نموذج صناعة الذكاء الاصطناعي المحفوف بالمخاطر: فخ المليارات - لماذا قد تُدمر رموز الذكاء الاصطناعي الرخيصة الطبقة المتوسطة قريبًا؟ - الصورة: Xper.Digital
خطر الوقوع في فخ الذكاء الاصطناعي: لماذا قد يكلفك التحول من ChatGPT ملايين الدولارات قريبًا، ولماذا يعتمد نموذج عملك على أموال مقترضة
المصادر المفتوحة بدلاً من فخ الحوسبة السحابية: كيف تحمي استراتيجية الذكاء الاصطناعي الخاصة بك من ارتفاع الأسعار الهائل
الهندسة المعمارية تتفوق على الضجة الإعلامية: الحقيقة غير المريحة حول مستقبل أسعار الذكاء الاصطناعي
تُخفي الضجة الحالية المُثارة حول الذكاء الاصطناعي حقيقة اقتصادية مُزعجة: الأسعار المنخفضة للغاية للوصول إلى خدمات الذكاء الاصطناعي من مزودين مثل OpenAI أو Anthropic ليست سوى وهم. فبدعم من مليارات الدولارات من أموال المستثمرين، تستقطب هذه الشركات التقنية العملاقة حاليًا الشركات الصغيرة والمتوسطة الحجم بشكل أساسي إلى تبعية خطيرة. ولكن ماذا سيحدث عندما يطالب المستثمرون بعوائد وترتفع تكاليف هذه الخدمات الرخيصة ظاهريًا بشكل كبير؟ أي شخص يُصمّم بنية تقنية المعلومات الخاصة به بشكل أعمى لتتوافق مع واجهات مزود واحد يُخاطر الآن بصدمة كبيرة وارتفاع هائل في التكاليف في المستقبل القريب. تكشف هذه المقالة لماذا يُعد مستوى سعر الذكاء الاصطناعي الحالي غير مُستدام، وكيف يعمل "تأثير التقييد" الذي يتم التقليل من شأنه، ولماذا تُعد البنية الذكية الهجينة ذات النماذج مفتوحة المصدر هي السبيل الوحيد للشركات للحفاظ على قدرتها التنافسية ومرونتها على المدى الطويل.
ذو صلة بهذا الموضوع:
لماذا تُعتبر أرخص الرموز في التاريخ هي في الواقع الأغلى ثمناً - ولماذا تدفع كل شركة متوسطة الحجم تقريباً الفاتورة في غضون عامين
هناك لحظات في التاريخ الاقتصادي يخطئ فيها السوق بأكمله في اعتبار الوهم حقيقة. كان ازدهار الحواسيب الشخصية في أوائل التسعينيات أحد هذه اللحظات، وبيئة أسعار الفائدة الصفرية بعد عام 2010 لحظة أخرى، وفقاعة الإنترنت في مطلع الألفية كانت كذلك بلا شك. ويندرج ازدهار الذكاء الاصطناعي التوليدي بين عامي 2023 و2026 ضمن الفئة نفسها. إلا أن الوهم هذه المرة ليس سعر سهم متضخم، بل شيء أكثر شيوعًا: سعر الوحدة. توحي ملايين الأرقام الصغيرة غير الواضحة في فواتير مزودي الخدمات السحابية للشركات الصغيرة والمتوسطة الأوروبية بأن طلب نموذج لغوي معقد للغاية يكلف أجزاءً من السنت، وأن هذه التكاليف ستبقى ثابتة، وأنه يمكن بناء نماذج أعمال كاملة عليها. لكن الأرقام الحقيقية تكشف قصة مختلفة تمامًا.
حققت شركة OpenAI إيرادات بلغت حوالي 13.07 مليار دولار أمريكي في السنة المالية 2025، أي ثلاثة أضعاف إيرادات العام السابق البالغة 3.7 مليار دولار. في الوقت نفسه، ارتفعت التكاليف والمصروفات الإجمالية إلى حوالي 34 مليار دولار. نتج عن ذلك خسارة تشغيلية قدرها 20.92 مليار دولار، وخسارة صافية وفقًا للمعايير المحاسبية المقبولة عمومًا (GAAP) قدرها 38.53 مليار دولار، وقد تضخمت الأخيرة بفعل تأثير محاسبي لمرة واحدة بقيمة 41.55 مليار دولار تقريبًا نتيجة تحويل الشركة إلى شركة ذات منفعة عامة. بعد تعديل هذا التأثير لمرة واحدة، بلغ استنزاف النقد التشغيلي حوالي 8 مليارات دولار. بعبارة أخرى، مقابل كل دولار مُكتسب، أنفقت الشركة ما بين 1.60 و1.69 دولار. وينطبق الأمر نفسه بشكل ملحوظ على شركة Anthropic. فقد حققت الشركة إيرادات بلغت حوالي تسعة مليارات دولار أمريكي خلال العام، لكنها استنزفت 5.2 مليار دولار من النقد، وتتوقع عجزًا إضافيًا قدره 25 مليار دولار في عام 2026، مع هدف إيرادات يبلغ 30 مليار دولار. تتوقع التوقعات حتى عام 2028 خسارة تراكمية تبلغ حوالي 74 مليار دولار لشركة OpenAI، مع تأجيل نقطة التعادل رسميًا إلى عام 2029 أو 2030.
لا تُعبّر هذه الأرقام عن جرأة ريادية أو رؤية تكنولوجية محددة، بل هي الأساس الاقتصادي الذي يقوم عليه سعر واجهة برمجة التطبيقات (API) اليوم. فالسعر الذي يدفعه العميل النهائي مقابل مليون رمز إصدار في GPT-5.4 أو Claude Sonnet لا يعكس التكاليف الحدية الفعلية للاستدلال، ناهيك عن التكاليف النسبية للتدريب والموظفين والبنية التحتية. إنما يعكس رغبة المستثمرين في دعم كل طلب API على مستوى العالم، واثقين من أن قوة السوق وقوة التسعير ستحوّلان خسائر اليوم إلى عوائد مستقبلية. بالنسبة للمستخدم في أولم أو ميونيخ أو دورتموند الذي يربط حاليًا برنامج المحاسبة أو نظام إدارة علاقات العملاء (CRM) أو خط إنتاج المحتوى الخاص به بواجهة برمجة تطبيقات أحد هؤلاء المزودين، فهذا يعني شيئًا ملموسًا للغاية: نموذج أعمالهم قائم على مستوى سعر غير مستدام اقتصاديًا من وجهة نظر المزودين. فهو مبني على رأس مال مُقترض، ورأس المال المُقترض يتطلب في النهاية عائدًا.
ذو صلة بهذا الموضوع:
اقتصاديات الطلقة الأولى
في الاقتصاد السلوكي، توجد آلية يُشار إليها غالبًا في الكتب الأكاديمية بمصطلح "تسعير الاختراق" أو "التسعير المفترس". أما في عالم الاقتصاد الشعبي، فتُعرف العملية نفسها ببساطة بمنطق "الفرصة الأولى": تقديم الاستهلاك الأول مجانًا أو بتكلفة أقل بكثير، لخلق اعتمادية، ثم تعديل السعر. هذه الاستراتيجية قديمة قدم التجارة المنظمة؛ وهي فعّالة في اشتراكات الصحف، وخدمات البث، وبطاقات الائتمان، وأنظمة التشغيل. وتكون فعّالة بشكل خاص عند توافر شرطين: زيادة تكاليف التحويل مع مدة الاستخدام، وقدرة المزوّد لاحقًا على التوسط بين العميل ومصدر بديل للإمداد. كلا هذين الشرطين متوفران في الذكاء الاصطناعي التوليدي، ومع ذلك، لا يزال من النادر مناقشتهما في اجتماعات مجالس إدارة الشركات الألمانية متوسطة الحجم.
تُعزز حرب أسعار واجهات برمجة التطبيقات الحالية هذا الوهم. فبين أوائل عام 2025 ومنتصف عام 2026، انخفضت أسعار الوصول إلى نماذج اللغة من كبار المزودين بنسبة تتراوح بين 60 و80 بالمئة. على سبيل المثال، خفّض GPT-4o سعر مدخلاته من خمسة دولارات إلى 2.50 دولار لكل مليون رمز، بينما شهد o3 انخفاضًا في مدخلاته من عشرة دولارات إلى دولارين، وفي مخرجاته من 40 دولارًا إلى ثمانية دولارات لكل مليون رمز خلال اثني عشر شهرًا. أما DeepSeek V4، الذي تبلغ تكلفة مدخلاته 28 سنتًا، فيُقدم الآن سعرًا أقل من متوسط الأسعار في الغرب، بينما يبلغ سعر Gemini 2.5 Flash 30 سنتًا، وGPT-5.4 mini 40 سنتًا. هذه الأرقام جيدة لتدفقات المستخدمين النقدية على المدى القصير، لكنها غير مستدامة اقتصاديًا. لا يمكن لأي مزود خفض الأسعار بشكل مستدام مع تكبده خسارة تشغيلية بهذا الحجم. السؤال الوحيد هو متى يتوقع المستثمرون تحقيق عائد، وإلى أي مدى سيرتفع السعر حينها. تشير الأنماط التاريخية من أسواق المنصات المماثلة إلى أن التعديلات ليست خطية، بل تحدث على نطاق واسع بمجرد انتهاء مرحلة الدمج. فقد رفعت شركتا أوبر وليفت أسعارهما بنسبة تتراوح بين 30 و60 بالمائة في غضون بضعة أرباع فقط بعد طرحهما للاكتتاب العام، وضاعفت نتفليكس باقاتها الأساسية في غضون بضع سنوات، وقامت أمازون ويب سيرفيسز مرارًا وتكرارًا بتقليص خصوماتها الكبيرة في البداية على الحجوزات المسبقة وخفضت حصصها المجانية.
ما يجعل هذا النقاش ذا أهمية خاصة للمستخدمين الأوروبيين هو أن سعر الرمز المميز وحده لا يمثل سوى جزء يسير من التكاليف الحقيقية. تكمن التكاليف الحقيقية لدمج الذكاء الاصطناعي في البنية التحتية، وربط البيانات، ومكتبات التوجيهات، ومجموعات التقييم، ومدى انتشار العمليات. إن وكالة تسويق متوسطة الحجم، تنقل اليوم إنتاج محتواها بالكامل، وسير عمل الترجمة، والتواصل مع العملاء إلى نقاط نهاية إكمال المحادثات لدى مزود الخدمة، تبني بنية تتجاوز بكثير مجرد استدعاءات واجهة برمجة التطبيقات (API). كل توجيه دقيق للنظام هو استثمار، وكل تعريف لاستدعاء دالة هو استثمار، وكل موظف مدرب استوعب الخصائص المحددة للنموذج هو استثمار. لا يمكن التغاضي عن هذه الاستثمارات إذا ضاعف مزود الخدمة الأسعار أو ضاعفها ثلاث مرات في نهاية المطاف. إنها جزء من عتبة التحويل التي يحسبها مزود الخدمة وتؤثر على قدرته على تحديد الأسعار لاحقًا.
تشريح الإدمان
لفهم سبب ارتفاع تكاليف التحول في أنظمة الذكاء الاصطناعي مقارنةً بمجالات البرمجيات المماثلة، يجب النظر في مدى انغماس النماذج الحديثة في منطق التطبيق. يمكن نقل مشروع ترحيل قاعدة بيانات تقليدي بسلاسة نسبية من مورد إلى آخر باستخدام لغة SQL القياسية، نظرًا لتوحيد لغة الاستعلام. هذا التوحيد غير موجود في نماذج اللغة. فبينما أصبحت واجهة إكمال المحادثات من OpenAI معيارًا صناعيًا فعليًا، ويتم تقليدها من قبل معظم المنافسين، فإن منطق التطبيق الفعلي لا يكمن في الواجهة، بل في سلوك النموذج. قد يؤدي توجيه النظام الذي يُقدم البنية والنبرة ومستوى التفاصيل المطلوبة بدقة في GPT-5.4 إلى انحرافات طفيفة في Claude Sonnet، وهي انحرافات قد تُحدث فرقًا كبيرًا في سير عمل تسويقي فعّال بين الشركات، حيث قد تُحوّل مسودة قابلة للاستخدام إلى مسودة تحتاج إلى إعادة كتابة تستغرق نصف ساعة. يصعب قياس هذه الخصائص الفريدة للنموذج، لكنها حقيقية، وهي جوهر احتكار المورد.
بالإضافة إلى ذلك، توجد التكوينات الخاصة بالخدمات المساعدة. أي شخص يستخدم وظيفة البحث عن الملفات، أو واجهة برمجة التطبيقات المساعدة، أو وحدة تخزين المتجهات المدمجة، أو تعريفات الأدوات المتكاملة لتطبيقه، يكون قد استعان بمصادر خارجية لجزء كبير من بنية تطبيقه. في هذه الحالة، لا يعني تغيير الموردين مجرد استبدال عنوان URL واحد لواجهة برمجة التطبيقات، بل إعادة برمجة العديد من المكونات الأساسية. وهذا الأمر أكثر أهمية للعملاء الذين يُحسّنون أنظمتهم بدقة: إذ تبقى إصدارات النماذج المُحسّنة ملكًا للمورد، وتُفقد تكاليف التدريب المُستثمرة عند التغيير. المورد الوحيد القابل للنقل هو مجموعة بيانات التدريب نفسها، بشرط أن تكون موثقة بالكامل داخل الشركة، وهو ما لا يحدث غالبًا في الواقع. لذلك، يجب أن يشمل التدقيق الشامل لمدى اعتمادك على مورد واحد خمسة مستويات: النموذج نفسه، ومستوى التوجيه، ومستوى التضمين والمتجهات، ومستوى تعريف الأدوات والوظائف، وأخيرًا مستوى التنسيق مع أطر عمل الوكلاء وسلاسل النسخ الاحتياطي. لا يمكن الحديث بجدية عن قرار تجاري واعٍ إلا لمن يعرفون مزود الخدمة الذي يستخدمونه في كل مستوى من هذه المستويات، وتكلفة تغيير المزود، واستراتيجية التخفيف التي طبقوها بالفعل. أما ما عدا ذلك فهو تقييد غير مقصود، وبالتالي دين تقني بالمعنى التجاري الدقيق.
من القواعد العملية التي برزت من مشاريع نقل البيانات التي تتطلب استشارات مكثفة ما يلي: إذا كانت تكاليف نقل البيانات لتغيير مزود الخدمة خلال ثلاثين يومًا غير معروفة أو تجاوزت مليون يورو، فأنت تواجه مشكلة التقييد. هذا الرقم تقريبي بطبيعة الحال، لكن ميزته تكمن في إثارة نقاش تجاري قد ينحصر عادةً في التفاصيل التقنية. فالسؤال الجوهري ليس ما إذا كان التغيير ممكنًا تقنيًا، بل ما إذا كان سيظل مجديًا اقتصاديًا في حال رفع مزود الخدمة الحالي الأسعار.
الفجوة بين منطق المستثمر ومنطق العميل
لتقييم ديناميكيات الأسعار القادمة، يجدر بنا تحويل التركيز من المستخدمين إلى المستثمرين. تُقدّر قيمة OpenAI بحوالي 852 مليار دولار، وتخطط لطرح عام أولي بقيمة تصل إلى تريليون دولار، وقد دفعت لمايكروسوفت حوالي 17.2 مليار دولار في عام 2025 وحده. يُمثل هذا المبلغ 50.5% من إجمالي التكاليف ويتجاوز الإيرادات السنوية. أي شخص يُدرك دلالات هذا الأمر يُدرك مدى إلحاح الوضع. فالشركة ليست مكتفية ذاتيًا ماليًا، بل تعتمد على تدفق مستمر لرأس المال الجديد. يُقدّر العديد من المحللين الخسائر التراكمية حتى نقطة التعادل المُخطط لها في عام 2029 أو 2030 بحوالي 115 مليار دولار، وهو مبلغ يتجاوز القيمة السوقية الإجمالية لبعض الشركات الأوروبية المُدرجة في مؤشر داكس. لا يُقدم المستثمرون هذه المبالغ بدافع العمل الخيري، بل يتوقعون أنه في نهاية مرحلة الخسائر، سيظهر هيكل سوقي يُتيح للموردين الباقين ممارسة قوة التسعير. هذه القوة التسعيرية هي تحديدًا الهدف الاستثماري الحقيقي.
تُظهر شركة أنثروبيك نمطًا مختلفًا مثيرًا للاهتمام. تتوقع الشركة خفض نسبة خسائرها من مستواها الحالي البالغ حوالي 70% من الإيرادات إلى 9% بحلول عام 2027، بينما من المتوقع أن تبقى خسائر أوبن إيه آي عند 57% خلال الفترة نفسها. لا يعود السبب في ذلك إلى جودة المنتج الأفضل بقدر ما يعود إلى اختلاف استراتيجية قاعدة عملائها. تركز أنثروبيك بشكل أكبر على عملاء المؤسسات، ولديها استخدام أقل تكلفة نسبيًا لروبوتات الدردشة الاستهلاكية ضمن محفظتها، وبالتالي يمكنها تحقيق استقرار هوامش ربحها الإجمالية بسرعة أكبر. بالنسبة لهذه الشركة الأوروبية متوسطة الحجم، يُمثل هذا تمييزًا دقيقًا ولكنه مهم: لن يرفع جميع مزودي الخدمات الأسعار في وقت واحد أو بنفس القدر. سيعتمد توقيت وحجم تعديلات الأسعار على ضغط المستثمرين وهيكل العملاء. لكن الاتجاه واحد للجميع، وهو صعودي وليس هبوطيًا.
ثمة نقطة أخرى تستحق الانتباه. فقد أشار الخبير الاقتصادي إد زيتون ومحللون آخرون إلى أن جزءًا كبيرًا من تكلفة الحوسبة في OpenAI ينشأ عن معاملات دائرية تشمل مايكروسوفت وإنفيديا. إذ تتدفق رؤوس الأموال من إنفيديا إلى الشركات الناشئة في مجال الذكاء الاصطناعي، ثم تدفع هذه الشركات هذه الأموال لمزودي الخدمات السحابية، الذين بدورهم يشترون الرقائق من إنفيديا، ويتم تسجيل الإيرادات في كل خطوة من هذه الخطوات. لا يُعد هذا نقدًا أخلاقيًا، بل وصفًا لشبكة تُضعف قدرة السوق على الصمود أمام الصدمات الخارجية. فإذا لم تتمكن إنفيديا من الحفاظ على معدلات نموها، ستفقد الشركات الناشئة في مجال الذكاء الاصطناعي تدفقًا حيويًا لرأس المال، وسيصبح سعر واجهة برمجة التطبيقات (API) المدعوم غير مستدام على الإطلاق.
ما الذي يعنيه المصدر المفتوح حقاً؟
في هذه المرحلة، غالبًا ما يُدفع النقاش إلى زاوية أيديولوجية لا تُنصف الموضوع. يُربط دعاة النماذج المفتوحة سريعًا بنشاطٍ رومانسي مناهض للشركات، مما يُضعف الجانب الاقتصادي للحجة. في الواقع، لقد تغير سوق نماذج اللغات المفتوحة جذريًا خلال الأشهر الثمانية عشر الماضية لدرجة أن النقاش لم يعد يدور بين نماذج تجارية رائدة ومقلدين هواة، بل بين خيارين متكافئين تقريبًا بتكاليف تشغيل مختلفة تمامًا.
على وجه التحديد: حقق GLM-5.1 نسبة 58.4% على اختبار SWE-Bench Pro عالي الأداء، متفوقًا بذلك على كل من GPT-5.4 (57.7%) وClaude Opus 4.6 (57.3%). أما Qwen 3.6-35B-A3B، وهو نموذج مزيج من الخبراء (MoE) يحتوي على 35 مليار مُعامل إجمالي، منها 3 مليارات مُعامل مُفعّل فقط لكل رمز، فقد حقق نسبة 73.4% على اختبار SWE-Bench Verified، ويمكن تشغيله على بطاقتي RTX 5060 Ti بسرعة 21.7 رمزًا في الثانية. بينما حقق Mistral Large 3، الذي يحتوي على 675 مليار مُعامل MoE، نسبة 92% من أداء GPT-5.2 بتكلفة تُقارب 15%. حقق نموذج Gemma 3 27B، وهو نموذج مفتوح المصدر من جوجل، أداءً متفوقًا على نموذج Meta ذي 405 مليار مُعامل ونموذج DeepSeek ذي 685 مليار مُعامل في تقييمات Chatbot Arena، على الرغم من تشغيله على وحدة معالجة رسومية واحدة. هذه الأرقام ليست تقارير خاصة من مجتمع المصادر المفتوحة، بل هي نتيجة معايير قياس أداء مستقلة تُستخدم بشكل متزايد كأساس لاتخاذ القرارات في بيئات المؤسسات.
الآثار الاقتصادية ملحوظة. وفقًا لحسابات معيارية في هذا المجال، تبلغ تكلفة الكهرباء لتشغيل Qwen 3.5 32B على جهاز Apple M4 Max في مؤسسة ما حوالي سنتين لكل مليون رمز. وبحساب متوسط التكلفة على مدى ثلاث سنوات من استخدام الجهاز، تصل التكلفة إلى حوالي ثمانية سنتات لكل مليون رمز. للمقارنة، تبلغ تكلفة GPT-40 2.50 دولارًا أمريكيًا للإدخال و10 دولارات أمريكية للإخراج لكل مليون رمز، بينما تبلغ تكلفة Claude Sonnet 3 دولارات أمريكية للإدخال و15 دولارًا أمريكيًا للإخراج. وبالتالي، فإن فرق التكلفة أكبر بمئتي إلى ثلاثمئة ضعف. حتى مع الأخذ في الاعتبار تكاليف التشغيل للصيانة والتكرار وإمدادات الطاقة والموظفين، يظل هناك تفوق في التكلفة بمقدار يتراوح بين عشرة أضعاف ومئة ضعف لأحجام الاستخدام المتوسطة. تبلغ نقطة التعادل بين استضافة Qwen-27B ذاتيًا على خادم H100 واستخدام واجهة برمجة تطبيقات OpenAI حوالي 4.5 مليار رمز شهريًا. قد يبدو هذا الرقم كبيرًا، لكن العديد من عمليات التسويق بين الشركات متوسطة الحجم، التي تتمتع بمحتوى مُترجم بشكل شامل، وسير عمل ترجمة متكامل، وتفاعلات آلية مع العملاء، تصل إلى هذا الحجم في غضون اثني عشر إلى ثمانية عشر شهرًا. أما الشركات التي تتجاوز هذا الحد وتستمر في التعامل مع مزود الخدمة السحابية، فإنها تُعوّض خسائره من أرباحها التشغيلية.
من أهم جوانب نزاهة هذا التحليل الاعتراف بقيود النموذج. فالاستضافة الذاتية تنطوي على تكاليف تشغيلية إضافية، وتتطلب كوادر متخصصة، وأجهزة قوية، وليست الخيار الأمثل دائمًا، خاصةً للشركات الصغيرة ذات الأحمال المتقلبة. تبلغ تكلفة نشر GLM 5.1 على ثماني بطاقات H100 ما بين 25,000 و35,000 دولار أمريكي شهريًا، بينما تتراوح تكلفة إعداد Gemma 4-31B على بطاقة A100 بين 2,500 و3,500 دولار أمريكي. هذه الأرقام ليست قليلة، ولكن أولًا، يتم استردادها بسرعة مع الاستخدام الأمثل، وثانيًا، يمكن التنبؤ بها. يُعدّ التنبؤ القيمة الاقتصادية الحقيقية للحلول المحلية لأنه يُثبّت حسابات التكلفة، وبالتالي يُزيل مخاطر الأسعار الناجمة عن تسعير واجهة برمجة التطبيقات (API) مستقبلًا. بالنسبة لشركة تُقدّم لعملائها أسعارًا ثابتة على مدى عقود مدتها 12 أو 24 شهرًا، قد تكون التكاليف المتوقعة أكثر قيمة من أي ميزة تكلفة محسوبة.
🎯🎯🎯 مركز صناعي قائم على البيانات بين الشركات كحل شبه داخلي
الحل شبه الداخلي: كيف تسدّ Xpert.Digital الثغرات التشغيلية في التسويق والمبيعات بين الشركات - أعمال ذكية قائمة على المحتوى - الصورة: Xpert.Digital
Xpert.Digital هي منصة صناعية B2B تعتمد على البيانات بقيادة Konrad Wolfenstein . تعمل الشركة كحل خارجي شبه داخلي للشركاء الصناعيين، حيث تسد الثغرات التشغيلية في التسويق والمحتوى والمبيعات - دون الحاجة إلى موارد إضافية من جانب العميل.
للمزيد من المعلومات، انقر هنا:
كيفية التخلص من الاعتماد على الحوسبة السحابية الأمريكية: البنية التحتية بدلاً من مزودي الخدمات
حماية البيانات كبعد تنافسي تم تجاهله
إلى جانب التكلفة البحتة، يلعب بُعدٌ ثانٍ دورًا يُستهان به بشكلٍ منهجي في البلدان الناطقة بالألمانية، ويُصبح في الوقت نفسه قضيةً قانونيةً بالغة الأهمية. إذ يُنشئ كلٌ من اللائحة العامة لحماية البيانات (GDPR)، وقانون البيانات، وقانون الذكاء الاصطناعي، وتطبيقاتها الوطنية المقابلة، بيئةً تنظيميةً تُصبح فيها عملية نقل بيانات الأعمال الحساسة إلى مزودي خدمات الحوسبة السحابية في الولايات المتحدة أكثر تعقيدًا. وبينما يُقدم جميع المزودين الرئيسيين الآن خدمة الإقامة الأوروبية للبيانات، ويضمنون عدم استخدامها في تدريب نماذج مستقبلية، فإن حالة عدم اليقين القانوني الأساسية المتعلقة بوصول وكالات الأمن الأمريكية إلى بيانات الحوسبة السحابية، والتي يُتيحها قانون CLOUD، لا يُمكن إزالتها تمامًا من خلال العقود. بالنسبة للشركات التي تعمل لصالح وكالات حكومية، أو شركات تأمين صحي، أو شركات مقاولات دفاعية، أو عملاء B2B ذوي خصوصية عالية، يُمثل هذا عائقًا هيكليًا يتجاوز مجرد مقارنة الأسعار.
يُتيح نموذج الاستضافة الذاتية المفتوحة، الذي يعمل في مركز بيانات الشركة أو مع مزود خدمة استضافة أوروبية، تجاوز هذه المشكلة هيكليًا. فهو لا يتطلب قرار نقل بموجب الفصل الخامس من اللائحة العامة لحماية البيانات (GDPR)، ولا يخضع لمتطلبات الإفصاح بموجب قانون CLOUD، ويمكن دمجه بسهولة في اتفاقيات معالجة البيانات. يُعد هذا التخفيض القانوني لنطاق الهجمات ميزة تجارية، وإن كان من الصعب قياسها كميًا، إلا أنها أصبحت شرطًا أساسيًا في المناقصات وإجراءات الشراء والاتفاقيات الإطارية مع العملاء ذوي البيانات الحساسة. ومن الصعب على أي جهة تستهدف القطاع العام أو الرعاية الصحية أو الصناعات الدفاعية اليوم تجنب هذه المشكلة.
ذو صلة بهذا الموضوع:
تتفوق الهندسة المعمارية على اختيار المورد
إنّ الرؤية الاستراتيجية الحاسمة المستخلصة من دراسة هذه العوامل مجتمعةً لا تكمن في تحديد النموذج الأمثل اليوم، بل في كيفية هيكلة نظامك بحيث لا يصبح اختيار النموذج مسألة وجودية غدًا. يتألف نظام الذكاء الاصطناعي المُجرّد بشكلٍ واضح من أربع طبقات على الأقل. في الأسفل، توجد طبقة النموذج، وهي الاستدعاء الفعلي لواجهة إكمال المحادثة. فوقها، توجد طبقة بوابة النموذج، التي تسمح بالوصول إلى نماذج مختلفة من خلال واجهة موحدة، وتنظيمها في سلاسل احتياطية. تؤدي أدوات مثل LiteLLM أو OpenRouter هذا الدور، ويمكن إعدادها للإنتاج في غضون أيام قليلة. فوق ذلك، توجد طبقة التوجيه، حيث تُحفظ التعليمات الفعلية كملفات مُرقّمة، مع وجود مصفوفة توافق تُوثّق أي إصدار من التوجيه تم التحقق منه بنجاح على أي نموذج. في الأعلى، توجد طبقة التنسيق والتقييم، التي تتكون من مجموعات بيانات مرجعية، ومعايير تقييم تلقائية، ونشر تجريبي، مما يضمن أن تغييرات النموذج تستند إلى بيانات مقارنة موثوقة بدلاً من التخمين.
تستطيع الشركة التي تُنظّم تطبيقات الذكاء الاصطناعي لديها وفقًا لهذه المستويات الأربعة استبدال النماذج بجهد يُقاس بالأيام بدلًا من الأشهر. كما يمكنها توجيه الطلبات الحرجة إلى نماذج متطورة، وإعادة توجيه الطلبات العادية إلى نماذج مفتوحة المصدر ذات تكلفة فعّالة. وتستطيع أيضًا ضمان سيادة البيانات من خلال حصر العمليات الحساسة للخصوصية في خوادم محلية، والسماح فقط بالطلبات المجهولة أو غير الحرجة إلى السحابة. والأهم من ذلك، أنها تستطيع القيام بأمر واحد: استخدام بيانات موثوقة لتبرير استراتيجيتها في مجال الذكاء الاصطناعي أمام مستثمريها أو مجلس إدارتها أو مجلسها الاستشاري، مؤكدةً أنها لا تستند إلى تشوّه مؤقت في السوق، بل إلى هيكل تكلفة سليم.
قد يوفر أولئك الذين يتجاهلون هذه الطبقات ويبرمجون منطق أعمالهم بالكامل مباشرةً على نقاط نهاية إتمام المحادثات لمزود واحد جهد طبقة تجريد اليوم. ومع ذلك، فإنهم يتحملون مخاطر لا يدركون تكلفتها إلا بعد فوات الأوان لتجنبها. تُظهر التجارب مع تبعيات المنصات المماثلة، سواء مع Salesforce أو SAP أو Oracle، أن هذه المخاطر لا تظهر بشكل خطي، بل فجأة، وغالبًا ما تكون على شكل تعديل في السعر مرتبط بتجديد عقد لا يترك أي وقت للتعديل.
توقيت الانتقال
من المستحيل التنبؤ بدقة بموعد توقع المستثمرين تحقيق عوائد ربع سنوية، لكن المؤشرات ذات الصلة واضحة. تخطط OpenAI لطرح أسهمها للاكتتاب العام ضمن نطاق تقييمي قد يصل إلى تريليون دولار أمريكي، وهو ما يتطلب بالضرورة تقارب الإيرادات والتكاليف ضمن إطار زمني محدد بوضوح. ويتوقع المحللون حدوث تحول تشغيلي بين عامي 2029 و2030. وقد حددت Anthropic لنفسها هدفًا يتمثل في خفض خسائرها إلى تسع إيراداتها بحلول عام 2027. ومع إيرادات متوقعة تبلغ حوالي 70 مليار دولار في عام 2028، يمكن إعادة حساب الزيادات الضمنية في الأسعار اللازمة لتحقيق ذلك، والنتيجة هي في حدود مضاعفة أو ثلاثة أضعاف الأسعار الحالية. بالنسبة للمستخدمين، هذا يعني أنه من المتوقع حدوث تعديل هيكلي في الأسعار خلال فترة تتراوح بين 18 و36 شهرًا؛ ولا يزال حجم هذا التعديل غير واضح، لكن اتجاهه مؤكد.
من المرجح أن يخطئ أي شخص يحسب ربحية مشروع ذكاء اصطناعي اليوم باستخدام أسعار الرموز الحالية كأساس لحساب عائد الاستثمار على مدى خمس سنوات. مع ذلك، فإن أي شخص يضيف علاوة تتراوح بين 100 و200% إلى سعر الرمز في تخطيطه، وتبقى حساباته قابلة للتطبيق، يمتلك نموذج عمل قويًا. أما من لم تعد حساباتهم قابلة للتطبيق، فعليهم التفكير في إمكانية إنقاذ أعمالهم بالتحول إلى نماذج مفتوحة ذاتية التشغيل. يجب معالجة هذا التقييم ليس كمشروع تقني، بل كمسألة استراتيجية على أعلى مستوى إداري، لأنه يتعلق بأساس القدرة التنافسية للشركة خلال العقد القادم.
لماذا ستختلف كفاءة الذكاء الاصطناعي غدًا عن كفاءة اليوم؟
من أبرز نتائج هذا التحليل إعادة تعريف مفهوم الكفاءة في مجال الذكاء الاصطناعي. ففي التصور العام، تُعتبر الشركة كفؤة في هذا المجال إذا كان موظفوها بارعين في استخدام واجهة الدردشة لمزود خدمة معروف، وإذا كانت عملياتها الداخلية مُحسّنة باستخدام واجهة برمجة التطبيقات (API) الخاصة به، وإذا كانت عروض المبيعات مليئة بالمصطلحات الرائجة. سيخضع هذا التعريف للكفاءة لاختبارات صارمة لتحديد جدواه الاقتصادية في مرحلة التسعير القادمة. تكمن الكفاءة الحقيقية في بناء نظام يظل فيه النموذج الأساسي قابلاً للتغيير، وتُحفظ فيه توجيهات الشركة كملفات مُؤرشفة، وتتوفر فيه مجموعات تقييم تُثبت صحة تغيير النموذج في غضون ساعات بدلاً من أشهر، ويظل فيه هيكل بيانات الشركة مفتوحًا لنماذج تشغيل مختلفة.
سيُغيّر هذا التحوّل طبيعة الوظيفة أيضًا. فمدير الذكاء الاصطناعي في الشركات متوسطة الحجم بين عامي 2027 و2030 سيُصبح أقلّ إبداعًا وأكثر تخصصًا في هندسة البنية التحتية، حيث سيُدمج مراكز التكلفة ومتطلبات الامتثال وقابلية نقل النماذج في بنية نظام متينة. وسيُصبح الولاء للمورّدين مسألة استراتيجية، تُضاهي اختيار أنظمة قواعد البيانات في أواخر التسعينيات أو مزوّدي الخدمات السحابية في أواخر العقد الأول من الألفية الثانية. أولئك الذين يُعالجون هذه القضايا مُبكرًا وبشكل مُتعمّد سيكتسبون قوة تفاوضية واستقرارًا في التكاليف وراحة بال من الناحية التنظيمية. أما أولئك الذين يتجاهلونها فيفترضون أن عمالقة الحوسبة السحابية سيتكبّدون خسائر إلى أجل غير مُسمّى، وسيثبت هذا الافتراض أنه أغلى خطأ في تاريخ تكنولوجيا المعلومات.
خاتمة رصينة
يُعدّ الذكاء الاصطناعي التوليدي من أهم التقنيات المُعززة للإنتاجية في عصرنا، ولا شك في ذلك. والحل الأمثل ليس التخلي عنه، بل استخدامه بحكمة. مع ذلك، لا يعني الاستخدام التخلي عن التحكم، ولا تضمن الأسعار المنخفضة استمرارها. أي شخص يُمعن النظر في أرقام كبار المُزودين سيدرك أن أسعار واجهات برمجة التطبيقات (APIs) الحالية لا تعكس التوازن الاقتصادي للسوق، بل هي نقطة البداية قبل تعديل السعر، الذي يُحدد توقيته المُزود لا العميل. الشركات التي ترغب في تحصين نفسها ضد هذا التعديل لديها ثلاث أدوات: بنية نظيفة بنماذج قابلة للتبديل، ونسبة مُدروسة من النماذج المفتوحة والمُدارة ذاتيًا لحالات الاستخدام المُناسبة، ومنهجية تقييم مُستمرة تُعامل تبديل النماذج كعملية روتينية، لا كظرف استثنائي.
إن التوصية لأي فريق إداري يُكلف بمشروع ذكاء اصطناعي أو يتولى مسؤوليته اليوم هي توصية عملية بحتة. احسب تكلفة استخدامك الحالي للذكاء الاصطناعي مع إضافة هامش ربح بنسبة 100%. قيّم ما إذا كان التطبيق لا يزال مجديًا عند هذا المستوى السعري. إذا لم يكن كذلك، ففكّر في بنية هجينة حيث تُعالج المهام القياسية بواسطة نماذج مفتوحة ضمن عملياتك، وتُستخدم النماذج المتقدمة فقط للمهام التي تُقدم فيها ميزة جودة واضحة. احتفظ ببياناتك، ومجموعات بيانات التقييم، وبيانات الضبط الدقيق بتنسيق قابل للنقل. ولا تنظر إلى مزودي خدمات الذكاء الاصطناعي كشركاء استراتيجيين، بل كموردين تُقارن أسعارهم باستمرار وتُبقي تكاليف تغييرهم منخفضة قدر الإمكان. هذا النهج ليس عدائيًا ولا مفرطًا في الحذر؛ إنه ببساطة الموقف الأساسي لرجل أعمال سليم تجاه بند تكلفة قد يكون، في غضون سنوات قليلة، من بين أكبر خمسة بنود في بيان الأرباح والخسائر.
إنّ جوهر هذا النقاش برمّته ليس في حقيقة خسارة OpenAI وAnthropic وGoogle للأموال، فهذه مقامرةٌ تخصّ مساهمي تلك الشركات. يكمن جوهر النقاش في أن ملايين الشركات الأوروبية تُقدم على نفس المقامرة بمستقبلها التشغيلي دون أن تُدرك ذلك. إنّ أرخص الرموز الرقمية في التاريخ هي أغلى إشارة سعرية أرسلها السوق على الإطلاق، لأنها تُحفّز قرارًا استثماريًا مبنيًا على تشوّه مؤقت في السوق. من يُدرك هذه الحقيقة اليوم يُمكنه بناء بنيته التحتية وفقًا لذلك. أما من يُدركها فقط عند فوات الأوان، فقد فاتته فرصة التفاعل. البنية التحتية تتفوّق على الضجيج الإعلامي، دائمًا.
شريكك العالمي في التسويق وتطوير الأعمال
☑️ لغة أعمالنا هي الإنجليزية أو الألمانية
☑️ جديد: مراسلات بلغتك الأم!
Konrad Wolfenstein
يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.
يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا wolfenstein@xpert.digital:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو
أتطلع إلى مشروعنا المشترك.
