قادة الفكر
الواقع الاقتصادي لتوسيع نطاق أعباء عمل الذكاء الاصطناعي القائمة على الوكلاء

النقاط الرئيسيةينبع عدم القدرة على التنبؤ بتكاليف الذكاء الاصطناعي من سير العمل الديناميكي الذي لا…
عرض المزيد
- ينبع عدم القدرة على التنبؤ بتكاليف الذكاء الاصطناعي من سير العمل الديناميكي الذي لا تستطيع أدوات المراقبة السحابية التقليدية رصده.
- تضاعف الأنظمة الوكلية التكاليف عبر سلاسل من استدعاءات النماذج وعمليات الاسترجاع.
- تتعامل المؤسسات الآن مع التكلفة كبوابة موثوقية أساسية لنشر الذكاء الاصطناعي.
1. الصدمة الخفية للتكلفة بعد نشر الذكاء الاصطناعي
في المشاريع التجريبية المبكرة، تبدو أنظمة الذكاء الاصطناعي كأنها فعالة اقتصاديًا ظاهريًا. حجم حركة الاستخدام منخفض، وحالات الاستخدام محددة بدقة، والفرق تتابع السلوك في بيئات محكومة. في هذه الظروف، يتم تقييم التكلفة عادة على مستوى الاستدعاءات الفردية للنماذج أو مسارات العمل المحدودة. هذا يعطي انطباعاً بأنه سيكون من السهل التوسع. على الأقل، هذا ما ظنته معظم الفرق.
إن هذا الانطباع يتعزز من حقيقة أن إنفاق الذكاء الاصطناعي التوليدي لا يظهر أي علامات على التباطؤ. تقرير حديث يقدر أن إنفاق التطبيقات التجارية للذكاء الاصطناعي التوليدي قد بلغ عشرات مليارات الدولارات في عام 2025، أي أكثر من ثلاثة أمثال الإنفاق في العام السابق.
لكن الواقع يتغير بمجرد تعرض الوكلاء للمستخدمين الحقيقيين وتعقيد التشغيل.
بيئات الإنتاج تقدم أنماط تفاعل غير متوقعة، ومحادثات أطول، وعمليات في الخلفية، ومسارات تصعيد إلى نماذج أكثر قدرة. يمكن أن يؤدي طلب واحد إلى تفعيل العديد من الإجراءات اللاحقة التي لم تكن مرئية أثناء الاختبار. تواجه الشركات تحديًا يوصف بأنه “صدمة فاتورة”، وهو زيادة مفاجئة في الإنفاق دون فهم واضح للسلوكيات أو سير العمل التي أنشأته.
في هذه المرحلة، التحدي ليس فقط حول تحسين النماذج. بل هو حول الحصول على رؤية واضحة لديناميكيات التشغيل التي تقود فعلاً تكلفة الذكاء الاصطناعي.
2. لماذا تعطل أعباء عمل الذكاء الاصطناعي النماذج التقليدية لتكلفة السحابة
في السابق، تطورت الإدارة التقليدية لتكلفة السحابة حول أعباء عمل يمكن التنبؤ بها نسبيًا. يمكن قياس استهلاك البنية التحتية بوحدات مستقرة مثل ساعات الحوسبة، والتخزين، أو حجم الطلبات، ويمكن تحسينها من خلال استراتيجيات التموين أو التحكم في الاستخدام. الشيء الرئيسي هو أن مسارات التنفيذ كانت في الغالب حتمية. هذا جعل من الممكن التنبؤ بالإنفاق بدقة معقولة وإسناد التكاليف إلى خدمات أو فرق معينة.
تقدم أعباء عمل الذكاء الاصطناعي نموذجًا اقتصاديًا مختلفًا. الإنفاق يرتبط في الغالب باستخدام الرموز، وحجم السياق، وسلاسل استدعاءات النموذج، وقرارات سير العمل الديناميكية التي تختلف من تفاعل إلى آخر.
يمكن أن يتبع نفس طلب المستخدم مسارات تنفيذ مختلفة تماماً اعتماداً على عتبات يقين النموذج، أو استجابات الأدوات، أو منطق البدائل الاحتياطية. هذا هو السبب في أن التكلفة ليست خطية ولا يمكن التنبؤ بها بسهولة كما كانت من قبل. تقدم لوحات تحكم FinOps التقليدية رؤية في استهلاك البنية التحتية. تكمن المشكلة الحقيقية في أن هذه اللوحات غالبًا ما تجد صعوبة في رصد سلوك التشغيل، بما يتجاوز مجرد تخصيص الموارد. لا يمكن للشركات تحديد اقتصاديات أنظمة الذكاء الاصطناعي من خلال الوسائل التقليدية.
3. سطح التكلفة المتوسع لأنظمة الوكلاء
مع انتقال الشركات من الاستدلال أحادي الخطوة إلى معماريات قائمة على الوكلاء، يصبح ملف التكلفة لأنظمة الذكاء الاصطناعي أكثر تعقيداً. حتى التحليلات الصناعية تتنبأ بأن أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلية لن تصل إلى الاستخدام الفعلي في الإنتاج بحلول عام 2027، مدفوعة جزئياً بالتكلفة الحقيقية وتعقيد نشر مسارات عمل الوكلاء متعددة الخطوات على نطاق واسع.
طلب المستخدم لا يتم حلّه من خلال استدعاء واحد للنموذج. بل يمر عبر مسارات عمل منسقة قد تتضمن خطوات التخطيط. فكر في عمليات الاسترجاع، وتنفيذ الأدوات، والتفاعلات بين الوكلاء المتعددين.
وليس ذلك فحسب، بل إن سير العمل المذكورة أعلاه تضيف قدرات مثل التوليد المدعوم بالاسترجاع (RAG) أو التعاون بين الوكلاء المتعددين، مما يؤدي إلى عمليات مدفوعة إضافية تتراكم مع مرور الوقت.
يمكن أن يؤدي تفاعل واحد إلى استدعاءات إنشاء التضمينات، وعمليات استعلام قاعدة بيانات المتجهات، ودوائر التفكير التكرارية، والانتقال إلى نماذج أكثر قدرة عند انخفاض درجة يقين النموذج. في حين قد يبدو كل عمل فردي هامشيًا عند النظر إليه منفردًا، فإن تأثيره التراكمي يحدد اقتصاديات النظام بشكل عام.
4. لماذا لا يمكن لتحسين البرومبت وحده حل اقتصاديات التشغيل
يعد تحسين البرومبت عادة أحد أول الأساليب التي تلجأ إليها الفرق عند محاولة التحكم في تكاليف الذكاء الاصطناعي. يمكن أن يؤدي تقليل استخدام الرموز، وتحسين الإرشادات، أو تحسين هيكل الاستجابة إلى تحقيق مكاسب كفاءة ملحوظة على مستوى استدعاءات النموذج الفردية. ومع ذلك، فإن التحسينات تحل فقط جزءاً صغيراً من الصورة الاقتصادية الأوسع. في بيئات الإنتاج، ينجم معظم تقلب التكلفة عن أنماط السلوك عبر سير العمل بدلاً من طول البرومبت فقط.
ينشأ عدم الكفاءة غالبًا من إعادة المحاولات غير الضرورية، أو الاسترجاع المفرط في العمق، أو الانتقال إلى نماذج أكثر تكلفة، أو وكلاء يقومون بالعمل الذي لا يغير النتائج بشكل جوهري. بدون رؤية في مسارات التنفيذ وتأثير الأعمال، يمكن أن يؤدي تعديل البرومبت إلى نقل الإنفاق من جزء إلى آخر من النظام.
مع ازدياد استقلالية أنظمة الذكاء الاصطناعي وترابطها، تتطلب إدارة التكلفة آليات على مستوى النظام تحدد كيفية عمل الوكلاء في الوقت الفعلي. ليس الأمر فقط حول التعديلات المحلية لطريقة صياغة الطلبات الفردية.
أشار مسح حديث عن FinOps للذكاء الاصطناعي الذي غطى إنفاقًا على السحابة بعشرات المليارات إلى انتقال إلى رؤية تكاليف الذكاء الاصطناعي في الوقت الفعلي، وميزانيات الفريق، وتنبيهات الميزانية الآلية. الفكرة هي معاملة التكلفة كهدف تشغيلي لمستوى الخدمة (SLO) بدلاً من مجرد مؤشر مالي.
5. النهج المعمارية الناشئة للتحكم في تكلفة الذكاء الاصطناعي
استجابة للزيادة في تقلبات التكلفة، تعيد الشركات التفكير في مكان وطريقة تطبيق التحكم الاقتصادي داخل أنظمة الذكاء الاصطناعي. بدلاً من معاملة تحسين التكلفة كتمارين مالية لاحقة، تقدم الفرق آليات معمارية تؤثر على الإنفاق في الوقت الفعلي.
أحد الأنماط الناشئة التي بدأنا نراها هو استخدام طبقات التوجيه والتنسيق التي تختار ديناميكياً النماذج أو سير العمل بناءً على تعقيد المهمة، أو أهداف التأخير، أو قيود الميزانية. هذا يسمح للشركات بالموازنة بين الجودة والكفاءة دون الاعتماد على خيارات التكوين الثابتة.
تشمل الأساليب الأخرى التي رأينا الفرق تتبعها ضوابط التنفيذ القائمة على السياسات، واستراتيجيات إعادة المحاولة الواعية بالتكلفة، وقابلية رصد مركزية تُسند الإنفاق إلى سير العمل المحددة.
يُستخدم التقييم أيضًا بشكل أكثر شيوعاً كأداة حوكمة، حيث تُروج الفرق فقط لتلك التكوينات التي تلبي عتبات التكلفة والأداء المحددة مسبقاً.
6. التكلفة كبوابة الموثوقية التالية للذكاء الاصطناعي في الشركات
مع ترسخ أنظمة الذكاء الاصطناعي في مسارات العمل التجارية الأساسية، تعامل الشركات فعلاً التكلفة كعامل حاسم للنشر إلى جانب الجودة، والأمان، والموثوقية. تماماً كما تحدد أهداف مستوى الخدمة معايير الأداء المقبولة، تظهر عتبات اقتصاديات الوحدة كشرط مسبق لتوسيع نطاق الأتمتة بأمان. النظم التي لا تستطيع تلبية ملفات التكلفة المتوقعة أصبحت أكثر صعوبة في التبرير التشغيلي، بغض النظر عن القدرة الفنية.
هذا التحول يؤدي إلى أن تقدم الفرق “بوابات التكلفة” قبل نشر أوسع، مدعومة بمراقبة مستمرة بمجرد بدء تشغيل الأنظمة. مع مرور الوقت، من المرجح أن تتطور إدارة التكلفة إلى تخصص هندسي مستمر بدلاً من جهد تحسين لمرة واحدة. الشركات التي توسع الذكاء الاصطناعي بنجاح أكبر سوف تكون تلك التي تصمم للتحكم الاقتصادي من البداية، وتضمن أن أي تحسينات في القدرة تتماشى مع نماذج تشغيل مستدامة.
في المرحلة القادمة من تبني الذكاء الاصطناعي في الشركات، قد نرى فعلاً التحكم الاقتصادي يصبح أساسياً في تصميم النظام مثل الموثوقية والأمان.











