مناظرة سياق الذكاء الاصطناعي: الشركات تسعى للحقيقة التنظيمية الفورية، متجاوزة الاعتماد على النماذج المتطورة

سياق الصناعة: لماذا لا تكفي "السياق" لوكيل الذكاء الاصطناعي؟

هذا الأسبوع، تدور مناقشة حاسمة في صناعة الذكاء الاصطناعي العالمية حول "الحقيقة التنظيمية في الوقت الفعلي". في السابق، نشر المحلل المخضرم جون ريد مقالاً بعنوان "لماذا لا يكفي السياق — وكلاء الذكاء الاصطناعي بحاجة إلى حقيقة تنظيمية في الوقت الفعلي"، مشيرًا مباشرة إلى القيود الحالية للاعتماد المفرط للوكلاء على السياق المحدود (context)، ودعا الصناعة إلى إنشاء آلية "الحقيقة التنظيمية في الوقت الفعلي" (real-time organizational truth). أثار هذا الرأي ردود فعل قوية من الموردين والمستخدمين المؤسسين ومعاهد البحوث.

يشير ريد إلى أن معظم الموردين يرتكبون خطأين: الأول، حصر السياق في البيانات المؤسسية المحدودة التي يمتلكونها (حتى موردو بحيرات البيانات يفتقرون إلى السياق في الوقت الفعلي)؛ والثاني، عدم رغبتهم في الاعتراف بهشاشة السياق، خاصة على النطاق المؤسسي. يرى ريد أنه إذا لم يتم تزويد الوكيل بمعلومات أكثر شمولاً في الوقت الفعلي، فإن الوكيل سيبدو "أقل ذكاءً" بغض النظر عن قوة النموذج.

خلفية هذه المناقشة هي أن الذكاء الاصطناعي المؤسسي ينتقل من "مرحلة العرض التوضيحي" إلى "مرحلة النشر على نطاق واسع". ومع ذلك، فإن التكاليف المرتفعة للاستدلال، والهياكل المعقدة، والقيمة التجارية المحدودة، جعلت العديد من المديرين الماليين في الشركات يتساءلون "متى سيحقق الذكاء الاصطناعي عوائد حقيقية؟". قال بيل باترسون، كبير مسؤولي العملاء في Salesforce، في مقابلة حديثة: "المديرون الماليون يسألون — هل يمكن للذكاء الاصطناعي أن يحقق عوائد في وقت ما؟ نحن بحاجة إلى الانتقال من 'كم عدد الرموز المميزة المستخدمة' إلى 'هل تم إتمام الصفقة'."

تأثير السوق: الشركات تعيد تقييم استراتيجيات إنفاقها على الذكاء الاصطناعي

يتحدى رأي ريد مباشرة الاعتماد المفرط على نماذج الحدود المتقدمة (frontier models). يستشهد بعدة دراسات تثبت أنه من خلال هندسة السياق الصحيحة و"الهندسة الذكية" (harness engineering)، يمكن للنماذج الصغيرة خفض تكاليف تشغيل LLM بنسبة تصل إلى 90%. حتى أن Google اعترفت في ورقة بيضاء حديثة بأن السياق/التحكم الذكي المناسب يمكن أن يساهم بنسبة 90% من قيمة نظام الوكيل، بينما يمثل النموذج نفسه 10% فقط.

وهذا يعني أن الشركات لم تعد بحاجة إلى شراء وحدات معالجة رسومية (GPU) ورموز مميزة (tokens) بشكل غير محدود للحصول على قدرات الذكاء الاصطناعي. بدلاً من ذلك، يمكنها بناء "تحكم ذكي" فعال — بما في ذلك محركات التحقق، والمهارات المعدة مسبقًا، والحواجز الصارمة — لتقييد وتعزيز وكلاء LLM، مما يحقق نشرًا أرخص وأكثر استدامة للذكاء الاصطناعي.بالنسبة لموردي البنية التحتية للذكاء الاصطناعي مثل NVIDIA وAMD، قد يؤدي هذا الاتجاه إلى تغيير في هيكل الطلب: سيتحول جزء من الاعتماد على وحدات معالجة الرسومات في جانب الاستدلال نحو الاستثمار في خطوط البيانات وأنظمة الاسترجاع في الوقت الفعلي. بالنسبة لمزودي النماذج مثل OpenAI وAnthropic، إذا تمكنت الشركات من تقليل استهلاك النماذج بشكل كبير من خلال هندسة السياق، فقد يواجه نموذج أعمالهم القائم على الرموز ضغوطًا.

المشهد التنافسي: من يستفيد؟ ومن يتحمل الضغط؟

• المستفيدون:
• منصات تكامل البيانات والتحليل في الوقت الفعلي (مثل Databricks وSnowflake وConfluent) — يتطلب تنظيم الحقائق في الوقت الفعلي دمج بيانات الأنظمة المسجلة مع معلومات التعاون مثل Slack/Teams، وتزداد قيمة هذه المنصات.
• أدوات التحكم الذكي وتنسيق وكلاء الذكاء الاصطناعي (مثل LangChain وCrewAI وغيرها) — تساعد الشركات في إدارة سياق الوكلاء وأدواتهم وقيودهم، وتصبح حلقة رئيسية في البنية التحتية للذكاء الاصطناعي للمؤسسات.
• الموردون المتخصصون في الذكاء الاصطناعي لمجالات محددة (مثل IFS وServiceNow) — يركزون بشكل أكبر على المعرفة بالمجال بدلاً من قدرات النموذج العام.

• المتعرضون للضغط:
• مزودو واجهات برمجة تطبيقات نماذج الذكاء الاصطناعي الذين يعتمدون فقط على نموذج استهلاك الرموز (مثل OpenAI) — إذا خفضت الشركات استخدام الرموز بشكل كبير من خلال هندسة السياق، فقد يتباطأ نمو إيراداتهم.
• الموردون الذين يبالغون في التركيز على قدرات الاستدلال "المبادئ الأولى" — تفضل الشركات "نجاح النتيجة" على "ذكاء النموذج".

• اللاحقون المحتملون:
• Amazon AI وGoogle Cloud — يقدمان بالفعل خدمات أكثر تركيزًا على السياق (مثل وكلاء Amazon Bedrock وAgent Builder من Vertex AI)، وقد يعززان قدرات الوصول إلى البيانات في الوقت الفعلي.
• أطلقت Salesforce بالفعل وكيل تطوير المبيعات "Piper"، الذي يركز على "هل تم إغلاق فرصة البيع؟" بدلاً من استهلاك الرموز، مما يمثل تحولًا من "مدفوع بالنموذج" إلى "مدفوع بالنتائج".

الدروس للمؤسسات: من "الذكاء الاصطناعي أولاً" إلى "البنية المستدامة"

لصانعي القرار في المؤسسات، يعطي هذا النقاش إشارة واضحة: لا تكن رهينة لاقتصاد الرموز لدى الموردين.

1. إعادة تعريف مقاييس نجاح الذكاء الاصطناعي: لم يعد استخدام النموذج أو استهلاك الرموز هو معيار النجاح، بل يجب التركيز على نتائج الأعمال — توفير التكاليف، تحسين الكفاءة، رضا العملاء، إلخ. بالرجوع إلى ممارسات ثلاثة مستخدمين كبار (مثل IFS)، تحولت طريقة قياس قيمة الذكاء الاصطناعي التوليدي من "معدل التبني" إلى "الأثر التجاري".2. استثمار في هندسة السياق: تحتاج المؤسسات إلى بناء بنية قادرة على الحصول الفوري على البيانات الرئيسية (مثل المخزون، مشاعر العملاء، حالة الإنتاج)، والحد من نماذج LLM في مهام محددة من خلال التحكم الذكي. هذا أكثر فعالية من حيث التكلفة من شراء نماذج أكثر تكلفة.

3. فحص وعود الموردين: عند شراء خدمات الذكاء الاصطناعي، اسأل الموردين عن كيفية مساعدتهم في تقليل استهلاك الرموز المميزة (tokens)، وما إذا كانوا يدعمون نشر النماذج الصغيرة الهجينة. تجنب الوقوع في "هوة الرموز غير المنتهية".

4. الانتباه للامتثال والتنظيم: قانون الذكاء الاصطناعي الأوروبي (EU AI Act) يطالب الشركات بأن تكون مسؤولة عن مخرجات الذكاء الاصطناعي. تنظيم الحقائق في الوقت الفعلي يساعد في توفير أساس قرار قابل للتتبع، ويقلل من مخاطر التنظيم.

النظرة المستقبلية: 12 شهرًا، 24 شهرًا، 3 سنوات

12 شهرًا: المزيد من الشركات ستبدأ في بناء أنظمة "التحكم الذكي" الخاصة بها، وسترتفع حصة نشر النماذج الصغيرة في السيناريوهات العمودية. قد تقدم شركات مثل OpenAI نماذج مضبوطة أكثر توجهاً للسياقات المحددة، لمواجهة انخفاض إيرادات الرموز المميزة.

24 شهرًا: تنظيم الحقائق في الوقت الفعلي سيصبح معياراً للذكاء الاصطناعي في المؤسسات. ستدمج منصات البيانات بيانات التعاون (مثل Slack/Teams) مع سجلات أنظمة الأعمال لتوفير سياق موحد. ستقل فجوة قدرات وكلاء الذكاء الاصطناعي (مثل الاستدلال متعدد الخطوات واستدعاء الأدوات) من خلال تحسين ملء السياق.

3 سنوات: سينكسر احتكار النماذج الرائدة. ستنشأ منصات وكلاء متخصصة في الصناعات، وسيتحول استثمار البنية التحتية للذكاء الاصطناعي من هوس وحدات معالجة الرسوميات (GPU) إلى تحقيق توازن بين خطوط أنابيب البيانات والاسترجاع الفوري. سيركز تنظيم الذكاء الاصطناعي أكثر على "قابلية التحكم في العملية"، مما سيعطي الشركات عائد استثمار أعلى.

كما قال جون ريد: "التقدم في السياق يخبرنا بأن العملاء ليسوا بالضرورة بحاجة إلى الاعتماد على النماذج الرائدة. يمكنهم اختيار مسار ذكاء اصطناعي أكثر استدامة." إذا تمكنت المؤسسات من استغلال نقطة التحول هذه، فسيكون العقد القادم لصناعة الذكاء الاصطناعي أكثر عملية وكفاءة.