۵ نشتی مالی بزرگ هوش مصنوعی که بی‌صدا بودجه استارتاپ‌ها را می‌بلعند

اوایل سال جاری میلادی، مهندسان اوبر (Uber) در یک جدول رتبه‌بندی داخلی رقابت می‌کردند که بر اساس تعداد توکن‌های مصرفی هوش مصنوعی تنظیم شده بود. نتیجه این شد که تا ماه آوریل، اوبر تمام بودجه اختصاص‌یافته برای هوش مصنوعی در سال ۲۰۲۶ را به پایان رساند.

بیشتر کسب‌وکارهای کوچک شاید هرگز به اندازه اوبر هزینه نکنند، اما بسیاری از آن‌ها با غافلگیری‌های مشابهی در مقیاس‌های کوچک‌تر روبه‌رو می‌شوند. بر اساس گزارش نبض هوش مصنوعی کسب‌وکارهای کوچک در سه‌ماهه سوم ۲۰۲۶ از شرکت Pax8، حدود ۴۹ درصد از خریداران هوش مصنوعی در کسب‌وکارهای کوچک قبضی بسیار سنگین‌تر از انتظارشان دریافت کرده‌اند. مخارج این حوزه نیز با سرعتی سرسام‌آور بالا می‌رود؛ به‌طوری‌که طبق بررسی وضعیت هزینه‌های هوش مصنوعی شرکت CloudZero، میانگین هزینه ماهانه ابزارهای هوش مصنوعی از حدود ۶۳ هزار دلار در سال ۲۰۲۴ با جهشی ۳۶ درصدی به ۸۵ هزار و ۵۰۰ دلار در سال ۲۰۲۵ رسیده است.

اغلب مدیران تنها یک عدد را در نظر می‌گیرند: هزینه اشتراک ماهانه. اما هزینه واقعی در ۵ نقطه پنهان شده است که به‌ندرت در برآوردهای اولیه بودجه ثبت می‌شوند.

۱. اشتراک‌های تکراری و موازی

داده‌های پلتفرم Cledara نشان می‌دهد که هر شرکت به‌طور میانگین برای ۴٫۵ ابزار هوش مصنوعی اشتراک می‌پردازد و تعداد اشتراک‌های هوش مصنوعی بین سال‌های ۲۰۲۴ تا ۲۰۲۵ حدود ۸۴ درصد رشد داشته است. در واقع تقریباً از هر سه اشتراک نرم‌افزاری جدید، یکی متعلق به ابزارهای هوش مصنوعی است.

نشتی اصلی بودجه دقیقاً در هم‌پوشانی و تکرار این خدمات رخ می‌دهد. برای نمونه، یک تیم بازاریابی ۱۰ نفره ممکن است هم‌زمان از ChatGPT Plus برای پیش‌نویس‌ها، Notion AI برای یادداشت‌برداری، Jasper برای متن‌های تبلیغاتی و Otter.ai برای خلاصه‌سازی جلسات استفاده کند؛ یعنی چهار ابزار مجزا که همگی کارهای مشابهی مانند نگارش و خلاصه‌سازی انجام می‌دهند. طبق شاخص مدیریت SaaS سال ۲۰۲۶ شرکت Zylo که حاصل تحلیل بیش از ۴۰ میلیون لایسنس است، مخارج برنامه‌های مبتنی بر هوش مصنوعی طی یک سال ۱۰۸ درصد جهش داشته، درحالی‌که به‌طور میانگین ۳۶ درصد از لایسنس‌های نرم‌افزاری بدون استفاده رها شده‌اند.

ثبت‌نام در این سرویس‌ها فقط یک دقیقه زمان و یک کارت اعتباری نیاز دارد، اما هزینه ماهانه ۲۰ دلاری آن‌ها معمولاً هرگز از زیر ذره‌بین بخش مالی یا خرید شرکت رد نمی‌شود. در یک تیم ۱۵ نفره، این هزینه‌های خرد چنان روی هم انباشته می‌شوند که بدون تصمیم‌گیری رسمی مدیران، مبالغ هنگفتی به بودجه تحمیل می‌کنند.

۲. صورت‌حساب‌های مبتنی بر میزان مصرف (Pay-as-you-go)

دوران اشتراک‌های نامحدود یا قیمت‌های ثابت در حال پایان است. تحلیل‌های شرکت Alvarez & Marsal این دگرگونی را به‌روشنی رصد کرده است: آنتروپیک در نوامبر ۲۰۲۵ مدل قیمت‌گذاری مشتریان سازمانی خود را به هزینه ثابت به ازای هر کاربر به‌علاوه محاسبه دقیق مصرف (metered usage) تغییر داد؛ اوپن‌ای‌آی در آوریل ۲۰۲۶ قیمت‌گذاری کادکس (Codex) را در نسخه سازمانی ChatGPT به ازای هر توکن تعیین کرد؛ و گیت‌هاب کوپایلوت نیز در ژوئن همان سال به مدل پرداخت بر اساس مصرف روی آورد. ورود ایجنت‌های هوش مصنوعی این ماجرا را به یک چالش مالی بسیار پرهزینه تبدیل کرده است؛ زیرا ایجنت‌ها برای اجرای هر وظیفه، بین ۳۰ تا ۶۰ برابر توکن بیشتری نسبت به یک چت معمولی مصرف می‌کنند.

سقف این مخارج می‌تواند بسیار سرسام‌آور باشد. بررسی‌های مؤسسه SemiAnalysis نشان می‌دهد که استفاده کامل از اشتراک ۲۰۰ دلاری کلود مکس (Claude Max)، با نرخ‌های API معادل حدود ۸ هزار دلار مصرف است و در اشتراک ChatGPT Pro این رقم به نزدیک ۱۴ هزار دلار می‌رسد.

دقیقاً به همین دلیل بود که شرکت اوبر کل بودجه سالانه خود را تنها ظرف چهار ماه سوزاند: مصرف بر اساس میزان کارکرد محاسبه می‌شد و هیچ سقف یا محدودیتی برای آن تعریف نشده بود. این تجربه برای سازمان‌ها در هر اندازه‌ای یک درس عبرت جدی است: پیش از آنکه شمارشگر مصرف فعال شود، حتماً یک سقف ماهانه غیرقابل‌عبور و هشدارهای چندمرحله‌ای برای میزان مصرف تنظیم کنید.

۳. هوش مصنوعی در سایه (Shadow AI)

طبق گزارش هزینه نقض داده در سال ۲۰۲۶ از شرکت IBM، ابزارهای ناشناخته و تاییدنشده هوش مصنوعی یا همان هوش مصنوعی در سایه (Shadow AI) در ۴۳ درصد از موارد نشت اطلاعات نقش داشته‌اند؛ درحالی‌که این رقم در سال پیش از آن تنها ۲۰ درصد بود. میانگین خسارت این‌گونه رخنه‌های امنیتی به ۵٫۳۹ میلیون دلار رسید که بسیار بالاتر از میانگین جهانی ۴٫۹۹ میلیون دلاری است و از هر پنج مورد، یکی به جریمه‌های سنگین رگولاتوری منجر شد.

کسب‌وکارهای کوچک نیز از این خطر در امان نیستند. گزارش Pax8 نشان می‌دهد که ۳۵ درصد از کسب‌وکارهای کوچکی که از هوش مصنوعی استفاده می‌کنند، ظرف ۶ ماه ابزارها، جریان‌های کاری یا ایجنت‌های غیرمجازی را کشف کرده‌اند که بدون هماهنگی به کار گرفته شده بودند. در بیشتر موارد، نیت بدی در میان نیست؛ کارمندی برای رساندن یک گزارش به موعد تحویل، فایل اکسل حاوی اطلاعات مشتریان را در حساب شخصی ChatGPT بارگذاری می‌کند.

بااین‌حال، تنها ۴۰ درصد از این کسب‌وکارها شیوه‌نامه یا دستورالعمل مکتوبی برای استفاده از هوش مصنوعی دارند. بدون وجود فهرستی از ابزارهای تاییدشده و قوانین شفاف درباره اینکه کدام داده‌ها اجازه ورود به چه سیستم‌هایی را دارند، تشخیص یک میانبر کاری ساده از یک نقض بزرگ امنیتی و قانونی عملاً غیرممکن خواهد بود.

۴. پروژه‌های آزمایشی متوقف‌شده‌ای که هنوز هزینه می‌تراشند

مؤسسه گارتنر در گزارش خود اعلام کرد که تا پایان سال ۲۰۲۵، دست‌کم ۵۰ درصد از پروژه‌های هوش مصنوعی مولد پس از مرحله اثبات مفهوم (PoC) به دلیل کیفیت پایین داده‌ها، ضعف در کنترل ریسک، هزینه‌های فزاینده و ارزش تجاری نامشخص متوقف شده‌اند. همچنین مؤسسه S&P Global Market Intelligence دریافت که در سال ۲۰۲۵ حدود ۴۲ درصد از شرکت‌ها اکثر پروژه‌های هوش مصنوعی خود را نیمه‌کاره رها کرده‌اند؛ رقمی که نسبت به ۱۷ درصد سال قبل رشدی چشمگیر داشته است.

یک پروژه پایلوت متوقف‌شده همچنان پول می‌بلعد؛ لایسنس‌های نرم‌افزاری همچنان تمدید و کسر می‌شوند، فرآیند دستی که قرار بود جایگزین شود همچنان ادامه دارد و نیروی انسانی نیز باید برای نگهداری زیرساخت آن وقت بگذارد.

ریشه اصلی شکست این طرح‌ها معمولاً خود مدل‌ها نیستند، بلکه داده‌ها هستند. بر اساس نظرسنجی مؤسسه Dun & Bradstreet از ۱۰ هزار کسب‌وکار، ۹۷ درصد آن‌ها پروژه‌های فعال هوش مصنوعی دارند، اما تنها ۵ درصد می‌گویند که داده‌هایشان کاملاً آماده است. این در حالی است که هزینه‌های آماده‌سازی داده‌ها به‌ندرت در بودجه‌بندی اولیه پروژه‌ها دیده می‌شود.

۵. زمان تلف‌شده برای بازبینی و یکپارچه‌سازی

پیش‌نویسی که در ۳۰ ثانیه توسط هوش مصنوعی تولید می‌شود، در ۳۰ ثانیه نهایی نمی‌شود. بررسی‌های Pax8 نشان می‌دهد که ۵۵ درصد از مدیران تصمیم‌گیرنده دست‌کم سه ساعت در هفته را صرف بازبینی، ویرایش یا راستی‌آزمایی خروجی‌های هوش مصنوعی می‌کنند؛ رقمی که در ایالات متحده به ۶۸ درصد می‌رسد. با در نظر گرفتن دستمزد ساعتی ۵۰ دلار، اختصاص سه ساعت در هفته توسط یک تیم مدیریتی پنج نفره، هزینه‌ای معادل ۷۵۰ دلار در هفته ایجاد می‌کند؛ هزینه‌ای پنهان که در هیچ فاکتوری ثبت نمی‌شود.

یکپارچه‌سازی سیستم‌ها نیز بار مالی مضاعفی دارد. هر ابزار جزیره‌ای و ناهماهنگ، ورود به سیستم و گردش داده مختص به خود را دارد و اغلب نیازمند نیروی انسانی است که خروجی یک سیستم را به‌صورت دستی کپی کرده و به سامانه دیگری منتقل کند.

حسابرسی ۳۰ دقیقه‌ای برای شناسایی هزینه‌های پنهان

تنها با اختصاص نیم ساعت زمان و بررسی گردش حساب سه ماه گذشته شرکت، می‌توان بخش عمده این هزینه‌های مخفی را شناسایی کرد.

۱. بررسی اشتراک‌ها

تمام تراکنش‌های دوره‌ای که در آن‌ها نام‌هایی مانند AI، GPT، Claude، Copilot یا هر ابزار شناخته‌شده دیگری به چشم می‌خورد را علامت بزنید. اگر مسئولی که این اشتراک برای او خریداری شده نتواند در یک جمله توضیح دهد که این ابزار چه ارزش افزوده‌ای تولید می‌کند، لغو اشتراک آن را بی‌درنگ در دستور کار قرار دهید.

۲. بررسی میزان مصرف واقعی

صورت‌حساب‌های سه ماه گذشته هر ارائه‌دهنده سرویس هوش مصنوعی را با قیمت پایه اشتراک آن مقایسه کنید. به ازای هر هزینه مصرفی اضافی، دقیقاً مشخص کنید کدام تیم آن را ایجاد کرده و چه خروجی ملموسی به دست آمده است.

۳. مهار هوش مصنوعی در سایه

از مدیران هر بخش بخواهید فهرستی از تمام ابزارهای مورد استفاده اعضای تیم خود تهیه کنند؛ سپس آن فهرست را با فاکتورهای رسمی مطابقت دهید. هر ابزاری که در فهرست وجود دارد اما در فاکتورها نیست، بیانگر میزان نفوذ ابزارهای کنترل‌نشده و ریسک سازمان شماست.

۴. برآورد زمان یکپارچه‌سازی

ساعت‌هایی را که کارکنان در طول هفته صرف انتقال دستی خروجی‌های هوش مصنوعی به سیستم‌های اصلی شرکت می‌کنند تخمین بزنید. یک نیروی اداری که چهار ساعت در هفته را صرف این کار تکراری کند، با احتساب دستمزد ساعتی ۵۰ دلار، سالانه حدود ۱۰ هزار دلار برای شرکت هزینه می‌تراشد.

۵. بازکاری و ویرایش مکرر

به مدت دو هفته ارزیابی کنید که خروجی‌های هوش مصنوعی چند بار به ویرایش دوباره توسط انسان نیاز پیدا می‌کنند. اگر ویرایش یک متن یا خروجی مدام بیشتر از زمان تولید اولیه‌اش طول می‌کشد، آن ابزار به‌جای افزایش بهره‌وری، کار اضافی تراشیده است.

ابزارهایی را نگه دارید که ارزش خود را اثبات کرده‌اند

هیچ‌یک از این هشدارها به معنای توقف استفاده از هوش مصنوعی نیست. یک دستیار هوش مصنوعی ۲۰۰ دلاری در ماه که بتواند هر هفته ۱۰ ساعت در وقت یک توسعه‌دهنده صرفه‌جویی کند، با فرض دستمزد ۵۰ دلار در ساعت، سالانه ارزشی معادل ۲۵ هزار دلار خلق می‌کند. نظرسنجی سال ۲۰۲۵ مؤسسه Thryv از کسب‌وکارهای کوچک نشان می‌دهد که ۵۸ درصد از کاربران هوش مصنوعی ماهانه بیش از ۲۰ ساعت در زمان خود صرفه‌جویی می‌کنند و ۶۶ درصد آن‌ها ماهانه بین ۵۰۰ تا ۲ هزار دلار صرفه‌جویی مالی دارند.

تفاوت اصلی در ارزیابی و سنجش دقیق نهفته است. پیاده‌سازی را با یک ابزار مشخص در یک بخش آغاز کنید، خروجی آن را به مدت ۹۰ روز رصد نمایید و سپس تصمیم به گسترش آن بگیرید. برای هر ابزار یک مسئول مشخص تعیین کنید، فرایند حسابرسی را هر فصل یک‌بار اجرا نمایید و حتماً پیش از آغاز دوره صدور صورت‌حساب بعدی، هشدارهای سقف مصرف را فعال کنید. اگر ابزاری سه ماه متوالی در شرکت فعال بوده و هیچ‌کس نمی‌تواند بگوید چه دستاورد ملموسی داشته است، دیگر یک سرمایه‌گذاری به شمار نمی‌آید، بلکه تنها یک هزینه ثابت تحمیلی است.