چرا شرکت‌ها هزینه‌کرد برای هوش مصنوعی را کاهش می‌دهند؟ این موضوع برای سهام هوش مصنوعی چه معنایی دارد

گزارش‌هایی درباره کاهش هزینه‌کرد شرکت‌ها برای هوش مصنوعی ممکن است برای کل این بخش نگران‌کننده به نظر برسند، اما تصویر واقعی پیچیده‌تر است. در سال 2026، بسیاری از کسب‌وکارها هوش مصنوعی را کنار نمی‌گذارند؛ در عوض، می‌کوشند هزینه‌های فراتر از بودجه را کنترل کنند، بازده سرمایه‌گذاری را اثبات کنند و برای زنده نگه‌داشتن پروژه‌های راهبردی، بودجه را از بخش‌های دیگر منتقل کنند. این تفاوت برای سرمایه‌گذاران اهمیت دارد، زیرا کاهش هزینه‌کرد برای هوش مصنوعی بر همه بخش‌های بازار به یک اندازه اثر نمی‌گذارد. تأمین‌کنندگان زیرساخت، رهبران حوزه رایانش ابری و شرکت‌های تراشه‌ساز با شرایطی متفاوت از فروشندگان نرم‌افزار و شرکت‌های لایه اپلیکیشن روبه‌رو هستند؛ شرکت‌هایی که هنوز برای نشان دادن درآمدزایی روشن با دشواری مواجه‌اند.

پاسخ کوتاه

• بیشتر شرکت‌ها بودجه‌های هوش مصنوعی را به‌طور گسترده کاهش نمی‌دهند؛ پس از فراتر رفتن هزینه‌ها از برنامه، هزینه‌کرد را به بخش‌های دیگر منتقل می‌کنند.
• Futurum دریافت که ⁦%46.9⁩ از شرکت‌ها در نیمه دوم سال 2026 گزارش داده‌اند هزینه‌کرد هوش مصنوعی‌شان از بودجه فراتر رفته است؛ با این حال، فقط حدود یک شرکت از هر شش شرکت پروژه‌ها را کندتر کرده است.
• بازده سرمایه‌گذاری ضعیف و حاکمیت ضعیف به مهم‌ترین موانع هزینه‌کرد جدید برای هوش مصنوعی تبدیل می‌شوند؛ به‌ویژه در نرم‌افزارهای سازمانی و ابزارهای داخلی.
• شرکت‌های بزرگ پلتفرمی همچنان هزینه‌های سرمایه‌ای زیرساخت هوش مصنوعی را افزایش می‌دهند؛ موضوعی که از تقاضا برای تراشه، رایانش ابری و مراکز داده پشتیبانی می‌کند.
• چشم‌انداز سهام هوش مصنوعی هرچه بیشتر میان برندگان زیرساختی و شرکت‌های نرم‌افزاری یا اپلیکیشنی‌ای تقسیم می‌شود که هنوز باید بازده پایدار خود را اثبات کنند.

چرا کاهش هزینه‌کرد برای هوش مصنوعی اغلب به معنای عقب‌نشینی واقعی از آن نیست

عبارت «کاهش هزینه‌کرد برای هوش مصنوعی» از افت گسترده تقاضا حکایت می‌کند، اما پژوهش‌های موجود به نتیجه دیگری اشاره دارند. نظرسنجی Futurum در سال 2026 نشان داد که ⁦%46.9⁩ از شرکت‌ها در نیمه دوم سال از بودجه هوش مصنوعی فراتر رفتند. با این حال، فقط حدود ⁦%16⁩ تصمیم گرفتند پروژه‌های مرتبط را کندتر کنند. این یعنی بسیاری از شرکت‌ها هنوز هوش مصنوعی را آن‌قدر مهم می‌دانند که حتی با فشرده شدن بودجه‌ها هم آن را متوقف نکنند.

در عمل، تیم‌های مدیریتی اغلب ابتدا هزینه مشاوران، خدمات بیرونی یا سایر ابتکارهای فناوری اطلاعات را کاهش می‌دهند. این تفاوتی کلیدی برای چشم‌انداز سهام هوش مصنوعی است. اگر شرکتی هزینه‌های عملیاتی گسترده‌تر را کاهش دهد تا برنامه‌های هوش مصنوعی را تأمین مالی کند، پیام این نیست که «دوران هوش مصنوعی به پایان رسیده است». پیام این است که هوش مصنوعی همچنان یک اولویت راهبردی است، اما ساختار هزینه‌ها باید اصلاح شود.

این موضوع کمک می‌کند توضیح دهیم چرا بعضی تیترها منفی به نظر می‌رسند، در حالی که تقاضای زیربنایی برای زیرساخت همچنان باثبات است. انضباط در هزینه‌کرد لزوماً به معنای از بین رفتن تقاضا نیست. در بسیاری از موارد، یعنی خریداران از مرحله آزمایش به انضباط در فرایند خرید روی می‌آورند.

چه عواملی باعث عقب‌نشینی در برخی بودجه‌های هوش مصنوعی شرکت‌ها می‌شود؟

اثبات بازده سرمایه‌گذاری همچنان دشوار است

یکی از بزرگ‌ترین مشکلات این است که بسیاری از شرکت‌های بزرگ هنوز نمی‌توانند هزینه‌کرد برای هوش مصنوعی را به‌روشنی به رشد درآمد یا بهبودهای قابل‌اندازه‌گیری در بهره‌وری مرتبط کنند. Portal26 با استناد به یافته‌های Deloitte در سال 2026 درباره هوش مصنوعی سازمانی اشاره کرد که ⁦%53⁩ از سازمان‌ها همچنان در مرحله آزمایشی یا پایلوت مانده‌اند، در حالی که فقط ⁦%10⁩ به نتایجی واقعی و مبتنی بر رشد دست یافته‌اند. این شکاف اهمیت دارد. هیئت‌مدیره‌ها ممکن است مدتی از آزمایش حمایت کنند، اما معمولاً پیش از تصویب بودجه‌های بزرگ‌تر، شواهد می‌خواهند.

برای شرکت‌های سهامی عام، این موضوع اهمیت بیشتری پیدا می‌کند، زیرا هزینه‌کرد برای هوش مصنوعی با اهداف حاشیه سود، بازخرید سهام، برنامه‌های استخدام و دیگر اولویت‌های تخصیص سرمایه رقابت می‌کند. اگر بازده همچنان مبهم باشد، احتمال بیشتری دارد که مدیران مالی اجرای مواردی با اولویت پایین‌تر را کند کنند یا خواستار موارد استفاده محدودتر شوند.

حاکمیت هم‌پای پذیرش فناوری پیش نرفته است

هزینه فقط بخشی از مشکل است؛ حاکمیت نیز مسئله دیگری است. First Line Software به داده‌های نظرسنجی Retool اشاره کرد که نشان می‌دهد فقط ⁦%8⁩ از مدیران ارشد فناوری اطلاعات، مدیران ارشد اطلاعات و مدیران ارشد امنیت اطلاعات، حاکمیت ابزارهای داخلی هوش مصنوعی را قوی توصیف می‌کنند. وقتی حاکمیت ضعیف باشد، رهبران نگران انطباق با مقررات، امنیت، قابلیت اطمینان و سوءاستفاده از مدل‌ها می‌شوند. حتی اگر مدیران اجرایی همچنان به این فناوری علاقه‌مند باشند، همین نگرانی‌ها گسترش هوش مصنوعی در سراسر سازمان را دشوارتر می‌کند.

برای سرمایه‌گذاران، این یعنی ممکن است هزینه‌کرد ادامه پیدا کند، اما به‌جای استقرار سریع هر اپلیکیشن جدید هوش مصنوعی، به لایه‌های کنترلی، نظارت و زیرساخت هدایت شود.

استفاده از ابزارها می‌تواند سریع‌تر از کنترل بودجه‌ها افزایش یابد

Uber نمونه‌ای مفید از بهینه‌سازی تاکتیکی به‌جای عقب‌نشینی گسترده است. بر اساس گزارش‌های مورد اشاره که First Line Software خلاصه کرده است، استفاده مهندسان از Claude Code بین اواخر سال 2025 و اوایل سال 2026 به‌شدت افزایش یافت و بنا بر گزارش‌ها، شرکت ظرف چند ماه کل بودجه سالانه ابزارهای هوش مصنوعی خود را مصرف کرد. مسئله بی‌علاقگی نبود؛ مشکل این بود که هزینه به‌ازای هر مهندس به‌سرعت بالا رفت، در حالی که مدیران نمی‌توانستند افزایش خروجی را به‌روشنی اندازه‌گیری کنند.

همچنین گزارش شده است که Tesla برای هزینه‌کرد کارکنان در ابزارهای هوش مصنوعی سقف گذاشت و برای هر کارمند محدودیت هفتگی تعیین کرد، مگر آنکه تأییدیه بیشتری دریافت شود. Coinbase مسیر متفاوتی را در پیش گرفت: به‌جای محدود کردن سهمیه‌ها در همه بخش‌ها، بر مسیریابی مدل، کش‌کردن و انتخاب مدل‌های پیش‌فرض ارزان‌تر تمرکز کرد و گفت هزینه‌کرد هوش مصنوعی را تقریباً ⁦%50⁩ کاهش داده است، در حالی که استفاده همچنان افزایش می‌یافت. این نمونه‌ها نشان می‌دهند که بهینه‌سازی به موضوعی محوری تبدیل می‌شود.

چرا هزینه‌کرد برای زیرساخت هوش مصنوعی همچنان قوی به نظر می‌رسد

اگر شرکت‌ها واقعاً هوش مصنوعی را کنار می‌گذاشتند، احتمالاً هزینه‌های سرمایه‌ای ابرمقیاس‌گران کاهش می‌یافت. اما عکس این اتفاق افتاده است. Digital Applied گزارش داد که راهنمایی Alphabet درباره مخارج سرمایه‌ای سال 2026 به ⁦$195B⁩ تا ⁦$205B⁩ افزایش یافت، Microsoft برای سال تقویمی 2026 حدود ⁦$175B⁩ را پیش‌بینی کرد و Meta دامنه پیش‌بینی خود را به ⁦$130B⁩ تا ⁦$145B⁩ افزایش داد. مجموع این پیش‌بینی‌ها حدود ⁦$500B⁩ تا ⁦$525B⁩ است؛ رقمی که هنوز راهنمایی کامل Amazon برای کل سال را در بر نمی‌گیرد.

به همین دلیل، چشم‌انداز سهام هوش مصنوعی برای بخش‌هایی از بازار همچنان امیدوارکننده است. پول همچنان به سمت تراشه‌ها، ظرفیت رایانش ابری، تجهیزات شبکه، انرژی و مراکز داده سرازیر می‌شود. همچنین گزارش شده است که ByteDance برنامه هزینه‌کرد خود برای زیرساخت هوش مصنوعی را ⁦%25⁩ افزایش داده و به ⁦200B⁩ یوان رسانده است؛ موضوعی که بر اولویت داشتن سرمایه‌گذاری در توان پردازشی در مقیاس بزرگ تأکید می‌کند.

بنابراین، برداشت دقیق‌تر از بازار این نیست که «تقاضا برای هوش مصنوعی رو به کاهش است»، بلکه این است که «تقاضا برای هوش مصنوعی در حال تمرکز است». سرمایه در شرکت‌هایی متمرکز می‌شود که زیرساخت اصلی را می‌فروشند: نیمه‌رساناها، پلتفرم‌های پردازشی، زیست‌بوم‌های رایانش ابری و دسترسی به مدل‌های پایه.

این موضوع برای انواع مختلف سهام هوش مصنوعی چه معنایی دارد؟

نباید با همه سهام هوش مصنوعی یکسان برخورد کرد. بازار دست‌کم به دو گروه گسترده تقسیم می‌شود.

به همین دلیل، تیترهایی درباره کاهش هزینه‌کرد شرکت‌ها برای هوش مصنوعی، اگر به کل این بخش تعمیم داده شوند، می‌توانند گمراه‌کننده باشند. یک شرکت نرم‌افزاری که دستیارهای هوش مصنوعی را به شرکت‌های بزرگ می‌فروشد، ممکن است با بررسی سخت‌گیرانه بودجه روبه‌رو شود. اما تأمین‌کننده GPU، سرور، تجهیزات شبکه یا خدمات رایانش ابری ممکن است همچنان از مخارج سرمایه‌ای بالا سود ببرد.

همین منطق درباره تیترهای مربوط به نیروی کار نیز صدق می‌کند. Metaintro استدلال کرد که در برخی موارد، شرکت‌ها برای تأمین مالی راهبرد هوش مصنوعی، تیم‌ها یا بخش‌های غیرمحوری را کاهش می‌دهند، نه اینکه مستقیماً همه آن نیروی کار را با هوش مصنوعی جایگزین کنند. این دلیل دیگری است که سرمایه‌گذاران باید گزارش‌های مالی را با دقت بخوانند. افزایش هزینه‌های سرمایه‌ای هوش مصنوعی در کنار تجدید ساختار می‌تواند نشانه اولویت‌بندی باشد، نه عقب‌نشینی.

در ادامه، برای ارزیابی چشم‌انداز سهام هوش مصنوعی چه چیزهایی را زیر نظر بگیریم؟

احتمالاً مرحله بعد به سه پرسش بستگی دارد. نخست، آیا شرکت‌های بزرگ از پروژه‌های آزمایشی به استقرار گسترده همراه با بازده قابل‌اندازه‌گیری می‌رسند؟ دوم، آیا حاکمیت به‌اندازه کافی بهبود می‌یابد تا از گسترش بیشتر استفاده پشتیبانی کند؟ سوم، آیا فروشندگان نرم‌افزار نشان می‌دهند که قابلیت‌های هوش مصنوعی می‌توانند بدون آسیب جدی به حاشیه سود، درآمد را افزایش دهند؟

اگر پاسخ‌ها بهبود یابند، بخش‌های بیشتری از زنجیره ارزش هوش مصنوعی می‌توانند از این روند بهره‌مند شوند. در غیر این صورت، ممکن است بازار محدود بماند و قوی‌ترین عملکرد در زیرساخت و پلتفرم‌های مسلط متمرکز شود. سرمایه‌گذاران همچنین باید بررسی کنند که آیا بهینه‌سازی هزینه به رویه‌ای استاندارد تبدیل می‌شود یا نه. وقتی شرکت‌ها استفاده از ابزارها را محدود می‌کنند، به مدل‌های ارزان‌تر روی می‌آورند یا کش‌کردن را بهبود می‌دهند، حتی اگر پذیرش کلی هوش مصنوعی همچنان افزایش یابد، ممکن است رشد درآمد برخی فروشندگان تحت فشار قرار بگیرد.

خلاصه اینکه کاهش هزینه‌کرد برای هوش مصنوعی اهمیت دارد، اما زمینه و شرایط اهمیت بیشتری دارند. به نظر می‌رسد بودجه‌های راهبردی هوش مصنوعی نسبت به بسیاری از اقلام سنتی فناوری اطلاعات مقاوم‌تر هستند. نقطه فشار کمتر به تمایل برای هزینه‌کرد مربوط است و بیشتر به این مربوط می‌شود که پول کجا خرج می‌شود، با چه میزان کارآمدی به کار گرفته می‌شود و چه کسانی می‌توانند تقاضا را به سود پایدار تبدیل کنند.

جمع‌بندی

داستان فعلی، خروج گسترده شرکت‌ها از هوش مصنوعی نیست؛ بلکه گذار از آزمایش بی‌محابا به بودجه‌بندی دقیق‌تر، حاکمیت قوی‌تر و انضباط در سنجش بازده سرمایه‌گذاری است. این روند چشم‌انداز سهام هوش مصنوعی را برای رهبران زیرساختی قوی‌تر از شرکت‌های لایه اپلیکیشن نگه می‌دارد؛ شرکت‌هایی که هنوز در تلاش‌اند ارزش تجاری خود را اثبات کنند.

سؤالات متداول

1. آیا شرکت‌ها واقعاً هزینه‌کرد برای هوش مصنوعی را در همه بخش‌ها کاهش می‌دهند؟
خیر. پژوهش‌های موجود در سال 2026 نشان می‌دهند بسیاری از شرکت‌ها پس از فراتر رفتن هزینه‌ها از بودجه، بودجه‌ها را به بخش‌های دیگر منتقل می‌کنند، نه اینکه پروژه‌های هوش مصنوعی را به‌طور گسترده کنار بگذارند.

2. چرا برخی شرکت‌ها استفاده کارکنان از ابزارهای هوش مصنوعی را محدود می‌کنند؟
هزینه ابزارها می‌تواند به‌سرعت افزایش یابد، به‌ویژه وقتی استفاده از آن‌ها سریع‌تر از کنترل بودجه گسترش پیدا کند. از آنجا که سنجش بازده سرمایه‌گذاری همچنان دشوار است، برخی شرکت‌ها محدودیت یا مراحل تأیید اضافه می‌کنند.

3. کدام سهام هوش مصنوعی در برابر کاهش هزینه‌کرد مقاوم‌تر به نظر می‌رسند؟
به نظر می‌رسد شرکت‌های زیرساخت‌محور مرتبط با تراشه، رایانش ابری، شبکه و مراکز داده، در مقایسه با برخی فروشندگان اپلیکیشن‌های هوش مصنوعی سازمانی، از روند فعلی مخارج سرمایه‌ای پشتیبانی بیشتری می‌گیرند.

4. چرا بازده سرمایه‌گذاری اکنون برای هوش مصنوعی سازمانی اهمیت زیادی دارد؟
بسیاری از سازمان‌ها هنوز در مرحله آزمایشی هستند؛ بنابراین، هیئت‌مدیره‌ها و مدیران مالی پیش از تصویب استقرارهای گسترده‌تر، شواهد روشن‌تری می‌خواهند که نشان دهد هزینه‌کرد برای هوش مصنوعی می‌تواند درآمد، بهره‌وری یا کارایی هزینه را بهبود دهد.

5. آیا تعدیل نیرو خودبه‌خود به معنای ضعیف شدن تقاضا برای هوش مصنوعی است؟
نه لزوماً. در برخی موارد، به نظر می‌رسد شرکت‌ها نیروی کار یا هزینه‌کردهای غیرمحوری را کاهش می‌دهند، در حالی که همچنان سرمایه‌گذاری در زیرساخت هوش مصنوعی را افزایش می‌دهند.