تأثیر هوش مصنوعی بر کسبوکارهای کوچک و بازارهای مالی
هوش مصنوعی هزینهی ساختن را کاهش داد، اما موفقیت را آسان نکرد. در بازاری که هر روز اشباعتر میشود، دیدهشدن پرهزینهتر از همیشه شده، درآمد بسیاری از فریلنسرها کاهش یافته و سرمایه آرامآرام از واسطههای نیروی کار بهسوی زیرساختها و خدمات پرداخت حرکت کرده است.
نوشته شده توسط هدی کاظمی نسب|
مقدمه
هشت ماه؛ این تمام زمانی بود که یک استارتاپ سوئدی به نام Lovable لازم داشت تا از نقطه صفر به مرز صد میلیون دلار درآمد سالانه برسد. رقمی که یک دهه پیش، رسیدن به آن برای شرکتهای نرمافزاری حدود چهار تا شش سال طول میکشید. در همان فاصله، ابزاری مثل Replit پس از عرضه سرویس عامل هوشمند خود، در حدود شش ماه درآمد سالانهاش را از ده میلیون دلار به صد میلیون دلار رساند.
اما تصویر دیگری هم وجود دارد. نظرسنجی مؤسسه Bankrate که در تابستان 2025 منتشر شد نشان داد سهم بزرگسالان آمریکایی دارای شغل دوم به حدود 27 درصد رسیده است؛ کمترین رقم از سال 2017. میانگین درآمد ماهانه این افراد در همان گزارش حدود دویست دلار برآورد شد. یعنی درست در همان دورانی که ابزارهای ساخت محصول ارزان و در دسترس شدهاند، درآمد واقعی اکثر کارآفرینان خُرد چندان تکان نخورده است.
این تناقض، قلب ماجراست. هوش مصنوعی هزینه ساختن را شکسته، اما هزینه فروختن را نه. و بازارهای مالی، با حساسیتی که همیشه داشتهاند، این تفکیک را زودتر از افکار عمومی فهمیدند. طی سالهای 2025 و 2026، ارزش سهام پلتفرمهای فریلنسری و بخش بزرگی از صنعت نرمافزار سنتی تحت فشار قرار گرفت، در حالی که شرکتهای زیرساخت و پرداخت رشد کردند.
این گزارش میکوشد بدون هیجانزدگی، سه پرسش را دنبال کند: هوش مصنوعی دقیقاً چه چیزی را برای کسبوکارهای کوچک آسان کرده، چه چیزی را سختتر کرده، و بازارهای مالی این جابهجایی را چگونه قیمتگذاری کردهاند.
از ایده تا محصول؛ چگونه هوش مصنوعی هزینه راهاندازی کسبوکارهای کوچک را شکست
کاهش موانع ورود، ملموسترین اثر هوش مصنوعی بر کارآفرینی خُرد است. تا همین چند سال پیش، تبدیل یک ایده به محصول قابلعرضه نیازمند سرمایه اولیه، تیم فنی و ماهها انتظار بود. یک کارآفرین باید یا برنامهنویس استخدام میکرد، یا همبنیانگذار فنی پیدا میکرد، یا خودش سالها آموزش میدید. هر سه مسیر پرهزینه و کند بودند. نسل تازه ابزارهای مولد این معادله را جابهجا کردهاست. امروز بخش بزرگی از کارهایی که پیشتر به تیم نیاز داشت، با اشتراکهای ماهانهای در حد دهها دلار انجام میشود. این تغییر، فقط صرفهجویی مالی نیست؛ سرعت آزمونوخطا را هم چند برابر کرده و ریسک شکست را ارزانتر ساخته است.
سقوط هزینه ابزارها؛ از استخدام تیم تا اشتراک ماهانه
بر پایه گزارشهای صنعتی، یک بنیانگذار تکنفره امروز میتواند مجموعه کاملی از ابزارهای هوش مصنوعی را با هزینهای در محدوده هفتاد و پنج تا صد و پنجاه دلار در ماه سرهم کند. این مجموعه معمولاً شامل یک دستیار کدنویسی، یک ابزار تولید محتوا و یک بستر اتوماسیون گردش کار است. برای مقایسه، استخدام یک دستیار پارهوقت در همان بازارها هزینهای چند برابر دارد.
نکته مهمتر، ترکیب مهارت است. آمارهای منتشرشده از سوی برخی پلتفرمهای ساخت اپلیکیشن نشان میدهد بخش عمده کاربران آنها اصلاً توسعهدهنده نیستند. یعنی متخصص حسابداری، مربی ورزشی یا معلم زبان میتواند بدون واسطه، ابزار موردنیاز حرفه خودش را بسازد. این همان چیزی است که کسبوکارهای کوچک را از وابستگی به پیمانکار فنی رها میکند.
کدنویسی با زبان طبیعی و ظهور نسل تازه ابزارها
اصطلاح «vibe coding» را آندری کارپاتی (Andrej Karpathy)، پژوهشگر شناختهشده حوزه یادگیری ماشین، در اوایل سال 2025 رایج کرد؛ به معنای توصیف خواسته با زبان طبیعی و سپردن نگارش کد به مدل. آنچه این اصطلاح را از یک شوخی اینترنتی به یک بازار واقعی تبدیل کرد، ارقام درآمدی بود.
Lovable که بنیانگذاران آن آنتون اوسیکا (Anton Osika) و فابیان هدین (Fabian Hedin) هستند، در استکهلم تأسیس شد و بر اساس اعلام خود شرکت، ظرف هشت ماه به صد میلیون دلار درآمد تکرارشونده سالانه رسید. Replit به مدیرعاملی امجد مسد (Amjad Masad) پس از عرضه سرویس عامل هوشمند، رشد سریعی را تجربه کرد. ابزار Cursor، محصول شرکت Anysphere، نیز یکی از سریعترین مسیرهای رشد در تاریخ نرمافزار اشتراکی را ثبت کرد. باید توجه داشت که بخشی از این ارقام خوداظهاری شرکتهاست و مستقلاً حسابرسی نشده است.
کسبوکار تکنفره؛ از شعار تا آمار
سم آلتمن (Sam Altman)، مدیرعامل OpenAI، پیشتر از احتمال ظهور نخستین «شرکت میلیارد دلاری تکنفره» سخن گفته بود. داریو آمودی (Dario Amodei)، مدیرعامل Anthropic، نیز در اظهارنظری عمومی احتمال تحقق چنین چیزی را بالا دانست، هرچند بعداً لحن خود را محتاطانهتر کرد. اینها پیشبینیاند، نه واقعیت محققشده، و باید همینگونه خوانده شوند.
آنچه قابلاتکاتر است، روند اندازه تیمهاست. گزارشهای پلتفرمهای مدیریت سهام نشان میدهد سهم استارتاپهای تکبنیانگذار در سالهای اخیر افزایش یافته و میانگین تعداد کارکنان در مراحل اولیه جذب سرمایه کاهش پیدا کرده است. مدل «تیم کوچک با بهرهوری بالا» دیگر استثنا نیست.
ریشههای موج تازه؛ اقتصاد گیگ، پاندمی و انفجار ثبت کسبوکار
یکی از پرتکرارترین خطاهای تحلیلی این روزها، نسبت دادن کل رونق کارآفرینی خُرد به هوش مصنوعی است. دادههای رسمی تصویر پیچیدهتری میسازند. جهش در ثبت کسبوکارهای جدید، دستکم در ایالات متحده، از سال 2020 آغاز شد؛ یعنی حدود دو سال پیش از آنکه چتباتهای مولد به دست عموم برسند. بیکاری گسترده دوران همهگیری، بستههای حمایتی نقدی و تغییر نگرش نسبت به کار از راه دور، سه موتور اصلی آن موج بودند. آنچه هوش مصنوعی انجام داد، ساختن این موج از صفر نبود؛ شتاب دادن به موجی بود که پیشتر شکل گرفته بود. تفکیک این دو، برای هر تحلیل درست از بازارهای مالی ضروری است.
جهشی که پیش از چتباتها آغاز شد
آمار اداره سرشماری ایالات متحده نشان میدهد شمار درخواستهای تأسیس کسبوکار پس از سال 2020 بهطور محسوسی از میانگین تاریخی خود فاصله گرفت و در سالهای اخیر در محدوده پنج تا پنج ونیم میلیون درخواست در سال باقی مانده است. رقم سال 2025 بر اساس گزارشهای منتشرشده بیش از پنجونیم میلیون بوده که بالاترین سطح ثبتشده به شمار میرود.
نکته ظریف اما در ترکیب این درخواستهاست. سهم درخواستهایی که احتمال استخدام کارمند دارند، نسبت به دوران پیش از همهگیری کاهش یافته است. به بیان ساده، بخش بزرگتری از این ثبتها عملیات تکنفره یا شغل دوماند، نه بنگاههایی که قرار است بازار کار را تکان دهند.
تجربه بریتانیا و اروپا در ثبت شرکتهای تازه
در بریتانیا نیز شمار شرکتهای فعال ثبتشده نزد نهاد Companies House به سطوح بیسابقه رسیده است. اما این رکورد در ثبت شرکت، با روند خوداشتغالی همجهت نبوده است؛ بر پایه دادههای اداره ملی آمار بریتانیا (ONS)، نرخ خوداشتغالی از حدود 15.3 درصدی سال 2019 به حدود 13.5 درصد در ابتدای سال 2025 کاهش یافته است. به بیان دیگر، افزایش ثبت شرکت لزوماً به معنای گسترش کار مستقل نیست و این دو شاخص را نباید یکی گرفت.
چرا نسبت دادن همهچیز به هوش مصنوعی خطاست
رشد ثبت کسبوکار پیش از انتشار عمومی مدلهای مولد آغاز شد و عوامل کلان اقتصادی مانند نرخ تورم، وضعیت بازار کار و سیاستهای حمایتی نقش تعیینکنندهای داشتند. جالب آنکه در همان دورهای که ابزارهای هوش مصنوعی فراگیر شدند، برخی نظرسنجیها کاهش نرخ اشتغال به شغل دوم را ثبت کردند؛ توضیح محتمل آن، بهبود بازار کار و کاهش فشار تورمی است، نه ناکارآمدی ابزارها. تحلیلگر ارشد Bankrate، تد راسمن (Ted Rossman)، نیز در توضیح این کاهش به همین عوامل اقتصادی اشاره کرده است.
روی دیگر سکه؛ افت درآمد فریلنسرها و اشباع بازار
اگر ساختن ارزان شود، آنچه ساخته میشود هم ارزان میشود. این قاعده ساده، تلخترین بخش داستان هوش مصنوعی و کسبوکارهای کوچک است. بسیاری از کسانی که امروز با ابزارهای مولد کسبوکار راه میاندازند، پیشتر همان خدمات را بهعنوان فریلنسر میفروختند: نوشتن، ترجمه، طراحی گرافیک، ویرایش تصویر و کدنویسی ساده. حالا همین خدمات با هزینه نزدیک به صفر و در چند ثانیه تولید میشوند. نتیجه، فشار مضاعف بر همان گروهی است که قرار بود بیشترین بهره را ببرد. اقتصاددانان این پدیده را کالاییشدن مهارت مینامند و شواهد آماری آن دیگر حدسی نیست.
شواهد دانشگاهی درباره کاهش درآمد نویسندگان و طراحان
پژوهشی با عنوان بررسی اثرات کوتاهمدت هوش مصنوعی مولد بر اشتغال، که نتایج آن در نشریه Organization Science منتشر شد و پژوهشگرانی شامل شیانگ هوی (Xiang Hui)، اورن رشف (Oren Reshef) و لوئوفنگ ژو (Luofeng Zhou) در آن نقش داشتند، رفتار دهها هزار فریلنسر را پس از انتشار عمومی چتباتهای مولد بررسی کرد.
یافته اصلی این بود که فریلنسرهای حوزه نوشتن، کاهش محسوسی در تعداد پروژهها و درآمد ماهانه تجربه کردند و این کاهش برای کارهای مرتبط با تولید تصویر شدیدتر بود. یافته غافلگیرکنندهتر آنکه فریلنسرهای رده بالا نیز از این فشار مصون نماندند. به بیان دیگر، کیفیت بالا بهتنهایی سپر دفاعی نبود. این نتیجه، فرض رایج «فقط کارهای بیکیفیت جایگزین میشوند» را زیر سؤال میبرد.
انبوه محتوای بیکیفیت و فرسایش اعتماد مخاطب
موازی با کاهش هزینه تولید، حجم محتوای تولیدشده انفجاری رشد کرد. بخش بزرگی از این محتوا کیفیت پایینی دارد و در ادبیات انگلیسی با واژه slop (بیکیفیت) شناخته میشود. پیامد اقتصادی این پدیده روشن است: وقتی عرضه چند برابر میشود اما تقاضا تقریباً ثابت میماند، قیمتها سقوط میکنند و اعتماد مخاطب فرسوده میشود. نظرسنجیهای افکار عمومی در آمریکا و بریتانیا نشان میدهد بخش قابلتوجهی از مصرفکنندگان نسبت به محتوای تولیدشده با هوش مصنوعی بدبیناند.
گلوگاه واقعی توزیع است، نه تولید
روایتی که میان بنیانگذاران مستقل زیاد تکرار میشود، تصویر دقیقی از وضعیت میدهد: ساخت محصول چند روز طول میکشد، جذب ده مشتری اول چند ماه. تحلیلهای منتشرشده در رسانههای اقتصادی نیز از شکافی روبهگسترش میان افزایش سریع شمار اپلیکیشنهای عرضهشده و رشد ناچیز تعداد دانلودها خبر دادهاند. پیام برای هر کارآفرینی روشن است: مزیت رقابتی دیگر در توانایی ساختن نیست، در دسترسی به مخاطب، اعتماد و قضاوت حرفهای است.
واکنش بازارهای مالی؛ برندگان و بازندگان یک جابهجایی بزرگ
سرمایهگذاران معمولاً زودتر از افکار عمومی به تفکیک برنده و بازنده میرسند و این بار هم چنین شد. اثر هوش مصنوعی بر بازارهای مالی در سالهای 2025 و 2026 نه یک رونق یکنواخت، بلکه یک جابهجایی شدید ارزش بود. سرمایه از شرکتهایی که واسطه فروش نیروی کار انسانی بودند، به سمت شرکتهایی حرکت کرد که زیرساخت، پرداخت و ابزار در اختیار کارآفرینان میگذارند. این همان تفاوت میان فروختن بیل و جستوجوی طلاست؛ الگویی که در هر دوره فناورانه تکرار شده و اینبار با سرعت بیشتری رخ داد.
رونق پلتفرمهای تجارت الکترونیک و پرداخت
Shopify یکی از روشنترین نمونههای برنده این روند است. بر اساس گزارشهای مالی منتشرشده، درآمد این شرکت در سال 2025 رشد قابلتوجهی داشت و ارزش کل کالای فروختهشده در بستر آن از مرز سیصد و هفتاد میلیارد دلار عبور کرد. نکته مهم در ترکیب درآمد است: سهم خدمات مرچنت (Merchant services)، یعنی پرداخت و خدمات مالی، بهمراتب سریعتر از اشتراکهای ماهانه رشد کرده است.
منطق اقتصادی این الگو ساده است. وقتی هزینه راهاندازی فروشگاه کاهش مییابد، شمار فروشندگان زیاد میشود و پلتفرمی که درصدی از هر تراکنش برمیدارد، از رشد مجموع منتفع میشود، حتی اگر بسیاری از فروشندگان منفرد شکست بخورند. شرکتهای زیرساخت ابری و پردازنده نیز از همین موقعیت بهرهمند شدهاند، هرچند تفکیک سهم این روند از موج کلان سرمایهگذاری در هوش مصنوعی دشوار است.
واگرایی سرنوشت پلتفرمهای فریلنسری
در سوی دیگر طیف، بازارهای واسطهگری کار مستقل قرار دارند. Fiverr به مدیرعاملی میکا کافمن (Micha Kaufman) در گزارشهای خود کاهش شمار خریداران فعال سالانه را ثبت کرد و برای نخستینبار راهنمای درآمدی محتاطانهای ارائه داد که احتمال کاهش درآمد را در بر میگرفت. سهام این شرکت طی همان دوره افت سنگینی را تجربه کرد.
Upwork اما مسیری متفاوت را طی کرد. این شرکت در طول سال 2025 نهتنها با تعدیل راهنمای درآمدی روبهرو نشد، بلکه چند فصل پیاپی از انتظارات پیشی گرفت و راهنمای درآمد سالانه خود را بالا برد؛ برای سال 2026 نیز از رشد درآمدی در حدود شش تا هشت درصد خبر داد. با این حال، فشار بر قراردادهای کوچک و ساده در این بازار محسوس است و هر دو پلتفرم کوشیدهاند با حرکت به سمت مشتریان سازمانی، خدمات پیچیدهتر و افزودن ابزارهای هوش مصنوعی، وزن درآمد خود را از پروژههای ساده به کارهای پیچیدهتر منتقل کنند.
بحران مدل اشتراک صندلیمحور در صنعت نرمافزار
گستردهترین اثر بر بازارهای مالی اما در صنعت نرمافزار اشتراکی رخ داد. مدل رایج این صنعت، دریافت هزینه به ازای هر کاربر یا هر «صندلی» بود. وقتی یک کارمند مجهز به ابزار هوشمند کار چند نفر را انجام میدهد، شرکتها بهجای افزودن صندلی، آن را کاهش میدهند. سرمایهگذاران این ریسک را تهدیدی برای موتور رشد کل صنعت دیدند.
نتیجه، فشردهشدن شدید نسبتهای ارزشگذاری بود؛ روندی که تحلیلگران از آن با تعابیری چون بحران بزرگ نرمافزار یاد کردند. بخشی از تحلیلگران، از جمله در بانکهای سرمایهگذاری بزرگ، این واکنش را افراطی خواندهاند و معتقدند مدل قیمتگذاری در حال تبدیل به شکل ترکیبی است، نه حذف کامل. نمونههای عملی این چرخش، قیمتگذاری بر مبنای نتیجه است؛ مثلاً هزینه به ازای هر درخواست پشتیبانی حلشده.
چرخش سرمایهگذاری خطرپذیر به سمت تیمهای کوچک
صنعت سرمایهگذاری خطرپذیر بر یک فرض ساده بنا شده بود: استارتاپ پول میگیرد تا آدم استخدام کند و با آدمها رشد کند. هوش مصنوعی این فرض را متزلزل کرده است. وقتی یک تیم پنجنفره کاری را انجام میدهد که پیشتر به پنجاه نفر نیاز داشت، هم مقدار سرمایه لازم کم میشود و هم مدت زمانی که آن سرمایه دوام میآورد افزایش مییابد. این تغییر، معادله بازدهی صندوقهای سرمایهگذاری را دگرگون میکند و بخشی از سرمایه را به سمت الگوهایی هدایت کرده که تا دیروز بیشتر به دنیای سهام خصوصی تعلق داشتند تا به دنیای استارتاپها.
شتابدهندهها و کاهش اندازه تیمهای تازهتأسیس
گری تن (Garry Tan)، مدیر شتابدهنده Y Combinator، در گفتوگو با شبکه CNBC در مارس 2025 اعلام کرد که در حدود یک چهارم استارتاپهای دوره جاری، نزدیک به 95 درصد کدها توسط هوش مصنوعی نوشته شده است. او نتیجه گرفت که بنیانگذاران دیگر به تیمهای مهندسی چنددهنفره نیاز ندارند و سرمایه جذبشده مدت بیشتری دوام میآورد.
در همین راستا، سهم بنیانگذاران تکنفره در دورههای اخیر این شتابدهنده افزایش یافته، هرچند همچنان اقلیت است و ساختار غالب همچنان تیمهای دو یا سهنفرهاند. مقایسه دادههای چند دوره نشان میدهد میانگین تعداد کارکنان در مراحل اولیه جذب سرمایه نسبت به سالهای 2021 و 2022 کاهش یافته است.
راهبرد خرید و اتوماسیون شرکتهای خدماتی سنتی
یکی از تازهترین راهبردها، خرید شرکتهای خدماتی سنتی با حاشیه سود پایین و تلاش برای افزایش سودآوری آنها از راه اتوماسیون است. صندوقهایی مانند General Catalyst و مجموعههای وابسته به Thrive منابع قابلتوجهی به این حوزه اختصاص دادهاند و برخی گزارشها مجموع سرمایه تخصیصیافته به این استراتژی را بیش از سه میلیارد دلار برآورد کردهاند.
هدف اعلامشده، انتقال حاشیه سود از محدوده تکرقمی به محدوده سی درصد و بالاتر است. باید تأکید کرد که این ارقام عمدتاً از سوی خود سرمایهگذاران اعلام شده و صورتهای مالی حسابرسیشده مستقلی برای تأیید آنها در دسترس عموم نیست.
ریسکهایی که هنوز آزمون پس ندادهاند
این الگو یک ضعف بنیادی دارد: هیچکدام از این مجموعهها هنوز یک دوره رکود اقتصادی کامل را پشت سر نگذاشتهاند. خرید شرکتهای خدماتی معمولاً با بدهی همراه است و بدهی در دوران رونق کمهزینه و در دوران رکود پرهزینه است. افزون بر این، فرض کلیدی این راهبرد یعنی امکان خودکارسازی بخش بزرگی از کارها، در عمل با موانع فرهنگی، قانونی و مقاومت مشتریان روبهرو میشود.
ایران و فارسیزبانان؛ کارآفرینی دیجیتال پشت دیوار تحریم
موج جهانی کاهش موانع، به شکل یکسان توزیع نشده است. برای کاربران ایرانی، همان لحظهای که راهاندازی کسبوکارهای کوچک در جهان ارزانتر شد، دیوار دیگری بلندتر شد. مسئله اینجا نه مهارت است و نه دسترسی به دانش؛ نیروی انسانی متخصص در ایران کم نیست و آموزش فنی نیز از راههای مختلف در دسترس است. مانع اصلی زیرساخت مالی و حقوقی است. پلتفرمهای جهانی به دلیل تحریمها ثبتنام کاربران مقیم برخی کشورها را مسدود میکنند و درگاههای پرداخت بینالمللی نیز عملاً در دسترس نیستند. نتیجه، شکلگیری نوعی نابرابری دیجیتال است که با هیچ ابزار هوشمندی جبران نمیشود.
محدودیت دسترسی به پلتفرمهای جهانی
پلتفرمهای بزرگ کار مستقل، از جمله Upwork، در شرایط خدمات خود صراحتاً به محدودیت ارائه خدمت به کاربران کشورهای مشمول تحریم اشاره کردهاند. سرویسهای پرداخت بینالمللی نظیر PayPal نیز در ایران فعال نیستند. برخی سرویسهای ابری هم حسابهای مرتبط با کاربران ایرانی را مسدود کردهاند. جزئیات و دامنه دقیق این محدودیتها در طول زمان تغییر کرده و بررسی وضعیت روز، پیش از هر تصمیم تجاری ضروری است.
مسئله پرداخت و راههای غیررسمی
گزارشهای رسانهای متعددی نشان دادهاند که بخشی از فریلنسرهای ایرانی برای دریافت درآمد به واسطههای خارج از کشور، حسابهای ثبتشده به نام دیگران یا رمزارزها تکیه میکنند. هر سه مسیر با ریسک روشنی همراهاند: مسدودشدن حساب، از دست رفتن درآمد و ابهام حقوقی. تجربه چند سال گذشته نشان میدهد اتکا به این راهها پایدار نیست و بخش قابلتوجهی از سرمایه انسانی، عملاً از چرخه رسمی اقتصاد دیجیتال جهانی بیرون میماند.
شاخصهایی که سرنوشت این روند را روشن میکنند
هر روایت اقتصادی باید قابل ابطال باشد، وگرنه پیشبینی نیست، پیشگویی است. روایت تأثیر هوش مصنوعی بر کارآفرینی خُرد و بازارهای مالی نیز از این قاعده مستثنا نیست. خوشبختانه چند شاخص عینی وجود دارد که رصد آنها میتواند در ماههای آینده صحت یا نادرستی این تحلیل را نشان دهد. این شاخصها هم برای سرمایهگذاران کاربرد دارند و هم برای کارآفرینانی که میخواهند بدانند آیا در حال سوار شدن بر یک موج واقعیاند یا بر حباب. توصیه اصلی، تکیه بر دادههای رسمی و صورتهای مالی است، نه بر روایتهای تبلیغاتی شرکتها.
دادههای ثبت کسبوکار و نرخ بقا
عدد کل ثبت کسبوکار بهتنهایی گمراهکننده است. آنچه اهمیت دارد، سهم درخواستهایی است که به بنگاه دارای کارمند تبدیل میشوند و نیز نرخ بقای این کسبوکارها پس از دو و پنج سال. اگر شمار ثبتها بالا بماند اما نرخ بقا افت کند، معنایش این است که ابزارها ورود را آسان کردهاند بدون آنکه شانس موفقیت را افزایش دهند. تاکنون داده معتبری که نرخ بقای کسبوکارهای متکی بر هوش مصنوعی را بهطور جداگانه اندازه بگیرد منتشر نشده است.
نسبت ارزش بازار به درآمد در صنعت نرمافزار
نسبت ارزش شرکت به درآمد آتی در صنعت نرمافزار، حساسترین دماسنج این ماجراست. اگر این نسبتها تثبیت شوند یا بازگردند، به این معناست که بازار ریسک مدل صندلیمحور را بیش از حد بزرگ کرده بود. شاخص دیگر، نرخ حفظ درآمد خالص شرکتهای نرمافزاری است؛ افت پایدار آن به زیر صد درصد، نشانه روشنی از شکسته شدن موتور رشد سنتی خواهد بود.
سناریوهایی که این روایت را باطل میکنند
بازگشت رشد پایدار حجم معاملات در پلتفرمهای فریلنسری، بازیابی نسبتهای ارزشگذاری نرمافزار، یا بازگشت آمار ثبت کسبوکار به میانگین بلندمدت، هر سه میتوانند این تحلیل را تضعیف کنند. در آن صورت باید پذیرفت که آنچه رخ داده، یک بازتنظیم موقت بوده، نه یک تغییر ساختاری. تحلیلگر محتاط، هر دو احتمال را باز نگه میدارد.
نتیجهگیری
جمعبندی این پرونده را میتوان در یک جمله خلاصه کرد: هوش مصنوعی هزینه ساختن را شکسته، اما هزینه دیدهشدن را نه. ابزارهایی که امروز در اختیار یک کارآفرین تنها قرار دارد، از امکاناتی که یک تیم دهنفره در سال 2018 داشت فراتر است. این دستاورد کوچکی نیست و آمار ثبت کسبوکار، رشد پلتفرمهای تجارت الکترونیک و ظهور شرکتهای کمکارمند با درآمد بالا همگی گواه آن هستند.
اما همین ابزارها، ارزش خدماتی را که قرار بود منبع درآمد همین افراد باشد کاهش دادهاند. پژوهشهای دانشگاهی افت درآمد فریلنسرهای حوزه نوشتن و طراحی را ثبت کردهاند و انبوه محتوای کمکیفیت، توجه مخاطب را گرانتر از همیشه کرده است. برندگان واقعی این دوره، تاکنون کسانی بودهاند که ابزار میفروشند، نه کسانی که با ابزار میسازند.
بازارهای مالی این تفکیک را با سرعت قیمتگذاری کردند. سرمایه از واسطهگران نیروی کار انسانی و از نرمافزارهای متکی بر شمارش کاربر، به سمت زیرساخت، پرداخت و مدلهای مبتنی بر نتیجه حرکت کرد. بخشی از این واکنش ممکن است افراطی بوده باشد و تحلیلگران معتبری آن را چنین میدانند، اما جهت کلی روشن است.
برای کارآفرین ایرانی و فارسیزبان، یک لایه دشواری اضافه وجود دارد که با هیچ مدل زبانی حل نمیشود: زیرساخت پرداخت و محدودیتهای حقوقی. تا وقتی این گره باز نشود، بخش بزرگی از استعداد موجود پشت دیوار میماند. توصیه عملی، سرمایهگذاری بر مخاطب و تخصص عمودی است؛ همان دو چیزی که کپی کردنشان هنوز برای ماشین دشوار است.
دیدگاه و نظرات خود را بنویسید
هنوز دیدگاهی ثبت نشده است؛ اولین نفر باشید.