أصبح الذكاء الاصطناعي اليوم عاملاً حاسماً في قرارات البنية التحتية داخل الشركات، بعدما كانت النقاشات تدور لسنوات حول ما إذا كانت المؤسسة ستعتمد السحابة العامة أو الخاصة أو مزيجاً بينهما. لكن هذا الإطار التقليدي لم يعد كافياً. فمع دخول الذكاء الاصطناعي إلى التشغيل اليومي، انتقل السؤال من اختيار المنصة إلى تحديد المكان الأنسب لكل عبء عمل على حدة.
هذا التحول لا يرتبط بالجانب التقني فقط، بل يمتد إلى التكلفة والحوكمة والسياسة التنظيمية وسرعة الوصول إلى البيانات. بعض تطبيقات الذكاء الاصطناعي يمكن أن تعمل بكفاءة في السحابة، بينما تحتاج تطبيقات أخرى إلى القرب من البيانات الحساسة أو من أنظمة الشركة الداخلية أو من حدود تنظيمية محددة. والنتيجة أن قرارات النشر أصبحت أكثر تعقيداً وأقل قابلية للاختزال في شعار واحد مثل “السحابة أولاً”.
الذكاء الاصطناعي يضعف اللغة العامة لاستراتيجية السحابة
في السنوات الماضية، كانت كثير من المؤسسات تكتفي بوضع سياسة عامة لإدارة البنية التحتية، مثل الاعتماد على السحابة كخيار افتراضي مع استثناءات محدودة. غير أن الذكاء الاصطناعي كشف سريعاً حدود هذه الصياغة، لأن متطلبات كل عبء عمل تختلف بشكل واضح. فهناك فرق كبير بين تدريب نموذج، وتشغيل عملية استدلال، وبناء نظام يعتمد على استرجاع المعلومات من مصادر داخلية، أو تنفيذ وكلاء آليين يتصلون بأنظمة الأعمال.
كل فئة من هذه الفئات تخلق احتياجات مختلفة في ما يتعلق بالقدرة الحاسوبية، وسرعة الاستجابة، وحجم البيانات المتحركة، وتكلفة التشغيل المستمرة. وقد يبدو مشروع الذكاء الاصطناعي رخيصاً في مرحلة التجربة، ثم يتحول إلى عبء مكلف عندما تبدأ الأحمال الفعلية في التراكم، وتدخل متطلبات التخزين والمراقبة ونقل البيانات في المعادلة.
لهذا السبب، لم يعد تقييم البنية التحتية قائماً على الانطباع العام أو التفضيل المؤسسي، بل على فهم طبيعة كل عبء عمل ومدى ملاءمته للبيئة التي سيعمل فيها. وهنا يتحول الذكاء الاصطناعي إلى عامل يعيد هندسة طريقة التفكير في توزيع الأحمال، وليس مجرد تطبيق جديد يضاف إلى القائمة.
السحابة ليست دائماً الخيار الأرخص أو الأسرع
أحد أهم التغييرات التي فرضها الذكاء الاصطناعي هو أن التكلفة لم تعد تُقاس فقط بسعر الحوسبة اللحظي. فمع تزايد استخدام النماذج في الإنتاج، تدخل عناصر جديدة في الحساب مثل كثافة الاستهلاك، وتكرار الاستدلال، وتكاليف نقل البيانات، واحتياجات التخزين، ومتطلبات الرقابة، والاعتماد على خدمات خارجية.
في بعض الحالات، تظل السحابة العامة هي الخيار الأنسب، خصوصاً عندما تحتاج المؤسسة إلى الوصول السريع إلى نماذج متقدمة أو إلى قدرة مرنة تتوسع وتتقلص بحسب الطلب. أما في الحالات التي يصبح فيها الاستخدام ثابتاً أو كثيفاً أو مرتبطاً ببيانات شديدة الحساسية، فقد يكون تشغيل العبء داخل البنية المحلية أو في بيئة هجينة أكثر منطقية من الناحية الاقتصادية والتشغيلية.
هذا لا يعني أن المؤسسات تتراجع عن السحابة. بل يعني أنها أصبحت أقل اندفاعاً وأكثر انتقائية. فبعض الأحمال تستفيد من مرونة السحابة، وبعضها الآخر يفرض شروطاً تجعل القرب من البيانات أو السيطرة المباشرة على البيئة ضرورة وليست خياراً.
السيادة الرقمية أصبحت جزءاً من قرار النشر
أحد الدوافع المهمة وراء هذا التحول هو تصاعد أهمية السيادة الرقمية. والمقصود هنا ليس مجرد إبقاء البيانات داخل البلد أو داخل مركز بيانات محدد، بل ضمان من يملك حق الإدارة، وأين تُعالج البيانات، وأي القوانين تنطبق، وما مستوى الشفافية المطلوب، وكيف يمكن تقديم الأدلة في حال المراجعة أو التدقيق أو النزاع.
في بيئات الذكاء الاصطناعي، تصبح هذه الأسئلة أكثر حساسية لأن النظام لا يتعامل فقط مع التخزين أو الاستعلام، بل قد يربط بين استرجاع البيانات واتخاذ القرار وتنفيذ الأوامر داخل أنظمة أخرى. أي أن العبء نفسه قد يجمع بين أكثر من طبقة من المخاطر: بيانات، ونماذج، وأدوات، ومسارات تنفيذ، وتكامل مع الأنظمة الأساسية.
لهذا السبب، لا يكفي أن تقول المؤسسة إن لديها بيئة محلية أو سيادية. المطلوب هو التأكد من أن الهوية والسياسات والمراقبة والتدقيق تعمل بشكل متماسك. فإذا كانت أدوات التحكم ضعيفة، أو سجلات المراجعة غير كافية، أو مستوى الرؤية التشغيلية منخفضاً، فإن نقل العبء إلى بيئة سيادية لن يحل المشكلة بالكامل. قد يغيّر الموقع، لكنه لا يغيّر الأساس.
الفرق بين تدريب النماذج وتشغيلها
من الأخطاء الشائعة التعامل مع جميع أعباء الذكاء الاصطناعي باعتبارها شيئاً واحداً. لكن الواقع مختلف تماماً. تدريب النماذج يحتاج عادة إلى موارد ضخمة وقدرة حوسبة عالية وبيئة مرنة، بينما الاستدلال أو التشغيل اليومي قد يحتاج إلى زمن استجابة قصير وتكلفة مستقرة وإمكانية قرب أكبر من المستخدم أو من البيانات.
كما أن الأنظمة المعتمدة على الاسترجاع من قواعد المعرفة الداخلية تختلف عن تلك التي تتفاعل مباشرة مع أنظمة الأعمال. فالأولى قد تتطلب وضع البيانات بالقرب من المكان الذي يُنفذ فيه البحث والاسترجاع، بينما الثانية تحتاج إلى مسارات تحكم صارمة لأنها قد تؤدي أفعالاً فعلية داخل المؤسسة. كذلك تختلف أعباء العمل الدُفعية عن الأنظمة التفاعلية التي لا تحتمل التأخير.
هذا التفريق يبدو بديهياً، لكنه لا يُطبق دائماً في الواقع. كثير من المؤسسات تبدأ بمقاربة موحدة، ثم تكتشف لاحقاً أن بعض الأحمال كان يجب أن يُصمم منذ البداية لبيئة مختلفة. ومن هنا تظهر أهمية بناء منهج واضح لتصنيف الأحمال قبل نشرها.
ماذا تفعل المؤسسات الأكثر نضجاً؟
المؤسسات الأكثر تقدماً لا تبحث عن إجابة شاملة لكل شيء، بل تبني قواعد قرار قابلة للتكرار. فهي تسأل أولاً عن طبيعة الاستخدام: هل سيبقى العبء تجريبياً أم سيتحول إلى تشغيل دائم؟ ما حجم البيانات التي ستنتقل ذهاباً وإياباً؟ ما مستوى السرعة المطلوب فعلاً؟ ما نطاق الامتثال والجغرافيا والأنظمة المعنية؟ وما درجة الصعوبة إذا احتاجت المؤسسة إلى نقل العبء لاحقاً؟
هذه الأسئلة تدفع النقاش بعيداً عن تفضيلات الفرق التقنية، وتقربه من منطق التشغيل والإدارة. كما أنها تُدخل أطرافاً متعددة إلى عملية القرار، مثل فرق الأمن، والبيانات، والهندسة المعمارية، والبنية التحتية، والعمليات. فاختيار مكان تشغيل عبء الذكاء الاصطناعي لم يعد قراراً تقنياً ضيقاً، بل قراراً يحدد مستوى المخاطرة والتكلفة والمرونة.
وتعمل المؤسسات الأكثر نضجاً أيضاً على الفصل المبكر بين أنواع الأحمال. فهي لا تعامل مساعداً يعتمد على قاعدة معرفة داخلية بالطريقة نفسها التي تعامل بها مشروع تدريب واسع النطاق. كما لا تضع وكيل ذكاء اصطناعي يستطيع تنفيذ إجراءات في أنظمة الشركة ضمن نفس معايير تطبيق للقراءة فقط. هذا الفصل هو ما يمنحها قدرة أفضل على التحكم، ويقلل المفاجآت عند الانتقال إلى الإنتاج.
القرار القادم ليس بين السحابة والمحلية بل بين الملاءمة والعبء
المرحلة الحالية لا تدور حول استعادة السحابة الخاصة أو انتصار السحابة العامة. بل حول سؤال أكثر دقة: أي عبء عمل يجب أن يعمل أين، وعلى أي أساس؟ هذا السؤال يجمع بين الكلفة، والبيانات، والسيادة، وزمن الاستجابة، والامتثال، والقدرة على المراجعة، وإمكانية التوسع.
ومع تسارع استخدام الذكاء الاصطناعي، سيصبح هذا النوع من القرارات أكثر تكراراً وأكثر تأثيراً على الاستراتيجية التقنية للشركات. فالمؤسسة التي تنجح في وضع قواعد واضحة لتوزيع الأحمال ستكون أقدر على خفض التكلفة، وتحسين الأداء، وتقليل المخاطر، والحفاظ على السيطرة على بياناتها وأنظمتها.
أما المؤسسات التي تكتفي بالشعارات العامة، فستكتشف سريعاً أن الذكاء الاصطناعي لا يغيّر فقط شكل التطبيقات التي تستخدمها، بل يفرض أيضاً طريقة جديدة في التفكير بالبنية التحتية نفسها.