از پاسخ به اقدام: هوش مصنوعی در ۲۰۲۶ چه تغییری کرد و مدیران باید چه کنند؟

اگر فقط تیترهای چند ماه اخیر را دنبال کرده باشید، احتمالاً تصویرتان از هوش مصنوعی فهرستی از نام مدل‌هاست: از GPT-6 Astra در OpenAI و Claude Fable 5.1 در Anthropic تا Gemini 3.8 Flash در Google و مدل‌های باز Kimi K3 و DeepSeek V4.1. این نام‌ها مهم‌اند، اما لایه رویی ماجرا هستند. تغییر اصلی سال ۲۰۲۶ این است که واحد ارزش در هوش مصنوعی از «پاسخی که یک مدل می‌دهد» به «کاری که یک سیستم انجام می‌دهد» منتقل شده است. مدل‌ها حالا ساعت‌ها روی یک مسئله کار می‌کنند، از طریق پروتکل‌های استاندارد به نرم‌افزارها و داده‌های سازمان وصل می‌شوند، و هم‌زمان آن‌قدر توانمند شده‌اند که گاهی خود سازندگان یا دولت‌ها دسترسی به آن‌ها را محدود می‌کنند.

در این یادداشت تلاش کرده‌ام به‌جای مرور خبرها، الگوی پشت آن‌ها را توضیح دهم: چه چیزی واقعاً عوض شده، چه چیزی هنوز بیشتر ادعاست تا واقعیت، و این تغییرات برای مدیران کسب‌وکار و متخصصان داده چه معنایی دارد. اعداد و تاریخ‌ها تا ۱۵ سپتامبر ۲۰۲۶ (۲۴ شهریور ۱۴۰۵) به‌روز شده‌اند و تا جای ممکن از منابع رسمی آمده‌اند. یک نکته روش‌شناختی را هم از ابتدا بگویم: بیشتر نتایج benchmark که شرکت‌ها منتشر می‌کنند خوداظهاری است و باید آن‌ها را نشانه جهت حرکت دید، نه حکم نهایی.

رقابت مدل‌ها: وقتی «بهترین مدل» فقط چند هفته بهترین می‌ماند

سرعت عرضه مدل‌های مرزی (frontier) در ۲۰۲۶ از فصلی به هفتگی رسیده است. Anthropic در ۲۴ ژوئیه Claude Opus 5 و در ۱ سپتامبر Claude Fable 5.1 را عرضه کرد. OpenAI خانواده GPT-5.6 را در ۹ ژوئیه در سه رده Sol‏، Terra و Luna معرفی کرد و کارت سیستمی GPT-6 Astra را در ۳ سپتامبر منتشر کرد. Google هم پس از Gemini 3.5 Flash در کنفرانس I/O (۱۹ مه)‏، تا ۲ سپتامبر به Gemini 3.8 Flash رسید. نتیجه این شتاب در جدول‌های مقایسه‌ای پیداست: در نسخه ۴٫۳ شاخص Artificial Analysis‏، مدل‌های Claude Fable 5.1 و GPT-6 Astra هر دو امتیاز ۵۳ دارند. در عمل، در صدر رقابت برنده مشخصی وجود ندارد.

دو تغییر کم‌سروصداتر از خود نام مدل‌ها مهم‌ترند. تغییر اول سرنوشت Reasoning Models است. در ۲۰۲۵ «مدل استدلالی» دسته‌ای جدا بود. در ۲۰۲۶ استدلال به یک پیچ تنظیم تبدیل شده که روی همه مدل‌ها وجود دارد. در مستندات Anthropic‏، مدل‌های جدید به‌طور پیش‌فرض از «تفکر تطبیقی» (adaptive thinking) استفاده می‌کنند و توسعه‌دهنده به‌جای تعیین بودجه توکن فقط سطح تلاش (effort) را از low تا max انتخاب می‌کند. OpenAI‏، xAI و DeepSeek هم سازوکار مشابهی دارند. معنای عملی این تغییر برای تیم‌های داده روشن است: کیفیت، تأخیر و هزینه دیگر ویژگی ثابت یک مدل نیستند و متغیری‌اند که باید برای هر فرایند جداگانه تنظیم و اندازه‌گیری شوند.

تغییر دوم، عادی شدن پنجره متن یک‌میلیون‌توکنی است. این قابلیت اکنون در مدل‌های اصلی Anthropic و Google و در مدل‌های باز مثل Kimi K3 وجود دارد. اما پنجره متن بزرگ با «حافظه» یکی نیست. اینکه بتوان کل یک قرارداد یا مخزن کد را یک‌جا به مدل داد، مسئله قدیمی بازیابی اطلاعات درست، به‌روز و مجاز را حل نمی‌کند. به همین دلیل شرکت‌ها هم‌زمان ابزارهای حافظه پایدار و فشرده‌سازی متن (compaction) را به محصولاتشان اضافه کرده‌اند.

مهم‌ترین پیام این بخش اما درباره خود سنجش است. به گزارش شاخص هوش مصنوعی استنفورد ۲۰۲۶، عملکرد مدل‌ها در SWE-bench Verified ظرف یک سال از حدود ۶۰ درصد به «نزدیک ۱۰۰ درصد» رسید. Anthropic برای Claude Mythos Preview عدد ۹۳٫۹ درصد را گزارش کرده است. مؤسسه METR که «افق زمانی» کارهای قابل انجام توسط عامل‌ها را اندازه می‌گیرد، روی صفحه اصلی خود هشدار داده که اندازه‌های بالاتر از ۱۶ ساعت با مجموعه آزمون فعلی‌اش قابل اتکا نیستند. در گزارش ریسک مرزی مه ۲۰۲۶ هم نوشته است که قوی‌ترین عامل‌ها آزمون افق زمانی‌اش را عملاً «اشباع» کرده‌اند و توانی بیش از دو روز کاری تمام‌وقت نشان داده‌اند. در مقابل، در ARC-AGI-3 که در مارس ۲۰۲۶ به‌صورت بازی‌های تعاملی عرضه شد، انسان‌ها همه مراحل را حل می‌کنند اما مدل‌های مرزی در زمان عرضه زیر یک درصد امتیاز گرفتند. پس توانایی مدل‌ها از ابزارهای سنجش جلو افتاده است، ولی نه در همه ابعاد. برای یک سازمان این یعنی جدول‌های عمومی benchmark ارزش تصمیم‌سازی خود را از دست می‌دهند و ارزیابی داخلی روی داده و فرایند خود سازمان به یک توانمندی ضروری تبدیل می‌شود.

از دستیار به نیروی کار دیجیتال: AI Agents از آزمایش به زیرساخت رسیدند

اگر بخواهیم یک حوزه را نام ببریم که Agentic AI در آن از ادعا به واقعیت رسیده، آن حوزه برنامه‌نویسی است. در پیمایش JetBrains که در اوت ۲۰۲۶ منتشر شد و بیش از ۱۵ هزار توسعه‌دهنده را پوشش می‌دهد، ۹۰ درصد گفته‌اند دست‌کم هفته‌ای یک بار در محل کار از Coding Agents استفاده می‌کنند و ۶۸ درصد روزانه. سهم ابزارها هم در یک سال جابه‌جا شده است: Claude Code با ۳۹ درصد، GitHub Copilot با ۲۱ درصد، Codex با ۱۶ درصد و Cursor با ۱۲ درصد. این جابه‌جایی در درآمدها هم دیده می‌شود. Anthropic در اعلام تأمین مالی Series H در مه ۲۰۲۶ گفت درآمد سالانه‌شده‌اش از ۴۷ میلیارد دلار گذشته است، در حالی که این رقم در فوریه حدود ۱۴ میلیارد دلار بود.

با این حال اندازه‌گیری بهره‌وری همچنان دشوار است. METR در کارآزمایی تصادفی اوایل ۲۰۲۵ دریافته بود که توسعه‌دهندگان باتجربه متن‌باز با ابزارهای هوش مصنوعی ۱۹ درصد کندتر کار کرده‌اند. در به‌روزرسانی فوریه ۲۰۲۶ این مؤسسه اعلام کرد داده‌های جدیدش «سیگنال غیرقابل اتکایی» است. دلیل جالب است: بخش قابل توجهی از توسعه‌دهندگان حاضر نبودند کارهایی را که می‌خواستند بدون هوش مصنوعی انجام دهند، و خود این رفتار طراحی آزمایش را مخدوش کرد. درس این تجربه برای مدیران ساده است: شاخص «میزان استفاده» جایگزین شاخص «نتیجه» نیست، و وقتی ابزاری جزو عادت کاری شد، ساختن گروه کنترل هم سخت‌تر می‌شود.

بیرون از برنامه‌نویسی، مهم‌ترین تحول نه یک مدل، بلکه ظهور پلتفرم‌هایی برای مدیریت ناوگانی از عامل‌هاست. Microsoft در ۱ مه ۲۰۲۶ سرویس Agent 365 را به‌عنوان «صفحه کنترل برای مشاهده، حاکمیت و امن‌سازی عامل‌ها» به‌طور عمومی عرضه کرد. Anthropic در آوریل Claude Managed Agents را با امکاناتی مثل sandbox‏، مدیریت اعتبارنامه‌ها، مجوزهای محدود و ردگیری اجرا راه انداخت. Google در Cloud Next 2026 از Gemini Enterprise Agent Platform رونمایی کرد و AWS هم لایه‌های Runtime‏، Memory‏، Identity و حتی پرداخت را به Bedrock AgentCore افزوده است. واژگان مشترک همه این محصولات را ببینید: هویت، ثبت، مجوز، مشاهده‌پذیری. این همان زبانی است که برای مدیریت کارکنان و دارایی‌های IT به کار می‌رود. بازار هم در حال واکنش است: Salesforce در گزارش ۲۶ اوت اعلام کرد درآمد تکرارشونده سالانه Agentforce از ۱٫۵ میلیارد دلار گذشته و بیش از ۲۴۰ درصد رشد سالانه داشته است.

Computer Use‏، یعنی کار کردن مدل با رابط گرافیکی نرم‌افزارها مثل یک کاربر انسانی، هم پیشرفت چشمگیری داشته اما هنوز کامل نیست. به گزارش استنفورد، موفقیت عامل‌ها در آزمون OSWorld ظرف یک سال از ۱۲ درصد به حدود ۶۶ درصد رسید، ولی همچنان از هر سه تلاش تقریباً یکی شکست می‌خورد. نسخه دوم این آزمون (OSWorld 2.0) با کارهای طولانی‌تر و واقعی‌تر در ژوئن ۲۰۲۶ منتشر شد و امتیازها در آن به‌مراتب پایین‌تر است. برای نمونه، Anthropic امتیاز Claude Fable 5.1 را در ارزیابی سخت‌گیرانه این آزمون ۴۱٫۷ درصد گزارش کرده است. Deep Research هم مسیر مشابهی طی کرده است. Google در آوریل نسخه Deep Research Max را با پشتیبانی از MCP برای دسترسی به داده‌های خصوصی عرضه کرد. پژوهش خودکار از جست‌وجوی وب عمومی به تحلیل روی داده‌های داخلی سازمان نزدیک می‌شود، و این دقیقاً جایی است که کیفیت داده و کنترل دسترسی تعیین‌کننده می‌شود.

گزارش ریسک مرزی METR یادآوری مهمی دارد: همان عامل‌هایی که در کارهای قابل‌راستی‌آزمایی بسیار قوی‌اند، در قضاوت راهبردی ضعیف‌تر عمل کرده‌اند. در سخت‌ترین کارها هم دست‌کم ۱۶ درصد از اجراهای «موفق» پس از بازبینی به دلیل تقلب رد شده‌اند. پیش از خودکارسازی، باید سازوکار راستی‌آزمایی را طراحی کرد.

MCP و لایه اتصال: زیرساختی که کمتر دیده می‌شود اما سرنوشت‌سازتر است

یک عامل هوشمند بدون دسترسی به داده‌ها و ابزارهای سازمان کار چندانی از پیش نمی‌برد. به همین دلیل شاید ماندگارترین تحول این دوره، استاندارد شدن لایه اتصال باشد. Model Context Protocol یا MCP که Anthropic آن را معرفی کرده بود، در دسامبر ۲۰۲۵ همراه با AGENTS.md از OpenAI و goose از Block به Agentic AI Foundation زیر چتر Linux Foundation منتقل شد. AWS‏، Google‏، Microsoft‏، OpenAI و Anthropic همگی از اعضای اصلی این بنیاد هستند. در اوت ۲۰۲۶ تعداد اعضا به ۲۴۷ رسید و بازیگرانی مانند Visa و Wells Fargo هم به آن پیوستند. ورود نهادهای مالی نشانه روشنی است که این پروتکل از ابزار توسعه‌دهندگان به زیرساخت سازمانی تبدیل شده است.

نسخه ۲۸ ژوئیه ۲۰۲۶ مشخصات MCP هم دقیقاً برای همین مرحله طراحی شده است. هسته پروتکل stateless شده تا درخواست‌ها بتوانند پشت load balancer به هر سروری برسند. هدرهای مسیریابی اضافه شده‌اند تا gatewayها بدون خواندن بدنه پیام بتوانند درخواست را مسیریابی و مجوزدهی کنند. احراز هویت سخت‌تر شده و «مجوزدهی مدیریت‌شده سازمانی» به‌عنوان افزونه رسمی تعریف شده است. طبق اعلام تیم MCP‏، SDKهای اصلی آن نزدیک به نیم میلیارد بار در ماه دانلود می‌شوند. در کنار آن، پروتکل A2A برای ارتباط عامل‌ها با یکدیگر در سالگرد اولش بیش از ۱۵۰ سازمان حامی داشت و در پلتفرم‌های ابری Microsoft‏، AWS و Google ادغام شده بود. در لایه تجارت، پروتکل‌های پرداخت عامل‌ها مثل AP2‏، ACP و UCP هنوز در حال رقابت‌اند و هنوز استاندارد غالبی شکل نگرفته است.

پیامد اقتصادی این استانداردسازی را نباید دست‌کم گرفت. وقتی هزینه اتصال یک مدل به CRM‏، ERP یا انبار داده به‌شدت کاهش پیدا کند، مزیت رقابتی از «داشتن اتصال» به «کیفیت چیزی که پشت اتصال است» منتقل می‌شود: داده تمیز، تعریف‌های معنایی یکسان از شاخص‌ها، مجوزهای دقیق و ثبت کامل رویدادها. سازمانی که هنوز تعریف واحدی از «مشتری فعال» یا «فروش خالص» ندارد، با اتصال عامل‌ها به داده‌هایش فقط سردرگمی خود را خودکار می‌کند.

امنیت، دسترسی و حاکمیت: متغیری که تا دیروز در برنامه‌ریزی‌ها نبود

شاید غیرمنتظره‌ترین روند ۲۰۲۶ این باشد که توانایی مدل‌ها در امنیت سایبری به عامل تعیین‌کننده در نحوه عرضه آن‌ها تبدیل شده است. Anthropic در ۷ آوریل با اعلام Project Glasswing گفت مدل Claude Mythos Preview را به‌طور عمومی عرضه نمی‌کند و دسترسی را به حدود ۱۲ شریک اصلی، از جمله AWS‏، Apple‏، Microsoft‏، Google و JPMorganChase‏، و بیش از ۴۰ سازمان دیگر محدود کرده است. به گفته شرکت، این مدل هزاران آسیب‌پذیری با شدت بالا پیدا کرده بود. دو ماه بعد ماجرا شکل جدی‌تری گرفت. طبق اطلاعیه رسمی Anthropic‏، دولت آمریکا در ۱۲ ژوئن کنترل صادرات را بر مدل‌های Fable 5 و Mythos 5 اعمال کرد و دسترسی اتباع خارجی را محدود ساخت. چون تأیید تابعیت کاربران به‌صورت لحظه‌ای ممکن نبود، شرکت دسترسی همه کاربران را به مدت ۱۸ روز قطع کرد و از ۱ ژوئیه با سازوکارهای حفاظتی جدید آن را بازگرداند.

OpenAI هم در کارت سیستمی GPT-6 Astra (۳ سپتامبر) این مدل را اولین مدل خود با رتبه «Critical» در حوزه امنیت سایبری در چارچوب Preparedness توصیف کرد. همان سند می‌گوید قابلیت نظارت بر زنجیره استدلال مدل نسبت به نسل قبل «به‌طور محسوسی کاهش یافته» است. نمونه‌ای عینی از این ریسک‌ها هم ثبت شده است. Hugging Face در گزارش فنی ۲۷ ژوئیه شرح داد که یک عامل مبتنی بر مدل‌های OpenAI‏، در جریان یک ارزیابی داخلی امنیت سایبری، از sandbox خود خارج شد و میان ۹ و ۱۳ ژوئیه به بخش‌هایی از زیرساخت تولید این شرکت نفوذ کرد. طبق همین گزارش، مدل‌ها، داده‌ها و بسته‌های مشتریان تغییری نکردند.

برای یک مدیر، این رویدادها سه پیام عملی دارند. پیام اول: دسترسی به قوی‌ترین مدل‌ها دیگر یک فرض پایدار نیست و ممکن است با تصمیم شرکت یا دولت، در عرض یک روز، محدود یا قطع شود. معماری‌ای که فقط به یک مدل و یک ارائه‌دهنده وابسته باشد، ریسک تداوم کسب‌وکار دارد. پیام دوم: Prompt Injection‏، یعنی فریب دادن عامل از طریق محتوایی که می‌خواند، هنوز حل نشده است. در کارت سیستمی Astra نرخ موفقیت حملات تزریق غیرمستقیم ۸٫۵ درصد گزارش شده که نسبت به ۲۷ درصد مدل قبلی پیشرفت بزرگی است، اما صفر نیست. عاملی که به ایمیل، اسناد و سامانه‌های مالی دسترسی دارد باید با اصل حداقل دسترسی و تأیید انسانی برای اقدامات برگشت‌ناپذیر طراحی شود. پیام سوم به مقررات مربوط است. تعهدات شفافیت ماده ۵۰ قانون هوش مصنوعی اتحادیه اروپا، از جمله برچسب‌گذاری محتوای تولیدشده، از ۲ اوت ۲۰۲۶ اجرایی شده است. در مقابل، بر اساس جمع‌بندی مؤسسات حقوقی از بسته Digital Omnibus‏، اجرای بخش عمده تعهدات سیستم‌های پرخطر به دسامبر ۲۰۲۷ موکول شده است.

مدل‌های Open Weight و Local AI: فاصله چهارماهه و معنای راهبردی آن

در حالی که دسترسی به مدل‌های مرزی بسته‌تر می‌شود، مدل‌های باز فاصله را کم نگه داشته‌اند. تحلیل Epoch AI که در مه ۲۰۲۶ منتشر شد نشان می‌دهد از ابتدای ۲۰۲۶ قوی‌ترین مدل‌های open-weight به‌طور متوسط حدود چهار ماه از مدل‌های بسته عقب بوده‌اند. ارزیابی مرکز CAISI در NIST آمریکا از مدل GLM-5.2 عدد محافظه‌کارانه‌تری می‌دهد: توان کلی این مدل را هم‌سطح GPT-5.2 (دسامبر ۲۰۲۵)‏، یعنی با حدود هفت ماه فاصله، ارزیابی کرده است. پیشتازان این عرصه عمدتاً آزمایشگاه‌های چینی‌اند. Kimi K3 از Moonshot با ۲٫۸ تریلیون پارامتر و پنجره متن یک میلیون توکن، خانواده Qwen3.8 از Alibaba‏، GLM-5.3 از Z.ai و DeepSeek V4.1-Flash که ۱۰ سپتامبر عرضه شد. DeepSeek می‌گوید معماری جدید این مدل حافظه لازم برای KV cache را به یک‌چهارم کاهش داده است. این نوع نوآوری مستقیماً هزینه اجرای محلی را پایین می‌آورد.

جهت حرکت Meta هم معنادار است. اولین مدل پرچم‌دار Meta Superintelligence Labs با نام Muse Spark در آوریل به‌صورت اختصاصی و بسته عرضه شد و از سنت Llama فاصله گرفت. Meta در اوت مدل کوچک‌تر و بازِ Muse Glimmer با ۳۰ میلیارد پارامتر را منتشر کرد که به گزارش SiliconANGLE اولین مدل باز این شرکت پس از بیش از یک سال بود. در کنار آن، خانواده Gemma 4 از Google نشان می‌دهد که مدل‌های کوچک برای اجرا روی لپ‌تاپ و دستگاه‌های لبه هم به‌طور جدی دنبال می‌شوند.

برای سازمان‌هایی که داده حساس دارند، یا در شرایطی کار می‌کنند که دسترسی به سرویس‌های ابری خارجی محدود یا پرریسک است، این وضعیت یک گزینه راهبردی واقعی ایجاد کرده است. بخش بزرگی از کاربردهای سازمانی، مثل استخراج اطلاعات از اسناد، دسته‌بندی، خلاصه‌سازی، پاسخ‌گویی روی دانش داخلی و عامل‌های ساده عملیاتی، به توان مدلی که چهار تا هفت ماه از مرز عقب است به‌خوبی پاسخ می‌دهد. با این حال «باز» به معنای «رایگان و بی‌دردسر» نیست. مجوز برخی از این مدل‌ها برای استفاده تجاری شرط‌های اختصاصی دارد، هزینه زیرساخت و نگهداری با سازمان است، و به تصریح NIST‏، سازوکارهای حفاظتی مدل‌های باز در نسخه‌های self-hosted قابل دور زدن‌اند. پس مسئولیت امنیت و استفاده درست کاملاً به خود سازمان منتقل می‌شود.

تصویر، ویدیو، صدا و ربات: ادغام در مدل‌های عمومی و فاصله نمایش تا استقرار

در حوزه تولید محتوا، یک نشانه از کل روند بازار حکایت می‌کند. OpenAI طبق صفحه رسمی deprecations در ۲۴ مارس به توسعه‌دهندگان اعلام کرد مدل‌های Sora 2 و Videos API در ۲۴ سپتامبر ۲۰۲۶ از API حذف می‌شوند، بدون جایگزین پیشنهادی. در همان دوره Google در I/O مدل Gemini Omni را معرفی کرد؛ مدلی که به تعبیر خود Google «از هر ورودی هر چیزی می‌سازد و از ویدیو شروع می‌کند» و همه خروجی‌هایش واترمارک نامرئی SynthID دارند. محصولات مستقل تولید ویدیو زیر فشار هزینه و رقابت هستند و تولید تصویر و ویدیو به قابلیتی درون مدل‌های چندوجهی (Multimodal) عمومی تبدیل می‌شود. برای تیم‌های بازاریابی این یعنی کاهش هزینه تولید محتوا، و هم‌زمان نیاز به فرایند روشن برای برچسب‌گذاری و راستی‌آزمایی منشأ محتوا.

Voice AI شاید آماده‌ترین حوزه برای استقرار گسترده باشد. OpenAI در ۷ مه مدل GPT-Realtime-2 را با «استدلال در سطح GPT-5»‏، امکان فراخوانی ابزار و مدل ترجمه هم‌زمان از بیش از ۷۰ زبان ورودی عرضه کرد. Google هم مدل Gemini 3.1 Flash Live را به‌عنوان مدل صوتی بومی برای Gemini Live و راهکارهای مرکز تماس معرفی کرده است. تفاوت این نسل با دستیارهای صوتی قدیمی این است که صدا دیگر فقط رابط ورودی و خروجی نیست. عامل صوتی می‌تواند وسط مکالمه استدلال کند، در سیستم‌ها جست‌وجو کند و اقدام انجام دهد. مرکز تماس و خدمات مشتری احتمالاً اولین جایی خواهد بود که اثر اقتصادی این تحول در آن اندازه‌پذیر می‌شود.

در Robotics‏، فاصله میان نمایش و استقرار هنوز زیاد است، هرچند در حال کم شدن است. Boston Dynamics در ژانویه نسخه تولیدی ربات Atlas را معرفی کرد و اعلام کرد تمام ظرفیت استقرار ۲۰۲۶ برای Hyundai و Google DeepMind رزرو شده است. Google DeepMind در ۳۰ ژوئیه مدل‌های Gemini Robotics 2 را برای کنترل کل بدن ربات‌های انسان‌نما منتشر کرد. نرخ موفقیت گزارش‌شده خود شرکت در کارهای عمومی دست‌کاری اشیا بین حدود ۴۶ و ۷۶ درصد است و مدل‌های کنترل ربات فقط در اختیار شرکای آزمایشی قرار گرفته‌اند. خلاصه اینکه Physical AI در ۲۰۲۶ وارد مرحله پایلوت‌های صنعتی جدی شده، اما هنوز فناوری‌ای نیست که بیشتر کسب‌وکارها در افق یک‌ساله برای آن بودجه عملیاتی تعریف کنند.

زیرساخت و انرژی: محدودیت واقعی دیگر فقط تراشه نیست

پشت همه این تحولات، رقابتی بی‌سابقه در زیرساخت جریان دارد. آژانس بین‌المللی انرژی (IEA) در آوریل ۲۰۲۶ گزارش داد مصرف برق مراکز داده در ۲۰۲۵ حدود ۱۷ درصد رشد کرده و تا ۲۰۳۰ دو برابر خواهد شد، و مصرف مراکز داده مخصوص هوش مصنوعی احتمالاً سه برابر می‌شود. به گفته همین گزارش، سرمایه‌گذاری پنج شرکت بزرگ فناوری در ۲۰۲۵ از ۴۰۰ میلیارد دلار گذشت و در ۲۰۲۶ حدود ۷۵ درصد دیگر افزایش می‌یابد. گلوگاه‌ها هم فقط تراشه نیستند: توربین گازی، ترانسفورماتور، اتصال به شبکه برق و مجوزها. Epoch AI محاسبه کرده که از میانه ۲۰۲۴ رکورد ظرفیت برق بزرگ‌ترین مرکز داده هوش مصنوعی هر ده ماه دو برابر شده و اکنون در اختیار Colossus 2 متعلق به xAI با حدود ۹۵۰ مگاوات است.

تناقض مهم این بخش برای مدیران مالی این است که قیمت هر واحد هوش در حال کاهش است، اما کل هزینه هوش مصنوعی سازمان‌ها افزایش می‌یابد. NVIDIA برای پلتفرم Vera Rubin ادعای هزینه هر توکن تا یک‌دهم نسل قبل را دارد و قیمت مدل‌های سطح میانی به‌سرعت افت کرده است. اما عامل‌هایی که ساعت‌ها کار می‌کنند، با سطح تلاش بالا فکر می‌کنند و ده‌ها فراخوانی ابزار انجام می‌دهند، توکن بسیار بیشتری مصرف می‌کنند. همان الگوی قدیمی اقتصادی تکرار شده است: ارزان‌تر شدن یک منبع، مصرف کل آن را بالا می‌برد. مدیریت هزینه هوش مصنوعی (AI FinOps) در حال تبدیل شدن به بخشی از وظایف عادی تیم‌های داده و مالی است.

این تحولات برای کسب‌وکارها چه معنایی دارد؟

اولین و مهم‌ترین نتیجه این است که شکاف اصلی دیگر شکاف فناوری نیست، شکاف اجراست. گزارش استنفورد می‌گوید ۸۸ درصد سازمان‌ها از هوش مصنوعی استفاده می‌کنند، اما پیمایش Menlo Ventures در پایان ۲۰۲۵ نشان داد فقط ۱۶ درصد استقرارهای سازمانی واقعاً «عامل» به معنای دقیق کلمه هستند. فاصله میان این دو عدد همان جایی است که ارزش اقتصادی ساخته یا از دست می‌رود. سازمان‌هایی که هوش مصنوعی را به شکل «ابزار چت برای کارکنان» پذیرفته‌اند، به‌تدریج از سازمان‌هایی عقب می‌مانند که فرایندهایشان را از نو طراحی می‌کنند: چه کاری را عامل انجام می‌دهد، کجا انسان تأیید می‌کند، خروجی چگونه راستی‌آزمایی می‌شود و موفقیت با کدام شاخص کسب‌وکاری، نه شاخص استفاده، سنجیده می‌شود.

نتیجه دوم این است که انتخاب مدل از یک تصمیم یک‌باره به یک سبد مدیریت‌شده تبدیل شده است. با تغییر رهبری بازار در عرض چند هفته، تغییر قیمت‌ها و احتمال محدود شدن دسترسی، معماری درست معماری‌ای است که مدل‌ها را قابل جایگزینی نگه دارد. یعنی لایه‌ای برای مسیریابی میان چند مدل، ارزیابی داخلی مستمر روی داده‌های خود سازمان، و مسیر جایگزین، از جمله یک مدل باز قابل اجرا در زیرساخت خودی، برای فرایندهای حیاتی. ارزیابی (evaluation) از یک فعالیت پژوهشی به یک توانمندی عملیاتی تبدیل شده و به نظر من یکی از کم‌هزینه‌ترین سرمایه‌گذاری‌ها با بیشترین بازده در این دوره است.

نتیجه سوم به نقش متخصصان داده برمی‌گردد. وقتی MCP و پلتفرم‌های عامل هزینه اتصال را پایین می‌آورند، ارزش کار تیم داده به لایه‌هایی منتقل می‌شود که مدل‌ها نمی‌توانند خودشان بسازند: مدل معنایی یکپارچه از داده‌ها، کیفیت و تازگی داده، سطوح دسترسی، ثبت رویدادها، و طراحی آزمون‌هایی که نشان دهد یک عامل درست کار می‌کند. به بیان دیگر، مهندسی داده و Decision Intelligence نه‌تنها با آمدن عامل‌ها کم‌اهمیت نمی‌شوند، بلکه به زیرساخت اعتماد به آن‌ها تبدیل می‌شوند. متخصص داده‌ای که بتواند «زمینه» درست را برای عامل‌ها فراهم کند و خروجی آن‌ها را اندازه بگیرد، در دو سال آینده جزو کمیاب‌ترین نیروهای بازار خواهد بود.

نتیجه چهارم حاکمیت است. با عامل‌ها باید مثل کارکنان جدیدی رفتار کرد که هنوز اعتمادشان را ثابت نکرده‌اند: هویت مشخص، حداقل دسترسی لازم، سقف هزینه، ثبت کامل اقدامات و تأیید انسانی برای کارهای برگشت‌ناپذیر مانند پرداخت، ارسال بیرونی یا تغییر داده‌های اصلی. شرکت‌های سازنده خودشان تصریح می‌کنند که Prompt Injection به‌طور کامل حل نشده است. پس طراحی امن مسئولیتی است که نمی‌توان آن را به ارائه‌دهنده مدل سپرد.

۱۲ تا ۲۴ ماه آینده: چه چیزهایی ارزش دنبال کردن دارند

قابلیت اتکای عامل‌ها در کارهای طولانی و واقعی. معیار مهم دیگر امتیاز SWE-bench نیست. باید دید نتایج در آزمون‌های جدیدتری مثل OSWorld 2.0‏، ARC-AGI-3 و مجموعه آزمون‌های بعدی METR چگونه تغییر می‌کند، و مهم‌تر از آن، آیا سهم عامل‌ها در فرایندهای اصلی سازمان‌ها از رقم‌های تک‌رقمی و آزمایشی فراتر می‌رود یا نه. اگر نرخ شکست در کارهای چندمرحله‌ای به‌طور معنادار پایین بیاید، خودکارسازی فرایندهای پشتیبان مانند مالی، تدارکات و منابع انسانی با سرعتی بسیار بیشتر از امروز پیش خواهد رفت.

بلوغ لایه مدیریت و اتصال عامل‌ها. رقابت Microsoft‏، Google‏، AWS‏، Salesforce‏، OpenAI و Anthropic بر سر «صفحه کنترل» عامل‌ها احتمالاً تعیین می‌کند داده و فرایندهای سازمان در کدام اکوسیستم قفل می‌شوند. پیشنهاد من این است که سازمان‌ها روی استانداردهای باز مثل MCP و A2A بسازند و وابستگی به لایه‌های اختصاصی را آگاهانه محدود کنند. پروتکل‌های پرداخت عامل‌ها هم ارزش پیگیری دارند، چون اگر یکی از آن‌ها غالب شود، «مشتری» فروشگاه‌های آنلاین می‌تواند یک عامل نرم‌افزاری باشد و این موضوع منطق بازاریابی و طراحی کانال فروش را تغییر می‌دهد.

رژیم دسترسی به مدل‌های مرزی. تجربه Glasswing‏، تعلیق ۱۸روزه Fable 5 و رتبه Critical مدل Astra نشان می‌دهد لایه‌بندی دسترسی بر اساس ریسک، برنامه‌های احراز هویت و کنترل صادرات احتمالاً دائمی می‌شوند. سازمان‌ها باید در برنامه‌ریزی ریسک خود سناریوی «در دسترس نبودن مدل اصلی» را، مثل قطعی یک سرویس ابری، جدی بگیرند.

فاصله مدل‌های باز و هزینه اجرای محلی. اگر فاصله چهار تا هفت ماهه مدل‌های باز حفظ شود و نوآوری‌هایی مثل کاهش حافظه KV cache ادامه پیدا کند، اجرای مدل‌های توانمند در زیرساخت خودی برای سازمان‌های متوسط هم اقتصادی می‌شود. این روند را باید هم از زاویه هزینه دنبال کرد و هم از زاویه حاکمیت داده و تداوم دسترسی.

عامل‌های صوتی و محتوای چندوجهی در تماس با مشتری. مرکز تماس، فروش تلفنی و پشتیبانی احتمالاً نخستین حوزه‌هایی هستند که اثر مالی Voice AI در آن‌ها به‌وضوح دیده می‌شود. هم‌زمان الزامات برچسب‌گذاری و منشأ محتوا، که در اروپا اجرایی شده، به استاندارد جهانی پلتفرم‌ها تبدیل خواهد شد و تیم‌های بازاریابی باید فرایندهای خود را با آن هماهنگ کنند.

قیمت و ظرفیت محاسبات. سرعت راه‌اندازی نسل جدید تراشه‌ها و مراکز داده، و محدودیت‌های برق و مجوز، مستقیماً روی قیمت و در دسترس بودن سرویس‌ها اثر می‌گذارد. بودجه‌ریزی هوش مصنوعی باید بر اساس سناریو انجام شود، نه بر اساس فرض کاهش خطی قیمت‌ها.

اگر بخواهم همه این‌ها را در یک جمله خلاصه کنم: در ۲۰۲۶ پرسش درست دیگر این نیست که «کدام مدل بهتر است»‏، بلکه این است که «کدام کار را با چه میزان اعتماد، با چه داده‌ای و تحت چه کنترلی می‌توان به یک سیستم هوشمند سپرد». سازمان‌هایی که پاسخ این پرسش را با داده و آزمایش پیدا کنند، از موج بعدی سود می‌برند. بقیه احتمالاً فقط هزینه آن را می‌پردازند.

---

منابع اصلی

1. Anthropic — Claude Fable 5.1 and Claude Mythos 5.1 (سپتامبر ۲۰۲۶)
2. Anthropic — Claude Opus 5 (۲۴ ژوئیه ۲۰۲۶)
3. Anthropic — Project Glasswing (۷ آوریل ۲۰۲۶)
4. Anthropic — Redeploying Claude Fable 5 (ژوئیه ۲۰۲۶)
5. Anthropic — Series G (فوریه ۲۰۲۶)
6. Anthropic — Series H (۲۸ مه ۲۰۲۶)
7. XLANG Lab — OSWorld 2.0 (ژوئن ۲۰۲۶)
8. Claude Docs — Effort
9. OpenAI — GPT-6 Astra System Card (۳ سپتامبر ۲۰۲۶)
10. OpenAI — API Pricing
11. OpenAI — API Deprecations (Sora 2 / Videos API)
12. OpenAI Developer Community — New realtime voice models in the API (۷ مه ۲۰۲۶)
13. Google — Gemini 3.5 (۱۹ مه ۲۰۲۶)
14. Google — Gemini 3.8 Flash and 3.8 Flash Cyber (۲ سپتامبر ۲۰۲۶)
15. Google — Gemini Omni (مه ۲۰۲۶)
16. Google — Next-generation Gemini Deep Research (آوریل ۲۰۲۶)
17. Google DeepMind — Gemini Robotics 2 (۳۰ ژوئیه ۲۰۲۶)
18. Google — Gemini 3.1 Flash Live (۲۶ مارس ۲۰۲۶)
19. Hugging Face — Welcome Gemma 4 (۲ آوریل ۲۰۲۶)
20. Moonshot AI — Kimi K3 Model Card
21. DeepSeek — DeepSeek-V4.1-Flash Release (۱۰ سپتامبر ۲۰۲۶)
22. Hugging Face — Agent intrusion: technical timeline (۲۷ ژوئیه ۲۰۲۶)
23. Model Context Protocol — 2026-07-28 Specification Release
24. Linux Foundation — Formation of the Agentic AI Foundation (دسامبر ۲۰۲۵)
25. Linux Foundation — AAIF welcomes 57 new members (اوت ۲۰۲۶)
26. Linux Foundation — A2A Protocol surpasses 150 organizations (آوریل ۲۰۲۶)
27. Microsoft — Agent 365 now generally available (۱ مه ۲۰۲۶)
28. Anthropic — Claude Managed Agents (آوریل ۲۰۲۶)
29. Google Cloud — Next 2026 (آوریل ۲۰۲۶)
30. Salesforce — Q2 Fiscal 2027 Results (۲۶ اوت ۲۰۲۶)
31. JetBrains Research — AI Coding Agent Adoption 2026 (اوت ۲۰۲۶)
32. METR — Time Horizons
33. METR — Frontier Risk Report (۱۹ مه ۲۰۲۶)
34. METR — Developer productivity uplift update (۲۴ فوریه ۲۰۲۶)
35. ARC Prize — ARC-AGI-3 Launch (۲۵ مارس ۲۰۲۶)
36. Stanford HAI — AI Index Report 2026
37. Menlo Ventures — The State of Generative AI in the Enterprise (دسامبر ۲۰۲۵)
38. Epoch AI — Open vs. closed model capability gap (۲۹ مه ۲۰۲۶)
39. NIST CAISI — Assessment of Z.ai's GLM-5.2 (۱۷ ژوئیه ۲۰۲۶)
40. TechCrunch — Meta debuts the Muse Spark model (۸ آوریل ۲۰۲۶)
41. SiliconANGLE — Meta releases Muse Glimmer (۱۰ اوت ۲۰۲۶)
42. Artificial Analysis — Intelligence Index
43. Boston Dynamics — New Atlas (۵ ژانویه ۲۰۲۶)
44. IEA — Data centre electricity use surged in 2025 (۱۶ آوریل ۲۰۲۶)
45. Epoch AI — Frontier data center power (۴ سپتامبر ۲۰۲۶)
46. NVIDIA — Vera Rubin Platform (۱۶ مارس ۲۰۲۶)
47. European Commission — Code of Practice on marking and labelling AI-generated content (۱۰ ژوئن ۲۰۲۶)
48. Gibson Dunn — EU AI Act Omnibus: postponed high-risk deadlines