لم تعد الخنادق الحقيقية للذكاء الاصطناعي هي النماذج، بل بيانات التقييم: الجولة التالية من المنافسة في الذكاء الاصطناعي المؤسسي

الحاجز الدفاعي الحقيقي للذكاء الاصطناعي لم يعد النموذج، بل بيانات التقييم: الجولة التالية من المنافسة في الذكاء الاصطناعي المؤسسي

سياق الصناعة

على مدى العامين الماضيين، شكّل التنافس حول النماذج الأساسية تقريبًا تعريف صناعة الذكاء الاصطناعي العالمية: أحجام معاملات أكبر، قدرات متعددة الوسائط أقوى، نوافذ سياق أطول، واستثمارات أشد في الحوسبة، كلها اعتُبرت متغيرات حاسمة في تحديد الفائز والخاسر. لكن مع انتقال الذكاء الاصطناعي من “أداة محادثة” إلى “نظام تنفيذ”، بدأت منطقية المنافسة تتغير.

تطرح المقالة المرجعية حكمًا يستحق اهتمام القطاع: إن جوهر المنافسة في الذكاء الاصطناعي ينتقل من “من يملك النموذج الأقوى” إلى “من يستطيع دمج النموذج داخل سير العمل بشكل أفضل، والاستمرار في التعلّم من تفضيلات المؤسسة والمستخدم”. وفي هذا السياق، ليست الأصول النادرة حقًا هي القدرة على توليد المحتوى مرة واحدة، بل بيانات التقييم (eval data) التي يمكن تسجيلها، ووسمها، ومقارنتها، وإعادة تشغيلها بشكل مستمر.

والسبب وراء ذلك مباشر. فحين تنشر الشركات وكلاء ذكاء اصطناعي، لم يعد الهدف مجرد الدردشة، بل جعل النظام ينفذ بدلًا من البشر مهامًا جزئية داخل جدولة الاجتماعات، ومعالجة البريد الإلكتروني، وتحرير المستندات، وتوليد الأكواد، وتشغيل المتصفح، وسير عمل الموافقات. وما إن يدخل الذكاء الاصطناعي إلى سير العمل الفعلي حتى تتولد إشارات تغذية راجعة كبيرة يمكن استخدامها للحكم على “ما الصحيح”، و”ما الخطأ”، و”ما الذي يتوافق أكثر مع أهداف العمل”. لكن المشكلة أن هذه الإشارات، في معظمها، لم تُحوَّل بعد بشكلٍ منتجّي إلى أصول قابلة لإعادة الاستخدام.

ولهذا أيضًا بدأت سردية “النموذج هو الحاجز الدفاعي” تفقد حرارتها. فقدرات النموذج مهمة بلا شك، لكنها أقرب إلى بنية أساسية عامة؛ أما ما يحدد فعليًا أثر النشر على مستوى المؤسسات فهو طبقة الربط، وطبقة الصلاحيات، وطبقة الذاكرة، وطبقة المراقبة، وطبقة التقييم خارج النموذج. وبعبارة أخرى، فإن المرحلة التالية من الذكاء الاصطناعي لا تتمحور فقط حول تفوق الذكاء، بل حول من يستطيع تحويل الذكاء إلى نظام إنتاجية يمكن التحكم فيه وقياسه وتطويره باستمرار.

أثر السوق

بالنسبة إلى السوق، يؤثر هذا التحول في ثلاثة أنواع على الأقل من الأطراف المشاركة.

1）العملاء من الشركات: من التجارب الأولية إلى إعادة تصميم العمليات

تتغير منطقية شراء الذكاء الاصطناعي لدى الشركات من “هل توجد ميزة جديدة؟” إلى “هل يمكن أن يحقق عائدًا استثماريًا قابلًا للقياس؟”. وإذا أمكن ترسيخ eval data بشكل منهجي، فستتمكن الشركات من المقارنة بوضوح أكبر بين:

• أي المهام مناسب أن يتولاها الوكيل تنفيذًا؛
• أي المراحل يجب أن تبقى تحت المراجعة البشرية؛
• أي نوع من المخرجات أكثر عرضة لإعادة العمل؛
• أي النماذج أو إعدادات سير العمل أقرب إلى أهداف العمل.

وهذا يعني أن قيمة الذكاء الاصطناعي المؤسسي لن تظهر فقط في كفاءة التوليد لمرة واحدة، بل في القدرة المستمرة على تحسين سير العمل بأكمله. وغالبًا ما تكون المنصات القادرة على تحويل تعديلات المستخدم، والموافقات، والرفض، وإعادة الصياغة إلى بيانات تغذية راجعة هي الأكثر فرصة لبناء نشر واسع النطاق.

2）شركات النماذج: انتقال محور المنافسة من “قدرة النموذج” إلى “التحكم في النظام”بالنسبة إلى شركات النماذج والمنصات مثل OpenAI وAnthropic وGoogle DeepMind وMeta AI، يظل النموذج نفسه هو نقطة الدخول، لكن الالتصاق بالمستخدم والقيمة التجارية يعتمدان بشكل متزايد على قدرات طبقة المنتج. ومن يستطيع إدارة حدود تنفيذ الـ agent، واستدعاء الأدوات، والذاكرة، وحلقة التغذية الراجعة بشكل أفضل، يكون أقرب إلى جوهر التطبيقات المؤسسية.

وهذا يعني أن المنافسة بين شركات النماذج الأساسية لم تعد مجرد سباق في جانب التدريب، بل بدأت تمتد أيضًا إلى جانب التشغيل:

• من يستطيع التحكم في عدد أكبر من سير العمل المؤسسية؛
• من يستطيع حمل الذكاء الاصطناعي على المزيد من الـ surface؛
• من يستطيع تحويل ملاحظات المستخدمين إلى أصول بيانات قابلة للتحسين المستمر.

3）شركات ناشئة في مجال الذكاء الاصطناعي: ستصبح التقييمات وإدارة سير العمل فرصة جديدة

تشير المقالة المرجعية إلى أن السوق بدأ بالفعل يولي اهتمامًا بالاتجاهات الناشئة المحيطة بـ eval. هذه الشركات قد لا تبني نماذج أكبر مباشرة، بل تحاول حل مشكلة أكثر واقعية: كيف نعرّف “الجيد”، وكيف نلتقط تغيرات التفضيلات، وكيف نجعل مخرجات الذكاء الاصطناعي متوافقة مع أهداف الشركة.

ومن منظور صناعي، هذا يعني أن الجولة الجديدة من الفرص قد تظهر في:

• منصات تقييم الذكاء الاصطناعي؛
• مراقبة سير العمل وإعادة تشغيله؛
• ضبط جودة الـ agent؛
• أدوات حلقة التغذية الراجعة المخصصة للمؤسسات.

هذه المنتجات عادةً لا تنتشر بسرعة مثل روبوتات المحادثة، لكنها قد تكون أقرب إلى ميزانيات الشركات، والتكامل مع أنظمة الـ IT، ومنطق التجديد طويل الأجل.

المشهد التنافسي

من سيستفيد

شركات المنصات التي تمتلك واجهة المستخدم ونقاط التوزيع ستكون أول من يستفيد. وتشير المقالة المرجعية إلى أن استراتيجية Google واضحة: إدخال الذكاء الاصطناعي في واجهات المنتجات الحالية مثل Search وAndroid وChrome وGmail وDocs وYouTube وMaps. امتلاك الـ surface يعني أن هذه المنصات أقدر على جمع بيانات التفاعل، والحصول على تغذية راجعة مستمرة داخل سير العمل.

شركات SaaS التي تمتلك مدخلًا إلى سير العمل المؤسسي ستستفيد أيضًا. لأنها قريبة بطبيعتها من العمليات التجارية، فهي الأسهل في تحويل “ما الذي غيّره المستخدم، ولماذا غيّره، وما نتيجة التغيير” إلى eval data. وبالنسبة إلى SaaS، فإن الذكاء الاصطناعي لا يعني بالضرورة الاستبدال، بل قد يعني إعادة تضخيم قيمة سير العمل.

مزوّدو البنية التحتية وأدوات الطبقة المنصاتية سيستفيدون كذلك. فمع تعمق الـ agent في سير العمل التجارية، ستزداد أهمية إدارة الصلاحيات، والسجلات، والتدقيق، والمراقبة، والتقييم، والقدرة على التراجع. وهذا سيدفع منصات الذكاء الاصطناعي من مجرد “استدعاء النماذج” إلى “لوحة تحكم تشغيلية على مستوى الإنتاج”.

من سيتعرض للضغط

الشركات التي تعتمد فقط على سردية قوة النموذج ستتعرض للضغط. فإذا كان المنتج لا يستطيع ترسيخ بيانات استخدام حقيقية، فلن تكفي قوة النموذج وحدها لبناء حاجز طويل الأمد. لأن ما يدفع العميل المؤسسي ليس إجابة لمرة واحدة، بل نتيجة يمكن تسليمها بشكل ثابت.

الشركات ذات التطبيقات العامة التي لا تملك منفذًا إلى سير العمل ستواجه أيضًا منافسة أكبر.الشركات ذات الطبقة العامة للتطبيقات التي لا تمتلك مدخلًا لسير العمل ستواجه أيضًا ضغطًا تنافسيًا أكبر. ومع قيام المنصات بإسقاط الذكاء الاصطناعي إلى مستوى نظام التشغيل، وحِزم المكاتب، وبيئات التطوير، تحتاج هذه الشركات إلى إثبات أنها لا تستطيع فقط “الربط بالنموذج”، بل أيضًا توفير بيئة تنفيذ مميزة وآلية تحسين مستمرة.

من قد يلحق بالركب

يمكن توقع أن تبدأ المزيد من شركات الذكاء الاصطناعي في تعزيز ثلاث قدرات:

1. تحويل أنظمة التقييم إلى منتجات: تحويل الملاحظات البشرية، وتعديلات المستخدمين، ومعدل نجاح المهام إلى مؤشرات قابلة للتتبع؛ 2. إغلاق حلقة سير العمل: بحيث يمكن للملاحظات أن تؤثر مباشرة في استراتيجيات التوليد اللاحقة، واستدعاء الأدوات، وسياسات الصلاحيات؛ 3. حوكمة على مستوى المؤسسات: توفير ضوابط أقوى حول التدقيق، والامتثال، والصلاحيات، وحدود المسؤولية.

ولهذا السبب، فإن المنافسة في وكلاء الذكاء الاصطناعي لا تتعلق فقط بـ“من هو الأذكى”، بل بـ“من يستطيع أن يصبح أكثر موثوقية باستمرار في الأعمال الواقعية”.

الآثار على المؤسسات

بالنسبة إلى صناع القرار في الشركات، فإن الفكرة الأساسية في هذا المقال ليست مطاردة نموذج واحد بعينه، بل إعادة تقييم طريقة شراء الذكاء الاصطناعي ونشره.

ما الذي ينبغي أن تركز عليه الشركات

أولًا، هل لمشروع الذكاء الاصطناعي معايير تقييم واضحة. إذا لم يكن هناك تعريف لما يعنيه النجاح، فمن الصعب جدًا تحويل التجربة الأولية إلى تطبيق واسع النطاق. تحتاج الشركات إلى تحديد معدلات إنجاز المهام، ومعدل إعادة العمل البشري، وزمن الاستجابة، وتكلفة الأخطاء، وغيرها من المؤشرات قبل النشر.

ثانيًا، هل يمكن الحفاظ على حلقة التغذية الراجعة. العديد من الشركات تكتفي في التجارب بالنظر إلى المخرجات ولا تنظر إلى عملية التعديل. في الواقع، غالبًا ما تكون البيانات الأكثر قيمة موجودة في مراحل المراجعة، والرفض، والموافقة، وإعادة الكتابة. ومن يستطيع تحويل هذه المراحل إلى أصلٍ بياناتي فهو الأقدر على بناء خندق حماية داخلي.

ثالثًا، هل يندمج الذكاء الاصطناعي فعلًا في أنظمة الأعمال. إذا كان الذكاء الاصطناعي مجرد نافذة دردشة مستقلة، فعادةً ما يكون من الصعب جدًا أن يغير سير العمل المؤسسي. فقط عندما يدخل إلى البريد الإلكتروني، وCRM، وأنظمة التذاكر، وقواعد المعرفة، ومستودعات الشيفرة، وأنظمة الموافقة، يمكنه أن يولد قيمة أعمال مستدامة.

رابعًا، هل يدعم المورد الحوكمة والتدقيق. كلما تعمق تطبيق الذكاء الاصطناعي على مستوى المؤسسة، ارتفعت متطلبات القابلية للتفسير، والصلاحيات، والسجلات، وحدود المسؤولية. وبيانات التقييم ليست مجرد مسألة تقنية، بل تتحول سريعًا إلى مسألة حوكمة.

النظرة المستقبلية

الاثنا عشر شهرًا القادمة

ستواصل صناعة الذكاء الاصطناعي المنافسة حول الوكلاء، وسير العمل، والتطبيق في المؤسسات. ستعزز شركات النماذج قدراتها أيضًا، لكن كثيرًا من السرديات سيتحول إلى: “كيف ينفذ النظام المهام بثبات”. وستحظى أدوات التقييم والمراقبة بمزيد من الاهتمام، خاصة في مرحلة التجارب المؤسسية.

الأربعة والعشرون شهرًا القادمة

سيصبح تمايز الذكاء الاصطناعي على مستوى المؤسسات أكثر وضوحًا.سيصبح التمايز في الذكاء الاصطناعي المؤسسي أكثر وضوحًا. فالمنصات القادرة على ترسيخ بيانات التغذية الراجعة داخل المنتج ستبني تدريجيًا ارتباطًا أقوى بالاستخدام؛ أما المنتجات التي لا تقدم سوى قدرة توليد عامة وتفتقر إلى آلية مغلقة، فربما يكون استبدالها أسهل. كما ستزداد الضبابية بين شركات SaaS وشركات النماذج.

خلال 3 سنوات

قد لا تعود الأصول الأساسية في المنافسة على الذكاء الاصطناعي مقتصرة على أوزان النماذج أو قوة الحوسبة أو منافذ التوزيع، بل تصبح الأصول البيانية المتراكمة في دورة “المهمة—التغذية الراجعة—التحسين”. وعندها، قد لا تكون المنصات الأقوى هي الأكثر قدرة على التوليد، بل الشركات الأكثر فهمًا لعمليات الأعمال المؤسسية، والأقدر على تحديد النتائج، والأقدر على المعايرة المستمرة لسلوك الوكلاء (agents).

بالنسبة للمؤسسات الاستثمارية، يعني ذلك أنه عند تقييم مشاريع الذكاء الاصطناعي، لا يكفي النظر إلى قدرات النموذج وحمى السوق، بل ينبغي أيضًا النظر إلى ما إذا كانت تمتلك نقطة دخول حقيقية إلى سير العمل، وما إذا كانت قادرة على تراكم بيانات eval الخاصة بها، وما إذا كانت تمتلك قدرات حوكمة بمستوى مؤسسي. أما بالنسبة للشركات، فهذا يعني أن الذكاء الاصطناعي لم يعد مجرد شراء أداة، بل بناء نظام تشغيل جديد.

مصدر المعلومات

• https://ca.news.yahoo.com/missing-moat-ai-eval-data-160032646.html