هوش مصنوعی و بیکاری؛ داستانی که کامل نشنیدیم!

پرده اول: یک تیتر، هزار برداشت

چند روز پیش، خبری توجهم را جلب کرد: «مایکروسافت در حال تعدیل ۶۰ هزار نفر از کارکنان خود است!»خبر نگران‌کننده‌ای بود، اما شاید نگران‌کننده‌تر از خود خبر، برداشت‌هایی بود که به‌سرعت درباره آن شکل گرفت.

«هوش مصنوعی بالاخره دارد جای انسان‌ها را می‌گیرد!»

«این تازه شروع ماجراست؛ به‌زودی خیلی از شغل‌ها دیگر وجود نخواهند داشت.»

این واکنش‌ها چندان هم عجیب نیستند. مدت‌هاست که درباره تأثیر هوش مصنوعی بر آینده مشاغل می‌شنویم. حالا وقتی نام شرکتی مثل مایکروسافت در کنار عدد بزرگی مثل ۶۰ هزار قرار می‌گیرد، انگار همه آن نگرانی‌ها یک‌باره به واقعیت تبدیل شده‌اند.

اما نکته جالب اینجاست که گاهی آن‌قدر سریع از یک تیتر به یک نتیجه می‌رسیم که فرصت نمی‌کنیم خود خبر را دقیق‌تر بخوانیم.آیا واقعاً هوش مصنوعی شغل ۶۰ هزار نفر را گرفته بود؟ یا داستان دیگری هم پشت این تیتر وجود داشت؟

پرده دوم: وقتی عددها داستان دیگری می‌گویند

کافی بود کمی از تیتر فاصله بگیریم و چند خط پایین‌تر برویم تا تصویر متفاوتی ببینیم.

مایکروسافت قرار نبود ۶۰ هزار نفر را اخراج کند. در واقع، این شرکت به حدود ۶۰ هزار نفر از کارکنانش پیشنهاد داده بود که در صورت تمایل، با دریافت یک بسته مالی، به همکاری خود پایان دهند. پیش‌بینی خود شرکت این بود که حداکثر حدود ۳ هزار نفر این پیشنهاد را بپذیرند.یعنی عددی که در نگاه اول ۶۰ هزار شغل ازدست‌رفته به نظر می‌رسید، در واقع به جمعیتی اشاره داشت که امکان انتخاب برای خروج از شرکت را داشتند.

البته ۳ هزار نفر هم عدد کوچکی نیست. پشت هر شغل، زندگی یک انسان، خانواده‌ای و آینده‌ای قرار دارد. بنابراین قرار نیست اهمیت این اتفاق را کم‌رنگ کنیم.

اما تفاوت بزرگی وجود دارد بین اینکه شرکتی ۶۰ هزار نفر را اخراج کرده باشد و اینکه به ۶۰ هزار نفر پیشنهاد خروج داوطلبانه بدهد و انتظار داشته باشد تنها بخش کوچکی از آن‌ها این پیشنهاد را بپذیرند.

و این تازه اولین لایه ماجراست.حتی اگر آن ۳ هزار نفر هم شرکت را ترک کنند، هنوز به یک سؤال اساسی پاسخ نداده‌ایم:

آیا این افراد به این دلیل شغلشان را از دست می‌دهند که هوش مصنوعی اکنون کار آن‌ها را انجام می‌دهد؟یا ممکن است هوش مصنوعی در این تصمیم نقش داشته باشد، اما به دلیلی کاملاً متفاوت از آنچه در نگاه اول تصور می‌کنیم؟

پرده سوم: متهمی به نام هوش مصنوعی

وقتی صحبت از تعدیل نیرو در شرکت‌های بزرگ فناوری می‌شود، این روزها تقریباً همیشه یک متهم مشترک وجود دارد: هوش مصنوعی.

منطق ماجرا هم در نگاه اول ساده به نظر می‌رسد. هوش مصنوعی می‌تواند کدنویسی کند، به سؤالات مشتریان پاسخ دهد، گزارش تهیه کند، داده‌ها را تحلیل کند و بسیاری از کارهایی را انجام دهد که تا همین چند سال پیش تنها از انسان‌ها برمی‌آمد. پس طبیعی است که تصور کنیم شرکت‌ها دیگر به همان تعداد نیروی انسانی نیاز ندارند.

و البته نمی‌توان این واقعیت را نادیده گرفت که هوش مصنوعی در حال تغییر ماهیت بسیاری از مشاغل است. برخی فعالیت‌ها خودکار می‌شوند، بعضی نقش‌ها تغییر می‌کنند و حتی ممکن است نیاز به برخی مشاغل کاهش پیدا کند.اما اینجا یک اشتباه ظریف در برداشت ما وجود دارد.

اینکه هوش مصنوعی می‌تواند کاری را انجام دهد، لزوماً به این معنا نیست که همین امروز جای انسانی را که آن کار را انجام می‌داده، گرفته است.بین توانایی یک فناوری و تبدیل شدن آن به یک راهکار عملیاتی، قابل‌اعتماد و اقتصادی در مقیاس یک سازمان بزرگ، فاصله قابل‌توجهی وجود دارد.بااین‌حال، وقتی هم‌زمان با پیشرفت هوش مصنوعی، خبر کاهش نیروی انسانی منتشر می‌شود، ذهن ما به‌سرعت میان این دو اتفاق رابطه علت و معلولی برقرار می‌کند.شرکت روی هوش مصنوعی سرمایه‌گذاری می‌کند. شرکت نیرو تعدیل می‌کند. پس حتماً هوش مصنوعی جای آن نیروها را گرفته است.

اما آیا واقعاً چنین است؟

برای پاسخ به این سؤال، شاید لازم باشد به جای نگاه کردن به توانایی‌های هوش مصنوعی، به موضوع دیگری نگاه کنیم که کمتر در تیتر خبرها دیده می‌شود: هزینه ساختن و به‌کارگیری همین هوش مصنوعی.

پرده چهارم: صورت‌حساب پنهان هوش مصنوعی

تا اینجا درباره این صحبت کردیم که شاید هوش مصنوعی به شکلی متفاوت از آنچه تصور می‌کنیم، بر اشتغال تأثیر می‌گذارد. اما برای درک بهتر ماجرا، باید یک سؤال اساسی بپرسیم:

اگر هوش مصنوعی قرار است هزینه‌ها را کاهش دهد و بهره‌وری را افزایش دهد، پس چرا بسیاری از شرکت‌ها برای استفاده از آن مجبورند هر روز بیشتر هزینه کنند؟

برای پاسخ به این سؤال، بیایید از داخل یک سازمان شروع کنیم و به‌تدریج به پشت پرده اقتصاد چندصد میلیارد دلاری هوش مصنوعی برسیم.

وقتی بهره‌وری بیشتر، به معنای هزینه کمتر نیست

فرض کنید یک برنامه‌نویس در شرکتی مشغول به کار است و ماهانه پنج هزار دلار حقوق می‌گیرد.تا همین یکی دو سال پیش، نوشتن یک قطعه کد ممکن بود سه ساعت از وقت او را بگیرد. حالا با کمک Claude، همان کار را در نیم ساعت انجام می‌دهد.فوق‌العاده است، نه؟ کاری که سه ساعت طول می‌کشید، حالا در نیم ساعت انجام می‌شود.اما یک لحظه صبر کنید.با آن دو ساعت و نیم صرفه‌جویی‌شده چه اتفاقی می‌افتد؟آیا این برنامه‌نویس بلافاصله سراغ کار بعدی می‌رود؟ آیا سازمان می‌تواند در همان زمان، خروجی بیشتری تولید کند؟شاید. اما نه لزوماً.

ممکن است برنامه‌نویس وقت بیشتری برای استراحت داشته باشد، قهوه‌ای بنوشد، سری به اینستاگرام بزند یا صرفاً با سرعت کمتری سراغ کار بعدی برود. حتی ممکن است زمان آزادشده صرف بررسی و اصلاح کدی شود که هوش مصنوعی تولید کرده است.نکته اینجاست که سازمان همچنان همان پنج هزار دلار حقوق را پرداخت می‌کند، اما حالا هزینه اشتراک هوش مصنوعی را هم به آن اضافه کرده است.

یعنی قبلاً فقط حقوق کارمند را پرداخت می‌کرد، ولی امروز حقوق کارمند به‌علاوه هزینه هوش مصنوعی را می‌پردازد.البته این الزاماً اتفاق بدی نیست. ممکن است کیفیت خروجی بهتر شده باشد، رضایت کارمند افزایش یافته باشد یا پروژه‌ها سریع‌تر به نتیجه برسند.اما یک تفاوت مهم وجود دارد:

صرفه‌جویی در زمان، لزوماً به معنای صرفه‌جویی در پول نیست.

برای اینکه هوش مصنوعی واقعاً به کاهش هزینه یا افزایش سودآوری منجر شود، آن زمان آزادشده باید به ارزشی قابل‌اندازه‌گیری تبدیل شود؛ مثلاً تولید محصول بیشتر، ارائه خدمات بهتر، افزایش درآمد یا کاهش هزینه‌های عملیاتی.در غیر این صورت، ممکن است فقط ابزار جدیدی به سازمان اضافه کرده باشیم، بدون اینکه هزینه‌های قبلی را کاهش داده باشیم.

هزینه کارهایی که قبلاً اصلاً انجام نمی‌شدند

حالا بیایید از زاویه دیگری به موضوع نگاه کنیم.چند نفر از ما صدها ایمیل خوانده‌نشده داریم؟ چند جلسه برگزار کرده‌ایم که کسی صورت‌جلسه دقیقی از آن تهیه نکرده؟ چند گزارش، سند یا فایل در سازمان وجود دارد که هیچ‌کس فرصت بررسی دقیق آن‌ها را نداشته است؟این کارها قبلاً یا اصلاً انجام نمی‌شدند، یا به دلیل محدودیت زمان و منابع، با اولویت پایین‌تری انجام می‌شدند.اما حالا هوش مصنوعی می‌تواند بسیاری از آن‌ها را انجام دهد.می‌تواند ایمیل‌ها را بخواند، دسته‌بندی کند، جلسات را خلاصه کند، گزارش تهیه کند و حتی برای پاسخ به پیام‌ها پیش‌نویس آماده کند.این قابلیت‌ها ارزشمندند، اما نکته اقتصادی جالبی دارند.

ما در حال پرداخت هزینه برای انجام کارهایی هستیم که در گذشته اساساً بابت انجام نشدنشان هزینه‌ای نمی‌پرداختیم.

فرض کنید مدیری قبلاً هر روز فقط ده ایمیل مهم را بررسی می‌کرد و بقیه را نادیده می‌گرفت. حالا هوش مصنوعی تمام صد ایمیل او را تحلیل می‌کند.آیا بهره‌وری افزایش پیدا کرده؟ احتمالاً بله.آیا هزینه کاهش پیدا کرده؟ لزوماً خیر.در واقع، ممکن است سازمان هزینه جدیدی ایجاد کرده باشد تا کاری را انجام دهد که پیش‌تر انجام نمی‌شد.شاید نتیجه این کار تصمیم‌گیری بهتر، کاهش خطا یا شناسایی فرصت‌های جدید باشد. اما این ارزش باید با هزینه ایجاد آن مقایسه شود.و این پدیده محدود به ایمیل نیست. وقتی انجام کاری ارزان‌تر و آسان‌تر می‌شود، معمولاً تقاضا برای انجام آن هم افزایش پیدا می‌کند.

گزارش‌هایی که قبلاً ماهانه تهیه می‌شدند، حالا روزانه تولید می‌شوند. تحلیل‌هایی که قبلاً کسی درخواست نمی‌کرد، حالا مرتب انجام می‌شوند. حتی ممکن است کارکنان زمان بیشتری را صرف خواندن خروجی‌های هوش مصنوعی کنند.

به بیان ساده، هوش مصنوعی فقط هزینه انجام کارهای موجود را تغییر نمی‌دهد؛ خودش تقاضای جدیدی برای انجام کار ایجاد می‌کند.

و همین موضوع می‌تواند بخشی از صرفه‌جویی مورد انتظار را از بین ببرد.

چرا شرکت‌های هوش مصنوعی خدماتشان را این‌قدر ارزان می‌فروشند؟

حالا بیایید از فضای سازمان کمی فاصله بگیریم و به شرکت‌هایی نگاه کنیم که این خدمات را ارائه می‌دهند.فرض کنید شما ماهانه ۲۰ دلار برای اشتراک Claude پرداخت می‌کنید.با این مبلغ می‌توانید از مدل‌های پیشرفته استفاده کنید، کدنویسی کنید، متن بنویسید و کارهای پیچیده‌ای را به هوش مصنوعی بسپارید.

اما موضوع جالب اینجاست که اگر همین میزان پردازش را بخواهید مستقیماً از طریق API و بر اساس توکن‌های مصرف‌شده خریداری کنید، حتما صورت‌حساب شما بسیار بیشتر از ۲۰ دلار شود.حالا سؤال این است: چرا شرکتی باید چنین مدلی را انتخاب کند؟آیا از هر کاربر سود می‌برد؟ نه لزوماً.

اما این مدل قیمت‌گذاری یک واقعیت مهم را نشان می‌دهد: شرکت‌های هوش مصنوعی در رقابتی قرار دارند که فقط درباره درآمد امروز نیست.آن‌ها برای تبدیل شدن به ابزار روزمره میلیون‌ها نفر رقابت می‌کنند.می‌خواهند برنامه‌نویسان با ابزارهایشان کار کنند، شرکت‌ها فرایندهایشان را بر اساس محصولات آن‌ها تغییر دهند و کاربران به استفاده روزانه از خدماتشان عادت کنند.

زیرا زمانی که یک سازمان صدها فرایند خود را بر پایه یک فناوری طراحی کند، تغییر آن فناوری دیگر به‌سادگی لغو یک اشتراک نخواهد بود.

به همین دلیل، جذب مشتری امروز می‌تواند ارزش اقتصادی بسیار بزرگی در آینده داشته باشد.اما این رقابت یک هزینه سنگین دارد.برای اینکه میلیون‌ها کاربر بتوانند با قیمت‌های نسبتاً پایین از مدل‌های پیشرفته استفاده کنند، شرکت‌ها به ظرفیت پردازشی عظیمی نیاز دارند.و اینجاست که داستان از اشتراک‌های ۲۰ دلاری به سرمایه‌گذاری‌های چندمیلیارددلاری می‌رسد.

پشت پرده میلیاردها دلار سرمایه‌گذاری

برای ارائه خدمات هوش مصنوعی در مقیاس جهانی، فقط داشتن یک مدل هوشمند کافی نیست.به مراکز داده عظیم، هزاران پردازنده پیشرفته، زیرساخت شبکه، سیستم‌های خنک‌کننده، برق و نیروی انسانی متخصص نیاز است.و تقریباً همه این‌ها باید پیش از آنکه درآمد نهایی حاصل شود، خریداری و آماده شوند.

اینجاست که نام NVIDIA وارد داستان می‌شود.

شرکتی که پردازنده‌های آن به یکی از مهم‌ترین اجزای زیرساخت هوش مصنوعی تبدیل شده‌اند.اما اتفاق جالب این است که دیگر ماجرا صرفاً خریدوفروش پردازنده نیست. زنجیره پیچیده‌ای از سرمایه‌گذاری، قراردادهای بلندمدت، وام و تعهدات مالی در حال شکل‌گیری است.برای مثال، به شرکت CoreWeave نگاه کنید؛ یکی از ارائه‌دهندگان زیرساخت ابری هوش مصنوعی که NVIDIA نیز در آن سرمایه‌گذاری کرده است.

مدل کسب‌وکار این شرکت، به زبان ساده، فراهم کردن ظرفیت پردازشی برای شرکت‌هایی است که به قدرت محاسباتی عظیمی نیاز دارند.اما ساختن چنین ظرفیتی بسیار پرهزینه است.CoreWeave برای توسعه زیرساخت خود، علاوه بر سرمایه‌گذاری سهام‌داران، از وام‌ها و بازارهای بدهی استفاده کرده است. در برخی ساختارهای تأمین مالی این صنعت، تجهیزات پردازشی و قراردادهای بلندمدت مشتریان نیز پشتوانه دریافت منابع مالی قرار می‌گیرند.

اینجا یک رابطه جالب شکل می‌گیرد.شرکت‌های هوش مصنوعی به ظرفیت پردازشی بیشتری نیاز دارند. ارائه‌دهندگان زیرساخت برای تأمین این ظرفیت، تجهیزات NVIDIA را خریداری می‌کنند. برای خرید تجهیزات، سرمایه جذب می‌کنند یا بدهکار می‌شوند. و درآمد آینده قراردادهای مشتریان قرار است هزینه این سرمایه‌گذاری‌ها را جبران کند.

از طرف دیگر، خود NVIDIA نیز با سرمایه‌گذاری در بعضی شرکت‌های فعال در این اکوسیستم، به توسعه بازاری کمک می‌کند که خریدار محصولاتش است.به این ترتیب، شرکت‌های مختلف فقط مشتری و فروشنده یکدیگر نیستند؛ گاهی سرمایه‌گذار، تأمین‌کننده و شریک تجاری یکدیگر نیز هستند.این موضوع به‌خودی‌خود نشانه مشکل نیست. چنین ساختارهایی در صنایع سرمایه‌بر سابقه دارند.اما پرسش مهمی ایجاد می‌کند:

اگر درآمد واقعی حاصل از استفاده نهایی هوش مصنوعی با سرعت مورد انتظار رشد نکند، چه کسی هزینه تمام این سرمایه‌گذاری‌ها را پرداخت خواهد کرد؟

تصور کنید شرکتی میلیاردها دلار وام گرفته تا مراکز داده بسازد، با این فرض که تقاضا برای پردازش هوش مصنوعی در سال‌های آینده همچنان افزایش پیدا خواهد کرد.حالا اگر رشد تقاضا کمتر از انتظار باشد، یا رقابت قیمت خدمات را پایین بیاورد، شرکت همچنان باید اقساط بدهی، هزینه برق، نگهداری و تعهدات مالی خود را پرداخت کند.حتی ممکن است تجهیزات گران‌قیمتی که امروز خریداری شده‌اند، با ورود نسل‌های جدید پردازنده‌ها زودتر از پیش‌بینی‌ها از نظر اقتصادی کم‌ارزش شوند.

در چنین شرایطی، فشار مالی فقط محدود به یک شرکت نیست.توسعه‌دهندگان مدل‌های هوش مصنوعی، شرکت‌های ارائه‌دهنده زیرساخت، مؤسسات مالی و سرمایه‌گذاران ممکن است هرکدام بخشی از این فشار را تجربه کنند.و در همین زمان، شرکت‌های بزرگی مثل مایکروسافت هم باید میان سرمایه‌گذاری برای آینده و حفظ سودآوری امروز تعادل برقرار کنند.

اینجاست که کاهش هزینه‌های عملیاتی، از جمله هزینه نیروی انسانی، می‌تواند اهمیت بیشتری پیدا کند.

نه الزاماً به این دلیل که هوش مصنوعی همین امروز جای همه آن کارکنان را گرفته، بلکه گاهی به این دلیل که ساختن آینده هوش مصنوعی، خودش به سرمایه‌گذاری بسیار سنگینی نیاز دارد.

برنده واقعی تب طلا کیست؟

شاید برای درک بهتر این وضعیت، بد نباشد به حدود ۱۷۵ سال پیش برگردیم.در میانه قرن نوزدهم، هزاران نفر به امید پیدا کردن طلا راهی کالیفرنیا شدند.هرکدام رؤیای ثروتمند شدن داشتند. بعضی موفق شدند، بسیاری هم نه.اما در کنار تمام این جویندگان طلا، گروه دیگری نیز وجود داشتند: کسانی که ابزار، تجهیزات و خدمات موردنیاز جست‌وجوی طلا را می‌فروختند.آن‌ها برای کسب درآمد، لزوماً نیازی نداشتند که مشتریانشان طلا پیدا کنند.کافی بود تب جست‌وجوی طلا ادامه داشته باشد.

حالا به دنیای هوش مصنوعی برگردیم.

امروز شرکت‌های بزرگی مانند مایکروسافت، گوگل، متا و آمازون میلیاردها دلار سرمایه‌گذاری می‌کنند تا در رقابت هوش مصنوعی عقب نمانند. از توسعه مدل‌های پیشرفته گرفته تا ساخت مراکز داده عظیم، همه در تلاش‌اند سهم بیشتری از بازار آینده را به دست آورند.اما هنوز یک سؤال بزرگ بی‌پاسخ مانده است: چه زمانی این سرمایه‌گذاری‌های عظیم به بازده اقتصادی مورد انتظار خواهند رسید؟برخی شرکت‌ها احتمالاً به موفقیت‌های بزرگی خواهند رسید و برخی شاید هرگز نتوانند هزینه سرمایه‌گذاری‌هایشان را جبران کنند.

اما در میان تمام این رقابت‌ها، یک برنده از همین حالا مشخص است: NVIDIA.

شرکتی که برخلاف بسیاری از بازیگران این بازار، برای کسب درآمد نیازی ندارد منتظر بماند تا هوش مصنوعی به وعده‌های اقتصادی خود عمل کند.فرقی نمی‌کند در نهایت کدام مدل هوش مصنوعی موفق شود، کدام شرکت بیشترین کاربر را جذب کند یا کدام استارتاپ بتواند به سودآوری برسد. تا زمانی که رقابت برای توسعه هوش مصنوعی ادامه دارد، همه به قدرت پردازشی نیاز دارند و NVIDIA یکی از اصلی‌ترین تأمین‌کنندگان آن است.

جالب‌تر اینکه NVIDIA تنها به فروش بیل و کلنگ بسنده نکرده است؛ با سرمایه‌گذاری در شرکت‌های فعال در این اکوسیستم و مشارکت در توسعه زیرساخت‌ها، به گسترش همان بازاری کمک می‌کند که محصولاتش را خریداری می‌کند.به بیان ساده، NVIDIA نه‌تنها به جویندگان طلا بیل و کلنگ می‌فروشد، بلکه به گسترش معادنی هم کمک می‌کند که قرار است از بیل و کلنگ‌هایش استفاده کنند.

برای همین،برنده بزرگ این تب طلا تا این لحظه NVIDIA است.

بسیاری هنوز به امید پیدا کردن طلا میلیاردها دلار خرج می‌کنند؛ اما NVIDIA از فروش بیل و کلنگ به آن‌ها ثروت می‌سازد.

و شاید بزرگ‌ترین تناقض اقتصادی انقلاب هوش مصنوعی همین باشد.فناوری‌ای که قرار است بهره‌وری را افزایش دهد و هزینه‌ها را کاهش دهد، امروز خود به یکی از بزرگ‌ترین محرک‌های هزینه و سرمایه‌گذاری در صنعت فناوری تبدیل شده است.و حالا وقتی دوباره خبر تعدیل نیروی یک شرکت فناوری را می‌خوانیم، شاید بهتر باشد پیش از نتیجه‌گیری، سؤال متفاوتی بپرسیم:

آیا هوش مصنوعی جای آن کارکنان را گرفته است، یا شرکت برای پرداخت هزینه آینده هوش مصنوعی، ناچار به کاهش هزینه‌های امروز خود شده است؟

شاید پاسخ در مواردی هر دو باشد. اما این دو، داستان‌های اقتصادی کاملاً متفاوتی هستند.

پرده پنجم: آیا NVIDIA عامل بیکاری انسان‌هاست؟

حالا که به پایان داستان رسیده‌ایم، بیایید یک بار دیگر به همان خبری برگردیم که بحثمان را با آن شروع کردیم.مایکروسافت، ۶۰ هزار نفر و نگرانی از آینده مشاغل در عصر هوش مصنوعی.

در نگاه اول، متهم اصلی مشخص بود: هوش مصنوعی.اما حالا که کمی عمیق‌تر به ماجرا نگاه کرده‌ایم، تصویر متفاوتی می‌بینیم.

شرکت‌ها میلیاردها دلار برای توسعه هوش مصنوعی سرمایه‌گذاری می‌کنند. برای تأمین این سرمایه‌گذاری‌ها، به دنبال کنترل هزینه‌هایشان هستند و یکی از گزینه‌های کاهش هزینه، نیروی انسانی است.در سوی دیگر این معادله، NVIDIA قرار دارد؛ شرکتی که از رقابت نفس‌گیر برای ساخت آینده هوش مصنوعی، همین امروز درآمدهای عظیمی به دست می‌آورد.

اینجاست که یک سؤال جسورانه به ذهنم می‌رسد.

آیا ممکن است شغل بعضی انسان‌ها نه به این دلیل که هوش مصنوعی جای آن‌ها را گرفته، بلکه به این دلیل که شرکت‌ها باید هزینه خرید پردازنده‌های NVIDIA و ساخت زیرساخت‌های هوش مصنوعی را تأمین کنند، در معرض خطر قرار گرفته باشد؟

اگر چنین باشد، شاید حتی عنوان این مقاله را هم باید تغییر دهیم.

شاید به‌جای «هوش مصنوعی و بیکاری؛ داستانی که کامل نشنیدیم»، عنوان جنجالی‌تر و تأمل‌برانگیزتری وجود داشته باشد:

«آیا NVIDIA عامل بیکاری انسان‌هاست؟»