خلال الأشهر القليلة الماضية، وأثناء مراجعتي الدورية لفواتير الاستهلاك السحابي وتكامل واجهات البرمجة (APIs) في منصتنا البعد التقني الرابع، لاحظت نمطاً غريباً ومثيراً للاهتمام. على الرغم من أن معدل العمليات والمهام المنجزة عبر الأنظمة الذكية لدينا قد تضاعف، إلا أن التكلفة الإجمالية المدفوعة لكل مستخدم أو موظف شهدت انخفاضاً ملحوظاً. هذه الملاحظة الشخصية لم تكن حالة فردية معزولة، بل هي انعكاس لظاهرة أعمق بدأت تلوح في أفق قطاع التقنية العالمي.

تشير البيانات الأخيرة الصادرة عن الأسواق المالية ومراكز الأبحاث التقنية إلى أن الإنفاق على أدوات الذكاء الاصطناعي لكل موظف في الشركات الكبرى قد شهد تراجعاً غير متوقع، لا سيما في أواخر صيف هذا العام. هذا التراجع يطرح تساؤلاً جوهرياً: هل نحن أمام ركود مؤقت في تبني هذه التقنيات، أم أننا نشهد نضوجاً حقيقياً يقودنا نحو مرحلة جديدة ترتكز على أتمتة الذكاء الاصطناعي والوكلاء المستقلين بدلاً من الاشتراكات الفردية المكلفة؟

2. تحليل ظاهرة تراجع الإنفاق الفردي في الشركات الكبرى

عندما أطلقت الشركات الكبرى مثل مايكروسوفت وجوجل أدوات المساعدة الذكية (Copilots) القائمة على اشتراكات شهرية ثابتة تتراوح بين 20 إلى 30 دولاراً لكل موظف، كانت التوقعات تشير إلى نمو خطي هائل في العوائد. افترض عمالقة التقنية (Hyperscalers) أن كل موظف في الشركات المدرجة في قائمة Fortune 500 سيحتاج إلى ترخيص فردي لاستخدام هذه الأدوات بشكل يومي.

ومع ذلك، تشير البيانات الواقعية إلى أن الشركات بدأت تعيد النظر في هذه الإستراتيجية. لم يعد المدير التقني مستعداً لدفع آلاف الدولارات شهرياً لقاء تراخيص لا تُستخدم إلا بنسبة 20% من طاقتها الفعلية. هذا التراجع في الإنفاق الفردي ليس دليلاً على تراجع الاهتمام بالتقنية نفسها، بل هو دليل على أن نموذج “الاشتراك الفردي لكل موظف” يواجه تحديات هيكلية كبيرة في بيئات العمل الحقيقية.

الشركات اليوم تبحث عن العائد الفعلي على الاستثمار (ROI). بدلاً من تزويد كل موظف بمساعد ذكي يكتب رسائل البريد الإلكتروني، تتجه الأنظار نحو تصميم حلول متكاملة تعتمد على أتمتة الذكاء الاصطناعي لتنفيذ مهام معقدة ومحددة سلفاً دون الحاجة لتدخل بشري مستمر.

3. اقتصاديات التوكنز: كيف غيرت النماذج الرخيصة قواعد اللعبة

أحد الأسباب المباشرة والهندسية وراء هذا الانخفاض في الإنفاق هو “حرب الأسعار” المستعرة بين مطوري النماذج اللغوية الكبيرة (LLMs). في تجربتي التقنية، رأينا كيف انخفضت تكلفة التوكنز (Tokens) بنسب تتجاوز 80% خلال عام واحد فقط. إطلاق نماذج أصغر، أسرع، وأرخص مثل GPT-4o-mini و Claude 3.5 Haiku سمح للمطورين ببناء تطبيقات غاية في الكفاءة بكسر من التكلفة السابقة.

هذا الانخفاض الحاد في التكلفة التشغيلية يعني أن العمليات التي كانت تكلف دولاراً واحداً من خلال واجهات البرمجة أصبحت تكلف الآن سنتات معدودة. ونتيجة لذلك:

• انخفضت الفواتير الإجمالية للشركات التي تبني حلولها الخاصة.
• زادت كفاءة النماذج المحلية والمفتوحة المصدر (مثل Llama 3) التي يمكن استضافتها داخلياً دون دفع رسوم اشتراك خارجية.
• تلاشت الحاجة للاعتماد الكلي على النماذج العملاقة المكلفة في المهام الروتينية اليومية.

هذا التحول الاقتصادي يثبت أن انخفاض الإنفاق ليس علامة خطر، بل هو مؤشر على كفاءة تكنولوجية متزايدة تخدم مصلحة الشركات وتدفع باتجاه تبني أوسع لتقنيات أتمتة الذكاء الاصطناعي.

4. التحول الهيكلي: من المساعد التقليدي إلى أتمتة الذكاء الاصطناعي الوكيلة

في البداية، كان يُنظر إلى الذكاء الاصطناعي كأداة تفاعلية؛ يكتب الموظف أمراً (Prompt) وينتظر الإجابة. هذا النموذج يتطلب وجود موظف بشري خلف الشاشة طوال الوقت، مما يحد من نطاق الإنتاجية ويربط التكلفة بعدد ساعات العمل البشرية.

اليوم، ننتقل بسرعة نحو عصر “الوكلاء المستقلين” (AI Agents). هؤلاء الوكلاء لا ينتظرون الأوامر البسيطة، بل يتم تكليفهم بأهداف عامة (مثل: “قم بتحسين حملاتنا الإعلانية ومراقبة الميزانية يومياً”)، ليعملوا في الخلفية بشكل مستقل تماماً عبر التكامل مع الأنظمة المختلفة (APIs). هنا تكمن القوة الحقيقية لـ أتمتة الذكاء الاصطناعي.

عندما يقوم وكيل برمجائي واحد بإنجاز عمل كان يتطلب فريقاً كاملاً من الموظفين المسلحين باشتراكات فردية، فإن الإنفاق لكل موظف ينخفض طبيعياً، بينما ترتفع الكفاءة التشغيلية للمؤسسة ككل. هذا هو التفسير المنطقي والتقني لركود الإنفاق الفردي الذي يقلق المستثمرين في وادي السيليكون، ولكنه يبهج مديري التقنية التنفيذيين.

5. مقارنة تفصيلية: نماذج الاشتراك الفردي مقابل الأتمتة المبنية على الوكلاء

لتوضيح هذا التحول الجذري في كيفية تخصيص الميزانيات التقنية، قمت بإعداد الجدول التالي الذي يقارن بين النموذج التقليدي القائم على الموظف والنموذج الحديث القائم على الوكلاء والأتمتة:

وجه المقارنة	نموذج الاشتراك الفردي (SaaS Copilot)	نموذج أتمتة الذكاء الاصطناعي الوكيلة
طريقة التسعير	رسوم ثابتة لكل مستخدم شهرياً (مثال: $30/مستخدم)	حسب الاستهلاك الفعلي (Pay-as-you-go) بناءً على التوكنز والعمليات
التدخل البشري	مرتفع جداً (يتطلب توجيه مستمر من الموظف)	منخفض إلى معدوم (يعمل الوكيل بشكل مستقل في الخلفية)
قابلية التوسع	محدودة بعدد الموظفين وساعات عملهم	غير محدودة (يمكن تشغيل آلاف العمليات المتوازية بلحظات)
كفاءة التكلفة	منخفضة (دفع مقابل ميزات قد لا تُستخدم بالكامل)	مرتفعة جداً (الإنفاق موجه مباشرة للمهمة المنجزة)

6. مستقبل عمالقة السحاب في ظل تراجع الإنفاق الفردي

هذا التحول يضع عمالقة التقنية ومزودي الخدمات السحابية أمام تحدٍ حقيقي. الشركات التي استثمرت مليارات الدولارات في بناء مراكز البيانات وتدريب النماذج الضخمة كانت تأمل في تحقيق تدفقات نقدية متكررة ومستقرة من خلال اشتراكات المستخدمين. تراجع هذا الإنفاق الفردي يجبرهم على إعادة التفكير في إستراتيجياتهم التجارية.

وفقاً للتحليلات الصادرة عن مؤسسات مالية كبرى مثل Sequoia Capital، فإن القيمة الحقيقية للذكاء الاصطناعي لن تأتي من بيع البرمجيات كخدمة (SaaS) بشكلها التقليدي، بل من بيع “النتائج والمهام المنجزة”. بدلاً من بيع برمجيات لإدارة خدمة العملاء، ستقوم الشركات ببيع “وكيل خدمة عملاء رقمي” متكامل، ويتم الدفع بناءً على عدد التذاكر التي تم حلها بنجاح.

هذا يعني أن عمالقة السحاب سيتعين عليهم التحول من توفير البنية التحتية الخام والنماذج العامة إلى توفير منصات متكاملة تدعم تطوير ونشر وكلاء مستقرين يسهل دمجهم في بيئات العمل المعقدة.

7. توصيات عملية لمديري التقنية ورؤساء الأتمتة

بصفتي مديراً تقنياً، أرى أن هذه المرحلة الانتقالية توفر فرصاً ذهبية للشركات التي ترغب في تحقيق ميزة تنافسية دون استنزاف ميزانياتها. إليك بعض التوصيات التي نطبقها في منصتنا وننصح بها شركاءنا:

1. إعادة تقييم تراخيص الموظفين: قم بإجراء جرد دوري لمدى استخدام الموظفين الفعلي لأدوات المساعدة الذكية المدفوعة. ستفاجأ بأن نسبة كبيرة منهم لا تستخدم سوى ميزات بسيطة يمكن تعويضها بنماذج مجانية أو حلول داخلية مبسطة.
2. الاستثمار في البنية التحتية للوكلاء: وجه الميزانيات المستقطعة من الاشتراكات الفردية نحو بناء وتطوير وكلاء ذكاء اصطناعي مخصصين لمهام محددة داخل شركتك (مثل أتمتة التقارير المالية، أو تصفية طلبات التوظيف).
3. اعتماد النماذج الهجينة: لا تعتمد على نموذج واحد مكلف لجميع المهام. استخدم النماذج الصغيرة والرخيصة للمهام اليومية الروتينية، واحتفظ بالنماذج العملاقة للمهام المعقدة التي تتطلب تحليلاً عميقاً.
4. التركيز على أمن البيانات محلياً: مع زيادة الاعتماد على أتمتة الذكاء الاصطناعي، يصبح من الضروري استضافة النماذج محلياً أو عبر سحابة خاصة لضمان عدم تسرب بيانات الشركة الحساسة إلى واجهات برمجة خارجية غير خاضعة للرقابة.

في النهاية، يمكننا القول بثقة إن هدوء الصيف في الإنفاق على الذكاء الاصطناعي لم يكن نذير شؤم، بل كان فرصة لالتقاط الأنفاس وإعادة ترتيب الأوراق. المستقبل ليس لمن يملك أكبر عدد من الاشتراكات، بل لمن يملك الأنظمة الأكثر ذكاءً وقدرة على العمل الذاتي والمستقل.

للتعمق أكثر وفهم آليات التنفيذ، ننصح بالاطلاع على الدليل الشامل لبناء «وكلاء الذكاء الاصطناعي» (AI Agents): من التحكم بالحاسوب وأتمتة الأعمال إلى بناء وكيل تشخيصي لرصد الدرجات وتحليل الفجوات.