سقوط سهام فناوری؛ آزمون تازه برای سرمایه‌گذاری در هوش مصنوعی

ریزش سنگین سهام فناوری در بازارهای جهانی در آغاز نوامبر، یک هشدار برای تمام شرکت‌هایی است که هوش مصنوعی را بدون محاسبه بازگشت سرمایه، موتور قطعی رشد می‌دانند. در معاملات پنج‌شنبه ۵ نوامبر، شاخص نزدک بنا بر گزارش‌های خبری حدود ۵٫۵ درصد سقوط کرد و نگرانی درباره هزینه زیرساخت‌های پردازشی، سرمایه‌گذاری کلان مراکز داده و بازده پروژه‌های هوش مصنوعی به صدر بحث سرمایه‌گذاران بازگشت. این خبر فقط مربوط به بازار سهام آمریکا نیست؛ زیرا تجهیزات، نرم‌افزار و خدمات جهانی به زنجیره ارزش بسیاری از بنگاه‌های ایرانی نیز مرتبط‌اند.

نخست باید میان ارزش تجاری فناوری و ارزش‌گذاری سهام تفکیک گذاشت. سقوط قیمت سهام لزوماً به معنای بی‌فایده شدن یک فناوری نیست؛ همان‌طور که افزایش قیمت سهم تضمین نمی‌کند هر پروژه مرتبط با آن سودآور است. آنچه بازار اکنون می‌سنجد، فاصله هزینه سرمایه‌گذاری با جریان نقد حاصل از محصول است. برای یک شرکت ایرانی نیز پرسش درست همین است: ابزار جدید دقیقاً چند ساعت کار را کاهش می‌دهد، چه مقدار خطا را کم می‌کند و آیا مشتری حاضر است برای نتیجه آن هزینه بپردازد؟

مسیر اول اثرگذاری برای ایران، هزینه خدمات و زیرساخت است. اگر شرکت‌های بزرگ جهانی به‌دلیل فشار مالی، تعرفه‌های خدمات ابری یا سیاست‌های ارائه مدل را تغییر دهند، کسب‌وکار وابسته به یک تأمین‌کننده آسیب می‌بیند. مدیر فناوری باید وابستگی‌های فنی را فهرست کند، امکان خروجی‌گرفتن از داده‌ها را بسنجد و فرآیند جایگزینی سرویس را پیش از بحران آزمایش کند. قراردادهای دارای هزینه ارزی باید در سناریوی رشد نرخ ارز و تغییر تعرفه دوباره محاسبه شوند.

مسیر دوم، رفتار سرمایه‌گذار و مشتری است. در موج خوش‌بینی، هر محصولی که برچسب «هوش مصنوعی» دارد ممکن است در جذب توجه موفق شود؛ در دوره احتیاط، خریدار به خروجی قابل اندازه‌گیری و تضمین خدمات توجه بیشتری می‌کند. استارتاپ ایرانی باید از معرفی مبهم «دستیار هوشمند همه‌کاره» فاصله بگیرد و یک مسئله مشخص مانند کاهش زمان پاسخ، افزایش بازیابی بدهی یا طبقه‌بندی درخواست‌های مشتری را هدف بگیرد. قرارداد آزمایشی کوتاه با شاخص موفقیت روشن، از فروش رؤیای بزرگ بدون داده معتبرتر است.

مسیر سوم، مدیریت ریسک داده است. تمرکز بر سرعت پیاده‌سازی نباید باعث انتقال بی‌ضابطه اطلاعات مشتری، اسناد محرمانه یا داده قیمت‌گذاری به سرویس‌های بیرونی شود. سیاست دسترسی، حذف داده، ثبت خطا و بازبینی انسانی باید پیش از توسعه عمومی تعریف شود. هزینه یک افشای اطلاعات یا پاسخ گمراه‌کننده ممکن است بسیار بیشتر از صرفه‌جویی مورد انتظار از خودکارسازی باشد.

برای اقدام، مدیر باید سبد پروژه‌های هوش مصنوعی شرکت را به سه دسته تقسیم کند: ابزارهایی که هم‌اکنون بازده اثبات‌شده دارند؛ آزمایش‌هایی که ظرف ۳۰ تا ۶۰ روز قابل سنجش‌اند؛ و ایده‌هایی که فقط بر امید به رشد آینده متکی‌اند. بودجه دسته سوم را بدون تحقق نقاط عطف افزایش ندهید. معیارهایی مانند هزینه هر درخواست موفق، زمان رسیدگی، درصد خطای انسانی و نرخ حل مسئله در تماس اول باید هر هفته گزارش شوند.

ریزش بازار جهانی یک پیام ساده دارد: فناوری مهم است، اما انضباط مالی مهم‌تر از هیجان واژه‌هاست. برای شرکت ایرانی که با محدودیت سرمایه و دسترسی روبه‌روست، اجرای یک پروژه کوچکِ سودآور و قابل کنترل ارزش بیشتری از انباشتن اشتراک‌ها و قراردادهای مبهم دارد. تصمیم امروز نه خروج از فناوری، بلکه بازتعریف معیار خرید و سرمایه‌گذاری بر مبنای نتیجه قابل اثبات است.