التطوير الداخلي كمصيدة للتكاليف: لماذا تضل معظم الشركات تمامًا في نهجها تجاه الذكاء الاصطناعي وتوفر المال في المكان الخطأ

قاعدة 80/20 للذكاء الاصطناعي: أولئك الذين يتجاهلون هذه الاستراتيجية يعرضون مستقبل شركتهم للخطر

انتهى عصر تجارب الذكاء الاصطناعي المكلفة عديمة الجدوى. فبينما تُضخ مليارات الدولارات حول العالم في بناء أنظمة ذكاء اصطناعي داخلية، تكشف دراسة حديثة أجراها معهد ماساتشوستس للتكنولوجيا (MIT) حقيقةً صادمة: 95% من هذه المشاريع التجريبية تفشل فشلاً ذريعاً في تحقيق قيمة تجارية حقيقية. فبدلاً من تحسين العمليات، تتحول إلى "مشاريع علمية" لا نهاية لها ومكلفة للغاية. هذا الإدراك المؤلم يُحدث تحولاً غير مسبوق في سوق المؤسسات. الشعار الجديد الذي لا مفر منه هو: الشراء بدلاً من البناء. فبدلاً من استنزاف موارد المطورين الشحيحة في أنظمة احتكارية تُصبح قديمة بمجرد اكتمالها، يعتمد الرواد الآن على ما يُسمى بقاعدة 80/20 ونهج المنصات المعيارية. يكشف هذا التحليل لماذا أصبحت البرامج التقليدية "ذات المقاس الواحد الذي يناسب الجميع" قديمة، ولماذا تُحدث خدمات الذكاء الاصطناعي المُخصصة - مثل تلك التي تقدمها شركة Unframe AI الناشئة الواعدة - ثورة في السوق، وما هي القرارات الاستراتيجية التي ستُحدد النجاح أو الفشل في المنافسة العالمية بحلول عام 2026.

إن أي شخص لا يزال يعتمد على التطوير الداخلي في عصر الذكاء الاصطناعي لا يهدر المال فحسب، بل يهدر مستقبله أيضاً

يُعدّ قرار الشركات بشأن تطوير حلول الذكاء الاصطناعي داخليًا أو شرائها من مزودين متخصصين من أهم القرارات الاستراتيجية لعام 2026. فبينما تُضخّ مليارات الدولارات في مجال الذكاء الاصطناعي التوليدي، كشفت دراسة واسعة الانتشار أجراها معهد ماساتشوستس للتكنولوجيا (MIT) أن 95% من المشاريع التجريبية للذكاء الاصطناعي في الشركات تفشل في تحقيق قيمة تجارية ملموسة. في الوقت نفسه، تُظهر بيانات السوق الحالية تحولًا جذريًا: ففي غضون عام واحد فقط، انعكست تقريبًا نسبة تطوير حلول الذكاء الاصطناعي داخليًا إلى الاستعانة بمصادر خارجية. وفي هذا المناخ الديناميكي، تُرسّخ شركات مثل شركة Unframe AI الناشئة، وهي شركة إسرائيلية ألمانية، مكانتها من خلال نموذج أعمال جديد جذريًا يُشكّل تحديًا جوهريًا للقواعد التقليدية لبرمجيات المؤسسات.

يتناول التحليل التالي الأبعاد الاقتصادية والتكنولوجية والاستراتيجية لنقاش البناء مقابل الشراء، بالاعتماد على بيانات السوق الحديثة من Menlo Ventures و Gartner و McKinsey و MIT، ويضع النتائج في سياق شركة حقيقية تعمل في خضم عملية التحول هذه.

سوق متقلب: 37 مليار دولار وحقيقة مزعجة

الأرقام تتحدث عن نفسها. فبحسب التقرير السنوي الثالث لشركة مينلو فنتشرز حول وضع الذكاء الاصطناعي التوليدي في المؤسسات، أنفقت المنظمات حول العالم ما يقارب 37 مليار دولار أمريكي على الذكاء الاصطناعي التوليدي في عام 2025، أي بزيادة ثلاثة أضعاف عن 11.5 مليار دولار أمريكي في العام السابق. وهذا يعني أن الذكاء الاصطناعي التوليدي يمثل بالفعل 6% من سوق البرمجيات العالمي بأكمله، وهو معدل انتشار غير مسبوق في تاريخ صناعة البرمجيات. ويحقق ما لا يقل عن عشرة منتجات ذكاء اصطناعي حاليًا إيرادات سنوية متكررة تتجاوز مليار دولار أمريكي، بينما تجاوزت إيرادات أكثر من خمسين منتجًا حاجز المئة مليون دولار أمريكي.

لكن وراء هذه الأرقام الإجمالية المبهرة، تكمن حقيقة أكثر تعقيدًا. تتوقع غارتنر أن يصل الإنفاق العالمي على الذكاء الاصطناعي إلى 2.52 تريليون دولار أمريكي في عام 2026، بزيادة قدرها 44% عن العام السابق. مع ذلك، تُصنّف غارتنر صناعة الذكاء الاصطناعي صراحةً ضمن ما يُسمى "مرحلة خيبة الأمل" لعام 2026، وتحذر من أن الذكاء الاصطناعي، في معظم الحالات، سيُباع للشركات من خلال موردي البرامج الحاليين، وليس كجزء من مشاريع طموحة وجريئة. ويؤكد جون ديفيد لوفلوك، المحلل في غارتنر، على ضرورة تحسين القدرة على التنبؤ بعائد الاستثمار قبل أن يتمكن الذكاء الاصطناعي من التوسع بشكل حقيقي.

تُعدّ الفجوة بين حجم الاستثمار والقيمة المُضافة الفعلية المفارقةَ الجوهرية في طفرة الذكاء الاصطناعي الحالية. تستثمر الشركات بوتيرة قياسية، لكنّ معظم هذه الاستثمارات تُهدر على التجارب والمشاريع التجريبية وإثباتات المفهوم التي لا تصل أبدًا إلى مرحلة الإنتاج. وهذا يطرح السؤال الاستراتيجي الأساسي: هل من الحكمة تطوير حلول الذكاء الاصطناعي داخليًا أم شراؤها؟

التحول الرئيسي: لماذا تتوقف الشركات بشكل كبير عن بناء أنظمة الذكاء الاصطناعي الخاصة بها؟

لعلّ أبرز ما يُميّز عام 2025 هو التحوّل الجذري في نسبة تطوير حلول الذكاء الاصطناعي داخليًا مقابل شرائها. فبحسب شركة مينلو فنتشرز، تُغطّي الحلول الجاهزة 76% من جميع تطبيقات الذكاء الاصطناعي في الشركات، بينما لا تتجاوز نسبة التطبيقات المطوّرة داخليًا 24%. وفي عام 2024، كانت النسبة متقاربة، حيث طُوّرت 47% من الحلول داخليًا، بينما شُريت 53%. وهكذا، شهد السوق تحوّلًا جذريًا خلال اثني عشر شهرًا فقط.

هذا التحول ليس وليد الصدفة، بل هو نتيجة تجارب مؤلمة. فقد كشفت دراسة استقصائية أجرتها مؤسسة "إس آند بي غلوبال ماركت إنتليجنس" وشملت أكثر من ألف شركة في أمريكا الشمالية وأوروبا، أن 42% من الشركات ستتخلى عن غالبية مبادراتها في مجال الذكاء الاصطناعي بحلول عام 2025، وهو ارتفاع كبير مقارنةً بنسبة 17% فقط في عام 2024. وبالمتوسط، تم إيقاف 46% من دراسات جدوى الذكاء الاصطناعي قبل الوصول إلى مرحلة الجاهزية للإنتاج. وتؤكد مؤسسة "راند" أن أكثر من 80% من مشاريع الذكاء الاصطناعي تفشل، أي ضعف نسبة فشل مشاريع التقنيات الأخرى.

تتعدد أسباب فشل مشاريع التطوير الداخلي. تشير تقارير ماكينزي إلى أن حوالي 85% من مشاريع إثبات المفهوم في مجال الذكاء الاصطناعي لا تتجاوز المرحلة التجريبية. وكشف تحليل أجرته مجموعة بوسطن الاستشارية على 1000 مدير تنفيذي من 59 دولة أن 26% فقط من الشركات طورت القدرة على تجاوز مرحلة إثبات المفهوم، وأن 4% فقط منها تحقق قيمة ملموسة ومستمرة في مجال الذكاء الاصطناعي. ويتوقع محللو غارتنر أنه بحلول عام 2027، سيتم التخلي عن أكثر من 40% من مشاريع الذكاء الاصطناعي القائمة على الوكلاء بسبب ارتفاع التكاليف، أو عدم وضوح القيمة التجارية، أو عدم كفاية ضوابط إدارة المخاطر.

في ظل هذه الظروف، يبدو التحول الهائل نحو الاستعانة بمصادر خارجية استجابةً منطقيةً من السوق لموجة من الإخفاقات. رسالة الشركات المشترية واضحة: سرعة تحقيق القيمة أهم من التخصيص الكامل. تصل حلول الذكاء الاصطناعي المشتراة إلى مرحلة الإنتاج بسرعة أكبر بكثير، وتتميز بمعدل تحويل يقارب ضعف معدل تحويل البرامج التقليدية. ووفقًا لشركة مينلو فنتشرز، فإن 47% من صفقات الذكاء الاصطناعي المشتراة تدخل حيز الإنتاج.

دراسة معهد ماساتشوستس للتكنولوجيا وفشل الذكاء الاصطناعي في المؤسسات: دراسة تحليلية

أصبحت دراسة معهد ماساتشوستس للتكنولوجيا (MIT) NANDA، بعنوان "فجوة جيل الذكاء الاصطناعي: حالة الذكاء الاصطناعي في الأعمال 2025"، بقيادة أديتيا تشالابالي في مختبر الإعلام التابع للمعهد، المرجع الأكثر استشهادًا به حول الإخفاق الهيكلي لمشاريع الذكاء الاصطناعي في الشركات. تستند الدراسة إلى 150 مقابلة مع مسؤولين تنفيذيين، واستطلاع رأي شمل 350 موظفًا، وتحليل 300 تطبيقًا عامًا للذكاء الاصطناعي. وتُظهر نتائجها صورة قاتمة للفشل: 80% من المؤسسات تستكشف أدوات الذكاء الاصطناعي، و60% تُقيّم حلول المؤسسات، و20% تُطلق مشاريع تجريبية، لكن 5% فقط تصل إلى مرحلة الإنتاج بأثر تجاري ملموس.

تُعدّ النتيجة الرئيسية للدراسة لافتةً للنظر لأنها تُفنّد الأعذار الشائعة. فالمشكلة لا تكمن في جودة نماذج الذكاء الاصطناعي، أو البنية التحتية غير الكافية، أو العقبات التنظيمية في المقام الأول. بل تكمن العقبة الحقيقية فيما يُطلق عليه باحثو معهد ماساتشوستس للتكنولوجيا "فجوة التعلّم": أنظمة المؤسسات التي لا تتكيف، ولا تخزن الملاحظات، ولا تندمج في سير العمل. تعمل الأدوات العامة مثل ChatGPT بكفاءة عالية للمستخدمين الأفراد لمرونتها. أما في سياقات المؤسسات، فتتحول إلى مشاريع أكاديمية جامدة لا تستفيد من السياق ولا تتطور بمرور الوقت.

ومن النتائج الأخرى للدراسة ما يُعدّ بالغ الأهمية: إذ يُحقق شراء أدوات الذكاء الاصطناعي من مزودين متخصصين وبناء شراكات نجاحًا في حوالي 67% من الحالات، بينما لا تتجاوز نسبة نجاح التطوير الداخلي ثلث هذه النسبة. وتكتسب هذه النتيجة أهمية خاصة في القطاع المالي وغيره من القطاعات الخاضعة لتنظيمات صارمة، حيث كانت العديد من الشركات لا تزال تُحاول بناء أنظمة ذكاء اصطناعي توليدية خاصة بها داخليًا حتى عام 2025. وتشير بيانات معهد ماساتشوستس للتكنولوجيا إلى أن الشركات تفشل بشكل أكبر بكثير عند العمل بشكل مستقل.

ثمة خطأ منهجي آخر يتمثل في سوء تخصيص الموارد. إذ يُخصص أكثر من نصف ميزانيات الذكاء الاصطناعي التوليدي لأدوات المبيعات والتسويق، بينما تُشير دراسة معهد ماساتشوستس للتكنولوجيا إلى أن أعلى عائد على الاستثمار يكمن في أتمتة العمليات الإدارية، أي في إلغاء الاستعانة بمصادر خارجية للعمليات التجارية، وخفض تكاليف الوكالات الخارجية، وتبسيط العمليات. وبالتالي، لا تستثمر الشركات بشكل خاطئ في نوع التنفيذ فحسب، بل غالبًا ما تستثمر أيضًا في مجالات التطبيق الخاطئة.

قاعدة 80/20 في الذكاء الاصطناعي للمؤسسات: نموذج استراتيجي جديد

من خلال تضافر مصادر البيانات المختلفة وتحليلات القطاع، يتبلور نموذج استراتيجي متزايد الأهمية، يمكن وصفه بقاعدة 80/20 في مجال الذكاء الاصطناعي المؤسسي. وتشير بيانات مراقبي القطاع ومحللين مثل غارتنر وديلويت إلى أن معظم الشركات يجب أن تتبنى نهجًا هجينًا: حيث يتم تغطية 80% من متطلبات الذكاء الاصطناعي من خلال حلول مدفوعة أو قائمة على الاشتراك، بينما يتم تلبية 20% المتبقية من خلال حلول داخلية مطورة خصيصًا، حيث يكون التكامل العميق أو الملكية الفكرية الفريدة أمرًا بالغ الأهمية.

ينعكس هذا التوزيع بنسبة 80/20 في الواقع العملي أيضًا. تشمل حالات الاستخدام المثالية لعمليات الشراء أنظمة تذاكر الدعم الفني، ووظائف البحث القائمة على المعرفة، وإنشاء المحتوى التسويقي، واستخراج البيانات من المستندات غير المهيكلة، وحلول إعداد التقارير الموحدة. يبقى التطوير الداخلي خيارًا منطقيًا في حال وجود مخاوف تتعلق بالملكية الفكرية أو عندما يمثل حل الذكاء الاصطناعي ميزة تنافسية استراتيجية، كما هو الحال في أنظمة الخدمات المصرفية الأساسية، وخوارزميات التداول الخاصة، أو نماذج اتخاذ القرارات بالغة الأهمية للأعمال.

المنطق الاقتصادي وراء هذا التقسيم مقنع. يوفر الاستعانة بمصادر خارجية قيمة أسرع، وتكاليف قابلة للتنبؤ من خلال نماذج الاشتراك، ودورات ابتكار مستمرة من جانب المزود، وتجنب تراكم مهام التطوير الداخلية. أما التطوير الداخلي، من ناحية أخرى، فيستنزف موارد المطورين الشحيحة، ويخلق ديونًا تقنية، وينطوي على خطر جوهري يتمثل في أن الحل الذي يتم إطلاقه داخليًا سيصبح متقادمًا تقنيًا بحلول وقت اكتماله، نظرًا لتطور نماذج الذكاء الاصطناعي الأساسية خلال تلك الفترة.

تؤكد شركة رأس المال الاستثماري أندريسن هورويتز (a16z) هذا التوجه في تحليلها لـ 100 مدير تنفيذي لتكنولوجيا المعلومات في الشركات: فقد شهدنا مؤخرًا تحولًا ملحوظًا من التطوير الداخلي إلى الاستعانة بمصادر خارجية، مع نضوج منظومة تطبيقات الذكاء الاصطناعي. وبشكل خاص، فإن الاختلافات الديناميكية في الأداء بين النماذج المختلفة وانخفاض التكاليف يجعلان من المنطقي بشكل متزايد إسناد عملية التقييم والتحسين المستمر لكل حالة استخدام إلى فريق متخصص في تطبيقات الذكاء الاصطناعي لدى مزود خارجي، بدلًا من القيام بذلك داخليًا.

نهاية عصر الحلول الموحدة: لماذا أصبحت البرامج القياسية قديمة الطراز

لعقود طويلة، اتبعت برامج المؤسسات التقليدية مبدأً بسيطاً: منتج واحد للجميع. صُممت الحلول المعيارية لخدمة أكبر شريحة ممكنة من المستخدمين بنفس نطاق الوظائف. لكن هذا النموذج يواجه ضغوطاً هائلة في عصر الذكاء الاصطناعي. لقد تغيرت المعادلة: "مقاس واحد يناسب الجميع" أصبح "مقاس واحد لا يناسب أحداً".

لهذا التحول أسباب اقتصادية عميقة. فالشركات لديها متطلبات متنوعة بشكل متزايد، لم تعد الحلول العامة قادرة على تلبيتها. إن تزايد تعقيد عمليات الأعمال، وتنوع بيئات تكنولوجيا المعلومات، وارتفاع توقعات المستخدمين الذين اعتادوا على تجربة شخصية من خلال استخدامهم الخاص لبرامج مثل ChatGPT، يجعل من الحلول المصممة خصيصًا ضرورة حتمية.

تُمكّن تقنيات التخصيص المدعومة بالذكاء الاصطناعي منصات البرمجيات من التكيف في الوقت الفعلي مع سلوك كل مستخدم وتفضيلاته وتحديات أعماله الخاصة. وينخفض ​​التكلفة الحدية للتخصيص بشكل كبير بفضل توليد التعليمات البرمجية وإعادة هيكلتها واختبارها باستخدام الذكاء الاصطناعي - ليس إلى الصفر، ولكن إلى مستوى منخفض بما يكفي لإعادة النظر جذريًا في نموذج أعمال تقديم البرمجيات. وهذا يفتح المجال أمام نماذج يحصل فيها كل عميل، عند التسجيل، على نسخة معزولة منطقيًا من البرنامج، قائمة على الحوسبة السحابية، ومصممة خصيصًا لتلبية احتياجاته.

في الوقت نفسه، تشهد نماذج التسعير تحولاً ملحوظاً. إذ يحل التسعير القائم على النتائج تدريجياً محل نموذج الترخيص أو نموذج عدد المستخدمين التقليدي. وتوقعت مؤسسة غارتنر أن أكثر من 30% من حلول البرمجيات كخدمة (SaaS) للمؤسسات ستدمج مكونات قائمة على النتائج بحلول عام 2025، مقارنةً بنحو 15% في عام 2022. وتوضح شركة بيسمر فنتشر بارتنرز في دليلها التسعيري الحالي كيف تتخلى الشركات الرائدة في مجال الذكاء الاصطناعي إلى حد كبير عن نموذج تسعير البرمجيات كخدمة القائم على عدد المستخدمين لصالح نماذج قائمة على الاستخدام والمخرجات والنتائج، والتي تربط الإيرادات مباشرةً بنتائج قابلة للقياس. وتُجسد أمثلة مثل إنتركوم، التي تُقدم 0.99 دولار أمريكي لكل طلب مُحل، وسيلزفورس، التي تُقدم دولارين أمريكيين لكل محادثة، هذا التوجه.

مبدأ الوحدات: كيف تستحوذ منصات الذكاء الاصطناعي المعيارية على السوق

يُعدّ النهج المعياري أحد النماذج المعمارية الرئيسية التي تكتسب رواجًا في قطاع الذكاء الاصطناعي للمؤسسات، وغالبًا ما يُوصف بأنه مبدأ بناء يشبه مكعبات الليغو. وتتلخص الفكرة الأساسية في أنه بدلًا من بناء أنظمة ذكاء اصطناعي متجانسة وجامدة، يتم تجميع الحلول من وحدات بناء قابلة لإعادة الاستخدام والتبديل، يمكن دمجها واستبدالها بمرونة حسب الحاجة.

يُقدّم هذا المبدأ ثلاث مزايا جوهرية: أولاً، المرونة في إضافة واستبدال المكونات مع ظهور تقنيات أفضل. ثانياً، القدرة على تحديث أدوات الذكاء الاصطناعي دون الحاجة إلى إعادة بناء البنية التحتية بالكامل. ثالثاً، سرعة خلق القيمة مع الحفاظ على القدرة على التكيف. في قطاع تتطور فيه النماذج الأساسية أسبوعياً، لا تُعدّ هذه المرونة ميزة إضافية، بل ضرورة أساسية.

يمكن توضيح التطبيق العملي لهذا المبدأ باستخدام مثال استخراج البيانات. يجري حاليًا تطوير وحدة أولية لمعالجة عقود الإيجار التجارية، أي المستندات المعقدة التي تتراوح صفحاتها بين 80 و90 صفحة. صُممت هذه الوحدة لتكون عامة جدًا بحيث يمكن استخدامها مع تعديلات طفيفة للتقارير المالية في برنامج Excel، والسير الذاتية، أو حالات الاستخدام القائمة على الصور. تُضيف كل وحدة جديدة إلى المكتبة وتكون متاحة فورًا للعملاء اللاحقين. يُعد مبدأ قابلية إعادة الاستخدام القابلة للتطوير هذا جوهر النموذج الاقتصادي للمنصة: حيث تنخفض التكاليف الحدية لكل تطبيق إضافي بشكل كبير، بينما ترتفع الجودة مع تراكم الخبرة.

عمليًا، تعني بنية الذكاء الاصطناعي المعيارية أيضًا إمكانية استخدام نماذج Foundation مختلفة لمهام متنوعة، مثل GPT للاستدلال المنطقي، وGemini للمهام المعمارية، وClaude للمهام الدقيقة، دون التأثير على الحل الكلي. ويُعدّ هذا التحرر من قيود نماذج التعلم الآلي ميزةً رئيسيةً أخرى تميزها عن التطوير الداخلي، الذي يرتبط عادةً بنموذج محدد ويتطلب جهدًا كبيرًا في عملية الترحيل مع كل تغيير في النموذج.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.

تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.

المزايا الرئيسية باختصار:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.

💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.

للمزيد من المعلومات، انقر هنا:

• منصة الذكاء الاصطناعي المُدارة

Unframe AI: دراسة حالة لنموذج أعمال الذكاء الاصطناعي الجديد للمؤسسات

تقدم شركة Unframe AI الناشئة، وهي شركة إسرائيلية ألمانية، دراسة حالة مفيدة للتطبيق العملي لاتجاهات السوق المذكورة. تأسست الشركة في أبريل 2024 على يد شاي ليفي، ولاريسا شنايدر، وآدي أزاريا. كان ليفي قد شارك سابقًا في تأسيس شركة Noname Security، وبصفته المدير التقني، حوّلها إلى أول شركة يونيكورن في قطاع الأمن السيبراني لواجهات برمجة التطبيقات (API) قبل بيعها لشركة أكاماي مقابل حوالي 500 مليون دولار. تتمتع شنايدر بخبرة تزيد عن عشر سنوات في قطاع تكنولوجيا المؤسسات، بما في ذلك مناصب قيادية في شركتي Nutanix وNoname Security، بالإضافة إلى خلفية أكاديمية من كلية هولت الدولية للأعمال في سان فرانسيسكو.

في أبريل 2025، أعلنت Unframe عن إطلاقها رسميًا بعد جولة تمويلية بلغت 50 مليون دولار، موزعة على جولتين: جولة تمويل تأسيسي بقيمة 20 مليون دولار، وجولة تمويل من الفئة (أ) بقيمة 30 مليون دولار بقيادة شركة Bessemer Venture Partners. وشملت قائمة المستثمرين الآخرين TLV Partners وCraft Ventures وThird Point Ventures وSentinelOne Ventures وCerca Partners وTerra Nova Ventures. وفي أقل من عام، حققت الشركة ملايين الدولارات من الإيرادات السنوية المتكررة، واستحوذت على عشرات العملاء من كبرى الشركات العالمية، بما في ذلك Cushman & Wakefield وNomura.

ما Unframe عن العديد من منافسيها هو نموذج أعمالها. تعتمد المنصة على ما يُعرف بنهج Blueprint، وهي منهجية تُزوّد ​​نماذج اللغة الكبيرة بالسياق اللازم لإنتاج نتائج مُخصصة للمجال دون الحاجة إلى تدريب مُطوّل أو ضبط دقيق للنموذج. الشركة مُستقلة عن أي نظام مُحدد لنمذجة اللغة، ما يعني أن العملاء يُمكنهم التبديل بين نماذج عامة وخاصة مُختلفة دون التقيد بنظام بيئي مُحدد. يتم تحديد السعر للشخص الواحد سنويًا ضمن فئات (صغير، متوسط، كبير، كبير جدًا)، وتشمل جميع خدمات التخصيص وعمل قادة منتجات الذكاء الاصطناعي ضمن الاشتراك - بدون أي تكاليف خفية أو رسوم إضافية.

لعلّ أبرز ما يُميّز نموذج العمل هو مبدأ الدفع القائم على النتائج: فالعملاء لا يدفعون إلا عندما يرون أثراً ملموساً. في قطاعٍ تفشل فيه 95% من مشاريع الذكاء الاصطناعي، يُعدّ هذا وعداً جريئاً لا يُمكن تحقيقه إلا إذا حققت التطبيقات قيمةً حقيقية. ووفقاً للشركة، فإنّ المدة الزمنية اللازمة من الاستشارة الأولية إلى حلّ جاهز للإنتاج ومُصمّم خصيصاً لا تتجاوز أياماً معدودة، بدلاً من الأشهر أو السنوات التي تُعتبر معياراً في هذا القطاع.

1670 حالة استخدام ولا نهاية تلوح في الأفق: واقع الطلب على الذكاء الاصطناعي في الشركات الكبيرة

يمكن توضيح حجم التحدي الذي يواجه الشركات الكبرى في تطبيق الذكاء الاصطناعي بمثال عملي. فقد أفادت مسؤولة تنفيذية رفيعة المستوى في مجال الذكاء الاصطناعي، تعمل في أحد أكبر ثلاثة بنوك استثمارية في وول ستريت، بوجود تراكم لـ 1670 حالة استخدام للذكاء الاصطناعي، أحالتها إليها إدارة العمليات، وكان من الضروري تنفيذها بحلول نهاية عام 2026. وكان تقييم هذه المسؤولة التنفيذية قاطعًا: حتى مع توفر موارد تطوير داخلية غير محدودة، سيكون من المستحيل التعامل مع هذا الكم الهائل من الحالات داخليًا. ما كان مطلوبًا هو نهج قابل للتوسع.

هذا المثال ليس استثناءً بأي حال من الأحوال. فبنك جيه بي مورغان تشيس يُشغّل حاليًا أكثر من 1000 حالة استخدام للذكاء الاصطناعي في بيئات الإنتاج، موزعة على إدارة المخاطر والتسويق وكشف الاحتيال وخدمة العملاء. وقد خصص بنك أوف أمريكا 4 مليارات دولار من ميزانيته التقنية البالغة 13 مليار دولار للذكاء الاصطناعي بحلول عام 2025. كما قامت سيتي غروب بتجربة الذكاء الاصطناعي القائم على الوكلاء لـ 5000 موظف، وأطلقت مبادرة على مستوى الشركة لدمج الذكاء الاصطناعي بشكل منهجي في جميع عملياتها. تُظهر هذه الأرقام أن الطلب على تطبيقات الذكاء الاصطناعي في المؤسسات الكبيرة يفوق بكثير القدرة الداخلية المتاحة.

تُظهر بيانات ماكينزي أنه بينما تستخدم 88% من المؤسسات الذكاء الاصطناعي في وظيفة تجارية واحدة على الأقل، فإن 7% فقط منها طبّقت الذكاء الاصطناعي على مستوى الشركة بأكملها. أما الغالبية العظمى فهي في مرحلة وسيطة بين التجريب (32%) والتجريب التجريبي (30%) والتوسع (31%). وتُعدّ الفجوة بين ما ترغب الشركات في تحقيقه باستخدام الذكاء الاصطناعي وما تستطيع تطبيقه فعلياً أكبر عائق أمام التحول الحالي في مجال الذكاء الاصطناعي.

في هذا السياق، يتضح سبب تزايد أهمية النماذج الهجينة، التي تجمع بين مزايا التطوير الداخلي (المرونة والتحكم) وفوائد الاستعانة بمصادر خارجية (السرعة، وقابلية التوسع، وانخفاض أعباء الصيانة). ويتيح التعاون مع مزود منصة متخصص للشركات معالجة تراكم حالات استخدام الذكاء الاصطناعي المتزايد بشكل منهجي دون إرهاق فرق العمل الداخلية.

مفارقة الحوكمة: عندما تخرج أنظمة الذكاء الاصطناعي عن السيطرة

إلى جانب الجوانب الاقتصادية لقرار البناء مقابل الشراء، هناك بُعدٌ يُستهان به غالبًا: الحوكمة. يكتسب هذا الموضوع أهمية خاصة مع صعود أنظمة الذكاء الاصطناعي القائمة على الوكلاء، أي وكلاء الذكاء الاصطناعي الذين لا يقتصر دورهم على توفير المعلومات فحسب، بل يمكنهم أيضًا تنفيذ الإجراءات بشكل مستقل داخل أنظمة المؤسسات.

يُقدّم مثالٌ صارخٌ من قطاع التأمين توضيحًا لهذه المشكلة. فقد واجه مدير تقنية المعلومات في شركة تأمين كبيرة على الساحل الغربي للولايات المتحدة طلبًا من الإدارة التنفيذية بإنشاء وكلاء ذكاء اصطناعي، دون تحديد واضح لاستخدامهم المقصود. إن فكرة تزويد وحدات الأعمال بأداة لإنشاء وكلاء ذكاء اصطناعي بشكل مستقل تنطوي على مخاطر جسيمة: فمئات الآلاف من وكلاء الذكاء الاصطناعي غير المُدارين، والذين يقومون بمهام مستقلة داخل شركة في قطاع شديد التنظيم، يُمثلون كابوسًا إداريًا.

تزيد المتطلبات التنظيمية من تفاقم هذه المشكلة. إذ يفرض قانون الاتحاد الأوروبي للذكاء الاصطناعي، الساري منذ أغسطس 2024، التزامات متزايدة على أنظمة الذكاء الاصطناعي عالية المخاطر بحلول عامي 2026/2027، بما في ذلك تقييم المطابقة، وعلامة CE، ومتطلبات الشفافية لنماذج الذكاء الاصطناعي العامة. ويتطلب إطار سنغافورة للذكاء الاصطناعي القائم على الوكلاء تحديد ما يُسمى بـ"مساحة العمل" (أي الأدوات والأنظمة التي يُمكن للوكيل استخدامها)، بالإضافة إلى حدود واضحة للاستقلالية مع إشراف بشري. ويُقدم إطار إدارة مخاطر الذكاء الاصطناعي الصادر عن المعهد الوطني للمعايير والتكنولوجيا (NIST) هيكلاً محايداً للبائعين لضوابط المخاطر، وهو ما تتبناه الشركات الأمريكية بشكل متزايد.

يُعدّ بُعد الحوكمة ذا أهمية بالغة في قرار التطوير الداخلي أو الشراء الخارجي. إذ يتعين على الشركات التي تُطوّر الذكاء الاصطناعي داخليًا بناء وصيانة بنية الحوكمة المتكاملة بشكل مستقل، بما في ذلك مراحل دورة حياة المنتج، ودورات إعادة الاعتماد، وخرائط النماذج، واختبارات الفريق الأحمر، ومراقبة ما بعد التسويق، وسير العمل في حالات الحوادث. ويمكن لمزودي المنصات المتخصصة تلبية متطلبات الحوكمة هذه مركزيًا وتقديمها كجزء من حلولهم القياسية، مما يُخفف بشكل كبير من عبء العمل على العملاء. وفي عصر تتزايد فيه المتطلبات التنظيمية لأنظمة الذكاء الاصطناعي بشكل متسارع، أصبحت خبرة الحوكمة ميزة تنافسية حاسمة لمزودي المنصات.

مؤشرات الأداء الرئيسية أم العمل بشكل أعمى: ما الذي يميز مشاريع الذكاء الاصطناعي الناجحة عن المشاريع الفاشلة؟

البيانات واضحة: العامل الحاسم لنجاح مشاريع الذكاء الاصطناعي ليس التكنولوجيا بحد ذاتها، بل تحديد معايير نجاح واضحة قبل الإطلاق. تشير دراسة معهد ماساتشوستس للتكنولوجيا إلى أن عدم التوافق بين التكنولوجيا وعمليات الأعمال هو السبب الرئيسي للفشل. فقد حاولت الشركات فرض الذكاء الاصطناعي التوليدي على العمليات القائمة بأقل قدر من التعديلات، بدلاً من تحديد الأثر التجاري المرجو أولاً، ثم مواءمة التنفيذ بدقة مع هذا الأثر.

وفقًا لأفضل الممارسات الحالية، يتضمن إطار عمل مؤشرات الأداء الرئيسية متعدد الأبعاد لمشاريع الذكاء الاصطناعي ستة أبعاد: التأثير على الأعمال (نمو الإيرادات، وخفض التكاليف)، والكفاءة التشغيلية (سرعة العملية، وتقليل الأخطاء)، وتخفيف المخاطر (الامتثال، ومنع الاحتيال)، والقيمة الاستراتيجية (المكانة في السوق، والقدرة على الابتكار)، والكفاءة الاقتصادية (التكلفة لكل نتيجة)، ومعدل التبني (قبول المستخدم، والانتشار).

إنّ التطبيق العملي هو ما يميّز الشركات الناجحة عن غيرها. فالشركات الناجحة تحدد أهدافًا ملموسة وقابلة للقياس قبل بدء أي مشروع، كأن تحقق دقة بنسبة 96% مع معدل اكتمال استجابة يتجاوز 90%. كما تضع هذه الشركات معايير للمقارنة، وتُرسّخ الشفافية حول معايير النجاح قبل كتابة أول سطر برمجي.

في المقابل، تفشل معظم الشركات في الإجابة على السؤال المبهم: "ما الذي يمكننا فعله فعلاً بالذكاء الاصطناعي؟" هذا النهج الاستكشافي غير المنظم يؤدي إلى ما يسميه خبراء الصناعة "مشاريع علمية": عروض توضيحية مثيرة للاهتمام تقنياً دون أي قيمة تجارية ملموسة. والنتيجة هي حلقة مفرغة من التجارب التي لا تصل إلى مرحلة الإنتاج.

تُعدّ تداعيات قرار التطوير الداخلي مقابل الشراء كبيرة. تميل فرق التطوير الداخلية إلى التركيز على الجدوى التقنية وتعتبر الأثر التجاري عاملاً ثانوياً. في المقابل، يعتمد مزودو المنصات المتخصصة، الذين يتقاضون أجورهم بناءً على النتائج، اعتمادًا وجوديًا على تقديم قيمة تجارية منذ اليوم الأول، وإلا سينهار نموذج أعمالهم. يُعدّ هذا التوافق الهيكلي في الحوافز ميزةً غالبًا ما يتم التقليل من شأنها في نموذج الشراء.

ميزة السرعة: لماذا يُعدّ الوقت أثمن عملة في اقتصاد الذكاء الاصطناعي؟

في اقتصاد الذكاء الاصطناعي، يُعدّ الوقت عاملاً تنافسياً حاسماً. فالتطور التكنولوجي يتسارع بوتيرة هائلة، لدرجة أن الحلول المطورة داخلياً قد تصبح قديمة بمجرد اكتمالها. في بيئات المؤسسات التقليدية، تتراوح المدة الزمنية بين تصميم نظام ذكاء اصطناعي داخلي وجاهزيته للإنتاج عادةً بين 19 و24 شهراً: شهر إلى شهرين لتقييم الاحتياجات، وثلاثة إلى أربعة أشهر للتجريب، وأشهر أخرى للموافقة على الميزانية، واختيار الموردين، والمراجعات القانونية والأمنية، والتكامل، وأخيراً، الإطلاق.

خلال هذه الفترة، ظهرت عشرات النماذج الجديدة لمؤسسة Foundation، وبرزت فئات منتجات كاملة واختفت، وتحسّن أداء المعايير بشكل كبير. وثّقت شركة Menlo Ventures أن الإنفاق على وكلاء البرمجة ومطوري تطبيقات الذكاء الاصطناعي قد ارتفع بشكل هائل من الصفر تقريبًا إلى عدة مليارات من الدولارات، حيث باتت النماذج قادرة الآن على تفسير قواعد البيانات البرمجية بالكامل وتنفيذ مهام متعددة المراحل بشكل مستقل تمامًا. ما يبدأ كتطوير داخلي متطور يُخاطر بأن يصبح من الماضي عند اكتماله.

يُقلّص مُزوّدو المنصات المتخصصة هذه المدة من شهور إلى أيام أو أسابيع. فهم يتولون مركزياً إدارة تعقيدات التغييرات المستمرة في النماذج والتحديثات والتصحيحات الأمنية، مما يُتيح لعملاء المؤسسات الاستفادة دون الحاجة إلى تخصيص موارد خاصة بهم. يُعدّ هذا التجميع لسرعة الابتكار مثالاً كلاسيكياً على وفورات الحجم: فما لم تستطع شركة واحدة إنجازه بهذه السرعة، أصبح ممكناً للعديد من الشركات في وقت واحد عبر المنصة.

علاوة على ذلك، يُظهر تقرير a16z أن الفروقات في الأداء بين النماذج المختلفة أصبحت هامشية بشكل متزايد، بينما لا تزال فروقات التكلفة كبيرة. في هذه الحالة، تنتقل الميزة التنافسية من اختيار النموذج إلى سرعة التنفيذ وتكامل العمليات، أي إلى نقاط قوة المنصات المتخصصة.

الاستثناء الاستراتيجي: عندما يكون التطوير الداخلي منطقياً

على الرغم من كل الحجج المؤيدة للاستعانة بمصادر خارجية، إلا أن هناك مجالات محددة بوضوح يظل فيها تطوير حلول الذكاء الاصطناعي داخلياً خياراً استراتيجياً سليماً. تشترك هذه المجالات عادةً في واحدة أو أكثر من الخصائص التالية: ارتباطها الوثيق بالملكية الفكرية للشركة، أو ارتباطها المباشر بنشاطها الأساسي كعامل تمييز استراتيجي، أو حالات استخدامها التي يصبح فيها حل الذكاء الاصطناعي نفسه منتجاً يُباع.

يُعدّ نظام مصرفي أساسي قائم على خوارزميات خاصة، يُمثّل ميزة تنافسية حقيقية في نمذجة المخاطر، مثالاً كلاسيكياً على التطوير الداخلي المُجدي. وبالمثل، فإنّ استراتيجيات التداول الخاصة التي تُشكّل فيها منطق الذكاء الاصطناعي محوراً أساسياً، والإفصاح عنها لمزود خارجي، يُعرّض الشركة لمخاطر غير مقبولة. في صناعة الأدوية، قد يكون البحث الجزيئي المدعوم بالذكاء الاصطناعي مُتأصلاً بعمق في صميم الشركة، ما يجعل الاستعانة بمصادر خارجية أمراً غير عملي وغير مرغوب فيه.

لكن التحدي الذي يواجه صناع القرار يكمن في التمييز بوضوح بين عوامل التميّز الاستراتيجي الحقيقية ومتلازمة "لم تُخترع هنا" سيئة السمعة. تبالغ العديد من الشركات في تقدير الأهمية الاستراتيجية لحالات استخدام هي في الواقع مجرد وظائف قياسية. فنظام تذاكر الدعم الفني، أو البحث القائم على المعرفة، أو إنشاء المحتوى التسويقي، لا تندرج عادةً ضمن فئة التميّز الاستراتيجي، وإذا طُوّرت داخليًا، فإنها تُؤدي فقط إلى تراكم مكلف في قائمة مهام التطوير.

تتفق توصيات محللي الصناعة بشكل واضح: يجب أن تقتصر حصة الـ 20% من التطوير الداخلي بشكل صارم على تلك المجالات التي تخلق بالفعل ميزة تنافسية فريدة، بينما يجب تغطية نسبة الـ 80% المتبقية بشكل أسرع وأكثر فعالية من حيث التكلفة وبمخاطر أقل بكثير من خلال منصات متخصصة.

عبور وادي خيبة الأمل: نظرة إلى عام 2026 وما بعده

لا ينبغي بأي حال من الأحوال تفسير توقعات غارتنر بأن الذكاء الاصطناعي سيشهد خيبة أمل بحلول عام 2026 على أنها إشارة متشائمة. بل على العكس، تمثل هذه المرحلة في دورة الضجة الإعلامية نقطة تحول صحية، حيث تفسح التوقعات غير الواقعية المجال للواقع، وتبدأ الشركات في فهم نقاط القوة والقيود الحقيقية لهذه التقنية. إنها المرحلة التي يتحول فيها التجريب المحض إلى حساب دقيق للعائد على الاستثمار.

تشير الأرقام إلى أن عملية النضج هذه قد بدأت بالفعل. ويُظهر الإنفاق العالمي على الذكاء الاصطناعي، الذي بلغ 2.52 تريليون دولار أمريكي في عام 2026، والزيادة المتوقعة إلى 3.3 تريليون دولار أمريكي في عام 2027، أن الرغبة في الاستثمار لا تزال قوية للغاية، على الرغم من خيبات الأمل التي شابت بعض المشاريع. ومن المتوقع أن يستحوذ الذكاء الاصطناعي على 41.5% من إجمالي الإنفاق على تكنولوجيا المعلومات في عام 2026، وقد ترتفع هذه النسبة إلى أكثر من 50% في عام 2027. وستؤدي استثمارات البنية التحتية وحدها إلى زيادة الإنفاق على الخوادم المُحسّنة للذكاء الاصطناعي بنسبة 49% في عام 2026.

لا يكمن التغيير في حجم الاستثمارات، بل في هيكلها. فالشركات باتت أكثر انتقائية في اختيار مشاريع الذكاء الاصطناعي، مُفضّلةً النتائج المُثبتة على الإمكانات المُحتملة. لقد ولّى عصر تجارب الذكاء الاصطناعي، وحلّ محله عصر الإنتاج، وهذا الإنتاج يتم شراؤه لا بناؤه. بالنسبة لمُزوّدي المنصات الذين يُقدّمون قيمة تجارية ملموسة، ينفتح أمامهم سوقٌ ذو أبعاد تاريخية تقريبًا. أما بالنسبة للشركات التي لا تزال مُتردّدة بين البناء والشراء، فقد بات القرار واضحًا: في عالمٍ أصبحت فيه السرعة هي العملة الأثمن، وتفشل فيه 95% من مشاريع الذكاء الاصطناعي الداخلية، فإن شراء حلول مُتخصّصة ليس فقط الخيار الأكثر عملية، بل هو أيضًا الاستراتيجية الوحيدة المُجدية اقتصاديًا لغالبية حالات الاستخدام.

سيكون الفائزون في هذا التحول هم الشركات التي تتحلى بالشجاعة الكافية لتركيز مواردها بشكل جذري على نسبة الـ 20% الاستراتيجية حقًا، والاعتماد على شركاء أذكياء لتغطية نسبة الـ 80% المتبقية - شركاء يقدمون خدماتهم بشكل أسرع وأقل تكلفة وبمعدل نجاح أعلى بشكل واضح. أما البقية، فستبقى غارقة في خيبة الأمل، متخلفة عن ركب التطور بسبب بطئها في قطاع لا يرحم المترددين.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

التواصل معي عبر wolfenstein ∂ xpert.digital

اتصل بي على الرقم +49 89 89 674 804 (ميونخ) .

لينكد إن