"التعظيم الرمزي" - هل كانت أمازون هي المسؤولة؟ لماذا أنفقت شركة ما نصف مليار دولار على الرموز الرقمية: الذكاء الاصطناعي المُدار كآلية وقائية

فخ الـ 500 مليون دولار: لماذا تُهدر أنظمة الذكاء الاصطناعي المستقلة ميزانيات الشركات؟

شهر واحد فقط، ووصول غير محدود إلى نماذج الذكاء الاصطناعي، وفاتورة باهظة بقيمة 500 مليون دولار: كشفت حادثة حديثة من عالم الشركات عن المخاطر المالية الهائلة للذكاء الاصطناعي عند استخدامه دون ضوابط واضحة. فبينما يتولى ما يُسمى بـ"الذكاء الاصطناعي الوكيل" مهامًا معقدة بشكل متزايد بشكل مستقل، تتسبب ظواهر مثل "الحد الأقصى للرموز" في ارتفاع التكاليف بشكل هائل في الخفاء، غالبًا دون أي قيمة مضافة ملموسة للشركة. حتى عمالقة التكنولوجيا مثل أمازون وأوبر وميتا تعلموا الدرس بالطريقة الصعبة، وهو أن نشر الذكاء الاصطناعي غير المنضبط يلتهم الميزانيات في وقت قياسي. تُسلط هذه الحالة الضوء على ما يُمكن اعتباره أغلى فشل في مجال الذكاء الاصطناعي في تاريخ الشركات، وتُوضح بجلاء لماذا لم يعد "الذكاء الاصطناعي المُدار" - أي التحكم المنهجي في سير عمل الذكاء الاصطناعي وإدارته والحد منه - ميزة اختيارية في تكنولوجيا المعلومات، بل ضرورة استراتيجية مُطلقة لكل شركة.

عندما يصبح غياب الحوكمة أكثر تكلفة من نموذج الذكاء الاصطناعي نفسه

في مكان ما داخل قسم المحاسبة بإحدى الشركات الكبرى، لا يزال فريق مالي يُعالج أحداث شهر واحد. لا تقرير ربع سنوي، ولا خطة سنوية - كان شهر واحد كافيًا لتحويل ما يقارب 500 مليون دولار إلى منصة كلود التابعة لشركة أنثروبيك، دون أن يتمكن أحد من تجميد الإنفاق. ليس لأن الشركة عاجزة عن وضع حد، بل ببساطة لأن أحدًا لم يفعل ذلك.

تُعتبر هذه الحالة، التي نشرتها أكسيوس لأول مرة في 28 مايو 2026 وأكدها مستشار في مجال الذكاء الاصطناعي، أكبر خسارة شهرية معروفة في تاريخ الشركات نتيجة لتجاوزات في تكاليف الذكاء الاصطناعي. وهي ليست حادثة معزولة على هامش القطاع، بل هي عرض من أعراض ضعف هيكلي يُعاني منه حاليًا العديد من الشركات الكبرى: الجمع بين الاستخدام المفرط للذكاء الاصطناعي الآلي والغياب شبه التام لهياكل إدارة الذكاء الاصطناعي.

تفاصيل القضية: 500 مليون دولار بدون حد أقصى

لم تُفصح أكسيوس ولا المستشار المذكور عن اسم الشركة المعنية. انتشرت تكهنات حول أمازون على منصة X، لكن دون أي دليل. ما هو معروف أن الشركة منحت موظفيها وصولاً غير مقيد إلى منصة كلود التابعة لشركة أنثروبيك - دون حدود للإنفاق، ودون حصص استخدام، ودون لوحات تحكم فورية لمراقبة استهلاك الرموز.

كانت النتيجة زيادة هائلة في التكاليف. استخدم الموظفون على نطاق واسع برامج الذكاء الاصطناعي للبرمجة، وسير العمل ذي النطاقات الزمنية الطويلة، وأنظمة الذكاء الاصطناعي متعددة الطبقات التي تربط المهام ببعضها تلقائيًا. لم تتدخل الإدارة المالية ولا هياكل حوكمة تكنولوجيا المعلومات. وعندما وصلت الفاتورة، تبين إنفاق 500 مليون دولار في شهر واحد فقط.

توفر أنثروبيك آليات تحكم على مستوى المؤسسات: لوحات تحكم للمسؤولين، وحدود استخدام للمستخدمين، وأدوات امتثال. مع ذلك، تتطلب هذه الميزات تهيئة استباقية. في هذه الحالة، تم إهمال هذه التهيئة تمامًا. والنتيجة: حققت أنثروبيك إيرادات شهرية من عميل واحد بمستوى لا يحلم به عادةً أصحاب رؤوس الأموال المغامرة.

الذكاء الاصطناعي الوكيل: مضاعف التكلفة الصامت

لفهم كيف يمكن تحقيق 500 مليون دولار في 30 يومًا، يجب فهم طبيعة ما يُسمى بأنظمة الذكاء الاصطناعي الوكيلة. يستهلك الاستعلام النموذجي لنموذج لغوي - حيث تكتب سؤالًا وتتلقى إجابة - عددًا معقولًا من الرموز. أما وكيل الذكاء الاصطناعي، فيعمل بطريقة مختلفة تمامًا.

تخطط أنظمة الذكاء الاصطناعي الوكيلة بشكل مستقل، وتنفذ مهامًا متعددة بالتتابع، وتقيّم نتائجها الوسيطة، وتصحح نفسها، وتستعين بأدوات خارجية، وتعيد صياغة سياق سجل المحادثات السابق بالكامل مع كل خطوة. يتطلب كل إجراء جديد من النموذج معالجة ليس فقط الموجه الحالي، بل سجل المحادثات المتراكم بالكامل - وهو تأثير تراكمي يؤدي إلى تصاعد تكاليف الرموز بشكل كبير. وقد أظهرت دراسة حديثة أجراها مختبر ستانفورد للاقتصاد الرقمي، بمشاركة إريك برينجولفسون، تجريبيًا أن مهام الذكاء الاصطناعي الوكيلة تستهلك، في المتوسط، ما يصل إلى 1000 ضعف عدد الرموز التي تستهلكها مهام الاستدلال البرمجي البسيطة أو محادثات البرمجة.

كشفت الورقة البحثية عن نتيجة بالغة الأهمية: النماذج غير قادرة هيكليًا على التنبؤ بتكاليف الرموز الخاصة بها. ففي المهام المتطابقة، قد يختلف استهلاك الرموز الفعلي لنفس العامل بمقدار 30 ضعفًا. كما أن ارتفاع استهلاك الرموز لا يعني بالضرورة نتائج ذات جودة أعلى، إذ غالبًا ما تصل الدقة إلى ذروتها عند استخدام متوسط ​​للرموز، ثم تستقر عند مستويات استهلاك أعلى.

إن هذه العشوائية المتأصلة تجعل وضع ميزانية الرموز وفقًا للمنطق المالي الكلاسيكي أمرًا شبه مستحيل - إلا إذا قام المرء بإنشاء أطر هيكلية من خلال أنظمة الذكاء الاصطناعي المُدارة التي تتحكم في تدفق التكلفة بشكل مستقل عن سلوك النموذج.

الترميز: عندما تنحرف حوافز الأداء

إن قضية الـ 500 مليون رمز ليست حادثة معزولة، بل هي جزء من ظاهرة أوسع باتت تُعرف باسم "تضخيم الرموز". ويشير هذا المصطلح إلى التضخيم المتعمد لاستهلاك الرموز، ليس بدافع حاجة حقيقية، بل لتحقيق مؤشرات الأداء الداخلية، أو للترقي الوظيفي، أو ببساطة لاستغلال عدم دقة مقاييس الإنتاجية المدعومة بالذكاء الاصطناعي.

أطلقت أمازون نظام تصنيف داخليًا يُدعى "KiroRank" لمنصة تطوير البرمجيات "Kiro"، والذي قيّم الموظفين بناءً على استخدامهم للذكاء الاصطناعي. كان الهدف الأولي جديرًا بالثناء: تشجيع تبني الذكاء الاصطناعي وتسليط الضوء على أفضل الممارسات. لكن النتيجة غير المقصودة كانت أن الموظفين بدأوا بتكليف وكلاء الذكاء الاصطناعي بمهام لا طائل منها لمجرد زيادة عدد نقاطهم والارتقاء في التصنيف. أوضح نائب الرئيس الأول في أمازون، ديف تريدويل، للموظفين لاحقًا أنه على الرغم من تطوير لوحة المتصدرين بنوايا حسنة، إلا أنها أدت إلى تكاليف إضافية غير ضرورية. كانت رسالته واضحة لا لبس فيها: "لا تستخدموا الذكاء الاصطناعي لمجرد استخدامه". تم إيقاف النظام. وكبديل لمعيار التقييم الجديد، قدمت أمازون "عمليات النشر المعيارية" - وهو مقياس لا يقيس عدد النقاط، بل يقيس العدد الفعلي لعمليات نشر التعليمات البرمجية المفيدة التي تم إنشاؤها.

أطلقت شركة ميتا مجلس قيادة مماثل للموظفين يُدعى "كلاودونوميكس" قبل أسابيع قليلة. ويتكرر هذا النمط بشكل منهجي: فبمجرد أن يصبح استهلاك الرموز معيارًا قابلاً للقياس، يُركز الموظفون على استهلاك الرموز بدلاً من خلق القيمة.

قدمت أوبر مزيدًا من الأدلة على حجم المشكلة. أكد كبير مسؤولي التكنولوجيا، برافين نيبالي ناغا، لصحيفة "ذا إنفورميشن" أن أوبر استنفدت ميزانيتها المخصصة للذكاء الاصطناعي لعام 2026 بالكامل بحلول أبريل، أي بعد أربعة أشهر فقط من بداية العام. ويعود ذلك إلى التوسع السريع لفريق "كلود كود" ليصل إلى حوالي 5000 مهندس، وهو ما أدى إلى إرهاق النماذج المالية الداخلية للشركة. وكانت أوبر قد أنفقت بالفعل 3.4 مليار دولار على البحث والتطوير في عام 2025، بزيادة قدرها 9% عن العام السابق. وبالتالي، لم تكن كارثة الميزانية مشكلة موارد، بل مشكلة حوكمة.

صرح أندرو ماكدونالد، الرئيس التنفيذي للعمليات في أوبر، علنًا بما يناقشه العديد من قادة الأعمال داخليًا ولكن نادرًا ما يعبرون عنه بهذه الصراحة: لا توجد علاقة مثبتة بين ارتفاع استهلاك الرموز ونتائج إيجابية للعملاء. وقد استخدمت أوبر أيضًا لوحات الصدارة الداخلية لتشجيع تبني الذكاء الاصطناعي، ولكن النتيجة كانت عكسية تمامًا كما حدث مع أمازون.

صناعة تحت ضغط التكاليف: حالات أكثر إثارة

تُعدّ قضية كلود التي بلغت قيمتها 500 مليون دولار القضية الفردية الأكثر إثارة، ولكنها ليست الوحيدة بأي حال من الأحوال. ففي مايو 2026 وحده، شهدنا سلسلة من الكوارث المالية المروعة التي تُشكّل مجتمعةً صورةً هيكليةً.

نشر المطور بيتر شتاينبرغر، مبتكر أداة OpenClaw، وهي أداة ذكاء اصطناعي حققت انتشارًا واسعًا، لقطة شاشة من لوحة تحكم واجهة برمجة تطبيقات OpenAI الخاصة به: بلغ استهلاك الرموز المميزة 1,305,088.81 دولارًا أمريكيًا على مدار 30 يومًا، موزعة على 603 مليارات رمز مميز عبر 7.6 مليون طلب API، تم توليدها بواسطة حوالي 100 نسخة من Codex يديرها فريق مكون من ثلاثة أشخاص. يعمل شتاينبرغر الآن مباشرةً في OpenAI ولم يدفع هذا المبلغ شخصيًا، إذ غطت OpenAI التكاليف كجزء من اتفاقية تمويل. ومع ذلك، تُجسد هذه الحالة حجم التكاليف التي قد تصل إليها بيئات تطوير البرمجيات التي تعتمد على الذكاء الاصطناعي.

في أبريل 2026، تلقى جيسي ديفيز، مستشار الذكاء الاصطناعي الأسترالي، فاتورة من جوجل كلاود بقيمة 25,672.86 دولارًا أستراليًا (ما يعادل 18,391 دولارًا أمريكيًا تقريبًا)، على الرغم من أن رصيد حسابه لا يتجاوز 10 دولارات أسترالية. نُفذ الهجوم باستخدام مفتاح واجهة برمجة تطبيقات (API) متاح للعامة، مُخزّن كمتغير نصي عادي في بيئة حاوية. كان من الممكن أن تمنع تسع ميزات أمان في جوجل كلاود هذا الحادث، إلا أنها كانت جميعها مُعطّلة افتراضيًا. ومما زاد الطين بلة، أن جوجل قامت تلقائيًا بترقية الحساب إلى مستوى أعلى بحد إنفاق يتراوح بين 20,000 و100,000 دولار أمريكي، دون إشعار، بمجرد تجاوز الحد الأقصى للإنفاق البالغ 1,000 دولار.

بدأت مايكروسوفت بتخفيض تراخيص برنامج Claude الداخلية بعد أن ارتفعت التكاليف الشهرية لكل مهندس إلى ما بين 500 و2000 دولار. وتقوم الشركة بنقل مهندسيها إلى GitHub Copilot CLI كبديل أكثر فعالية من حيث التكلفة.

اعترف سام ألتمان، الرئيس التنفيذي لشركة OpenAI، علنًا بأنه يسمع بانتظام من قادة الأعمال: "إنفاقنا مستمر في الازدياد، ويشعر الناس بالإنتاجية - ولكن أين الإيرادات، وأين مكاسب الإنتاجية الفعلية؟"

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

ما المقصود بالذكاء الاصطناعي المُدار - ولماذا كان من الممكن أن يمنع هذا الضرر

في سياق الأعمال، يشير مصطلح "الذكاء الاصطناعي المُدار" إلى نهج منظم قائم على منصة للتحكم في جميع أنشطة الذكاء الاصطناعي داخل المؤسسة ومراقبتها وإدارتها. وعلى عكس الوصول المباشر غير الخاضع للرقابة إلى واجهة برمجة التطبيقات (API)، يضع الذكاء الاصطناعي المُدار طبقة تحكم إدارية بين الموظفين ونماذج اللغة الأساسية.

في نظام الذكاء الاصطناعي المُدار والمنفذ بالكامل، لم يكن من الممكن أن يحدث سيناريو الـ 500 مليون دولار - وذلك لعدة أسباب فنية وتنظيمية.

أولًا، تُمكّن حدود الإنفاق على مستوى المشروع أو الفريق أو المستخدم من التقييد التلقائي أو الإيقاف التام لحركة مرور واجهة برمجة التطبيقات (API) بمجرد الوصول إلى حدود الميزانية المحددة مسبقًا. وقد أدركت جوجل كلاود ذلك، وأعلنت عن إطلاق "حدود الإنفاق" لخدمات Gemini وCloud Run وغيرها في مؤتمر Next الذي عُقد في أبريل 2026، وهي حدود لا تقتصر على تنبيه المستخدمين فحسب، بل تُوقف حركة المرور مؤقتًا أيضًا.

ثانيًا، توفر المراقبة الدقيقة في الوقت الفعلي على مستوى المستخدم والفريق وسير العمل مؤشرات مبكرة على وجود أي خلل قبل تفاقم التكاليف. ويُقدّر أكشات بوبنا، المدير التقني لشركة مودال، أن حوالي 50% من استهلاك الرموز المميزة الداخلية في الشركات عديم الفائدة تمامًا، وتكمن المشكلة حاليًا في عدم القدرة على التمييز بين النصف عديم القيمة والنصف المُنتِج. وتُوفّر أنظمة الذكاء الاصطناعي المُدارة هذا التمييز تحديدًا من خلال إسناد الاستخدام بالتفصيل.

ثالثًا، تُمكّن إدارة الوصول القائمة على الأدوار من التمييز بين مجموعات المستخدمين: تُوجّه المهام الروتينية إلى نماذج أقل تكلفة (مثل Claude Haiku)، بينما تُنفّذ عمليات سير العمل كثيفة الحساب على نماذج أكثر قوة، ولكنها أغلى ثمنًا. وتوصي Anthropic نفسها صراحةً بتخصيص المهام وفقًا للنموذج كاستراتيجية لخفض التكاليف في وثائق التسعير الرسمية: Haiku للمهام البسيطة، وSonnet لمعظم أحمال العمل الإنتاجية، وOpus فقط لمهام الاستدلال الأكثر تعقيدًا.

رابعًا، تحمي آليات التخزين المؤقت الفوري من حلقات استهلاك الرموز المتكررة: فلا حاجة لإعادة تحميل كتل السياق المتكررة، مثل مطالبات النظام أو سياسات الشركة، مع كل طلب. بالنسبة لسير عمل الوكلاء الذي يُحمّل السياق نفسه مئات المرات يوميًا، يمكن لهذا أن يقلل تكاليف الرموز بنسبة تتراوح بين 60 و80 بالمئة.

خامساً، توفر المعالجة الدفعية وفورات هائلة في التكاليف للمهام غير العاجلة: إذ تقدم واجهة برمجة تطبيقات المعالجة الدفعية من أنثروبيك خصومات تصل إلى 50% مقارنةً بالطلبات المتزامنة. وفي نظام الذكاء الاصطناعي المُدار، تُطبَّق هذه التحسينات تلقائياً، مما يُغني المطورين عن اتخاذ قرارات يدوية.

الفجوة الهيكلية في الحوكمة: لماذا الشركات غير مستعدة؟

إن السؤال الذي يطرح نفسه ليس تقنياً، بل تنظيمي: لماذا فشلت الشركات التي تضم آلاف الموظفين وميزانيات تكنولوجيا المعلومات التي تبلغ مليارات الدولارات وهياكل إدارة الحوسبة السحابية المتطورة في تطبيق أبسط آليات التحكم في التكاليف للذكاء الاصطناعي؟

يكمن الحل في تأخر زمني هيكلي. فقد تطورت مفاهيم حوكمة الحوسبة السحابية، مثل FinOps - وهو نهج منضبط ومتعدد الوظائف لإدارة الإنفاق السحابي - على مدى سنوات عديدة عندما كانت تكاليف الحوسبة قابلة للتنبؤ وقابلة للتوسع بشكل خطي. أما نماذج تسعير رموز الذكاء الاصطناعي فتختلف اختلافًا جوهريًا: فهي غير خطية وغير حتمية، وتولد عمليات سير العمل التي يقودها الوكلاء تكاليف غير قابلة للتنبؤ وغير بديهية.

يؤكد تقرير حالة عمليات التمويل لعام 2026 أن الإنفاق على الذكاء الاصطناعي قد تطور من ميزانيات تجريبية إلى بنية تحتية أساسية، وأن جميع فرق عمليات التمويل تقريبًا تتشارك الآن مسؤولية أعباء عمل الذكاء الاصطناعي. في الوقت نفسه، تفتقر هذه الجهود إلى مقاييس معتمدة لقياس عائد الاستثمار: فبحسب استطلاع رأي مباشر أُجري في قمة مؤسسة عمليات التمويل، فإن أكبر مشكلة تواجه قادة الأعمال ليست حجم تكاليف الذكاء الاصطناعي، بل عدم القدرة على إثبات قيمته.

زاد هيكل التسعير الخاص بشركة أنثروبيك الأمور تعقيدًا. ففي أبريل 2026، أجرت أنثروبيك إصلاحًا جذريًا لنموذجها المؤسسي: فبدلًا من رسوم الاشتراك الثابتة القائمة على عدد المستخدمين، أصبحت هناك أسعار رمزية أقل (مثل 20 دولارًا شهريًا للمستخدمين التقنيين لبرنامج كلود كود)، بالإضافة إلى التزامات استهلاك إلزامية مسبقة الدفع. كما تم إلغاء خصومات واجهة برمجة التطبيقات السابقة التي كانت تتراوح بين 10 و15% للمشترين بالجملة. ينقل هذا الهيكل مخاطر الاستهلاك بالكامل إلى المؤسسة: إذ تدفع الشركات مقابل الكميات الملتزم بها بغض النظر عن الاستهلاك الفعلي، بينما يُحاسب الاستهلاك غير المنضبط الذي يتجاوز الالتزام بالسعر الكامل.

تتوقع شركة غارتنر أن يتم إيقاف أكثر من 40 بالمائة من جميع مشاريع الذكاء الاصطناعي الوكيل بحلول نهاية عام 2027 - ويرجع ذلك أساسًا إلى عدم كفاية هياكل الحوكمة.

حوكمة الذكاء الاصطناعي كضرورة استراتيجية للشركات

تتضح نتائج هذه الحالات جلياً: لم تعد إدارة الذكاء الاصطناعي مجرد عبء إضافي على قسم تكنولوجيا المعلومات، بل أصبحت مسؤولية استراتيجية للشركات. فالشركات التي تطبق هياكل الذكاء الاصطناعي المُدارة تكتسب مزايا حاسمة عديدة مقارنةً بالتطبيقات غير الخاضعة للتنظيم.

تُشكّل شفافية التكاليف والتحكم في الإنفاق الأساس. وتعتمد المؤسسات الرائدة بالفعل على حدود إنفاق صارمة، وإدارة وصول قائمة على الأدوار، ولوحات تحكم للمراقبة الآنية، وسياسات تُلزم بنماذج أكثر فعالية من حيث التكلفة للمهام الروتينية. وتوصي داتابريكس صراحةً في إرشادات حوكمتها بوضع ضوابط أثناء التصميم وأثناء التشغيل: حدود مُحددة مسبقًا للرموز المميزة، وقيود على طول السياق، وقواعد التخزين المؤقت، وأنظمة كشف الشذوذ التي تتدخل قبل أن تتفاقم سير العمل بشكل لا يمكن السيطرة عليه.

يحلّ القياس القائم على القيمة محلّ المقاييس القائمة على الرموز. ويُشير تحوّل أمازون من نظام KiroRank إلى "عمليات النشر المُعَدّلة" - أي قياس عمليات نشر التعليمات البرمجية ذات الدلالة بدلاً من كميات الرموز الخام - إلى الطريق الأمثل: فالمقياس ذو الصلة ليس الاستهلاك، بل النتيجة المُنتَجة. هذا التحوّل في المقاييس ليس مجرد هامش تقني، بل إعادة تقييم جوهرية لمعنى إنتاجية الذكاء الاصطناعي.

تُتيح الأدوات المتخصصة، بدلاً من الأنظمة العامة، خفض التكاليف بشكل ملحوظ دون المساس بالجودة. ففي المهام المحددة والمتكررة، غالباً ما تكون الحلول المتخصصة والمُحسّنة خصيصاً لكل مهمة أرخص من 10 إلى 100 مرة من نموذج شامل. وقد صاغ مؤتمر مؤسسة FinOps هذا المبدأ كركيزة أساسية: أولاً، تحديد ما إذا كانت المهمة تتطلب الذكاء الاصطناعي أصلاً؛ ثم تحديد النموذج الأكثر فعالية من حيث التكلفة؛ وبعد ذلك فقط يتم التحسين.

تُركز بنى بوابات الذكاء الاصطناعي على التحكم المركزي. تعمل منصات مثل Bifrost (Maxim AI) كبوابات مركزية لتوجيه ومراقبة وتطبيق ضوابط السياسات على جميع بيانات الذكاء الاصطناعي الخاصة بالمؤسسة. تُمكّن هذه البنى المؤسسات من إدارة حدود الإنفاق، وتوجيه النماذج، وفلاتر الخصوصية، ومتطلبات الامتثال في موقع مركزي واحد، بالإضافة إلى تسجيل جميع أنشطة الذكاء الاصطناعي بشكل كامل لأغراض التدقيق.

اقتصاديات عصر الرموز: قواعد جديدة لتمويل المشاريع

تمثل قضية الـ 500 مليون دولار نقطة تحول في كيفية النظر إلى تمويل الشركات والبنية التحتية للذكاء الاصطناعي معًا. لا تتصرف نماذج التسعير القائمة على الرموز مثل تراخيص البرامج التقليدية: فلا توجد رسوم سنوية ثابتة، ولا نطاق محدد بوضوح، ولا حد أقصى طبيعي للاستهلاك.

يُحدث هذا الاختلاف الجوهري اضطرابًا كبيرًا في عمليات إعداد الميزانيات التقليدية للشركات. فالمديرون الماليون، الذين اعتادوا على نمذجة تكاليف البرمجيات كنفقات ثابتة، يواجهون نموذج تكلفة متغيرة قابلة للتوسع بشكل هائل. ومن المتوقع أن يصل الإنفاق العالمي على الذكاء الاصطناعي إلى 2.52 تريليون دولار بحلول عام 2026، أي بزيادة قدرها 44% سنويًا. هذا الحجم الهائل يجعل عمليات نشر الذكاء الاصطناعي في المؤسسات دون رقابة خطرًا نظاميًا.

وصف مايكل بوري، المعروف بتنبؤاته المبكرة بأزمات السوق، ظاهرة الوصول إلى الحد الأقصى للرموز الرقمية بأنها "استهلاك مفرط مدفوع بالحصص، وقوائم المتصدرين، والإدارة"، و"مرحلة جنونية، ومتسرعة، ومؤقتة". ويتوقع أن هذه المرحلة غير مستدامة. وسواء ثبتت صحة توقعاته أم لا، فإن الضغط الهيكلي للتكيف قد بدأ بالفعل.

إن نموذج الوصول غير المنضبط والديمقراطي إلى الذكاء الاصطناعي كمحفز للابتكار يخضع حاليًا للتصحيح بسبب تجاوزات التكاليف الهائلة. وما تبقى هو نموذج أكثر نضجًا: وصول واسع النطاق، ولكن بحدود محددة، وأهداف قابلة للقياس، وآليات رقابة مؤسسية - باختصار، الذكاء الاصطناعي المُدار بمعناه الكامل.

ما يتعين على الشركات فعله الآن

تتيح الحالات الموصوفة استخلاص استنتاجات تشغيلية فورية للشركات التي تستخدم الذكاء الاصطناعي على نطاق واسع.

تتمثل الأولوية القصوى في التطبيق الفوري لحدود إنفاق صارمة على مستوى المستخدم والفريق والمشروع. توفر كل من Anthropic وGoogle Cloud وOpenAI آليات تحكم مؤسسية تتطلب تهيئة. لم تكن المشكلة الرئيسية في معظم الحالات المعروفة هي غياب هذه الآليات من مجموعة المنتجات، بل عدم تهيئتها.

بالتوازي مع ذلك، ينبغي قياس معدل استهلاك الرموز الفعلي على مدى 30 يومًا قبل إطلاق أو توسيع نطاق سير عمل الوكلاء. فبدون هذا المعدل، لا توجد نقطة مرجعية لرصد أي خلل. وتوفر أنظمة كشف الخلل، التي تُطلق تنبيهات تلقائيًا عند بلوغ الاستهلاك 25% و50% و75% من الميزانية الشهرية، طبقة ثانية من الأمان.

يجب أن ينتقل تعريف مقياس إنتاجية الذكاء الاصطناعي من التركيز على الكميات الكمية إلى التركيز على النتائج. وقد قدمت أمازون نموذجًا عمليًا يعتمد على "عمليات نشر موحدة". وينبغي إعادة تقييم الاستثمارات في الذكاء الاصطناعي التي لا يمكن ربطها بنتائج أعمال ملموسة.

يتطلب نشر الذكاء الاصطناعي الوكيل حوكمة واضحة ومتدرجة: مجموعات تجريبية، وحالات استخدام محددة بوضوح، وحدود تكلفة لكل سير عمل، ومراجعات دورية قبل التوسع في التطبيق. تُعد قابلية التوسع في الذكاء الاصطناعي الوكيل ميزةً، ولكنها في الوقت نفسه تُشكل خطراً من حيث التكلفة إذا تم إطلاقه دون ضوابط.

الخلاصة: 500 مليون دولار مقابل درس كان متاحاً مجاناً

تُعدّ قضية الـ 500 مليون دولار مذهلةً في حجمها، لكن سببها بسيط: لم يقم أحدٌ بتفعيل النظام. كانت البنية التحتية التقنية للتحكم في التكاليف موجودة، لكن التكوين كان ناقصًا. ما كان مفقودًا هو استراتيجية مُدارة للذكاء الاصطناعي - إطار مؤسسي يجمع بين الوصول إلى الذكاء الاصطناعي وحوكمته.

الرسالة الموجهة لقادة الأعمال واضحة: إنّ إتاحة أدوات الذكاء الاصطناعي بسخاء دون إطار حوكمة ليس دليلاً على الثقة بالموظفين، بل هو إهمال مالي. إنّ حالات شركات أوبر، وأمازون، ومايكروسوفت، والشركة المجهولة التي استثمرت نصف مليار دولار، لا تصف مجتمعةً المشاكل الأولية لتكنولوجيا جديدة، بل تصف فشلاً منهجياً في دمج التكنولوجيا الجديدة مع مبادئ حوكمة الشركات الراسخة.

يُعد الذكاء الاصطناعي المُدار الحل الأمثل لهذه الفجوة، ليس كعائق أمام الابتكار، بل كشرط لاستدامته.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

معي عبر wolfenstein∂xpert.digital التواصل

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن