به گزارش خبرنگار اجتماعی خبرگزاری تسنیم، توسعه هوش مصنوعی در هر کشوری، بیش از آنکه در گروِ کدنویسی باشد، به «تأمین منابع» وابسته است؛ شریانی که در چارچوب نظری «سیستم نوآوری فناورانه» (TIS)، حکم سوخت برای موتور این اکوسیستم را دارد.
بدون دسترسی پایدار به سرمایه، زیرساختهای محاسباتی و نیروی انسانی متخصص، نه تنها تجاریسازی هوش مصنوعی، بلکه حتی تداومِ تحقیقات بنیادی نیز با چالشهای جدی روبرو خواهد بود.
گزارش حاضر با نگاهی تحلیلی به «فصل تأمین منابع»، چگونگی هدایت سرمایه، ظرفیتهای سختافزاری و وضعیت استعدادیابی در حوزه هوش مصنوعی را زیر ذرهبین برده است. با واکاوی دادههای ده سال اخیر (2015-2024)، به این پرسش کلیدی پاسخ میدهیم که اکوسیستم هوش مصنوعی ایران در رقابت با رقبای منطقهای و جهانی در کجای مسیر ایستاده و چه ناترازیهایی مانع جهش بزرگ در این حوزه شده است؟
1. منابع مالی و سرمایهگذاری: شریان حیاتی توسعه فناوری
سرمایهگذاری در شرکتها و پلتفرمهای هوش مصنوعی، شاخصی مهم برای سنجش میزان پویایی، ضریب امید به بازگشت سرمایه و ظرفیت تجاریسازی این فناوری نوین در یک اقتصاد ملی است. این منابع مالی، امکان تأمین زیرساختهای محاسباتی، جذب نخبگان علمی و همچنین تحقیق و توسعه مدلهای پیشرفته را فراهم میکنند. تحلیل جریانهای مالی نشاندهنده تمرکز سرمایه در چند هاب اصلی در سطح جهان است.
دادههای مرتبط با سرمایهگذاری در شرکتهای خصوصی هوش مصنوعی (شامل معاملات سهام خصوصی، سرمایهگذاری خطرپذیر و ادغام و تملیکها) در بازه زمانی دهساله (2015 تا 2024) حاکی از یک رقابت فشرده در سطح بینالمللی است.
در سطح کشورهای پیشرو، ایالات متحده آمریکا با جذب سرمایهای بالغ بر 1.15 تریلیون دلار (1٬156 میلیارد دلار)، در جایگاه نخست اقتصاد هوش مصنوعی جهان قرار دارد. در مقابل، کشور چین در حوزه سرمایهگذاری خصوصی با رقمی معادل 111 میلیارد دلار، در جایگاه دوم جای گرفته است.
در سطح کشورهای منتخب، هند با اتخاذ سیاستهای درهای باز و جذب سرمایههای خارجی، توانسته است رقمی بالغ بر 52.1 میلیارد دلار را به شرکتهای هوش مصنوعی خود تزریق کند. پس از هند، انگلستان با 50 میلیارد دلار، آلمان با 17.2 میلیارد دلار و کره جنوبی با 13.7 میلیارد دلار در رتبههای بعدی جای گرفتهاند.
تحلیل این شاخص در سطح منطقه نشاندهنده تفاوتهای ساختاری در حجم سرمایهگذاری میان ایران و برخی کشورهای همسایه است. در بازه زمانی 2015 تا 2024، کشورهای منطقه با اتکا به استراتژیهای توسعه فناوری و تنوعبخشی اقتصادی، سرمایهگذاریهای قابلتوجهی را رقم زدهاند.
مجموع سرمایهگذاری در شرکتهای هوش مصنوعی (2015 تا 2024)
عربستان سعودی~ 24.2 میلیارد دلار
امارات متحده عربی~ 5.2 میلیارد دلار
ترکیه~ 1.28 میلیارد دلار
ایران~ 82 میلیون دلار
این جدول نشان میدهد که ایران با حدود 82 میلیون دلار سرمایهگذاری در یک دهه، در مراحل اولیه پذیرش فناوری و توسعه مدلهای بومی متمرکز است، در حالی که کشورهای منطقه با اتکا به منابع مالی گسترده، سرعت بالایی را در توسعه زیرساختهای حاکمیتی ثبت کردهاند.
ابعاد اقتصاد داخلی و حمایتهای نهادی در ایران
در غیاب سرمایهگذاریهای کلان خارجی، بخش عمدهای از تأمین مالی زیستبوم هوش مصنوعی در ایران از طریق نهادهای عمومی و حاکمیتی (نظیر معاونت علمی ریاستجمهوری، وزارت ارتباطات و صندوق نوآوری و شکوفایی) پیگیری میشود. بررسی روند حمایتهای مالی، تسهیلات و کمکهای بلاعوض تخصیصیافته به استارتآپها و پروژههای هوش مصنوعی از سال 1398 تا 1403 نشاندهنده یک روند صعودی مستمر است.
در سال 1398، مجموع این حمایتها معادل 173 میلیارد تومان بوده است. با درک فزاینده حاکمیت از اهمیت استراتژیک این فناوری، این رقم در سال 1403 با رشدی چشمگیر به 1٬956 میلیارد تومان ارتقا یافته است.
با این وجود، تطبیق این ارقام ریالی با نیازهای ارزی و هزینههای بالای تهیه سختافزارهای پیشرفته نشان میدهد که این بودجهها برای پاسخگویی کامل به نیازهای توسعهای اکوسیستم، نیازمند همافزایی بیشتر با بخش خصوصی و جذب منابع جدید است.
تبعات این محدودیتهای مالی در رفتار بنگاههای اقتصادی نیز رصد میشود. دادههای میدانی نشان میدهد حدود 75 درصد از شرکتهای ایرانی که فناوری هوش مصنوعی را در فرآیندهای خود به کار گرفتهاند، در سه سال اخیر بودجهای کمتر از 2 میلیارد تومان برای توسعه این فناوری (شامل سختافزار، نرمافزار و نیروی انسانی) تخصیص دادهاند.
براساس این برآوردها، اندازه بازار هوش مصنوعی کشور در سال 1403 حدود 5.5 هزار میلیارد تومان (همت) تخمین زده میشود که معادل دلاری آن در حدود 90 میلیون دلار است. این رقم سهمی معادل 0.02 درصد از تولید ناخالص داخلی (GDP) را شامل میشود و نشاندهنده ظرفیتهای گسترده و دستنخورده برای توسعه اقتصاد دیجیتال در ساختار کلان اقتصادی کشور است.
سرمایهگذاری خطرپذیر (VC) و انفجار هوش مصنوعی مولد
سرمایهگذاری خطرپذیر (Venture Capital) قطبنمای ریسکپذیری بازار و شاخصی برای سنجش امید به آینده تکنولوژیک در یک کشور است. در سطح کلان جهانی، سرمایهگذاری خطرپذیر در هوش مصنوعی طی سالهای اخیر روندی رو به رشد را طی کرده است.
در سال 2024، حجم سرمایهگذاری خطرپذیر جهانی در این حوزه به 147 میلیارد دلار رسید که نشاندهنده رشد 22 درصدی نسبت به سال قبل از آن است. به بیان دیگر، نزدیک به 43 درصد از کل جریان سرمایهگذاری خطرپذیر در سطح جهان فقط به سمت فناوری هوش مصنوعی هدایت شده است.
محرک اصلی این رشد، ظهور و بلوغ سریع «هوش مصنوعی مولد» (Generative AI) بوده است. بررسیها نشان میدهد که سهم هوش مصنوعی مولد از کل سرمایهگذاری خطرپذیر مرتبط با هوش مصنوعی، با یک جهش قابلتوجه در سال 2024 به حدود 16 درصد (معادل 24 میلیارد دلار) رسیده است. حوزههای «نرمافزار و خدمات فناوری اطلاعات» و «صنعت»، بیشترین میزان جذب سرمایههای خطرپذیر را به خود اختصاص دادهاند.
مقایسه جریان سرمایهگذاری خطرپذیر در منطقه برای سال 2024، بازتابدهنده تفاوتهای ساختاری در جذب این نوع سرمایه است:
میزان سرمایهگذاری خطرپذیر در هوش مصنوعی (سال 2024)
امارات متحده عربی 303 میلیون دلار
ترکیه 278 میلیون دلار
عربستان سعودی 130 میلیون دلار
ایران (سال 1403) 6.6 میلیون دلار
جذب حدود 6.6 میلیون دلار سرمایه خطرپذیر در زیستبوم داخلی، حاکی از محدودیتهای تأمین مالی خطرپذیر برای استارتآپهای فعال در این حوزه است.
این محدودیتها مسیر توسعه محصولات لبه فناوری را طولانیتر ساخته و موجب تمرکز بیشتر توسعهدهندگان بر استفاده از واسطهای نرمافزاری و کاربردیسازی ابزارهای موجود به جای خلق مدلهای پایه بزرگ شده است.
به همین دلیل است که شرکتهای ایرانی در نظرسنجیها، «هزینه بالای توسعه هوش مصنوعی» را در کنار «کمبود نیروی انسانی متخصص» به عنوان دغدغههای اصلی خود معرفی کردهاند.
جریانهای سرمایهگذاری فرامرزی و انزوای سیستمی
بُعد دیگری از کارکرد تأمین منابع، توانایی ادغام در زنجیرههای ارزش جهانی از طریق سرمایهگذاریهای فرامرزی (Cross-border Investments) است. کشور هند با اتخاذ سیاست جذب سرمایه، بیشترین حجم سرمایه ورودی را در میان کشورهای منتخب جذب کرده است که بخش اعظم آن از سوی ایالات متحده تأمین شده است.
امارات متحده عربی استراتژی تنوعبخشی را در پیش گرفته و سرمایههای خود را علاوه بر آمریکا، به سمت بازارهای هند، بریتانیا و سوئد سرازیر کرده است تا دسترسی خود را به استعدادها و فناوریهای نوظهور تضمین کند.
در این میان، ایران به واسطه محدودیتهای بینالمللی و چالشهای نقل و انتقال مالی، با محدودیتهایی در زمینه جذب سرمایهگذاری خارجی مستقیم و تعاملات فرامرزی مواجه است. با وجود این موانع، توسعه کانالهای موازی و تکیه بر تبادلات علمی غیررسمی به عنوان راهکارهای جایگزین پیگیری میشود.
2. منابع زیرساختی و دادهای: شالوده سختافزاری و نرمافزاری
مغز متفکر سیستمهای هوش مصنوعی، به ویژه مدلهای یادگیری عمیق، برای پردازش و یادگیری نیازمند دو زیرساخت حیاتی است: توان محاسباتی و دسترسی به مجموعهدادههای حجیم و استاندارد. محدودیت در هر یک از این دو عامل، سرعت توسعه فناوری را تحت تأثیر قرار خواهد داد.
توان پردازشی خوشههای محاسباتی (GPU)؛ رقابت سختافزاری نوین
با افزایش تصاعدی اندازه مدلهای زبانی بزرگ، ظرفیت محاسباتی به یک مزیت راهبردی تبدیل شده است. خوشههای پردازشی (Compute Clusters) متشکل از هزاران تراشه تخصصی هستند که به صورت شبکهای به یکدیگر متصل شدهاند. برای ایجاد یک معیار استاندارد و مقایسهپذیر در سطح جهانی، توان پردازشی تمام تراشههای موجود در خوشههای محاسباتی کشورها، به «توان معادل پردازنده H100 انویدیا» (در عملیات FP8) تبدیل و محاسبه میشود.
بررسی روندهای جهانی حاکی از برتری فنی ایالات متحده آمریکا است. ظرفیت پردازشی متمرکز در آمریکا در مجموع معادل حدود 74 میلیون پردازنده H100 برآورد میشود. در جایگاه دوم، کشور چین با توانی معادل تقریباً 230 هزار پردازنده H100 قرار دارد. در میان کشورهای منتخب نیز آلمان با 26 هزار، انگلستان با 7.9 هزار، کره جنوبی با 6.6 هزار و هند با 5.4 هزار پردازنده معادل H100 در رتبههای بعدی قرار دارند.
تحلیل مقایسهای این شاخص در منطقه، نشاندهنده نیاز جدی به توسعه خوشههای محاسباتی در داخل کشور است:
مجموع توان پردازشی (توان معادل پردازنده H100)
عربستان سعودی8٬391 پردازنده
امارات متحده عربی3٬072 پردازنده
ایران172 پردازنده
همانطور که ارقام نشان میدهند، مجموع توان پردازشی تمام سرویسدهندگان بزرگ ابری و زیرساختی در ایران که خدمات پردازش گرافیکی ارائه میدهند، معادل 172 عدد پردازنده H100 تخمین زده شده است. در مقابل، عربستان سعودی با استقرار گسترده تراشههای پیشرفته، توانی معادل 8٬391 پردازنده H100 را در خوشههای پردازشی خود تجمیع کرده است.
این تفاوت زیرساختی که تحت تأثیر چالشهای تأمین سختافزارهای تحریمی و هزینههای ارزی قرار دارد، محدودیتهای عملیاتی برای محققان داخلی ایجاد کرده است. در غیاب تجهیزات متمرکز و پرقدرت، تمرکز اصلی بر بهینهسازی مدلهای موجود، تنظیم دقیق (Fine-tuning) مدلهای متنباز و استفاده حداکثری از ظرفیتهای ابری داخلی قرار گرفته است تا چالش کمبود مستقیم سختافزار مدیریت شود.
مجموعهدادهها (Datasets) و بازنمایی زبانی
دیتاستها به عنوان مواد خام تغذیهکننده الگوریتمها، دومین رکن زیرساختی محسوب میشوند. بدون دسترسی به دادههای بومی و باکیفیت، سیستمهای هوش مصنوعی قادر به درک کامل ظرایف فرهنگی و زبانی یک جامعه نخواهند بود. پلتفرم جهانی «هاگینگ فیس» (Hugging Face) به عنوان بزرگترین مخزن متنباز مدلها و مجموعهدادهها، مرجع مناسبی برای سنجش میزان حضور زبانهای مختلف در دنیای هوش مصنوعی است.
تحلیل زبانی دیتاستها نشان میدهد که هژمونی زبان انگلیسی با اختصاص حدود 38٬700 دیتاست کاملاً تثبیت شده است. وضعیت زبان فارسی در این پایگاه داده، نشانگر یک توسعه نسبتاً متمرکز است. در مجموع 915 دیتاست به زبان فارسی در هاگینگ فیس ثبت شده است که تفکیک موضوعی آنها به شرح زیر است:
دیتاستهای متنی: 639 مورد
دیتاستهای صوتی: 41 مورد
دیتاستهای تصویری: 40 مورد
دیتاستهای ویدئویی: سهم بسیار ناچیز
این توزیع به وضوح نشان میدهد که تمرکز جامعه علمی و توسعهدهندگان ایرانی عمدتاً بر پردازش زبان طبیعی (NLP) و تحلیل متن معطوف بوده است. کمبود نسبی مجموعهدادههای صوتی و تصویریِ بومیسازیشده، لزوم توجه بیشتر به این بخشها را جهت همگامی با روندهای جهانی در توسعه «هوش مصنوعی چندوجهی» (Multimodal AI) نشان میدهد.
شاخص آمادگی هوش مصنوعی دولت (رکن داده و زیرساخت)
برای ارزیابی همهجانبه وضعیت زیرساختی، مراجع بینالمللی نظیر مؤسسه آکسفورد اینسایتس، شاخصی تحت عنوان «آمادگی هوش مصنوعی دولت» (Government AI Readiness Index) را منتشر میکنند. این شاخص میزان توانمندی دولتها را در پیادهسازی و بهرهبرداری از هوش مصنوعی در سه رکن «دولت»، «فناوری» و «داده و زیرساخت» میسنجد.
در ارزیابی رکن «داده و زیرساخت» برای سال 2024، کشورهای امارات متحده عربی (با رتبه 17 جهان) و عربستان سعودی (با رتبه 20 جهان)، به واسطه استقرار مراکز داده و توسعه پلتفرمهای دولت الکترونیک، در جایگاههای بالای منطقه قرار دارند.
در این میان، موقعیت جمهوری اسلامی ایران با صعود 18 پلهای نسبت به سال قبل از آن، بهبود یافته و به جایگاه 70 جهان در رکن داده و زیرساخت ارتقا پیدا کرده است. این صعود باعث شد تا ایران در سال 2024 جایگاهی بالاتر از ترکیه (رتبه 71) کسب کند.
این بهبود رتبه، متأثر از اقدامات دولت در جهت یکپارچهسازی خدمات الکترونیک، راهاندازی پنجره ملی خدمات هوشمند و باز کردن بخشی از دادههای دولتی بوده است؛ هرچند برای تثبیت این دستاوردها، ارتقای موازی ظرفیتهای محاسباتی فیزیکی نیز در دستور کار قرار دارد.
3. منابع انسانی و استعدادها: عرضه، تقاضا و مهارتها
سرمایه مالی و زیرساخت سختافزاری، بدون حضور نیروی انسانی متخصصی که توانایی فرمولبندی مسائل و بهینهسازی الگوریتمها را داشته باشد، اثربخش نخواهد بود. تحلیل مؤلفههای نیروی انسانی در اکوسیستم هوش مصنوعی ایران، نشاندهنده چالشهای ساختاری و موازنه عرضه و تقاضا در این بازار است.
تقاضای نیروی کار: جغرافیای شغلی، صنایع و مهارتهای لبه دانش
تحلیل تقاضای بازار کار مبتنی بر دادههای پلتفرمهای کاریابی آنلاین بازتابدهنده نیازهای واقعی صنعت است. بررسیها نشان میدهد که سهم موقعیتهای شغلی مرتبط با هوش مصنوعی نسبت به کل آگهیهای استخدامی در ایران، در سال 1403 نسبت به سال 1402 رشدی 14 درصدی را تجربه کرده است؛ با این وجود، سهم این مشاغل همچنان محدود بوده و کمتر از 20 درصد از کل فرصتهای شغلی را به خود اختصاص میدهد.
از منظر توزیع جغرافیایی، تقاضا برای جذب متخصصان متمرکز است؛ به طوری که 85 درصد از کل آگهیهای شغلی هوش مصنوعی در ایران تنها در استان تهران منتشر شده است. با این حال، در سالهای اخیر نشانههایی از رسوخ تدریجی این فناوری به سایر استانها مشاهده شده و استانهایی نظیر خراسان رضوی، قم و اصفهان نیز در حال تبدیل شدن به خوشههای فرعی استخدام متخصصان هوش مصنوعی هستند.
از منظر تفکیک صنایع، بیشترین تقاضا برای استخدام استعدادهای هوش مصنوعی متعلق به صنعت «نرمافزار و خدمات فناوری اطلاعات» است. در بازه چهارساله 1399 تا 1403، میزان آگهیهای شغلی در حوزه «صنعتی» با رشدی 12 برابری مواجه بوده است.
همچنین تقاضا در بخش «مالی» 7 برابر افزایش یافته است. این آمار نشان میدهد که هوش مصنوعی در ایران در حال عبور از مرزهای شرکتهای نرمافزاری و نفوذ به خطوط تولید صنعتی، اینترنت اشیا (IoT)، مدیریت ریسک و اتوماسیون بانکی است.
در حوزه مهارتهای فنی مورد نیاز کارفرمایان، زبان برنامهنویسی «پایتون» (Python) به عنوان پیشنیاز اصلی، همچنان مهارت غالب در آگهیهای شغلی است.
با این حال، بیشترین شتاب و نرخ رشد تقاضا مربوط به مهارت کار با ابزار «داکر» (Docker) است. این روند نشاندهنده بلوغ تدریجی شرکتهای ایرانی است که نیازمند متخصصانی برای کانتینرسازی، استقرار و عملیاتیسازی مدلها در محیطهای واقعی (MLOps) هستند.
در شاخه نوظهور هوش مصنوعی مولد نیز، مهارت کار با «مدلهای چندوجهی» (Multimodal) و تکنولوژی «تبدیل متن به گفتار» (TTS) بیشترین سهم تقاضا را در بازار کار ایران به خود اختصاص دادهاند.
شدت رقابت، دینامیک دستمزدها و معمای استخدام
بازار کار هوش مصنوعی در ایران از یک دینامیک منحصربهفرد پیروی میکند. از یک سو، جذابیت این حوزه باعث جذب کارجویان شده است؛ به طوری که شدت رقابت میان متقاضیان تصاحب مشاغل در حوزه هوش مصنوعی، نزدیک به 5 برابر بیشتر از میانگین رقابت در سایر مشاغل حوزه عمومی فناوری اطلاعات برآورد شده است.
از سوی دیگر، کمبود نیروهای با تجربه باعث شده تا کارفرمایان برای جذب این افراد، دستمزدهای بالاتری پیشنهاد دهند. بررسیها نشان میدهد که مشاغل حوزه هوش مصنوعی، بالاترین میزان رشد حقوق (رشد 3.8 برابری از سال 1400 تا 1403) را در میان تمامی مشاغل اکوسیستم فناوری اطلاعات ایران دارا هستند.
با این حال، شاخص «رشد استخدام نسبی» استعدادهای هوش مصنوعی در ایران نسبت به سال قبل، رشد 1 درصدی را ثبت کرده است. برای مقایسه، نرخ رشد استخدام در این حوزه برای کشور عربستان سعودی 29 درصد، برای امارات متحده عربی 25 درصد و برای ترکیه 14 درصد بوده است.
ثبات نسبی نرخ استخدام در کشور با وجود فراوانی کارجویان، نشاندهنده نیاز به بازنگری در ساختار مهارتها و تطبیق بیشتر دورههای آموزشی با نیازهای واقعی بازار کار است.
عرضه استعدادها: پتانسیل بالای علمی و ساختار توزیع نیروی کار
برای سنجش سمت عرضه نیروی کار، از دادههای شبکه حرفهای «لینکدین» (LinkedIn) استفاده شده است. استعداد هوش مصنوعی در این روش به فردی اطلاق میشود که حداقل دو مهارت فنی مرتبط با این حوزه را در پروفایل خود ثبت کرده باشد.
از منظر تعداد مطلق استعدادهای فعال و مستقر در داخل کشورها در سال 2024، وضعیت منطقه به این شرح است:
امارات متحده عربی: 18٬502 استعداد
ترکیه: 16٬971 استعداد
ایران: 14٬164 استعداد
عربستان سعودی: 10٬130 استعداد
ایران با برخورداری از بیش از 14 هزار استعداد شناساییشده، از نظر کمیت خام در جایگاه سوم منطقه قرار دارد. اما شاخصی که ظرفیت واقعی و جهتگیری نظام آموزشی یک کشور را نشان میدهد، «شاخص تمرکز (تراکم) استعدادهای هوش مصنوعی» نسبت به کل نیروی کار دارای پروفایل حرفهای است.
رتبهبندی شاخص تمرکز استعدادها در خاورمیانه به شرح زیر است: 1. جمهوری اسلامی ایران (1.34 درصد) 2. امارات متحده عربی (0.54 درصد) 3. عربستان سعودی (0.37 درصد) 4. ترکیه (0.36 درصد)
ایران با نرخ تمرکز 1.34 درصدی، در جایگاه نخست منطقه قرار دارد و در سطح جهانی نیز تراکمی بالاتر از کشورهای صنعتی نظیر آلمان (1.09 درصد)، انگلستان (0.82 درصد)، هند (0.81 درصد)، ایالات متحده آمریکا (0.78 درصد) و کره جنوبی (0.7 درصد) را نشان میدهد. این آمار اثبات میکند که جامعه علمی، دانشگاهی و جوانان ایرانی به فراگیری لبه دانش توجه ویژهای نشان دادهاند.
4. سنتز راهبردی: پارادوکسهای توسعه در سیستم نوآوری ایران
قرار دادن آمارهای مربوط به سه رکن تأمین منابع (مالی، زیرساختی و انسانی) در کنار یکدیگر، تبیینکننده دلایل اصلی توقف و کندی چرخدندههای سیستم نوآوری هوش مصنوعی در ایران است. این تحلیل یکپارچه، چند موضوع کلان را نمایان میسازد:
الف) ناترازی پتانسیل استعدادهای انسانی و ظرفیت زیرساختی (The Infrastructure-Talent Gap): ایران با برخورداری از بیش از 14 هزار استعداد فعال علمی، پتانسیل بالایی در لایه سرمایه انسانی دارد. با این حال، تبدیل این پتانسیل به ارزش افزوده اقتصادی نیازمند تقویت ابزارهای جانبی نظیر ظرفیت پردازش محاسباتی و توسعه صندوقهای سرمایهگذاری خطرپذیر است.
در شرایطی که ظرفیت پردازشی و سرمایهگذاریهای خطرپذیر با چالشهای تأمین مواجه باشند، بخشی از متخصصان برای توسعه فعالیتهای پژوهشی خود جذب بازارهای بینالمللی میشوند. این وضعیت، ضرورت توسعه پلتفرمهای محاسباتی ملی و مکانیزمهای حمایتی برای حفظ و بکارگیری بهینه استعدادها در چرخه اقتصادی کشور را دوچندان میسازد.
ب) چالشهای تطبیق بازار کار و لزوم بازتنظیم دستمزدها (The Skill-Budget Mismatch): ثبات نسبی نرخ استخدام در کشور با وجود فراوانی کارجویان، نشاندهنده نیاز به بازنگری در ساختار مهارتها است. از سوی دیگر، کارفرمایان داخلی در نظرسنجیها، «فقدان مهارت کافی و نیروی انسانی باکیفیت» را به عنوان دغدغه اصلی اعلام کردهاند.
این ناترازی نشاندهنده لزوم تطبیق بیشتر میان انتظارات مهارتی و ظرفیتهای مالی بنگاههاست. از یک سو، نیروهای متخصص خواستار دستمزدها و تجهیزاتی در تراز استانداردهای حرفهای هستند و از سوی دیگر، حدود 75 درصد از شرکتهای داخلی با بودجههای محدود زیر 2 میلیارد تومان در فاز توسعه اولیه به سر میبرند.
حل این چالش ساختاری نیازمند ارائه تسهیلات حمایتی به شرکتها جهت تأمین هزینههای نیروی انسانی متخصص و ایجاد همگرایی بیشتر میان فضای دانشگاهی و صنعتی است.
ج) غلبه رویکرد تنظیمگری بر توسعه قابلیتها: از منظر مشروعیتبخشی و هدایت سیستم، شواهد نشان میدهد که دستگاههای حاکمیتی تمایل زیادی به تولید اسناد بالادستی و ایجاد چارچوبهای مقرراتی و نظارتی برای هوش مصنوعی دارند.
با این حال، نظرسنجی از فعالان و متخصصان اکوسیستم هوش مصنوعی ایران نشان میدهد که فعالان این حوزه بیشتر بر سازوکارهای توانمندساز نظیر «آموزش» و «ارتقای سواد دیجیتال» به عنوان ابزارهای کنترل هوش مصنوعی تأکید دارند. تعادل میان وضع مقررات و حمایتهای توسعهای، کلید بقا و بالندگی استارتآپهای نوپا در این عرصه نوظهور است.
بررسی جامع کارکرد تأمین منابع نشان میدهد که سیستم نوآوری فناورانه هوش مصنوعی در ایران با ناترازی در بخشهای مختلف مواجه است. در حالی که رکن «تولید دانش و نیروی انسانی» عملکرد قابلتوجهی دارد، بهرهبرداری کامل از این پتانسیل نیازمند توسعه متوازن زیرساختهای پردازشی بومی و تسهیل جریان سرمایهگذاریهای مالی است تا شرایط برای جذب و ماندگاری نخبگان در زیستبوم داخلی به طور کامل فراهم شود.
برای ارتقای سهم بازار هوش مصنوعی کشور از میزان فعلی 0.02 درصد از تولید ناخالص داخلی، تمرکز بر افزایش حجم سرمایهگذاریها و تقویت توان محاسباتی ملی یک ضرورت غیرقابلانکار است.
سیاستگذاری در این مقطع باید بر تسهیل جذب منابع مالی، راهاندازی پروژههای پیشران برای تأمین توان محاسباتی و تولید مجموعهدادههای بومی متمرکز گردد تا ایران بتواند از ظرفیتهای علمی کمنظیر خود در جهت توسعه اقتصادی و صنعتی بهرهبرداری کند. در غیر این صورت، استفاده از پتانسیلهای داخلی در سطح مطلوب محقق نخواهد شد.
انتهای پیام/