هوش مصنوعی

سکوی ملی هوش مصنوعی ایران؛ چالش‌ها، دلایل و راهکارها

سکوی ملی یا اپراتور هوش مصنوعی این روزها در مرکز توجه سیاست‌گذاران قرار گرفته است، اما ابهامات مفهومی و انتظارات متنوع از این مفهوم، سوالات زیادی ایجاد کرده است. آیا ایجاد یک پلتفرم زیرساختی بزرگ اولویت واقعی توسعه هوش مصنوعی در ایران است؟ این مقاله تلاش می‌کند با نگاهی نقادانه و مبتنی بر زیست‌بوم فعلی، پاسخ‌هایی عملی و قابل اتکا ارائه دهد.

ابهام در تعریف و آثار آن

در اسناد و مواضع رسمی، «سکوی هوش مصنوعی» گاه به‌عنوان زیرساخت پردازشی، گاه بستر آموزش مدل، گاه ارائه‌دهنده سرویس‌های پایه و گاه حتی یک نهاد تنظیم‌گر یا ارائه‌دهنده خدمات عمومی معرفی شده است. این پراکندگیِ تعاریف نشان می‌دهد که توقعات از این پلتفرم به‌شدت متنوع و بعضاً متعارض‌اند. زمانی که خود سیاستگذار تعریف روشن و پذیرفته‌شده‌ای ندارد، طبیعی است که راه‌حل‌های پیشنهادی نیز مبهم و ناهمگن باشند؛ نتیجهٔ آن می‌تواند هزینه‌های بالا و تأثیر کم در سطح حکمرانی باشد.

هوش مصنوعی

واقعیت زیست‌بوم هوش مصنوعی ایران

زیست‌بوم هوش مصنوعی ایران شامل بازیگران متعددی است: شرکت‌های کوچک و متوسط نرم‌افزاری، تیم‌های پژوهشی دانشگاهی، استارتاپ‌ها و بخش‌هایی از صنعت و دولت. اما ویژگی‌های این زیست‌بوم چند نکته اساسی را برجسته می‌کند:

  • بیشتر فعالان تجاری در حوزه هوش مصنوعی شرکت‌های کوچک با منابع مالی محدود هستند و وابستگی زیادی به تقاضای دولتی یا صنعتی دارند.
  • دانشگاه‌ها عمدتاً تولیدکننده علم‌اند نه محصول تجاری آماده؛ تبدیل پژوهش به فناوری عملی نیازمند ساختارهای طولانی‌مدت و سرمایه‌گذاری است.
  • دیجیتالی‌شدن خدمات پایه و حکمرانی داده به‌طور کامل محقق نشده است و ظرفیت استفاده از پلتفرم‌های پیچیده هنوز محدود است.
  • صنعت خواهان راه‌حل‌های کاربردی و افزایش‌دهنده بهره‌وری است، نه لایه‌های زیرساختی که تاثیرات آن را بلندمدت و غیرمستقیم می‌پندارد.

با توجه به این شرایط، انتظار بهره‌وری فوری از پلتفرم‌های زیرساختی بزرگ چندان واقع‌بینانه نیست. پیش از سرمایه‌گذاری‌های کلان باید بازار واقعی، جریان درآمدی و آمادگی نهادی سنجیده شود.

مسئله بازار و پایداری اقتصادی

تجربه بین‌المللی و داخلی نشان می‌دهد که وجود بازار واقعی و جریان درآمدی پایدار برای هر طرح فناورانه حیاتی است. بدون مطابقت محصول با نیاز بازار و بدون مدل درآمدی مشخص، پروژه‌ها حتی اگر فنی موفق باشند، دوام نخواهند یافت. در ایران نیز سکو یا اپراتور هوش مصنوعی باید بتواند ارزش اقتصادی مشخصی برای سه بازیگر اصلی — شرکت‌های توسعه‌دهنده، صنعت و دولت — ایجاد کند.

در غیر این صورت، با قطع حمایت دولتی یا تغییر اولویت‌ها، این پروژه‌ها به سرنوشتی مشابه سابقه‌هایی مثل برخی جویشگرها یا سیستم‌عامل‌های ملی دچار خواهند شد: سرمایه‌گذاری زیاد، کاربری کم و نهایتاً کنار گذاشته شدن.

خطرات تنظیم‌گری و بار مجوزدهی اضافی

در شرایطی که فعالان حوزه با مشکلاتی چون بوروکراسی، جرایم مالیاتی نامتعارف، هزینه‌های بیمه بالا، تورم و تحریم‌ها دست‌به‌گریبان‌اند، افزودن لایه‌های جدید مجوزدهی و تنظیم‌گری می‌تواند رشد را کند کند. تلاش برای حل مسائل درآمدزایی دولت یا حق نشر از مسیر اپراتور هوش مصنوعی، عملاً به منبعی از پیچیدگی‌های اداری و فشارهای غیرضروری تبدیل خواهد شد.

هوش مصنوعی

پیشنهادهای عملی و راهکارهای میانی

به‌جای طراحی پروژه‌های تئوریک و بزرگ‌منظور، ساختارها و سیاست‌هایی که مراحل اجرایی و تطبیق‌پذیری بیشتری دارند، نتیجه‌بخش‌تر خواهند بود. برخی پیشنهادها عبارت‌اند از:

  • تمرکز بر موارد کاربردی و بالینی (use-cases) که نیاز بازار را مستقیم پاسخ می‌دهند؛ مثال: اتوماسیون فرآیندهای صنعتی، خدمات سلامت دیجیتال، پردازش اسناد دولتی.
  • ایجاد پل‌های هم‌افزایی میان دانشگاه و صنعت با پروژه‌های مشترک و قراردادهای تولید فناوری مبتنی بر نتایج مشخص و قابل اندازه‌گیری.
  • راه‌اندازی پروژه‌های پایلوت کوچک با ارزیابی اقتصادی واقعی پیش از هر توسعه مقیاس‌پذیر.
  • تقویت حکمرانی داده و زیرساخت‌های پایه دولت الکترونیک تا ظرفیت استفاده از مدل‌ها و پلتفرم‌ها افزایش یابد.
  • گوش دادن مستمر به خبرگان میدان: کسانی که بیش از یک دهه تجربه عملی دارند باید در فرایند سیاستگذاری نقش محوری داشته باشند.

این گونه گام‌های میانی می‌تواند از تحمیل هزینه‌های سنگین و خلق پلتفرم‌هایی بدون مشتری جلوگیری کند و عرصه را برای رشد تدریجی و مؤثر زیست‌بوم هوش مصنوعی فراهم سازد.

چرا بهره‌مندی از تجربه خبرگان حیاتی است؟

خبرگان عملی، با تجربه واقعی از اجرا و تعامل با بازار و مقررات، شناختی عمیق از موانع و راه‌حل‌های عملی دارند. رجوع نظام‌مند به این گروه‌ها نه صرفاً مشورت صوری، بلکه مشارکت در تدوین پروژه‌ها و ارزیابی‌های مالی و فنی، شانس موفقیت را به‌طرز قابل‌توجهی افزایش می‌دهد. بی‌توجهی به این سرمایه دانشی، سیاست‌ها را از واقعیت بازار دور خواهد کرد و هزینه‌های زیادی به بار خواهد آورد.

در نهایت، اولویت سیاستگذار باید واقع‌گرایانه‌سازی انتظارات، تمرکز بر نیازهای ملموس بازار و تقویت ظرفیت‌های نهادی و داده‌ای باشد. سکو یا اپراتور هوش مصنوعی می‌تواند بخشی از راه‌حل باشد، اما تنها اگر به‌طور دقیق مطابق با نیازهای زیست‌بوم طراحی شود و از تجربه عملی بهره ببرد.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

به بالا بروید