رویداد امروز: در حالی که اقتصاد ایران همزمان با تورم، فرسایش نیروی انسانی و بیثباتی مزمن دستوپنجه نرم میکند، شتاب هوش مصنوعی نه یک فرصت لوکس، بلکه یک آزمون بقاست. آزمونی که در آن، ارزش از «انجام کار» به «تعریف مسئله»، از رشد به گزینش، و از برنامهریزی بلندمدت به تصمیمگیریهای کوتاه و سختگیرانه منتقل میشود. این یادداشت تلاشی است برای فهم منطق جدید قدرت، کار و بقا در آستانه ۲۰۲۶.
تا همین اواخر، گفتوگو درباره آینده کار و اقتصاد دیجیتال حول یک واژه میچرخید: «رشد». رشد مهارتها، رشد کسبوکارها، رشد درآمد. اما نشانههای امروز—از شتاب هوش مصنوعی گرفته تا فرسایش بازار کار و بیثباتی تصمیمگیری—حاکی از آن است که این روایت دیگر توضیحدهنده واقعیت نیست.
آنچه پیشِ روست، نه صرفاً یک جهش فناورانه، بلکه تغییر منطق بقا در اقتصاد است و نشانهی ورود به مرحلهای تازه از اقتصاد است که در آن، ارزش نه در «انجام کار»، بلکه در تعریف درست کار تولید میشود. کارهای دستی در تحلیل، تولید متن و وظایف روتین، با سرعتی بیسابقه در حال از دست دادن ارزش خودند. اما مسئله فقط حذف شغلها نیست؛ مسئله، تغییر منطق رقابت است.
بههمین دلیل است که رقابت دیگر میان کسانی که «بیشتر کار میکنند» یا «سریعتر اجرا میکنند» نیست؛ رقابت میان کسانی است که بهتر میدانند چه کاری اصلاً ارزش انجام دارد. در جهانی که ابزار انجام تقریباً برای همه در دسترس است، مزیت اصلی در «انتخاب» نهفته است، نه در «اجرا».
این جابهجایی، فشار مستقیمی بر شیوه فکر کردن افراد وارد کرده است. وفور اطلاعات، نهتنها تصمیمگیری را آسانتر نکرده، بلکه آن را فرسایشیتر کرده است. مسئله امروز کمبود داده نیست؛ کمبود معنا و تمرکز است. در چنین فضایی، دستورالعملها کارایی خود را از دست میدهند و تفکر مستقل—همراه با توان غربالگری، راستیآزمایی و ساختاردهی—به مهارتی حیاتی تبدیل میشود. خطاها نیز پرهزینهتر شدهاند، زیرا سرعت محیط، فرصت جبران را کاهش داده است.
در اقتصاد جدید، برندگان نه متخصصان تکبعدی، بلکه کسانی هستند که در نقاط تلاقی حوزهها کار میکنند: تحلیل و حقوق، هوش مصنوعی و کسبوکار، استراتژی و اجرا. پروژههایی که منطق ارزشآفرینی روشنی ندارند—حتی اگر پرزرقوبرق، نوآورانه یا پرسر و صدا باشند—بهسرعت فیلتر میشوند. ثبات شغلی و سازمانی جای خود را به چرخههای کوتاه داده است: راهاندازی، ارزیابی، توقف یا مقیاسپذیری.
این چرخهها نه نشانهی بینظمی، بلکه نشانهی واقعبینی جدید هستند. توهم برنامهریزی چندساله فرو ریخته و مدل غالب کار به «افقهای کوتاه و اولویتبندی سختگیرانه» تغییر کرده است.
در سطح روانشناختی، خستگی ناشی از عدم قطعیت به وضعیت عادی بدل شده است. نه به این دلیل که انسانها ضعیفتر شدهاند، بلکه چون سیستمها سریعتر از ظرفیت تطبیق ذهن انسان حرکت میکنند. در چنین شرایطی، مسئله اصلی دیگر «انگیزه» نیست، بلکه مدیریت انرژی است: خواب، روتین، کاهش تحریک دائمی و کار در بازههای کوتاه و بسته.
اما شاید مهمترین لایهای که اغلب نادیده گرفته میشود، این باشد: هوش مصنوعی فقط بهرهوری را افزایش نمیدهد؛ نابرابری را تشدید میکند. شکاف اصلی آینده، میان کسانی است که میتوانند مسئله تعریف کنند و کسانی که فقط اجرا میکنند. این شکاف، طبقهی متوسط دانشی را تهدید میکند و مهارت را از یک سرمایهی عمومی، به یک امتیاز انحصاری بدل میسازد. در این میان، یک خطر ساختاری دیگر هم وجود دارد: نهادها از افراد عقبترند.
دانشگاهها با منطق دهههای قبل آموزش میدهند، دولتها با ابزارهای کند به واقعیتهای پرسرعت پاسخ میدهند و مقررات، همواره یک قدم عقبتر از فناوریاند. این فاصله، اگر پر نشود، هزینهاش را نه نخبگان، بلکه کل جامعه میپردازد.
برخلاف تصور رایج، قدرت اصلی هوش مصنوعی در «حل مسئله» نیست؛ در انتخاب مسئله است. الگوریتمها اولویت میسازند، دادهها جهت توجه را تعیین میکنند و توجه، کمیابترین منبع اقتصاد جدید است. آنکه تعیین میکند چه چیزی دیده شود و چه چیزی دیده نشود، عملاً در حال سیاستگذاری است بیآنکه نامش سیاستگذار باشد. در این میان، یک خطر بومی هم وجود دارد: اقتصاد توجه.
پروژههایی که بیش از آنکه مسئلهای واقعی را حل کنند، روایت و ظاهر تولید میکنند؛ پروژههایی با اسلایدهای درخشان و مسئلههای مبهم، آموزشهایی که گواهی میدهند اما توان تصمیمسازی نمیسازند و استارتاپهایی که داستان دارند اما منطق ارزش ندارند. در برخورد این اقتصاد نمایشی با سرعت هوش مصنوعی، آنچه حذف میشود نه الزاماً ضعیفترینها، بلکه بیمعناترینها هستند.
پس چگونه باید آماده شد؟ پاسخ، در رشد شتابزده نیست؛ در گزینش سختگیرانه است؛ یعنی حذف پروژههای بدون ارزش قابلسنجش، توقف آموزش صرفاً برای آموزش، کاهش منابع اطلاعاتی به حداقل ضروری و ایجاد یک پایهی محکم مثل یک مهارت درآمدزا، یک مهارت مکمل و درک دقیق اینکه چه کسی، بابت چه چیزی پول میدهد.
بازطراحی کار با هوش مصنوعی نه بهعنوان جایگزین تفکر، بلکه بهعنوان شتابدهندهی راستیآزمایی، صورتبندی شفاف و مکتوب مسائل و اعتبارسنجی همیشگی نتایج است و شاید مهمتر از همه، پذیرش این واقعیت که سالهای پیشِ رو، دربارهی رشد نیستند؛ دربارهی بقای مدلهای قویاند.
اشتباه کردن اجتنابناپذیر است، اما ابهام نه. در اقتصاد هوش مصنوعی، برنده کسی نیست که سریعتر حرکت میکند؛ کسی است که میداند کجا نباید حرکت کند.
