هزینه پیاده‌سازی هوش مصنوعی در ایران ۱۴۰۵: برآورد به تومان و برگه بودجه

«هزینه پیاده‌سازی هوش مصنوعی» در یک شرکت ایرانی یک عدد واحد ندارد، اما بازه واقعی آن را می‌شود به تومان و از روی قیمت‌های عمومی بازار ایران ساخت. تأمین‌کننده‌ای که پیش از دیدن گردش‌کار، داده و سامانه‌های شما یک عدد قطعی می‌دهد، حدس می‌زند؛ ولی حقوق مهندس، اجاره سرور و قیمت توکن در ایران عمومی و قابل استنادند. این راهنما برای مدیرعامل، مدیر مالی یا مدیر فناوری نوشته شده که باید ردیفی به نام هوش مصنوعی را در بودجه ۱۴۰۵ بگذارد و بعدها از آن دفاع کند. در ادامه یک جدول برآورد تومانی برای پنج گزینه رایج می‌بینید که هر عددش از ورودی‌های مستند و تاریخ‌دار ساخته شده، هشت قلم هزینه را می‌شناسید، برگه بودجه‌ای برای پر کردن با عددهای خودتان می‌گیرید و یاد می‌گیرید چگونه قضاوت کنید که پایلوت، بودجه مرحله بعد را به دست آورده است یا نه.

توصیه اصلی ساده است: بودجه یک برنامه را از عدد تیتر پیشنهاد فروشنده نبندید. یک پایلوت کوچک و اندازه‌گیری‌شده را تأمین مالی کنید و بگذارید هر مرحله بزرگ‌تر با همان چیزی توجیه شود که پایلوت اندازه گرفته است. در بازار ایران بزرگ‌ترین قلم این پایلوت معمولاً زمان آدم‌هاست، نه صورت‌حساب مدل.

افشای منفعت تجاری: ژرف، ناشر این راهنما، خدمات مشاوره و پیاده‌سازی هوش مصنوعی می‌فروشد و وقتی شرکت‌ها برای هوش مصنوعی هزینه می‌کنند، سود می‌برد. همه آزمون‌های این مطلب را درباره پیشنهاد ما هم با همان سخت‌گیری اعمال کنید. در این مطلب هیچ قیمتی از ژرف اعلام نمی‌شود و درباره بازده هیچ شرکت مشخصی ادعایی نمی‌کنیم.

چرا پاسخ صادقانه یک بازه است، نه یک قیمت

پیش‌بینی هزینه هوش مصنوعی از خرید یک مجوز نرم‌افزاری معمولی دشوارتر است، چون بخش‌های گران آن به چیزهایی وابسته‌اند که هنوز کسی اندازه نگرفته: داده شما چقدر تمیز است، خروجی باید به چند سامانه برسد، انسان چند بار باید نتیجه را اصلاح کند و مصرف پس از جلب اعتماد کاربران چقدر رشد می‌کند. گارتنر در مرداد ۱۴۰۳ (ژوئیه ۲۰۲۴) پیش‌بینی کرد دست‌کم ۳۰٪ پروژه‌های هوش مصنوعی مولد تا پایان ۲۰۲۵ پس از مرحله اثبات مفهوم کنار گذاشته می‌شوند و دلیل آن را کیفیت پایین داده، کنترل ناکافی ریسک، افزایش هزینه یا روشن‌نبودن ارزش کسب‌وکار دانست. در همان اطلاعیه، تحلیلگر گارتنر می‌گوید هزینه‌های این فناوری به اندازه فناوری‌های دیگر قابل پیش‌بینی نیست.

همان اطلاعیه بازه هزینه پنج شیوه استقرار هوش مصنوعی مولد را برای سازمان‌های بزرگ بیرون از ایران منتشر کرده است. عددهای دلاری آن به کار بودجه یک شرکت ایرانی نمی‌آیند و ما آن‌ها را اینجا نمی‌آوریم؛ اما نسبت میان ردیف‌ها قابل انتقال است. رفتن از ابزار آماده به بازیابی از اسناد خودتان (RAG) هزینه اولیه را تقریباً چهار تا ده برابر می‌کند و رفتن از بازیابی به تنظیم دقیق مدل، آن را باز هم حدود پنج تا نُه برابر می‌کند. هزینه جاری هر کاربر در ردیف تنظیم دقیق هم حدود پانزده تا چهل برابر ردیف ابزار آماده است؛ پس طرحی که با ده کاربر پایلوت ارزان به نظر می‌رسد، با هزار کاربر گران می‌شود. بیشتر پروژه‌های نخستی که در سازمان‌های ایرانی می‌بینیم، مانند استخراج داده از سند، جست‌وجوی دانش داخلی یا دستیار فارسی برای کارکنان، در ردیف‌های ۲ و ۳ جدول تومانی زیر جا می‌گیرند. تنظیم دقیق یا آموزش مدل به‌ندرت قدم درست اول است.

هزینه پیاده‌سازی هوش مصنوعی به تومان: جدول برآورد مهر ۱۴۰۵

جدول زیر برآوردی تاریخ‌دار برای یک شرکت کوچک یا متوسط ایرانی است که از قیمت‌های عمومی بازار ایران در ۳ مهر ۱۴۰۵ (۲۰۲۶-۰۹-۲۵) ساخته شده است. همه ارقام به میلیون تومان‌اند، با تورم و نرخ ارز جابه‌جا می‌شوند و جای پیش‌فاکتور واقعی را نمی‌گیرند. هر بازه از ورودی‌های فهرست‌شده زیر جدول به دست آمده و می‌توانید همان محاسبه را با عددهای خودتان تکرار کنید.

برآورد تاریخ‌دار، مهر ۱۴۰۵؛ ارقام به میلیون تومان

هزینه جاری این جدول زمان کارکنانی را که خروجی‌ها را بازبینی می‌کنند، مالیات بر ارزش افزوده و ذخیره احتیاطی را شامل نمی‌شود؛ این اقلام در برگه بودجه پایین همین صفحه جدا حساب می‌شوند. اگر ساخت را به شریک بیرونی بسپارید، قیمت او از هزینه نفر-ماه این جدول بالاتر خواهد بود، چون سربار، سود و ریسک را هم در بر می‌گیرد.

ورودی‌های برآورد

1. نیروی انسانی. گزارش حقوق و دستمزد جاب‌ویژن ۱۴۰۵ که در اردیبهشت ۱۴۰۵ بر پایه نظر بیش از ۱۰۰ هزار نفر منتشر شد، نیمه میانی حقوق خالص درخواستی ماهانه برای ۱۴۰۵ را چنین گزارش می‌کند: کارشناس علوم داده و هوش مصنوعی در تهران ۳۷ تا ۷۱ میلیون تومان (میانه ۵۰)، کارشناس ارشد همین گروه در کل کشور ۶۲ تا ۹۴ میلیون تومان (میانه ۷۳) و برنامه‌نویس پایتون سطح میانی در تهران ۴۵ تا ۷۸ میلیون تومان (میانه ۵۸). این‌ها حقوق خالص‌اند. ما برای رسیدن به هزینه تمام‌شده کارفرما (سهم بیمه کارفرما، مالیات، عیدی، سنوات و تجهیزات) آن‌ها را در ۱٫۴ ضرب کرده‌ایم؛ این ضریب فرض ماست، نه عدد منبع، و باید عدد واقعی حقوق و دستمزد خودتان را جایش بگذارید. نتیجه: هر نفر-ماه مهندس سطح میانی حدود ۵۰ تا ۱۰۰ میلیون تومان و هر نفر-ماه متخصص ارشد حدود ۹۰ تا ۱۳۰ میلیون تومان.
2. چت‌بات فارسی آماده. صفحه قیمت ایلاچت پلن ماهانه ۱٬۱۰۰٬۰۰۰ تومان برای ۱٬۰۰۰ پیام هوش مصنوعی تا ۷٬۷۰۰٬۰۰۰ تومان برای ۱۰٬۰۰۰ پیام نشان می‌داد و صفحه قیمت موچت پلن‌های ۲ تا ۱۰ میلیون تومان در ماه برای ۱٬۰۰۰ تا ۱۰٬۰۰۰ پیام. موچت صریحاً نوشته است که پیام‌ها با مدل 4o-mini از OpenAI پاسخ داده می‌شوند؛ یعنی دست‌کم در این نمونه، «خرید» هم به مدل خارجی وابسته است.
3. توکن روی رابط داخلی. جدول قیمت سرویس هوش مصنوعی آروان‌کلاد برای هر یک میلیون توکن این قیمت‌ها را به تومان نشان می‌داد: GPT-5 mini ورودی ۵۵٬۲۰۰ و خروجی ۴۴۱٬۶۰۰، GPT-5 ورودی ۲۷۶٬۰۰۰ و خروجی ۲٬۲۰۸٬۰۰۰، مدل باز GPT-OSS-120b ورودی ۲۲٬۰۸۰ و خروجی ۱۱۰٬۴۰۰ و مدل تعبیه BGE-M3 فقط ۲٬۲۰۸ تومان. آروان‌کلاد حق اشتراک ثابت نمی‌گیرد و به ازای مصرف حساب می‌کند؛ اگر درگاهی با حق اشتراک ماهانه انتخاب کنید، آن را هم اضافه کنید.
4. سرور معمولی برای برنامه و پایگاه داده. سرور ابری آروان‌کلاد با ۲ هسته و ۴ گیگابایت حافظه ماهانه ۱٬۹۷۲٬۸۰۰ تومان و با ۴ هسته و ۸ گیگابایت ماهانه ۴٬۱۶۱٬۶۰۰ تومان است.
5. سرور GPU داخل ایران. صفحه سرور GPU ایران‌سرور با محل استقرار شیراز یا تبریز این اجاره‌های ماهانه را نشان می‌داد: RTX 3090 با ۲۴ گیگابایت حافظه گرافیکی ۴۰٫۵ میلیون تومان، RTX 4090 با ۲۴ گیگابایت ۸۶ میلیون، RTX A6000 با ۴۸ گیگابایت ۱۱۷ میلیون و L40S با ۴۸ گیگابایت ۱۸۲ میلیون تومان. سرور هوش مصنوعی آروان‌کلاد یک A30 با ۲۴ گیگابایت را ماهانه ۲۷۳٫۸۹ میلیون تومان عرضه می‌کند و می‌گوید میزبانی در مرکز داده داخلی یا خارجی قابل انتخاب است.
6. نرخ ارز. الان‌چند نرخ فروش دلار در بازار آزاد را صبح جمعه ۳ مهر ۱۴۰۵ برابر ۲۳۴٬۷۰۰ تومان نشان می‌داد. این نرخ فقط برای تبدیل اقلام دلاری به تومان به کار رفته و در متن حدود ۲۳۵ هزار تومان گرد شده است.

همه قیمت‌های ورودی‌های ۲ تا ۶ در ۲۰۲۶-۰۹-۲۵ از صفحه عمومی هر ارائه‌دهنده خوانده شده‌اند. نام بردن از این ارائه‌دهندگان توصیه یا مقایسه کیفیت نیست؛ هر کدام فقط یک قیمت عمومی تاریخ‌دار است.

محاسبه هر ردیف

هر خط زیر همان ضرب و جمعی است که عدد جدول از آن آمده و عددهای جدول، گردشده همین نتیجه‌ها هستند. واحد همه عددها میلیون تومان است.

• ردیف ۱: یک‌باره برابر است با ۰٫۲ تا ۰٫۵ نفر-ماه برای آماده‌کردن پرسش‌ها و اسناد و آزمودن پاسخ‌ها، ضرب در ۵۰ تا ۱۰۰ میلیون تومان، یعنی ۱۰ تا ۵۰. ماهانه برابر است با اشتراک ۱٫۱ تا ۱۰ میلیون تومان (ورودی ۲) به‌اضافه ۰٫۰۵ تا ۰٫۱ نفر-ماه برای نگهداری پایگاه دانش (۲٫۵ تا ۱۰)، یعنی حدود ۴ تا ۲۰.
• ردیف ۲: یک‌باره برابر است با ۲ تا ۳ نفر-ماه مهندس برای ساخت، اتصال سبک و مجموعه ارزیابی فارسی، به‌اضافه ۰٫۵ تا ۱ نفر-ماه کارشناس حوزه برای نوشتن پاسخ‌های مرجع؛ جمعاً ۲٫۵ تا ۴ نفر-ماه ضرب در ۵۰ تا ۱۰۰، یعنی ۱۲۵ تا ۴۰۰. ماهانه برابر است با توکن ۳٫۹ تا ۱۹٫۳ (مثال پایین) به‌اضافه یک سرور ۲ تا ۴٫۲ (ورودی ۴) و ۰٫۱ تا ۰٫۲۵ نفر-ماه پشتیبانی (۵ تا ۲۵)، یعنی حدود ۱۱ تا ۴۸ که به ۱۰ تا ۵۰ گرد شده است.
• ردیف ۳: یک‌باره برابر است با دو مهندس در ۳ تا ۴ ماه (۶ تا ۸ نفر-ماه ضرب در ۵۰ تا ۱۰۰) به‌اضافه ۱ تا ۲ نفر-ماه متخصص ارشد برای امنیت، کنترل دسترسی و ارزیابی (ضرب در ۹۰ تا ۱۳۰)، یعنی ۳۹۰ تا ۱٬۰۶۰. ماهانه برابر است با توکن ۱۲ تا ۶۰ به‌اضافه یک تا دو سرور ۴ هسته‌ای برای برنامه و پایگاه داده برداری (۴٫۲ تا ۸٫۳) و ۰٫۲۵ تا ۰٫۵ نفر-ماه بهره‌برداری (۱۲٫۵ تا ۵۰)، یعنی حدود ۳۰ تا ۱۲۰.
• ردیف ۴: یک‌باره برابر است با ساخت ردیف ۳ به‌اضافه ۱ تا ۲ نفر-ماه متخصص ارشد برای راه‌اندازی و بهینه‌سازی سرویس مدل (۹۰ تا ۲۶۰)، یعنی ۴۸۰ تا ۱٬۳۲۰. ماهانه برابر است با اجاره یک GPU در ایران‌سرور از RTX 4090 تا L40S (۸۶ تا ۱۸۲) به‌اضافه سرور برنامه (۴٫۲ تا ۸٫۳) و ۰٫۵ تا ۱ نفر-ماه بهره‌برداری (۲۵ تا ۱۰۰)، یعنی حدود ۱۲۰ تا ۲۹۰. کارت RTX 3090 با ۴۰٫۵ میلیون تومان همان ۲۴ گیگابایت حافظه را دارد و برای این حجم کار کافی است، اما نسل قدیمی‌تر و کندتری است؛ ما RTX 4090 را برای حاشیه سرعت مبنا گرفتیم و با RTX 3090 کف ماهانه این ردیف به حدود ۷۰ می‌رسد. برای دسترس‌پذیری بالا باید دو GPU را حساب کنید.
• ردیف ۵: برای تنظیم دقیق هیچ قیمت عمومی در بازار ایران پیدا نکردیم؛ این ردیف فقط از ورودی‌ها ساخته شده و حد پایین واقع‌بینانه است، نه سقف. یک‌باره برابر است با ساخت ردیف ۴ (۴۸۰ تا ۱٬۳۲۰) به‌اضافه ۲ تا ۴ نفر-ماه متخصص ارشد (۱۸۰ تا ۵۲۰)، ۲ تا ۴ نفر-ماه کارشناس حوزه برای برچسب‌گذاری (۱۰۰ تا ۴۰۰) و ۱ تا ۲ ماه اجاره GPU با ۴۸ گیگابایت حافظه برای آموزش (۱۱۷ تا ۳۶۴)، یعنی حدود ۹۰۰ تا ۲٬۶۰۰. ماهانه برابر است با ردیف ۴ به‌اضافه ۰٫۲۵ تا ۰٫۵ نفر-ماه متخصص ارشد برای ارزیابی و آموزش دوباره (۲۲ تا ۶۵)، یعنی حدود ۱۴۰ تا ۳۶۰.

مثال کارشده: صورت‌حساب توکن

فرض کنید پایلوت ماهانه ۵٬۰۰۰ فاکتور را پردازش می‌کند و هر کار حدود ۶٬۰۰۰ توکن ورودی (متن سند و دستورالعمل) و ۱٬۰۰۰ توکن خروجی مصرف می‌کند؛ یعنی ۳۰ میلیون توکن ورودی و ۵ میلیون توکن خروجی در ماه. با GPT-5 mini در آروان‌کلاد هزینه برابر است با ۳۰ × ۵۵٬۲۰۰ به‌اضافه ۵ × ۴۴۱٬۶۰۰، یعنی حدود ۳٫۹ میلیون تومان. با GPT-5 همین کار ۳۰ × ۲۷۶٬۰۰۰ به‌اضافه ۵ × ۲٬۲۰۸٬۰۰۰، یعنی حدود ۱۹٫۳ میلیون تومان می‌شود. برای RAG با ۲۰٬۰۰۰ پرسش در ماه و هر پرسش ۶٬۰۰۰ توکن ورودی و ۶۰۰ توکن خروجی، هزینه هر پرسش با GPT-5 mini حدود ۶۰۰ تومان و با GPT-5 حدود ۳٬۰۰۰ تومان است؛ یعنی ماهانه ۱۲ تا ۶۰ میلیون تومان. ساختن نمایه برداری برای ده هزار سند دو هزار توکنی با BGE-M3، یعنی ۲۰ میلیون توکن، حدود ۴۴ هزار تومان هزینه دارد. درس این مثال روشن است: در این حجم، صورت‌حساب مدل کوچک‌ترین قلم است و بزرگ‌ترین قلم، زمان آدم‌هاست. حجم کار خودتان را جای این فرض‌ها بگذارید تا عدد را مقیاس کنید.

چرا ساختار هزینه در ایران متفاوت است

در ایران نیروی انسانی به تومان نسبتاً ارزان است و هر چیزی که به دلار گره خورده، گران. میانه حقوق خالص درخواستی یک کارشناس هوش مصنوعی در تهران، ۵۰ میلیون تومان، با نرخ حدود ۲۳۵ هزار تومان کمتر از ۲۲۰ دلار در ماه است؛ اما اجاره یک RTX 4090 در شیراز با ۸۶ میلیون تومان حدود ۳۷۰ دلار در ماه می‌شود. یعنی یک GPU اجاره‌ای از حقوق مهندسی که با آن کار می‌کند گران‌تر است. قیمت توکن هم حتی وقتی به تومان اعلام می‌شود، در اصل دلاری است: قیمت تومانی GPT-5 mini در آروان‌کلاد دقیقاً ۲۲۰٬۸۰۰ برابر قیمت دلاری همین مدل در فهرست لیاراست، یعنی نرخی پایین‌تر از بازار امروز که اگر فهرست با نرخ روز به‌روز شود، بالا می‌رود. خرید سخت‌افزار هم با دلار و هزینه واردات در شرایط تحریم قیمت می‌خورد: در جست‌وجوی ترب در همین تاریخ، آگهی‌های RTX 4090 از ۷۴۹ میلیون تا ۱٫۳ میلیارد تومان بود. در این میان، دلار بر پایه همان صفحه الان‌چند در شش ماه حدود ۴۷٪ بالا رفته و در گزارش جاب‌ویژن رشد میانه حقوق درخواستی ۱۴۰۵ برای این گروه‌های شغلی ۴۲ تا ۵۶ درصد است. تحریم هم هزینه ریسک می‌سازد: ارائه‌دهندگان بزرگ خارجی ایران را پشتیبانی نمی‌کنند و هر وابستگی خارجی به مسیر جایگزینِ قیمت‌گذاری‌شده نیاز دارد.

هشت قلم هزینه در پیاده‌سازی هوش مصنوعی

هر پیشنهاد، چه از تیم داخلی و چه از تأمین‌کننده بیرونی، باید به همین اقلام شکسته شود تا قابل مقایسه باشد. ما از هشت قلم به‌اضافه ذخیره احتیاطی استفاده می‌کنیم. در جدول تومانی بالا، بیشتر ستون یک‌باره از زمان آدم‌ها در همین اقلام ساخته شده است.

قلمی که بیش از همه کم‌برآورد می‌شود، اولی است. پژوهش گارتنر در اسفند ۱۴۰۳ (فوریه ۲۰۲۵) درباره داده آماده برای هوش مصنوعی نشان داد ۶۳٪ سازمان‌ها یا رویه درست مدیریت داده برای هوش مصنوعی را ندارند یا از داشتنش مطمئن نیستند؛ این نتیجه از نظرسنجی ۱٬۲۰۳ مدیر داده در ژوئیه ۲۰۲۴ به دست آمده است. گارتنر پیش‌بینی می‌کند سازمان‌ها تا پایان ۲۰۲۶، ۶۰٪ پروژه‌های هوش مصنوعی را که داده آماده پشتیبانشان نیست، رها کنند. در عمل یعنی قلم داده یک مرتب‌سازی کوچک پیش از «کار اصلی» نیست؛ اغلب خودِ کار اصلی است.

درباره اتصال هم باید صادق بود. اتصال به یک نرم‌افزار حسابداری یا برنامه‌ریزی منابع ایرانی ممکن است از راه رابط مستند، دسترسی مستقیم به پایگاه داده، خروجی فایل زمان‌بندی‌شده یا در بدترین حالت فقط صفحه کاربری انجام شود. خواندن داده بسیار ارزان‌تر از نوشتن آن در سامانه است، چون هر نوشتن در سند مالی یا عملیاتی به اعتبارسنجی، سابقه حسابرسی و روش آزموده برای برگرداندن نیاز دارد. راهنمای هوش مصنوعی در حسابداری و اتوماسیون اسناد مالی این مرز را برای واحدهای مالی شرح می‌دهد.

دسترسی به مدل در ایران: رابط داخلی، GPU اختصاصی یا رابط خارجی

برای شرکت ایرانی، دسترسی به مدل فقط پرسش قیمت نیست؛ پرسش تداوم خدمت است و ارزان‌ترین گزینه روی کاغذ ممکن است گران‌ترین گزینه برای از دست دادن باشد.

رابط‌های خارجی. بزرگ‌ترین ارائه‌دهندگان خارجی ایران را در فهرست کشورهای پشتیبانی‌شده ندارند. صفحه کشورهای پشتیبانی‌شده OpenAI می‌گوید استفاده یا ارائه دسترسی به خدماتش بیرون از کشورهای فهرست‌شده ممکن است به مسدود یا تعلیق شدن حساب منجر شود و ایران در این فهرست نیست. فهرست مناطق پشتیبانی‌شده Anthropic هم ایران را شامل نمی‌شود. ما درباره راه دور زدن این شرایط توصیه‌ای نمی‌کنیم. پیامد بودجه‌ای روشن است: هر طرحی که به مدل خارجی وابسته است، به مسیر جایگزینِ قیمت‌گذاری‌شده نیاز دارد و تداوم پرداخت را باید ریسک دید، نه فرض.

درگاه‌های داخلی. چند سکوی ایرانی دسترسی به مدل را به تومان می‌فروشند، اما در همه نمونه‌هایی که بررسی کردیم قیمت پایه دلاری است. به‌عنوان نمونه‌های تاریخ‌دار و نه توصیه: صفحه سرویس هوش مصنوعی لیارا در ۲۰۲۶-۰۹-۲۵ دو پلن نشان می‌داد: ماهانه ۸۲۵٬۰۰۰ تومان یا ساعتی ۱٬۱۴۵ تومان با دسترسی به ۶۶ مدل زبانی، و ماهانه ۱٬۴۷۵٬۰۰۰ تومان یا ساعتی ۲٬۰۴۸ تومان با ۱۱۳ مدل. در هر دو پلن، هزینه توکن جداگانه و «طبق تعرفه شرکت ارائه‌دهنده مدل» محاسبه می‌شود و فهرست قیمت مدل‌ها به دلار برای هر یک میلیون توکن آمده است؛ برای نمونه GPT-5 Mini با ۰٫۲۵ دلار ورودی و ۲ دلار خروجی. آروان‌کلاد همین نوع قیمت را مستقیم به تومان می‌نویسد (ورودی ۳)، و مستندات قیمت‌گذاری AvalAI می‌گوید قیمت هر یک میلیون توکن به دلار است و هزینه تومانی از ضرب آن در نرخ تبدیل تتر به تومان به دست می‌آید. درس بودجه‌ای عمومی است: حق اشتراک سکو ممکن است کم و ریالی باشد، اما قلم مصرف با نرخ ارز جابه‌جا می‌شود. فهرست مدل‌های این درگاه‌ها ارائه‌دهندگانی را هم شامل می‌شود که ایران را پشتیبانی نمی‌کنند؛ پس از هر درگاه بپرسید این دسترسی بالادستی را چگونه تأمین می‌کند و اگر قطع شود، بر خدمت شما چه می‌گذرد.

مدل باز روی سرور خودتان. اجرای یک مدل با وزن‌های باز روی GPU در مرکز داده ایرانی یا اتاق سرور خود سازمان، صورت‌حساب توکنی را حذف می‌کند و داده را داخل مرز شما نگه می‌دارد. در عوض، هزینه متغیر به هزینه ثابت تبدیل می‌شود. برآورد شفاف آن چنین است:

• هزینه ثابت ماهانه = اجاره GPU (یا قیمت خرید تقسیم بر ماه‌های عمر مفید) + میزبانی و برق + ذخیره‌سازی و پشتیبان + ساعت‌های بهره‌برداری × هزینه تمام‌شده هر ساعت نیرو؛
• هزینه هر کار انجام‌شده = هزینه ثابت ماهانه ÷ تعداد کارهای انجام‌شده در ماه؛
• نقطه سربه‌سر در برابر رابط = حجمی از کار ماهانه که در آن تعداد کار × میانگین توکن هر کار × قیمت هر توکن با هزینه ثابت ماهانه برابر شود.

با ورودی‌های بالا این فرمول عدد می‌گیرد. اجاره RTX 4090 در ایران‌سرور ماهانه ۸۶ میلیون تومان است. اگر هر پرسش RAG با GPT-5 mini حدود ۶۰۰ تومان هزینه توکن دارد، سرور اختصاصی فقط از حدود ۱۴۴ هزار پرسش در ماه به بعد از نظر هزینه توکن سربه‌سر می‌شود؛ در برابر GPT-5 با حدود ۳٬۰۰۰ تومان برای هر پرسش، این عدد حدود ۲۹ هزار پرسش است. تازه این مقایسه زمان بهره‌برداری سرور و فاصله کیفیت مدل باز کوچک با مدل تجاری بزرگ را حساب نمی‌کند. پس دلیل موجه GPU داخلی معمولاً ماندن داده داخل مرز یا حجم بسیار بالاست، نه ارزانی. خرید کارت به جای اجاره هم ممکن است: با آگهی‌های ۷۴۹ میلیون تا ۱٫۳ میلیارد تومانی RTX 4090 در ترب، قیمت خرید برابر حدود ۹ تا ۱۵ ماه اجاره است، پیش از هزینه سرور میزبان، برق، فضای مرکز داده و نگهداری.

ورودی‌های این فرمول سریع تغییر می‌کنند. گزارش شاخص هوش مصنوعی استنفورد ۲۰۲۵ می‌گوید هزینه استنتاج برای سامانه‌ای در سطح GPT-3.5 از نوامبر ۲۰۲۲ تا اکتبر ۲۰۲۴ بیش از ۲۸۰ برابر کاهش یافته، در حالی که هزینه سخت‌افزار سالانه حدود ۳۰٪ کم شده و بهره‌وری انرژی سالانه حدود ۴۰٪ بهتر شده است. این کاهش‌ها به دلار است و در ایران ممکن است با افزایش نرخ ارز خنثی شود. پس با هر خرید چندساله سخت‌افزار یا تعهد ثابت قیمت توکن محتاطانه برخورد کنید و بند بازنگری بگذارید. مقایسه ابزار بومی و خارجی در راهنمای انتخاب میان ابزار هوش مصنوعی ایرانی و خارجی و روش فرستادن کارهای ساده به مدل‌های ارزان‌تر در مطلب مسیریابی مدل برای هزینه و کیفیت آمده است.

مراحل پیاده‌سازی هوش مصنوعی و هزینه هر مرحله

عبارت «مراحل پیاده‌سازی» مهم‌ترین واقعیت بودجه را پنهان می‌کند: اقلام هزینه یک‌جا نمی‌رسند. هر مرحله هزینه غالب خود را دارد و با یک تصمیم تمام می‌شود.

پایلوت باید ارزان‌ترین اتصالی را به کار بگیرد که هنوز شاهد صادقانه تولید می‌کند؛ اغلب یک خروجی فایل کنترل‌شده به جای اتصال زنده. پایلوت باید در حالت یاری‌شده اجرا شود، یعنی انسان هر خروجی را تأیید کند. بودجه استقرار گسترده جایی است که سازمان تغییر می‌کند، نه فقط نرم‌افزار. نظرسنجی وضعیت هوش مصنوعی مک‌کنزی که در شهریور ۱۴۰۵ (اوت ۲۰۲۶) منتشر شد نشان می‌دهد نزدیک به سه‌چهارم پاسخ‌دهندگانی که در گروه سازمان‌های پیشرو قرار می‌گیرند، گردش‌کارشان را به خاطر هوش مصنوعی از بنیاد بازطراحی کرده‌اند، در برابر یک‌چهارم دیگر پاسخ‌دهندگان. اگر در بودجه استقرار زمانی برای بازطراحی فرایند نیست، این بودجه برای ابزار است، نه برای نتیجه.

چه چیزی هزینه را بالا می‌برد و چه چیزی پایین می‌آورد

یک گردش‌کار یکسان ممکن است در یک شرکت چند برابر شرکت دیگر هزینه داشته باشد. این‌ها عامل‌هایی است که بیشتر دیده‌ایم.

هزینه بالا می‌رود وقتی:

• خروجی به جای پیش‌نویس، مستقیم در سند مالی، حقوقی یا پرونده مشتری ثبت می‌شود؛
• پاسخ اشتباه پیامد سنگین دارد و هر خروجی بازبینی انسانی می‌خواهد؛
• ورودی‌ها اسکن، دست‌نویس، مهر یا ده‌ها قالب متفاوت فاکتور تأمین‌کنندگان است؛
• داده باید داخل سازمان بماند و سازمان سخت‌افزار مناسب ندارد؛
• پاسخ باید بلادرنگ، با حجم بالا و در چند کانال داده شود؛
• یک مالک واحد برای تأیید معیار پذیرش و دسترسی به داده وجود ندارد؛
• پیش از آزمودن طرح ساده‌تر، تنظیم دقیق یا آموزش مدل در برنامه آمده است.

هزینه پایین می‌آید وقتی:

• دامنه نخست یک گردش‌کار، یک گروه کاربر و یک نوع سند است؛
• سامانه از سامانه‌های موجود می‌خواند و نتیجه را به انسان تحویل می‌دهد؛
• خروجی تمیز یا رابط مستند از پیش وجود دارد؛
• یک مدل آماده با بازیابی از اسناد مصوب ترکیب می‌شود؛
• کارهای ساده و پرتکرار به مدل کوچک‌تر می‌رود و فقط موارد دشوار به مدل بزرگ؛
• هرجا کاربر می‌تواند منتظر بماند، پردازش دسته‌ای شبانه جای فراخوانی بلادرنگ را می‌گیرد؛
• مجموعه ارزیابی فارسی که برای پایلوت ساخته شده، در همه تغییرهای بعدی دوباره به کار می‌رود.

چالش‌های پیاده‌سازی هوش مصنوعی و هزینه‌های پنهان

فاصله میان پیش‌فاکتور و صورت‌حساب نهایی معمولاً از هزینه‌هایی می‌آید که هیچ‌کس ننوشته است. الگوهای شکست پشت آن‌ها به‌خوبی مستند شده‌اند. پژوهش سال ۲۰۲۴ مؤسسه رند با عنوان ریشه‌های شکست پروژه‌های هوش مصنوعی با ۶۵ دانشمند داده و مهندس باتجربه مصاحبه کرد و پنج علت اصلی یافت: بدفهمی یا انتقال نادرست مسئله میان ذی‌نفعان، نبودِ داده لازم برای آموزش مدل مؤثر، تمرکز بر تازه‌ترین فناوری به جای مسئله واقعی کاربر، نبودِ زیرساخت برای مدیریت داده و استقرار مدل، و به‌کارگیری هوش مصنوعی برای مسئله‌هایی که برایش بیش از حد دشوارند. رند همچنین یادآوری می‌کند که بنا بر برخی برآوردها بیش از ۸۰٪ پروژه‌های هوش مصنوعی شکست می‌خورند، یعنی حدود دو برابر پروژه‌های فناوری اطلاعات بدون هوش مصنوعی. این عدد برآوردی است که رند از منابع دیگر نقل می‌کند، نه اندازه‌گیری خودش؛ اما پنج علت آن مستقیم به اقلام بودجه وصل می‌شوند.

هزینه‌های پنهانی که باید صریحاً در برگه بودجه بیاید:

• بازبینی انسانی که تمام نمی‌شود. اگر در تمام عمر خدمت، یک نفر ۲۰٪ خروجی‌ها را بررسی کند، این زمان هزینه دائمی بهره‌برداری است.
• موارد استثنا. مواردی که سامانه از پسشان برنمی‌آید، همچنان انسان، صف کار و زمان پاسخ لازم دارند.
• ارزیابی دوباره. هر به‌روزرسانی مدل بالادستی، تغییر دستور یا نوع سند تازه، اجرای دوباره مجموعه آزمون فارسی را لازم می‌کند.
• نوسان نرخ ارز. هر مصرفی که به دلار قیمت‌گذاری شده با نرخ ارز جابه‌جا می‌شود. بر پایه صفحه الان‌چند، دلار آزاد در یک سال منتهی به ۳ مهر ۱۴۰۵ میان حدود ۱۰۶ هزار و ۲۳۸ هزار تومان جابه‌جا شده است؛ برای آن بازه بودجه کنید، نه یک عدد.
• تورم دستمزد. رشد میانه حقوق درخواستی ۱۴۰۵ در گزارش جاب‌ویژن برای گروه‌های شغلی این برآورد ۴۲ تا ۵۶ درصد است؛ پروژه‌ای که از یک سال مالی عبور می‌کند، باید افزایش دستمزد را در برآورد داشته باشد.
• آزمون امنیت. برنامه‌های مبتنی بر مدل زبانی باید در برابر تزریق دستور، افشای اطلاعات حساس و اختیار بیش از حد ابزار آزموده شوند، همان‌طور که فهرست ده ریسک اصلی OWASP برای مدل‌های زبانی مولد در ۲۰۲۶ برمی‌شمارد.
• زمان متخصصان. حسابدار، حقوق‌دان یا مهندسی که داده را برچسب می‌زند و خروجی را داوری می‌کند، چون داخلی است رایگان نیست.
• اجرای موازی. فرایند قدیم معمولاً مدتی کنار فرایند تازه اجرا می‌شود و بخشی از کار دوبار انجام می‌شود.
• خروج. انتقال داده، پیکربندی و مجموعه ارزیابی به تأمین‌کننده یا مدل دیگر هزینه دارد؛ پیش از امضا قیمتش را بدانید.

هزینه بهره‌برداری نگرانی نظری نیست. در نظرسنجی ۲۰۲۶ مک‌کنزی، از هر پنج پاسخ‌دهنده حدود یک نفر گفته است سازمانش به خاطر هزینه‌های عملیاتی، از جمله هزینه توکن، استفاده از هوش مصنوعی را محدود کرده است.

ساختن، خریدن یا همکاری با شریک

تصمیم میان ساختن، خریدن و همکاری تعیین می‌کند کدام اقلام را می‌پردازید و ریسک بر دوش کیست.

خرید محصول یا سکوی آماده وقتی مناسب است که گردش‌کار رایج باشد و محصول از پیش با قواعد داده شما سازگار باشد. هزینه اولیه کمترین و زمان رسیدن به ارزش کوتاه‌ترین است؛ در بازار ایران اشتراک چت‌بات فارسی آماده ماهانه حدود ۱ تا ۱۰ میلیون تومان است (ردیف ۱ جدول). اما سفارشی‌سازی، محل داده و اتصال به همان چیزی محدود است که محصول ارائه می‌دهد، و هزینه هر کاربر یا هر پیام با گسترش استفاده رشد می‌کند.

ساخت داخلی وقتی مناسب است که گردش‌کار منبع مزیت رقابتی باشد، داده بسیار حساس باشد و بتوانید نقش‌های داده، توسعه نرم‌افزار و امنیت را در بلندمدت تأمین کنید. ساخت نرم‌افزار ارزان‌تر شده است: در نظرسنجی ۲۰۲۶ مک‌کنزی، ۳۲٪ پاسخ‌دهندگان گفته‌اند سازمانشان دست‌کم از خرید یک محصول یا قابلیت نرم‌افزاری صرف‌نظر کرده، چون می‌توانسته آن را با ابزارهای کدنویسی عاملی در داخل بسازد. اما ارزیابی، امنیت و بهره‌برداری با همان سرعت ارزان نمی‌شوند.

همکاری با شریک وقتی مناسب است که سرعت و تجربه لازم دارید اما می‌خواهید مالکیت نزد خودتان بماند. هزینه آن دستمزد شریک به‌اضافه زمان مالک داخلی است. از شریک بخواهید نفر-ماه و نرخ هر نقش را جدا بنویسد تا بتوانید آن را با ورودی نیروی انسانی جدول بالا مقایسه کنید. ریسک این مسیر وابستگی است که در قرارداد مدیریت می‌شود: مالکیت کد، پیکربندی، دستورها و مجموعه ارزیابی، مستندسازی، انتقال دانش و خروج آزموده. راهنمای انتخاب شرکت هوش مصنوعی در ایران نشان می‌دهد شریک‌ها را چگونه با شاهد مقایسه کنید، نه با ارائه.

بسیاری از سازمان‌ها در نهایت به ترکیبی می‌رسند: سکوی خریداری‌شده برای کارهای عمومی، خدمتی که شریک برای یک گردش‌کار پرارزش می‌سازد و تیم داخلی که مالک ارزیابی و بهره‌برداری است.

برگه بودجه‌بندی که خودتان پر می‌کنید

این جدول را در یک صفحه‌گسترده کپی کنید. همه قلم‌ها به میلیون تومان‌اند و هرجا عددی در پرانتز آمده، مقدار پیش‌فرض از ورودی‌های مستند مهر ۱۴۰۵ است که باید عدد خودتان را جایش بگذارید. هزینه هر ساعت از تقسیم هزینه نفر-ماه بر حدود ۱۷۶ ساعت کاری در ماه و نرخ روزانه از تقسیم آن بر ۲۲ روز کاری به دست آمده است. اگر قلمی در مرحله‌ای لازم نیست، صفر بنویسید و دلیلش را هم.

برگه را سه بار پر کنید: سناریوی خوش‌بینانه، مورد انتظار و بدبینانه. حجم کار، سهم خروجی‌هایی که بازبینی می‌خواهند، نرخ ارز و تعداد غافلگیری‌های اتصال را تغییر دهید. با توجه به رشد ۴۷ درصدی دلار در شش ماه گذشته، سناریوی بدبینانه را دست‌کم با نرخی ۵۰٪ بالاتر از نرخ امروز حساب کنید. فاصله میان جمع خوش‌بینانه و بدبینانه خودش اطلاعات مفیدی است: فاصله زیاد یعنی پایلوت هنوز به پرسش‌های کافی پاسخ نداده که تعهد بزرگ را توجیه کند.

پیش‌فاکتور تأمین‌کننده را چگونه بخوانیم

پیش‌فاکتور فقط وقتی قابل مقایسه است که به همان اقلام برگه بودجه شما شکسته شود. از هر تأمین‌کننده بخواهید قیمتش را روی همین اقلام بنشاند و هر کدام را «شامل»، «خارج از دامنه» یا «بر عهده کارفرما» علامت بزند.

نشانه‌های هشدار در پیش‌فاکتور:

• یک عدد کلی بدون ریز اقلام؛
• وعده بازده سرمایه پیش از آنکه کسی داده شما را دیده باشد؛
• مصرف «نامحدود» بدون سقف منصفانه یا توضیح اینکه هزینه فراخوانی مدل با کیست؛
• نبودِ برنامه ارزیابی و معیار پذیرشی که به مرحله‌های پرداخت گره خورده باشد؛
• نبودِ بند نوسان ارز برای بخش‌های وابسته به دلار؛
• سکوت درباره مالکیت کد، پیکربندی و داده ارزیابی یا درباره خروج.

پرسش‌هایی که پیش از امضا باید پرسید:

1. این قیمت کدام‌یک از هشت قلم هزینه را پوشش می‌دهد و کدام بر عهده ما می‌ماند؟
2. قیمت مقطوع است، بر اساس زمان و مواد، به ازای هر کاربر یا بر اساس مصرف؟ کدام بخش‌ها به ارز خارجی وابسته‌اند؟
3. هزینه مصرف مدل با کیست و اگر مدل یا رابط بالادستی تغییر کند یا در دسترس نباشد، قیمت چه می‌شود؟
4. از کدام مجموعه آزمون فارسی استفاده می‌کنید، چه کسی آن را می‌سازد و آیا پس از پروژه مالکش ما هستیم؟
5. روش اتصال به هر سامانه چیست و اگر خراب شود چه کسی آن را درست می‌کند؟
6. در سه ماه نخست بهره‌برداری، ماهانه چند ساعت بازبینی انسانی را باید انتظار داشته باشیم؟
7. پشتیبانی پس از راه‌اندازی چقدر هزینه دارد و چه زمان پاسخی را شامل می‌شود؟
8. خروج از همکاری برای ما چقدر هزینه دارد و هنگام خروج چه چیزی تحویل می‌گیریم؟

بازده پایلوت را چگونه اندازه بگیریم

پایلوت فقط وقتی بودجه مرحله بعد را به دست می‌آورد که با خط مبنایی مقایسه شود که پیش از شروع ثبت شده است. اطلاعیه ۲۰۲۴ گارتنر یادآوری می‌کند که تبدیل مستقیم بهبود بهره‌وری به منفعت مالی اغلب دشوار است؛ پس حساب را پیش از پایلوت بنویسید، نه اینکه بعداً بازسازی‌اش کنید. برای بیشتر پایلوت‌ها سه فرمول کافی است:

• ارزش خالص ماهانه = ساعت حذف‌شده × هزینه تمام‌شده هر ساعت + خطای پیشگیری‌شده × میانگین هزینه هر خطا − ساعت بازبینی × هزینه تمام‌شده هر ساعت − هزینه اجرای ماهانه.
• دوره بازگشت سرمایه به ماه = هزینه یک‌باره مرحله بعد ÷ ارزش خالص ماهانه.
• هزینه هر کار پذیرفته‌شده = کل هزینه اجرای ماهانه ÷ تعداد کارهایی که بدون اصلاح جدی پذیرفته شده‌اند.

ساعت صرفه‌جویی‌شده تا وقتی به کار دیگری اختصاص نیابد یا جلوی استخدامی را نگیرد، پول نقد نیست؛ پس ثبت کنید آن زمان کجا رفت. زمان بازبینی و اصلاح را صادقانه اندازه بگیرید؛ راهنمای سنجش صرفه‌جویی هوش مصنوعی تا پایان بازبینی نشان می‌دهد این زمان چقدر راحت از گزارش‌ها حذف می‌شود. انتظارها را واقع‌بینانه نگه دارید: در نظرسنجی ۲۰۲۶ مک‌کنزی، ۳۷٪ پاسخ‌دهندگان دست‌کم بخشی از سود عملیاتی (EBIT) سازمان را به هوش مصنوعی نسبت داده‌اند و فقط حدود ۶٪ در گروه پیشروهایی قرار گرفته‌اند که ۵٪ یا بیشتر از سود عملیاتی را حاصل هوش مصنوعی می‌دانند.

دو ابزار در همین سایت برای آماده‌شدن کمک می‌کنند. ارزیابی آمادگی پایلوت هوش مصنوعی با پنج پرسش درباره روشنی مسئله، داده، اتصال، قواعد دسترسی و سنجش، پیشنهاد می‌دهد در مرحله کشف هستید، آماده طراحی پایلوت یا آماده اعتبارسنجی کنترل‌شده. برای واحدهای مالی، برآوردگر ظرفیت اتوماسیون اسناد مالی ساعت‌های آزادشده ماهانه را پس از کسر زمان بازبینی انسانی برآورد می‌کند. خروجی آن ساعت است، نه پول: آن را در هزینه تمام‌شده خودتان ضرب کنید و نتیجه را فرضی برای آزمودن بدانید، نه صرفه‌جویی قطعی.

از پیش تعیین کنید چه نتیجه‌ای یعنی ادامه، چه نتیجه‌ای یعنی اصلاح و چه نتیجه‌ای یعنی توقف. متوقف‌کردن پایلوتی که به معیارهایش نرسیده، استفاده موفق از یک بودجه کوچک است.

قدم معقول بعدی

اگر ردیف هوش مصنوعی بودجه امسال را آماده می‌کنید، به جای خرید، از کشف نیاز شروع کنید: یک گردش‌کار، مالک آن، نمونه داده، سامانه‌های درگیر و محدودیت‌هایی که از پیش می‌دانید. سپس جدول تومانی و برگه بودجه همین صفحه را با عددهای خودتان پر کنید. خدمت مشاوره و پیاده‌سازی هوش مصنوعی در سازمان دقیقاً از همین نقطه شروع می‌شود و ممکن است با توصیه صادقانه به ادامه‌ندادن تمام شود. اگر گفت‌وگوی دامنه‌بندی‌شده می‌خواهید، از صفحه تماس استفاده کنید و پاسخ ما را با همان برگه بودجه و همان پرسش‌هایی بسنجید که برای هر تأمین‌کننده دیگر به کار می‌برید.

یادداشت منابع (بازبینی‌شده در ۲۰۲۶-۰۹-۲۵)

• حقوق نیروی انسانی: جاب‌ویژن، گزارش حقوق و دستمزد ۱۴۰۵، فایل منتشرشده در اردیبهشت ۱۴۰۵ (آوریل ۲۰۲۶) بر پایه نظر بیش از ۱۰۰ هزار نفر؛ در ۲۰۲۶-۰۹-۲۵ دریافت و خوانده شد. صفحه ۱۶۵ (پایتون، سطح میانی، تهران)، ۱۶۶ (پایتون، ارشد، تهران)، ۳۹۶ (علوم داده و هوش مصنوعی، کارشناس، تهران) و ۳۹۷ (علوم داده و هوش مصنوعی، کارشناس ارشد، کل کشور). عددها حقوق خالص درخواستی ماهانه برای ۱۴۰۵ و نیمه میانی توزیع‌اند؛ ضریب ۱٫۴ برای هزینه تمام‌شده کارفرما فرض ماست.
• قیمت توکن به تومان: جدول قیمت سرویس هوش مصنوعی آروان‌کلاد، خوانده‌شده در ۲۰۲۶-۰۹-۲۵. نسبت ۲۲۰٬۸۰۰ از تقسیم قیمت تومانی GPT-5 mini در این جدول بر قیمت دلاری همان مدل در صفحه لیارا محاسبه شده است.
• سرور ابری: سرور ابری آروان‌کلاد، قیمت ماهانه بسته‌های پایه در ۲۰۲۶-۰۹-۲۵.
• سرور GPU: سرور GPU ایران‌سرور، اجاره ماهانه و محل استقرار شیراز و تبریز در ۲۰۲۶-۰۹-۲۵؛ سرور هوش مصنوعی آروان‌کلاد، اجاره ماهانه در همان تاریخ، با امکان انتخاب مرکز داده داخلی یا خارجی.
• چت‌بات فارسی آماده: قیمت‌گذاری ایلاچت و قیمت‌گذاری موچت، پلن‌های ماهانه در ۲۰۲۶-۰۹-۲۵.
• روش صورت‌حساب درگاه‌ها: صفحه سرویس هوش مصنوعی لیارا، پلن‌ها و فهرست دلاری قیمت مدل‌ها در ۲۰۲۶-۰۹-۲۵؛ مستندات قیمت‌گذاری AvalAI، روش تبدیل هزینه دلاری با نرخ تتر در همان تاریخ. این منابع نمونه‌هایی تاریخ‌دار از ساختار صورت‌حساب‌اند، نه توصیه.
• قیمت خرید کارت GPU: جست‌وجوی RTX 4090 در ترب، قیمت آگهی فروشگاه‌ها در ۲۰۲۶-۰۹-۲۵؛ قیمت آگهی است، نه قیمت معامله‌شده.
• نرخ ارز: الان‌چند، قیمت دلار آمریکا، نرخ فروش ۲۳۴٬۷۰۰ تومان در ساعت ۹:۰۵ جمعه ۳ مهر ۱۴۰۵؛ کمترین و بیشترین یک سال گذشته ۱۰۶٬۱۰۰ و ۲۳۸٬۱۰۰ تومان و تغییر شش‌ماهه ۴۷٫۱۰٪ به نقل از همان صفحه.
• نسبت هزینه شیوه‌های استقرار و ریسک رهاشدن پروژه: گارتنر، پیش‌بینی رهاشدن ۳۰٪ پروژه‌های هوش مصنوعی مولد پس از اثبات مفهوم تا پایان ۲۰۲۵، ۲۹ ژوئیه ۲۰۲۴. نسبت‌ها از نمودار ۱ این اطلاعیه محاسبه شده‌اند؛ عددهای دلاری آن برای سازمان‌های بزرگ بیرون از ایران است و عمداً نقل نشده است. عدد ۳۰٪ پیش‌بینی است.
• آمادگی داده: گارتنر، کمبود داده آماده برای هوش مصنوعی پروژه‌ها را در معرض خطر قرار می‌دهد، ۲۶ فوریه ۲۰۲۵. نظرسنجی از ۱٬۲۰۳ مدیر داده در ژوئیه ۲۰۲۴؛ عدد ۶۰٪ پیش‌بینی تا پایان ۲۰۲۶ است.
• بازده سازمانی و محدودیت هزینه عملیاتی: مک‌کنزی، وضعیت هوش مصنوعی در ۲۰۲۶، ۲۵ اوت ۲۰۲۶. نظرسنجی برخط از ۱٬۷۱۹ نفر در ۹۷ کشور، ۴ مه تا ۸ ژوئن ۲۰۲۶، وزن‌دهی‌شده بر اساس سهم تولید ناخالص داخلی هر کشور؛ داده‌ها خوداظهاری است.
• ریشه‌های شکست: رند، ریشه‌های شکست پروژه‌های هوش مصنوعی و راه موفقیت آن‌ها، ۱۳ اوت ۲۰۲۴. بر پایه مصاحبه با ۶۵ متخصص؛ عدد بیش از ۸۰٪ برآوردی است که رند نقل می‌کند، نه اندازه‌گیری خودش.
• کاهش هزینه استنتاج و سخت‌افزار: شاخص هوش مصنوعی استنفورد ۲۰۲۵. عددها بازه نوامبر ۲۰۲۲ تا اکتبر ۲۰۲۴ را پوشش می‌دهند.
• دسترس‌پذیری رابط‌های خارجی: کشورهای پشتیبانی‌شده OpenAI و کشورها و مناطق پشتیبانی‌شده Anthropic، هر دو در ۲۰۲۶-۰۹-۲۴ بررسی شدند و ایران در هیچ‌کدام نبود.
• دامنه آزمون امنیت: ده ریسک اصلی OWASP برای مدل‌های زبانی مولد در ۲۰۲۶. منبعی برای کشف تهدید است، نه گواهی.