افزایش تعرفه خدمات ارتباطی، به‌ویژه اینترنت، از آن تصمیم‌هایی است که به‌طور طبیعی با حساسیت افکار عمومی روبه‌رو می‌شود. در شرایطی که خانوارها و کسب‌وکارها با افزایش هزینه‌های زندگی و فعالیت اقتصادی مواجه‌اند، هرگونه افزایش قیمت در خدمات پرکاربردی مانند اینترنت می‌تواند به معنای فشار بیشتر بر بودجه ماهانه آن‌ها باشد. با این حال، برای بررسی دقیق این موضوع باید پرسشی فراتر از میزان افزایش قیمت مطرح کرد: شبکه‌ای که هر روز میلیون‌ها نفر برای کار، آموزش، ارتباطات و انجام امور اقتصادی به آن متکی هستند، چگونه باید هزینه نگهداری، نوسازی و توسعه خود را تأمین کند؟

شبکه ارتباطی برخلاف تصور عمومی، زیرساختی نیست که پس از راه‌اندازی بتوان آن را بدون هزینه قابل‌توجه حفظ کرد. سایت‌های ارتباطی، تجهیزات انتقال داده، مراکز فنی، سامانه‌های پشتیبان و زیرساخت‌های نرم‌افزاری به نگهداری مستمر، تأمین قطعات، به‌روزرسانی و سرمایه‌گذاری نیاز دارند. افزایش مصرف داده و رشد تقاضا برای اینترنت پرسرعت نیز اپراتورها را ناگزیر می‌کند ظرفیت شبکه را توسعه دهند تا کیفیت خدمات در ساعات پرترافیک و مناطق مختلف حفظ شود.

در اقتصاد ایران، این معادله با پیچیدگی‌های بیشتری همراه است. بخشی از تجهیزات و فناوری‌های مورد استفاده در شبکه‌های ارتباطی به زنجیره تأمین خارجی و ارز وابسته‌اند؛ در مقابل، بخش عمده درآمد اپراتورها از محل فروش خدمات به مشترکان و به ریال تأمین می‌شود. در چنین شرایطی، افزایش هزینه‌های تأمین تجهیزات، نگهداری و بهره‌برداری می‌تواند فاصله میان درآمد و هزینه‌های واقعی شبکه را بیشتر کند؛ فاصله‌ای که در صورت تداوم، ممکن است توان سرمایه‌گذاری در توسعه زیرساخت را تحت تأثیر قرار دهد.

مسئله فقط افزایش قیمت نیست؛ هزینه افزایش نیافتن سرمایه‌گذاری هم باید دیده شود.

در بحث تعرفه‌های ارتباطی، تمرکز صرف بر مبلغی که مشترک برای خرید یک بسته اینترنت می‌پردازد، تنها بخشی از واقعیت را نشان می‌دهد. اگر منابع مالی اپراتورها برای نگهداری و توسعه شبکه متناسب با رشد هزینه‌ها و تقاضا افزایش پیدا نکند، اجرای پروژه‌های توسعه‌ای ممکن است دشوارتر شود و نوسازی تجهیزات یا ارتقای ظرفیت شبکه با محدودیت مواجه شود. در بلندمدت، چنین شرایطی می‌تواند بر کیفیت تجربه کاربران، سرعت توسعه فناوری‌های جدید و توان صنعت برای پاسخ‌گویی به نیازهای رو به رشد دیجیتال اثر بگذارد.

این موضوع از آن جهت اهمیت دارد که ارتباطات موبایلی و اینترنت امروز صرفاً خدماتی برای سرگرمی یا ارتباط شخصی نیستند. کسب‌وکارهای اینترنتی، سامانه‌های پرداخت، خدمات حمل‌ونقل، آموزش آنلاین و بخش قابل‌توجهی از فعالیت‌های روزمره به پایداری این زیرساخت وابسته‌اند. هر اختلال در توسعه و نگهداری شبکه می‌تواند پیامدهایی فراتر از صنعت مخابرات داشته باشد و بر فعالیت بخش‌های مختلف اقتصاد دیجیتال اثر بگذارد.

البته این به معنای آن نیست که هر میزان افزایش تعرفه، به‌خودی‌خود ضروری یا توجیه‌پذیر است. افزایش قیمت زمانی می‌تواند از منظر اقتصادی و اجتماعی قابل دفاع باشد که در کنار توجه به هزینه‌های واقعی صنعت، آثار آن بر مصرف‌کنندگان نیز در نظر گرفته شود و نسبت میان درآمد بیشتر و کیفیت خدمات روشن باشد.

تعرفه بالاتر، در برابر چه تعهدی؟

در سوی دیگر این معادله، مشترکان قرار دارند؛ کاربرانی که انتظار دارند هزینه‌ای که برای خدمات ارتباطی می‌پردازند، با کیفیت، پایداری و دسترس‌پذیری مناسب همراه باشد. بنابراین، هرگونه اصلاح تعرفه باید با توجه به قدرت خرید خانوارها، نیاز کسب‌وکارهای کوچک و اهمیت دسترسی عمومی به اینترنت انجام شود.

از سوی دیگر، شفافیت درباره هزینه‌های توسعه شبکه، برنامه‌های سرمایه‌گذاری و شاخص‌های کیفیت خدمات می‌تواند به درک بهتر تصمیم‌های تعرفه‌ای کمک کند. اگر قرار است مشترکان هزینه بیشتری بپردازند، اطلاع‌رسانی روشن درباره برنامه‌های ارتقای شبکه، بهبود پوشش، افزایش ظرفیت و کیفیت خدمات می‌تواند رابطه میان هزینه پرداختی و نتیجه مورد انتظار را برای آن‌ها ملموس‌تر کند.

در این میان، سیاست‌گذار نیز نقش مهمی دارد. تصمیم‌گیری درباره تعرفه‌ها باید به‌گونه‌ای باشد که از یک سو امکان تداوم سرمایه‌گذاری و توسعه زیرساخت را فراهم کند و از سوی دیگر، دسترسی مردم به خدمات ارتباطی را با محدودیت بیشتری مواجه نکند. ایجاد تعادل میان پایداری اقتصادی اپراتورها و توان پرداخت مشترکان، نیازمند نگاهی بلندمدت به ارتباطات به‌عنوان یکی از زیرساخت‌های اصلی اقتصاد دیجیتال است.

در نهایت، پرسش اصلی این نیست که افزایش تعرفه‌ها برای مردم خوشایند است یا نه؛ روشن است که افزایش هزینه‌ها معمولاً با استقبال مصرف‌کنندگان روبه‌رو نمی‌شود. مسئله این است که چگونه می‌توان هزینه واقعی حفظ و توسعه شبکه را تأمین کرد، بدون آنکه فشار نامتناسبی بر مشترکان وارد شود یا توان صنعت ارتباطات برای سرمایه‌گذاری و ارائه خدمات پایدار کاهش یابد.

پایداری شبکه، هم به توان اقتصادی اپراتورها وابسته است و هم به اعتماد مشترکان. اصلاح تعرفه‌ها، اگر قرار است بخشی از راه‌حل باشد، باید در کنار شفافیت، پاسخ‌گویی و تعهد به بهبود کیفیت خدمات قرار گیرد؛ زیرا در اقتصاد دیجیتال، هزینه ارتباطات تنها هزینه یک خدمت نیست، بلکه بخشی از هزینه حفظ زیرساختی است که زندگی و فعالیت اقتصادی جامعه به آن گره خورده است.

نوشته اینترنت ارزان می‌ماند، اگر شبکه توان ادامه داشته باشد؟ اولین بار در سیار نیوز پدیدار شد.

هوش مصنوعی در چند سال گذشته از یک فناوری آزمایشگاهی به یکی از جدی‌ترین ابزارهای تحول کسب‌وکار تبدیل شده است؛ از استخدام و خدمات مشتری گرفته تا سلامت، خرده‌فروشی و تصمیم‌گیری‌های دولتی. اما در کنار موج سرمایه‌گذاری و نمونه‌های موفق، فهرست شکست‌های پرهزینه AI هم در حال طولانی‌تر شدن است.

گزارش When AI Fails نوشته بردلی دبلیو. پیترسن که در آوریل ۲۰۲۶ منتشر شده، ۱۲ نمونه مستند از شکست پروژه‌های AI را در حوزه‌هایی مانند سلامت، خدمات مالی، خرده‌فروشی، استخدام، خدمات مشتری و دولت بررسی می‌کند. نکته محوری گزارش این است که در بسیاری از این نمونه‌ها، مسئله اصلی «کار نکردن مدل» نبوده؛ بلکه شکست در تعریف مسئله، مدیریت ریسک، اعتبارسنجی خروجی و طراحی فرایند استفاده از AI رخ داده است.

از واتسون تا Zillow؛ وقتی فناوری به مسئله اشتباه وصل می‌شود

یکی از نمونه‌های قدیمی‌تر، پروژه IBM Watson for Oncology در مرکز سرطان MD Anderson است. این پروژه بین سال‌های ۲۰۱۳ تا ۲۰۱۷ توسعه یافت و طبق گزارش پیترسن، حدود ۶۲ میلیون دلار هزینه داشت، اما در نهایت کنار گذاشته شد. مسئله فقط توانایی فنی سیستم نبود؛ بلکه فاصله میان آنچه سیستم در محیط کنترل‌شده می‌توانست انجام دهد و چیزی که در محیط واقعی پزشکی مورد انتظار بود، به یک مشکل اساسی تبدیل شد.

نمونه دیگر Zillow Offers است؛ جایی که الگوریتم برای تخمین قیمت و خرید خانه مورد استفاده قرار گرفت، اما مدل کسب‌وکار و ریسک پیش‌بینی قیمت در بازار واقعی نتوانست با واقعیت اقتصادی همراه شود. Zillow در سال ۲۰۲۱ این فعالیت را متوقف کرد؛ گزارشی که در مجموعه پیترسن به‌عنوان یکی از نمونه‌های شاخص شکست AI در کسب‌وکار بررسی شده است.

در اینجا یک نکته مهم وجود دارد: حتی اگر یک مدل در پیش‌بینی عملکرد قابل قبولی داشته باشد، این موضوع به‌تنهایی به معنی موفقیت محصول نیست. تصمیم کسب‌وکار، شرایط بازار، کیفیت داده و نحوه تبدیل خروجی مدل به یک اقدام واقعی، همگی بخشی از مسئله‌اند.

وقتی AI با مشتری روبه‌رو می‌شود

یکی از قابل‌توجه‌ترین نمونه‌ها، چت‌بات Air Canada است.

یک مسافر درباره شرایط تخفیف بلیت برای سوگواران از چت‌بات شرکت سؤال کرد و چت‌بات اطلاعات نادرستی ارائه داد. دادگاه حل اختلاف مدنی بریتیش کلمبیا در سال ۲۰۲۴، شرکت را بابت اطلاعات نادرست ارائه‌شده از طریق چت‌بات مسئول دانست. استدلال شرکت مبنی بر اینکه چت‌بات یک سیستم مستقل است، مسئولیت شرکت را از بین نبرد.

این پرونده یک پیام روشن برای کسب‌وکارها دارد: وقتی AI در نقطه تماس با مشتری قرار می‌گیرد، خروجی آن دیگر صرفاً یک پاسخ فنی نیست؛ بخشی از ارتباط رسمی شرکت با مشتری محسوب می‌شود.

مشکل مشابهی در پروژه اتوماسیون سفارش‌گیری McDonald’s نیز دیده شد. همکاری این شرکت با IBM برای سفارش‌گیری صوتی در درایو-ترو پس از مجموعه‌ای از خطاهای سفارش متوقف شد. گزارش‌های بعدی نشان دادند مسئله مهم فقط میزان خطای سیستم نبود؛ بلکه زمانی که سیستم دچار ابهام می‌شد، سازوکار مناسبی برای تشخیص خطا و انتقال به نیروی انسانی وجود نداشت.

داده خوب نیست، مدل هم خوب نیست

نمونه مشهور Amazon نیز نشان می‌دهد مشکل می‌تواند حتی قبل از اجرای مدل آغاز شده باشد.

ابزار آزمایشی استخدام Amazon با استفاده از رزومه‌های حدود یک دهه آموزش دیده بود؛ رزومه‌هایی که بخش بزرگی از آنها متعلق به مردان بود. نتیجه این شد که سیستم الگوهای موجود در داده‌های تاریخی را یاد گرفت و به رزومه برخی زنان امتیاز پایین‌تری داد. Amazon در نهایت این پروژه را کنار گذاشت.

این اتفاق یک سؤال مهم ایجاد می‌کند:

اگر داده گذشته خودش سوگیری داشته باشد، آیا می‌توان انتظار داشت AI صرفاً با «هوشمندتر شدن» تصمیمی بی‌طرفانه تولید کند؟

در چنین شرایطی، مسئله فقط انتخاب مدل نیست؛ کیفیت داده، طراحی معیار ارزیابی و حتی تعریف «تصمیم درست» باید قبل از استقرار سیستم بررسی شود.

خطرناک‌ترین شکست‌ها الزاماً فنی نیستند

در میان ۱۲ نمونه گزارش، مواردی وجود دارد که هزینه شکست فقط مالی یا اعتباری نبوده است.

چت‌بات Tessa که برای کمک به افراد درگیر اختلالات خوردن طراحی شده بود، پس از اضافه شدن قابلیت‌های مبتنی بر هوش مصنوعی پاسخ‌هایی درباره کاهش وزن و رژیم غذایی ارائه کرد که برای این گروه از کاربران می‌توانست آسیب‌زا باشد. این چت‌بات در سال ۲۰۲۳ غیرفعال شد.

در چنین پروژه‌ای، «دقت متوسط» یک معیار کافی نیست. ممکن است سیستم در صدها تعامل پاسخ مناسبی بدهد، اما یک پاسخ اشتباه در موقعیت حساس، پیامد بسیار بزرگ‌تری داشته باشد.

همین مسئله در استفاده از AI در حوزه‌های حقوقی، پزشکی، منابع انسانی و خدمات عمومی اهمیت بیشتری پیدا می‌کند؛ جایی که خطا فقط به معنی «پاسخ اشتباه» نیست و می‌تواند به تصمیم اشتباه درباره یک انسان منجر شود.

وقتی گزارش را AI می‌نویسد و کسی آن را نمی‌خواند

یکی دیگر از نمونه‌های مورد اشاره در گزارش، ماجرای Deloitte Australia است. گزارشی که برای دولت استرالیا تهیه شده بود، شامل منابع دانشگاهی جعلی و یک نقل‌قول ساختگی منتسب به رأی دادگاه بود و پس از آشکار شدن خطاها، نسخه اصلاح‌شده ارائه و بخشی از هزینه بازپرداخت شد.

این نمونه شاید برای شرکت‌هایی که اکنون از AI در تولید گزارش، تحلیل بازار، تحقیق و تولید محتوا استفاده می‌کنند، آشناتر باشد.

مشکل اینجا «توهم AI» به‌تنهایی نیست.

مشکل اصلی این است که چه کسی قرار بوده خروجی را بررسی کند؟

اگر یک مدل بتواند در چند دقیقه یک گزارش ۲۰۰ صفحه‌ای تولید کند اما هیچ فرایند جدی برای راستی‌آزمایی منابع وجود نداشته باشد، سرعت تولید محتوا در واقع می‌تواند سرعت تولید خطا را هم بالا ببرد.

پنج نقطه‌ای که بیشتر از خود فناوری شکست می‌خورند

پیترسن پس از کنار هم گذاشتن این ۱۲ نمونه، به یک الگوی مشترک می‌رسد. به گفته او، پنج بخش بیش از سایر قسمت‌ها در این شکست‌ها درگیر بوده‌اند:

• تعریف نادرست یا ناقص مسئله
• تصمیم‌گیری ضعیف درباره اینکه اصلاً چه کاری را باید به AI سپرد
• طبقه‌بندی ناکافی ریسک
• نبود نظارت انسانی مؤثر
• اعتبارسنجی نکردن خروجی پیش از رسیدن آن به دنیای واقعی

نکته قابل‌توجه این است که این پنج مورد، برخلاف تصور رایج، عمدتاً مسئله مهندسی مدل نیستند؛ بیشتر به مدیریت، طراحی فرایند و حاکمیت فناوری مربوط می‌شوند.

AI قرار نیست جای «تصمیم» را بگیرد

شاید مهم‌ترین درس این مجموعه همین باشد.

در بسیاری از سازمان‌ها، مسیر پیاده‌سازی AI از یک سؤال تکنولوژیک شروع می‌شود:

«با این مدل چه کاری می‌توانیم انجام دهیم؟»

در حالی که سؤال مهم‌تر باید این باشد:

«کدام تصمیم را می‌خواهیم بهتر بگیریم و اگر AI اشتباه کرد، چه کسی و چگونه متوجه می‌شود؟»

این تفاوت ظاهراً ساده، می‌تواند مرز میان یک ابزار مفید و یک پروژه پرهزینه باشد.

در یک سیستم خدمات مشتری، شاید بتوان خطای AI را با انتقال مکالمه به اپراتور اصلاح کرد. اما در استخدام، اعتباردهی مالی، پزشکی یا تصمیمات دولتی، ممکن است همان خطا پیش از آنکه انسان متوجه شود، اثر خود را گذاشته باشد.

به همین دلیل، «Human in the Loop» نباید صرفاً یک عبارت در اسناد حاکمیت AI باشد؛ باید بخشی از طراحی واقعی محصول باشد.

مسئله برای بازار ایران چیست؟

این بحث برای کسب‌وکارهای ایرانی نیز صرفاً یک موضوع نظری نیست.

همزمان با افزایش استفاده از مدل‌های زبانی، چت‌بات‌ها، ابزارهای تحلیل داده و اتوماسیون فرایندها، بسیاری از شرکت‌ها احتمالاً به سمت استفاده از AI در پشتیبانی مشتری، منابع انسانی، بازاریابی، فروش و تولید محتوا حرکت خواهند کرد.

اما اگر سازمان فقط هزینه خرید یا توسعه مدل را ببیند و هزینه داده، نظارت، ارزیابی، امنیت، کنترل خروجی و مسئولیت‌پذیری را نادیده بگیرد، ممکن است بخش مهمی از ریسک را به آینده منتقل کند.

AI می‌تواند هزینه و زمان انجام بسیاری از کارها را کاهش دهد؛ اما حذف انسان از فرایند، لزوماً به معنی حذف هزینه خطا نیست.

حتی ممکن است برعکس باشد: هرچه تصمیم مهم‌تر باشد، هزینه یک خطای کوچک AI می‌تواند بزرگ‌تر شود.

جمع‌بندی

۱۲ نمونه بررسی‌شده در گزارش When AI Fails از یک واقعیت مهم پرده برمی‌دارند: شکست یک پروژه AI لزوماً به این معنی نیست که «هوش مصنوعی کار نمی‌کند».

گاهی مدل کار می‌کند، اما مسئله اشتباه انتخاب شده است.

گاهی داده مشکل دارد.

گاهی خروجی قبل از اجرا بررسی نمی‌شود.

گاهی سازمان بیش از حد به اتوماسیون اعتماد می‌کند.

و گاهی هیچ‌کس دقیقاً مشخص نکرده است که وقتی ماشین اشتباه کرد، چه کسی باید جلوی آن را بگیرد.

بنابراین شاید سؤال درست درباره آینده AI این نباشد که «این فناوری چقدر هوشمند شده است؟»

سؤال مهم‌تر این است:

«سازمان‌ها برای زمانی که AI اشتباه می‌کند، چقدر آماده‌اند؟»

منبع اصلی: When AI Fails: Twelve case studies, two analyst forecasts, and one architectural diagnosis، Bradley W. Petersen، April 2026.

نوشته وقتی AI شکست می‌خورد؛ مشکل از هوش مصنوعی است یا از تصمیم‌هایی که پشت آن گرفته می‌شود؟ اولین بار در سیار نیوز پدیدار شد.

تصمیم اشتباه → هزینه بیشتر → رشد نامناسب → فاصله از بازار → کاهش درآمد → کاهش اعتماد سرمایه‌گذار → دشواری جذب سرمایه → تمام‌شدن پول → تعطیلی

در پایان این زنجیره، چیزی که دیده می‌شود «تمام‌شدن پول» است.

اما علت ممکن است چند مرحله عقب‌تر قرار داشته باشد.

از بازار شروع می‌شود

IntroNet صراحتاً شکست خود را به نرسیدن به Product-Market Fit پیش از تمام‌شدن نقدینگی مرتبط می‌کند.

این یعنی بحران مالی ممکن است نتیجه یک تصمیم قدیمی‌تر باشد:

شرکت محصولی ساخته که بازار به اندازه کافی به آن نیاز نداشته است.

گاهی مشکل رفتار کاربر است

Chorus نمونه متفاوتی است. کاربران در ابتدا از محصول استفاده می‌کردند اما پس از چند هفته یا چند ماه کنار می‌کشیدند. حتی تلاش‌هایی مانند مربی، چالش، گفت‌وگو و برنامه‌های مختلف نتوانستند مشکل رفتار کاربران را برطرف کنند.

در اینجا مسئله صرفاً محصول نیست.

رفتار انسان بخشی از مدل کسب‌وکار شده است.

اگر یک محصول نیازمند تغییر پایدار در رفتار کاربر باشد، فناوری خوب به‌تنهایی کافی نیست.

گاهی بازار هنوز آماده نیست

Airware اعلام کرده بود که بازار پهپادهای تجاری دیرتر از انتظار بالغ شده است. شرکت برای پیدا کردن جایگاه مناسب، چند بار مسیر خود را تغییر داد اما در نهایت پیش از رسیدن به موفقیت تجاری، runway مالی‌اش تمام شد.

اینجا شرکت لزوماً با یک محصول کاملاً بی‌ارزش مواجه نبود.

زمان‌بندی مشکل داشت.

و زمان‌بندی بد، هزینه مالی ایجاد می‌کند.

گاهی یک شوک بیرونی زنجیره را کامل می‌کند

CommonBond بیش از یک میلیارد دلار سرمایه جذب کرده بود، اما همه‌گیری کرونا و توقف پرداخت وام‌های دانشجویی به بازار اصلی آن ضربه زد. شرکت تلاش کرد به سمت وام‌های خورشیدی مسکونی تغییر مسیر دهد، اما نتوانست با سرعت لازم مقیاس بگیرد و سرمایه جدید جذب کند.

در چنین نمونه‌هایی نمی‌توان همه چیز را به «مدیریت بد» یا «محصول بد» تقلیل داد.

یک کسب‌وکار می‌تواند قبل از بحران عملکرد مناسبی داشته باشد، اما در برابر یک شوک بزرگ، مدل آن دیگر جواب ندهد.

بنابراین شکست یک نقطه نیست؛ یک فرآیند است

یکی از مهم‌ترین درس‌های مجموعه این است که شکست معمولاً در روزی که شرکت تعطیل می‌شود اتفاق نمی‌افتد.

ممکن است ماه‌ها یا حتی سال‌ها قبل آغاز شده باشد.

وقتی مدیران می‌بینند رشد کند شده، شاید هنوز شرکت پول دارد.

وقتی مشتریان محصول را کمتر استفاده می‌کنند، هنوز ممکن است درآمد وجود داشته باشد.

وقتی سرمایه‌گذار بعدی مردد می‌شود، هنوز ممکن است چند ماه runway باقی مانده باشد.

اما مجموعه همین نشانه‌هاست که در نهایت شرکت را به نقطه‌ای می‌رساند که دیگر فرصت اصلاح ندارد.

جمع‌بندی مجموعه

بررسی این پرونده‌ها یک تصویر مهم‌تر از «شکست» ارائه می‌دهد.

استارت‌آپ‌ها معمولاً به یک دلیل نمی‌میرند.

ممکن است فناوری خوب باشد، اما بازار کوچک باشد.

ممکن است بازار بزرگ باشد، اما مدل درآمدی جواب ندهد.

ممکن است مدل درآمدی مناسب باشد، اما هزینه رشد بیش از توان شرکت باشد.

ممکن است همه این موارد درست باشند، اما یک شوک اقتصادی یا مقرراتی زمان‌بندی شرکت را به هم بزند.

و در پایان، همه این مشکلات یک نشانه مشترک پیدا می‌کنند:

پول دیگر کافی نیست.

پس شاید دقیق‌ترین جمله درباره شکست استارت‌آپ‌ها این نباشد که:

«پول تمام شد.»

بلکه:

«وقتی پول تمام شد، دیگر فرصت کافی برای اصلاح اشتباهات قبلی باقی نمانده بود.»

این همان جایی است که «گزارش شکست» می‌تواند از یک فهرست مرگ شرکت‌ها به یک ابزار یادگیری برای نسل بعدی استارت‌آپ‌ها تبدیل شود.

نوشته پول معمولاً آخرین ضربه است؛ زنجیره‌ای که از یک تصمیم کوچک تا تعطیلی شرکت ادامه پیدا می‌کند اولین بار در سیار نیوز پدیدار شد.

۱۰ میلیون دلار؛ ۵۰ میلیون دلار؛ ۱۰۰ میلیون دلار؛ ۲۰۰ میلیون دلار.

اما پرونده‌های شکست نشان می‌دهند که سرمایه زیاد می‌تواند یک شرکت را برای مدت طولانی‌تری زنده نگه دارد، بدون اینکه الزاماً مشکل اصلی آن را حل کند.

Anki؛ بیش از ۲۰۰ میلیون دلار و پایان راه

Anki یکی از نمونه‌های قابل توجه این مجموعه است.

این شرکت رباتیک مصرفی بیش از ۲۰۰ میلیون دلار سرمایه جذب کرده بود، اما در نهایت نتوانست سرمایه جدید یا خریدار مناسبی پیدا کند و تعطیل شد.

سؤال مهم این نیست که «چطور شرکتی با ۲۰۰ میلیون دلار شکست خورد؟»

سؤال مهم‌تر این است:

این ۲۰۰ میلیون دلار قرار بود چه چیزی را ثابت کند؟

سرمایه زمانی ارزش دارد که در فاصله‌ای مشخص، شرکت را به مرحله بعدی برساند.

اگر سرمایه صرف توسعه محصول، نیروی انسانی، بازاریابی و توسعه جغرافیایی شود اما شاخص‌های اقتصادی شرکت بهبود پیدا نکند، سرمایه بزرگ فقط اندازه سازمان را بزرگ‌تر می‌کند.

Argo AI؛ یک میلیارد دلار کافی نبود

Argo AI نیز در سال ۲۰۱۷ با تعهد سرمایه‌گذاری یک میلیارد دلاری Ford وارد صحنه شد و بعدها ارزش‌گذاری آن به ۷.۳ میلیارد دلار رسید.

اما طبق گزارش‌های موجود، شرکت برای جذب سرمایه‌گذاران جدید با مشکل مواجه شد و پیشرفت تجاری‌سازی فناوری رانندگی خودران نیز کندتر از انتظار بود. در نهایت Ford و Volkswagen مسیر استراتژیک خود را تغییر دادند و Argo AI تعطیل شد.

این نمونه نشان می‌دهد حتی سرمایه‌گذاران بسیار بزرگ و پشتوانه صنعتی قدرتمند هم تضمین بقای استارت‌آپ نیستند.

سرمایه زیاد حتی می‌تواند هزینه شکست را بزرگ‌تر کند

هرچه سرمایه بیشتر باشد، معمولاً سازمان نیز بزرگ‌تر می‌شود.

نیروی انسانی بیشتر.

دفتر و زیرساخت بیشتر.

هزینه عملیاتی بیشتر.

تعهدات بیشتر.

انتظار رشد بیشتر.

و در نتیجه، burn rate بالاتر.

در چنین شرایطی، یک شرکت ممکن است زمانی که هنوز سرمایه دارد، از نظر مالی «زنده» به نظر برسد؛ اما در واقع برای رسیدن به نقطه بعدی به سرمایه‌ای بسیار بزرگ‌تر نیاز داشته باشد.

Fast؛ وقتی سرعت رشد از درآمد جلو می‌زند

Fast نیز نمونه دیگری است. این شرکت ۱۲۵ میلیون دلار سرمایه جذب کرده بود، اما رشد هزینه‌ها و burn بالا نسبت به رشد درآمد، جذب سرمایه بعدی را دشوار کرد.

بنابراین سرمایه قبلی لزوماً مهم‌ترین سؤال نیست.

سرمایه‌گذار جدید می‌پرسد:

بعد از پول قبلی چه اتفاقی افتاد؟

اگر پاسخ این باشد که شرکت فقط بزرگ‌تر شده اما مدل اقتصادی آن هنوز اثبات نشده، سرمایه قبلی تبدیل به یک استدلال برای سرمایه‌گذاری بعدی نمی‌شود.

نتیجه

سرمایه زیاد، زمان می‌خرد.

اما زمان به‌تنهایی ارزش نیست.

اگر شرکت در این زمان نتواند بازار، محصول، درآمد، اقتصاد واحد یا مدل کسب‌وکار خود را بهبود دهد، سرمایه بیشتر فقط سقوط را به تأخیر می‌اندازد.

به همین دلیل در تحلیل شکست استارت‌آپ‌ها باید بین دو مفهوم تفاوت گذاشت:

«سرمایه زیاد داشتن»

و

«استفاده مؤثر از سرمایه برای رسیدن به نقطه‌ای که سرمایه بعدی دیگر تنها راه بقا نباشد.»

این دو، یکی نیستند.

نوشته سرمایه زیاد مصونیت ایجاد نمی‌کند؛ چرا میلیون‌ها دلار هم نمی‌تواند بعضی استارت‌آپ‌ها را نجات دهد؟ اولین بار در سیار نیوز پدیدار شد.

تأخیر در تسویه بخشی از درخواست‌های کاربران «میلی» حالا فقط یک اختلال موقت در برداشت نیست؛ این اتفاق پرسش بزرگ‌تری را درباره نقدشوندگی واقعی طلای دیجیتال و میزان وابستگی پلتفرم‌ها به زیرساخت‌های بانکی مطرح کرده است.

میلی می‌گوید معادل ۹۶۵ کیلوگرم طلای مربوط به تعهدات کاربران به‌صورت فیزیکی در خزانه‌های بانکی نگهداری می‌شود، اما محدودیت دسترسی به بخشی از این ذخایر، از جمله در بانک کارگشایی، باعث کندشدن برخی تسویه‌ها شده است. در همین حال، شرکت در نامه‌ای به دبیر شورای عالی امنیت ملی خواستار رفع موانع دسترسی به طلای کاربران شده است.

اما سؤال اصلی اینجاست: اگر پشتوانه کاربران وجود دارد، چرا دسترسی به آن در زمان نیاز به تسویه به گلوگاه تبدیل شده است؟

ماجرا فقط «نبود طلا» نیست

میلی در اطلاعیه رسمی خود تأکید کرده که تأخیر در تسویه‌ها ناشی از نبود طلا نیست و اعلام کرده معادل ۹۶۵ کیلوگرم طلای مربوط به تعهدات کاربران در خزانه‌های امن بانکی نگهداری می‌شود.

این شرکت همچنین گفته در ۳۰ روز گذشته بیش از ۷ هزار میلیارد تومان تسویه ریالی انجام داده و بیش از ۳۶ کیلوگرم طلای فیزیکی به کاربران تحویل داده است. در عین حال، میلی علت تأخیر در بخشی از تسویه‌ها را محدودیت دسترسی به بخشی از ذخایر، از جمله طلای موجود در بانک کارگشایی، و محدودیت‌های مربوط به درگاه‌های پرداخت عنوان کرده است.

بنابراین مسئله‌ای که امروز پیش روی کاربران قرار دارد، لزوماً این نیست که «طلا وجود دارد یا نه»؛ بلکه پرسش مهم‌تر این است که چه مقدار از این پشتوانه در هر لحظه واقعاً قابل دسترسی و قابل استفاده برای تسویه است؟

۹۶۵ کیلوگرم طلا؛ عدد بزرگ، اما نیازمند راستی‌آزمایی مستقل

عدد ۹۶۵ کیلوگرم در نامه رسمی میلی و اطلاعیه‌های اخیر این شرکت تکرار شده است. با این حال، آنچه تاکنون به‌صورت عمومی منتشر شده، اظهار رسمی خود میلی درباره میزان طلای موجود است و نه یک گزارش حسابرسی مستقل که بتواند موجودی، محل نگهداری و میزان طلای قابل دسترس را برای کاربران تأیید کند.

این تفاوت مهم است.

برای کاربر، دانستن اینکه «پشتوانه وجود دارد» به‌تنهایی کافی نیست. سؤال‌های مهم‌تری وجود دارد:

• این ۹۶۵ کیلوگرم دقیقاً در چند خزانه نگهداری می‌شود؟
• چه میزان از آن در هر لحظه قابل دسترسی است؟
• چه نهادی به‌صورت مستقل موجودی را تطبیق می‌دهد؟
• نسبت طلای موجود به تعهدات کاربران با چه دوره‌ای بررسی می‌شود؟
• اگر یکی از خزانه‌ها یا مسیرهای بانکی از دسترس خارج شود، مسیر جایگزین تسویه چیست؟

تا زمانی که پاسخ روشنی به این پرسش‌ها داده نشود، «وجود فیزیکی طلا» و «نقدشوندگی قابل اتکا» را نمی‌توان یک مفهوم واحد در نظر گرفت.

این اولین بار نیست که بانک و خزانه به مسئله میلی تبدیل می‌شوند

نکته قابل توجه، سابقه خود میلی در جریان اختلالات جنگ ۱۲روزه در تابستان ۱۴۰۴ است.

میلی در اطلاعیه ۱۲ تیر ۱۴۰۴ اعلام کرده بود که به‌دلیل تعطیلی شبکه بانکی و توقف روند آزادسازی طلا از خزانه بانکی، تحویل فیزیکی طلا و تسویه ریالی موقتاً متوقف شده است.

چند روز بعد نیز شرکت اعلام کرد برداشت ریالی و تحویل فیزیکی طلا به‌صورت مرحله‌ای از سر گرفته می‌شود و علت محدودیت را انسداد درگاه‌های بانکی و عدم دسترسی کسب‌وکارها به ذخایر امن بانکی عنوان کرد. سرانجام پس از بازشدن درگاه بانکی، میلی در اول مرداد اعلام کرد خدمات خرید، فروش، برداشت ریالی و تحویل طلا دوباره به‌طور کامل فعال شده است.

بنابراین اتفاق امروز را نمی‌توان کاملاً جدا از تجربه سال گذشته دید.

یک‌بار اختلال بانکی می‌تواند یک اتفاق خارج از کنترل پلتفرم باشد؛ اما تکرار مسئله، این سؤال را ایجاد می‌کند که برای چنین شرایطی چه سازوکار پشتیبانی و مسیر جایگزینی طراحی شده است؟

وقتی بانک مشکل دارد، راه‌حل جایگزین کجاست؟

اینجا شاید مهم‌ترین سؤال گزارش قرار داشته باشد.

فرض کنیم روایت میلی درباره محدودیت دسترسی به ذخایر بانکی درست باشد. باز هم یک مسئله باقی می‌ماند: کاربر با بانک کارگشایی یا سایر زیرساخت‌های بانکی قرارداد ندارد؛ او با میلی طرف است.

در نتیجه، انتظار طبیعی کاربر این است که پلتفرم در کنار توضیح علت اختلال، درباره راهکار تسویه در شرایط اضطراری هم توضیح بدهد.

آیا میلی می‌تواند بخشی از تعهدات را از سایر ذخایر خود تسویه کند؟

آیا برای چنین شرایطی ذخیره عملیاتی جداگانه‌ای وجود دارد؟

آیا امکان جابه‌جایی پشتوانه میان خزانه‌ها وجود دارد؟

آیا قراردادها و سازوکارهای نگهداری طلا به شکلی طراحی شده‌اند که مسدودشدن یک مسیر، کل فرآیند تسویه را کند نکند؟

و مهم‌تر از همه، چرا کاربر باید منتظر حل اختلاف یا محدودیت میان پلتفرم و نهاد نگهدارنده دارایی بماند؟

اینها الزاماً اتهام علیه میلی نیست؛ اما پرسش‌هایی است که یک پلتفرم با حجم بالای دارایی کاربران باید بتواند برای آنها پاسخ روشن داشته باشد.

نامه به شورای عالی امنیت ملی؛ یک سؤال تازه

میلی در نامه‌ای که تصویر آن در اختیار زیمانیوز قرار گرفته، خطاب به دبیر شورای عالی امنیت ملی خواستار رفع موانع دسترسی به دارایی کاربران و آزادسازی طلای موجود در خزانه‌های بانکی شده است.

در این نامه، شرکت بر وجود فیزیکی طلای مربوط به تعهدات کاربران تأکید کرده و مسئله را محدودیت در دسترسی به این ذخایر عنوان کرده است. گزارش‌های منتشرشده درباره این نامه نیز همین روایت را تأیید می‌کنند.

اما در ادامه ماجرا، بانک مرکزی نسبت به نحوه بازتاب این نامه واکنش نشان داد و اعلام کرد در نامه منتشرشده، نام یا درخواست مستقیمی خطاب به بانک مرکزی مطرح نشده است. میلی نیز در پاسخ تأکید کرد که اساساً بانک مرکزی را طرف ادعای خود قرار نداده و درخواستش، رفع موانع دسترسی به طلای موجود در خزانه‌های بانکی است.

این رفت‌وبرگشت یک نکته مهم را روشن می‌کند: حتی درباره منشأ دقیق محدودیت نیز هنوز روایت واحدی در فضای عمومی وجود ندارد.

از یک طرف، میلی از محدودیت دسترسی به ذخایر و ضرورت رفع موانع سخن می‌گوید؛ از طرف دیگر، جزئیات اینکه دقیقاً چه نهادی، بر اساس چه تصمیمی و تا چه زمانی دسترسی به بخشی از ذخایر را محدود کرده، به‌طور شفاف برای کاربران توضیح داده نشده است.

مشکل «موجودی» است یا «دسترسی»؟

این شاید مهم‌ترین درس اتفاق اخیر برای بازار طلای آنلاین باشد.

در یک پلتفرم دیجیتال، نمایش موجودی به‌تنهایی برای کاربر کافی نیست. ارزش واقعی دارایی زمانی مشخص می‌شود که کاربر بتواند در زمان نیاز، آن را بفروشد، تسویه کند یا طلای فیزیکی خود را تحویل بگیرد.

به همین دلیل، اتفاق اخیر میلی را باید فراتر از یک مشکل روابط عمومی یا یک تأخیر در پرداخت دید.

اگر پشتوانه ۹۶۵ کیلوگرمی وجود دارد اما دسترسی به بخشی از آن ممکن نیست، مسئله اصلی بازار دیگر صرفاً «پشتوانه» نیست؛ بلکه «دسترسی به پشتوانه» و «توان تسویه در شرایط بحرانی» است.

این موضوع برای کل بازار طلای آنلاین اهمیت دارد؛ زیرا هر پلتفرمی ممکن است با اختلال بانکی، محدودیت دسترسی به خزانه، مشکل درگاه یا حتی بحران عملیاتی مواجه شود.

میلی حالا باید به چند سؤال مشخص پاسخ دهد

با توجه به توضیحات رسمی منتشرشده، انتظار می‌رود میلی برای رفع ابهام کاربران حداقل درباره چند موضوع شفاف‌سازی کند:

اول: تعداد درخواست‌های تسویه‌ای که در حال حاضر با تأخیر مواجه‌اند چقدر است؟

دوم: میانگین و حداکثر زمان انتظار برای تسویه در شرایط فعلی چقدر است؟

سوم: از ۹۶۵ کیلوگرم طلای اعلام‌شده، چه میزان در حال حاضر برای تسویه قابل دسترسی است؟

چهارم: محدودیت دسترسی دقیقاً از سوی چه نهادی و بر اساس چه تصمیمی ایجاد شده و زمان‌بندی رفع آن چیست؟

پنجم: اگر دسترسی به یک خزانه یا مسیر بانکی محدود شود، سازوکار جایگزین میلی برای انجام تعهدات کاربران چیست؟

و شاید مهم‌تر از همه:

آیا میلی برای تکرار چنین شرایطی، برنامه مشخصی برای حفظ نقدشوندگی و تسویه کاربران دارد یا باز هم باید منتظر رفع محدودیت‌های بانکی بماند؟

مسئله میلی؛ آزمونی برای کل بازار طلای آنلاین

ماجرای اخیر هنوز به‌تنهایی نمی‌تواند اثبات‌کننده کمبود طلا، ورشکستگی یا تخلف مالی میلی باشد و برای چنین ادعاهایی به شواهد مستقل نیاز است.

اما از سوی دیگر، نمی‌توان تأخیر در تسویه را هم صرفاً با یک جمله درباره «وجود طلا در خزانه» تمام‌شده تلقی کرد.

کاربر به موجودی روی کاغذ پول نمی‌دهد؛ او انتظار دارد دارایی‌اش در زمان نیاز قابل دسترس باشد.

اگر یک پلتفرم می‌گوید ۹۶۵ کیلوگرم طلای متناظر با تعهدات کاربران در خزانه‌های بانکی نگهداری می‌شود، حالا باید یک گام جلوتر برود و توضیح دهد چرا بخشی از این پشتوانه در زمان تسویه در دسترس نیست و برای جلوگیری از تکرار این وضعیت چه راهکار عملی دارد.

اتفاق اخیر می‌تواند برای میلی و سایر پلتفرم‌های طلای آنلاین یک آزمون مهم باشد: آیا در این بازار، پشتوانه فقط به معنای «وجود طلا» است یا «توان دسترسی و تسویه به‌موقع» هم بخشی از پشتوانه واقعی محسوب می‌شود؟

منابعی این گزارش:
شبکه اطلاع‌رسانی طلا و ارز (TGJU)؛
گزارش تأخیر تسویه و محدودیت دسترسی به ذخایر زومیت؛
توضیح میلی درباره تأخیر تسویه و نامه به شورای عالی امنیت ملی زومیت؛
واکنش بانک مرکزی و پاسخ میلی
اطلاعیه‌های رسمی خود میلی درباره اختلالات تیر ۱۴۰۴ و ازسرگیری تسویه‌ها

نوشته ۹۶۵ کیلو طلا در خزانه، اما تسویه معطل است؛ گره میلی کجاست؟ اولین بار در سیار نیوز پدیدار شد.

سرمایه‌گذاری‌های بزرگ، رشد سریع محصولات مولد، مدل‌های زبانی و ورود شرکت‌های بزرگ فناوری باعث شده AI در بسیاری از موارد نه فقط یک فناوری، بلکه یک فرصت اقتصادی استثنایی تلقی شود.

اما آیا هوش مصنوعی واقعاً از قواعد شکست استارت‌آپی مستثناست؟

نگاهی به نمونه‌های موجود در مجموعه «442 Startup Failure Post-Mortems» پاسخ ساده‌ای ندارد.

AI هم می‌تواند «خیلی زود» باشد

Kite یکی از نمونه‌های قابل توجه این مجموعه است.

این استارت‌آپ در زمینه دستیار برنامه‌نویسی مبتنی بر AI فعالیت می‌کرد و حدود ۲۱ میلیون دلار سرمایه جذب کرده بود. اما بنیان‌گذار شرکت بعدها توضیح داد که محصول با وجود افزایش سرعت کدنویسی، ارزش اقتصادی کافی برای متقاعد کردن مدیران مهندسی ایجاد نکرده بود.

به بیان ساده‌تر، فناوری کار می‌کرد؛ اما مشتری الزاماً حاضر نبود برای آن پول بدهد.

این تفاوت برای موج فعلی AI بسیار مهم است.

«می‌توانیم با AI این کار را انجام دهیم» با «مشتری حاضر است برای انجام این کار پول بدهد» یکی نیست.

AI هم به Product-Market Fit نیاز دارد

AI می‌تواند یک فرآیند را سریع‌تر، ارزان‌تر یا هوشمندتر کند؛ اما همچنان باید مشخص باشد:

• چه کسی مشتری است؟
• مشکل واقعی چیست؟
• چه کسی پول می‌دهد؟
• چرا مشتری محصول را جایگزین راهکار فعلی می‌کند؟
• هزینه ارائه خدمت چقدر است؟
• مزیت محصول در برابر مدل‌های عمومی و رقبا چیست؟

در واقع AI ممکن است ساخت محصول اولیه را آسان‌تر کند، اما همین مسئله می‌تواند یک مشکل جدید ایجاد کند: رقابت برای ساخت محصول مشابه نیز آسان‌تر می‌شود.

در چنین بازاری، صرف داشتن یک مدل یا قابلیت AI لزوماً مزیت پایدار ایجاد نمی‌کند.

نمونه‌های قدیمی‌تر چه می‌گویند؟

Anki، شرکت رباتیک مصرفی، بیش از ۲۰۰ میلیون دلار سرمایه جذب کرده بود اما در نهایت نتوانست سرمایه‌گذاری جدید یا خریدار مناسبی پیدا کند و تعطیل شد.

Lighthouse AI نیز فناوری‌هایی در حوزه AI و حسگر سه‌بعدی توسعه داده بود، اما در نهایت اعلام کرد به موفقیت تجاری مورد انتظار دست پیدا نکرده است.

این نمونه‌ها به یک نکته مهم اشاره می‌کنند:

فناوری پیشرفته، به‌تنهایی مدل کسب‌وکار نیست.

اما AI امروز چه تفاوتی دارد؟

تفاوت امروز با بسیاری از موج‌های قبلی این است که AI به‌سرعت در حال تبدیل‌شدن به یک لایه عمومی فناوری است.

بنابراین احتمالاً مسئله برای استارت‌آپ‌های AI فقط ساخت یک فناوری خوب نیست؛ بلکه ایجاد تمایز، دسترسی به مشتری، داده، توزیع، هزینه قابل کنترل و درآمد پایدار اهمیت بیشتری پیدا می‌کند.

CB Insights نیز در گزارش‌های جدید شکست استارت‌آپ‌ها تأکید می‌کند که عوامل اقتصادی، انتظارات مشتری، محصول و بازار همچنان در شکست شرکت‌ها نقش دارند؛ حتی در شرکت‌هایی که فناوری پیشرفته دارند.

پرسش اصلی برای AI

بنابراین شاید سؤال درست درباره موج فعلی هوش مصنوعی این نباشد که:

«آیا AI بزرگ‌ترین فناوری دهه آینده است؟»

«کدام شرکت‌های AI می‌توانند فناوری را به یک کسب‌وکار پایدار تبدیل کنند؟»

قبرستان استارت‌آپ‌ها نشان داده که فناوری‌های بزرگ هم می‌توانند در بازار شکست بخورند.

AI شاید قواعد فناوری را تغییر دهد؛ اما هنوز نمی‌تواند یک قانون قدیمی کسب‌وکار را حذف کند:

مشتری باید مشکلی داشته باشد که حاضر باشد برای حل آن پول بدهد.

نوشته آیا AI واقعاً متفاوت است؟ هوش مصنوعی از قبرستان استارت‌آپ‌ها چه چیزی یاد می‌گیرد؟ اولین بار در سیار نیوز پدیدار شد.

به گزارش زیمانیوز و به نقل از وزارت ارتباطات و فناوری اطلاعات، در نشست خبری «همگرایی در اقتصاد دیجیتال؛ از سنجش تا ارزیابی آثار»، غلامرضا گودرزی، رئیس مرکز آمار ایران، اعلام کرد سهم اقتصاد دیجیتال از تولید ناخالص داخلی از ۵.۴ درصد در سال ۱۴۰۲ به ۷.۱ درصد در سال ۱۴۰۳ رسیده است. به گفته او، این عدد بر پایه ترکیبی از داده‌های ثبتی و یک طرح آماری در سراسر کشور به دست آمده که در آن بیش از ۹ هزار نمونه بررسی و بیش از ۱۰۰ مأمور آمارگیر برای جمع‌آوری اطلاعات مشارکت داشته‌اند.

اما بخش قابل‌توجه نشست، نه خود عدد ۷.۱ درصد، بلکه پرسش درباره معنای این عدد برای سیاست‌گذاری بود.

احسان چیت‌ساز، معاون سیاست‌گذاری و برنامه‌ریزی توسعه فاوا و اقتصاد دیجیتال وزارت ارتباطات، تأکید کرد که باید میان «اندازه اقتصاد دیجیتال»، «پایش توسعه» و «سیاست‌سنجی» تفاوت قائل شد. به گفته او، مشخص شدن سهم اقتصاد دیجیتال از تولید ناخالص داخلی تنها اندازه این اقتصاد را نشان می‌دهد؛ در حالی که سیاست‌سنجی باید پاسخ دهد کدام سیاست، برای چه گروهی، با چه هزینه‌ای و تا چه اندازه اثرگذار بوده است.

این تفکیک، یک سؤال مهم را پیش روی سیاست‌گذار قرار می‌دهد: اگر اقتصاد دیجیتال رشد کرده، چقدر از این رشد را می‌توان به سیاست‌های اجراشده نسبت داد؟

چیت‌ساز در این نشست تأکید کرد که حتی در بررسی رشد اقتصاد دیجیتال در دهه ۱۳۹۰ نیز نباید به‌سادگی تمام رشد را به حمایت‌های دولتی نسبت داد. به گفته او، توسعه پهن‌باند و شکل‌گیری نهادهای سرمایه‌گذاری خصوصی از عواملی بوده‌اند که در رشد این بخش نقش داشته‌اند. بنابراین، برای نسبت دادن یک نتیجه اقتصادی به یک سیاست مشخص، باید رابطه میان «مداخله» و «نتیجه» با داده بررسی شود.

۷.۱ درصد؛ پایان سنجش یا شروع آن؟

اهمیت این بحث زمانی بیشتر می‌شود که بدانیم قرار است اندازه اقتصاد دیجیتال تنها یکی از شاخص‌های ارزیابی باشد. خود چیت‌ساز نیز تأکید کرده است که باید آثار واقعی سیاست‌ها بررسی شود؛ برای مثال، افزایش پوشش ارتباطی به چه میزان به استفاده مؤثر بنگاه‌ها منجر شده، توسعه فیبر نوری چقدر فرصت‌های اقتصادی را در مناطق مختلف توزیع کرده و حمایت از کسب‌وکارهای دیجیتال چه اثری بر بهره‌وری و اشتغال پایدار داشته است.

به همین دلیل، افزایش سهم اقتصاد دیجیتال از ۵.۴ به ۷.۱ درصد را می‌توان یک شاخص مهم، اما نه پاسخ نهایی دانست. این عدد می‌گوید وزن اقتصاد دیجیتال در اقتصاد کشور بیشتر شده، اما به‌تنهایی توضیح نمی‌دهد چرا این اتفاق افتاده، کدام بخش‌ها موتور این رشد بوده‌اند و سهم سیاست‌های مختلف در آن چه میزان بوده است.

رسانه‌ها نیز در پوشش این نشست، زاویه‌های متفاوتی را برجسته کرده‌اند. برخی مانند جیب‌نیوز و صحت‌خبر، هم‌زمان با عدد ۷.۱ درصد، بر ضرورت عبور از نگاه عددی و حرکت به سمت سیاست‌سنجی تأکید کرده‌اند. در مقابل، زومیت تمرکز ۵۹ درصدی اقتصاد دیجیتال در تهران و ضرورت انتشار داده‌های پایه را برجسته کرده و برخی رسانه‌ها نیز پرسش درباره آثار این رشد بر زندگی مردم، بهره‌وری و اشتغال را محور قرار داده‌اند.

اقتصاد دیجیتال؛ بزرگ‌تر، اما چقدر متوازن؟

یک عدد دیگر در این نشست، بخشی از تصویر اقتصاد دیجیتال ایران را روشن‌تر می‌کند: حدود ۵۹ درصد اقتصاد دیجیتال کشور در تهران متمرکز است و پس از تهران، استان‌های اصفهان، خراسان رضوی، آذربایجان شرقی و البرز بالاترین سهم را دارند.

این تمرکز جغرافیایی، اهمیت همان پرسشی را که چیت‌ساز درباره «اثربخشی» مطرح کرده بیشتر می‌کند. اگر هدف سیاست‌گذاری، توسعه متوازن اقتصاد دیجیتال و تحقق عدالت دیجیتال است، صرف افزایش سهم کل کشور کافی نیست؛ باید دید رشد اقتصادی دیجیتال در کدام مناطق اتفاق افتاده و آیا توسعه زیرساخت توانسته به ایجاد فعالیت اقتصادی واقعی در خارج از مراکز اصلی منجر شود یا خیر.

از همین منظر، توسعه فیبر، افزایش پوشش ارتباطی یا حتی آموزش نیروی انسانی را نمی‌توان صرفاً با تعداد پروژه‌ها، سایت‌ها یا افراد آموزش‌دیده ارزیابی کرد. معیار نهایی، اثری است که این اقدامات بر کسب‌وکار، اشتغال، بهره‌وری و فرصت‌های اقتصادی ایجاد می‌کنند؛ موضوعی که در این نشست نیز بر آن تأکید شد.

حالا نوبت داده است

شاید مهم‌ترین بخش این نشست، وعده انتشار جزئیات بیشتر درباره داده‌ها و روش محاسبه باشد. رئیس مرکز آمار ایران اعلام کرده گزارش تفصیلی سنجش اقتصاد دیجیتال منتشر خواهد شد و چیت‌ساز نیز بر ضرورت دسترسی پژوهشگران و رسانه‌ها به داده‌های پایه تأکید کرده است.

این اتفاق می‌تواند نقطه شروع مرحله‌ای متفاوت در گزارش‌دهی اقتصاد دیجیتال باشد؛ مرحله‌ای که در آن رسانه‌ها صرفاً اعلام نمی‌کنند «سهم اقتصاد دیجیتال چند درصد شد»، بلکه می‌توانند بپرسند این رشد از کجا آمده، چه هزینه‌ای داشته، چه کسانی از آن منتفع شده‌اند و کدام سیاست واقعاً نتیجه داده است.

در چنین شرایطی، ۷.۱ درصد بیشتر از آنکه پایان یک گزارش آماری باشد، می‌تواند آغاز یک سؤال سیاستی باشد. اگر قرار است اقتصاد دیجیتال به سهم ۱۰ درصدی هدف‌گذاری‌شده در برنامه هفتم نزدیک شود، اهمیت فقط رسیدن به این عدد نیست؛ مهم‌تر آن است که مشخص شود مسیر رسیدن به آن چقدر اثربخش، متوازن و قابل اندازه‌گیری بوده است.

نوشته ۷.۱ درصد کافی نیست؛ اقتصاد دیجیتال به سیاست‌سنجی رسید اولین بار در سیار نیوز پدیدار شد.

اما آیا تمام‌شدن پول واقعاً دلیل شکست است؟

بررسی مجموعه «442 Startup Failure Post-Mortems» تصویر پیچیده‌تری ارائه می‌دهد. در این مجموعه، روایت تعطیلی صدها استارت‌آپ از زبان بنیان‌گذاران، رسانه‌ها، سرمایه‌گذاران و منابع مختلف گردآوری شده است. نکته مشترک بسیاری از این روایت‌ها این است که تمام‌شدن سرمایه اغلب آخرین حلقه زنجیره شکست است، نه اولین حلقه آن.

در نمونه‌هایی که در این مجموعه آمده، شرکت‌هایی دیده می‌شوند که سرمایه قابل‌توجهی جذب کرده‌اند، فناوری خود را توسعه داده‌اند و حتی مشتری یا شریک تجاری داشته‌اند؛ اما در نهایت نتوانسته‌اند به مرحله‌ای برسند که رشد، درآمد، حاشیه سود یا جذب سرمایه بعدی، ادامه حیات آنها را تضمین کند.

این برداشت با تحلیل جدیدتر CB Insights نیز هم‌خوان است. این مؤسسه در گزارش ۲۰۲۶ خود، با بررسی ۴۳۱ شرکت سرمایه‌گذاری‌پذیر که در دوره پس از ۲۰۲۳ تعطیل شده‌اند، اعلام کرده «تمام‌شدن سرمایه» در ۷۰ درصد موارد به‌عنوان علت شکست ذکر شده، اما آن را عموماً علت نهایی می‌داند؛ در مقابل، عواملی مانند عدم تناسب محصول و بازار، زمان‌بندی نامناسب و اقتصاد واحد ناپایدار، به توضیح چرایی خشک‌شدن سرمایه کمک می‌کنند.

پول کِی تمام می‌شود؟

یک استارت‌آپ معمولاً زمانی به نقطه شکست نزدیک می‌شود که هزینه‌هایش سریع‌تر از توانایی‌اش برای ایجاد درآمد، جذب مشتری یا تأمین سرمایه جدید رشد کند.

نمونه «Fast» در همین مجموعه قابل توجه است. این شرکت ۱۲۵ میلیون دلار سرمایه جذب کرده بود، اما سرعت سوخت سرمایه از رشد درآمد جلو زد و در نهایت شرایط برای جذب سرمایه بعدی دشوار شد.

بنابراین مسئله فقط «چقدر پول داریم؟» نیست؛ سؤال مهم‌تر این است که این پول تا رسیدن به چه نقطه‌ای باید دوام بیاورد؟

اگر یک شرکت ۵۰ میلیون دلار داشته باشد اما برای رسیدن به مدل اقتصادی قابل دوام به ۱۰۰ میلیون دلار دیگر نیاز داشته باشد، سرمایه زیاد لزوماً مزیت نیست؛ ممکن است فقط زمان شکست را عقب بیندازد.

قبل از پول، بازار چه می‌گوید؟

در بخشی از مجموعه، IntroNet صراحتاً توضیح می‌دهد که دو تلاش اولیه شرکت پیش از رسیدن به تناسب محصول و بازار با تمام‌شدن نقدینگی متوقف شد. خود بنیان‌گذار این پرسش را مطرح می‌کند که آیا شرکت به‌جای حل یک «مشکل واقعی»، صرفاً در حال پاسخ دادن به یک «درد» یا نارضایتی بوده و آیا تغییر رفتار کاربران اساساً امکان‌پذیر بوده است.

اینجا یک تفاوت مهم شکل می‌گیرد:

استارت‌آپ ممکن است پول کم نداشته باشد؛ ممکن است زمان کافی برای پیدا کردن بازار مناسب نداشته باشد.

سرمایه در این شرایط فقط سوخت است. اگر مسیر اشتباه باشد، سوخت بیشتر الزاماً مقصد را عوض نمی‌کند.

پس چرا سرمایه‌گذاران دوباره پول نمی‌دهند؟

در بسیاری از داستان‌ها، مرحله نهایی این است: «شرکت نتوانست سرمایه جدید جذب کند.»

اما سرمایه‌گذار معمولاً فقط به موجودی حساب شرکت نگاه نمی‌کند. او می‌خواهد بداند سرمایه جدید قرار است چه چیزی را تغییر دهد.

آیا مشتریان بیشتری می‌آیند؟

آیا درآمد با سرعت کافی رشد می‌کند؟

آیا هزینه جذب مشتری قابل کنترل است؟

آیا حاشیه سود در آینده می‌تواند مثبت شود؟

آیا محصول واقعاً مورد نیاز بازار است؟

و مهم‌تر از همه، آیا سرمایه جدید شرکت را به نقطه‌ای می‌رساند که دیگر برای ادامه مسیر دائماً به سرمایه جدید نیاز نداشته باشد؟

در همین مجموعه، Brodmann17 نمونه‌ای جالب است؛ شرکتی که طبق روایت موجود، فناوری خود را اثبات کرده بود، تقاضا و حتی مشتری در مرحله تولید داشت، اما نتوانست سرمایه جدید جذب کند و در نهایت تعطیل شد.

این نمونه یک سؤال جدی ایجاد می‌کند:

آیا اثبات فناوری برای بقای یک استارت‌آپ کافی است؟

ظاهراً نه.

نتیجه

قبرستان استارت‌آپ‌ها پر از شرکت‌هایی نیست که فقط «پول کم آوردند».

بخش مهمی از آنها ابتدا در بازار، مدل کسب‌وکار، زمان‌بندی، اقتصاد محصول، رشد یا اجرا دچار مشکل شدند و بعد، همان مشکل خود را در قالب «عدم توانایی جذب سرمایه بعدی» نشان داد.

به همین دلیل شاید بهتر باشد به‌جای پرسیدن اینکه:

«چرا سرمایه شرکت تمام شد؟»

بپرسیم:

«چرا شرکت نتوانست قبل از تمام‌شدن سرمایه، چیزی بسازد که بازار و سرمایه‌گذار حاضر باشند دوباره برای ادامه آن پول بدهند؟»

این پرسش، نقطه شروع واقعی برای فهم شکست استارت‌آپ‌هاست.

نوشته ۴۴۲ استارت‌آپ چرا شکست خوردند؟ وقتی پول تمام می‌شود، واقعاً چه چیزی قبل از آن خراب شده است؟ اولین بار در سیار نیوز پدیدار شد.

ماجرا از جایی جدی شد که کاربران درباره تمام‌شدن زودهنگام بسته‌های اینترنت و نحوه محاسبه حجم مصرفی خود اعتراض کردند. موضوع آن‌قدر گسترده شد که وزیر ارتباطات و فناوری اطلاعات از اپراتورها خواست نحوه محاسبه ترافیک و تعرفه بسته‌ها را بررسی و نتیجه را ارائه کنند.

در مردادماه، این دستور به برگزاری نشست‌های فنی اپراتورها با خبرنگاران منجر شد. همراه اول و ایرانسل در حضور رسانه‌ها تست‌های عملی انجام دادند و نحوه محاسبه ترافیک داخلی، بین‌الملل و پیام‌رسان‌های داخلی را به‌صورت زنده نمایش دادند. در نشست ایرانسل نیز خبرنگاران مستقیماً حجم باقی‌مانده بسته را قبل و بعد از دانلود فایل‌های مختلف بررسی کردند.

این تست‌ها در همان زمان نشان می‌داد که در سناریوهای کنترل‌شده، حجم کسرشده از بسته با سازوکار اعلام‌شده توسط اپراتورها مطابقت دارد. اما یک سؤال همچنان باقی می‌ماند: آیا یک تست کنترل‌شده می‌تواند تجربه واقعی میلیون‌ها کاربر را توضیح دهد؟

رگولاتوری چه چیزی را بررسی کرد؟

گزارش جدید سازمان تنظیم مقررات دامنه بررسی را از یک تست محدود فراتر برده است. بر اساس این گزارش، بیش از ۲۰ نمونه برای هر یک از سه اپراتور همراه مورد آزمایش قرار گرفته و نتایج اعلام‌شده برای ستاد و مناطق ۹گانه سازمان، تأیید شده است. در جمع‌بندی این بخش نیز آمده که مغایرت یا مشکلی در عملکرد اپراتورها مشاهده نشده است.

در بخش اینترنت ثابت نیز بیش از ۱۰ نمونه برای هر اپراتور مورد بررسی قرار گرفته و در نمونه‌های ارائه‌شده برای مخابرات ایران، آسیاتک، شاتل و مبین‌نت، نتیجه «تأیید» اعلام شده است.

بنابراین بر اساس داده‌ای که رگولاتوری منتشر کرده، ادعای کسر حجم بیشتر از میزان مصرف واقعی در این آزمایش‌ها تأیید نشده است.

اما این پایان ماجرا نیست.

یک نکته مهم در دل همان تست‌ها

جدول‌های گزارش نشان می‌دهند در برخی نمونه‌ها، حجم دانلودشده حتی اندکی بیشتر از حجمی بوده که اپراتور محاسبه کرده است؛ برای مثال در یکی از آزمون‌ها ۵.۰۳ گیگابایت دانلود ثبت شده اما حجم محاسبه‌شده توسط اپراتور ۵ گیگابایت بوده و در نمونه‌ای دیگر این اعداد ۵.۱۰ و ۵ گیگابایت ثبت شده‌اند. در نمونه‌های دیگری نیز اختلاف‌هایی مشابه دیده می‌شود.

این اعداد البته به‌تنهایی به معنای وجود مشکل یا تخلف نیستند و خود گزارش نیز بر اساس همین آزمون‌ها نتیجه گرفته که مغایرتی مشاهده نشده است. اما از منظر تجربه کاربر، یک مسئله مهم را برجسته می‌کنند: اندازه‌گیری مصرف اینترنت یک فرایند فنی است و آنچه کاربر در گوشی یا فایل دانلودی خود می‌بیند، لزوماً معادل عددی نیست که سامانه اپراتور برای محاسبه ترافیک ثبت می‌کند.

در نتیجه، برای رفع ابهام عمومی، صرف اعلام «تست‌ها تأیید شد» کافی نیست؛ نحوه اندازه‌گیری، واحد محاسبه، نوع ترافیک و جزئیات ثبت مصرف باید برای مشترک قابل مشاهده و قابل راستی‌آزمایی باشد.

خود رگولاتوری سه منشأ ابهام را تأیید کرده است

نکته قابل توجه گزارش جدید این است که سازمان تنظیم مقررات، در حالی که محاسبه حجم بسته‌ها را در تست‌های خود تأیید کرده، سه عامل را به‌عنوان منشأ سوءبرداشت یا افزایش مصرف کاربران شناسایی کرده است.

نخست، اطلاعات برخی آدرس‌ها و IPهای محتوای داخلی در سامانه تعرفه ترجیحی به‌روز نشده یا ثبت نشده‌اند. در نتیجه ممکن است کاربر تصور کند در حال استفاده از محتوای داخلی با تعرفه ترجیحی است، اما ترافیک او به‌عنوان ترافیک بین‌الملل محاسبه شود.

دوم، حجم و کیفیت محتوای آنلاین، به‌خصوص ویدئو، افزایش یافته و هم‌زمان قابلیت‌هایی مانند به‌روزرسانی خودکار، پخش خودکار ویدئو، پشتیبان‌گیری ابری و فعالیت برنامه‌ها در پس‌زمینه می‌توانند مصرف ترافیک را افزایش دهند.

اما عامل سوم از منظر حقوق مصرف‌کننده شاید مهم‌تر باشد: رگولاتوری صراحتاً اعلام کرده که در برخی اپراتورها، ریزمصرف به تفکیک ترافیک داخلی و بین‌الملل به شکل شفاف در اختیار مشترک قرار نمی‌گرفته و پس از پیگیری سازمان، این بخش اصلاح شده است.

تناقضی که باید دیده شود: عدد درست است، اما تجربه کاربر لزوماً شفاف نیست

اینجاست که روایت «حجم‌خوری» نیاز به تفکیک پیدا می‌کند.

اگر منظور از حجم‌خوری، کسر حجمی بیشتر از میزان مصرف واقعی باشد، گزارش رگولاتوری چنین چیزی را در تست‌های انجام‌شده تأیید نکرده است.

اما اگر مسئله را از زاویه تجربه مشترک نگاه کنیم، داستان پیچیده‌تر می‌شود. کاربر ممکن است نداند کدام سرویس با تعرفه داخلی محاسبه شده، کدام ترافیک بین‌الملل بوده، چه برنامه‌ای در پس‌زمینه فعال بوده یا دقیقاً چه میزان از بسته برای هر نوع ترافیک مصرف شده است.

به بیان دیگر، رگولاتوری بخشی از مسئله را «صحت محاسبه» و بخش دیگری را «شفافیت محاسبه» می‌داند.

این دو موضوع یکی نیستند.

ممکن است سیستم اپراتور عدد درستی را ثبت کند، اما اگر مشترک نتواند بفهمد این عدد چگونه و بابت چه سرویسی ایجاد شده، همچنان احساس می‌کند حجم بسته‌اش «بی‌دلیل» کم شده است.

آمار شکایت‌ها هم نشان می‌دهد مسئله را نمی‌توان صرفاً یک سوءتفاهم ساده دانست

در گزارش رگولاتوری، آمار شکایت‌های ثبت‌شده در سامانه ۱۹۵ درباره موضوع تعرفه نیز آمده است. تعداد شکایت‌ها در ماه‌های مختلف نوسان داشته و در نمودار گزارش از ۷۱۱ مورد تا بیش از ۲ هزار مورد ثبت شده است.

البته این اعداد به‌تنهایی اثبات‌کننده تخلف نیستند؛ شکایت می‌تواند ناشی از ابهام، نارضایتی از تعرفه، کیفیت سرویس یا برداشت متفاوت کاربر از نحوه محاسبه باشد. اما همین حجم شکایت نشان می‌دهد مسئله برای بخشی از مشترکان واقعی بوده و نمی‌توان کل ماجرا را صرفاً به یک شایعه در شبکه‌های اجتماعی تقلیل داد.

گزارش رگولاتوری یک پاسخ است، اما شاید پایان پرونده نباشد

آنچه از کنار هم گذاشتن تست‌های مردادماه و گزارش تازه رگولاتوری به دست می‌آید، بیش از آنکه یک پاسخ صفر و یکی باشد، تصویری دوگانه ارائه می‌کند.

از یک سو، اپراتورها در آزمایش‌های حضوری و رگولاتوری در آزمون‌های خود، موردی از کسر اضافه حجم را تأیید نکرده‌اند. از سوی دیگر، همان بررسی رسمی وجود ضعف در ثبت اطلاعات برخی محتوای داخلی و همچنین شفاف نبودن ریزمصرف در برخی سامانه‌ها را تأیید کرده است.

بنابراین شاید مسئله اصلی دیگر فقط این نباشد که «اپراتور حجم اضافه کم می‌کند یا نه». پرسش مهم‌تر این است که آیا کاربر می‌تواند به‌سادگی بفهمد بسته‌ای که خریده دقیقاً چگونه و بابت چه نوع ترافیکی مصرف شده است؟

اگر پاسخ این سؤال برای همه مشترکان «بله» باشد، بخش بزرگی از ابهام‌های امروز از بین خواهد رفت. اما اگر کاربر همچنان فقط یک عدد از حجم باقی‌مانده ببیند و نتواند منشأ مصرف را ردیابی کند، حتی تأیید فنی محاسبات نیز الزاماً به معنای پایان نارضایتی‌ها نخواهد بود.

پرونده «حجم‌خوری» شاید با تست‌های رگولاتوری بسته شده باشد؛ اما پرونده شفافیت مصرف اینترنت تازه می‌تواند نقطه شروع جدی‌تری پیدا کند.

نوشته از اعتراض کاربران تا گزارش رگولاتوری؛ پشت پرده تمام‌شدن بسته‌های اینترنت اولین بار در سیار نیوز پدیدار شد.

به گزارش زیمانیوز و به نقل از اظهارات منتشرشده از سوی وزارت ارتباطات و گزارش‌های منتشرشده در رسانه‌ها، بحث پروانه ارائه‌دهنده خدمات هوش مصنوعی یا AISP در روزهای اخیر بار دیگر به یکی از موضوعات مناقشه‌برانگیز اکوسیستم فناوری تبدیل شده است؛ موضوعی که یک طرف آن وزارت ارتباطات قرار دارد که از ضرورت ایجاد ظرفیت پردازشی و جذب سرمایه‌های بزرگ دفاع می‌کند و طرف دیگر، بخش‌هایی از بخش خصوصی که نسبت به معماری این مدل و اثر آن بر رقابت هشدار داده‌اند.

ماجرا از جایی جدی‌تر شد که سازمان تنظیم مقررات و ارتباطات رادیویی در ۲۵ شهریور اعلام کرد سامانه الکترونیکی صدور پروانه و موافقت اصولی هوش مصنوعی راه‌اندازی شده است. طبق اعلام رگولاتوری، دارندگان پروانه می‌توانند خدمات خود را در سه سطح «زیرساخت»، «سکو» و «نرم‌افزار به‌عنوان خدمت» ارائه کنند؛ خدماتی که از ارائه مدل‌های از پیش آموزش‌دیده و پردازش زبان و تصویر تا سامانه‌های تصمیم‌سازی، تولید محتوای چندرسانه‌ای و فراهم‌کردن بستر توسعه و آموزش مدل‌ها را شامل می‌شود.

در سوی دیگر، وزارت ارتباطات تلاش کرده است فلسفه شکل‌گیری این پروانه را نه ایجاد مانع برای شرکت‌های کوچک، بلکه ایجاد یک لایه زیرساختی برای رشد آنها معرفی کند.

احسان چیت‌ساز، معاون سیاست‌گذاری و برنامه‌ریزی توسعه فاوا و اقتصاد دیجیتال وزارت ارتباطات، در یادداشتی که در واکنش به نگرانی اتاق بازرگانی درباره شرکت‌های کوچک و متوسط منتشر شد، تأکید کرده است که پروانه اپراتور هوش مصنوعی نباید به‌عنوان شرط عمومی فعالیت در حوزه هوش مصنوعی تفسیر شود. به گفته او، شرکت‌هایی که در حوزه پژوهش، توسعه مدل، تولید نرم‌افزار یا ارائه راهکارهای تخصصی فعالیت می‌کنند، صرفاً به دلیل استفاده از هوش مصنوعی نیازمند دریافت پروانه اپراتوری نیستند.

استدلال چیت‌ساز بر شکل‌گیری چیزی است که در ادبیات اقتصادی از آن با عنوان «بنگاه لنگر» یاد می‌شود؛ شرکت‌های بزرگی که سرمایه، زیرساخت پردازشی، خدمات فنی و تقاضای صنعتی را تجمیع می‌کنند و در عین حال، امکان استفاده شرکت‌های کوچک از این ظرفیت‌ها را فراهم می‌سازند.

از نگاه معاون وزیر ارتباطات، چنین مدلی می‌تواند هزینه ورود شرکت‌های کوچک را کاهش دهد. در مثال مطرح‌شده از سوی او، یک شرکت نوپا که راهکار هوشمند کشاورزی تولید می‌کند، به جای سرمایه‌گذاری سنگین برای ایجاد زیرساخت پردازشی، می‌تواند این ظرفیت را به‌صورت خدمت دریافت کند و سرمایه محدود خود را روی توسعه محصول و جذب مشتری متمرکز کند. او همچنین تصریح کرده که پروانه اپراتوری مانع توسعه ظرفیت پردازشی توسط شرکت‌های کوچک نیست.

این استدلال البته تنها یک طرف ماجراست.

مسئله فقط «مجوز گرفتن یا نگرفتن» شرکت‌های کوچک نیست

مهم‌ترین نقد بخش خصوصی این است که حتی اگر شرکت کوچک برای فعالیت مستقیم در حوزه هوش مصنوعی نیازمند پروانه اپراتوری نباشد، ممکن است برای دسترسی به زیرساخت و خدمات پایه به مجموعه‌ای محدود از دارندگان پروانه وابسته شود.

اتاق بازرگانی تهران در نامه‌ای به معاون اول رئیس‌جمهوری، خواستار توقف اجرای مصوبه «اصول حاکم بر صدور پروانه ارائه‌دهنده خدمات هوش مصنوعی» تا زمان بررسی مجدد آن شده است. این اتاق هشدار داده که الزامات مالی و فنی مصوبه می‌تواند ورود شرکت‌های کوچک و متوسط، دانش‌بنیان‌ها و استارت‌آپ‌ها را دشوار و زمینه تمرکز بازار در دست تعداد محدودی از شرکت‌های بزرگ را فراهم کند.

بر اساس گزارش پیوست از مفاد نامه اتاق تهران، یکی از موارد مورد اعتراض، الزام حداقل توان پردازشی ۲۰۰ پتافلاپس FP16، ۵۰۰ میلیارد ریال حق امتیاز اولیه و هزار میلیارد ریال ضمانت‌نامه حسن انجام تعهدات است. از نگاه اتاق تهران، چنین الزامات مالی و فنی می‌تواند دریافت مستقیم پروانه را برای بخش قابل‌توجهی از شرکت‌های کوچک و متوسط عملاً دشوار کند.

اتاق تهران همچنین نسبت به گستردگی دامنه خدمات مشمول این پروانه انتقاد کرده است؛ چراکه مصوبه، فعالیت‌هایی از زیرساخت پردازشی و IaaS تا PaaS، SaaS، مدل‌های هوش مصنوعی، پردازش زبان، تحلیل تصویر، سامانه‌های توصیه‌گر و تولید محتوا را دربرمی‌گیرد. استدلال این نهاد این است که ماهیت و میزان سرمایه‌گذاری موردنیاز این فعالیت‌ها یکسان نیست و نمی‌توان الزاماتی را که برای یک اپراتور بزرگ زیرساختی طراحی شده، به همان شکل به شرکت‌های نرم‌افزاری و توسعه‌دهندگان کاربردهای هوش مصنوعی تعمیم داد.

«اپراتور» قرار است سرویس‌دهنده باشد یا بازیگر بازار؟

اینجا یکی از مهم‌ترین پرسش‌های این مناقشه شکل می‌گیرد.

اگر اپراتور صرفاً نقش تأمین‌کننده زیرساخت را ایفا کند، رابطه میان دو طرف نسبتاً روشن است:

اپراتور، زیرساخت و توان پردازشی می‌دهد و شرکت خصوصی، محصول و خدمت خود را توسعه می‌دهد.

اما طبق توضیح رگولاتوری، دارنده پروانه می‌تواند در سه لایه زیرساخت، سکو و SaaS فعالیت کند. در چنین ساختاری، یک دارنده پروانه می‌تواند از لایه زیرساخت به سمت لایه‌های بالاتر زنجیره ارزش نیز حرکت کند.

همین نقطه، پرسش مهمی را پیش روی سیاست‌گذار قرار می‌دهد: اگر یک شرکت بزرگ هم تأمین‌کننده زیرساخت یک شرکت کوچک باشد و هم امکان حضور در بازار خدمات و محصولات هوش مصنوعی را داشته باشد، چه سازوکاری تضمین می‌کند که رابطه میان این دو، صرفاً رابطه سرویس‌دهنده و مشتری باقی بماند و به رابطه زیرساخت‌دار و رقیب تبدیل نشود؟

این نگرانی از سوی بخش خصوصی نیز مطرح شده است. مهران ضیابری، رئیس کمیسیون هوش مصنوعی سازمان نظام صنفی رایانه‌ای تهران، پیش‌تر هشدار داده بود که مدل فعلی می‌تواند در عمل شرکت‌های کوچک را به فعالیت ذیل شرکت‌های بزرگ سوق دهد و بخش خصوصی نوپای حوزه هوش مصنوعی را تحت فشار قرار دهد. او گفته بود نگاه موجود ممکن است به سمتی برود که کل حوزه هوش مصنوعی زیر چتر یک یا دو اپراتور بزرگ قرار گیرد.

البته این دیدگاه، ارزیابی و هشدار یک نماینده بخش خصوصی است و به معنای اثبات قطعی چنین نتیجه‌ای در آینده نیست؛ اما مسئله‌ای که مطرح می‌کند، از جنس طراحی بازار است: چه کسی زیرساخت را در اختیار دارد و چه کسی هم‌زمان اجازه دارد در بازار مبتنی بر همان زیرساخت رقابت کند؟

تجربه زیرساخت ارتباطات؛ یک سؤال قدیمی در بازاری تازه

این نگرانی کاملاً بی‌سابقه نیست. در بازار ارتباطات نیز سال‌هاست بحث درباره رابطه میان مالکیت یا کنترل زیرساخت و رقابت در لایه خدمات مطرح است.

برای مثال، در توسعه فیبر نوری، موضوع دسترسی به زیرساخت و نحوه ورود بازیگران مختلف به بازار بارها محل اختلاف بوده است. حتی در سال جاری نیز درباره ورود بازیگران جدید به توسعه و بهره‌برداری تجاری از زیرساخت فیبر و احتمال تبدیل‌شدن برخی نهادها به رقیب اپراتورهای موجود بحث شده است. در یکی از این موارد، مدیر مخابرات منطقه تهران ورود تجاری شهرداری به حوزه فیبر را یکی از چالش‌های مسیر توسعه این پروژه دانست.

این تجربه لزوماً به این معنا نیست که مدل اپراتوری هوش مصنوعی همان مسیر مخابرات را طی خواهد کرد؛ اما یک درس سیاست‌گذاری را برجسته می‌کند: هر جا یک بازیگر به یک زیرساخت حیاتی دسترسی دارد و هم‌زمان در بازار خدمات نهایی نیز فعالیت می‌کند، مسئله دسترسی برابر، قیمت‌گذاری، تبعیض میان مشتریان و تعارض منافع اهمیت پیدا می‌کند.

حالا همین سؤال در حوزه هوش مصنوعی مطرح است.

اگر شرکت کوچک برای آموزش یا اجرای مدل خود به توان پردازشی یک اپراتور نیاز داشته باشد، اما همان اپراتور بتواند در لایه‌های بالاتر بازار نیز فعالیت کند، آیا شرکت کوچک از دسترسی برابر به زیرساخت مطمئن خواهد بود؟

آیا قیمت خدمات برای همه بازیگران یکسان خواهد بود؟

آیا داده‌ها و اطلاعات مشتریان زیرساختی از کسب‌وکارهای رقیب تفکیک خواهد شد؟

و مهم‌تر از همه، اگر یک شرکت خصوصی میلیاردها تومان برای توسعه یک محصول هوش مصنوعی سرمایه‌گذاری کند، چه تضمینی دارد که ساختار بازار و وابستگی به زیرساخت، ریسک سرمایه‌گذاری آن را افزایش ندهد؟

سرمایه‌گذاری بزرگ؛ فرصت یا ریسک جدید؟

وزارت ارتباطات برای دفاع از مدل اپراتوری، بر یک واقعیت مهم دست می‌گذارد: توسعه زیرساخت هوش مصنوعی به سرمایه‌گذاری سنگین نیاز دارد و نمی‌توان انتظار داشت هر استارت‌آپ یا شرکت کوچک، به‌تنهایی دیتاسنتر، پردازنده و زیرساخت لازم را ایجاد کند.

وزیر ارتباطات نیز پیش‌تر گفته بود دولت ترجیح داده توسعه این بخش را به جای ارائه مستقیم خدمات توسط دولت، با اتکا به سرمایه‌گذاری بخش خصوصی دنبال کند و اعلام کرده بود ۱۲ شرکت برای دریافت پروانه اعلام آمادگی کرده‌اند.

اما دقیقاً همین‌جا یک سؤال اقتصادی دیگر مطرح می‌شود: آیا چارچوب انتخاب‌شده برای جذب سرمایه خصوصی، به همان اندازه که برای سرمایه‌گذاری بزرگ جذاب است، برای سرمایه‌گذاری‌های کوچک‌تر و متوسط نیز قابل پیش‌بینی است؟

سرمایه‌گذار فقط به اندازه بازار امروز نگاه نمی‌کند؛ به قواعد بازی فردا نیز نگاه می‌کند. اگر بخش قابل‌توجهی از زیرساخت در اختیار تعداد محدودی اپراتور قرار گیرد و همان بازیگران بتوانند در لایه‌های مختلف بازار حضور داشته باشند، سرمایه‌گذار باید بداند جایگاهش در این زنجیره چیست و چه تضمینی برای دسترسی منصفانه به زیرساخت وجود دارد.

از این منظر، نگرانی درباره پروانه AISP فقط نگرانی استارت‌آپ‌ها نیست؛ موضوع می‌تواند به امنیت سرمایه‌گذاری بخش خصوصی در کل زنجیره هوش مصنوعی مربوط شود.

اختلاف اصلی شاید بر سر «مجوز» نباشد

موضع وزارت ارتباطات روشن است: شرکت کوچک برای فعالیت صرفاً به دلیل استفاده از هوش مصنوعی نیازی به پروانه اپراتوری ندارد و هدف از ایجاد اپراتورها، فراهم‌کردن ظرفیت و زیرساخت برای همین شرکت‌هاست.

اما بخش خصوصی می‌گوید مسئله فقط دریافت یا عدم دریافت مجوز نیست. مسئله این است که اگر زیرساخت، سکو و خدمات کاربردی در یک چارچوب پروانه‌ای واحد تجمیع شوند و الزامات ورود نیز سنگین باشند، بازار ممکن است در عمل به سمت تعداد محدودی بازیگر حرکت کند. اتاق تهران نیز دقیقاً بر همین احتمال تمرکز کرده و خواستار بازنگری در مصوبه شده است.

بنابراین پرسش اصلی شاید این نباشد که «آیا شرکت کوچک باید مجوز بگیرد یا نه؟»

پرسش مهم‌تر این است:

اگر شرکت کوچک مجوز نمی‌گیرد، آیا می‌تواند بدون وابستگی ناعادلانه به چند اپراتور بزرگ، به زیرساخت، پردازش و بازار دسترسی داشته باشد؟

پاسخ به این سؤال می‌تواند مشخص کند که اپراتور هوش مصنوعی در ایران واقعاً «سکوی پرواز» شرکت‌های کوچک خواهد بود یا اینکه به یک لایه جدید و حیاتی از بازار تبدیل می‌شود که شرکت‌های کوچک برای حضور در آن ناچار به عبور از چند دروازه محدود خواهند بود.

در نهایت، اگر هدف سیاست‌گذار جذب سرمایه بزرگ برای توسعه زیرساخت است، چالش اصلی فقط ساخت ظرفیت پردازشی نیست؛ طراحی قواعدی است که اجازه دهد این ظرفیت به‌جای تبدیل‌شدن به گلوگاه بازار، به زیرساختی قابل دسترس، رقابتی و قابل اتکا برای تمام بازیگران تبدیل شود.

و شاید معیار موفقیت این سیاست، همان معیاری باشد که چیت‌ساز در یادداشت خود مطرح کرده است: نه فقط اینکه اپراتورها چه میزان سرمایه‌گذاری می‌کنند، بلکه اینکه چند شرکت مستقل و چه تعداد محصول جدید توانسته‌اند با استفاده از این زیرساخت وارد بازار شوند و رشد کنند.

منابع کلیدی این گزارش:

اظهارات احسان چیت‌ساز و وزارت ارتباطات، اعلام رگولاتوری درباره آغاز صدور پروانه، نامه اتاق بازرگانی تهران و گزارش پیوست از ایرادات بخش خصوصی، مواضع مهران ضیابری از نصر تهران و گزارش‌های مربوط به چالش‌های زیرساختی فیبر نوری

نوشته اپراتور هوش مصنوعی؛ سکوی پرواز بخش خصوصی یا دروازه‌ای تازه برای بازار؟ اولین بار در سیار نیوز پدیدار شد.

قانون؛ تلاش برای پایان دادن به پراکندگی مسئولیت‌ها

پژوهشگاه ارتباطات و فناوری اطلاعات اخیراً از آغاز جلسات تخصصی تدوین چارچوب قانون جامع امنیت سایبری خبر داده است. این جلسات با محوریت معاونت حقوقی ریاست‌جمهوری و با حضور نمایندگان مرکز ملی فضای مجازی، سازمان پدافند غیرعامل، وزارت دفاع، سازمان نظام صنفی رایانه‌ای و پژوهشگاه برگزار می‌شود.

در نخستین جلسات، وضعیت قوانین موجود، خلأهای قانونی، هم‌پوشانی‌ها و چالش‌های موجود در حوزه امنیت سایبری بررسی شده و قرار است این جلسات به شکل هفتگی ادامه پیدا کند. همچنین اعلام شده است که در ادامه، سایر دستگاه‌ها، بخش خصوصی، دانشگاه‌ها و صاحب‌نظران نیز متناسب با موضوع به این فرایند اضافه خواهند شد.

اهمیت این روند صرفاً در تدوین یک قانون جدید نیست. یکی از مشکلاتی که در چنین حوزه‌ای می‌تواند وجود داشته باشد، تعدد مقررات و مشخص نبودن مرز مسئولیت دستگاه‌های مختلف است. بر اساس توضیحات رئیس پژوهشگاه ارتباطات و فناوری اطلاعات، یکی از اهداف تدوین قانون جامع نیز جلوگیری از مقررات موازی و تعارض میان وظایف دستگاه‌ها و ایجاد مبنایی روشن برای تقسیم مسئولیت‌ها و هماهنگی نهادی عنوان شده است.

راهبر امنیت؛ لایه اجرایی ماجرا

در سطح وزارت ارتباطات، هم‌زمان سازوکار دیگری در حال پیگیری است. سومین نشست «راهبر امنیت وزارت ارتباطات و فناوری اطلاعات» با حضور مسئولان فناوری اطلاعات، امنیت سایبری و نمایندگان حراست سازمان‌های تابعه برگزار شده و محور اصلی آن، برنامه عملیاتی امن‌سازی، ارتقای سطح بلوغ امنیتی و افزایش تاب‌آوری سایبری سازمان‌های زیرمجموعه بوده است.

در این نشست بر یکسان‌سازی فرایندهای امنیتی و هماهنگی میان سازمان‌های تابعه تأکید شده و محمدحسین شیخی، راهبر امنیت وزارت ارتباطات، پایش و ارزیابی مستمر را یکی از الزامات اصلی اقدامات امنیتی دانسته است.

این بخش از ماجرا اهمیت ویژه‌ای دارد؛ زیرا امنیت سایبری با یک بار ایمن‌سازی به پایان نمی‌رسد. آسیب‌پذیری‌ها تغییر می‌کنند، تهدیدها شکل تازه‌ای پیدا می‌کنند و حتی یک سامانه‌ای که امروز وضعیت مناسبی دارد، ممکن است در آینده در معرض تهدید جدیدی قرار بگیرد. بنابراین، ایجاد چرخه‌ای شامل پایش، شناسایی ضعف، اصلاح و ارزیابی مجدد می‌تواند از اجرای مقطعی پروژه‌های امنیتی مهم‌تر باشد.

آیا این دو مسیر می‌توانند به هم متصل شوند؟

اگر تدوین قانون جامع امنیت سایبری را لایه سیاست‌گذاری و تعیین مسئولیت‌ها در نظر بگیریم، سازوکار «راهبر امنیت» می‌تواند نمونه‌ای از لایه اجرایی و عملیاتی این رویکرد باشد.

در یک مدل کامل، قانون باید مشخص کند چه نهادی در برابر چه بخشی از امنیت مسئول است؛ استانداردها و الزامات مشترک باید مشخص کنند امنیت چگونه سنجیده شود و سازوکارهای پایش نیز باید نشان دهند که این الزامات در عمل تا چه اندازه اجرا شده‌اند.

در چنین ساختاری، مسیر ایده‌آل می‌تواند از تعیین مسئولیت و الزام قانونی آغاز شود، به استانداردسازی و ارزیابی وضعیت امنیتی برسد و سپس با شناسایی آسیب‌پذیری، اصلاح و ارزیابی مجدد ادامه پیدا کند.

معیار موفقیت، تعداد نشست‌ها نیست

با این حال، نقطه‌ای که باید در ادامه مورد توجه قرار گیرد، خروجی قابل اندازه‌گیری این اقدامات است.

برگزاری نشست‌های تخصصی، تدوین قانون و ابلاغ الزامات، به خودی خود نمی‌تواند نشان دهد که تاب‌آوری سایبری افزایش یافته است. آنچه در نهایت اهمیت دارد این است که مشخص شود چه تعداد از آسیب‌پذیری‌ها شناسایی و برطرف شده‌اند، سطح آمادگی سازمان‌ها چگونه سنجیده می‌شود، چه استاندارد مشترکی در سازمان‌های تابعه اجرا شده و نتایج ارزیابی‌های دوره‌ای چه تغییری نسبت به گذشته داشته است.

اگر این اطلاعات در ادامه مسیر منتشر و قابل ارزیابی شود، می‌توان درباره اثرگذاری این سازوکارها قضاوت دقیق‌تری داشت. در غیر این صورت، فاصله میان سیاست‌گذاری امنیت سایبری و اجرای واقعی آن همچنان یک چالش باقی خواهد ماند.

از «امن‌سازی» تا تاب‌آوری

اهمیت اتفاقات اخیر در نهایت در این است که ادبیات امنیت سایبری در وزارت ارتباطات از صرفاً «امن‌سازی» به سمت پایش، ارزیابی و تاب‌آوری در حال حرکت است؛ رویکردی که در صورت اجرای مستمر می‌تواند به جای واکنش صرف به رخدادهای امنیتی، ظرفیت شناسایی و اصلاح پیشگیرانه نقاط ضعف را تقویت کند.

اکنون دو مسیر در کنار یکدیگر قرار گرفته‌اند: تلاش برای تدوین یک چارچوب جامع قانونی در سطح کشور و ایجاد سازوکار پایش و ارزیابی در مجموعه وزارت ارتباطات. اینکه این دو مسیر تا چه اندازه به یکدیگر متصل شوند و چه خروجی قابل اندازه‌گیری ایجاد کنند، تعیین خواهد کرد که این روند صرفاً مجموعه‌ای از جلسات و مقررات جدید خواهد بود یا گامی عملی برای افزایش تاب‌آوری سایبری زیرساخت‌های کشور.

نوشته از قانون جامع تا پایش مستمر؛ امنیت سایبری در ایران در حال عبور از «توصیه» به «سازوکار» است؟ اولین بار در سیار نیوز پدیدار شد.

به گزارش زیمانیوز، نشست خبری بهزاد اکبری، معاون وزیر ارتباطات و مدیرعامل شرکت ارتباطات زیرساخت، تصویری از مسیر توسعه شبکه ارتباطی کشور در دو سال نخست دولت چهاردهم ارائه کرد؛ تصویری که در آن افزایش ظرفیت، توسعه شبکه بین‌المللی، ایجاد شبکه بحران، افزایش ترانزیت ترافیک و بازگشت به پروژه‌های فیبر دریایی، محورهای اصلی بودند.

در میان اعداد مطرح‌شده، افزایش بیش از ۵۰ درصدی ظرفیت شبکه IP و عبور ظرفیت شبکه IP ملی از ۱۰۰ ترابیت بر ثانیه، یکی از مهم‌ترین شاخص‌های اعلام‌شده است. توسعه شبکه انتقال نیز قرار است تا پایان سال به ظرفیتی مشابه برسد.

از منظر زیرساختی، افزایش ظرفیت شبکه یک ضرورت انکارناپذیر است؛ به‌خصوص در شرایطی که توسعه خدمات دیجیتال، مراکز داده، سرویس‌های ابری، و در آینده نزدیک کاربردهای هوش مصنوعی، به شبکه‌ای با ظرفیت و پایداری بالاتر نیاز دارند.

اما مسئله اینترنت در ایران را نمی‌توان صرفاً با یک عدد اندازه‌گیری کرد.

وقتی ظرفیت بالا می‌رود، تجربه کاربر چه تغییری می‌کند؟

افزایش ظرفیت شبکه ملی یا بین‌استانی الزاماً به معنای افزایش سرعت و کیفیتی نیست که کاربر نهایی تجربه می‌کند. میان زیرساخت اصلی کشور و تجربه کاربر، چندین لایه دیگر از شبکه دسترسی گرفته تا اپراتورها، مسیرهای بین‌المللی و کیفیت مسیریابی وجود دارد.

به همین دلیل، یکی از مهم‌ترین پرسش‌هایی که می‌تواند در ادامه این مسیر مطرح شود این است که شاخص‌های توسعه زیرساخت چگونه به شاخص‌های قابل لمس برای کاربران تبدیل خواهند شد؟

به بیان دیگر، اگر ظرفیت شبکه رشد کرده است، باید بتوان اثر آن را در شاخص‌هایی مانند پایداری اتصال، کاهش اختلال، کیفیت ارتباطات بین‌الملل و بهبود تجربه سرویس‌های دیجیتال نیز مشاهده کرد.

این پرسش لزوماً به معنای زیر سؤال بردن توسعه انجام‌شده نیست؛ بلکه مرحله بعدی ارزیابی عملکرد زیرساخت است.

تاب‌آوری؛ فراتر از افزایش ظرفیت

راه‌اندازی شبکه بحران نیز از دیگر اقدامات مهمی است که در این نشست مطرح شد. هدف این شبکه، حفظ سرویس‌های حیاتی در صورت از دست رفتن برخی سایت‌های حساس عنوان شده است؛ موضوعی که با توجه به وابستگی خدمات بانکی، ارتباطات صوتی، لجستیک و خدمات دیجیتال به شبکه ارتباطی، اهمیت زیادی دارد.

با این حال، تاب‌آوری واقعی شبکه را نمی‌توان تنها با ایجاد یک مسیر جایگزین سنجید. سؤال مهم‌تر این است که این شبکه در سناریوهای مختلف اختلال، چه میزان از سرویس را می‌تواند حفظ کند و چه تعداد از خدمات حیاتی واقعاً تحت پوشش آن قرار گرفته‌اند.

شفاف شدن این شاخص‌ها می‌تواند تصویر دقیق‌تری از میزان آمادگی شبکه ارتباطی کشور ارائه دهد.

ایران و فرصت تبدیل شدن به مسیر ترانزیت داده

رشد نزدیک به ۱۰۰ درصدی فروش خدمات ترانزیت ترافیک نیز از دیگر اعداد قابل توجه مطرح‌شده در نشست بود. موقعیت جغرافیایی ایران، در صورت فراهم بودن زیرساخت، سرمایه‌گذاری و مسیرهای ارتباطی پایدار، می‌تواند کشور را به یکی از مسیرهای انتقال داده در منطقه تبدیل کند.

اما تحقق این ظرفیت صرفاً به موقعیت جغرافیایی وابسته نیست. برای تبدیل شدن ایران به یک مسیر جدی ترانزیت داده، وجود مسیرهای متنوع بین‌المللی، فیبرهای دریایی، نقاط حضور در مراکز مهم تبادل ترافیک و مهم‌تر از همه، اطمینان‌پذیری شبکه ضروری است.

از همین منظر، خبر مذاکره برای اجرای چند پروژه فیبر دریایی در خلیج فارس اهمیت ویژه‌ای دارد. عقب‌ماندگی در این حوزه، یکی از نقاطی است که می‌تواند در بلندمدت بر تاب‌آوری و جایگاه ایران در شبکه ارتباطی منطقه اثر بگذارد.

مسئله بعدی؛ زیرساخت فقط برای امروز ساخته نمی‌شود

شاید مهم‌ترین بخش سخنان مدیرعامل شرکت ارتباطات زیرساخت، نه اعداد مربوط به ظرفیت، بلکه صحبت درباره تغییر مدل کسب‌وکار و ساختار اکوسیستم دیجیتال کشور باشد.

شرکت ارتباطات زیرساخت اعلام کرده است که در کنار توسعه شبکه، به دنبال تبدیل شدن به یک تأمین‌کننده جامع‌تر زیرساخت دیجیتال و استفاده از مدل‌های جدید سرمایه‌گذاری است. توسعه قطب‌های مرکز داده و بررسی استفاده از ظرفیت بازار سرمایه نیز در همین چارچوب مطرح شده است.

این رویکرد می‌تواند از یک جهت مهم باشد: زیرساخت ارتباطی دیگر صرفاً مجموعه‌ای از فیبر، تجهیزات انتقال و درگاه بین‌الملل نیست؛ بلکه به بخشی از اقتصاد دیجیتال تبدیل شده که باید بتواند پاسخگوی نیاز مراکز داده، خدمات ابری، هوش مصنوعی و سرویس‌های نسل جدید باشد.

جمع‌بندی؛ از «ظرفیت» تا «کیفیت»

آنچه از سخنان مدیرعامل شرکت ارتباطات زیرساخت می‌توان برداشت کرد، این است که توسعه ظرفیت شبکه همچنان یکی از اولویت‌های اصلی کشور است و در بخش‌هایی نیز پروژه‌های قابل توجهی در حال اجراست.

اما مرحله بعدی این توسعه، مرحله‌ای است که باید فاصله میان ظرفیت فنی شبکه و تجربه واقعی استفاده از اینترنت را کاهش دهد.

برای ارزیابی موفقیت این پروژه‌ها، دیگر صرفاً اعلام تعداد کیلومتر فیبر، ظرفیت ترابیتی یا تعداد نقاط حضور کافی نیست. شاخص‌هایی مانند کیفیت سرویس، پایداری ارتباطات، تنوع مسیرهای بین‌المللی، تاب‌آوری در شرایط بحران، توسعه فیبرهای دریایی و میزان مشارکت بخش خصوصی، تصویر کامل‌تری از وضعیت زیرساخت ارتباطی کشور ارائه می‌کنند.

در نهایت، چالش اصلی پیش روی زیرساخت شاید دیگر فقط این نباشد که «چقدر ظرفیت داریم؟»؛ سؤال مهم‌تر این است که «این ظرفیت چقدر پایدار، قابل اتکا و قابل استفاده برای اقتصاد دیجیتال و کاربر نهایی است؟»

پاسخ به همین سؤال می‌تواند مشخص کند که رشد عددی ظرفیت شبکه، در نهایت به یک جهش واقعی در کیفیت زیرساخت دیجیتال کشور تبدیل شده است یا صرفاً یک گام فنی دیگر در مسیر طولانی توسعه شبکه خواهد بود.

نوشته ظرفیت شبکه بالا رفته؛ چالش اینترنت ایران کجاست؟ اولین بار در سیار نیوز پدیدار شد.