تتحرك مؤسسة Linux Foundation لسد فجوة باتت تؤرق فرق التقنية في الشركات الكبرى: كيف يمكن قياس تكلفة الذكاء الاصطناعي بدقة عندما تصبح الفواتير مرتبطة بعدد الرموز النصية، ونوع النموذج، والجهة المستضيفة، وطريقة التشغيل؟ ومع توسع استخدام الأنظمة متعددة الوكلاء داخل بيئات الإنتاج، لم يعد السؤال مقتصراً على بناء التطبيقات، بل على معرفة ما إذا كانت هذه التطبيقات تستحق ما تنفقه المؤسسة عليها.
ولهذا السبب أعلنت المؤسسة عن نيتها إطلاق Tokenomics Foundation، وهي مبادرة محايدة من حيث الموردين تهدف إلى تطوير معايير مفتوحة ومقارنات مرجعية وأفضل الممارسات لإدارة تكلفة الذكاء الاصطناعي. الفكرة الأساسية هي تقديم إطار موحد يساعد فرق المعلومات، والمالية، والتشغيل على فهم إنفاق الذكاء الاصطناعي عبر النماذج والسحابات والبائعين المختلفين.
لماذا أصبح قياس تكلفة الذكاء الاصطناعي مشكلة ملحة؟
في مشروعات الذكاء الاصطناعي التقليدية، كان التركيز ينصب غالباً على جودة النموذج أو سرعة الاستجابة. أما اليوم، ومع انتقال العديد من المؤسسات إلى استخدام نماذج توليدية في مهام خدمة العملاء، وتحليل المستندات، وأتمتة العمليات، فقد ظهرت طبقة جديدة من التعقيد المالي. فالنموذج نفسه قد يبدو رخيصاً عند المقارنة المباشرة، لكن التكلفة الفعلية قد ترتفع بسبب كثافة الاستدعاءات، أو طول المدخلات، أو تعدد الخطوات داخل سير العمل الواحد.
هذا التعقيد يجعل مقارنة نموذج وآخر أمراً صعباً، كما يصعّب على مسؤولي التقنية احتساب العائد على الاستثمار. وفي غياب لغة مشتركة، قد تعتمد كل جهة على طريقة مختلفة لاحتساب الاستهلاك أو تحميل التكاليف، ما يخلق فجوة بين فرق العمل التقنية والمالية.
دور FinOps في توسيع نطاق القياس
المبادرة الجديدة لن تعمل بمعزل عن غيرها، بل ستتعاون مع FinOps Foundation، وهي مبادرة أخرى ضمن Linux Foundation تركز على إدارة التكاليف السحابية وتعظيم قيمة الإنفاق التقني. ويُتوقع أن يكون هذا التعاون محورياً في توسيع معيار FinOps Open Cost and Usage Specification المعروف اختصاراً باسم FOCUS، وهو معيار مفتوح صُمم أصلاً لتوحيد بيانات الاستخدام والإنفاق عبر مزودي الخدمات السحابية.
الخطوة التالية تتمثل في تكييف هذا المعيار ليتعامل مع الاستهلاك القائم على الرموز في تطبيقات الذكاء الاصطناعي. وإذا نجح هذا التوسيع، فستتمكن المؤسسات من مقارنة تكاليف الاستهلاك بين النماذج والمنصات بطريقة أكثر اتساقاً، تماماً كما فعلت FinOps سابقاً مع الإنفاق السحابي.
ماذا ستفعل Tokenomics Foundation عملياً؟
بحسب التصور المعلن، سيُشرف مجلس حوكمة على تحديد الأولويات الاستراتيجية وتوزيع التمويل، بينما سيتولى اللجنة التقنية العمل مع مساهمين من FinOps Foundation على بناء المواصفات المرجعية والمقارنات المعيارية والأطر العملية اللازمة لإدخال استخدام الرموز في FOCUS.
الهدف ليس فقط جمع البيانات، بل تحويلها إلى أدوات قابلة للاستخدام في قرارات الشراء والتشغيل والإدارة. وهذا يشمل تحديد المصطلحات، ووضع أساليب قياس موحدة، وإنشاء طريقة أفضل لقراءة الكفاءة الحقيقية لكل نموذج أو منصة أو مزود.
كما أن المبادرة حظيت بدعم عدد من شركات التكنولوجيا، ومزوّدي الخدمات السحابية، ومؤسسات المستخدمين النهائيين، من بينها Accenture وBooking.com وFlexera وGoogle Cloud وIBM وJPMorganChase وKPMG وMicrosoft وOracle وSalesforce وSAP وServiceNow. هذا التنوع في الجهات الداعمة يشير إلى أن المشكلة لم تعد تخص قطاعاً واحداً، بل أصبحت جزءاً من تحديات تشغيل الذكاء الاصطناعي على نطاق مؤسسي.
كيف ينعكس ذلك على مسؤولي التقنية؟
يرى محللون أن القيمة الحقيقية للمبادرة تكمن في منح مسؤولي التقنية إطاراً موحداً لاتخاذ القرار. فبدلاً من الاعتماد على تقديرات متفرقة، يمكن للشركات أن تقيس تكلفة كل سيناريو استخدام، وتقارن بين مزود وآخر، وتفهم أين تتآكل الميزانية بسبب التصميم غير الفعّال أو الاستخدام المفرط للنماذج الكبيرة في مهام لا تتطلب ذلك.
ويشير هذا المنظور إلى أن التحدي لم يعد مقتصراً على الأسعار المعلنة من مقدمي الخدمات. فحتى مع انخفاض تكلفة الرمز الواحد في بعض الحالات، قد ترتفع الفاتورة الإجمالية للمؤسسة بسبب سوء تصميم الحلول، أو زيادة عدد الاستدعاءات، أو ترك النماذج تعمل في حالات استخدام غير مناسبة.
من هنا تأتي أهمية وجود معايير تساعد على قراءة التكلفة الحقيقية، لا السعر النظري فقط. فالمسألة تتصل أيضاً بكيفية هيكلة التطبيقات، وكيفية توزيع الأعباء، وأي المهام تستحق أن تُشغَّل عبر نموذج تجاري، وأيها يمكن أن يُدار عبر بدائل مفتوحة المصدر أو بنية تحتية داخلية.
الفرق بين النماذج التجارية والنشر الداخلي
أحد الجوانب التي ستحتاج Tokenomics Foundation إلى معالجتها هو الفارق بين استخدام الذكاء الاصطناعي كخدمة، وتشغيل النماذج داخلياً على البنية الخاصة بالمؤسسة. ففي الحالة الأولى، تدفع الشركة مقابل كل استخدام أو رمز، بينما تنتقل في الحالة الثانية إلى تحمل تكاليف أخرى مثل وحدات المعالجة الرسومية، والطاقة، والبنية التحتية، والصيانة.
هذا التحول في بنية التكلفة يعني أن المقارنة لم تعد بسيطة. فالنموذج التجاري قد يبدو أسهل في البداية، لكن النشر الداخلي قد يصبح خياراً أفضل اقتصادياً عند ارتفاع حجم الاستخدام أو حساسية البيانات أو الحاجة إلى تحكم أكبر. ومع ذلك، لا يمكن تحديد نقطة التحول هذه بدقة من دون إطار قياس مشترك يراعي جميع عناصر التكلفة.
لذلك، فإن واحدة من أهم المهام المستقبلية للمبادرة ستكون مساعدة الشركات على معرفة متى يكون التشغيل الذاتي أوفر من الاستهلاك عبر واجهات الذكاء الاصطناعي السحابية، ومتى يصبح العكس هو القرار الأفضل.
ما الذي يعنيه هذا لسوق الذكاء الاصطناعي؟
إذا نجحت المبادرة في ترسيخ معيار واسع القبول، فقد تتحول إدارة تكلفة الذكاء الاصطناعي إلى ممارسة أكثر نضجاً ووضوحاً داخل المؤسسات. وعندها لن تكون القرارات مبنية على الانطباع أو الوعود التسويقية، بل على مقاييس قابلة للمقارنة بين الموردين والسيناريوهات التشغيلية المختلفة.
هذا النوع من التوحيد قد يؤثر أيضاً في السوق الأوسع، لأنه يرفع مستوى الشفافية ويضغط على مزودي الخدمات لتقديم بيانات أوضح حول الاستهلاك والكفاءة. كما قد يدفع الشركات إلى إعادة النظر في تصميم تطبيقاتها، واختيار النماذج بعناية أكبر، وربط الإنفاق مباشرة بمخرجات الأعمال.
ورغم أن Linux Foundation لم تعلن بعد موعداً نهائياً للإطلاق الرسمي أو بدء التشغيل الفعلي، فإن مجرد طرح الفكرة يعكس مرحلة جديدة في نضج سوق الذكاء الاصطناعي: مرحلة لا يكفي فيها أن يكون النموذج قوياً، بل يجب أن يكون قابلاً للقياس والمحاسبة والتحسين.