاری می‌داند که هنوز برای پذیرش و استفاده گسترده‌تر از هوش مصنوعی فرصت رشد دارد. بااین‌حال، TechCrunch یادآوری می‌کند که نمودارهای گزارش، رشد نسبتاً خطی را نشان می‌دهند. به بیان دیگر، با وجود پیشرفت مدل‌ها، میزان افزایش تعداد پرداخت‌کنندگان و مبلغی که حاضرند بپردازند چشمگیر نیست.

گزارش برای نشان‌دادن فاصله میان پیشرفت فنی و رفتار پرداختی، به جهش عملکردی از GPT-5.2 به Astra اشاره می‌کند و می‌گوید این تغییر بزرگ در نمودارهای مربوط به مشتریان و پرداخت‌ها تقریباً دیده نمی‌شود. این مقایسه، نکته‌ای مهم برای کسب‌وکارهای هوش مصنوعی را برجسته می‌کند: بهترشدن مدل لزوماً به افزایش هم‌اندازه درآمد یا شمار مشترکان منجر نمی‌شود.

ارقام منابع دیگر نیز تصویری یکدست ارائه نمی‌کنند، اما به محدودبودن بازار پرداختی اشاره دارند. Bank of America در ماه مارس گزارش کرده بود که حدود ۳ درصد مصرف‌کنندگان آمریکایی برای هوش مصنوعی پول می‌دهند؛ رقمی که نسبت به سال قبل ۴۰ درصد رشد کرده بود. نظرسنجی Menlo در سپتامبر دیدگاه خوش‌بینانه‌تری داشت: یک‌چهارم بزرگسالان هر روز از هوش مصنوعی استفاده می‌کردند و نیمی از همین کاربران برای آن پول می‌پرداختند.

تفاوت روش‌ها و گروه‌های مورد بررسی به این معناست که این ارقام را نباید بی‌واسطه معادل یکدیگر دانست. بااین‌حال، در هر سه برآورد، پرسش اصلی پابرجاست: چه سهمی از استفاده‌کنندگان به مشتری پرداخت‌کننده تبدیل می‌شوند و آیا پرداخت آن‌ها برای تأمین هزینه خدمت کافی است؟

هزینه اداره مدل‌ها فشار اصلی بر کسب‌وکار مصرفی است

به‌گزارش TechCrunch، مسئله بازار مصرفی فقط مقدار درآمد نیست؛ هزینه ارائه خدمات هوش مصنوعی نیز بالاست. این فناوری برای اداره‌شدن به منابع پرهزینه نیاز دارد و از این جهت با خدمات سبک‌تری مانند شبکه‌های اجتماعی یا رایانش ابری تفاوت دارد. بنابراین حتی افزایش تعداد مشترکان به‌تنهایی تضمین نمی‌کند که یک شرکت به نقطه سربه‌سر برسد؛ یعنی درآمدش با هزینه‌هایش برابر شود.

گزارش برای مقایسه، Netflix را نمونه‌ای از سرویس آنلاین فراگیری در نظر می‌گیرد که به ۳۲۵ میلیون مشترک رسیده است. بر مبنای این مقایسه، اگر هر مشتری سالانه ۳۴ دلار درآمد ایجاد کند، درآمد سالانه به ۱۱ میلیارد دلار می‌رسد؛ رقمی که کمتر از یک‌سوم هزینه‌های عملیاتی OpenAI عنوان شده است. این محاسبه نشان می‌دهد حتی رسیدن به مقیاس بسیار بزرگ هم الزاماً هزینه فعالیت در حوزه هوش مصنوعی را پوشش نمی‌دهد.

شرکت‌ها برای پاسخ به این محدودیت، به درآمدهای دیگری جز اشتراک مستقیم مصرف‌کننده فکر می‌کنند. OpenAI، به‌گزارش TechCrunch، در چرخشی که به‌طور گسترده گزارش شده، تمرکز خود را به‌سمت مشتریان سازمانی برده و رزروهای سازمانی آن از ماه ژوئیه، بنا بر گزارش‌ها، دو برابر شده است. فروش سازمانی یعنی ارائه محصولات یا خدمات به شرکت‌ها و نهادها، نه فقط به کاربران فردی.

این رویکرد می‌تواند به شرکت‌ها امکان دهد فناوری محبوبی را که برای مصرف‌کننده ارزان است، با قیمت بالاتر به کسب‌وکارها عرضه کنند. حتی در معرفی Dots نیز OpenAI کاربردهایی را برای مهندسان نرم‌افزار و نیروهای خلاق آژانس‌ها مطرح کرده است. به این ترتیب، محصولی که ظاهر و کاربرد مصرفی دارد، می‌تواند مسیری برای فروش به مشتریان حرفه‌ای هم باز کند.

مسیرهای متفاوت Meta و Instinct برای درآمدزایی

وضعیت Muse و Instinct با OpenAI یکسان نیست. به‌گفته گزارش، Meta پشتوانه بزرگی در تبلیغات شخصی‌سازی‌شده دارد و این ظرفیت می‌تواند گزینه‌های بیشتری برای درآمدزایی در اختیارش بگذارد و فشار زمانی برای حل فوری مسئله سودآوری را کاهش دهد. گزارش همچنین می‌گوید Meta در حال بررسی مسیر سازمانی نیز هست.

Instinct برنامه دیگری را دنبال می‌کند: دریافت سهمی از خریدهایی که از طریق دستیار انجام می‌شوند. چنین مدلی می‌تواند سقف درآمد احتمالی محصول را بالا ببرد، چون درآمد آن تنها به مبلغ اشتراک محدود نمی‌شود. گزارش همچنین می‌گوید Instinct احتمالاً می‌تواند از هزینه آموزش یک مدل پیشرو اجتناب کند؛ عاملی که به کاهش بخشی از فشار هزینه‌ای کمک می‌کند.

بااین‌حال، این مسیرها هنوز مسئله بنیادی را از میان نمی‌برند. محصولات مصرفی هوش مصنوعی باید در نهایت نشان دهند که درآمد حاصل از تبلیغات، تراکنش‌ها، قراردادهای سازمانی یا اشتراک‌ها با هزینه توسعه و اداره آن‌ها تناسب دارد. گزارش TechCrunch نتیجه می‌گیرد که شرکت‌هایی که تنها به بازار مصرف‌کننده متکی بمانند، ممکن است با سقفی برای رشد روبه‌رو شوند؛ درحالی‌که آزمایشگاه‌های بزرگ‌تر از پیش آموخته‌اند درآمد سازمانی می‌تواند بخش مهمی از مدل کسب‌وکارشان باشد.

این خبر برای چه کسانی اهمیت دارد

این بحث برای سرمایه‌گذارانی اهمیت دارد که استقبال عمومی از یک دستیار هوش مصنوعی را نشانه‌ای قطعی از سودآوری می‌دانند. تعداد کاربران، میزان استفاده روزانه یا پیشرفت فنی مدل، به‌تنهایی تصویر کاملی از سلامت کسب‌وکار ارائه نمی‌کند؛ سهم پرداخت‌کنندگان و هزینه ارائه سرویس نیز باید در نظر گرفته شود.

برای شرکت‌های سازنده، این ارقام یادآور آن است که طراحی محصول باید از ابتدا با راه درآمدزایی و هزینه‌های عملیات همراه باشد. قراردادهای سازمانی، تبلیغات یا سهم از خریدها می‌توانند مکمل اشتراک مصرف‌کننده باشند، اما هرکدام به راهبردی جداگانه نیاز دارند. برای کاربران نیز این روند مهم است، چون تعیین می‌کند کدام دستیارها می‌توانند در بلندمدت با چه مدلی در دسترس بمانند.

در نهایت، موج تازه دستیارهای شخصی ممکن است به گسترش کاربرد هوش مصنوعی کمک کند؛ اما بر پایه اطلاعات موجود، هنوز روشن نیست که این رشد به درآمدی متناسب با هزینه‌ها تبدیل شود. همین فاصله میان استقبال از محصول و اقتصاد پایدار آن، مسئله‌ای است که شرکت‌های هوش مصنوعی ناچارند در کنار رقابت بر سر کیفیت مدل‌ها حل کنند.