كيف تساهم الشفافية وتسعير النتائج في إضفاء الطابع الديمقراطي على الذكاء الاصطناعي في المؤسسات: نهاية تكاليف الذكاء الاصطناعي المخفية

## أسرع من قانون مور: الانخفاض الكبير في أسعار الذكاء الاصطناعي يُغير كل شيء الآن. ### الأرقام بالنتائج: كيف يُحدث نموذج تسعير جديد ثورة في عالم الذكاء الاصطناعي. ### العمليات المالية للذكاء الاصطناعي: ضع حدًا للتكاليف غير المنضبطة – كيفية التحسين الصحيح. ### الذكاء الاصطناعي للجميع: لماذا أصبح الذكاء الاصطناعي في متناول شركتك الآن. ### هل تكاليف الذكاء الاصطناعي لديك خارجة عن السيطرة؟ الحقيقة وراء أسعار وحدات معالجة الرسومات وفواتير الحوسبة السحابية. ###

ما هي الحالة الحالية لـ FinOps لـ GenAI؟

لقد جعل الانتشار الهائل للذكاء الاصطناعي التوليدي من العمليات المالية (FinOps) لجيل الذكاء الاصطناعي تخصصًا بالغ الأهمية في الشركات. في حين أن أحمال العمل السحابية التقليدية تتميز بهياكل تكاليف قابلة للتنبؤ نسبيًا، تُدخل تطبيقات الذكاء الاصطناعي بُعدًا جديدًا كليًا من تعقيد التكلفة. تكمن الأسباب الرئيسية لارتفاع تكاليف الذكاء الاصطناعي في طبيعة التكنولوجيا نفسها: فالذكاء الاصطناعي التوليدي يتطلب الكثير من الحوسبة، وتزداد تكاليفه بشكل كبير مع كمية البيانات المُعالجة.

من الاعتبارات الرئيسية استهلاك نماذج الذكاء الاصطناعي للموارد الإضافية. يتطلب تشغيل البيانات والاستعلام عنها كميات هائلة من موارد الحوسبة في السحابة، مما يؤدي إلى ارتفاع كبير في تكاليفها. علاوة على ذلك، يتطلب تدريب نماذج الذكاء الاصطناعي موارد ضخمة ومكلفة للغاية نظرًا لزيادة قوة الحوسبة ومتطلبات التخزين. وأخيرًا، تُجري تطبيقات الذكاء الاصطناعي عمليات نقل بيانات متكررة بين الأجهزة الطرفية وموفري الخدمات السحابية، مما يُسبب تكاليف نقل بيانات إضافية.

يتفاقم التحدي بسبب الطبيعة التجريبية لمشاريع الذكاء الاصطناعي. فكثيرًا ما تُجرّب الشركات حالات استخدام مختلفة، مما قد يؤدي إلى الإفراط في توفير الموارد، وبالتالي إلى نفقات غير ضرورية. ونظرًا للطبيعة الديناميكية لنماذج الذكاء الاصطناعي التي يتم تدريبها ونشرها، يصعب التنبؤ باستهلاك الموارد والتحكم فيه.

لماذا يصعب فهم إنفاق وحدة معالجة الرسوميات وتكاليف الذكاء الاصطناعي؟

يُشكّل غياب الشفافية بشأن إنفاق وحدات معالجة الرسومات (GPU) وتكاليف الذكاء الاصطناعي أحد أكبر التحديات التي تواجه الشركات. فارتفاع الطلب وارتفاع تكاليف وحدات معالجة الرسومات غالبًا ما يُجبران الشركات على بناء بنى سحابية متعددة باهظة التكلفة. كما أن تنوع الحلول من موردين مختلفين يُضعف الشفافية ويُعيق الابتكار.

يتجلى غياب الشفافية في التكاليف بشكل خاص عند استخدام أنواع مختلفة من وحدات معالجة الرسومات (GPU) وموفري الخدمات السحابية. تواجه الشركات تحدي الاختيار بين استثمارات وحدات معالجة الرسومات المحلية وخدماتها السحابية. تتوفر موارد وحدات معالجة الرسومات محليًا كمجموعة مشتركة عند الطلب، مما يُجنّب تكاليف الأجهزة المتخصصة المخصصة، والتي تُستخدم بشكل متقطع فقط. ومع ذلك، يُؤدي هذا إلى تعقيدات جديدة في تخصيص التكاليف والتحكم فيها.

تكمن إحدى المشكلات الرئيسية في عدم القدرة على التنبؤ بالتكاليف المتغيرة في تطبيقات الذكاء الاصطناعي. فجميع تطبيقات الذكاء الاصطناعي تقريبًا مبنية على نماذج أساسية، مما يترتب عليه تكاليف متغيرة كبيرة تتناسب مع استخدام النموذج. ويساهم كل استدعاء لواجهة برمجة التطبيقات (API) وكل رمز مُعالج في هذه التكاليف، مما يُمثل تغييرًا جوهريًا في هيكل التكلفة الأساسي.

كيف تتطور تكاليف الإنفاق النموذجية فعليا؟

من أبرز التطورات في صناعة الذكاء الاصطناعي الانخفاض الكبير في تكاليف إنتاج النماذج. أفاد سام ألتمان، الرئيس التنفيذي لشركة OpenAI، بأن تكلفة استخدام مستوى معين من الذكاء الاصطناعي تنخفض عشرة أضعاف تقريبًا كل 12 شهرًا. هذا التوجه أقوى بكثير من قانون مور الشهير، الذي يتوقع تضاعف التكلفة كل 18 شهرًا.

ينعكس انخفاض التكلفة بوضوح في تطور أسعار نماذج OpenAI. من GPT-4 إلى GPT-4o، انخفض سعر الرمز المميز بنحو 150 مرة بين أوائل عام 2023 ومنتصف عام 2024. هذا التطور يجعل تقنيات الذكاء الاصطناعي متاحة بشكل متزايد للشركات الصغيرة ومجموعة واسعة من حالات الاستخدام.

هناك عدة عوامل تدفع هذا الانخفاض المستمر في التكلفة. فالمنافسة بين مطوري النماذج ومقدمي خدمات الاستدلال تُسبب ضغطًا كبيرًا على الأسعار. وتقترب النماذج مفتوحة المصدر من ميتا وغيرها من الشركات من أداء GPT-4، مما يُفاقم المنافسة. علاوة على ذلك، تتطور ابتكارات الأجهزة، مثل الرقائق المتخصصة والدوائر المتكاملة المُخصصة (ASICs)، باستمرار، مما يُقلل من تكلفة الاستدلال.

ماذا يعني تحسين عبء العمل في سياق الذكاء الاصطناعي؟

يتطلب تحسين أعباء عمل تطبيقات الذكاء الاصطناعي نهجًا شاملًا يتجاوز تحسين السحابة التقليدي. قد تتفاوت أعباء عمل الذكاء الاصطناعي بشكل كبير في كثافة الحوسبة ومتطلبات التخزين، مما يجعل النهج غير المدروس محفوفًا بالمخاطر، وقد يؤدي إلى أخطاء كبيرة في التنبؤ وهدر الموارد.

يُعدّ تحسين موارد الحوسبة جوهر تحسين تكاليف الذكاء الاصطناعي. عادةً ما تُعدّ تكاليف الحوسبة أكبر النفقات في عمليات GenAI. يُعدّ تحديد حجم وحدات معالجة الرسومات (GPUs) ووحدات معالجة الرسومات (TPUs) ووحدات المعالجة المركزية (CPUs) المناسب أمرًا بالغ الأهمية: فاختيار أخفّ مُسرّع مع الحفاظ على مستوى سرعة المعالجة (SLOs) من حيث زمن الوصول والدقة هو الأساس. فكلّ خطوة نحو فئة أعلى من شرائح السيليكون تزيد التكاليف الساعية بمقدار يتراوح بين 2 و10 أضعاف، دون ضمان تجربة مستخدم أفضل.

تلعب استراتيجيات استخدام وحدات معالجة الرسومات دورًا محوريًا في تحسين التكلفة. تُعدّ ساعات الواط غير المستخدمة بمثابة القاتل الصامت لميزانيات الذكاء الاصطناعي. تُحوّل مجموعات المستأجرين المتعددين والمرنة السعة المتراكمة إلى إنتاجية. يسمح التجميع وتقطيع MIG بتقسيم وحدات معالجة الرسومات A100/H100 وتطبيق حصص مساحات الأسماء، مما يؤدي عادةً إلى قفزة في الاستخدام من 25% إلى 60%.

كيف تعمل عملية التسعير المبني على النتائج في الممارسة العملية؟

تُمثل نماذج التسعير القائمة على النتائج تحولاً جذرياً في طريقة تفكير الشركات في استثمار تقنيات الذكاء الاصطناعي. فبدلاً من الدفع مقابل الوصول إلى البرنامج أو استخدامه، يدفع العملاء مقابل نتائج ملموسة – مثل نجاح عمليات البيع أو محادثات الدعم.

تُنشئ نماذج التسعير هذه توافقًا ماليًا مباشرًا بين مُقدّمي خدمات الذكاء الاصطناعي وعملائهم. فعندما لا يستفيد مُقدّم الخدمة إلا عندما يُقدّم حله نتائج قابلة للقياس، يتشارك الطرفان تعريف النجاح نفسه. ووفقًا لبحث أجرته شركة ماكينزي، تُسجّل الشركات التي تستخدم نماذج تسعير التكنولوجيا القائمة على النتائج ارتفاعًا في رضاها عن علاقاتها مع مُقدّمي الخدمات بنسبة 27%، وعائدًا استثماريًا أفضل بنسبة 31% مقارنةً بترتيبات التسعير التقليدية.

يلعب الذكاء الاصطناعي دورًا محوريًا في تمكين نماذج التسعير القائمة على النتائج. توفر هذه التقنية التحليلات التنبؤية والأتمتة والرؤى الفورية اللازمة لتطبيق هذه النماذج. وتستطيع أنظمة الذكاء الاصطناعي تتبع الأداء وقياسه، وضمان تحقيق النتائج المرجوة.

ما هو دور الشفافية في تحسين تكلفة الذكاء الاصطناعي؟

الشفافية أساس أي استراتيجية فعّالة لتحسين تكاليف الذكاء الاصطناعي. فبدون وضوح الرؤية بشأن استخدام الموارد، لا تستطيع الشركات فهم التكاليف الحقيقية لمشاريع الذكاء الاصطناعي الخاصة بها، ولا اتخاذ قرارات تحسين مدروسة. وتزداد الحاجة إلى الشفافية بسبب الطبيعة التجريبية لتطوير الذكاء الاصطناعي وعدم القدرة على التنبؤ بمتطلبات الموارد.

يُعدّ تتبع التكاليف بدقة عنصرًا أساسيًا للشفافية. تحتاج الشركات إلى رؤى تفصيلية حول التكاليف لكل نموذج، ولكل حالة استخدام، ولكل وحدة عمل. يتطلب هذا أدوات مراقبة متخصصة تتجاوز إدارة التكاليف السحابية التقليدية، ويمكنها رصد مقاييس خاصة بالذكاء الاصطناعي، مثل استهلاك الرموز، وتكاليف الاستدلال، وجهود التدريب.

يشمل تطبيق شفافية التكاليف عدة مجالات رئيسية. تشمل هذه المجالات تتبع استخدام واجهة برمجة التطبيقات (API) واستهلاك الرموز لخدمات الذكاء الاصطناعي السحابية، ومراقبة استخدام وحدات معالجة الرسومات (GPU) واستهلاك الطاقة للحلول المحلية، وتوزيع التكاليف على مشاريع وفرق محددة. توفر الأدوات الحديثة لوحات معلومات مرئية تُبرز فرص توفير التكاليف وتساعد الفرق على اتخاذ قرارات مبنية على البيانات.

منصات الذكاء الاصطناعي المستقلة كبديل استراتيجي للشركات الأوروبية – الصورة: Xpert.Digital

Ki-Gamechanger: منصة الذكاء الاصطناعى الأكثر مرونة – الحلول المصممة خصيصًا تقلل التكاليف ، وتحسن قراراتها وزيادة الكفاءة

منصة الذكاء الاصطناعى المستقلة: يدمج جميع مصادر بيانات الشركة ذات الصلة

• تكامل FAST AI: حلول الذكاء الاصطناعى المصممة خصيصًا للشركات في ساعات أو أيام بدلاً من أشهر
• البنية التحتية المرنة: قائمة على السحابة أو الاستضافة في مركز البيانات الخاص بك (ألمانيا ، أوروبا ، اختيار مجاني للموقع)

• أعلى أمن البيانات: الاستخدام في شركات المحاماة هو الدليل الآمن
• استخدم عبر مجموعة واسعة من مصادر بيانات الشركة
• اختيار نماذج الذكاء الاصطناعي الخاصة بك أو مختلف (DE ، الاتحاد الأوروبي ، الولايات المتحدة الأمريكية ، CN)

المزيد عنها هنا:

• منصات الذكاء الاصطناعي المستقلة مقابل الشركات الضخمة: أي الحل هو المناسب لك؟

كيف يمكن للشركات تحديد تكاليف الذكاء الاصطناعي المخفية؟

تُعدّ تكاليف الذكاء الاصطناعي الخفية من أكبر التحديات التي تواجه الشركات التي تُطبّقه. يُحدّد زاكاري حنيف، من شركة تويليو، فئتين رئيسيتين من تكاليف الذكاء الاصطناعي الخفية: التقنية والتشغيلية. من الناحية التقنية، يختلف الذكاء الاصطناعي اختلافًا جوهريًا عن البرامج التقليدية، إذ يُمثّل نموذج الذكاء الاصطناعي حالة العالم في لحظة زمنية مُحدّدة، ويُدرّب ببيانات تتضاءل أهميتها بمرور الوقت.

بينما تستطيع البرامج التقليدية العمل من خلال التحديثات الدورية، يتطلب الذكاء الاصطناعي صيانة مستمرة. يتطلب كل استثمار في الذكاء الاصطناعي خطة صيانة ومراقبة واضحة، مع فترات إعادة تدريب محددة، ومقاييس قابلة للقياس لتقييم الأداء، وحدودًا محددة للتعديلات. من الناحية التشغيلية، تفتقر العديد من الشركات إلى أهداف واضحة ونتائج قابلة للقياس لمشاريع الذكاء الاصطناعي الخاصة بها، بالإضافة إلى حوكمة محددة وبنية تحتية مشتركة.

يتطلب تحديد التكاليف الخفية نهجًا منهجيًا. ينبغي على الشركات أولًا تحديد جميع التكاليف المباشرة وغير المباشرة المرتبطة بتطبيق وتشغيل حلول الذكاء الاصطناعي. وتشمل هذه التكاليف تراخيص البرمجيات، وتكاليف التنفيذ، وتكاليف التكامل، وتكاليف تدريب الموظفين، وإعداد البيانات وتنقيتها، وتكاليف الصيانة والدعم المستمر.

ما هي التحديات في قياس عائد الاستثمار في الذكاء الاصطناعي؟

يُمثل قياس عائد الاستثمار في استثمارات الذكاء الاصطناعي تحديات فريدة تتجاوز استثمارات تكنولوجيا المعلومات التقليدية. فبينما تظل الصيغة الأساسية لعائد الاستثمار – - (العائد – تكلفة الاستثمار) / تكلفة الاستثمار × 100% – إلا أن تحديد وقياس مكونات مشاريع الذكاء الاصطناعي أكثر تعقيدًا.

يكمن أحد التحديات الرئيسية في تحديد فوائد الذكاء الاصطناعي كميًا. فبينما يسهل قياس وفورات التكلفة المباشرة الناتجة عن الأتمتة نسبيًا، يصعب رصد الفوائد غير المباشرة للذكاء الاصطناعي. وتشمل هذه الفوائد تحسين جودة القرارات، وزيادة رضا العملاء، وتسريع طرح المنتجات في السوق، وزيادة الابتكار. ورغم أن هذه التحسينات النوعية ذات قيمة تجارية كبيرة، إلا أنه يصعب ترجمتها إلى عوائد مالية.

يُمثل عامل الوقت تحديًا آخر. فغالبًا ما تُحقق مشاريع الذكاء الاصطناعي آثارًا طويلة المدى تمتد لعدة سنوات. على سبيل المثال، تستثمر شركة 50,000 يورو في نظام خدمة عملاء مُعزز بالذكاء الاصطناعي، مما يوفر 72,000 يورو سنويًا من تكاليف الموظفين. وينتج عن ذلك عائد استثمار بنسبة 44%، ويُغطي تكاليفه في غضون ثمانية أشهر تقريبًا. ومع ذلك، قد تتغير نسبة التكلفة إلى الفائدة بمرور الوقت بسبب تغير النموذج، أو تغير متطلبات العمل، أو التطورات التكنولوجية.

كيف تتطور ديمقراطية الذكاء الاصطناعي في المؤسسات؟

يشهد تعميم الذكاء الاصطناعي في المؤسسات تطورًا ملحوظًا على عدة أصعدة، ويعود ذلك في المقام الأول إلى الانخفاض الكبير في تكلفة تقنيات الذكاء الاصطناعي. فالانخفاض المستمر في تكاليف النماذج بعشرة أضعاف سنويًا يجعل قدرات الذكاء الاصطناعي المتقدمة في متناول شريحة أوسع من الشركات. ويمكّن هذا التطور الشركات الصغيرة والمتوسطة من تطبيق حلول الذكاء الاصطناعي التي كانت في السابق حكرًا على الشركات الكبرى.

من أهم دوافع التحول الديمقراطي توافر أدوات ومنصات الذكاء الاصطناعي سهلة الاستخدام. أصبحت أدوات الذكاء الاصطناعي للشركات الصغيرة أكثر سهولة في الاستخدام وبأسعار معقولة، وهي مصممة لتلبية احتياجات محددة دون الحاجة إلى فريق من علماء البيانات. يُمكّن هذا التطور الفرق الصغيرة من تحقيق نتائج على مستوى المؤسسة، بدءًا من معالجة استفسارات العملاء ووصولًا إلى تحسين الحملات التسويقية.

إن تأثير هذه الديمقراطية كبير. تشير الدراسات إلى أن الشركات الصغيرة والمتوسطة يمكنها زيادة إنتاجيتها بنسبة تصل إلى 133% من خلال الاستخدام المُستهدف للذكاء الاصطناعي، بمتوسط زيادة يبلغ 27%. وتستفيد الشركات التي تستخدم تقنيات الذكاء الاصطناعي بالفعل، لا سيما في مجالات مثل إدارة الموارد البشرية وتخطيط الموارد.

ما هي أهمية الاستثمارات المستدامة في الذكاء الاصطناعي؟

تتزايد أهمية الاستثمارات المستدامة في الذكاء الاصطناعي، إذ يتعين على الشركات مراعاة الأثر البيئي والجدوى الاقتصادية طويلة الأجل لمبادراتها في هذا المجال. وقد أصبح استهلاك تطبيقات الذكاء الاصطناعي للطاقة هائلاً – إذ تشير التقديرات إلى أن تدريب GPT-3 قد ولّد أكثر من 550 طنًا من ثاني أكسيد الكربون، وهو ما يعادل انبعاثات ثاني أكسيد الكربون السنوية لأكثر من 100 سيارة. وبحلول عام 2030، من المتوقع أن يرتفع الطلب على الطاقة في مراكز البيانات في أوروبا إلى 150 تيراواط/ساعة، أي ما يقارب 5% من إجمالي استهلاك الكهرباء في أوروبا.

في الوقت نفسه، يُتيح الذكاء الاصطناعي فرصًا قيّمة للحلول المستدامة. فهو قادر على خفض استهلاك الطاقة في المصانع بشكل ملحوظ، ووضع المباني على مسار خفض انبعاثات الكربون، وتقليل هدر الغذاء، أو الحد من استخدام الأسمدة في الزراعة. وتتطلب هذه الطبيعة المزدوجة للذكاء الاصطناعي – كونه جزءًا من المشكلة والحل في آن واحد – نهجًا مدروسًا للاستثمار فيه.

تشمل استراتيجيات الاستثمار المستدام في الذكاء الاصطناعي عدة أبعاد. أولًا، تطوير نماذج ذكاء اصطناعي موفرة للطاقة باستخدام تقنيات مثل ضغط النماذج، والتكميم، والتقطير. ثانيًا، استخدام مصادر الطاقة المتجددة لتدريب وتشغيل أنظمة الذكاء الاصطناعي. ثالثًا، تطبيق مبادئ الذكاء الاصطناعي الأخضر، التي تُعدّ دليلًا إرشاديًا لجميع عمليات تطوير الذكاء الاصطناعي وتطبيقه.

كيف يؤثر تسعير النتائج على نماذج الأعمال؟

يُحدث التسعير القائم على النتائج ثورةً في نماذج الأعمال التقليدية من خلال إعادة تعريف توزيع المخاطر والمكافآت بين مُقدِّمي الخدمات والعملاء. يُحفِّز الذكاء الاصطناعي التحول من نماذج التسعير الثابتة القائمة على المقاعد إلى هياكل تسعير ديناميكية قائمة على النتائج. في هذا النموذج، لا يُدفع لمُقدِّمي الخدمات إلا عند تقديمهم قيمةً مُضافة، مما يُوحِّد الحوافز للشركات والعملاء.

يتجلى التحول بوضوح في ثلاثة مجالات رئيسية. أولاً، تتحول البرمجيات إلى قوى عاملة: إذ يُحوّل الذكاء الاصطناعي ما كان في السابق شركات خدمات بحتة إلى عروض برمجية قابلة للتطوير. فالخدمات التقليدية التي تتطلب جهدًا بشريًا – مثل دعم العملاء، والمبيعات، والتسويق، والإدارة المالية المكتبية – يمكن الآن أتمتة هذه الخدمات وتجميعها كمنتجات برمجية.

ثانيًا، لم يعد عدد المستخدمين هو العامل الحاسم في البرمجيات. فإذا استطاع الذكاء الاصطناعي، على سبيل المثال، الاستحواذ على جزء كبير من دعم العملاء، ستحتاج الشركات إلى عدد أقل بكثير من موظفي الدعم البشري، وبالتالي إلى تراخيص برمجيات أقل. هذا يُجبر شركات البرمجيات على إعادة النظر جذريًا في نماذج تسعيرها ومواءمتها مع النتائج التي تقدمها، بدلًا من عدد المستخدمين.

ما هو الدور الذي تلعبه مقاييس العائد على الاستثمار القابلة للقياس؟

تُشكل مقاييس عائد الاستثمار القابلة للقياس ركيزة استراتيجيات الاستثمار الناجحة في الذكاء الاصطناعي، وتُمكّن الشركات من تحديد القيمة الحقيقية لمبادراتها في هذا المجال. يُعدّ تحديد مؤشرات أداء رئيسية (KPIs) مُحددة أمرًا بالغ الأهمية لحساب عائد الاستثمار بدقة. تشمل مؤشرات الأداء الرئيسية المهمة تكلفة الوحدة قبل تطبيق الذكاء الاصطناعي وبعده، ويُعدّ الانخفاض الكبير في التكاليف مؤشرًا قويًا على عائد استثمار إيجابي.

يمكن أن يُؤخذ توفير الوقت من خلال العمليات الآلية في الاعتبار مباشرةً في عائد الاستثمار، إذ يُمكن استثمار هذا الوقت المُوفر. كما أن لخفض معدلات الأخطاء وتحسين الجودة تأثيرًا غير مباشر على عائد الاستثمار، إذ يزيدان من رضا العملاء ويعززان ولائهم على المدى الطويل. بالإضافة إلى ذلك، يجب قياس مدى استخدام الموظفين لحلول الذكاء الاصطناعي وتأثير ذلك على إنتاجيتهم.

يوضح مثال عملي حساب عائد الاستثمار: تستثمر شركة 100,000 يورو في حل ذكاء اصطناعي لمركز اتصال المبيعات. بعد عام واحد، يرتفع معدل تحويل العملاء المحتملين إلى مبيعات بنسبة 5%، مما يؤدي إلى إيرادات إضافية قدرها 150,000 يورو. تزداد كفاءة موظفي المبيعات بنسبة 10%، مما يُحقق وفورات في تكاليف الموظفين قدرها 30,000 يورو. تنخفض تكلفة كل عميل محتمل مؤهل بنسبة 20%، مما يُحقق وفورات تسويقية قدرها 20,000 يورو. تبلغ الفائدة الإجمالية 200,000 يورو، مما يُحقق عائد استثمار بنسبة 100%.

دمج منصة AI المستقلة على مستوى المصدر لجميع مسائل الشركة – الصورة: xpert.digital

Ki-Gamechanger: منصة الذكاء الاصطناعى الأكثر مرونة – الحلول المصممة خصيصًا تقلل التكاليف ، وتحسن قراراتها وزيادة الكفاءة

منصة الذكاء الاصطناعى المستقلة: يدمج جميع مصادر بيانات الشركة ذات الصلة

• يتفاعل منصة الذكاء الاصطناعى مع جميع مصادر البيانات المحددة
  • من SAP و Microsoft و JIRA و Confluence و Salesforce و Zoom و Dropbox والعديد من أنظمة إدارة البيانات الأخرى
• تكامل FAST AI: حلول الذكاء الاصطناعى المصممة خصيصًا للشركات في ساعات أو أيام بدلاً من أشهر
• البنية التحتية المرنة: قائمة على السحابة أو الاستضافة في مركز البيانات الخاص بك (ألمانيا ، أوروبا ، اختيار مجاني للموقع)

• أعلى أمن البيانات: الاستخدام في شركات المحاماة هو الدليل الآمن
• استخدم عبر مجموعة واسعة من مصادر بيانات الشركة
• اختيار نماذج الذكاء الاصطناعي الخاصة بك أو مختلف (DE ، الاتحاد الأوروبي ، الولايات المتحدة الأمريكية ، CN)

التحديات التي تحلها منصة الذكاء الاصطناعى

• عدم دقة حلول الذكاء الاصطناعي التقليدية
• حماية البيانات والإدارة الآمنة للبيانات الحساسة
• ارتفاع التكاليف وتعقيد تطوير الذكاء الاصطناعي الفردي
• عدم وجود منظمة العفو الدولية المؤهلة
• دمج الذكاء الاصطناعي في أنظمة تكنولوجيا المعلومات الحالية

المزيد عنها هنا:

• دمج الذكاء الاصطناعى لمنصة AI المستقلة وعلى مستوى المصدر لجميع مسائل الشركة

كيف يمكن للشركات تطوير استراتيجية FinOps للذكاء الاصطناعي؟

يتطلب وضع استراتيجية فعّالة لعمليات FinOps في مجال الذكاء الاصطناعي اتباع نهج منظم من ثماني خطوات، يجمع بين مبادئ FinOps السحابية التقليدية والتحديات الخاصة بالذكاء الاصطناعي. تتمثل الخطوة الأولى في إرساء أساس متين من خلال تشكيل فريق متعدد التخصصات يضمّ أقسام المالية والتكنولوجيا والأعمال والمنتجات. يجب أن يتعاون هذا الفريق بشكل وثيق لفهم وإدارة الجوانب الفريدة لأعباء عمل الذكاء الاصطناعي.

تركز الخطوة الثانية على تطبيق أنظمة رؤية ومراقبة شاملة. تتطلب أحمال عمل الذكاء الاصطناعي مراقبة متخصصة تتجاوز مقاييس السحابة التقليدية، وتشمل مقاييس خاصة بالذكاء الاصطناعي، مثل استهلاك الرموز، وأداء النموذج، وتكاليف الاستدلال. تُمكّن هذه الرؤية الدقيقة الشركات من تحديد عوامل التكلفة وفرص التحسين.

الخطوة الثالثة هي تطبيق توزيع التكاليف والمساءلة. يجب توزيع مشاريع الذكاء الاصطناعي على وحدات عمل وفرق عمل محددة بوضوح لضمان المساءلة المالية. أما الخطوة الرابعة فتتضمن وضع الميزانيات وضوابط الإنفاق، بما في ذلك تطبيق حدود الإنفاق والحصص ورصد أي اختلالات لتجنب زيادات التكاليف غير المتوقعة.

ما هو تأثير خفض التكاليف على نماذج الأعمال الجديدة؟

إن الانخفاض الكبير في تكلفة تقنيات الذكاء الاصطناعي – بمعدل عشرة أضعاف سنويًا – يفتح الباب أمام نماذج أعمال وحالات استخدام جديدة كليًا لم تكن مجدية اقتصاديًا في السابق. يرى سام ألتمان، من OpenAI، أن هذا التطور يحمل في طياته إمكانية إحداث تحول اقتصادي مماثل لإدخال الترانزستور – وهو اكتشاف علمي كبير يتميز بسهولة التوسع ويخترق جميع قطاعات الاقتصاد تقريبًا.

يُمكّن خفض التكاليف الشركات من دمج قدرات الذكاء الاصطناعي في مجالات كانت تُعدّ باهظة التكلفة في السابق. يؤدي انخفاض الأسعار إلى زيادة ملحوظة في الاستخدام، مما يُشكّل حلقة مفرغة: فزيادة الاستخدام تُبرّر زيادة الاستثمار في التكنولوجيا، مما يُؤدي إلى انخفاض التكاليف بشكل أكبر. تُتيح هذه الديناميكية الوصول إلى قدرات الذكاء الاصطناعي المتقدمة للجميع، وتُمكّن الشركات الصغيرة من منافسة الشركات الأكبر.

يتوقع ألتمان انخفاضًا حادًا في أسعار العديد من السلع مع انخفاض تكلفة الذكاء الاصطناعي والعمالة. في الوقت نفسه، قد ترتفع أسعار السلع الفاخرة وبعض الموارد المحدودة، مثل الأراضي، بشكل حاد. يخلق هذا الاستقطاب ديناميكيات سوقية جديدة وفرصًا تجارية يمكن للشركات استغلالها استراتيجيًا.

كيف يبدو مستقبل تحسين تكلفة الذكاء الاصطناعي؟

يتشكل مستقبل تحسين تكاليف الذكاء الاصطناعي من خلال عدة اتجاهات متقاربة. ويمكن لإدارة التكاليف السحابية المدعومة بالذكاء الاصطناعي أن تخفض النفقات بنسبة تصل إلى 30%، وتتيح رؤى آنية وتخصيصًا فعالًا للموارد. وسيتسارع هذا التطور أكثر مع دمج التعلم الآلي في أدوات تحسين التكاليف.

من أهم التوجهات تطوير توصيات شراء أكثر ذكاءً وأدوات لشفافية التكاليف. تعمل AWS وغيرها من مزودي الخدمات السحابية باستمرار على تحسين أدوات إدارة التكاليف الخاصة بهم لتوفير رؤى وتوصيات أفضل. على سبيل المثال، تحدد أداة توصيات AWS خيارات الشراء المثلى بناءً على الاستهلاك التاريخي، مما يُسهّل التخطيط الاستباقي لاستراتيجيات توفير التكاليف.

يشهد المستقبل أيضًا توحيدًا أكبر لمقاييس تكلفة الذكاء الاصطناعي. يُمكّن تطوير FOCUS (مواصفات التكلفة والاستخدام المفتوحة للعمليات المالية) الإصدار 1.0 الشركات من تصدير بيانات التكلفة والاستخدام بتنسيق موحد. وهذا يُسهّل بشكل كبير تحليل الإنفاق السحابي وتحديد فرص التحسين.

ما هو دور التطور التكنولوجي في خفض التكاليف؟

يلعب التطور المستمر للتقنيات الأساسية دورًا محوريًا في الانخفاض الكبير في تكاليف صناعة الذكاء الاصطناعي. وتُسهم الابتكارات الكبيرة في الأجهزة في خفض التكاليف، مع ظهور شرائح متخصصة ووحدات ASIC مثل Inferentia من أمازون، ولاعبين جدد مثل Groq. ورغم أن هذه الحلول لا تزال قيد التطوير، إلا أنها تُظهر بالفعل تحسينات كبيرة في السعر والسرعة.

تُفيد أمازون بأن نماذج Inferentia تُقدم إنتاجية أعلى بما يصل إلى 2.3 مرة، وتكلفة أقل لكل استدلال بنسبة تصل إلى 70% مقارنةً بخيارات Amazon EC2 المُماثلة. في الوقت نفسه، تشهد كفاءة البرمجيات تحسنًا مُستمرًا. فمع توسع أحمال عمل الاستدلال وزيادة توظيف الكفاءات في الذكاء الاصطناعي، يتم استخدام وحدات معالجة الرسومات بكفاءة أكبر، مما يُحقق وفورات في الحجم وتكاليف استدلال أقل من خلال تحسينات البرمجيات.

من الجوانب المهمة بشكل خاص ظهور نماذج أصغر حجمًا وأكثر ذكاءً. يُقدم نموذج ميتا Llama 3 8B أداءً يُضاهي تقريبًا أداء نموذجه Llama 2 70B، الذي صدر قبل عام. في غضون عام، تم إنتاج نموذج بحجم معاملات يُقارب عُشر حجم النموذج السابق، وبنفس الأداء. تُتيح تقنيات مثل التقطير والتكميم إنشاء نماذج أصغر وأكثر كفاءة.

كيف تؤثر الديمقراطية على المشهد التنافسي؟

يُحدث انتشار تقنيات الذكاء الاصطناعي تغييرًا جذريًا في المشهد التنافسي، ويخلق فرصًا جديدة للشركات بمختلف أحجامها. يُمكّن الانخفاض المستمر في تكاليف نماذج الذكاء الاصطناعي الشركات الصغيرة من الاستفادة من تقنيات كانت متاحة سابقًا للشركات الكبرى ذات ميزانيات تكنولوجيا المعلومات الضخمة. يُتيح هذا التطور تكافؤ الفرص، حيث أصبحت الأفكار المبتكرة وتطبيقها أكثر أهمية من الموارد المالية البحتة.

الآثار قابلة للقياس بالفعل: يمكن للشركات الصغيرة والمتوسطة زيادة إنتاجيتها بنسبة تصل إلى 133% من خلال الاستخدام الموجه للذكاء الاصطناعي. تُمكّن هذه المكاسب الإنتاجية الشركات الصغيرة من منافسة الشركات الأكبر حجمًا في مجالات كانت تعاني فيها تقليديًا من ضعف الأداء. تتولى الأتمتة المدعومة بالذكاء الاصطناعي المهام الروتينية وتُتيح وقتًا ثمينًا للمبادرات الاستراتيجية.

يؤدي تعميم الخدمات إلى تجزئة سوق خدمات الذكاء الاصطناعي. فبينما كانت قلة من كبار المزودين تهيمن على السوق، بدأت تظهر الآن حلول متخصصة عديدة لقطاعات وحالات استخدام محددة. هذا التنوع يُتيح المزيد من الخيارات للشركات، ويدفع عجلة الابتكار من خلال المنافسة. في الوقت نفسه، تبرز تحديات جديدة في دمج أدوات الذكاء الاصطناعي المختلفة وضمان التوافق التشغيلي.

ما هي التوصيات الاستراتيجية التي تطرحها الشركات؟

تبرز عدة ضرورات استراتيجية للشركات التي تسعى للاستفادة من ثورة تكاليف الذكاء الاصطناعي. أولاً، ينبغي على الشركات تطوير استراتيجية شاملة للعمليات المالية (FinOps) للذكاء الاصطناعي، تتجاوز إدارة تكاليف الحوسبة السحابية التقليدية. يتطلب ذلك فرقًا وأدوات وعمليات متخصصة تُراعي الخصائص الفريدة لأعباء عمل الذكاء الاصطناعي.

ثانيًا، ينبغي على الشركات ترسيخ الشفافية كمبدأ أساسي لاستثماراتها في الذكاء الاصطناعي. فبدون رؤية واضحة للتكاليف والأداء وقيمة الأعمال، لا يمكن اتخاذ قرارات مدروسة. وهذا يتطلب الاستثمار في أدوات المراقبة ولوحات المعلومات وأنظمة التقارير التي يمكنها التقاط وعرض مقاييس خاصة بالذكاء الاصطناعي.

ثالثًا، ينبغي على الشركات تفضيل النهج القائم على النتائج عند تقييم حلول الذكاء الاصطناعي وشراءها. فبدلًا من دفع ثمن ميزات التكنولوجيا، ينبغي عليها تقييم وتعويض مقدمي الخدمات بناءً على نتائج أعمال قابلة للقياس. وهذا يُحسّن توافق الحوافز ويُقلل من مخاطر استثمارات الذكاء الاصطناعي.

رابعًا، ينبغي على الشركات مراعاة الاستدامة طويلة الأجل لاستثماراتها في الذكاء الاصطناعي. ويشمل ذلك الاستدامة البيئية من خلال نماذج موفرة للطاقة ومراكز بيانات خضراء، بالإضافة إلى الاستدامة الاقتصادية من خلال التحسين المستمر والتكيف مع هياكل التكلفة المتغيرة.

خامسًا، ينبغي على الشركات أن تنظر إلى تعميم الذكاء الاصطناعي كفرصة استراتيجية. فبإمكان الشركات الصغيرة الآن تطبيق قدرات الذكاء الاصطناعي التي كانت باهظة التكلفة في السابق، بينما يمكن للشركات الكبرى توسيع نطاق مبادراتها في مجال الذكاء الاصطناعي لتشمل مجالات وحالات استخدام جديدة. ويتطلب هذا التطور إعادة تقييم الاستراتيجيات التنافسية وتحديد فرص جديدة للتميز وخلق القيمة.

☑️ دعم الشركات الصغيرة والمتوسطة في الإستراتيجية والاستشارات والتخطيط والتنفيذ

☑ إنشاء أو إعادة تنظيم استراتيجية الذكاء الاصطناعي

☑️ رائدة في تطوير الأعمال

كونراد ولفنشتاين

سأكون سعيدًا بالعمل كمستشار شخصي لك.

يمكنك الاتصال بي عن طريق ملء نموذج الاتصال أدناه أو ببساطة اتصل بي على +49 89 89 674 804 (ميونخ) .

إنني أتطلع إلى مشروعنا المشترك.

تعد Xpert.Digital مركزًا للصناعة مع التركيز على الرقمنة والهندسة الميكانيكية والخدمات اللوجستية/اللوجستية الداخلية والخلايا الكهروضوئية.

من خلال حل تطوير الأعمال الشامل الذي نقدمه، فإننا ندعم الشركات المعروفة بدءًا من الأعمال الجديدة وحتى خدمات ما بعد البيع.

تعد معلومات السوق والتسويق وأتمتة التسويق وتطوير المحتوى والعلاقات العامة والحملات البريدية ووسائل التواصل الاجتماعي المخصصة ورعاية العملاء المحتملين جزءًا من أدواتنا الرقمية.

يمكنك العثور على المزيد على: www.xpert.digital – www.xpert.solar – www.xpert.plus