مدیرعامل پالانتیر در داووس ۲۰۲۶: آیندهسازی هوش مصنوعی در «آزمایشگاههای بحران»+ویدیوی کامل
در این مقاله به گفتگوی مدیرعامل پالانتیر در داووس ۲۰۲۶ میپردازیم. در مقالات دیگری گفتگوهای الون ماسک مدیرعامل تسلا، جنسن هوانگ مدیرعامل انویدیا، ساتیا نادلا مدیرعامل مایکروسافت و دو تن از تأثیرگذارترین چهرههای جهان هوش مصنوعی در اجلاس داووس ۲۰۲۶ را شرح دادیم.
لری فینک، مدیرعامل بلکرک، پنل را با معرفی الکس کارپ، مدیرعامل پالانتیر آغاز کرد. همه درباره هوش مصنوعی میخوانند و آن را احساس میکنند. مدیرعامل پالانتیر در داووس ۲۰۲۶ باید به این پرسشهای بنیادین پاسخ میداد: آیا دولتها برای این دگرگونی اساسی در جامعه آماده هستند؟ ما باید اطمینان حاصل کنیم که استقرار هوش مصنوعی به گونهای باشد که مردم و نهادها را توانمند سازد. هدف نهایی، ساختن یک اقتصاد جهانی مقاومتر است.
فینک خاطرنشان کرد که تعداد کمی از رهبران در تقاطع فناوری، امنیت ملی و اقتصاد واقعی قرار دارند. او خود را چنین رهبری ندانست اما الکس کارپ را نمونه بارز آن معرفی کرد. کارپ به عنوان همبنیانگذار و مدیرعامل پالانتیر، مستقیماً با سازمانهای دفاعی و دولتی همکاری کرده است. او کاربرد هوش مصنوعی در حساسترین حوزهها را تجربه نموده است. فینک گفت گفتگوهایش با کارپ در یک سال گذشته برایش روشنگر بوده است. سپس او سوال محوری جلسه را مطرح کرد: دولتها اغلب از اولین پذیرندگان فناوریهای پیشرفته بودهاند. از دیدگاه تو، هوش مصنوعی چگونه از تصمیمگیری در حوزه دفاع و امنیت پشتیبانی میکند؟
این پرسش، بحث را به سمت هوش مصنوعی در محیطهای بحرانی و پرریسک هدایت کرد. پاسخ کارپ به این سوال، هسته مرکزی کل گفتگو را تشکیل داد. تجربیات عملی پالانتیر در میدانهای نبرد و پروژههای امنیتی ملی، پایه تحلیلهای بعدی قرار گرفت.
میدان نبرد، سختترین آزمایشگاه هوش مصنوعی
الکس کارپ پاسخ خود را با طنزی آغاز کرد و گفت با چنین مقدمهای شاید بهتر باشد صحبت را همینجا پایان دهد. سپس او به سوال اصلی در مورد هوش مصنوعی در محیطهای بحرانی و پرریسک پرداخت. کارپ اشاره کرد که در آمریکا و اروپا، توسعه صنعتی و فناوری نظامی همواره در هم تنیده بودهاند. محصولی که برای کاربرد نظامی ساخته میشد، معمولاً بعداً کاربری دوگانه پیدا میکرد و سطح زندگی را ارتقا میداد.
اما این روند در دهههای اخیر متوقف شد. تا قبل از ظهور استارتآپهای دفاعی و شرکتی مانند پالانتیر، فناوری به گونهای دیگر توسعه مییافت. اصل کلیدی در ساخت محصولات نظامی، کارکرد تحت سختترین شرایط ممکن است. محصول باید به قدری برتر باشد که مزیت راهبردی آشکاری در میدان نبرد ایجاد کند. این رویکرد تاریخی نتایج مثبت و منفی به همراه داشته است.
از یک سو، شما محصولی میسازید که برای شرایط خشن، کثیف و از نظر اخلاقی خاکستری طراحی شده است. تطبیق اخلاقیات با شیوه جنگآوری غرب خود یک چالش بزرگ است. شرایط استفاده از فناوری در بستر نرمافزاری نیز بسیار دشوار است. اغلب اتصال مستقیم به شبکه وجود ندارد و باید تحت محدودیتهای عملیاتی جنگید. هر کشور نیز شیوه مبارزه تخصصی خود را دارد.
اما جنبه مثبت این بود که شما فناوریای میساختید که ارزش آشکاری برای شهروند متوسط داشت. تا همین اواخر، بسیاری از رقبای غرب، سرمایهگذاری در دفاع مبتنی بر نرمافزار را یک کار دیوانهوار و تبلیغاتی میدانستند. آنها فکر میکردند این استارتآپها ثروتمند میشوند و سپس نابود میشوند. اما اکنون این دیدگاه تغییر کرده است.
رابطه تاریخی توسعه صنعتی و فناوری نظامی: از تانک تا نرمافزار
فرآیند یادگیری در ساخت این فناوریها برای دولتها، خود یک فرآیند یادگیری برای پذیرش این فناوریها است. وقتی شما یک تانک میسازید، نحوه به کارگیری آن واضح است. اما چگونه سیستمی را مستقر میکنید که ارزش اصلی آن سازماندهی اجزا در میدان نبرد است؟ چگونه میسنجید که چقدر بهتر از قبل کار میکند؟ آیا انجام کارهایی که قبلاً غیرممکن بود را ممکن میسازد؟
یک نکته پنهان در مورد هوش مصنوعی این است که مردم همیشه فکر میکنند ارزش آن در رفتن از نقطه A به نقطه B است. اما در واقعیت، بیشتر کشورهای جهان دارای شکافهای فناورانه قابل توجهی در سازمانهای خود هستند. مانند فردی که دیسلکسی دارد، بخشهای کامل یک سازمان ممکن است
مدیرعامل پالانتیر در داووس ۲۰۲۶ میگوید بسیاری از ارتشها تصور میکنند زیرساخت دارند، اما در روز نبرد متوجه میشوند بخش بزرگی از آن هرگز عملیاتی نبوده است. از نظر او، یکی از مهمترین کارهایی که پالانتیر انجام داده، جبران همین شکاف میان تصور و واقعیت بوده است.
در این میان، او به تجربه آمریکا اشاره میکند و میگوید اگرچه شخصاً همیشه منتقد مداخلات نظامی بوده، اما واقعیت این است که آمریکا بهدلیل حضور مداوم در میدانهای نبرد، تجربهای انباشته دارد که بهوضوح نشان میدهد چه چیزی کار میکند و چه چیزی نه. این تجربه به نرمافزار اجازه داده است تا نهتنها در شرایط ایدهآل، بلکه در بدترین وضعیتهای ممکن هم آزمایش شود. به گفته کارپ، همین آزمونهای سخت است که باعث میشود یک سیستم، وقتی در میدان واقعی قرار میگیرد، بتواند هم ناکارآمدیهای موجود را ترمیم کند و هم برتریای ایجاد کند که صرفاً نظری یا نمایشی نیست.
درس اوکراین؛ زمانی که نیمی از ساختار شما فقط روی کاغذ وجود دارد
مدیرعامل پالانتیر در داووس ۲۰۲۶ برای تشریح عملی هوش مصنوعی در محیطهای بحرانی و پرریسک، اوکراین را به عنوان مطالعه موردی مطرح کرد. سوال اینجاست: آیا برای پرسیدن سوال درست، باید بدانید به کجا میخواهید بروید؟ کارپ پاسخ را اینگونه بازنگری کرد: شما باید بدانید کجا ایستادهاید تا بدانید به کجا میخواهید بروید. یکی از مهمترین کارهای پالانتیر در میدان نبرد، جبران این واقعیت بوده است که نیمی از سازمانهای نظامی در عمل کار نمیکنند.
این سیستمها در آزمایشگاه و روی پاورپوینت کار میکنند، اما در میدان نبرد خیر. دلیل آن شرایط خشن و متغیر میدان نبرد است. به عنوان مثال، در اوکراین، همه فکر میکنند جابجایی یک پهپاد از نقطه A به B چقدر میتواند سخت باشد؟ در واقعیت، شما ابتدا باید بدانید پهپاد را کجا میخواهید قرار دهید. این نیاز به همگامسازی تمام دادههای شما دارد.
شما باید این کار را بدون انتقال داده به حریف انجام دهید. این به معنای ردیابی هر فردی است که داده را لمس کرده است. شما باید داده را تا لحظه آخر مخفی نگه دارید. سپس باید این کار را مطابق با استراتژی و اخلاقیات خود انجام دهید. پهپاد کجا میتواند برود و کجا نمیتواند؟ شما باید بتوانید دادهها را همبسته سازید.
پیچیدگیهای غیرمنتظره در هدایت یک پهپاد در جنگ مدرن
شاید فقط دو نفر در اوکراین بدانند که یکی از ژنرالها، دارایی شما است. شما نمیتوانید به مردم بگویید که او دارایی شماست. چگونه به سربازان خود نشان میدهید که در حال هدفگیری دشمن هستید اما عمداً به دارایی خود نمیزنید؟ سپس جنگ پیشرفت میکند. روسها، که اغلب دست کم گرفته میشوند، در برخی زمینههای ریاضی، بهطور قابل بحثی از بهترینهای جهان بهشمار میروند.
آنها شروع به ایجاد اختلال در الکترونیک میکنند. اکنون شما با یک مشکل کاملاً متفاوت روبرو هستید. اما سازمان شما باید ثابت بماند یا توسعه یابد. اکنون مسئله عبور از نقطه A به B نیست. مسئله عبور از محیطی کاملاً مختل است که در آن هیچ اتصالی وجود ندارد. در عین حال، شما باید در حین عبور از این محیط داده جمعآوری کنید. هر یک از این چالشها پویا و غیرقابل پیشبینی هستند.
هیچکدام از این مشکلات قبل از اوکراین پیشبینی نشده بودند. هر منطقه جنگی در جهان دارای ویژگیهای منحصر به فرد خود است. علاوه بر این، مردم متفاوت میجنگند.در اوکراین، گروههای کوچک و بسیار فنی روی بستر محصولات پالانتیر چیزهایی ساختهاند که حتی خود شرکت هم بهطور کامل از جزئیات آن آگاه نیست.
در اسرائیل، طبق شایعات، آنها از هوش مصنوعی در عملیات علیه ایران استفاده کردند. در آمریکا، شما نیروهای عظیمی دارید که هیچ کشور دیگری ندارد. اما این نیروها باید یکپارچه شوند. قابلیت یکپارچهسازی کلیدی است. هر یک از این موارد متفاوت است. نقش دوگانه نرمافزار سازمانی در میدان نبرد، اول اطمینان از کارکرد تمام مولفههای زیرساختی و دوم ارتقای سطح به حدی است که هیچکجای جهان نظیر آن وجود ندارد.
انتقال از سنگر به بازار؛ وقتی فناوری «بار» را تحمل کرده است
لری فینک با اشاره به تاریخچه فناوریهایی مانند اینترنت و GPS، پرسش بعدی را مطرح کرد. او پرسید: چگونه این انتقال از بخش دفاعی و نظامی به شرکتها، کسبوکارها و جامعه صورت میگیرد؟ پاسخ الکس کارپ مستقیم و مبتنی بر یک اصل کلیدی بود. ذات خام و بیپرده محیطهای بحرانی مانند میدان جنگ، «حقیقت زمینی» را آشکار میسازد. شما دقیقاً میدانید چه چیزی واقعاً کار میکند، مستقل از آنچه سازمانها فکر میکنند میتواند کار کند.
در سطحی عالی، این انتقال تقریباً به صورت یکبهیک انجامپذیر است. اما دلیل این امر دقیقاً به طبیعت سازمانها برمیگردد. اگر پنج شرکت مختلف در یک بازار را در نظر بگیرید، زیرساخت فناوری آنها تمایل دارد که با گذشت زمان، همه را شبیه به هم کند. آنها نمودار سازمانی مشابهی دارند و فرآیندهای تقریباً یکسانی را دنبال میکنند. اما زیرساخت دادههای یکسانی ندارند.
ارزش واقعی، در انجام کاری است که هیچ شرکت دیگری در جهان نمیتواند انجام دهد. این دقیقاً هدف هر ارتش و هر سازمان اطلاعاتی است. همه این نهادها تخصص منحصر به فرد خود را دارند. بنابراین، وقتی پالانتیر به سمت بخش تجاری حرکت کرد، رویکردش این بود: چگونه میتوانیم دانش قبیلهای شما درباره بیمهگری را تبدیل به دانشی کنیم که فقط شما دارید؟ چگونه میتوانیم این کار را با کارآمدیهایی انجام دهیم که دیگران فاقد آن هستند؟
تبدیل «دانش قبیلهای» به مزیت رقابتی انحصاری در بیمه و بانکداری
یک مثال بارز از میدان نبرد، مسئله کسب داده، پردازش آن و قرار دادن آن در چارچوبی برای اقدام است. هر کسبوکاری در نهایت همین کار را میکند. در حوزههایی مانند بیمهگری، بانکداری و پذیرش بیمار در بیمارستان، همه چیز حول اطلاعات میچرخد. این فناوری اطلاعات را به گونهای طبقهبندی میکند که شما یک مزیت متمایز نسبت به رقبای خود پیدا کنید. مزیتی که به راحتی از بین نمیرود. کاری که پالانتیر در میدان نبرد انجام میدهد، در سازمانهای تجاری در سراسر جهان نیز تکرار میشود.
مدیرعامل پالانتیر در داووس ۲۰۲۶ به بیمارستانها اشاره کرد که با مشکل کمبود پزشک و پرستار مواجه هستند. هر بیمارستان روش متفاوتی برای مدیریت جریان پذیرش بیماران دارد. این روش بر اساس تخصص بیمارستان و نوع بیمارانی است که با آنها کار میکند. هوش مصنوعی میتواند این جریان ورودی را به گونهای مدیریت کند که سرعت پردازش را ۱۰ تا ۱۵ برابر افزایش دهد. این نه تنها جانها را نجات میدهد، بلکه به طور متناقضی، آزادیهای مدنی را نیز تقویت میکند.
زیرا با پردازش دادهها در یک ساختار شفاف، میتوان به وضوح دید که آیا فردی بر اساس ملاحظات اقتصادی یا پیشینهاش مورد پذیرش یا رد قرار گرفته است. این شفافیت که معمولاً به شرکتهایی مانند پالانتیر نسبت داده نمیشود، در واقع یکی از دستاوردهای کلیدی آن است. علاوه بر این، این کار به کاهش هزینهها منجر میشود. در گذشته، برای دستیابی به چنین کاراییهایی، لازم بود شرکت خصوصی شود. اما اکنون میتوان ساختار هزینه را بدون تغییر مالکیت، بهبود بخشید و در عین حال کارکنان را قدرتمندتر کرد.
موتور رشد اقتصادی؛ وعده رادیکال بهرهوری و دگرگونی اقتصادی
لری فینک با اشاره به صحبتهای پیشین کارپ، پرسش بعدی را مطرح کرد. او پرسید: هوش مصنوعی با چه سرعتی میتواند مسیر رشد اقتصادی را تغییر دهد؟ کارپ در پاسخ گفت که در بسیاری از این موارد، یک مؤلفه سرعت وجود دارد. او تأکید کرد که با فناوری شرکتش، میتوان تا ۸۰٪ از هزینههای یک بخش را حذف و در عین حال درآمد آن را به شکل چشمگیری افزایش داد.
اما این امر کاملاً به مورد استفاده و کاری که انجام میشود، بستگی دارد. سپس او به مؤلفه سرعت اشاره کرد و گفت: پنج سال پیش، دستیابی به چنین نتایجی یک سال طول میکشید. امروز این کار میتواند در یک هفته انجام شود. این شتاب نمایی، خود گواهی بر بلوغ فناوری و تکرارپذیری راهحلهای توسعهیافته در محیطهای بحرانی و پرریسک است.
فینک سؤال را عمیقتر کرد. او پرسید: به طور کلی، هوش مصنوعی مشاغل را ایجاد خواهد کرد یا نابود؟ کارپ پاسخ را با اشاره به یک روایت غلط رایج در غرب آغاز کرد. او گفت متأسفانه این تصور وجود دارد که هوش مصنوعی مشاغل بشریت را نابود خواهد کرد. سپس به طور طنزآمیز به خودش اشاره کرد و گفت: اگر شما به یک مدرسه نخبه رفته باشید و فلسفه خوانده باشید – مانند من – بازاریابی این مهارت سخت خواهد بود.
ماهیت استراتژیک و پیچیده شدن کارهای به ظاهر ساده
اما برای تکنسینهای حرفهای، داستان کاملاً متفاوت است. او مثالی زد: ما برای یک شرکت باتریسازی، باتری تولید میکنیم. افرادی که این کار را در آمریکا انجام میدهند، تقریباً همان کاری را میکنند که مهندسان ژاپنی انجام میدهند. این افراد دبیرستان را تمام کردهاند و اکنون بسیار ارزشمند – اگر نه غیرقابل جایگزین – هستند. زیرا ما میتوانیم آنها را به سرعت به چیزی متفاوت از آنچه بودند تبدیل کنیم.
کارپ با قاطعیت گفت مشاغل کافی برای شهروندان یک کشور، به ویژه آنهایی که آموزش فنی دیدهاند، وجود خواهد داشت. او افزود این روندها واقعاً پذیرش مهاجرت در مقیاس بزرگ را دشوار میسازد، مگر اینکه فرد مهارت بسیار تخصصی داشته باشد. فینک پرسید: اما پایه و اساس کارهای اداری در اروپا و آمریکا دانشگاهها بودهاند. آیا شما داریم میگوییم به مشاغل اداری کمتری نیاز خواهیم داشت؟
کارپ پاسخ داد: بله، اما ما به روشهای مختلفی برای آزمون استعداد نیاز داریم. بسیاری از افراد هستند که شغل X را انجام میدهند اما باید شغل Y را انجام دهند. به عنوان مثال، فردی که سیستم عملیات ما را در ارتش آمریکا مدیریت میکند، یک افسر پلیس سابق است که به کالج محلی رفته است. این شخص اکنون هدفگیری بسیار پیچیده و سطح بالایی را در سطح جهانی انجام میدهد و واقعاً غیرقابل جایگزین است. در گذشته، روش ما برای آزمون استعداد، به طور کامل نشان نمیداد که استعدادهای این شخص چقدر غیرقابل جایگزین هستند.
بازتعریف بازار کار؛ عصر طلایی مهارتهای فنی-حرفهای
الکس کارپ بحث هوش مصنوعی و بازار کار را با تمرکز بر «استعداد» ادامه داد. او گفت روشهای سنتی سنجش استعداد دیگر کارایی ندارند. فردی که سیستم پیشرفته پالانتیر را در ارتش آمریکا مدیریت میکند، نمونه بارز این تغییر است. این فرد یک افسر پلیس سابق با تحصیلات کالج محلی است. او اکنون وظایف هدفگیری پیچیده جهانی را انجام میدهد. استعدادهای این شخص در چارچوب آزمونهای سنتی به طور کامل آشکار نمیشد.
مدیرعامل پالانتیر در داووس ۲۰۲۶ تأکید کرد حتی در داخل پالانتیر نیز او هر روز در حال شناسایی استعدادهای استثنایی است. چالش اصلی این است که افراد را روی همان نقطه قوت منحصر به فردشان متمرکز نگه دارد. هر مهندس در پالانتیر ایدههایی درباره بهبود شرکت دارد. اما ارزش واقعی در تمرکز بر تخصص اصلی هر فرد است. این رویکرد نیازمند رهبری قاطع است که اجازه ندهد استعدادها در پروژههای متعدد پراکنده شوند.
سپس لری فینک پرسش نهایی و کلیدی را مطرح کرد. او پرسید: منحنی پیشرفت هوش مصنوعی در کشورهای توسعهیافته به کجا خواهد رسید؟ اما وضعیت اقتصادهای در حال توسعه چیست؟ چگونه میتوانند در این تحول مشارکت کنند؟ فینک به یک گزارش تحقیقاتی اشاره کرد که حاکی از شکاف روزافزون در کاربرد هوش مصنوعی بود. این گزارش نشان میداد تسلط بر هوش مصنوعی در جوامع با سطح آموزش عالی متمرکز شده است. آیا هوش مصنوعی منجر به عدم تعادل بیشتر در رشد جهانی خواهد شد؟
نقد صریح به اروپا: فقدان یک اعتراف سیاسی ساختاری
کارپ پاسخ را با تحلیل واضحی از وضعیت جهانی آغاز کرد. او گفت نخستین عدم تعادل آشکار این است که به نظر میرسد فقط آمریکا و چین درک درستی از چگونگی عملیاتیسازی هوش مصنوعی دارند. مدلهای این دو کشور متفاوت اما هر دو در مقیاس بزرگ موفق هستند. این موفقیت بسیار سریعتر از آنچه مردم باور دارند پیش خواهد رفت. نرخ تنزیل فعلی برای ارزیابی تاثیر بلندمدت هوش مصنوعی بیش از حد بالا است.
او هشدار داد این شتاب در حوزه نظامی به وضوح قابل مشاهده خواهد بود. با توجه به اختلاف فناوری گسترده بین آمریکا و چین با سایر کشورها، انجام مذاکراتی که برخی کشورها انتظار دارند دشوار خواهد بود. کارپ سپس به تجربه شخصی خود در اروپا اشاره کرد. او سالهای مهمی از زندگی خود را در آنجا گذرانده و به سرنوشت اروپا علاقهمند است. اما پذیرش فناوری در اروپا یک مشکل بسیار جدی و ساختاری است. آنچه او را بیشتر میترساند این است که هیچ رهبر سیاسی را ندیده است که بایستد و بگوید «ما یک مشکل ساختاری جدی داریم و قصد داریم آن را حل کنیم». این عدم تصدیق واقعیت، بزرگترین مانع برای تطبیق است.
کارپ در ادامه به تفاوت شرایط میان آمریکا، اروپا و چین اشاره میکند. او میگوید آمریکا و چین، هر دو به شیوههای متفاوت، در این مسیر موفق بودهاند، اما وضعیت اروپا رضایتبخش نیست.
هشدار مدیرعامل پالانتیر در داووس ۲۰۲۶؛ شکاف فناوری و آزمون صادقانه برای دولتها
در پاسخ به سوال لری فینک درباره کشورهای در حال توسعه، الکس کارپ تحلیل خود را ارائه داد. او گفت سرنوشت این کشورها به تعریف ما از «در حال توسعه» بستگی دارد. به طور کلی، شاهد خواهیم بود که برخی بخشها عملکرد بسیار خوبی خواهند داشت و برخی بخشها عملکرد بسیار ضعیفی. کلید موفقیت، بازگشت به مفهوم اساسی تحمل بار یا Loadbearing است.
هوش مصنوعی به عنوان یک «آزمون فشار» یا پِنتست عمل میکند. این فناوری بار سنگین واقعیت را بر سیستمهای اقتصادی و اجتماعی تحمیل میکند. سازمانها و جوامعی که بتوانند این بار را تحمل کنند، مزیت بزرگی کسب خواهند کرد.
مشکل اصلی وقتی است که شما مدعی تحمل باری شدهاید که در واقعیت قادر به تحمل آن نیستید. در این صورت، سیستم شما فرو میریزد و شما مجبورید از صفر شروع کنید.
کارپ تأکید کرد: «اگر به دور دنیا سفر کنید و بپرسید کدام جوامع و خردهفرهنگها میتوانند این بار را تحمل کنند، متوجه خواهید شد که بخشهایی از جهان در حال توسعه و جوامع خاص درون آن قطعاً عملکرد خوبی خواهند داشت. اما شرط اولیه، یک ارزیابی واقعبینانه از قابلیت تحمل بار است». این یعنی کشورها باید صادقانه نقاط ضعف زیرساختی خود را بپذیرند.
سپس کارپ هشداری جدی به ساختارهای سیاسی سراسر جهان داد. او گفت: «در این فناوری یک صداقت دردناک وجود دارد. مدلهای زبانی بزرگ، صرف نظر از نحوه پیادهسازی، نمیتوانند پنهان کنند که چه چیزی میتواند بار را تحمل کند و چه چیزی نمیتواند». اما متأسفانه، بسیاری از ساختارهای سیاسی دقیقاً برای انجام عکس این کار طراحی شدهاند.
چرا جوامع در عصر هوش مصنوعی دیگر نمیتوانند خود را فریب دهند؟
سیاستمداران اغلب میگویند: «من نمیتوانم چیزی را درست کنم، اما میتوانم به شما حرفی بزنم که دوست دارید بشنوید. حرفی که باعث میشود شما نسبت به بدی زندگیتان و بدتر شدن فردایتان بیتفاوت شوید». کارپ با طنز تلخی افزود: «من میتوانم این حرف را به رایگان به شما بدهم». اما در فرهنگ حاکم بر هوش مصنوعی، پنهانکردن این واقعیت بسیار سخت است.
کارپ در پایان خود را یک «ترقیخواه کارتدار» معرفی کرد و گفت: «مهمترین کاری که یک ترقیخواه میتواند انجام دهد این است که بگوید: “انقلاب در راه، ارزش واقعی بازار کاری که شما انجام میدهید را آشکار خواهد کرد، چه بخواهیم چه نخواهیم”». او اعتراف کرد که خودش هم دوست ندارد ارزش بازار برخی فعالیتها را بداند، اما این فناوری بارها و بارها در یک بازه زمانی کوتاه، این شفافیت را ایجاد خواهد کرد.
کارپ نتیجه گرفت: «در سه سال آینده، شما “صداقت ارزش بازار” را در انواع جوامع و خردهفرهنگها مشاهده خواهید کرد. بهترین کاری که اگر در یک جامعه بزرگ مانند آلمان یا آمریکا هستید و به مردم خود اهمیت میدهید میتوانید انجام دهید این است: بگویید باید دقیقاً بررسی کنیم چه باری را میتوانیم تحمل کنیم». این پیام نهایی، جوهره اصلی دیدگاه کارپ درباره آینده بود.
