استنساخ البرمجيات – هل انتهى عصر البرمجيات المدفوعة حقًا؟

أثارت العناوين الإخبارية الأخيرة عن مطوّرين يستخدمون أدوات الذكاء الاصطناعي لاستنساخ برامج مدفوعة رائجة، أبرزها Adobe ردود فعل متباينة، تراوحت بين اتهامات بالسرقة والترحيب بأدوات مجانية مفتوحة المصدر.

لكن ماذا يعني ذلك لشركات التكنولوجيا التي تملك البرامج الأصلية، أو لمن يدفعون اشتراكات باهظة لاستخدامها؟

بحث Matt Wood، المدير الأول لهندسة الأمن السيبراني والعمليات وأمن الذكاء الاصطناعي في ABBYY، هذا القلق المتزايد، ويعرض رؤيته للمخاطر والفرص التي يتيحها تطوير البرمجيات المدعوم بالذكاء الاصطناعي.

في عام 1996، ألّف Fatboy Slim أغنية «Rockafeller Skank» انطلاقًا من مقطع غيتار مقتبس من تسجيل يعود إلى ستينيات القرن العشرين لم يسمعه إلا عدد قليل من الناس منذ عقود. وكرّر The Chemical Brothers إيقاعات متكسّرة من تسجيلات فانك منسية، محوّلين إياها إلى أناشيد تملأ الملاعب. أما The Prodigy، فأخذوا عينات من صفارات الإنذار وحوارات الأفلام وتسجيلات فينيل مغمورة، وصاغوا منها شيئًا لم يسبق له مثيل. لم يقتصر أثر أخذ العينات على خفض كلفة إنتاج الموسيقى؛ بل غيّر هوية من باتوا قادرين على إنتاجها، وأجبر القطاع بأسره على طرح سؤال أصعب: ما الذي يُعدّ عملًا أصيلًا فعلًا؟

يدفع الذكاء الاصطناعي الشركات اليوم إلى طرح السؤال نفسه، لكن الرهانات هنا لا تتعلق بمراكز الأغاني في قوائم النجاح، بل بالنتائج التشغيلية، ومخاطر عدم الامتثال، وثقة العملاء بكل قرار تتخذه الشركة.

الاستنساخ رخيص. أما الاستبصار فليس كذلك.

جعلت النماذج اللغوية الكبيرة إعادة مزج المعرفة الموجودة أمرًا في غاية السهولة: صياغة بند في عقد، أو تلخيص تقرير، أو توليد إجابة تبدو مقنعة استنادًا إلى أي نصوص تستطيع الوصول إليها. لهذه القدرة قيمة حقيقية. لكن إعادة الإنتاج ليست اكتشافًا، والخلط بينهما هو ما يؤدي إلى تعثر كثير من مبادرات الذكاء الاصطناعي المؤسسي بصمت.

هذا التمييز مهم لأن الأنظمة التوليدية بارعة جدًا في إنتاج محتوى يبدو مكتملًا. فهي تستطيع محاكاة النبرة والبنية والثقة بطلاقة استثنائية. لكنها لا تستطيع، بمفردها، ضمان استناد ما تنتجه إلى الأدلة المناسبة، أو ارتباطه بالعملية الصحيحة، أو تشكيله وفقًا للتقدير السليم.

لا يقتصر هذا التوتر على عالم الأعمال، بل يظهر أيضًا في العمل الإبداعي. ووجدت دراسة نُشرت عام 2024 في Science Advances أن مساعدة الذكاء الاصطناعي حسّنت الجودة والإبداع المتصوَّرين للقصص الفردية، ولا سيما لدى الكتّاب الأقل إبداعًا، لكنها جعلت مجموعة القصص ككل أكثر تشابهًا بعضها مع بعض. بعبارة أخرى، تحسّن الناتج على المستوى الفردي، لكنه تقارب على المستوى الجماعي. ولم يؤدِّ إنتاج المزيد بالضرورة إلى مزيد من الأصالة؛ بل كثيرًا ما أفضى إلى تكرار الأفكار نفسها بصياغة أكثر سلاسة.

وهذا هو الخطر الذي يواجه الشركات في صورته الموجزة. فعندما تتاح للجميع الأدوات العامة نفسها، لا تنبع الميزة التنافسية من إنتاج مزيد من النصوص أو الملخصات أو التوصيات، بل من معرفة ما هو مهم، وما الذي يستحق الثقة، وما الذي يستدعي اتخاذ إجراء.

مشكلة الأعمال ليست التوليد، بل الوصول إلى الواقع.

لا تعاني معظم الشركات نقصًا في النصوص، بل نقصًا في السياق المتاح والموثوق.

ما تعرفه الشركة فعليًا يكون عادةً مبعثرًا بين العقود والفواتير ونماذج التسجيل والمطالبات ورسائل البريد الإلكتروني والتقارير وملفات PDF الممسوحة ضوئيًا وسير العمل الذي ينقل هذه المستندات من فريق إلى آخر. فكثيرًا ما تبدأ مشكلة استثنائية في المدفوعات بقسم الشؤون المالية، أو مسألة امتثال أثناء التسجيل، أو تأخير في الخدمة بقسم العمليات، في صورة معلومات شبه منظّمة وغير متسقة التنسيق ومنفصلة عن الأنظمة التي يعتمد عليها القادة لاتخاذ القرارات.

لذلك تبدو مشاريع كثيرة للذكاء الاصطناعي المؤسسي مبهرة في العروض التجريبية، لكنها قد تفشل عند تطبيقها في بيئة الإنتاج. قد يكون النموذج قادرًا، لكن السياق جزئي. فلا يستطيع الاستدلال إلا على ما يمكنه الوصول إليه، وهذا لا يشمل في مؤسسات كثيرة سوى شريحة ضيقة من الصورة الحقيقية.

وهذا ليس قصورًا نظريًا فحسب، بل يؤثر في جودة القرارات. فإذا لخّص نموذجٌ عقدًا من دون الاطلاع على التعديلات ذات الصلة، فقد يبدو كلامه واضحًا رغم نقصه. وإذا حلّل مشكلات الحسابات الدائنة من دون الاطلاع على الاستثناءات في الفواتير، باختلاف تنسيقاتها ومورّديها، فقد يقدم توصيات مرتبة لكنها غير مفيدة. وإذا ساعد في تسجيل العملاء الجدد بينما تظل معلومات أساسية حبيسة النماذج الممسوحة ضوئيًا أو سير العمل المجزّأ، فقد يسرّع الوصول إلى استنتاج خاطئ.

والنتيجة ليست استبصارًا، بل تخمينًا يبدو واثقًا.

لماذا يتوسع التقليد أسرع من الفهم؟

هنا يصبح التشبيه بأخذ العينات الموسيقية أكثر من مجرد استعارة.

جعل أخذ العينات إنتاج الموسيقى أسرع وأقل كلفة وأيسر وصولًا. لكن المنتجين الذين واصلوا النجاح لم يكونوا مجرد مقلّدين ينسخون مقاطع؛ بل كانوا أصحاب ذوق وانضباط مكّناهم من تحويلها إلى شيء جديد. كان بوسع أي شخص اقتباس إيقاع، لكن لم يكن الجميع قادرين على بناء صوت جديد حوله.

يُحدث الذكاء الاصطناعي انقسامًا مشابهًا في عالم البرمجيات والأعمال المعرفية. فقد تراجعت عوائق التقليد تراجعًا كبيرًا. وأصبح استنساخ الواجهات، وإعادة إنتاج المخرجات، ومحاكاة سير العمل، وتقريب الخبرات أسهل من أي وقت مضى. وتواجه فئات كاملة من البرمجيات خطرًا متزايدًا بأن تصبح قابلة للاستنساخ على مستوى المظاهر.

لكن هذا لا يعني أن البرمجيات المدفوعة قد انتهت، كما عبّر المطور براندون توماس، الذي أنشأ بدائل مجانية لمنتجات Adobe. بل يعني أن قيمة البرمجيات آخذة في التحول.

حين يصبح التقليد زهيد التكلفة، تنتقل القيمة إلى مجالات أخرى: الثقة، والتكامل، وحسن التقدير، والقدرة على تحقيق نتائج تصمد في ظروف العالم الحقيقي. لم يعد السؤال هو ما إذا كان نظام الذكاء الاصطناعي قادرًا على تقديم إجابة تشبه عمل الخبراء. بل أصبح السؤال ما إذا كان قادرًا على ذلك بموثوقية، وفي سياقها المناسب، وبقدر كافٍ من الشفافية يجعل الناس يثقون به عندما تكون المخاطر كبيرة.

من السهل إنتاج مخرج مستنسخ، أما تحقيق نتيجة يُعتمد عليها فليس كذلك.

القيمة الإضافية الخفية هي الخبرة

ولهذا تزداد أهمية الخبرة، لا تقل، في عصر استنساخ الذكاء الاصطناعي.

على مدى سنوات، استمدت أدوات رقمية كثيرة قيمتها من ندرة القدرات المتخصصة. فإذا استطاع برنامج أن يشفّر عملية ما، أو يوحّد مهمة، أو يبسّط سير عمل كان صعبًا من قبل، دفع العملاء مقابل الوصول إلى تلك الخبرة المعبأة في منتج. ويزعزع الذكاء الاصطناعي التوليدي هذا النموذج، إذ بات قادرًا على محاكاة كثير من السمات الظاهرة للخبرة بتكلفة منخفضة.

لكن التقليد لا يتجاوز الطبقة الخارجية.

تتمثل الخبرة الحقيقية في معرفة الاستثناء المهم، والالتباس الذي لا يمكن تجاهله، والمصدر المعتمد، ومتى ينبغي التشكيك في إجابة النظام بدلًا من قبولها. وهي ما يميّز بين استخراج نص من وثيقة وفهم ما إذا كان ذلك النص كافيًا لدعم قرار تجاري. وهي أيضًا ما يميّز بين تلخيص سياسة ما وإدراك العواقب التشغيلية المترتبة على تلخيصها على نحو خاطئ.

وهنا أيضًا تحيد كثير من النقاشات حول الذكاء الاصطناعي والأصالة عن مسارها. فنادرًا ما تعني الأصالة في الأعمال ابتكار شيء جديد لمجرد الابتكار. بل تعني رؤية ما يغيب عن الآخرين: خطرًا يختبئ وسط ضجيج العمليات، أو نمطًا مطمورًا في معلومات مجزأة، أو فرصة تحجبها الأنظمة المنفصلة. وتعتمد هذه الأصالة بدرجة أقل على صياغة بليغة، وبدرجة أكبر على التفسير الدقيق.

الوثائق ليست القصة كاملة، لكنها غالبًا ما تكون بدايتها

تكتسب الوثائق أهمية هنا لأنها لا تزال من أكثر الأماكن شيوعًا التي تُخزَّن فيها حقائق المؤسسة، من دون أن تكون قابلة للاستخدام الكامل.

لكن هذا لا يجعل «الذكاء الاصطناعي للمستندات» بطل القصة. ففهم المستندات ليس سوى جزء من الجهد الأوسع لتحويل المعلومات التشغيلية إلى مادة تستطيع أنظمة الذكاء الاصطناعي التعامل معها بمسؤولية. وإذا أرادت المؤسسات تحقيق نتائج أفضل باستخدام النماذج التوليدية، فعليها إتاحة وصول أفضل إلى الأدلة التي تعتمد عليها تلك النماذج. وفي حالات كثيرة، يعني ذلك استخراج المعلومات والتحقق من صحتها وتنظيمها، بدلًا من بقائها حبيسة النماذج والملفات وعمليات التسليم المجزأة.

وعند استخدام هذه القدرة على نحو سليم، لا يكون الهدف تفضيل فئة من المنتجات على أخرى، بل تقليص الفجوة بين ما تعرفه المؤسسة وما تستطيع أنظمة الذكاء الاصطناعي لديها أن تراه بالفعل.

وهذا التمييز مهم. فأقوى استراتيجيات الذكاء الاصطناعي المؤسسي لا تقوم على التوليد وحده، بل على الجمع بين البيانات القابلة للاستخدام، وفهم العمليات، والإشراف البشري. فعلى سبيل المثال، تشير أبحاث حديثة عن المؤسسات صادرة عن مشروع NANDA التابع لمعهد MIT إلى أن أكبر عوائق تبني الذكاء الاصطناعي لا تتمثل غالبًا في جودة النموذج وحدها، بل في ضعف تكامله مع سير العمل وانعدام الثقة في سلوك الأدوات عند استخدامها فعليًا.

لا بد أن هذا مألوف. فالشركات لا تحقق النجاح بإنتاج أكبر قدر من المخرجات الاصطناعية، بل باتخاذ قرارات أفضل، وبسرعة أكبر وباتساق أعلى، استنادًا إلى معلومات تستطيع الدفاع عنها.

القيمة الإضافية المقبلة هي حسن التقدير

لم يؤدِّ أخذ العينات الموسيقية إلى الانتقاص من قيمة الموسيقى، بل غيّر معنى الأصالة.

ما إن أصبح من الأسهل إعادة استخدام المواد الأولية حتى انتقلت القيمة الإضافية إلى الاختيار والتنسيق والقصد. وأضحى حسن التقدير أثمن من مجرد الوصول. ويحدث الأمر نفسه الآن في مجال الذكاء الاصطناعي المؤسسي. فمع تيسّر استنساخ البرمجيات، لن تأتي الميزة المستدامة من امتلاك نموذج قادر على محاكاة العمل المتقن، بل من معرفة كيفية ربط الذكاء الاصطناعي بالسياق المناسب، ووضع القيود الملائمة عليه، واستخدامه حيث يظل للإبداع البشري وحسن التقدير المتخصص أكبر أثر.

وهذه هي النقطة التي تغفلها كثير من الحجج القائلة إن «الذكاء الاصطناعي سيحل محل البرمجيات». فإذا أمكن نسخ كل أداة على مستوى الواجهة، فلن تكون الواجهة هي الميزة التنافسية الحقيقية. بل ستكون عمق الفهم الكامن وراءها: منطق سير العمل، والتعامل مع الاستثناءات، والبيانات الموثوقة، والمعرفة المؤسسية، والخبرة البشرية اللازمة لتحويل المخرجات إلى قرارات.

إذًا، هل انتهى فعلًا عصر البرمجيات المدفوعة؟ لن يكون الأمر كذلك إلا إذا كنا نعتقد أن قيمة البرمجيات لم تتجاوز يومًا طبقتها الظاهرة.

أما في الميزات البرمجية التي غدت سلعية، فستشتد الضغوط. وستُستنسخ بعض المنتجات. وستتقلص بعض الفئات. وستصبح بعض الوظائف التي كانت تفرض علاوة سعرية من قبل من المتطلبات الأساسية. لكن الأدوات والشركات التي ستصمد هي تلك التي تساعد المؤسسات على الانتقال من التقليد إلى الفهم.

ولهذا تكتسب لحظة أخذ العينات في الذكاء الاصطناعي أهميتها. فهي تذكّرنا بأن خفض تكلفة الاستنساخ لا يلغي الحاجة إلى الأصالة، بل يغيّر ببساطة موضعها.

في الموسيقى، انتقلت الأصالة من أداء المادة الخام إلى حرفة تحويلها.

وفي الذكاء الاصطناعي المؤسسي، تنتقل من توليد مخرجات تبدو معقولة إلى الاستخدام المنضبط للمعلومات الموثوقة، والحكم الخبير، وحل المشكلات بإبداع.

الاستنساخ رخيص، أما البصيرة فليست كذلك. ولهذا لن تكون المرحلة التالية من الذكاء الاصطناعي من نصيب الأنظمة التي تكتفي بأن تبدو ذكية، بل من نصيب المؤسسات التي تعرف كيف تجعل ما لديها من معرفة قابلاً للاستخدام بما يكفي لاكتشاف شيء جديد حقًا.