يدق المديرون الماليون ناقوس الخطر: التكاليف الخارجة عن السيطرة لوكلاء الذكاء الاصطناعي الجدد

يواجه الذكاء الاصطناعي التوليدي أزمة جوهرية - ليس لأن التكنولوجيا تفشل، ولكن لأن بنيتها التجارية تنهار.

تتخذ شركات التكنولوجيا العملاقة مثل مايكروسوفت وأوبر وجيت هاب إجراءات جذرية بالفعل: تتضاءل الميزانيات السنوية المخصصة لأدوات الذكاء الاصطناعي في غضون أشهر بسبب استخدام الأنظمة المستقلة، في حين أن المكاسب الإنتاجية المتوقعة غالبًا ما تكون هائلة. والسبب الرئيسي هو التحول الشامل في القطاع إلى نماذج الفوترة القائمة على الرموز. فبذريعة "الدفع مقابل الاستخدام"، ينقل مقدمو الخدمات كامل المخاطر المالية إلى عملائهم من الشركات، حيث يتقاضون رسومًا فقط مقابل قوة الحوسبة نفسها، بغض النظر عما إذا كان الذكاء الاصطناعي يحل المهمة بشكل صحيح أو يقدم قيمة اقتصادية حقيقية. تحلل هذه المقالة المخاطر الخفية لتحول تسعير الذكاء الاصطناعي الحالي، وتشرح التوتر الحاسم بين التحكم في الميزانية وتبني الذكاء الاصطناعي، وتوضح لماذا يُعد التسعير القائم على النتائج الحل المستدام الوحيد لمستقبل الذكاء الاصطناعي في المؤسسات.

ذو صلة بهذا الموضوع:

• UNFRAME.AI: التسعير القائم على الرموز معيب. النماذج القائمة على النتائج تُصلحه

من يدفع الثمن عندما لا يقدم الذكاء الاصطناعي أي شيء؟ هذه هي محاسبة صناعة لم تفهم قيمتها الذاتية

يواجه نموذج أعمال الذكاء الاصطناعي التوليدي أزمة جوهرية. ليس لأن التكنولوجيا نفسها فاشلة، بل لأن طريقة تسعيرها تُقلب المنطق الاقتصادي رأسًا على عقب: تتحمل الشركات كامل المخاطر المالية، بينما يحصل المزود على مستحقاته بغض النظر عن النتيجة. في مايو 2026، ألغت مايكروسوفت تراخيص Claude Code الداخلية لآلاف الموظفين في قسم التجارب والأجهزة. استنفدت أوبر ميزانيتها المخصصة للذكاء الاصطناعي لعام 2026 بالكامل في أربعة أشهر فقط، نظرًا لعمل 5000 مهندس بشكل مكثف مع Claude Code، مما أدى إلى تكاليف شهرية تتراوح بين 500 و2000 دولار أمريكي للشخص الواحد. أما GitHub، أكبر منصة تطوير في العالم والتابعة لمايكروسوفت، فقد ألغت نظام التسعير الثابت في 1 يونيو 2026، واستبدلته بنظام ائتمان قائم على الرموز. هذه الأحداث الثلاثة التي وقعت في غضون أسابيع قليلة ليست مصادفة، بل هي أعراض خلل هيكلي متأصل في بنية تسعير صناعة الذكاء الاصطناعي.

نهاية عصر الدعم: عندما يكتشف السوق السعر

حظيت المرحلة الأولى من الذكاء الاصطناعي التوليدي بدعم حكومي كبير. فقد قدمت شركات مثل أنثروبيك وأوبن إيه آي ومايكروسوفت خدماتها بأسعار أقل بكثير من تكاليف البنية التحتية الفعلية، وذلك بهدف اكتساب حصة سوقية، وفهم سلوك المستخدمين، وبناء بيئات تطوير متكاملة. رسوم ثابتة لمساعدي البرمجة، وجلسات دردشة غير محدودة مقابل مبالغ شهرية زهيدة، واختبارات مؤسسية سخية على نفقة الشركة - كل هذا كان ممكناً بفضل تمويل رأس المال الاستثماري لفرق السعر، ولأن التكاليف الحقيقية لاستخدام سير العمل القائم على الوكلاء لم تكن معروفة آنذاك.

انتهت هذه المرحلة بشكل واضح. بررت GitHub صراحةً تحولها إلى نظام الفوترة القائم على الرموز، موضحةً أن استخدام الوكلاء أصبح هو السائد، وأن تكاليف الحوسبة المرتبطة به لم تعد كافية لتغطية نماذج السعر الثابت السابقة. وقالت الشركة بوضوح: كان سؤال قصير في الدردشة وجلسة برمجة مستقلة لعدة ساعات يكلفان نفس المبلغ - وهذا غير مستدام. وشهد المطورون الذين كانوا يعملون سابقًا بنظام الوكلاء دون قيود مقابل 10 إلى 39 دولارًا شهريًا، ارتفاعًا في تكاليفهم من 50 دولارًا فقط إلى أكثر من 3000 دولار شهريًا بعد التغيير. وحصد منشور المجتمع الذي أعلن عن هذا التغيير ما يقارب 900 صوت معارض.

تتوقع مؤسسة غارتنر أن يصل الإنفاق العالمي على الذكاء الاصطناعي إلى 2.52 تريليون دولار أمريكي في عام 2026، بزيادة قدرها 44% على أساس سنوي. ومع هذا الحجم الهائل من الإنفاق العالمي، لم يعد السؤال حول من يتحمل التكاليف ومن يجني الفوائد مجرد نقاش نظري، بل أصبح مسألة جوهرية في حوكمة الشركات. ومن المتوقع أن يرتفع الإنفاق على البنية التحتية للذكاء الاصطناعي وحده إلى 1.37 تريليون دولار أمريكي في عام 2026. في الوقت نفسه، ووفقًا لدراسة أجراها معهد ماساتشوستس للتكنولوجيا في يوليو 2025، فشلت حوالي 95% من المشاريع التجريبية للذكاء الاصطناعي على مستوى المؤسسات في تحقيق أثر ملموس على الأرباح والخسائر. هذا التناقض - ارتفاع النفقات وانعدام العائد - هو جوهر المشكلة.

خمس فئات من المخاطر التي تنقلها نماذج تسعير الرموز إلى الشركة

وراء عبارة "ادفع مقابل ما تستخدم" البريئة ظاهرياً، يكمن تحويل منهجي لخمس فئات مخاطر مختلفة من المزوّد إلى العميل من الشركات. كل من يفهم هذه الآلية يدرك لماذا لا يُعدّ نظام الفوترة بالرموز طريقة فوترة محايدة، بل هو في الواقع عيب هيكلي للمشتري.

مخاطر الميزانية: المورد هو من يتحكم بالوحدة، وليس المشتري

مع نموذج التسعير القائم على الرموز، تلتزم الشركة بميزانية سنوية لوحدة تكلفة يمكن للمزود تغيير سعرها في أي وقت، ويتغير استهلاكها بشكل غير خطي مع ازدياد الاستخدام. على سبيل المثال، في مايو 2026، أعلنت شركة أنثروبيك أن المشتركين في أدوات الوكلاء وعمليات التكامل مع جهات خارجية سيحصلون على بدلات شهرية منفصلة تُحاسب وفقًا لأسعار واجهة برمجة التطبيقات القياسية. يُعد هذا تعديلًا أحادي الجانب للسعر يُقلل فورًا من قيمة الميزانية الحالية. وقد اختبرت أوبر ذلك بنفسها: فقد نفدت ميزانية محسوبة لاثني عشر شهرًا في أربعة أشهر فقط. لم تكن المشكلة في تبني النظام، بل كان ذلك في الواقع مؤشرًا على النجاح. تكمن المشكلة في أن وحدة "الرمز" تتوسع بشكل كبير بمجرد تطبيق سير العمل القائم على الوكلاء، بينما كانت الميزانية مُخططة بشكل خطي.

مخاطر التبني: الاستخدام وخلق القيمة منفصلان

يُحاسب النظام القائم على الرموز على قوة الحوسبة، لا على النتائج. فتكلفة نموذج يستخدم 100,000 رمز ويُقدم إجابة خاطئة تُعادل تمامًا تكلفة نموذج يستخدم 100,000 رمز ويُقدم إجابة صحيحة. هذا الفصل بين التكاليف والفوائد هو المشكلة الاقتصادية الأساسية. وهذا يعني أن بإمكان الشركة بناء سير عمل حول نظام قائم على الرموز، وتشغيله، ودفع ثمنه، دون أن ترى أي قيمة مضافة قابلة للقياس. في هذا السياق، فإن حقيقة تخلي 42% من الشركات عن غالبية مبادراتها في مجال الذكاء الاصطناعي عام 2025، وهي زيادة كبيرة من 17% في العام السابق، لا تُعد مشكلة تقنية بقدر ما هي مشكلة تسعير. فبنية الحوافز المعيبة تؤدي إلى استثمارات خاطئة لا تتضح إلا بعد أشهر من التشغيل.

مخاطر التنبؤ: تقلبات لا يمكن السيطرة عليها في تخطيط التكاليف

بالنسبة للمديرين الماليين، تُعدّ فواتير الرموز فئة من النفقات التي تتصرف كأخطاء التحوّط من العملات: فهي غير قابلة للنمذجة أساسًا نظرًا لتأثير العديد من المتغيرات الخارجية عليها. فكل حالة استخدام جديدة، وكل مستخدم داخلي جديد، وكل تغيير في سلوك النموذج، وكل زيادة في حجم نافذة السياق، كلها عوامل تدفع الفاتورة في اتجاه غير متوقع. يُضاف إلى ذلك ما يُعرف بانتشار الوكلاء: فعندما تُطبّق الشركات سير العمل القائم على الوكلاء عبر مختلف الأقسام، يتضاعف عدم القدرة على التنبؤ. يُضيف كل وكيل جديد إدخالًا آخر إلى سجل الرموز، دون أي ضمان للعائد. مع إصدار Claude Opus 4.7، قدّمت Anthropic قفزة نوعية، وبسبب سلاسل الاستدلال الموسّعة، تستهلك رموزًا أكثر بنسبة 30% تقريبًا من سابقتها - أي زيادة في التكلفة بنسبة 30% بين ليلة وضحاها، دون أي معاملة جديدة أو طلب عميل واحد يُبرّرها.

مخاطر الحوكمة: تتناسب حماية البيانات والامتثال مع حجم الاستهلاك

في القطاعات الخاضعة للتنظيم - كالخدمات المالية والرعاية الصحية والتأمين - ينطوي كل استخدام للرموز الرقمية على بُعد حوكمة: إذ تُمرَّر بيانات الشركات عبر بنية تحتية للاستدلال تابعة لجهات خارجية مع كل استدعاء لواجهة برمجة التطبيقات (API). وهذا يعني أنه كلما زاد استهلاك الرموز الرقمية، زادت كمية البيانات الخارجة من محيط الأمان الداخلي. وفي بيئة تخضع للوائح حماية البيانات العامة (GDPR) ومعيار SOC 2 وقانون HIPAA وقانون الذكاء الاصطناعي للاتحاد الأوروبي، يُولِّد هذا الأمر تكاليف امتثال، ومخاطر تدقيق، ومسؤوليات قانونية تتزايد مع كثافة الاستخدام. وبالتالي، فإن فوترة الرموز الرقمية وسيادة البيانات تُشكِّلان توترًا هيكليًا: فمن يستخدم الذكاء الاصطناعي بشكل أكبر يتحمل تلقائيًا مخاطر تنظيمية أكبر - وهي مشكلة تحفيزية تُعيق استخدام الذكاء الاصطناعي بشكل آمن وقابل للتوسع.

مخاطر النتائج: صمت مزودي الذكاء الاصطناعي بشأن التأثير

إن أقل المخاطر التي يتم الحديث عنها هي الأكثر خطورة. تقيس نماذج تسعير الرموز الاستهلاك، لا خلق القيمة. يتلقى المزود الدفع بغض النظر عما إذا كان لبرنامج الذكاء الاصطناعي الخاص بالشركة تأثير ملموس على الأرباح والخسائر، أو ما إذا كان سينضم إلى قائمة طويلة من مشاريع الذكاء الاصطناعي التجريبية للشركات التي فشلت في تحقيق عائد ملموس. تشير دراسة أجراها معهد ماساتشوستس للتكنولوجيا إلى أن هذه النسبة تصل إلى 95%. بعبارة أخرى، في الغالبية العظمى من الحالات، تدفع الشركة دون الحصول على أي قيمة اقتصادية قابلة للتحقق، ولا يملك المزود أي حافز متعلق بنموذج أعماله لتغيير ذلك.

منطق التسعير في هذه الصناعة: سوق لم يكن يعرف قيمته

يكمن السبب الجذري لأزمة الأسعار الحالية في نشأة سوق الذكاء الاصطناعي العام. فقد سوّقت هذه الصناعة منتجاتها قبل فهم تكلفتها الحقيقية في بيئات المؤسسات الإنتاجية. وتمّ تصميم نماذج التسعير ذات الأسعار الثابتة والرموز كاستراتيجيات لدخول السوق، لا كهياكل تجارية مستدامة. وقد أقرّت منصة GitHub نفسها بأنّ نماذج الأسعار الثابتة الحالية تستوعب تكاليف الاستدلال الفعلية، وأنّ هذه الآلية غير مستدامة لمقدّمي الخدمات على المدى الطويل.

أدى ذلك إلى وضعٍ متناقض: فكلما زاد نجاح التبني، ارتفع خطر الخسارة بالنسبة للمزود، وزادت مخاطر الميزانية بالنسبة للشركة. تُعدّ أوبر المثال الأوضح على ذلك: فقد ارتفع تبني Claude Code من 32% إلى 84% من المطورين، و70% من التعليمات البرمجية المُلتزم بها كانت مُولّدة بواسطة الذكاء الاصطناعي، وكانت مكاسب الإنتاجية حقيقية وقابلة للقياس. ومع ذلك، وصف برافين نيبالي ناغا، كبير مسؤولي التكنولوجيا في أوبر، الوضع على النحو التالي: "أعود إلى نقطة الصفر لأن الميزانية التي اعتقدت أنها ضرورية قد استُنفدت بالفعل". لقد نجحت التكنولوجيا، لكن نموذج التسعير لم ينجح.

وهذا يفسر أيضًا قرار مايكروسوفت إلغاء تراخيص Claude Code لقسم التجارب والأجهزة التابع لها، ونقل المطورين إلى واجهة سطر الأوامر GitHub Copilot. السبب الرسمي المعلن هو "توحيد سلسلة الأدوات"، أما داخليًا، فكان قرارًا ماليًا. فقد كان آلاف المهندسين الذين يطورون أنظمة Windows وMicrosoft 365 وTeams وOutlook وSurface يستخدمون Claude Code بكثافة منذ إطلاقه التجريبي في ديسمبر 2025، وقد استنفدت تكاليف التراخيص الميزانية السنوية قبل نهاية العام بوقت طويل. مايكروسوفت، الشركة التي استثمرت 13 مليار دولار في OpenAI وتُشغّل الحوسبة السحابية التي تعمل عليها معظم مختبرات تطوير واجهات المستخدم للذكاء الاصطناعي، نظرت إلى الأرقام وقررت بناءً على التكلفة، وليس القيمة المتوقعة.

نماذج تسعير موجهة نحو النتائج: بنية تجارية مختلفة، بدون خصم

كثيراً ما يُساء فهم مصطلح التسعير القائم على النتائج في السوق. فهو لا يتعلق بأسعار الرموز المخفضة، أو باقات الخصم، أو الدفع المؤجل. بل هو بنية تجارية مختلفة تماماً: يُدفع للمُزوّد ​​مقابل كل مهمة مُنجزة، شريطة أن يتم التحقق من نتيجة عمل محددة ضمن سير عمل مُحدد، وليس مقابل الجهد الحسابي المُبذل خلال العملية.

لعقود طويلة، اعتمدت برامج المؤسسات على مبدأ النظام واتفاقية مستوى الخدمة: يتحمل المورّد مسؤولية اقتصاديات الوحدة ويضمن أن يقدم الحل النتائج المرجوة. أنظمة تخطيط موارد المؤسسات، ومنصات إدارة علاقات العملاء، وبرامج المحاسبة - لم يسبق لأي من هذه الفئات أن اعتمدت في محاسبتها على الوصول إلى قواعد البيانات، أو استدعاءات واجهة برمجة التطبيقات، أو دورات المعالجة. بل اعتمدت في محاسبتها على عدد المستخدمين، أو الوحدات، أو نتائج الأداء. يجب أن يلتزم تسعير الذكاء الاصطناعي بالمعيار نفسه.

مع ذلك، لا يكون نموذج التسعير القائم على النتائج مجديًا اقتصاديًا إلا إذا استطاع المزوّد استيعاب التباين بنفسه، أي إذا بنى منصة ذات كفاءة تسمح له بتحمّل المخاطر داخليًا. معظم المزوّدين لا يستطيعون فعل ذلك، فتكاليف إنتاجهم هي نفسها تكلفة الخدمة التي تتحملها الشركة، وهم ببساطة ينقلونها إلى المستهلك. يتطلب التسعير القائم على النتائج من المزوّد ربط دخله بالنتيجة، وهذا يُشكّل نمطًا مختلفًا تمامًا للمخاطر، وهو ما يفسر ندرة هذا النموذج في السوق حتى الآن.

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

نموذج عملي: كيف يعمل تقديم الذكاء الاصطناعي الموجه نحو النتائج

تتبع المنصات التي تُطبّق مبدأ النتائج باستمرار منطقًا مختلفًا في التعامل. فبدلًا من استئجار البنية التحتية وحساب التكاليف فقط، تُحدّد هذه المنصات أولًا سير العمل الأكثر قيمةً لحالة استخدام الشركة، أي العملية التي تُحقق تأثيرًا ملموسًا بأسرع وقت. ثم يتم نشر حل جاهز للاستخدام ضمن بنية الشركة التحتية: سواءً في سحابة المؤسسة، أو محليًا، أو في سحابة خاصة، أو كخدمة SaaS مُدارة بالكامل، مع ضمان عدم خروج البيانات من نطاق الشركة. ولا يبدأ الدفع إلا بعد توفر النتيجة ورضا العميل.

لهذا النموذج آثارٌ بعيدة المدى على تقاسم المخاطر. فهو يُلزم المُزوّد ​​بتركيز موارده على حالات الاستخدام التي تُحقق قيمة حقيقية بدلاً من تلك التي تستهلك الكثير من الرموز. كما يُحقق توافقاً مباشراً في المصالح بين المُزوّد ​​والعميل: فكلاهما يربح عندما يعمل الذكاء الاصطناعي بكفاءة، ولا يربح أيٌّ منهما على حساب الآخر عندما لا يعمل. بالنسبة للقطاعات الخاضعة للتنظيم، فإنّ فرضية عدم خروج البيانات من نطاق الشركة تُوفّر أيضاً بنية امتثال متوافقة مع اللائحة العامة لحماية البيانات (GDPR)، ومعيار SOC 2، وقانون HIPAA، وقانون الذكاء الاصطناعي للاتحاد الأوروبي.

تتمثل إحدى المزايا الرئيسية للمنصات المُنفذة بكفاءة والموجهة نحو النتائج في هيكلها المعرفي التراكمي: فكل عملية سير عمل تُنجز بنجاح تُبنى على قاعدة معرفية داخلية مشتركة تزداد قيمتها مع كل مهمة لاحقة. وهذا يتناقض تمامًا مع عمليات النشر القائمة على الرموز، والتي، على الرغم من تراكم التكاليف، لا تُرسخ المعرفة المؤسسية داخل الشركة.

وجهة نظر المدير المالي: فوترة الرموز كمشكلة ميزانية تصنيفية

بالنسبة للمختصين في الشؤون المالية، يُمثل نظام الفوترة الرمزية نوعًا جديدًا تمامًا من نفقات التشغيل، لا توجد له هياكل حوكمة مُعتمدة. وقد شهدت تكاليف الحوسبة السحابية - من حوسبة وتخزين وشبكة - تطورًا ملحوظًا على مدار الخمسة عشر عامًا الماضية. وقد أدى علم إدارة العمليات المالية (FinOps) إلى ظهور أساليب وأدوات ووحدات تنظيمية تجعل الإنفاق على الحوسبة السحابية قابلاً للتنبؤ والتحكم. ولا يزال هناك نقص في نموذج مُماثل لتكاليف تشغيل وكلاء الذكاء الاصطناعي.

لا يتناسب استهلاك الرموز مع عدد المستخدمين، بل مع مدى طموح التوجيهات، وطول فترات السياق، وعدد الوكلاء العاملين في وقت واحد، وتعقيد سلاسل الاستدلال. هذا يعني أن شركةً تُحوّل 100 مهندس من الإكمال التلقائي البسيط إلى سير العمل القائم على الوكلاء، يُمكنها مضاعفة جهودها الشهرية في مجال الذكاء الاصطناعي من خمسة إلى عشرين ضعفًا، دون إضافة مستخدم جديد واحد. في هذا السياق، تُعتبر افتراضات التخطيط القياسية القائمة على أعداد المستخدمين أو أحجام الجلسات معيبةً من الناحية الهيكلية.

لهذا الأمر تبعات ملموسة على تخطيط الميزانية. يتطلب هيكل الإنفاق آليات تحكم مماثلة لتلك المستخدمة في قطاع الطاقة: قياس فوري، وتنبيهات عند تجاوز الحدود المحددة، وحصص محددة لكل فريق، وحدود قصوى صارمة على مستوى الموظفين. الشركات التي لا تُطبّق هذه الآليات قبل بدء التبني ستواجه عواقب وخيمة عند استنفاد الميزانية، كما حدث مع شركة أوبر. لم تكن لدى الشركة حدود لكل فريق، ولا نظام تتبع مركزي، ولا رؤية فورية للاستهلاك حتى أبلغ المدير التقني قبل الأوان عن استنفاد الميزانية السنوية.

ديناميكيات السوق: من يملك زمام الأمور في هذا التحول السعري؟

إن التحول الحالي في الأسعار ليس متناظرًا. تتمتع شركات الحوسبة السحابية العملاقة، مثل مايكروسوفت وجوجل وأمازون، بنفوذ هيكلي يميزها عن مزودي الخدمات الأصغر حجمًا: فهي تسيطر على قنوات التوزيع، وعقود المؤسسات، والبنية التحتية السحابية، وأدوات المطورين. لم تُغلق مايكروسوفت منصة Claude Code لأن Copilot أفضل - فقد أظهرت استطلاعات داخلية أن المطورين يفضلون Claude Code. بل أغلقتها الشركة لأنها تسيطر على التوزيع ولا تستطيع التحكم في تكاليف الرموز أو استغلالها استراتيجيًا لمنتج منافس.

يُعدّ هذا التفاعل بالغ الأهمية لفهم تحوّل الأسعار ككل. فبالنسبة لمزوّدي خدمات الحوسبة السحابية العملاقة، لا يُمثّل الابتعاد عن الأسعار الثابتة وإدخال نظام فوترة الرموز إصلاحًا للأسعار، بل هو تحسين للإيرادات. إذ يستفيد هيكليًا من نظام الفوترة القائم على الاستهلاك أولئك الذين يُسيطرون على البنية التحتية التي تُشغّل هذه النماذج، والذين يُديرون أنظمة الفوترة، والذين يمتلكون عقود المؤسسات. أما النموذج المُعاكس - التسعير القائم على النتائج - فيُهدّد هذه الإيرادات، لأنه يُجبر المزوّد على تحمّل المخاطر بدلًا من نقلها إلى المستهلك.

بالنسبة للشركات المتوسطة والكبيرة التي لا تُصنّف ضمن الشركات العملاقة في مجال الحوسبة السحابية، تُشكّل هذه المسألة تحديًا كبيرًا عند تجديد العقود. ووفقًا لتحليل أجرته شركة جي بي مورغان، فإن الضغط على البنية التحتية للذكاء الاصطناعي قد يُؤدي إلى احتكاكات اقتصادية قبل تحقيق العوائد المرجوة. أما الشركات التي لا تُفاوض بفعالية على توزيع المخاطر في عقد الذكاء الاصطناعي القادم، فستقبل بوضعٍ قياسي غير مُواتٍ لها هيكليًا.

الرسالة من اقتصاديات الاستثمار: إذا لم تكن الكفاءة هدفاً، فإنها تصبح مشكلة

هناك حجة مضادة لانتقادات تكلفة نظام الفوترة القائم على الرموز، ويجب أخذها على محمل الجد. ففي شركة أوبر، أنتج الذكاء الاصطناعي 70% من الكود المُلتزم به و11% من جميع تحديثات الواجهة الخلفية المباشرة. يكلف مهندس في سان فرانسيسكو الشركة سنويًا أكثر بكثير من 2000 دولار شهريًا تكلفة الرموز. إذا زادت البرمجة المدعومة بالذكاء الاصطناعي الإنتاجية ولو بنسبة ضئيلة من أغلى موارد الشركة، فقد يفوق العائد على الاستثمار التكاليف.

الحجة ليست خاطئة، بل هي ناقصة. أولًا، لا تصح إلا إذا كانت مكاسب الإنتاجية قابلة للقياس الكمي، ويمكن عزوها بشكل مباشر إلى مجموعة الأدوات، وهو أمر نادرًا ما يُقاس بشكل منهجي في معظم الشركات. ثانيًا، تفترض أن الوقت الهندسي المُوفَّر يُترجم إلى وفورات فعلية في التكاليف أو إيرادات إضافية تُعزى مباشرةً إلى الذكاء الاصطناعي، وليس، كما هو الحال في العديد من المؤسسات، يؤدي ببساطة إلى مزيد من العمل، مما يستهلك بدوره المزيد من موارد نظام الذكاء الاصطناعي. ثالثًا، لا تكون المقارنة صحيحة إلا إذا تم التحقق من صحة نتيجة عمل الذكاء الاصطناعي: فالكود المُولَّد ولكن غير المُستخدَم بشكل فعّال لا يُعادل قيمة عمل مهندسين ذوي خبرة.

وبالتالي، تبقى الحجة الأساسية للتسعير القائم على النتائج قائمة: إذا كان العائد حقيقياً، يمكن للمزود إثباته تعاقدياً وربط دخله به. أما إذا لم يستطع أو لم يرغب في ذلك، فهناك أسباب هيكلية لذلك، تضر بالمشتري.

الآثار الاستراتيجية على إدارة الشركات

ستوفر أحداث النصف الأول من عام 2026 لإدارة الشركة استنتاجات تشغيلية واضحة.

أولًا، يتطلب التحكم في الإنفاق المدعوم بالذكاء الاصطناعي وجود قسم متخصص في إدارة العمليات المالية (FinOps)، والذي يجب أن يكون هيكله مشابهًا لإدارة العمليات المالية السحابية، ولكنه يتطلب منهجياته الخاصة. يُعد استهلاك الرموز غير خطي، ويعتمد على كل وكيل وإصدار النموذج. لوحات المعلومات غير كافية؛ فالمطلوب هو تحديد سقف للميزانية في الوقت الفعلي على مستوى الفريق والوكيل، وآليات إيقاف تلقائية عند تجاوز الحدود، وسجلات تدقيق على مستوى كل عملية تشغيل.

ثانيًا، لا توفر المشاريع التجريبية التي تستخدم نظام فوترة الرموز توقعات موثوقة لتكاليف الإنتاج. فمشروع تجريبي بتكلفة 1000 يورو شهريًا قد يتوسع إلى 100 ضعف استخدامه الأصلي في بيئة الإنتاج، مما يتجاوز الموارد المخصصة في الميزانية. لذا، يجب أن يستند تخطيط الإنفاق على الذكاء الاصطناعي إلى افتراضات الإنتاج، وليس إلى استخدام المشاريع التجريبية.

ثالثًا، ينطوي كل تجديد عقد مع مزودي حلول الذكاء الاصطناعي على بُعد تفاوضي استراتيجي لا يُستغل بالشكل الأمثل حاليًا. والسؤال الذي ينبغي على كل شركة طرحه على مزود حلول الذكاء الاصطناعي في الاجتماع القادم بسيط ومباشر: ما المبلغ الذي سأدفعه في حال فشل الحل؟ إن المزود الذي يرفض مشاركة مخاطر الفشل يقع في تضارب مصالح مع المشتري، وهو أمر لا يمكن تجاهله في أي عملية شراء جادة.

رابعًا، تُعدّ سيادة البيانات متغيرًا مستقلًا من حيث التكلفة والمخاطر، وليست مجرد مسألة امتثال. فالشركات العاملة في القطاعات الخاضعة للتنظيم والتي تستخدم خدمات قائمة على الرموز في الحوسبة السحابية العامة، تُراكم جهود الامتثال، وتتعرض للتدقيق، وتواجه مخاطر المسؤولية المحتملة مع كل وحدة استخدام. وبحلول عام 2026، سيصل الذكاء الاصطناعي السيادي - أي بنية الذكاء الاصطناعي التي تُدار ضمن نطاق الشركة - إلى مستوى متكافئ تقنيًا مع نماذج الواجهة الأمامية السحابية: فبحسب مؤشر ستانفورد HAI 2026 للذكاء الاصطناعي، سيتقلص الفارق في الأداء بين أفضل النماذج المفتوحة الموزونة وأكثر الأنظمة الاحتكارية تطورًا إلى ثلاثة أشهر في المتوسط.

التوقعات: ماذا يعني تحول الأسعار لعام 2027؟

يشهد السوق تقلبات. يُعدّ التحوّل من الأسعار الثابتة إلى نظام الفوترة بالرموز انتصارًا قصير الأجل لمقدّمي الخدمات، إذ تزداد الإيرادات مع زيادة الاستخدام. أما على المدى المتوسط، فهو بمثابة حافز لثلاثة تطورات متوازية ستُغيّر هيكل الأسعار تغييرًا جذريًا.

أولاً، سيزداد الضغط التنافسي نتيجةً لنماذج المصادر المفتوحة. فإذا وصلت تكاليف الرموز المميزة الاحتكارية لنشر الوكلاء على مستوى المؤسسة إلى ستة أرقام سنوياً، وقدمت نماذج الأوزان المفتوحة أداءً مماثلاً على الأجهزة المحلية، فإن حساب التكلفة الإجمالية للملكية سيميل لصالح البنية التحتية المحلية - لا سيما بالنسبة للشركات الأوروبية التي تعطي الأولوية للامتثال للائحة العامة لحماية البيانات وسيادة البيانات.

ثانيًا، ستشهد نماذج التسعير القائمة على النتائج نموًا في السوق لأنها تمنح عملاء المؤسسات موقفًا تفاوضيًا لا توفره أنظمة الفوترة الرمزية بطبيعتها. ورغم أن عددًا قليلًا فقط من مزودي الخدمات يمتلكون حاليًا كفاءة المنصة اللازمة لتقديم هذا النموذج بشكل مربح، إلا أن المنافسة ستجبرهم على تقليده.

ثالثًا، ستصبح حوكمة الذكاء الاصطناعي - بما في ذلك قياس عائد الاستثمار، وتتبع مساهمات خلق القيمة، وتحديد معايير النجاح تعاقديًا - مجالًا تجاريًا مستقلًا، يُضاهي حماية البيانات أو الأمن السيبراني. تتوقع غارتنر أن يصل الإنفاق العالمي على الذكاء الاصطناعي إلى 3.34 تريليون دولار بحلول عام 2027. عند هذا الحجم، لن يقبل المسؤولون التنفيذيون في الشركات الذكاء الاصطناعي كبند في الميزانية دون معايير نجاح قابلة للتحقق.

السؤال المحوري ليس ما إذا كان نظام الفوترة القائم على الرموز سيُستبدل بنماذج تركز على النتائج - فالمنطق الاقتصادي يشير إلى حدوث ذلك. السؤال هو ما إذا كانت الشركات ستُساهم بفعالية في تشكيل هذا التحول أم ستسمح بفرضه عليها بشكل سلبي من خلال فواتير متزايدة باستمرار. أولئك الذين يُعدّلون بنية عقود استثماراتهم في الذكاء الاصطناعي الآن هم من يتخذون المسار الصحيح.

يسعدني أن أكون مستشارك الشخصي.

يمكنكم التواصل معي عبر البريد الإلكتروني wolfenstein∂xpert.digital أو

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن