سوتیبی مدل‌های هوش مصنوعی سفارشی را عرضه کرده است که قیمت‌های حراج را پیش‌بینی می‌کنند و پلتفرم مزایده‌ای را در لحظه مدیریت می‌کنند که هزاران کاربر همزمان را پوشش می‌دهد. این خانه حراج چندصدساله بر فناوری‌های داده‌محور تکیه کرده است تا ارزش‌گذاری‌ها را دقیق‌تر کرده و روند اجرای حراج‌های جهانی را هموارتر نگه دارد.

چرا این تغییر اهمیت دارد

حراج‌های آثار هنری همواره ترکیبی از قضاوت‌های ذهنی و دانش بازار بوده‌اند. مزایده‌های آنلاین، رویدادی را که زمانی انحصاری و حضوری بود، به یک تجربه دیجیتال با ترافیک بالا تبدیل کرده‌اند. فروشندگان می‌توانند با پیش‌بینی‌های دقیق‌تر، قیمت‌های پایه محدودتری تعیین کنند و قیمت‌های نهایی چکش را بالاتر ببرند. خریداران نیز وقتی قیمت‌گذاری شفاف باشد، از پرداخت بیش از حد جلوگیری می‌کنند. ادغام هوش مصنوعی در هسته اصلی فعالیت‌های سوتیبی نشان می‌دهد که این صنعت دیگر صرفاً به شهود کارشناسان متکی نیست.

ساخت «هوش هنری»

کلی شن، متخصص علوم کامپیوتر و ریاضیات در سوتیبی، رهبری تیمی را بر عهده دارد که الگوریتم‌هایی را ساخته‌اند که این شرکت آن‌ها را «هوش هنری» می‌نامد. برخلاف ابزارهای عمومی پیش‌بینی بازار، این مدل‌ها مجموعه‌ای متنوع از نقاط داده را دریافت می‌کنند: قیمت‌های فروش تاریخی، نتایج حراج‌های اخیر، روندهای علاقه مجموعه‌داران و حتی هیاهوی شبکه‌های اجتماعی پیرامون هنرمندان خاص. سیستم با ردیابی چگونگی افزایش یا کاهش تقاضا برای آثار یک نقاش، تخمین‌های قیمتی تولید می‌کند که با ظهور سیگنال‌های جدید، تقریباً در لحظه تغییر می‌کنند.

این مدل‌ها صفحات گسترده‌ای ایستا نیستند. آن‌ها با داده‌های تازه بازآموزی می‌شوند و تغییرات ناگهانی را ثبت می‌کنند؛ مانند یک نمایشگاه بزرگ و پرطرفدار در موزه که باعث افزایش ناگهانی علاقه به یک استاد هنری می‌شود که پیش‌تر نادیده گرفته شده بود. برای سوتیبی، این موضوع دو مزیت دارد: قیمت پایه قابل‌دفاع‌تر برای امانت‌دهندگان و راهنمای شفاف‌تر برای پیشنهاددهندگان در بازاری پرنوسان.

گسترش فضای حراج دیجیتال

پیش‌بینی قیمت تنها نیمی از معادله است. حراج‌های مدرن پیشنهاددهندگانی را از هر قاره جذب می‌کنند که هر کدام در کسری از ثانیه در حال کلیک کردن، اسکرول کردن و ثبت پیشنهاد هستند. برای روان نگه داشتن این تجربه، سوتیبی مدل‌های پیش‌بینی خود را با یک پشته محاسباتی با کارایی بالا که برای حجم کاری با تأخیر کم و همزمانی بالا طراحی شده، ترکیب کرده است.

مشارکت‌های شن فراتر از الگوریتم‌ها است. او بر خودکارسازی کاتالوگ‌نویسی نظارت داشت — با استفاده از ابزارهای تشخیص تصویر برای برچسب‌گذاری جزئیات اصالت، گزارش‌های وضعیت و ویژگی‌های بصری — تا فهرست‌ها سریع‌تر و با خطای انسانی کمتر در پلتفرم آنلاین قرار بگیرند. این زیرساخت ترافیک را بین چندین سرور توزیع می‌کند و در زمانی که یک کالای برجسته توجه زیادی را به خود جلب می‌کند، منابع را به صورت پویا گسترش می‌دهد. نتیجه، یک حراج زنده است که حتی با افزایش شدید تعداد پیشنهاددهندگان همزمان، پاسخگو باقی می‌ماند.

عمل‌گرایی پشت کدها

در محافل فناوری، وسوسه‌ای برای دنبال کردن مدل‌های پیچیده‌تر وجود دارد. شن هشدار می‌دهد که ظرافت در یک تخته‌سیاه لزوماً به ارزش تجاری تبدیل نمی‌شود. او می‌گوید: «موفقیت یک الگوریتم مستقیماً با توانایی آن در ایجاد تعامل با مخاطب گره خورده است.» در بخش کالاهای لوکس، فناوری باید مانند یک داربست نامرئی باشد، نه مانعی که مجموعه‌دارانِ عادت کرده به برخورد شخصی را گیج کند.

این رویکرد عمل‌گرایانه، نقشه راه تیم را هدایت می‌کند. ویژگی‌هایی که به طور ملموس نرخ تبدیل پیشنهاد را بهبود نمی‌بخشند یا زمان انجام کاتالوگ‌نویسی را کاهش نمی‌دهند، حتی اگر تحقیقات پیشرفته یادگیری ماشین را به نمایش بگذارند، در اولویت پایین‌تری قرار می‌گیرند. تمرکز بر نتایج ملموس باقی می‌ماند: محدوده‌های قیمتی دقیق‌تر، مزایده روان‌تر و یک نمایشگاه دیجیتال جذاب‌تر.

صداهای هشداردهنده

منتقدان استدلال می‌کنند که اتکای بیش از حد به قیمت‌گذاری الگوریتمی می‌تواند تخصص ظریفی را که مدت‌هاست حراجی‌های برتر را متمایز کرده است، از بین ببرد. همچنین خطر نهادینه شدن سوگیری‌های تاریخی وجود دارد؛ اگر فروش‌های گذشته به نفع گروه‌های جمعیتی یا مناطق خاصی بوده باشد، مدل ممکن است ناخواسته آن الگوها را تداوم بخشد. سوتیبی این نگرانی‌ها را می‌پذیرد و خاطرنشان می‌کند که کیوریتورهای انسانی همچنان خروجی‌های مدل را پیش از انتشار بررسی می‌کنند و هوش مصنوعی به عنوان یک ابزار پشتیبان تصمیم‌گیری عمل می‌کند، نه جایگزینی برای ارزیابان باتجربه.

آنچه در آینده باید زیر نظر داشت

پیاده‌سازی سوتیبی هنوز در مراحل اولیه است، اما این زیرساخت در حال حاضر چندین فروش پرسر و صدا را مدیریت می‌کند. آزمون بعدی این خواهد بود که آیا هوش مصنوعی می‌تواند خود را با شرایط کاملاً جدید بازار وفق دهد یا خیر؛ شرایطی مانند تغییرات ناگهانی مقرراتی که بر واردات آثار هنری تأثیر می‌گذارد یا ظهور نسل جدیدی از مجموعه‌داران دیجیتال‌-بومی. ناظران همچنین واکنش رقبا را زیر نظر خواهند داشت؛ موجی از استقرار‌های مشابه می‌تواند اقتصاد بازار ثانویه هنر را بازتعریف کند.

اگر این فناوری به وعده‌های خود عمل کند، پیامدهای آن می‌تواند بسیار عمیق باشد: قیمت‌گذاری دقیق‌تر ممکن است طیف گسترده‌تری از پیشنهاددهندگان را جذب کند، در حالی که فهرست‌نویسی بهینه‌شده می‌تواند موانع ورود امانت‌دهندگان کوچک‌تر به بازار را کاهش دهد. در مقابل، اگر مدل‌ها در شرایط دشوار شکننده از آب درآیند، ممکن است این صنعت به رویکردی محتاطانه‌تر و ترکیبی بازگردد که به شدت بر قضاوت انسانی تکیه دارد.

نکته کلیدی

ادغام هوش مصنوعی سفارشی در Sotheby’s برای پیش‌بینی قیمت و پیشنهاد قیمت لحظه‌ای نشان می‌دهد که حتی سنتی‌ترین بخش‌ها نیز می‌توانند از مهندسی داده‌محور مزایای قابل اندازه‌گیری کسب کنند—به شرط آنکه این فناوری در خدمت اهداف تجاری مشخص باشد و تحت نظارت تخصص انسانی باقی بماند.