بهرهوری تجارت خارجی ایران در عصر هوش مصنوعی چگونه ممکن است؟
بازوی الگوریتمی تجارت
گزارش صندوق بینالمللی پول (IMF) در آوریل ۲۰۲۶، تصویری روشن از این تحولات ارائه میدهد. پیش از تشدید درگیریها در خاورمیانه، رشد اقتصادی جهان برای سال ۲۰۲۶ حدود ۳.۴ درصد پیشبینی میشد؛ اما با ادامه تنشها، این رقم به ۳.۱ درصد کاهش یافته و در حالت بدبینانه حتی تا ۲ درصد پایین آمده است. همزمان، تورم جهانی نیز بالای ۶ درصد تثبیت شده است. ایران نه تنها از این شوکهای خارجی متاثر شده، بلکه از تحولات موج جدید انقلاب صنعتی، بهویژه کاربردهای هوش مصنوعی در زنجیرههای تامین و تجارت نیز فاصله قابلتوجهی گرفته است. حال سوال محوری این است که آیا هوش مصنوعی میتواند به عنوان اهرمی برای گذار از اقتصاد رانتی به اقتصاد مبتنی بر بهرهوری عمل کند و هزینههای مبادله را در محیط تحریمی کاهش دهد؟
شکاف فناوری و هزینههای پنهان
گزارش کنفرانس تجارت و توسعه سازمان ملل متحد (UNCTAD) در سال ۲۰۲۵، وضعیت تجارت دریایی جهانی را به خوبی ترسیم میکند. پس از رشد ۲.۲ درصدی در سال ۲۰۲۴، حجم تجارت دریایی در سال ۲۰۲۵ تنها ۰.۵ درصد رشد داشت. تنگه هرمز که حدود ۱۱ درصد از حجم کل تجارت دریایی جهان و بیش از یکسوم صادرات نفت دریایی را به خود اختصاص داده در کانون این اختلالات قرار دارد.
تردد کشتیها در کانال سوئز تا میانه سال ۲۰۲۵ حدود ۷۰ درصد نسبت به میانگین سال ۲۰۲۳ کاهش یافته است. تغییر مسیر اجباری به دور دماغه امید نیک، تقاضای تنمایل را به شکل قابل ملاحظهای افزایش داده و هزینههای لجستیک را به شدت بالا برده است. برای اقتصاد ایران، این به معنای افزایش قابلتوجه هزینههای حملونقل، صعود قیمت تمامشده کالاهای صادراتی و وارداتی، و تضعیف مزیت رقابتی در بازارهای جهانی است.
درسهای تجربه روسیه در مدیریت بهینه تحریمها
پس از قطع دسترسی روسیه به سیستم سوئیفت در سال ۲۰۲۲، این کشور مجموعهای از مکانیسمهای جایگزین را توسعه داد که شباهتهای زیادی با شرایط کنونی ایران دارد:
- SPFS: سیستم پیامرسان مالی روسیه که اکنون با CIPS چین و SEPAM ایران یکپارچه شده است.
- MIR: سیستم پرداخت داخلی که در تعدادی از کشورهای شریک قابل بهرهبرداری است.
- تسویه دوجانبه و داراییهای دیجیتال: استفاده از ارزهای ملی و رمزارزها برای کاهش وابستگی به دلار و سیستمهای غربی. هرچند این ابزارها قابلیت عملیاتی خود را نشان دادهاند، اما با محدودیتهایی مانند کارمزدهای واسطهای بالا، تاخیرهای زمانی و خطر تحریمهای ثانویه همراه هستند. مهمتر آنکه این سیستمها اساسا برای انتقال پیام طراحی شدهاند و فاقد ظرفیت بهینهسازی هوشمند و تحلیل ریسک پویا هستند.
سه کاربرد عملی هوش مصنوعی در ارتقای تجارت خارجی
هوش مصنوعی میتواند لایهای هوشمند بر این زیرساختها بیفزاید و بهرهوری تجارت را به سطح جدیدی برساند. نخست، تطابق هوشمند و خودکار مدارک است. الگوریتمهای یادگیری ماشین و پردازش زبان طبیعی قادرند صدها سند تجاری، فاکتور و بارنامه را در چند دقیقه با پایگاههای داده تحریمها تطبیق دهند. این فرآیند که در حال حاضر توسط انسان در مراکز واسط و زمانبر (هفتهها) انجام میشود، با AI به ساعات یا روزها کاهش مییابد و ریسک عدم انطباق را به حداقل میرساند.
دوم، بهینهسازی مسیرهای مالی چندلایه است. در شرایط فعلی، تجار ایرانی برای تسویه پرداختها اغلب مجبور به عبور از زنجیرههای پیچیده صرافیها و واسطهها هستند. مدلهای هوش مصنوعی میتوانند با تحلیل لحظهای نرخ ارز، کارمزدها، ریسکهای سیاسی و گزینههای جایگزین، بهینهترین مسیر را شناسایی و پیشنهاد دهند و به اینترتیب هزینههای مبادله را کاهش دهند.
سومین کاربرد هوش مصنوعی پیشبینی و مدیریت ریسکهای ارزی و لجستیک است. مدلهای پیشرفته پیشبینی (مانند الگوریتمهای مبتنی بر Transformer) قادرند نوسانات نرخ ارز، هزینههای حملونقل و اختلالات زنجیره تامین را با دقت قابل قبولی پیشبینی کنند. این قابلیت به سیاستگذاران و فعالان اقتصادی اجازه میدهد تا تصمیمگیریهای آگاهانهتری اتخاذ کنند و تابآوری اقتصاد را افزایش دهند. در نهایت میتوان گفت که اختلالات ژئوپلیتیک در تنگه هرمز و افزایش هزینههای لجستیک، رقابتپذیری اقتصاد ایران را تحت فشار قرار داده و حاشیه سود بخش تجارت را کاهش داده است. با این حال، همانطور که گزارش IMF تاکید کرده، دستیابی سریع به بهرهوری ناشی از هوش مصنوعی میتواند بخشی از این خسارات را جبران کند.
هوش مصنوعی میتواند هزینههای معاملاتی را به طور معناداری کاهش دهد، سرعت گردش سرمایه را افزایش بخشد و ریسکهای ارزی و عملیاتی را مدیریتپذیرتر سازد. در غیاب دسترسی به سوئیفت و با وجود فشار بر گذرگاههای حیاتی، این فناوری میتواند از تجارت ایستا به تجارت پویا و رقابتی گذار دهد.
پیشنهادهای سیاستی
نخستین راهکار، یکپارچهسازی سامانههای گمرکی با سیستمهای پیامرسان مالی مانند (SEPAM-SPFS) و بهکارگیری هوش مصنوعی برای تسریع فرآیند تطابق مدارک است. همچنین ایجاد و توسعه پایگاه دادههای ساختیافته از تراکنشهای ارزی به عنوان خوراک الگوریتمهای یادگیری ماشین توصیه میشود. علاوه بر این، تجهیز و آموزش بانکهای عامل با ابزارهای هوشمند تسویه و بهینهسازی مسیرها میتواند اثر معناداری بر این فرآیند بگذارد. سرمایهگذاری راهبردی در زیرساختهای داده و توسعه مدلهای هوش مصنوعی بومی با بهرهگیری از فناوریهای متنباز از دیگر نکاتی است که باید مورد توجه سیاستگذاران قرار گیرد. در این راستا اراده سیاسی برای اجرای سریع و هدفمند این راهکارها میتواند نقطه عطفی در گذار به اقتصاد مقاوم و بهرهور ایجاد کند.
*پژوهشگر اقتصاد بینالملل
