يحتاج الذكاء الاصطناعي الخاص إلى بنية تحتية قادرة على التطور بما يتلاءم مع أعباء العمل

قبل عامين، كان كل من تحدثت إليهم تقريبًا من الشركات يفترضون أن الذكاء الاصطناعي يعني استدعاء نموذج متقدم عبر واجهة برمجة التطبيقات. لكن هذا الافتراض آخذ في التراجع. فقد أصبحت النماذج مفتوحة الأوزان جيدة بما يكفي لأداء كثير من المهام اليومية، وعادةً ما تكون بيانات الشركة نفسها، لا النموذج الذي يقف وراء التطبيق، هي ما يمنح تطبيق الذكاء الاصطناعي المؤسسي قيمته. وما إن تدرك الشركات ذلك، حتى يصبح إبقاء النموذج قريبًا من بياناتها وتحت سيطرتها أمرًا بديهيًا.

هذا هو الذكاء الاصطناعي الخاص: تشغّل النموذج في بيئتك الخاصة، وتضبطه باستخدام معلوماتك، وتقرر أين يعمل وما الذي يُسمح له بالوصول إليه. فإذا كنت مصرفًا أو شركة أدوية، فليس من الوارد أصلًا أن تشعر بالارتياح حيال وضع أبحاثك المملوكة أو سجلات عملائك في بيئة مستأجر لدى جهة أخرى. أما سائر الشركات، فيأتي دافعها من فاتورة الاستدلال عند التوسع، ومن رغبتها في ألا تعتمد على مزود واحد في أمر بات يشكل جزءًا أساسيًا من طريقة عمل الشركة. ووفقًا لأبحاث مؤسسة Linux Foundation، كانت 63% من الشركات التي شملها الاستطلاع تستخدم نموذجًا مفتوحًا للذكاء الاصطناعي، ما يبرز مدى انتشار اعتماد هذه البدائل بالفعل.

ما يستهين به الناس هو أن نقل النموذج إلى داخل الشركة يستلزم تولي البنية التحتية أيضًا: الطاقة والتبريد والقدرة الحاسوبية وموقع تشغيله وكيفية ربطه بكل ما عداه. كانت تلك في السابق مشكلات يتولاها مزود الخدمة السحابية. أما الآن، فهي مسؤوليتك. لم يسبق لمعظم الشركات أن اضطرت إلى اتخاذ مثل هذه القرارات، فيما تتغير التقنية بوتيرة أسرع من القدرة على صب الخرسانة. وإذا أخطأت في تقدير احتياجاتك، فستمتلك سعة لا تلائم أعباء العمل التي ستنتهي بتشغيلها فعليًا. لا بد من تصميم المرونة منذ البداية. وقد يكون تحديث البنية التحتية القائمة مكلفًا، حيثما أمكن، كما أن بعض المزودين لا يستطيعون ذلك ببساطة، لأن منشآتهم لم تُصمم قط لاستيعاب هذه الكثافة.

أنشئ قاعدة أساسية واستأجر سعة لمواجهة الذروة

ابدأ بإدراك أنك لا تحتاج إلى أكبر نموذج لكل مهمة. فتَلخيص المستندات، وتصنيف التذاكر، والإجابة عن الأسئلة بالاستناد إلى قاعدة معارفك، كلها مهام يمكن لنموذج مفتوح الأوزان إنجازها بشكل خاص وبتكلفة يمكنك توقعها. واحتفظ بالنماذج المتقدمة للمهام التي تحتاج إليها فعلًا.

وهذا يوضح الشكل الذي ينبغي أن تتخذه البنية التحتية. أنشئ سعة خاصة لتلبية الطلب المستقر الذي تتوقعه كل أسبوع، واستأجر سعة من الخارج لمواجهة الارتفاعات المفاجئة والمهام الثقيلة التي تتجاوز إمكاناتك. لطالما أدارت الشركات موارد الحوسبة بهذه الطريقة، ولا يغير الذكاء الاصطناعي منطقها؛ بل يزيد كثافة القاعدة الأساسية ويوسع نطاق تقلبات الذروة.

يكمن التحدي في تقدير حجم القاعدة الأساسية بدقة، مع جعل البيئة الخاصة والبيئة المستأجرة تعملان كنظام واحد. إذ ينبغي أن تتمكن كلتاهما من الوصول إلى البيانات نفسها وأن تخضعا للضوابط نفسها، من دون أن تضطر الشركات إلى إعادة بناء مسار معالجة البيانات كلما انتقل عبء عمل من إحداهما إلى الأخرى.

أين توضع البنية التحتية؟

يتبين أن شراء وحدات معالجة الرسوميات هو القرار السهل. ثم عليك أن تجد لها مكانًا، وتوفر لها الطاقة والتبريد، وتربطها ببقية منظومتك التقنية. فالأجهزة المخصصة للذكاء الاصطناعي عالية الكثافة لا تُركّب في مركز بيانات مؤسسي تقليدي من دون تعديلات كبيرة على أنظمة الطاقة والتبريد، كما أنها لا تلائم كل موقع تديره. وفي استطلاع معهد Uptime للبنية التحتية للذكاء الاصطناعي لعام 2025، حدد 37% من المشاركين توافر الطاقة باعتباره أحد العوامل الرئيسية المؤثرة في اختيار أماكن تشغيل أعباء استدلال الذكاء الاصطناعي.

ينتهي الأمر بمعظم الشركات إلى الجمع بين الاستضافة المشتركة والخدمات السحابية. وغالبًا ما تكون البيانات هي العامل الحاسم: فهي موزعة بالفعل في أماكن عدة، ونقلها مكلف، ولا يمكن لبعضها مغادرة بلد معين أو بيئة محددة في القطاعات الخاضعة للتنظيم. قد يبدو جمع كل شيء في مبنى واحد بجوار وحدات معالجة الرسوميات حلًا مثاليًا، لكنه نادرًا ما يتحقق.

لذا، لا يقتصر السؤال على مكان وجود موارد الحوسبة، بل يشمل كيفية وصولها بأمان إلى البيانات التي تحتاج إليها، من دون تراكم تكاليف وتعقيدات ستندم عليها بعد ثلاث سنوات. ويمكن النظر إلى ذلك بوصفه التبادل الثالث. كان الأول هو الإنترنت، وحلّ الاتصال المشكلة. والثاني هو الحوسبة السحابية، وحلّها نسيج الشبكات، إذ أتاح ترابطًا محددًا برمجيًا مكّن الشركات من الاتصال بمزودين مختلفين من موقع واحد. أما الذكاء الاصطناعي فهو الثالث، ولا يكفي نسيج الشبكات وحده لحل المشكلة. فهو يحتاج إلى الطاقة، وبكميات كبيرة، في المكان نفسه الذي يوجد فيه نسيج الشبكات. وستكون الشركات التي تنجح في تطبيق الذكاء الاصطناعي الخاص هي تلك التي تضع موارد الحوسبة حيث تلتقي الطاقة والاتصال، بدلًا من التعامل معهما بوصفهما عمليتي شراء منفصلتين.

ربط الذكاء الاصطناعي الخاص مع تغير أعباء العمل

يجعل الذكاء الاصطناعي الوكيلي مسألة الاتصال أكثر إلحاحًا. يتلقى التطبيق التقليدي مطالبة، ويستدعي نموذجًا، ثم يعيد إجابة. أما الوكيل فيظل متحركًا طوال الوقت: يستدعي عدة نماذج، ويستعلم من أنظمة متعددة، ويجلب البيانات من أي مكان توجد فيه، ويسند المهام إلى وكلاء آخرين. وكل انتقال من هذه الانتقالات يعبر حدًا فاصلًا، ما يضيف زمن تأخير ويثير سؤالًا حول من يُسمح له بالوصول إلى ماذا.

ضعوا الآن النموذج في موقع، والبيانات في موقع آخر، مع قاعدة تُلزم ببقاء بعض تلك البيانات داخل بلد معين أو في بيئة خاصة. تحتاج الشركات إلى تحكم فعلي في هذه المسارات: ما الأنظمة التي يمكنها الوصول إلى أي بيانات، وما الذي يحدث عند نقل عبء العمل، وكيفية ربط نموذج جديد بالبنية القائمة من دون تعطيل أي شيء يعمل بالفعل.

لهذا السبب، يجب أن تكون البنية التحتية قابلة للبرمجة. ينبغي أن تكون الروابط بين النماذج والبيانات والبيئات أمورًا يمكن ضبطها وتغييرها، لا مشروعًا هندسيًا في كل مرة. وبشكل متزايد، لن يكون شخص هو من يجري هذا الضبط. فمعايير مثل Model Context Protocol، أو MCP، تتيح للوكيل طريقة موحدة للتواصل مع الأدوات والأنظمة المحيطة به. ويمكن للوكيل الذي يحتاج إلى الاتصال بمصدر بيانات جديد أو نموذج جديد أن يطلب ذلك، بالطريقة نفسها التي يستدعي بها أي خدمة أخرى، مع الإبقاء على السياسات والضوابط المناسبة. هذا هو المقصود عمليًا بالبنية التحتية القابلة للبرمجة. تظهر نماذج جديدة كل بضعة أشهر، وستحتاج التطبيقات الجديدة إلى مسارات غير متاحة اليوم. وإذا كان كل تغيير يتطلب إعادة بناء البنية، فستكون قد فقدت المرونة التي دفعتك إلى اختيار الحل الخاص.

تحقيق الجدوى الاقتصادية

يُعد ضبط السعة على النحو الصحيح عاملًا حاسمًا للنجاح، ولا يقتصر الأمر على إجمالي السعة. فالشركات التي تحسن إدارة ذلك تفهم بوضوح العلاقة بين القدرة التي توفرها وعدد الرموز التي تنتجها. وتمثل العلاقة بين القدرة والرموز المنتجة أساس اقتصاديات الذكاء الاصطناعي الخاص؛ وإذا فهمت هذه العلاقة في أعباء العمل لديك، فستتمكن من تحديد حجم البيئة بثقة حقيقية. والعنصر الآخر هو هامش السعة الاحتياطية. تظهر إمكانات جديدة في السوق كل ربع سنة، وتحرص المؤسسات التي تحسن التخطيط على ترك مجال لما هو آتٍ، بدلًا من بناء بيئة تفي بالكاد بمتطلبات اليوم. وتجمع أفضل الخطط بين الأمرين: افهم بدقة اقتصاديات القدرة والرموز لديك، ثم خطط لهامش معقول يتجاوز احتياجاتك.

ولا تمثل وحدات معالجة الرسومات سوى جزء من التكلفة. فقد تضاهي نفقات استضافتها وتبريدها وتزويدها بالطاقة وربطها ببقية أعمال الشركة تكلفة الأجهزة نفسها. ثم هناك العاملون. فمعظم المؤسسات لم يسبق لها تشغيل بيئة حوسبة عالية الكثافة، واكتساب هذه الخبرة ليس أمرًا يمكن إنجازه بالتوظيف خلال ربع سنة.

ولهذا تكتسب السعة الأساسية والقدرة على تلبية الزيادات المفاجئة في الطلب أهمية كبيرة. أنشئ سعة خاصة تكفي لتلبية حملك المعتاد، واستأجر سعة إضافية عند تجاوز الطلب لها، وبذلك تتجنب دفع تكاليف أجهزة تبقى معطلة معظم العام. كما تحافظ على القدرة على تغيير المسار مع تطور النماذج والتطبيقات، وهو أمر سيحدث.

التخطيط لما هو آتٍ

تكمن وراء كل ذلك مشكلة تتعلق بالتوقيت. يستغرق بناء مركز بيانات نحو عامين. وخلال هذين العامين، ستتغير كثيرًا النماذج والأجهزة والتطبيقات التي تريد المؤسسات تشغيلها مقارنةً بوضعها اليوم. وما تلتزم به الآن سيُستخدم لتشغيل أعباء عمل لا يستطيع أحد وصفها بالكامل بعد.

ما زالت الشركات تحدد أعباء العمل التي ينبغي تشغيلها في بيئة خاصة، ومتى تحتاج إلى سعة خارجية، وهذا وضع معقول. لكن ينبغي تجنب الالتزامات المتعلقة بالبنية التحتية التي تنتزع منك حق اتخاذ القرار قبل أن تتاح لك فرصة اتخاذه. اترك مجالًا لنماذج مختلفة، ولسعة إضافية عند الحاجة، ولنقل أعباء العمل.

سيتوقف نجاح الذكاء الاصطناعي الخاص على المدى الطويل بدرجة أقل على النموذج الذي تختاره، وبدرجة أكبر على قدرة بنيتك التحتية على مواكبة تطور متطلباتك واتضاحها. صمّم البنية لتناسب عبء العمل لديك اليوم، وأبقِ الاتصالات قابلة للبرمجة، وضع موارد الحوسبة حيث تلتقي البنية الشبكية بالطاقة.