التكاليف الخفية للذكاء الاصطناعي على نطاق واسع

في 1 يونيو 2026, GitHub ألغت نهائيًا السعر الثابت “premium requests” لـ Copilot واستبدلتها بأرصدة ذكاء اصطناعي تعتمد على الاستخدام. عندما وصلت الفواتير الأولى تحت النموذج الجديد بعد شهر، رأى بعض المستخدمين الوكيلين فواتير لم يكونوا مستعدين لها: أحد المطورين أفاد بأن التكاليف الشهرية ارتفعت من $29 إلى $750 لأثقل سير عمل وكيل.

كان ذلك مثالًا واضحًا على تحول أوسع عبر سوق أدوات الذكاء الاصطناعي طوال عام 2026 – وربما ينتظر المنظمات التي لا تزال تدفع سعرًا ثابتًا اليوم.

تحسب المنظمات الساعات التي توفّرها. كثير منها لا يحسب ما يبقى غير مرئي تحت السعر الثابت: استهلاك السياق وإعادة المحاولات بعد الفشل. تكاليف أخرى لا تظهر أبدًا في فاتورة البائع، بما في ذلك الوقت المستغرق في مراجعة المخرجات وصيانة المطالبات. بمجرد تحول الفوترة إلى الاستهلاك الفعلي، تواجه المنظمات التي تفتقر إلى الانضباط في التكاليف فاتورة قد تفاجئها بنفس الطريقة التي فاجأ النموذج الجديد لـ Copilot بعض المستخدمين.

السياق الذي لم يحدده أحد في السعر

من الواضح أن الذكاء الاصطناعي يحتاج إلى سياق؛ هذا ليس محل شك. السؤال هو ما إذا كان السياق المرسل ذو صلة، أم مجرد متاح بسهولة. إرسال مستند كامل هو أسرع طريقة لتزويد النموذج بالمعلومات. لكنه ليس بالضرورة الأرخص أو الأفضل تلقائيًا.

في مايو 2026، نشر مختبر الاقتصاد الرقمي بجامعة ستانفورد تحليلًا لمهام الترميز الوكيلية عبر ثمانية نماذج رائدة ووجد أن هذه المهام تستهلك ما يصل إلى ألف مرة أكثر من الرموز مقارنةً بمحادثة شفرة بسيطة، حيث إن الدافع الرئيسي ليس مخرجات النموذج بل سياق الإدخال الذي يعيده مرارًا وتكرارًا. يعيد الوكيل قراءة تاريخه بالكامل في كل خطوة لاحقة. نفس المهمة، عند تشغيلها عدة مرات، اختلف استهلاك الرموز فيها حتى ثلاثين مرة.

الدقة لا تتزايد خطيًا مع حجم السياق أيضًا: غالبًا ما تصل إلى ذروتها عند كمية معتدلة ثم تضيف فقط تكلفة دون إضافة قيمة.

إذاً، عدم الانتباه للرموز ليس بشأن عدم حاجة الذكاء الاصطناعي للسياق. بل يتعلق بحقيقة أنه بدون قياس، لا أحد يتساءل ما إذا كان كل ذلك السياق ضروريًا فعلاً. تحت نظام السعر الثابت، من السهل تجاهل السؤال. تحت الفوترة القائمة على الاستهلاك، يصبح ذلك جزءًا من التكلفة.

عندما تدفع مرتين مقابل الفشل

تحمل سير العمل الوكيلية تكلفة أخرى نادرًا ما تظهر في حسابات العائد على الاستثمار. تخيل سلسلة مبسطة من عشر خطوات، كل خطوة لديها فرصة 95 بالمئة لتعمل بشكل صحيح بمفردها. يبدو ذلك موثوقًا بما فيه الكفاية، ولكن عندما تُربط معًا، تتمتع تلك السلسلة باحتمال نحو 60 بالمئة فقط لإكمال العملية بأكملها دون أي خطأ.

في سير عمل يرسل السياق المتراكم مرة أخرى في كل استدعاء، كل فشل وإعادة المحاولة التي تليه لا تكلفك فقط الخطوة المتكررة: بل تدفع مرة أخرى مقابل كل ما تم إرساله قبله أيضًا.

إنه ألم شائع يمر به تقريبًا الجميع عند بناء أول خط أنابيب وكيل لهم. مررت به بنفسي. في البداية، مع عدد قليل من الوكلاء، لم يكن له أهمية كبيرة. لكن مع نمو خط الأنابيب، كل تشغيل فاشل أصبح أكثر تكلفة، وهذا ما دفعني للبدء في سؤال ما هو السياق الذي يحتاجه كل وكيل وكيفية تخزينه مؤقتًا، بدلاً من مجرد السؤال عما إذا كان التشغيل قد نجح.

تحسب التحليل نفسه أن الوكيل المكوّن من عشر خطوات مع موثوقية 95 بالمئة لكل خطوة يستهلك تقريبًا 40 بالمئة أكثر من الرموز في عمليات إعادة المحاولة مقارنةً بنظام موثوق تمامًا. هذه تكلفة ستظهر في الفاتورة ولكن، على الأرجح، لن تُوجد في أي جدول عائد على الاستثمار.

الإشراف ليس عيبًا. إنه جزء من الميزانية

يجب توضيح هذه النقطة بدقة، لأن من السهل الوقوع في الخطأ. مراجعة مخرجات الذكاء الاصطناعي ليست فشلًا في النظام؛ بل هي جزء مشروع ومتوقع من العمل مع الذكاء الاصطناعي، كما أن مراجعة الشيفرة هي جزء مشروع من العمل مع المطورين. المشكلة ليست في مراجعة المخرجات. المشكلة هي أن هذا العمل نادرًا ما يُؤخذ في حساب مقدار ما وفره الذكاء الاصطناعي فعليًا.

أجرى معهد Work AI التابع لـ Glean مسحًا شمل 6,000 عامل ووجد أن الأتمتة توفر لهم حوالي 11 ساعة أسبوعيًا، ولكن تقريبًا ست ساعات ونصف من تلك الساعات تُقضى في مهام الصيانة: توفير سياق للأنظمة الذكائية، والتحقق من عملها، وتصحيح الأخطاء. وبالتالي، فإن التوفير الصافي يقترب من أربع ساعات ونصف – أقل من نصف الرقم الرئيسي. لا يزال الذكاء الاصطناعي يوفر الوقت، لكنه ليس بالقدر الذي يشير إليه الرقم الأول.

المطالبات تحتاج صيانة، ليست مجرد مؤلف

تتصرف المطالبات اليوم أكثر كالشيفرة الإنتاجية: تحديث النموذج، أو تغيير في السياق أو تعديل بسيط يبدو غير مهم يمكن أن يغيّر أدائها. بدون إصدار واختبار، يمكن لتلك التغييرات أن تُدخل مشكلات بهدوء. اختبارات الانحدار التي تُعد ممارسة قياسية للشيفرة لا تزال غالبًا ما تُهمل عند التحقق من المطالبات. تعديل يبدو كتحرير بسيط لجملة واحدة يمكن أن يصل إلى الإنتاج ويقلل الدقة دون أن يلاحظه أحد حتى تتراكم المشكلة لتصبح مرئية.

إن بناء إطار تقييم مناسب – يشمل مجموعة اختبار واختبارات انحدار آلية على كل تغيير – هو عمل إضافي نادرًا ما يظهر في حساب “الذكاء الاصطناعي يوفر الوقت”.

رموز أرخص، فواتير أعلى

لم يكن GitHub Copilot استثناءً. وجد استبيان استشهد به CFO Dive أن ما يقرب من سبعة من كل عشرة شركات أمريكية أبلغت عن تجاوزات جزئية على الأقل في ميزانية الذكاء الاصطناعي خلال العام الماضي، معظمها قبل التحول الكامل إلى الفوترة القائمة على الاستهلاك، وليس بعده.

تضيف Bain & Company، في تحليلها لشهر يونيو حول اقتصاديات الرموز، مفارقة تلخص الوضع بأكمله: انخفض سعر الرمز إلى النصف خلال العام، بينما ارتفع الاستهلاك خلال نفس الفترة بمقدار 4.5 مرة.

أصبح النموذج أرخص، لكن الفاتورة لا تزال مرتفعة عنيدًا. انتقلت الشركات إلى نماذج أحدث، ومنحت الوكلاء مهامًا أكثر تعقيدًا ووجدت المزيد من سير العمل لهم. لم يعني الرمز الأرخص انخفاض الإنفاق؛ بل يعني وجود المزيد من الأسباب لاستهلاك واحد.

كيف تستعد قبل وصول الفاتورة

الإطار الذي يليه ليس حول استخدام أقل للذكاء الاصطناعي. إنه حول معرفة تكاليف الذكاء الاصطناعي قبل أن تقرر توسيعه أكثر.

1. احصل على الرؤية أولاً

حتى تحصل على تقسيم الاستهلاك حسب الفريق، وسير العمل، التطبيق والمهمة المكتملة، كل توسعة هي رهان أعمى. تلك الرؤية ليست مجانية أيضًا: بالنسبة لسير العمل الوكالي خصوصًا، تتبع كل خطوة، وتسجيل ما حدث ولماذا، ومراقبة الحلقات المتفجرة يتطلب وقت هندسي وأدوات خاصة. احسب ذلك كجزء من تكلفة تشغيل الذكاء الاصطناعي، لا كفكرة لاحقة مضافة إليه.

2. أعد حساب العائد على الاستثمار على أساس صافي

اطرح الوقت المستغرق في المراجعة والإصلاحات وصيانة المطالبات من الساعات الموفرة المبلغ عنها. إذا كان توفير الوقت هو هدف حالة الاستخدام وكانت النتيجة الصافية سلبية أو غير قابلة للتحقق، فهي ليست جاهزة للتوسيع. أما إذا كان الفائدة المقصودة هي الجودة أو السعة أو تقليل المخاطر أو الإيرادات، فقم بقياس تلك النتيجة مباشرة.

3. طبق انضباط التكلفة، لكن ليس بشكل موحد

حد الإنفاق الصارم منطقي حيث الفشل غير مكلف: الأدوات الداخلية، الوكلاء التجريبيون، بيئات التطوير. بالنسبة للوظائف الحرجة التي تواجه العملاء – مثل مساعد خدمة العملاء – لا يمكن تطبيق حد صارم، لأنه يخلق خطر انقطاع. هناك، تحتاج إلى حلول متدرجة إلى نموذج أرخص وتنبيهات إنذار مبكر، لا إيقاف عند الصفر.

4. عالج المطالبات والتقييمات كأصول هندسية

قم بإصدار إصدارات لها، واختبرها وراجع التغييرات قبل النشر، بنفس الطريقة التي تدير بها شفرة الإنتاج.

ادخل إلى التجديدات ببياناتك الخاصة

من الصعب تقييم أسعار البائع دون بيانات الاستخدام الخاصة بك. قبل التجديد أو تغيير النموذج، احسب ما ستكلفه سير العمل الحالية وفقًا للشروط المقترحة. الهدف ليس فقط التفاوض على سعر أقل. بل معرفة كيف سيتصرف ذلك السعر على مستوى استهلاكك الفعلي، بدلاً من اكتشاف ذلك من الفاتورة.

ثلاثة أشياء يمكنك القيام بها هذا الأسبوع: تحقق مما إذا كان بإمكانك تقسيم استهلاك الذكاء الاصطناعي حسب الفريق وسير العمل؛ اختر حالة استخدام واحدة وضع الوقت المستغرق في المراجعة بجانب الساعات المبلغ عنها كموفرة؛ واكتشف أين قد يخلق حد الإنفاق الصارم انقطاعًا بدلاً من التحكم في التكلفة.

يمكن إدارة تكاليف الذكاء الاصطناعي. فقط ليس عندما تكتشف ما هي للمرة الأولى من الفاتورة.