ساتیا نادلا درباره ریسک اقتصادی ناشی از تمرکز مدل‌های هوش مصنوعی هشدار داد

ساتیا نادلا، مدیرعامل مایکروسافت، در حال به صدا درآوردن یک زنگ خطر استراتژیک در مورد آینده اقتصاد دیجیتال است؛ او هشدار می‌دهد که تعداد انگشت‌شماری از سیستم‌های هوش مصنوعی مسلط می‌توانند تمام بازده‌های اقتصادی جهانی را به خود اختصاص دهند. با کمرنگ شدن مرز میان هوش انسانی و سیستم‌های دیجیتال، نادلا معتقد است که میدان نبرد واقعی برای ارزش سازمانی، از انتخاب مدل به سمت حلقه‌های یادگیری اختصاصی تغییر یافته است.

ظهور سرمایه توکنی و حلقه شناختی

نادلا در یک چشم‌انداز استراتژیک اخیر، پارادایم جدیدی را برای شرکت‌های مدرن معرفی کرد: گذار از اتکای صرف به سرمایه انسانی به سمت ادغام «سرمایه توکنی» (token capital). او استدلال می‌کند که یک «حلقه شناختی واقعی» در حال شکل‌گیری میان انسان‌ها و سیستم‌های دیجیتال است که نیازی جدید برای شرکت‌ها ایجاد می‌کند تا قابلیت‌های هوش مصنوعی خود را در اختیار داشته باشند و بر آن‌ها کنترل کنند.

به گفته نادلا، مزیت رقابتی در عصر هوش مصنوعی صرفاً از انتخاب بهترین مدل پایه (مانند مدل‌های OpenAI یا Anthropic) حاصل نخواهد شد، بلکه از ساخت سیستم‌های یادگیری اختصاصی بر روی آن‌ها به دست می‌آید. این امر شامل ایجاد ارزیابی‌های خصوصی (evals) برای ردیابی نتایج مرتبط با کسب‌وکار، استفاده از ساختارهای آموزشی داخلی برای اصلاح مدل‌ها با داده‌های خاص شرکت، و تبدیل دانش سازمانی به دارایی‌های قابل پرس‌وجو و بازاستفاده است.

پرهیز از تله‌ی کالایی‌شدن دانش

بخش قابل توجهی از هشدار نادلا بر خطر «کالایی‌شدن دانش» تمرکز دارد. او از سناریویی بیم دارد که در آن کل صنایع شاهد از دست رفتن تخصص منحصر‌به‌فرد خود و جذب شدن آن در چند مدل عظیم هوش مصنوعی باشند، که این امر باعث می‌شود آن صنایع هیچ مزیت رقابتی (economic moat) برای خود باقی نگذارند.

نادلا نوشت: «آخرین چیزی که هر یک از ما می‌خواهیم، جهانی است که در آن هر شرکتی در هر بخشی، ارزش خود را به چند مدل واگذار کند که هر آنچه می‌بینند را می‌بلعند.» او پیشنهاد می‌کند که اگر تعداد کمی از سیستم‌های هوش مصنوعی تمام بازده‌های اقتصادی را تصاحب کنند، واکنش‌های سیاسی و اجتماعی ناشی از آن می‌تواند پیشرفت کل صنعت هوش مصنوعی را مختل کند. او معتقد است آزمون واقعی استراتژی هوش مصنوعی یک شرکت این است که آیا یک سازمان می‌تواند مدل پایه خود را بدون از دست دادن هوش و دانش تخصصی که بر روی آن ساخته است، جایگزین کند یا خیر.

تغییر موضع در مورد کالایی‌شدن مدل‌ها

اظهارات اخیر نادلا نشان‌دهنده تغییری قابل توجه در رویکرد او نسبت به ارزش مدل‌های هوش مصنوعی است. در مارس ۲۰۲۵، او اشاره کرد که مدل‌ها در حال تبدیل شدن به کالاهای عمومی (commoditized) هستند، که به این معناست که ارزش واقعی در لایه اپلیکیشن و پشته سیستم (system stack) نهفته خواهد بود. با این حال، موضع فعلی او بازتاب‌دهنده واقعیت پیچیده‌تری است: اگر مدل‌های پیشرو از سوی بازیگرانی مانند OpenAI و Anthropic همچنان از بازار پیشی بگیرند، «کالایی شدن» مدل‌ها ممکن است بسیار کندتر از آنچه انتظار می‌رود رخ دهد.

برای مایکروسافت، این استراتژی راهی برای هدایت سازمان‌ها به سمت اکوسیستم‌های Azure و Office است. مایکروسافت با تأکید بر اهمیت «پشته سیستم» و حلقه‌های یادگیری اختصاصی، قصد دارد اطمینان حاصل کند که حتی اگر همیشه در عملکرد خام مدل‌ها پیشرو نباشند، همچنان به عنوان پلتفرم جدایی‌ناپذیری باقی بمانند که در آن «سرمایه توکن» و هوش انسانی با هم ترکیب و رشد می‌کنند.

نکات کلیدی

• گذار به سمت سرمایه توکن: ارزش آتی شرکت‌ها به جای صرفاً نیروی کار انسانی، به «سرمایه توکن» — یعنی قابلیت‌های هوش مصنوعی اختصاصی و داده‌های آموخته‌شده‌ای که یک شرکت کنترل می‌کند — بستگی خواهد داشت.
• مزیت حلقه یادگیری: شرکت‌ها باید حلقه‌های اختصاصی ایجاد کنند که در آن مدل‌ها به‌طور مداوم توسط داده‌های داخلی اصلاح شوند تا از کالایی شدن دانش صنعتی آن‌ها توسط ارائه‌دهندگان مدل‌های خارجی جلوگیری شود.
• ریسک‌های تمرکز اقتصادی: نادلا هشدار می‌دهد که تمرکز شدید ارزش هوش مصنوعی در چند مدل محدود می‌تواند منجر به بی‌ثباتی اجتماعی و سیاسی شود و پتانسیل تهی کردن کل بخش‌های صنعتی را داشته باشد.