تصور کنید کشوری را که پیشرفتهترین موتور جت را خریده، اما آن را روی ارابهای چوبی سوار کرده است. سازمان بهرهوری آسیایی در تازهترین گزارش ۳۵۰ صفحهای خود، دقیقاً همین تصویر را برای وضعیت کنونی اقتصادهای نوظهور ترسیم میکند.
این سند حجیم که در سال ۲۰۲۶ منتشر شده، حاصل پیمایشهای میدانی و تحلیل دادههای میانکشوری است و پرسشی ملموس را هدف گرفته: چرا با وجود آنکه سرمایهگذاری جهانی در هوش مصنوعی ظرف پنج سال گذشته تقریباً سه برابر شده، نمودار بهرهوری کل عوامل تولید در بسیاری از کشورهای عضو سازمان تکان نخورده است؟
پاسخ این گزارش به این معما، در لایهای پنهان در زیر پوست براق فناوری نهفته است؛ لایهای که نویسندگان آن را «شکاف قابلیت» مینامند. گزاره محوری گزارش از این قرار است: بهرهوری، میوه درخت فناوری نیست، بلکه میوه درخت قابلیت است؛ درختی که ریشه در مهارت، حکمرانی و ساختار سازمانی دارد.
شکاف میان «دسترسی به هوش مصنوعی» و «توانایی جذب و بهرهبرداری از آن»، پارادوکس بهرهوری مدرن را توضیح داده و هشدار میدهد که بدون پر کردن این شکاف، موج هوش مصنوعی نه یک جهش تاریخی، بلکه موتور خاموشی خواهد بود که واگرایی اقتصادی را به پرتگاهی راهبردی بدل میکند.
گزارش با مرور آمارهای کلان جهانی آغاز میشود و همان ابتدا از «پارادوکس بهرهوری» پرده برمیدارد؛ پدیدهای که یادآور شکاف مشابه در سالهای نخست ورود رایانه به صنایع است. در آن دوران نیز، علیرغم سرمایهگذاریهای سنگین، سالها طول کشید تا اثر واقعی رایانه بر بهرهوری در آمارهای ملی نمایان شود.
بهرهوری، میوه درخت فناوری نیست، بلکه میوه درخت قابلیت است؛ درختی که ریشه در مهارت، حکمرانی و ساختار سازمانی دارد.
اما نویسندگان هشدار میدهند که تکرار این انتظار برای هوش مصنوعی، این بار میتواند پرهزینهتر و خطرناکتر باشد، چرا که سرعت تغییرات و شکاف رقابتی میان کشورها به مراتب بیشتر از دهههای گذشته است. برای درک دقیق این شکاف، گزارش یک چارچوب ارزیابی چندبعدی ارائه میکند که فراتر از شاخصهای سادهانگارانهای چون تعداد پتنتهای هوش مصنوعی یا سرعت اینترنت عمل میکند.
مدل سازمان بهرهوری آسیایی، آمادگی را در سه لایه هموزن «زیرساخت دیجیتال پایه»، «قابلیت جذب سازمانی» و «ظرفیت حکمرانی نهادی» اندازهگیری میکند. نکته کلیدی آن است که این لایهها از یکدیگر مستقل نیستند، بلکه دچار «وابستگی مسیر» هستند: ضعف در حکمرانی داده، عملاً بازدهی گرانترین زیرساخت دیجیتال را خنثی میکند.
به بیان ساده، شما میتوانید پیشرفتهترین مدل زبانی بزرگ را بخرید، اما اگر نتوانید آن را به جریان دادههای واقعی سازمان وصل کنید، فقط یک ماشینحساب گرانقیمت خریدهاید.
اما هسته سخت گزارش در بخشی نهفته است که به کالبدشناسی «شکاف قابلیت» میپردازد. شکاف قابلیت، صرفاً فقدان کدنویس یا تحلیلگر داده نیست، بلکه نبود «ظرفیت جذب سازمانی» تعریف میشود؛ ظرفیتی که یک سازمان را قادر میسازد خروجی یک الگوریتم را به تصمیمی عملیاتی ترجمه کند.
مدل سازمان بهرهوری آسیایی، آمادگی را در سه لایه هموزن «زیرساخت دیجیتال پایه»، «قابلیت جذب سازمانی» و «ظرفیت حکمرانی نهادی» اندازهگیری میکند. نکته کلیدی آن است که این لایهها از یکدیگر مستقل نیستند، بلکه دچار «وابستگی مسیر» هستند: ضعف در حکمرانی داده، عملاً بازدهی گرانترین زیرساخت دیجیتال را خنثی میکند.
دادههای پیمایشی از مدیران ارشد چند کشور عضو، عدد نگرانکنندهای را نمایان میسازد: میانگین این شکاف ۳۷ درصد است. اما این میانگین، عمق فاجعه را برای بنگاههای کوچک و متوسط پنهان میکند، جایی که شکاف قابلیت به ۵۰ تا ۵۵ درصد میرسد.
بزرگترین جزء این شکاف، فقدان چیزی است که گزارش آن را «مترجم فناوری» مینامد؛ افرادی که نه صرفاً یک مهندس نرمافزار محض هستند و نه یک مدیر سنتی، بلکه «تحلیلگر-تصمیمسازانی» که زبان الگوریتم را به زبان تصمیم تجاری ترجمه میکنند.
۶۷ درصد از مدیران، فقدان این نقش را بحرانیترین مانع داخلی خود اعلام کردهاند. نکته تأملبرانگیز آنکه همبستگی میان تعداد مهندسان فاوا و کاهش این شکاف بسیار ضعیف است؛ مسأله، جنس مهارت است، نه حجم آن. در واقع، گزارش از مفهوم «مهارتهای Tشکل» دفاع میکند: تخصص عمیق در یک حوزه همراه با دانش گسترده از تحلیل داده و هوش مصنوعی.
و جالبتر آنکه بر اساس دادهها، افزایش صِرف بودجه آموزشهای فنی استاندارد، تأثیر معناداری بر کاهش شکاف قابلیت ندارد؛ مسأله، طراحی برنامههای آموزش تجربی در دل سازمانهاست، جایی که مدیران و کارکنان مستقیماً با چالش ترجمه خروجی الگوریتم به یک تصمیم واقعی روبهرو میشوند.
در همین امتداد، گزارش یک فصل کامل را به «دادههای حبسشده» بهعنوان قاتل خاموش بهرهوری اختصاص میدهد. در بسیاری از کشورهای مطالعهشده، دادهها در سیلوهای سازمانی، بخشی یا حقوقی گرفتارند و تعاملپذیری تقریباً صفر است. نویسندگان استدلال میکنند که حکمرانی داده باید از اتاق سرور به اتاق هیأتمدیره منتقل شود.
راهحل پیشنهادی، ایجاد «مراکز داده ملی اشتراکی» با مدل حکمرانی چندذینفعی است. کشورهایی که چنین بستری دارند، سرعت جذب هوش مصنوعیشان تقریباً دو برابر دیگران گزارش شده است. این یافته، ارتباط مستقیمی با چالشهای بنگاهداری در اقتصادهایی دارد که دادههای سازمانی هنوز بهعنوان داراییهای شخصی مدیران میانی تلقی میشوند و اشتراکگذاری آنها با مقاومت فرهنگی و ساختاری روبهروست.
اما شاید هشداردهندهترین بخش گزارش، فصلی باشد که بر سرنوشت بنگاههای کوچک و متوسط متمرکز است؛ بخشی که ۶۰ تا ۷۰ درصد اشتغال کشورهای عضو را در اختیار دارد و بهگفته گزارش، در معرض یک «واگرایی بزرگ» قرار دارد. بدون مداخله هدفمند، هوش مصنوعی به ابزاری برای افزایش قدرت غولهای فناور و حذف تدریجی بنگاههای کوچک تبدیل خواهد شد.
مانع اصلی، قیمت فناوری نیست، بلکه هزینههای پنهان «یادگیری، آزمایش و انطباق» است که برای یک بنگاه کوچک میتواند کمرشکن باشد. پیشنهاد عملیاتی گزارش، ایجاد «کارخانههای نوآوری مشترک» است؛ پلتفرمهایی که در آن بنگاههای کوچک بدون خرید زیرساخت اختصاصی، ابزارهای هوش مصنوعی را روی دادههای واقعی خود بیازمایند و همزمان خدمات مربیگری مدیریتی دریافت کنند.
گزارش بر اساس ماتریس «آمادگی قابلیتی ـ نرخ رشد TFP»، اقتصادهای مطالعهشده را به سه گروه تقسیم میکند: «پیشروهای یکپارچهساز» مانند سنگاپور و کره جنوبی، «پیروهای سریع» مانند مالزی که در لایه میانی قفل شدهاند، و «متأخران با پتانسیل جهش» که شانس جهش دارند، مشروط بر سرمایهگذاری همزمان روی انسان و نهاد.
گزارش با قاطعیت نتیجه میگیرد که هیچ کشوری بدون ترمیم شکاف قابلیت، از گروه دوم به گروه اول صعود نکرده است. این یعنی مسیر پیشرفت، همواره از دروازه «قابلیت جذب» عبور میکند، نه از دروازه «بودجه خرید فناوری».
در پایان، گزارش نقدی صریح بر سیاستهای تشویقی رایج دارد و استدلال میکند که توزیع یارانه خرید فناوری، مانند آبپاشی روی برگها بهجای آبیاری ریشه است. دولتها باید به «حکمرانی چابک دادهبنیان» روی آورند؛ رویکردی که سه مؤلفه دارد: پایش مستمر شکاف قابلیت، تنظیمگری تسهیلگرانه برای اشتراکگذاری داده، و سرمایهگذاری مستقیم روی کالاهای عمومی دیجیتال. این تغییر رویکرد، سیاستگذار را از توزیعکننده بودجه به تسهیلگر قابلیت بدل میکند.
آنچه از دل این گزارش ۳۵۰ صفحهای بیرون میآید، مجموعهای از درسهای راهبردی است که میتواند چراغ راه مدیران و سیاستگذاران باشد. نخست آنکه اولویت ، ترمیم زنجیره قابلیت است، نه خرید حلقههای فناورانه.
شکاف ۳۷ درصدی قابلیت جذب نشان میدهد که هر دلار سرمایهگذاری جدید روی هوش مصنوعی، بدون تقویت همزمان مهارتها، فرایندها و حکمرانی داده، عملاً هدررفت منابع است.
دستور فوری برای هیأتمدیرهها
اول، ممیزی قابلیت جذب سازمانی را جایگزین ممیزی صرفاً فناورانه کنید.
دوم، آنکه سازمانها باید نقش «مترجم فناوری» را خلق کنند، نه اینکه صرفاً به دنبال استخدام مهندسان بیشتر باشند.
سوم، حکمرانی داده باید از سطح فنی به سطح راهبردی ارتقا یابد و به دغدغه مستقیم هیأتمدیره تبدیل شود.
چهارم، سیاستگذاران نباید بنگاههای کوچک و متوسط را در برابر «واگرایی بزرگ» بیدفاع رها کنند.
پنجم، جهش دیجیتال برای اقتصادهای متأخر ممکن است، اما فقط با معماری همزمان سه لایه زیرساخت، مهارت و نهاد.
ششم، نظام آموزشی باید از «مهارت» به «مهارت ترکیبی Tشکل» مهاجرت کند.
هفتم، دوران توزیع یارانههای کور فناوری به سر آمده است و سیاستگذاری باید چابک و دادهبنیان شود.
هشتم، یادگیری تجربی باید جای آموزش پیشینی را بگیرد، چرا که مهارت کار با هوش مصنوعی در کلاس درس ساخته نمیشود، بلکه در مواجهه مستقیم با دادههای واقعی سازمان شکل میگیرد.
گزارش سازمان بهرهوری آسیایی با ارائه دادههای پیمایشی دستاول و مفهومسازی عملیاتی «شکاف قابلیت»، نقطه کوری را در ادبیات تحول
دیجیتال روشن میکند که سالها نادیده گرفته شده بود. قدرت اصلی آن، فاصلهگرفتن از شاخصهای کلیشهای و فرو رفتن در لایه سازمانی و انسانی است. با این همه، پیام اصلی گزارش چنان شفاف است که نمیتوان از کنار آن بهسادگی گذشت:
هوش مصنوعی، موتور آمادهای است که بدون جعبهدنده قابلیت، توان خود را به چرخهای بهرهوری منتقل نمیکند. بیاعتنایی به این نقشه، آینده رقابتی اقتصادهای نوظهور را به بنبستِ تماشای پیشروان گره خواهد زد.
