دخلت شركات الذكاء الاصطناعي مرحلة جديدة لم يعد فيها الوصول إلى النماذج المتقدمة مرتبطاً باشتراك شهري ثابت أو خطة مفتوحة الاستخدام. النموذج السائد يتجه بسرعة إلى التسعير حسب الرموز، وهو أسلوب يربط التكلفة مباشرة بما يرسله المستخدم إلى النموذج وما ينتجه الأخير من إجابات. هذا التحول، الذي يبدو في ظاهره أكثر دقة وشفافية، يغيّر اقتصاد الذكاء الاصطناعي من جذوره ويضع الشركات أمام فواتير أعلى بكثير مما اعتادت عليه في الموجة الأولى من التبني.
الرموز أصبحت الوحدة الأساسية لقياس العمل داخل النماذج اللغوية الكبيرة. كل كلمة أو جزء من كلمة يتحول إلى سلسلة من الرموز قبل أن يعالجه النموذج، ما يعني أن أي طلب طويل أو مهمة معقدة أو دورة تفاعلية متعددة الخطوات تستهلك موارد أكثر من المتوقع. ومع توسع استخدام الوكلاء الذكيين، وازدياد أحجام السياق، وتكرار محاولات التصحيح وإعادة المحاولة، لم تعد الكلفة مرتبطة فقط بعدد الأسئلة، بل أيضاً بطريقة استخدام النموذج نفسه.
من اشتراك ثابت إلى فاتورة متغيرة
في المراحل الأولى من انتشار أدوات الذكاء الاصطناعي التوليدي، استفاد كثير من المستخدمين من تسعير شبه ثابت يشبه نموذج الخدمات الاستهلاكية. كانت الشركات تدفع رسوماً شهرية محددة وتعتبر الذكاء الاصطناعي إضافة منخفضة المخاطر. لكن هذا النموذج لم يصمد طويلاً أمام الزيادة السريعة في الاستهلاك، ولا أمام صعود المهام الثقيلة التي تتطلب نماذج أكثر تقدماً وكميات أكبر من المعالجة.
اليوم، أصبحت معظم المنصات الكبرى تعرض أسعارها بالدولار لكل مليون رمز، مع فصل واضح بين الرموز الداخلة إلى النموذج والرموز الخارجة منه. هذا التقسيم يمنح الموردين طريقة أسهل لتحويل تكاليف البنية التحتية والطاقة والشرائح الرسومية إلى وحدات قابلة للفوترة، لكنه في الوقت نفسه ينقل التقلبات مباشرة إلى العميل المؤسسي. فكلما ارتفع الاستخدام أو لجأت المؤسسة إلى نموذج أغلى، ارتفعت الفاتورة بشكل قد يفاجئ فرق الماليات والحوكمة التقنية.
الوكلاء الذكيون يزيدون الاستهلاك
أحد أبرز أسباب تضخم الإنفاق هو انتشار ما يعرف بالوكلاء الذكيين، وهي أنظمة لا تكتفي بإجابة واحدة، بل تدخل في حلقات متتالية من التخطيط والتنفيذ والمراجعة. هذه الأنظمة قد تفتح أدوات إضافية، وتستدعي مصادر خارجية، وتعيد صياغة الطلب أكثر من مرة قبل الوصول إلى نتيجة نهائية. من منظور المستخدم، يبدو ذلك تقدماً كبيراً في القدرات. لكن من منظور التكلفة، يعني ذلك استهلاكاً مضاعفاً للرموز في كل مهمة.
كما أن تمدد «نافذة السياق» إلى مئات الآلاف أو حتى ملايين الرموز في المحادثة الواحدة جعل من السهل استهلاك موارد ضخمة في تفاعل واحد فقط. ومع أن هذا يرفع جودة الفهم ويتيح معالجة ملفات ومشاريع أكبر، فإنه يخلق بيئة يكون فيها الهدر أسهل من أي وقت سابق. في بعض الحالات، قد يستهلك مستخدم واحد يعتمد على النماذج الأحدث ما كانت تدفعه المؤسسة سابقاً لعدة مستخدمين أو لمجموعة كاملة من الأدوات البرمجية.
الرمز يكشف تعقيداً لا تراه جداول التكلفة
المشكلة لا تتعلق بعدد الرموز فقط، بل بما تختبئه هذه الوحدة الصغيرة من تعقيد تقني. فاختيار النموذج، وآلية الضغط، وسياسات التخزين المؤقت، وطريقة التوجيه بين النماذج، كلها عوامل تغير الكلفة الفعلية لكل مهمة. وقد تبدو فاتورة الخدمة متشابهة على الورق، بينما تختلف القيمة التشغيلية اختلافاً كبيراً بين سيناريو وآخر.
لهذا السبب تجد فرق إدارة التكاليف السحابية نفسها أمام تحدٍ جديد. الأدوات التقليدية قادرة على إظهار إجمالي الإنفاق، لكنها غالباً لا تفسر أي نموذج استخدم، أو لماذا ارتفعت الكلفة في مشروع معين، أو كيف تفرق بين استخدام مفيد واستهلاك زائد. في البيئات التي تعتمد على أكثر من مزود أو أكثر من نموذج، يصبح الربط بين الفاتورة والقرار التنفيذي معقداً ويتطلب بيانات أكثر دقة من تلك التي اعتادت عليها فرق الحوسبة السحابية.
لماذا تنخفض الأسعار وحدها لا يكفي
صحيح أن الأسعار لكل رمز انخفضت خلال الفترة الماضية بفعل المنافسة وتحسن العتاد، لكن انخفاض السعر الوحدوي لا يعني بالضرورة انخفاض الإنفاق الكلي. على العكس، كل تراجع في التكلفة قد يشجع على زيادة الاستخدام بشكل أكبر. هذه هي المفارقة الكلاسيكية التي تظهر عندما تصبح التقنية أرخص وأسهل، فيزداد الطلب عليها بوتيرة أسرع من التراجع في سعرها.
وتزداد الصورة تعقيداً مع عودة القيود المادية إلى الواجهة. سوق الشرائح الرسومية والقدرة الكهربائية وسلاسل التوريد لا يوفر وفرة غير محدودة، ما يجعل الأسعار أكثر صلابة مما كان متوقعاً. ومع ازدياد الطلب العالمي على قدرات الاستدلال والتدريب، بدأت بعض المؤسسات تلاحظ أن التكاليف لم تعد تنخفض بالسرعة نفسها التي كان السوق يتوقعها في البداية. النتيجة هي نموذج مالي لا ينفجر فجأة، بل يتضخم تدريجياً حتى يصبح عبئاً دائماً على الموازنة.
FinOps يدخل إلى معادلة الذكاء الاصطناعي
هذا التحول دفع فرق FinOps، التي اعتادت التعامل مع فواتير السحابة، إلى إعادة تعريف أدواتها. فالمعضلة هنا ليست مجرد حساب ساعات الاستخدام أو سعة التخزين، بل بناء رؤية دقيقة على مستوى الرموز: كم استهلك كل فريق، أي نموذج استخدم، ما نسبة الرموز الداخلة إلى الخارجة، وهل التحول إلى نموذج أعلى كلفة قد أضاف قيمة حقيقية أم مجرد تكلفة إضافية.
المدخل الجديد يفرض ثلاث طبقات من العمل. الأولى هي الشفافية، أي معرفة أين يحدث الاستهلاك ومن يستخدمه. الثانية هي الاقتصاد، أي مقارنة الكلفة بكفاءة الاستخدام وجودة المخرجات. أما الثالثة فهي القيمة، أي ربط الإنفاق بنتائج أعمال ملموسة مثل الإيرادات، أو سرعة التنفيذ، أو تحسين تجربة العميل. من دون هذا التسلسل، تتحول الذكاء الاصطناعي من أداة إنتاجية إلى بند مالي يصعب تفسيره أو ضبطه.
نموذج العمل نفسه يتغير
التحول إلى اقتصاد الرموز لا يضغط على العملاء فقط، بل يعيد تشكيل نماذج أعمال الشركات التقنية أيضاً. كثير من مزودي البرمجيات باتوا يراجعون تسعير منتجاتهم بين اشتراك أساسي ورسوم استخدام إضافية، أو يتحولون إلى حزم ائتمانية غير شفافة، أو يمررون التكلفة الفعلية بشكل مباشر إلى العميل تحت طبقات من لوحات التحكم والتنبيهات.
هذا التغيير يفرض على الشركات إعادة التفكير في هوامش الربح، خصوصاً في المنتجات التي تعتمد على الذكاء الاصطناعي كميزة رئيسية. فإذا ارتفعت أسعار النماذج الأساسية أو تغيّرت بنية التوجيه بينها، قد ينهار نموذج تسعير كامل تم بناؤه على افتراض كلفة منخفضة ومستقرة. ولهذا لم تعد إدارة الذكاء الاصطناعي مجرد قرار تقني، بل أصبحت جزءاً من التخطيط المالي والاستراتيجي.
الفارق بين الاستخدام الذكي والاستهلاك العشوائي
المسألة الأهم التي تفرض نفسها اليوم هي: كيف تميز المؤسسة بين الاستخدام الذي يخلق قيمة والاستهلاك الذي يبدد الموارد؟ في بيئات العمل الكبيرة، قد يستخدم فريق واحد النموذج لتسريع تحليل البيانات أو دعم خدمة العملاء، بينما يستهلك فريق آخر أضعاف ذلك من دون عائد واضح. الفارق هنا لا يظهر دائماً في رقم الفاتورة، بل في جودة النتائج وسرعة الإنجاز والعائد النهائي على العمل.
من هنا تظهر الحاجة إلى سياسات داخلية أكثر نضجاً. بعض الشركات ستمنح النماذج الأقوى لفرق بعينها فقط، وأخرى ستفرض حدوداً ذكية على الاستخدام، فيما ستلجأ مؤسسات أكثر تقدماً إلى التوجيه التلقائي بين النماذج بحسب المهمة. لكن القاعدة المشتركة ستظل واحدة: كل رمز يحتاج إلى مبرر، وكل عملية يجب أن تخضع لمعادلة واضحة بين التكلفة والمنفعة.
مستقبل أكثر كلفة لكنه أكثر انضباطاً
المفارقة في اقتصاد الذكاء الاصطناعي الجديد أنه يجعل التقنيات أكثر قوة وأغلى ثمناً في الوقت نفسه. الشركات التي ستنجح ليست بالضرورة تلك التي تستهلك أكثر، بل تلك التي تعرف متى تستخدم النماذج المتقدمة، ومتى تكتفي بحلول أبسط، ومتى تراجع التوجيه والتخزين المؤقت وطريقة بناء الطلب نفسه. هذا الانضباط قد يكون الفارق بين مشروع مربح وآخر يبتلع الميزانية.
ما يحدث اليوم يشبه انتقال الحوسبة السحابية من مرحلة التجريب الواسع إلى مرحلة الحوكمة الدقيقة، لكن مع مستوى أعلى بكثير من التعقيد. فالرموز ليست مجرد وحدة محاسبية، بل مقياس جديد للاستهلاك والإنتاج والقيمة. ومع استمرار صعود النماذج الذكية وتوسع استخدامها داخل المؤسسات، يبدو أن فواتير الذكاء الاصطناعي لن تتوقف عن الارتفاع إلا إذا أصبحت الإدارة المالية جزءاً من تصميم المنتج نفسه.