در سه سال گذشته، سرمایهگذاری در زیرساختهای هوش مصنوعی از کل بودجهای که طی چهار دهه برای ساخت سیستم بزرگراههای بینایالتی ایالات متحده هزینه شد، پیشی گرفته است. با این حال، تحقیقات جدید نشان میدهد که بسیاری از شرکتها و مدیران ارشد، اثربخشی این فناوری نوظهور را با معیارهای نادرستی میسنجند. بر اساس مطالعه مشترک آژانس «اپسیلون» (Epsilon) و مؤسسه تحقیقاتی «فارستر» (Forrester)، اکثر کسبوکارها هوش مصنوعی را برای بهبود بهرهوری داخلی و سرعت بخشیدن به فرآیندها به کار میگیرند، اما در نهایت عملکرد آن را بر اساس میزان درآمدزایی ارزیابی میکنند؛ تناقضی آشکار که نشاندهنده نبود استراتژی مشخص در مواجهه با این تحول فناورانه است.
شکاف عمیق میان کاربرد واقعی و معیارهای سنجش
یافتههای گزارش شاخص سال ۲۰۲۶ اپسیلون که با همکاری شرکت «فولد» (Fuld Inc.) و از طریق نظرسنجی از ۲۵۷ تصمیمگیرنده حوزه بازاریابی تهیه شده، نشان میدهد که ۷۱ درصد از پاسخدهندگان، کاربرد اصلی هوش مصنوعی را بهبود بهرهوری و کارایی (انجام سریعتر وظایف جاری) میدانند. در مقابل، تنها ۹ درصد از آنها اعلام کردهاند که از این فناوری برای خلق مستقیم درآمد استفاده میکنند. با این حال، هنگامی که از همین مدیران درباره نحوه سنجش عملکرد هوش مصنوعی سوال شد، ۴۶ درصد از آنها به شاخص درآمد اشاره کردند. این ناهماهنگی مانند آن است که یک ماشین ظرفشویی خریداری شود و سپس میزان موفقیت آن بر اساس کاهش مالیات بر دارایی سنجش شود. این عدم انطباق، واقعیت امروز هوش مصنوعی در دنیای تجارت است و به همین دلیل، تحولات ناشی از آن بیش از بخشهای مالی یا عملیاتی، در حوزه بازاریابی خود را نشان میدهد.
تغییر بازی در بازاریابی دیجیتال و ظهور GEO
در دهههای اخیر، بازاریابی دیجیتال بر پایه مکانیسم سادهای استوار بود: خرید توجه، آگاهی، علاقه و اقدام مشتری از طریق ابزارهای پولی در انتهای قیف فروش. اما موتورهای پاسخدهی هوش مصنوعی این ساختار را دگرگون کردهاند. دیگر نمیتوان مانند گذشته جایگاه خود را در نتایج جستجو خریداری کرد؛ بلکه باید اعتبار و ارزش برند را به گونهای اثبات کرد که سیستمهای هوش مصنوعی آن را شایسته ارجاع دادن بدانند. بازاریابان این تغییر را احساس کردهاند؛ به طوری که اکنون «بهینهسازی برای موتورهای پاسخدهی هوش مصنوعی» (GEO) با نرخ پذیرش ۵۴ درصدی، به پرکاربردترین ابزار هوش مصنوعی در بازاریابی تبدیل شده و حتی از هوش مصنوعی مکالمهای و تحلیل دادهها نیز پیشی گرفته است. این در حالی است که ابزارهای تولید محتوا که سال گذشته در رتبه دوم قرار داشتند، امسال حتی در میان ۱۰ ابزار برتر نیز دیده نمیشوند.
آمارهای کلیدی دیگر نیز این روند را تایید میکنند. مؤسسه گارتنر (Gartner) پیشبینی کرده است که ترافیک جستجوی سنتی تا سال ۲۰۲۶ به دلیل پاسخدهی مستقیم هوش مصنوعی به پرسشهای کاربران، ۲۵ درصد کاهش خواهد یافت. از سوی دیگر، دادههای ادوبی (Adobe) نشان میدهد ترافیک ارجاعی هوش مصنوعی به سایتهای خردهفروشی ایالات متحده در فصل تعطیلات سال ۲۰۲۵ رشد خیرهکننده ۶۹۳ درصدی را نسبت به سال قبل تجربه کرده و نرخ تبدیل آن نیز ۳۱ درصد بهتر از ترافیک غیر هوش مصنوعی بوده است. با این حال، تحقیقات فارستر نشان میدهد شرکتهایی با پذیرش بالای هوش مصنوعی، اگرچه بهبود بهرهوری چشمگیری داشتهاند، اما کاهش هزینههای آنها کمتر از ۱۰ درصد و رشد درآمدشان زیر ۵ درصد بوده است. این آمارها ثابت میکند که استفاده از هوش مصنوعی و درآمدهای حاصل از آن، هنوز از قدرت تجربه مشتری (Customer Experience) فاصله دارد. به عنوان نمونه، اد باستیان (Ed Bastian)، مدیرعامل خطوط هوایی دلتا (Delta)، اعلام کرده است که هوش مصنوعی میتواند حاشیه سود عملیاتی این شرکت را از ۱۰ درصد به ۱۵ درصد برساند و سودآوری کلی را در طول زمان تا ۵۰ درصد افزایش دهد؛ اما او این تحول را مستقیماً در خدمت بهبود تجربه مشتریان میداند.
شکاف ادراکی میان مدیران ارشد و بدنه اجرایی
یکی از چالشهای اساسی در مسیر توسعه هوش مصنوعی، تفاوت دیدگاه عمیق میان مدیران ارشد و نیروهای اجرایی است. بر اساس دادههای اپسیلون، ۶۷ درصد از مدیران ارشد بازاریابی (C-level) معتقدند سازمان آنها در زمینه بهکارگیری هوش مصنوعی به بلوغ کامل رسیده است، در حالی که تنها ۳۳ درصد از مدیران ارشد اجرایی که مستقیماً با این ابزارها کار میکنند، چنین نظری دارند. همچنین ۷۳ درصد از مدیران ارشد، ابزارهای هوش مصنوعی سازمان خود را «بسیار ارزشمند» توصیف میکنند، اما این رقم در میان نیروهای عملیاتی تنها ۲۵ درصد است. این شکاف نشان میدهد برنامههای آموزش سواد هوش مصنوعی که صرفاً بر رفع کمبود مهارتها تمرکز دارند، تفاوت دیدگاه مدیریتی را نادیده میگیرند.
استراتژی خرید در مقابل ساخت و تله یکسانسازی
بر اساس گزارش مؤسسه منلو ونچرز (Menlo Ventures)، در حال حاضر ۷۶ درصد از سناریوهای کاربردی هوش مصنوعی به صورت آماده خریداری میشوند و فرآیند توسعه داخلی ندارند. از آنجا که اکنون ۱۰۰ درصد بازاریابان از هوش مصنوعی استفاده میکنند، صرفِ استفاده از این فناوری دیگر مزیتی ایجاد نمیکند. استفاده از هوش مصنوعی برای تولید انبوه محتوای بازاریابی، نقطه مقابل تمایز است و برندها را به سمتی میبرد که به آن «فلات بیتفاوتی» (Plateau of Indifference) میگویند؛ جایی که خروجی محتوای یک شرکت هیچ تفاوتی با رقبای خود ندارد. بنابراین، هر تصمیم برای خرید، ساخت یا مشارکت در حوزه هوش مصنوعی باید با این پرسش سنجیده شود که آیا این اقدام برند را متمایزتر میکند یا صرفاً هزینههای شبیه شدن به دیگران را کاهش میدهد.