إنفاق رموز الذكاء الاصطناعي يواجه تدقيقًا مع ارتفاع تكاليف الشركات

سباق الشركات لاستخدام مزيد من الذكاء الاصطناعي يتباطأ

هاجس أماكن العمل بتعظيم استخدام الذكاء الاصطناعي التوليدي بدأ يصطدم بواقع أكثر صعوبة: الانضباط في التكاليف. فقد وصفت مقالة في Fast Company نُشرت في 28 يوليو تراجع جاذبية مصطلح “tokenmaxxing”، وهو تعبير يُستخدم لوصف دفع الاستهلاك الكثيف لرموز الذكاء الاصطناعي عبر الأدوات وسير العمل، على أساس أن زيادة الاستخدام تعني أداءً أفضل أو إخراجًا أسرع أو ابتكارًا أقوى.

اكتسبت هذه العقلية زخمًا مع تسارع الشركات إلى تشغيل أنظمة من مزودين مثل OpenAI وAnthropic. عمليًا، أصبح استخدام الرموز مؤشرًا تقريبيًا على كثافة التبني. فكلما أنتجت المؤسسة مزيدًا من المطالبات والمخرجات والوكلاء والمهام المؤتمتة، بدت أكثر تقدمًا. لكن التقرير يشير إلى أن المشترين من الشركات باتوا يفصلون بشكل متزايد بين النشاط والقيمة. فالفواتير المتصاعدة لم تُقابل دائمًا بمكاسب مماثلة في الإنتاجية أو نتائج الأعمال.

جادل Vincent Gusdorf، رئيس تحليلات الذكاء الاصطناعي في Moody’s Ratings ومؤلف تقرير استشهدت به Fast Company، من أجل نهج أكثر انضباطًا. فكرته واضحة: الذكاء الاصطناعي التوليدي يجعل من السهل إنشاء أعمال وملخصات ومسودات وطبقات من العمليات قد لا تكون ضرورية فعلًا. وعندما يستهلك كل تفاعل رموزًا ويتوسع عبر الشركة كلها، يمكن للهدر أن يتراكم بسرعة.

من إشارة مكانة إلى مركز تكلفة

يتتبع المقال كيف كان الاستخدام الكثيف للرموز محل احتفاء قبل أشهر فقط. فقد قدّم قادة بارزون في التكنولوجيا الاستهلاك المرتفع للذكاء الاصطناعي باعتباره علامة على أن الفرق تجرّب بجرأة وتأخذ التكنولوجيا على محمل الجد. وقال سام ألتمان، الرئيس التنفيذي لـ OpenAI، في مايو إنه متحمس لرؤية ما ستبنيه “tokenmaxxing startups” وكيف ستعمل داخليًا. كما جادل Jensen Huang، الرئيس التنفيذي لـ Nvidia، بأنه إذا لم يكن المهندس صاحب الأجر المرتفع يستخدم أيضًا كمية كبيرة من الرموز، فهناك خطأ ما. ووفقًا للتقرير، أجرت Meta حتى مسابقة داخلية تكافئ استخدام الرموز.

ساعد هذا التصور في خلق ثقافة أصبح فيها الإنفاق على الذكاء الاصطناعي يُعامل بوصفه وسامًا للطموح. فالمستخدم المكثف النموذجي لم يكن يقتصر على أتمتة المهام الروتينية، بل كان يدير أسرابًا من وكلاء الذكاء الاصطناعي بشكل مستمر. وكان الافتراض أن الإشباع سيكشف عن القيمة في مكان ما: ترميز أسرع، إنتاج محتوى أكثر، بحث أفضل، أو ميزات جديدة تمامًا للمنتج.

بالنسبة إلى مزودي النماذج، تحوّل هذا الارتفاع في النشاط مباشرة إلى إيرادات. أما بالنسبة إلى المشترين من الشركات، فالوضع الاقتصادي مختلف. فهم يتحملون فواتير الرموز، وتكاليف الدمج، وأعباء الحوكمة، ومخاطر البيانات. وبمجرد أن أصبحت هذه النفقات ملموسة بدلًا من افتراضية، اضطر التنفيذيون إلى طرح سؤال أقل رواجًا: أي استخدامات تستحق الدفع فعلًا؟

لماذا يتزايد التشكيك

الردة التي يصفها التقرير لا تعني تحولًا ضد الذكاء الاصطناعي. إنها أكثر تحديدًا من ذلك. ما تزال الشركات تريد المكاسب التي تعد بها النماذج التوليدية، لكنها أصبحت أقل استعدادًا لافتراض أن أقصى استخدام يساوي الاستخدام الذكي. هذا التمييز مهم لأن الفوترة القائمة على الرموز قد تشجع سلوكًا سهل التوسع لكنه صعب التبرير.

اعترف Satya Nadella، الرئيس التنفيذي لـ Microsoft، في تعليقات نقلتها Fast Company، بأن tokenmaxxing قد يكون إدمانيًا، لكنه قال أيضًا إن العملاء قد يدفعون مرتين: مرة مقابل الرموز نفسها ومرة أخرى عبر منح المزودين الوصول إلى البيانات المملوكة. ورغم أن Nadella كان يروّج أيضًا لاستراتيجية Microsoft الخاصة، فإن هذا النقد يشير إلى قلق أوسع في الشركات. فالتكلفة ليست سوى جانب واحد من المعادلة، أما التحكم في المعلومات الحساسة فهو جانب آخر.

واستخدم Alex Karp، الرئيس التنفيذي لـ Palantir، لغة أشد، إذ قال إن شيئًا ما قد سار “بشكل خاطئ تمامًا”، مستحضرًا ما وصفه بإحباط لدى الشركات التي شعرت بأنها تنفق كثيرًا مقابل عائد ضئيل. والخيط المشترك بين هذه الردود ليس رفض الذكاء الاصطناعي بوصفه فئة، بل رفض الإنفاق غير الموجّه عليه.

مشكلة القياس في الذكاء الاصطناعي المؤسسي

أحد أسباب انتشار tokenmaxxing بهذه السرعة هو أن الرموز قابلة للقياس. ففي فترة كانت فيها العديد من الشركات تحت ضغط لإظهار زخم في الذكاء الاصطناعي، وفرت أعداد الاستخدام رقمًا مرئيًا. كان بإمكان مجالس الإدارة والمديرين الإشارة إلى أرقام التبني، أو حجم المخرجات المولدة، أو حالات الاستخدام الداخلية المتوسعة كدليل على أن المؤسسة تواكب التطور.

لكن القابلية للقياس لا تعني بالضرورة الأهمية. فإجمالي الرموز لا يقول الكثير عن الجودة، أو الوقت الموفر، أو معدلات الخطأ، أو نتائج العملاء، أو الأثر في الإيرادات. بل يمكنه حتى أن يحجب الهدر عبر جعل النشاط يبدو وكأنه تقدم. قد ينتج فريق ما مسودات أكثر، وتحليلات أكثر، وأبحاثًا اصطناعية أكثر باستخدام الذكاء الاصطناعي، من دون تحسين الأداء الأساسي كثيرًا. والنتيجة هي فخ مألوف في الشركات: تحسين المقياس الأسهل في الإبلاغ بدلًا من المقياس الذي يعكس القيمة على أفضل وجه.

وهنا تكتسب الإشارة التي وصفها Moody’s أهمية استراتيجية. فإذا انتقلت المؤسسات من تعظيم الاستهلاك إلى تقييم العائد، فقد تتغير قرارات الشراء والمنتج بسرعة. ولن يكون الفائزون مجرد مزودي النماذج ذوي أرقام الاستخدام الخام الأكبر، بل الشركات التي تساعد العملاء على استخدام النماذج بشكل انتقائي وآمن وبمنطق اقتصادي أوضح.

ما الذي يأتي بعد ذلك

النتيجة المرجحة ليست انهيارًا في الطلب المؤسسي على الذكاء الاصطناعي، بل تحولًا نحو ضوابط أشد، ونشر أكثر استهدافًا، وتدقيق أكبر في أماكن إنفاق الرموز. قد تعطي المؤسسات الأولوية لحالات الاستخدام ذات العائد المباشر، مثل المساعدة في البرمجة، أو تدفقات عمل المستندات التي تحقق خفضًا قابلاً للقياس في زمن الدورة، أو المساعدين المتخصصين بالمجال والمدمجين في العمليات المولدة للإيرادات. أما التجارب التي تولد أحجامًا مثيرة للإعجاب لكن فوائدها التجارية غامضة، فقد تواجه مقاومة داخلية أشد.

سيكون ذلك علامة على مرحلة أكثر نضجًا من التبني المؤسسي. فقد كافأت المرحلة المبكرة من الذكاء الاصطناعي التوليدي في كثير من أماكن العمل الحماس والتجريب الظاهر. أما المرحلة التالية فقد تكافئ الانضباط والقياس وخيارات البنية التي تبقي التكاليف قابلة للتوقع. ومن هذا المنظور، فإن تراجع tokenmaxxing ليس تراجعًا بقدر ما هو تطبيع. فالتكنولوجيا تنتقل من مرحلتها الاستعراضية إلى منطق الشراء الذي يحكم معظم برمجيات الشركات.

الإشارة المهمة من تقرير Fast Company ليست أن الشركات تستخدم ذكاءً اصطناعيًا أقل لأن الاهتمام تلاشى، بل أنها بدأت تسأل ما إذا كانت كل وحدة رموز تُنفق تولد قيمة دائمة. وبالنسبة إلى صناعة بُنيت على التوسع، قد يصبح هذا هو السؤال الأهم.

هذه المقالة تستند إلى تقرير من Fast Company. اقرأ المقال الأصلي.