در حالی که عرضه اپلیکیشن‌های جدید به‌شدت افزایش یافته، نشانه‌های رشد تقاضا به همان نسبت افزایش پیدا نکرده‌اند. به بیان دیگر، ساخت و انتشار اپلیکیشن آسان‌تر شده است، اما این افزایش عرضه لزوماً به جذب کاربران بیشتر یا موفقیت تجاری محصولات جدید منجر نشده است.
این پژوهش با بررسی داده‌های سه پلتفرم iOS، اندروید (Android) و کروم (Chrome)، سه روند اصلی را شناسایی می‌کند:
نخست، تعداد اپلیکیشن‌های جدید منتشرشده در هر ماه، بسته به پلتفرم، حدود دو تا چهار برابر شده است. این افزایش نشان می‌دهد که ظرفیت تولید و انتشار نرم‌افزار به شکل چشمگیری رشد کرده است.
دوم، شاخص‌های تقاضا رشد متناسبی را تجربه نکرده‌اند. تعداد دانلودهای اپلیکیشن‌های جدید در اندروید تقریباً ثابت مانده و در کروم کاهش یافته است. در iOS نیز تعداد امتیازهای ثبت‌شده برای اپلیکیشن‌های جدید، که در این پژوهش به‌عنوان شاخصی غیرمستقیم از میزان استقبال کاربران استفاده شده، روند صعودی مشخصی ندارد.
سوم، حتی سهم اپلیکیشن‌هایی که موفق به جذب حداقلی از کاربران می‌شوند نیز کاهش یافته است. بنابراین، مسئله صرفاً این نیست که تعداد بیشتری اپلیکیشن برای جذب حجم ثابتی از تقاضا رقابت می‌کنند؛ بلکه نسبت محصولاتی که از مرحله انتشار اولیه عبور می‌کنند و به سطح مشخصی از استقبال کاربران می‌رسند نیز کمتر شده است.
پژوهشگران برای سنجش این موضوع، آستانه‌هایی را برای موفقیت اولیه یا «رسیدن به سرعت گریز» (Escape Velocity) تعریف کرده‌اند. این آستانه‌ها عبارت‌اند از دریافت حداقل ۱۰ امتیاز در iOS، حداقل ۱۰۰ دانلود در اندروید و حداقل ۱۰ دانلود در کروم.
نتایج نشان می‌دهند که سهم اپلیکیشن‌های عبورکننده از این آستانه‌ها در هر سه پلتفرم کاهش یافته است.
البته این آستانه‌ها معیار موفقیت تجاری یا پایداری بلندمدت یک محصول نیستند؛ بلکه صرفاً نشانه‌هایی اولیه از میزان استقبال کاربران محسوب می‌شوند.
پژوهش وضعیت سه پلتفرم را از سه منظر بررسی می‌کند: تعداد اپلیکیشن‌های جدید، میزان استقبال تجمعی کاربران و تغییر سهم اپلیکیشن‌ها بر اساس سطح استقبال.
در ردیف نخست نمودار، تعداد اپلیکیشن‌های جدید منتشرشده در هر ماه نمایش داده شده است.
در iOS، تعداد اپلیکیشن‌های جدید طی سال‌های ۲۰۲۱ تا ۲۰۲۵ عمدتاً در محدوده ۳۰ تا ۶۰ هزار اپلیکیشن در ماه قرار داشت. با این حال، در سال ۲۰۲۶ جهش چشمگیری رخ داده و این رقم به بیش از ۱۱۰ هزار اپلیکیشن در ماه رسیده است.
در اندروید، روند متفاوتی مشاهده می‌شود. تعداد اپلیکیشن‌های جدید پس از یک دوره کاهش طولانی، از حدود ۱۵۰ هزار به نزدیک ۵۰ هزار اپلیکیشن در ماه رسیده بود؛ اما در ادامه، این روند معکوس شده و تعداد اپلیکیشن‌های جدید بار دیگر به حدود ۱۰۰ هزار اپلیکیشن در ماه افزایش یافته است.
در کروم، افزایش عرضه از نظر نسبی چشمگیرتر است. تعداد اپلیکیشن‌های جدید از کمتر از ۵ هزار مورد در ماه به بیش از ۲۰ هزار مورد رسیده است.
در مجموع، داده‌ها از افزایش قابل‌توجه ظرفیت تولید و انتشار اپلیکیشن حکایت دارند؛ افزایشی که در دوره گسترش ابزارهای کدنویسی مبتنی بر هوش مصنوعی شدت گرفته است.
ردیف دوم نمودار، شاخص‌های استقبال از اپلیکیشن‌های جدید را بررسی می‌کند.
در این بخش، منظور از «کوهورت» (Cohort)، گروهی از اپلیکیشن‌هاست که در یک بازه زمانی مشخص منتشر شده‌اند. پژوهشگران با بررسی میزان استقبال از هر گروه، تلاش کرده‌اند مشخص کنند آیا افزایش تعداد محصولات جدید با افزایش تقاضا نیز همراه بوده است یا خیر.
در iOS، مجموع امتیازهای ثبت‌شده برای هر کوهورت عمدتاً حول یک میلیون نوسان می‌کند و با وجود جهش تعداد اپلیکیشن‌های جدید، روند صعودی پایداری در آن مشاهده نمی‌شود.
در اندروید، مجموع دانلودهای هر کوهورت تقریباً در محدوده ۳۰۰ تا ۴۰۰ میلیون باقی مانده است. بنابراین، افزایش تعداد اپلیکیشن‌های منتشرشده با رشد متناسب دانلودها همراه نبوده است.
در کروم، وضعیت متفاوت و حتی معکوس است. مجموع دانلودهای کوهورت‌ها از حدود ۲۰ میلیون در ابتدای دوره به محدوده ۲ تا ۵ میلیون کاهش یافته و سپس تقریباً در همان سطح باقی مانده است.
این داده‌ها نشان می‌دهند که افزایش تعداد اپلیکیشن‌ها لزوماً به افزایش متناسب تقاضا منجر نشده است.
البته باید توجه داشت که تعداد دانلود و تعداد امتیاز، معادل استفاده واقعی یا مستمر از یک اپلیکیشن نیستند. این شاخص‌ها بیشتر میزان استقبال اولیه را نشان می‌دهند و به‌تنهایی اطلاعات کافی درباره کاربران فعال، نرخ نگهداشت یا درآمد محصولات ارائه نمی‌کنند.
ممکن است استدلال شود که ثابت ماندن تقاضای کل، لزوماً به معنای کاهش موفقیت اپلیکیشن‌های جدید نیست. شاید تعداد دانلودها تغییر نکرده باشد، اما تقاضا میان محصولات جابه‌جا شده و گروهی از اپلیکیشن‌های جدید توانسته باشند سهم بیشتری از بازار را به دست آورند.
پژوهشگران برای بررسی این احتمال، اپلیکیشن‌ها را بر اساس میزان استقبال کاربران به گروه‌های مختلف تقسیم کرده‌اند.
در این تحلیل، اپلیکیشن‌های کم‌استقبال و اپلیکیشن‌هایی که از آستانه مشخصی از استقبال عبور کرده‌اند، به‌صورت جداگانه بررسی شده‌اند. سپس تغییر سهم هر گروه نسبت به ژانویه ۲۰۲۵ اندازه‌گیری شده است.
نتایج در هر سه پلتفرم الگوی مشابهی را نشان می‌دهند:
سهم اپلیکیشن‌های کم‌استقبال افزایش یافته است؛ در مقابل، سهم اپلیکیشن‌هایی که به آستانه استقبال اولیه می‌رسند، کاهش پیدا کرده است.
در نمودار، خط سبز نشان‌دهنده گروه کم‌استقبال و خط قرمز نشان‌دهنده گروهی است که از آستانه تعریف‌شده عبور کرده‌اند.
این واگرایی در کروم شدیدتر از دو پلتفرم دیگر است؛ به‌طوری‌که سهم گروه کم‌استقبال حدود ۱۵ واحد درصد افزایش یافته، در حالی که سهم گروه پراستقبال تقریباً ۱۵ واحد درصد کاهش پیدا کرده است.
به بیان ساده‌تر، هرچند تعداد محصولات جدید افزایش یافته، نسبت کمتری از آن‌ها موفق شده‌اند حتی به سطح اولیه‌ای از استقبال کاربران دست پیدا کنند.
در نمودار، ناحیه‌ای با رنگ آبی مشخص شده است که از فوریه ۲۰۲۵ آغاز می‌شود و با عنوان «عصر کدنویسی عامل‌محور» (Agentic Coding Era) شناخته شده است.
این بازه با گسترش ابزارهایی هم‌زمان است که می‌توانند با استفاده از هوش مصنوعی، بخش قابل‌توجهی از فرایند تولید نرم‌افزار را خودکار کنند؛ از نوشتن کد و رفع خطا گرفته تا پیاده‌سازی قابلیت‌ها و ساخت محصولات اولیه.
داده‌های پژوهش نشان می‌دهند که واگرایی میان عرضه و تقاضا در این دوره تشدید شده است.
با این حال، هم‌زمانی این دو پدیده به‌تنهایی رابطه علّی را اثبات نمی‌کند. برای تعیین میزان تأثیر مستقیم ابزارهای هوش مصنوعی بر افزایش عرضه یا تغییر الگوی تقاضا، به شواهد و تحلیل‌های تکمیلی نیاز است.
مجموع این شواهد نشان می‌دهد که در وضعیت کنونی، افزایش توانایی تولید نرم‌افزار با افزایش متناسب موفقیت محصولات همراه نشده است.
هوش مصنوعی و ابزارهای کدنویسی جدید، موانع فنی ساخت و انتشار اپلیکیشن را کاهش داده‌اند. در نتیجه، افراد بیشتری می‌توانند ایده‌های خود را به محصول تبدیل کنند و تعداد بیشتری اپلیکیشن وارد بازار می‌شود.
اما سهولت ساخت محصول، به‌خودی‌خود به معنای وجود تقاضا برای آن نیست.
پژوهش مورد بحث نشان می‌دهد که بخش فزاینده‌ای از اپلیکیشن‌های جدید، دست‌کم بر اساس شاخص‌های بررسی‌شده، موفق به جذب حداقلی از کاربران نمی‌شوند.
این وضعیت را می‌توان در چارچوب پدیده‌ای بررسی کرد که گاهی از آن با عنوان «اپلیکیشن‌های کم‌ارزش و انبوه‌تولیدشده» یا App Slop یاد می‌شود؛ محصولاتی که ساخت آن‌ها آسان شده، اما ارزش یا جذابیت کافی برای جذب کاربران ندارند.
البته داده‌های موجود به‌تنهایی ثابت نمی‌کنند که تمام این اپلیکیشن‌ها بی‌کیفیت یا فاقد ارزش‌اند. آنچه مستقیماً از پژوهش برمی‌آید، افزایش عرضه، رشد نکردن متناسب شاخص‌های تقاضا و کاهش سهم محصولاتی است که به آستانه مشخصی از استقبال اولیه دست پیدا می‌کنند.
بنابراین، نتیجه اصلی این است که کاهش هزینه تولید نرم‌افزار، مسئله دشوارترِ ساخت محصولی که کاربران واقعاً به آن نیاز داشته باشند را حل نکرده است.
گزارش سه دلیل اصلی را برای قابل‌انتظار بودن این وضعیت مطرح می‌کند.
نخست، ساخت یک محصول موفق همواره چیزی فراتر از نوشتن کد بوده است.
تولید نرم‌افزار تنها یکی از اجزای فرایند خلق محصول است. شناسایی یک مسئله واقعی، درک نیاز کاربران، طراحی تجربه کاربری مناسب، ایجاد اعتماد، توزیع محصول، جذب مشتری و حفظ کاربران، همگی در موفقیت یک اپلیکیشن نقش دارند.
ابزارهای هوش مصنوعی می‌توانند هزینه و زمان پیاده‌سازی فنی را به‌شدت کاهش دهند، اما لزوماً مشکلات مربوط به تناسب محصول با بازار (Product-Market Fit)، توزیع، بازاریابی و نگهداشت کاربران را برطرف نمی‌کنند.
برای مثال، ممکن است یک توسعه‌دهنده با کمک هوش مصنوعی بتواند ظرف چند ساعت محصولی بسازد که پیش‌تر توسعه آن به چند هفته زمان نیاز داشت. با این حال، اگر آن محصول مسئله مهمی را حل نکند یا راهی مؤثر برای دسترسی به کاربران هدف نداشته باشد، سرعت بیشتر در توسعه تأثیر چندانی بر موفقیت نهایی آن نخواهد داشت.
دوم، هنوز برای قضاوت قطعی درباره پیامدهای بلندمدت این تحول زود است.
گسترش ابزارهای کدنویسی مبتنی بر هوش مصنوعی پدیده‌ای نسبتاً جدید است و بازار هنوز در حال سازگار شدن با آن است.
ممکن است در مراحل اولیه، بخش بزرگی از محصولات ساخته‌شده صرفاً آزمایشی باشند. در ادامه، با افزایش تجربه توسعه‌دهندگان، بلوغ ابزارها و شکل‌گیری مدل‌های جدید توزیع و کسب‌وکار، الگوی عرضه و تقاضا نیز تغییر کند.
بنابراین، داده‌های فعلی بیشتر تصویری از وضعیت کنونی بازار ارائه می‌کنند و نباید آن‌ها را به‌عنوان حکمی قطعی درباره آینده نرم‌افزارهای مبتنی بر هوش مصنوعی در نظر گرفت.
سوم، پیشی گرفتن عرضه از تقاضا در مراحل اولیه یک تحول فناورانه طبیعی است.
زمانی که فناوری جدیدی هزینه تولید را کاهش می‌دهد، افراد بیشتری به آزمایش ایده‌های خود روی می‌آورند.
بخش قابل‌توجهی از این فعالیت‌ها، نوعی آزمون‌وخطا و تجربه‌ورزی فردی (Amateur Tinkering) است. افراد محصولاتی می‌سازند تا قابلیت‌های فناوری را کشف کنند، مهارت‌های جدید بیاموزند یا ایده‌های شخصی خود را آزمایش کنند؛ حتی اگر تقاضای مشخصی برای آن محصولات وجود نداشته باشد.
در چنین شرایطی، طبیعی است که عرضه در کوتاه‌مدت سریع‌تر از تقاضا رشد کند.
این افزایش فعالیت می‌تواند هم‌زمان دو پیامد داشته باشد: از یک سو، تعداد زیادی محصول با استقبال اندک وارد بازار می‌شوند؛ از سوی دیگر، هزینه پایین‌تر آزمایش ایده‌ها ممکن است زمینه کشف نیازهای جدید و شکل‌گیری محصولات ارزشمند را فراهم کند.
در نتیجه، افزایش اپلیکیشن‌های کم‌استقبال را می‌توان هم نشانه‌ای از اشباع نسبی بازار و هم بخشی از فرایند آزمون‌وخطا در دوره گذار به شیوه‌های جدید تولید نرم‌افزار دانست.
جمع‌بندی نهایی: هوش مصنوعی در حال تغییر اقتصاد تولید نرم‌افزار است، اما هنوز شواهد کافی وجود ندارد که نشان دهد رشد ظرفیت تولید، به همان نسبت به رشد تقاضا یا موفقیت محصولات منجر شده است. آنچه تغییر کرده، سهولت ساخت اپلیکیشن است؛ آنچه همچنان دشوار باقی مانده، شناسایی یک نیاز واقعی، خلق ارزش برای کاربر و تبدیل محصول به کسب‌وکاری پایدار است.
