قادة الفكر
شركات الذكاء الاصطناعي لا تمتلك حماية قانونية – إلا إذا توقفت عن اختيار الجانب
الحقيقة المزعجة حول منتجات الذكاء الاصطناعي: ميزتك التنافسية لها صلاحية محددة بأسابيع، وليس سنوات.
في حين أن مختبرات الذكاء الاصطناعي التأسيسية تinvest مليارات في نماذج تستغرق سنوات للبناء، فإن شركات الطبقة التطبيقية تكتشف أن الحماية القانونية لا توجد بالمعنى التقليدي. ميزتك القاتلة؟ يتم تكرارها بحلول يوم الجمعة. حافتك التقنية؟ انتهت بحلول الربع التالي. تنوع اللاعبين، وسهولة الوصول إلى النماذج التأسيسية، وسرعة الابتكار قد خلقوا سوقًا حيث أن كونك الأول، أو الأفضل، أو المختلف لا يضمن البقاء.
لكن هناك طريقة معاكسة للخروج: أوقف محاولة الفوز بالتكنولوجيا، وبدء بناء القدرة على البقاء. الحماية القانونية الحقيقية ليست في الذكاء الاصطناعي الذي تستخدمه – بل في قدرتك على استخدام أي ذكاء اصطناعي.
الانقسام التأسيسي
هناك طبقة تأسيسية – النماذج الكبيرة مثل ChatGPT، وGrok، وGemini. عدة عشرات من النماذج، مدربة بشكل مختلف، каждая منها تمتلك مزاياها الخاصة. ولكن هذا هو العمل التأسيسي، والبحثي الشديد: مهندسون يعملون لسنوات، يتطلبون استثمارًا كبيرًا للموارد. كل واحدة من هذه النماذج تمتلك حماية قانونية فريدة – وإلا فإن استثمار الموارد لا يمكن تبريره. هذا هو السبب في أن محاولات الاستيلاء على مهندسي OpenAI مشهورة جيدًا: لديهم خبرة فريدة لا يمكن زراعتها بسرعة بأي سعر.
لكن على مستوى التطبيق، الأمور مختلفة تمامًا. الموارد اللازمة أقل، على الرغم من أن بعض الإبداع مطلوب لتعديل LLM وحل مشكلة تجارية. كل شخص لديه لعبة خاصة به، ونهج خاص به، ومنتج خاص به. تنوع اللاعبين يقتل أي إمكانية للحصول على حماية قانونية فريدة في أي سوق – نص، صوت، أو صورة. حلول الأعمال التي تستند إلى الذكاء الاصطناعي التأسيسي تظهر يوميًا، وشركات تظهر بانتظام، وأحيانًا لا يمكن تمييزها عن بعضها البعض.
المميزات المحتملة في صناعة الصوت توضح هذه التطور: في البداية، حاول الجميع جعل الأصوات تبدو أكثر بشريًا، ثم أصبحت السرعة هي السؤال وبدأ الجميع يحلون نفس المهمة بسرعة. الآن نحن في عصر العلامات العاطفية. في التعرف على الكلام، تحسنت المقاييس الرئيسية – معدل الكلمة/الخطأ – بشكل ملحوظ مع ظهور LLMs قادرة على فهم ملاءمة الكلمة السياقية.
باختصار، غياب الحماية القانونية يفسر bằng نقص العمق في أي جانب من جوانب وجود منتج على مستوى التطبيق: فهو ضحل في مكون الذكاء الاصطناعي وفي تطبيقه التجاري. تمامًا مثل حماية منتج التأسيسي التي يفسرها عمق تطوره.
لكن هل مشاريع مستوى التطبيق تحتاج إلى حماية قانونية؟ إذا كنت تعمل في سوق كبير نسبيًا، ولديك أقل من 30 منافسًا – يمكنك ترك كل شيء على ما هو. بالطبع، المنافسين يمكن أن يكونوا كبيرين مثل OpenAI وAnthropic – لكن هنا عليك أن تعتمد على شعور خاضع لتقدير حجم السوق وديناميكياتها، وهل هناك طعام كافٍ للجميع أم لا. لكن إذا كان السوق صغيرًا نسبيًا والمنافسين ينتشرون مثل الفطر – ثم عليك أن تحدد بوضوح ميزتك التنافسية. لا يهم إذا قام المنافسون بتبنيها بسرعة.
التوزيع كحماية قانونية حقيقية
أشتبه إلى أن هذا是一دعاء صحيح إلى حد ما، والحماية القانونية الحقيقية تكمن في مجال التوزيع، وليس في التكنولوجيا نفسها. ما يهم أكثر هو كيف تقوم بتعزيز وجودك مع العملاء بسرعة، وهل تقدم قيمة المنتج ضمانًا جيدًا للقيمة الدائمة للعميل. وإلا فقد تبني بعض التطبيقات لخدمة العملاء، وربما ينتشرون بسرعة، لكنهم يتوقفون عن استخدامها عندما تظهر التطبيق الجديد التالي.
النوعان من الميزة – ولماذا يبقى فقط واحد
هناك نوعان من الميزات التنافسية. الأول يسمح لك بالفوز هنا والآن بحافة واضحة – بفضل بعض الخبرة الفريدة أو الميزة القاتلة التي لا يمتلكها المنافسون. الثاني يسمح لك بتجنب الخسارة في الأجل الطويل، لأنك تبني الاستدامة.
مع منتجات الذكاء الاصطناعي، الممارسة العملية تظهر بالفعل أن النوع الأول من الميزة يتم محوه بسرعة مخيفة: المنافسون يغلقون الفجوة بسرعة مخيفة.
لذلك من المنطقي التركيز على النوع الثاني: أقصى متانة للمنتج. هذا يتم تحقيقه من خلال بناء منتج يمكنه العمل مع أي مزود LLM وتبديل بينهم في لحظة – في اللحظة التي يبدأ فيها النموذج الحالي الذي يتم بناء عملك عليه في التأخر بوضوح عن أفضل نموذج قادم.
بناءً على ذلك، يصبح مقياس الاستقلالية عن طبقات LLM الحالية حماية قانونية أقوى من الجهود التسويقية أو التقنية بمفردها. أن تكون غير متعاطف مع المزود لا يعتبر فقط أمرًا جميلًا – بل هو الموقع الدفاعي الوحيد عندما يتغير الأرض تحتك شهريًا.
التعقيد الخفي لاستراتيجية النموذج المتعدد
في حين أن الحياد تجاه المزود يوفر حماية طويلة الأجل، فإن التنفيذ يكشف عن تحديات كبيرة. كما يشرح Alexey Aylarov، “ليس من السهل، لأن جميع النماذج لديها خصائص ومشاكل خاصة بها”.
المشكلة الأساسية: LLMs ليست قابلة للتبادل. الإخراج يختلف مع نفس الإدخال – حتى داخل نفس LLM، ولكن بأكثر دراماتيكية عند التبديل بين المزودين. كل نموذج يتفاعل مع الإرشادات والإدخال بشكل مختلف: بعضها يتبع الإرشادات بشكل أفضل، والبعض الآخر أسوأ؛ الأداء يمكن أن يكون محددًا باللغة أو بالغرض.
مثال ملموس: ضع في اعتبارك خدمات توليد الصور/الفيديو مثل Sora أو Veo. أعطهم نفس الإدخال وستحصل على نتائج完全 مختلفة. هذا التباين ينطبق على جميع تطبيقات LLM.
تحدي التعديل: لتحافظ على توافق متعدد النماذج، عليك:
- إنشاء إرشادات/تعليمات منفصلة لكل LLM التي تنتج النتيجة المرغوبة
- معرفة كيفية اختلاف كل LLM وتعديل الإدخال وفقًا لذلك
- الاشتراك في عمل غالبًا ما يكون إبداعيًا أكثر من الروتيني
- قبول أن هذا العملية غالبًا ما تكون صعبة التأتمت في معظم الحالات
يتطلب جهد تعديل كبير لكل نموذج. الاستثمار الأولي كبير: عليك تطوير إرشادات لجميع LLMs قبل أن تتمكن من التبديل بينهم بحرية. بالإضافة إلى ذلك، فإن هذا التحضير يغطي فقط النماذج الحالية – عندما تظهر نماذج LLM جديدة، يبدأ عملية التعديل مرة أخرى.
الحماية القانونية تأتي من الاستثمار في بنية الاختبار، وخبرة هندسة الإرشادات، والانضباط التشغيلي للحفاظ على التوافق عبر عدة LLMs – ولتكرار هذه العملية مع تطور المناظر. هذه القدرة تصبح شكلًا من أشكال العمق التقني الذي لا يمكن للمنافسين تكراره بسهولة، حتى لو فهموا الاستراتيجية.
التناقض: حماية قانونية لك لا توجد
هنا ما يجعل الحياد تجاه المزود قويًا: إنه الميزة التنافسية الوحيدة التي تصبح أقوى مع زيادة الفوضى في السوق.
عندما يبني منافسك منتجه بالكامل على GPT-4 ونموذج أفضل يظهر، فهو يواجه إعادة تصميم وجودية. عندما تبني البنية التحتية للتبديل بين النماذج، فأنت تواجه يوم الثلاثاء. الشركات التي ستنجو لن تكون تلك التي اخترت النموذج الصحيح – بل تلك التي لم تكن بحاجة إلى الاختيار على الإطلاق.
نعم، بناء المنتج ليعمل مع عدة LLMs يعتبر مكلفًا في البداية. نعم، يتطلب عمل هندسي إبداعي صعب التأتمت. نعم، أنت تحتفظ ب استراتيجيات إرشادات موازية لكل مزود. لكن هذا هو ما يخلق حاجز الدخول. الحماية القانونية ليست في التكنولوجيا نفسها – بل في الذاكرة العضلية التشغيلية لإدارة التغيير التكنولوجي.
معظم شركات الذكاء الاصطناعي تحسنت للفوز اليوم. الشركات غير المتعاطفة تحسنت للاستمرار في الغد. في سوق حيث انفراج الأمس يصبح معيار الغد، هذا التمييز هو كل شيء.
