تمرکزگرایی یا تمرکززدایی
اسفندیار جهانگرد،استاد اقتصاد دانشگاه علامه طباطبایی
آوی گلدفارب از دانشگاه تورنتو بحثی درباره مقاله برایان جلفسون و هیتزیگ تحتعنوان «نقش هوشمصنوعی در استفاده از دانش در جامعه» مطرح میکنند که دودیدگاه متفاوت را درقالب پیامد گسترش هوشمصنوعی درقالب تمرکززدایی و تمرکزگرایی بازگو میکند. در ادامه تقابل این دو دیدگاه آمده است:
برایان جلفسون و هیتزیگ استدلال میکنند که هوشمصنوعی تحولآفرین به تمرکز قدرت منجر میشود زیرا انتقال دانش ضمنی را ممکن کرده و ظرفیت پردازشی عاملها را گسترش میدهد. در مدل آنها از حقوق تصمیمگیری در یکسازمان با «ستاد مرکزی» و «کارآفرینان محلی» دانش ضمنی محلی به دانشی قابل انتقال تبدیل میشود و بنابراین بدون نیاز به تصمیمگیری محلی در دسترس ستاد مرکزی قرار میگیرد. بهطور مشابه ستاد مرکزی بهواسطه توان پردازشی بالاتر میواند میان عاملهای محلی هماهنگی ایجاد کند. این چارچوب بهدرستی نشان میدهد که هوشمصنوعی تحولآفرین میتواند به تمرکز قدرت در سازمانها بینجامد.
بااینحال سناریوی معکوس نیز ممکن است. دستکم سهنیروی مهم وجود دارد که میتوانند به تمرکززدایی حقوق تصمیمگیری و قدرت در سازمانها منجر شوند: نخست دانش ضمنی اغلب در ستاد مرکزی متمرکز است و نه صرفا نزد عاملهای محلی؛ درنتیجه هوشمصنوعی تحولآفرین میتواند حقوق تصمیمگیری را از ستاد مرکزی دور کند. دوم اینکه هوشمصنوعی ممکن است افراد را به قابلیتهایی مجهز کند که پیشتر فقط در اختیار سازمانهای بزرگ بود. سوم آنکه هوشمصنوعی تحولآفرین ممکن است بهسرعت منتشر شود بهطوری که افراد بسیار زیادی به این قابلیتها دسترسی پیدا کنند. درمجموع ایننیروها نشان میدهند که بهجای تمرکز قدرت هوشمصنوعی تحولآفرین میتواند دسترسی به ابزارهای پیشرفته را که پیشتر تنها در اختیار شمار اندکی از افراد بسیار ماهر بوده دموکراتیزه کند.
خلاصه دیدگاه برایان جلفسون و هیتزیگ
برایان جلفسون و هیتزیگ بررسی میکنند که هوشمصنوعی تحولآفرین چگونه با تغییر در تخصیص حقوق تصمیمگیری مرزهای بنگاه را دگرگون میکند. آنها باتکیهبر چارچوب قراردادهای ناقص دوطرفه(گراسمن-هارت۱۹۸۶، هارت-مور۱۹۹۰) دو سازوکار اصلی را شناسایی میکنند:
نخست هوشمصنوعی دانش ضمنی و محلیِ پیشتر غیرقابل انتقال را کدگذاری کرده و آن را به یک دارایی قابل انتقال تبدیل میکند که میتواند از کارآفرینان محلی به ستاد مرکزی منتقل شود. این امر نیاز به تصمیمگیری غیرمتمرکز را کاهش میدهد زیرا ستاد مرکزی میتواند مستقیما به دانش محلی دسترسی داشته و از آن بهرهبرداری کند. دوم اینکه هوشمصنوعی هزینه پردازش متمرکز اطلاعات را کاهش داده و بازده آن را افزایش میدهد. سرمایهگذاری ستاد مرکزی در بهبود مدلهای هوشمصنوعی و تامین منابع محاسباتی منافع کلان و تجمیعی بزرگی ایجاد میکند درحالیکه دانش افزایشی مدیران محلی معمولا تنها برای واحد محلی آنها اهمیت دارد. درچنینشرایطی مالکیت و تصمیمگیری متمرکز کاراتر خواهد بود. در بسط چندعامله مدل منافع تمرکز با افزایش درجه مکملبودن داراییهای اطلاعاتی بیشتر میشود یعنی زمانیکه تجمیع دادهها و دانش بازدههای یادگیری غیرخطی ایجاد میکند. درنتیجه منفعت متمرکزسازی دادهها نزد یکتصمیمگیر واحد(در چارچوب یکبنگاه واحد) افزایش مییابد. افزونبراین هوشمصنوعی ظرفیت پردازش را بسیار فراتر از محدودیتهای حافظه کاری انسان گسترش میدهد بهطوری که سامانههای متمرکز میتوانند دانش جدید را تقریبا بهصورت آنی بهاشتراک بگذارند. مجموع این نیروها ازنظر نویسندگان فشاری بهسوی برنامهریزی متمرکز ایجاد میکند که درآن قدرت اقتصادی و سیاسی در دست بازیگرانی که به هوشمصنوعی، داده و منابع محاسباتی برتر دسترسی دارند متمرکز میشود.
دانش ضمنی و جهت «قابلیت انتقال»
تمایز در اینکه دانش ضمنی در کجا متمرکز است برای فهم اینکه آیا هوشمصنوعی به تمرکز قدرت منجر میشود یا نه نقشی اساسی دارد. یکی از نیروهای مهمِ محرک تمرکز در تحلیل برایان جلفسون و هیتزیگ این فرض است که هوشمصنوعی تحولآفرین دانش ضمنیِ کارآفرینان محلی را قابلانتقال میکند. بهاینمعنا که عاملان محلی دیگر مزیت خاصی نسبتبه ستاد مرکزی ندارند و درنتیجه تمرکز تصمیمگیری کاراتر میشود. برایان جلفسون و هیتزیگ چندمثال ارائه میکنند که درآنها الگوی «ستاد مرکزی/ کارآفرین محلی» کاربرد دارد؛ ازجمله فرنچایز(کسبوکار خودت را داری اما با برند، دستورالعمل و پشتیبانی یکشرکت بزرگ کار میکنی) کافه/مدیران محلی کافه یا مرکز اعزام خدمات/تکنسین.
بااینحال دانش ضمنی اغلب در ستاد مرکزی قرار دارد و نه نزد عاملان محلی. در فرنچایزها بخش قابلتوجهی از دانش ضمنی مربوط به مهارتهای بازاریابی، زنجیره تامین و سایر کارکردهای کسبوکار در ستاد مرکزی متمرکز است. درمقابل بسیاری از تصمیمهای محلی درقالب مجموعهای از رویههای عملیاتی استاندارد در دفترچه فرنچایز کدگذاری شدند. هوشمصنوعی تحولآفرین میتواند این پویایی را معکوس کند: فرنچایزگیرندگان با دسترسیبه دانش ستاد مرکزی ممکن است بتوانند بدون هماهنگی متمرکز بهطور مستقل فعالیت کنند. ازاینمنظر هوشمصنوعی تحولآفرین میتواند با فراهمکردن دسترسیبه توانمندیهای مدیران ستاد بهرهوری کارآفرینان محلی را افزایش دهد. یکرستوراندار محلی که به هوشمصنوعی تحولآفرین دسترسی داشته میتواند پیشبینی تقاضای پیشرفته، بهینهسازی موجودی و تحلیل مشتری را انجام دهد؛ اموری که پیشتر به منابع درمقیاس سازمانی بزرگ نیاز داشت.
برخلاف نگرانیها درباره جایگزینی نیروی کار توسط هوشمصنوعی ممکن است هوشمصنوعی بهجای وابستهترکردن کارکنان آنها را به کارآفرینان مستقل تبدیل کند. فناوری میتواند نیاز به برخی انواع متخصصان را از میان بردارد(برای مثال تئودوریدیس۲۰۱۸). هوشمصنوعی تحولآفرین میتواند این امکان را فراهم کند که یکفرد با کمک هوشمصنوعی کاری را انجام دهد که پیشتر به چندین دپارتمان نیاز داشت(آمودِی۲۰۲۴). این روند تاحدی هماکنون با هوشمصنوعی مولد درحال وقوع است. برای نمونه دلآکوا و همکاران(۲۰۲۵) نشان میدهند که افراد مجهز به هوشمصنوعی میتوانند در یکچالش نوآوری به عملکردی معادل تیمهای بدون هوشمصنوعی دست یابند. بنابراین هوشمصنوعی تحولآفرین به شرط آنکه تحت کنترل انسان باقی بماند نوعی ابزار شناختی است که ظرفیت آنرا دارد تا توان تصمیمگیری فردی را بهطور چشمگیری تقویت کند.
توانمندسازی فردی ازطریق هوشمصنوعی تحولآفرین
استیو جابز کامپیوترها را «دوچرخههایی برای ذهن» مینامید؛ ابزارهای شناختی که تواناییهای انسانی را تقویت میکنند. در آقراوال، گنز و گلدفارب(۲۰۲۵) استدلال کردیم که هم ماشینهای پیشبینی و هم هوشمصنوعی مولد نمایانگر نسل جدیدی از چنینابزارهای شناختی هستند. یکفرد مجهزبه هوشمصنوعی تحولآفرین میتواند کاری را انجام دهد که پیشتر به دپارتمانهای کامل سازمانی نیاز داشت. این موضوع نه درباره رقابت مستقیم با سازمانهای بزرگ در مزیتهای سنتی آنها بلکه درباره دستیابی به قابلیتهای کاملا جدیدی است که فعالیت مستقل را از نظر اقتصادی ممکن میکند.
برایان جلفسون و هیتزیگ استدلال میکنند که هوشمصنوعی با بهبود هماهنگی و یادگیری کنترل متمرکز را ارزشمندتر میکند. بااینحال همین بهبودهای هماهنگی میتوانند بهنفع شبکههایی از بنگاههای کوچک و مستقل عمل کنند. پلتفرمهای آنلاین مانند Amazon Marketplace و Shopify به میلیونهافروشنده کوچک امکان دسترسی به ابزارهای پیشرفته لجستیک، پرداخت و تحلیل داده را میدهند. پلتفرم هماهنگی را فراهم میکند اما تصمیمهای واقعی کسبوکار همچنان در میانهزاران کارآفرین مستقل توزیعشده باقی میماند. استروب و دوشنیتسکی(۲۰۲۵) شواهدی دال بر این ارائه میکنند که Shopify نرخ کارآفرینی را درمیان گروههایی که ازنظر تاریخی کمتر نمایندگی شدند افزایش میدهد. پدیدهای مشابه در صنایع خلاق نیز مشاهده شده است یعنی جاییکه پلتفرمهای دیجیتال با کاهش موانع ورود برای هنرمندان و نویسندگان به آنچه والدفوگل(۲۰۱۸) «رنسانس دیجیتال» نامید انجامید. هوشمصنوعی تحولآفرین همچنین میتواند اشکال جدیدی از سازماندهی اقتصادی را ممکن کند که مزایای هماهنگی را با مزایای تصمیمگیری توزیعشده ترکیب میکنند. پلتفرمها نشان میدهند که چگونه مزایای هماهنگی میتواند همزمان با تصمیمگیری غیرمتمرکز همزیستی داشته باشد بهگونهای که هم اپراتورهای پلتفرم و هم کارآفرینان فردی توانمندیهای بیشتری بهدست میآورند. درچنینساختارهایی توانایی شناسایی فرصتهای کسبوکار اهمیت بیشتری از مزایای یک بوروکراسی بزرگ و متمرکز پیدا میکند که قادر است طیف وسیعی از اقدامات را اجرا کند.
انتشار سریع هوشمصنوعی تحولآفرین
اثر تمرکززدایی بهشدت به دسترسی گسترده به قابلیتهای هوشمصنوعی تحولآفرین وابسته است. اگر هوشمصنوعی تحولآفرین الگویی مشابه فناوریهای محاسباتی پیشین را دنبال کند انتشار گسترده آن محتمل خواهد بود. رایانههای شخصی، دسترسی به اینترنت و تلفنهایهمراه همه الگوهایی از کاهش سریع هزینه و پذیرش فراگیر را تجربه کردند. درمورد اینترنت تا سال۲۰۰۰ بیش از ۹۰درصد بنگاههای بزرگ ایالاتمتحده از اینترنت برای خدمات پایه استفاده میکردند(فورمن، گلدفارب و گرینستاین۲۰۰۵). دادههای اولیه درباره پذیرش هوشمصنوعی مولد نیز روندی مشابه و حتی سریعتر را نشان میدهد. چتجیپیتی تنها دوماه پساز عرضه به ۱۰۰میلیون کاربر رسید(هو۲۰۲۳) و تا اواخر۲۰۲۴ حدود ۴۰درصد از بزرگسالان ۱۸تا۶۴ساله آمریکا از هوشمصنوعی مولد استفاده میکردند(بیک، بلاندین و دمینگ۲۰۲۴). این شواهد حاکی از انتشاری سریعتر از رایانههای شخصی یا اینترنت است. بهجای آنکه هوشمصنوعی مولد صرفا در ستادهای شرکتی متمرکز شود درحال ادغام در جریان کاری میلیونهافرد است. برایان جلفسون و هیتزیگ دلیل مشخصی ارائه نمیکنند که چرا انتشار هوشمصنوعی تحولآفرین باید محدودتر باشد. محیط رقابتی و تصمیمهای تنظیمگری نقش مهمی در تعیین این خواهند داشت که آیا انتشار آن بهاندازهای گسترده خواهد بود که پتانسیل دموکراتیزهشدن محقق شود یا نه. توان توسعهدهندگان هوشمصنوعی برای تمرکز قدرت از طریق پلتفرمهایشان درصورتیکه چندین مدل رقیب به فعالیت ادامه دهند محدود خواهد شد. افزونبراین یکمحیط تنظیمگری که از مدلهای باز و چارچوبهای متنباز حمایت کند میتواند فشار رقابتی بیشتری ایجاد کرده و به دسترسپذیری گسترده این فناوری بینجامد.
ریسکهای تمرکززدایی
تمرکززدایی درکنار مزایا ریسکهایی نیز بههمراه دارد. این روند میتواند به پراکندهشدن اطلاعات و قطبیشدن بیشتر منجر شود. تمرکززدایی اینترنت در انتشار اطلاعات به شکلگیری اتاقهای پژواک و حبابهای فیلتر انجامیده است(لِوی و رازین۲۰۱۹). درزمینه هوشمصنوعی توصیهگرهای شخصیسازیشده و محتوای فوقهدفمند میتوانند این پراکندگی را تشدید کنند(عجماوغلو، اوزداغلار و سیدریوس۲۰۲۵). هوشمصنوعی تحولآفرین میتواند موانع ورود به حملات سایبری، کارزارهای اطلاعات نادرست و حتی سلاحهای پیشرفته را کاهش دهد(کریپس۲۰۲۱، لیندزی۲۰۲۵ و بلومفیلد و همکاران۲۰۲۵). بازیگران مخرب میتوانند از هوشمصنوعی برای بیثباتسازی جوامع و تضعیف نهادهای دموکراتیک بهرهبرداری کنند(شرودر و همکاران۲۰۲۵). دموکراتیزهشدن قابلیتهای هوشمصنوعی بهطور همزمان بهمعنای دموکراتیزهشدن ابزارهای بالقوه خطرناک نیز هست.
جمعبندی
برایان جلفسون و هیتزیگ بهدرستی به پتانسیل هوشمصنوعی برای متمرکزسازی پردازش اطلاعات و تصمیمگیری اشاره میکنند؛ امریکه مرزهای سازمانی را تغییر میدهد و میتواند به تمرکز قدرت اقتصادی بینجامد. بااینحال تحلیل آنها ممکن است بهطور ناکافی به پتانسیل همزمان هوشمصنوعی در دموکراتیزهکردن قابلیتهای پیشرفته توجه کرده باشد. همان فناوریای که هماهنگی متمرکز را ممکن میکند میتواند توانمندی افراد را نیز بهشدت افزایش دهد. دیدگاه سم آلتمن درباره شکلگیری شرکتهای میلیارددلاری تکنفره(کُنفینو۲۰۲۴) بهخوبی این پارادوکس را نشان میدهد. درحالیکه برایان جلفسون و هیتزیگ این پدیده را نشانهای از تمرکز میدانند میتوان آنرا بههمان اندازه نمادی از تمرکززدایی رادیکال نیز تلقی کرد. با هوشمصنوعی تحولآفرین بهعنوان یکابزار افراد مجهز به هوشمصنوعی میتوانند بهطور موثر با شرکتهای بزرگ رقابت کنند.
