کدام کشورها در اقتصاد داده پیشرو هستند؟

خلاصه مقاله:

کدام کشورها در اقتصاد داده پیشرو هستند؟ برترین تولیدکنندگان داده چه کشورهایی هستند؟ McKinsey با استفاده از داده‌های مبتنی بر هوش مصنوعی پیش‌بینی کرده است که فعالیت در این حوزه اقتصادی جدید تا سال ۲۰۳۰ می تواند حدود ۱۳ تریلیون دلار تولید ثروت کند، این موضوع در آینده می‌تواند قوانین نظم اقتصاد جهانی را تعیین کند، دقیقاً مثل 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 در نظر گرفته شوند، نمی‌توان منابع داده‌ها را در چند جای خاص و محدود متمرکز دانست. همان طور که ما در نقاط مختلف دنیا اقتصاد نفت محور داریم، باید با توجه به وجود منابع متعدد و کاربردهای آتی AI ورود بازیگران جدید و غیرمنتظره را به این حوزه پیش‌بینی کنیم. شکل گرفتن نظم جدید در اقتصاد جهانی به احتمال زیاد پیچیده‌تر از یک دوقطبی ساده است. با تکیه بر تجربه گذشته خود در مورد سیر تکامل در حوزه دیجیتال و رقابت در کشورهای مختلف در سراسر جهان، سعی کردیم عمیق‌ترین و وسیع‌ترین مجموعه داده‌های مفید را بررسی کنیم.

اگر دوست دارید ترجمه مقالات مشابهی از سایت HBR را بخوانید، می‌توانید آن‌ها را در کتگوری HBR در بلاگ آسا پیدا کنید.

برترین تولید‌کنندگان داده‌های ناخالص در جهان چگونه انتخاب می‌شوند؟

بررسی‌های انجام شده برای اجرایی شدن هزاران پروژه و مدل یادگیری ماشین (machine learning)در حوزه AI ضروری است. برای انجام این کار، باید بین حجم داده‌های خام و معیاری که ما باید آن را “تولید داده‌های ناخالص” می‌نامیم.(نسخه ما از تولید ناخالص داخلی داده جدید)، تفاوت قائل شد. برای شناسایی برترین تولید‌کنندگان داده‌های ناخالص جهان، ما چهار معیار را پیشنهاد می‌دهیم:

۱- حجم (Volume)

میزان پهنای باند مصرف‌شده در یک کشور به عنوان نماینده‌ای برای داده‌های خام تولید شده در آن کشور در نظر گرفته می‌شود.

۲- کاربرد (Usage)

تعداد کاربران فعال اینترنت در یک کشور به عنوان نماینده‌ای برای ارزیابی رفتارها، نیازها و کارکرد داده‌ها محسوب می‌شوند.

۳- دسترسی (Accessibility)

دسترسی نهادها به جریان آزاد داده‌ها و اطلاعات به عنوان راهی برای ارزیابی این موضوع 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 هم عنوان یک معیار مهم مطرح است.

۴- پیچیدگی (Complexity)

 میزان مصرف سرانه اینترنت و پهنای باند به عنوان نماینده‌ای برای بلوغ و پیچیدگی فعالیت‌های دیجیتال در یک کشور معرفی می‌شود.

چند 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 گرفته 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 استفاده از درآمد سرانه به عنوان نماینده رفاه کلی جامعه است)‏.

دوم این که در کشورها مختلف تفاوت‌هایی از نظر چگونگی به اشتراک‌گذاری داده‌های خصوصی افراد به سازمان‌ها وجود دارد. این که آیا چارچوب‌هایی برای هویت دیجیتالی تعریف شده است یا نه که بتواند افراد را با فعالیت‌های دیجیتال آن‌ کشور مرتبط کند هم بسیار مهم است. ما این تمایز‌ها را آشکار نمی‌کنیم.

کشورهای مورد بررسی در این تحلیل چگونه انتخاب شدند؟

 ۱- ‏کشورهایی که مهم‌ترین مشارکت‌کنندگان در اقتصاد دیجیتال جهانی هستند، به این دلیل در این فهرست جای گرفتند 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 این تحلیل‌ها در اختیار ما قرار داده‌اند.

در نهایت، یک ملاحظه مهم خیلی مهم در تعیین دسترسی‌ها و حفظ حریم خصوصی مطرح می‌شود. نگرانی‌هایی درباره حمایت از حریم خصوصی و مقررات حفاظت از داده وجود دارد که می‌توانند به الگوریتم‌ها برای توسعه قابلیت‌های جدید کمک کنند یا مانع آن‌ها شوند. برای انجام تحلیل‌های انجام شده در این مقاله یک چارچوب مشخص برای تضمین حریم خصوصی، حفاظت از داده‌ها و دسترسی‌ها در نظر گرفته شده است. در عین حال باید قبول کرد که در دراز مدت داشتن دسترسی کافی برای حفظ پویایی داده‌ها یک مزیت و عامل مثبت در جهت توسعه AI 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 می‌سنجند.

با این حال ما قبول داریم که در کوتاه‌مدت ممکن است برخی از کشورها بویژه چین که رویه‌های آن در اشتراک‌گذاشتن داده‌ها بین سازمان‌های بخش دولتی و خصوصی مبهم است. در  خارج از مرزهایش می‌تواند باعث نقص حریم خصوصی و هنجارهای آزادی شود. در عین حال این موضوع می‌تواند یک مزیت موقت در آموزش الگوریتم‌های درون یک “walled garden” یا منطقه امن باشد.

حالا برمی‌گردیم به سوال اولیه، کدام یک از این معیارها باید در ارزیابی این نظم جدید در اقتصاد جهانی که بر اساس داده‌ها شکل گرفته است، استفاده شود؟

کدام معیارها باید در ارزیابی کشورهای پیشرو در اقتصاد داده 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 اهداف عمومی خدمت می‌کنند، در این جا معیار 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، چه نتیجه‌ای حاصل شد:

بر خلاف انتظار  آمریکا در هر سه معیار امتیاز خوبی کسب می کند. اگر دسترسی جهانی به داده‌ها برای ایجاد برنامه‌های هوش مصنوعی موفق در آینده ضروری تلقی شود، چین با یک مانع بزرگ مواجه است. اگر اتحادیه اروپا (که 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 معیار دسترسی‌ها در کشورها هم ممکن است، مشکل‌ساز شود.

نتایج متفاوتی از این مفاهیم برای کشورهای کوچک‌تر، مانند نیوزیلند، یا آن‌هایی که وابسته به اتحادیه‌های اقتصادی بزرگ‌تر نیستند، مانند کره‌جنوبی بدست آمده است. که در آن مواردی مانند باز بودن فضای اطلاعاتی و پویایی زیاد در جریان تولید داده‌ها پدیدار می‌شوند؛ چنین 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 پیامد‌های چنین مبادلات و به اشتراک‌گذاری‌های داده‌ای هنوز مشخص نشده باشد. با این حال، می‌توان 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 بهر‌ه‌برداری از آن ناامیدی ایجاد شود. بدیهی است هوش مصنوعی در حال حاضر در بسیاری از برنامه‌های کاربردی و مهم در حال استفاده است و برنامه‌های بیش‌تری هم در این مسیر توسعه 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» پدیدار می‌شود. مصرف سرانه پهنای باند زیاد و کشورهایی با اقتصاد آزاد (در قسمت سمت راست بالای تصویر) به عنوان برنده آشکار این مقایشه مشخص شده‌اند. 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 کند، که در آن کشورها به صورت متقابل از ذخایر داده یکدیگر بهره‌برداری کرده و  سود می‌برند.

فهرست کشورهای پیشرو در اقتصاد داده

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 و مشخص می‌شود. که به ترتیب شامل کشورهای زیر است:

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 آینده، جایگاه و ارزشی که تولیدکنندگان عمده داده برای اپلیکیشن‌ها دارند، فراهم می‌کنند. هدف ما در این تحلیل این بود که ریسک را بشناسیم و نشان دهیم که چگونه مفروضات جایگزین، سناریوهای مختلفی را برای نظم جهانی اقتصاد داده 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، طبق گفته اکونومیست: 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. الگوریتم‌های آموزش‌دیده با کمک این آثار دیجیتال در سطح جهانی باعث تحول خواهند شد. 

این امکان وجود دارد که یک نظم جهانی جدید در اقتصاد و یک سرانه «تولید ناخالص داخلی» (GDP) جدید که شامل تولید ناخالص داده است، به عنوان یک معیار نوظهور ثروت و قدرت کشورها را به تصویر بکشد. اکنون زمان آن رسیده است که پیش‌بینی کنیم این حوزه چگونه 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 است. مقایسه شرکت‌ها یا جایگاه‌ها آن‌ها براساس یک روش خاص و مجموعه‌ای از داده‌ها انجام شده است. در HBR، ما باور داریم که راهنمایی که به خوبی طراحی‌شده باشد، می‌تواند بینش‌های مفیدی را فراهم کند، حتی اگر در اصطلاح قسمت کوچکی از یک تصویر بزرگ‌تر باشد.

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