کدام کشورها در اقتصاد داده پیشتاز هستند؟

نویسنده: تیم مارکتینگ

دسته بندی: مقالات HBR
9 دقیقه زمان مطالعه
1401/04/26
۱ دیدگاه

خلاصه مقاله:

کدام کشورها برترین تولیدکنندگان داده هستند؟ با استفاده از داده‌های مبتنی بر هوش مصنوعی که توسط مک کنزی پیش‌بینی شده است فعالیت در اقتصادی جدید جهانی تا ۱۳ تریلیون دلار تا سال ۲۰۳۰ تولید ثروت می‌کند، این موضوع می‌تواند نظم جهانی بعدی را تعیین کند، دقیقاً مانند نقشی که کشف و استخراج نفت در قرن گذشته در بوجود آمدن بازیگران جدید در قدرت اقتصادی ایفا کرد. در حالی که چین و آمریکا می‌توانند به عنوان دو ابرقدرت‌ در حوزه  AI ظاهر شود، نمی‌توان منابع داده‌ها را در چند مکان محدود کرد و آن را متمرکز دانست. همان طور که ما در نقاط مختلف دنیا اقتصاد نفت محور داریم، باید در  منابع متعدد و کاربردهای آتی AI  و ورود بازیگران جدید و غیرمنتظره را پیش‌بینی کنیم. شکل گرفتن نظم جدید جهانی به احتمال زیاد پیچیده‌تر از یک دوقطبی ساده است. با تکیه بر تجربه گذشته خود در مورد ثبت تکامل عرصه دیجیتال و رقابت دیجیتالی کشورهای مختلف در سراسر جهان، سعی کردیم عمیق‌ترین و وسیع‌ترین مجموعه داده‌های مفید را بررسی کنیم.

این امر برای اجرای هزاران مدل یادگیری ماشین (machine learning) مهم در AI ضروری است. برای انجام این کار، ایجاد تمایز بین حجم داده‌های خام  و معیاری که ما باید آن را “تولید داده‌های ناخالص” بنامیم (نسخه ما از تولید ناخالص داخلی داده جدید) مفید است. برای شناسایی تولید‌کنندگان برتر داده‌های ناخالص جهان، ما چهار معیار را پیشنهاد می‌دهیم:

۱- حجم (Volume): 

مقدار مطلق پهنای باند مصرف‌شده توسط یک کشور، به عنوان نماینده‌ای برای داده‌های خام تولید شده.

۲- کاربرد (Usage): 

تعداد کاربران فعال در اینترنت، به عنوان نماینده‌ای برای وسعت رفتارها، نیازها و شرایط کاربردی

۳- دسترسی (Accessibility): 

 باز بودن نهادها به جریان داده‌ها به عنوان راهی برای ارزیابی این که آیا داده‌های تولید شده در یک کشور امکان استفاده و دسترسی گسترده‌تری را برای محققان، مبتکران، برنامه‌ریزی و اجرای برنامه‌های کاربردی متعدد هوش مصنوعی فراهم می‌کند یا خیر.

۴- پیچیدگی (Complexity):

 حجم مصرف سرانه پهنای باند به عنوان نماینده‌ای برای کمال و پیچیدگی فعالیت‌های دیجیتال است.

چندین نکته ظریف درباره موارد گفته، وجود دارد که باید به آن‌ها اشاره کرد. برای مثال، ما متوجه شدیم که ردپای دیجیتالی که توسط کامپیوترها در سراسر جهان ایجاد می‌شود طیف گسترده‌ای از فعالیت‌ها را پوشش می‌دهد، از ارسال یک پیام متنی SMS تا ایجاد یک تراکنش مالی.

برای ایجاد امکان مقایسه موارد مشابه در سراسر جهان، ما از سرانه پهنای باند به عنوان معیاری از وسعت و پیچیدگی استفاده می‌کنیم (‏در برخی روش‌ها، این کار مشابه به استفاده از درآمد سرانه به عنوان نماینده رفاه کلی است)‏.

دوم این که، در کشورها مختلف تفاوت‌هایی از نظر چگونگی به اشتراک‌گذاری داده‌های خصوصی در آژانس‌ها و این که آیا چارچوب‌هایی برای هویت دیجیتالی تعریف شده است یا نه، وجود دارد که می‌تواند افراد را با فعالیت‌های دیجیتال آن‌ها مرتبط کند. ما این تمایز‌ها را آشکار نمی‌کنیم.

ما کشورها را براساس چند فاکتور برای انجام تحلیل انتخاب کردیم:

 1- ‏کشورهایی که مهم‌ترین مشارکت‌کنندگان در اقتصاد دیجیتال جهانی هستند، یا به این دلیل که در امتیازدهی شاخص‌های تکامل دیجیتال در جایگاه بالایی قرار دارند یا به این دلیل که شتاب بالایی در توسعه فعالیت‌های دیجیتال خود دارند.

۲- کشورهایی که از نظر منطقه‌ای  و موقعیت اجتماعی-اقتصادی پراکندگی منطقی دارند.

۳- ‏کشورهایی که داده‌ها و شواهد محکمی را برای انجام تحلیل‌ها در اختیار ما قرار داده‌اند.

در نهایت، یک ملاحظه مهم در تعیین دسترسی حریم خصوصی است. نگرانی‌های درباره حمایت از حریم خصوصی و مقررات حفاظت از داده می‌توانند به الگوریتم‌ها برای توسعه قابلیت‌های جدید کمک کنند یا مانع آن‌ها شوند. ما این موقعیت را برای این تحلیل در نظر می‌گیریم که یک چارچوب برای تضمین حریم خصوصی و حفاظت از داده‌ها و باز بودن در نظر گرفته شده است در عین حال باید قبول کرد، داشتن دسترسی کافی برای پویایی داده‌ها یک مزیت و عامل مثبت برای توسعه AI در دراز مدت است.

به عنوان مثال، مسئله پیدا کردن تقلب در معاملات مالی را در نظر بگیرید. برنامه‌هایی که براساس دیدگاه‌ها و مکان‌های جغرافیایی مختلف هستند و کاربردهای چندگانه در زمینه‌های متفاوت دارند، به ایجاد الگوهای قابل اعتماد و برطرف شدن ریسک‌های امنیتی کمک می‌کنند؛ این برنامه‌ها از سیستم‌هایی استفاده می‌کنند  که معیار دسترسی را برآورده می‌کنند.

با این حال، ما قبول داریم  که در کوتاه‌مدت ممکن است برخی از کشورها بویژه چین که در آن اشتراک‌گذاری داده‌ها بین سازمان‌های بخش دولتی و خصوصی مبهم عمل می‌کتتد. در  خارج از مرزهایش می‌تواند باعث نقص حریم خصوصی و هنجارهای آزاد شود. و در عین حال این موضوع می تواند یک مزیت موقت در آموزش الگوریتم‌های درون یک “walled garden” یا منطقه حفاظت شده داشته باشد.

کدام یک از این معیارها باید در ارزیابی یک نظم جدید جهانی بالقوه که بر اساس داده‌ها شکل گرفته است، استفاده شود؟ ما معتقدیم که دسترسی باید یک معیار اساسی باقی بماند. اگر این دیدگاه را در نظر بگیریم که بزرگ‌ترین و بالاترین تاثیر کاربردهای AI، آن‌هایی هستند که به بزرگ‌ترین هدف عمومی خدمت می‌کنند، دسترسی به داده‌ها کلیدی است. McKinsey در مطالعه اخیر خود در مورد هوش مصنوعی برای منافع عمومی، دسترسی را به عنوان یکی از موانع اصلی مطرح می‌کند: از ۱۸ مانع شناسایی شده توسط McKinsey، شش تا از آن‌ها مربوط به در دسترس بودن، حجم، کیفیت و قابلیت استفاده از داده‌ها است.

نمودار زیر نشان می‌دهد زمانی که ۳۰ کشور مورد مطالعه ما با استفاده از دو معیار مد نظر ترسیم شدند، که چه اتفاقی می‌افتد:

بر خلاف انتظار  آمریکا در هر سه معیار امتیاز خوبی کسب می کند. اگر دسترسی جهانی به داده ها برای ایجاد برنامه‌های هوش مصنوعی موفق در آینده ضروری تلقی شود، چین با یک مانع عمل می‌کند. اگر اتحادیه اروپا (در حال حاضر شامل بریتانیا هم هست.) به عنوان یک گروه عمل کند، نماینده یک تولیدکننده کلیدی است که می‌تواند با آمریکا رقابت کند، علاوه بر این، چین و سایر کشورهای BRIC، برزیل، هند و روسیه،هم می‌توانند در هر دو حوزه به عنوان رقبای قوی ظاهر شوند. که نقاط قوت آن‌ها عمدتا داده‌های خامی است که تولید می‌کنند با این حال، نگرانی از دسترسی‌ها آن‌ها را هم دچار مشکل خواهد کرد.

مجموعه متفاوتی از مفاهیم برای کشورهای کوچک‌تر، مانند نیوزیلند، یا آن‌هایی که وابسته به اتحادیه‌های اقتصادی بزرگ‌تر نیستند، مانند کره‌جنوبی، ا با باز بودن و پویایی زیاد در جریان داده‌ها پدیدار می‌شوند؛ چنین و کشورهایی که از بستن قراردادهای تجاری در حوزه داده‌ها با سایر کشورهای “باز” سود می‌برند،در نهایت بر محدودیت‌های طبیعی خود چه از نظر تعداد کاربران و چه از نظر کل پهنای باند مصرفی در داخل کشور غلبه خواهند کرد. شاید پیامد های چنین مبادلات و به اشتراک‌گذاری‌های داده‌ای هنوز مشخص نشده باشد. با این حال، می توان تصور کرد که آن‌ها می‌توانند یک وجه تمایز باشند، به ویژه هنگامی که بدانیم تولید ناخالص داده‌ها درست مانند هر محصول دیگری که امروزه آزادانه مبادله می‌شود، با ارزش است. 

مسیر کاربردهای با ارزش هوش مصنوعی همچنان در حال آشکار شدن است. این ریسک وجود دارد که بیش از حد از هوش مصنوعی استفاده تبلیغاتی شود و این موضوع باعث بوجود آمدن سوء تفاهم شده و در مسیر بهر‌ه برداری از آن ناامیدی ایجاد شود. بدیهی است که هوش مصنوعی که در حال حاضر در بسیاری از برنامه‌های کاربردی و مهم در حال استفاده است و برنامه‌های بیش‌تری هم در این مسیر قرار دارند. چارچوب تحلیلی ما به اندازه کافی انعطاف‌پذیر است تا چنین جریانی را بپذیرد. اگر ما از مجموعه‌های مختلفی از معیارها برای ارتباط بیشتر و هدایت برنامه‌های موفق AI استفاده کنیم، دورنمای متفاوتی را خواهیم دید. نمودار زیر چنین احتمالی را نشان می‌دهد، که در آن تنها پیچیدگی و در دسترس بودن در نظر گرفته می‌شوند.

وقتی به این شکل نگاه کنیم، ساختار خطی‌تری از این نظم جهانی مبتنی بر داده «جدید» وجود دارد. مصرف سرانه پهنای باند زیاد و کشورهایی با اقتصاد آزاد (در قسمت سمت راست بالای تصویر) به عنوان برنده آشکار مشخص شده است. می‌توان سناریویی را تصور کرد که در آن پیچیدگی و تحرک بالای داده‌ها در بالا سمت راست نمودار، امکان ایجاد یک منطقه “تجارت آزاد” سازنده‌تر را فراهم می‌کند، که در آن کشورها به صورت متقابل از ذخایر داده یکدیگر بهره‌برداری کرده و  سود می‌برند.

در نهایت، سناریویی را در نظر گرفتیم که در آن هر چهار معیار مهم باید در نظر گرفته شوند. اگر به هر چهار معیار وزن برابری اختصاص دهیم، رتبه‌بندی تولیدکنندگان داده «جدید» و ترتیب جهانی آن‌ها بروزرسانی شده  و  مشخص می‌شوند.

  1. آمریکا
  2. انگلستان
  3. چین
  4. سوئیس
  5. کره جنوبی
  6. فرانسه
  7. کانادا
  8. سوئد 
  9. استرالیا
  10. جمهوری چک
  11. ژاپن
  12. نیوزلند
  13. آلمان
  14. اسپانیا
  15. ایرلند
  16.  ایتالیا
  17. پرتغال
  18. مکزیک
  19. آرژانتین
  20. شیلی
  21. لهستان
  22. برزیل
  23. یونان
  24. هند
  25. آفریقای جنوبی
  26. مجارستان
  27. مالزی
  28. روسیه
  29. ترکیه
  30. اندونزی

این تقسیم‌بندی‌ها بینشی مناسبی  را در مورد جایگاهی که در آینده تولیدکنندگان عمده داده برای اپلیکیشن‌های باارزش دارند، فراهم می‌کنند. هدف ما این بود که عدم قطعیت‌ها را بشناسیم و نشان دهیم که چگونه مفروضات جایگزین، سناریوهای مختلفی را برای نظم جهانی به ارمغان می آورند.

اگر تمرکز بر روی سوالات و خروجی‌های متفاوتی مانند اقتصاد یا ارزش‌های جغرافیایی باشد، امکان استفاده از بخش‌بندی‌ها و رتبه‌دهی‌های متفاوت هم درباره AI وجود دارد که در آن هر کشور مشخص با توجه به وضعیت کنونی و میزان سهولت انجام کسب‌وکارهای دیجیتال برای آینده آماده خواهند شد. در این صورت ما هم دامنه تحقیقات خود را گسترش خواهیم داد.

داده‌ها سوخت اقتصاد جدید و حتی فراتر از آن، اقتصاد آینده هستند. مجله اکونومیست در سال ۲۰۱۷ با اعلام این که ارزشمندترین منبع جهان دیگر نفت نیست، بلکه داده‌ها هستند، گفت: اگر در حال دویدن هستید، در حال دیدن تلویزیون هستید یا حتی در ترافیک نشستید، هر فعالیت شما یک ردپای دیجیتال ایجاد می‌کند که یک ماده خام و اولیه برای کارخانه‌های تبدیل داده هستند. الگوریتم های آموزش‌دیده توسط همه این آثار دیجیتال در سطح جهانی باعث تحول خواهند شد. 

این امکان وجود دارد که یک نظم جهانی جدید، همراه با یک «تولید ناخالص داخلی» (GDP) جدید شامل  تولید ناخالص داده  که معیارهای نوظهوری از ثروت و قدرت کشورها را به تصویر می‌کشد، از آن استخراج شود. اکنون زمان آن رسیده است که مشخص کنیم این حوزه چه شکلی است و چه فرصت‌های رقابتی و مشارکتی جدیدی در آن در حال توسعه هستند.

یادداشت سردبیر:

 هر رتبه‌بندی یا شاخص تنها یک راه برای تجزیه و تحلیل و مقایسه شرکت‌ها یا جایگاه‌ها براساس یک روش خاص و مجموعه داده‌ها است. در HBR، ما باور داریم که شیوه‌نامه‌ای که به خوبی طراحی‌شده باشد، می‌تواند بینش‌های مفیدی را فراهم کند، حتی اگر طبق تعریف یک قسمت کوچکی  از یک تصویر بزرگ‌تر باشد. ما همیشه از شما می‌خواهیم که شیوه‌نامه را به دقت بخوانید.

این مقاله ترجمه شده مقاله Which Countries Are Leading the Data Economy از وبسایت HRB‌ است.