كتب: أحمد عبد السلام
في العامين الماضيين، اتبعت العديد من المؤسسات نهجًا متطرفًا في تبني الذكاء الاصطناعي، حيث أطلقت المزيد من حالات الاستخدام، وقامت بتوظيف عدد أكبر من الموظفين، ونشرت عددًا كبيرًا من الوكلاء، وزادت من استهلاك الرموز. كان هذا الأمر منطقيًا في ظل وجود تقنية جديدة، إذ لم تكن المؤسسات تعرف بعد أي من سير العمل سيتم تحويله، وأي النماذج كانت موثوقة بما يكفي، أو أي الموظفين سوف يتبنون الأداة. كانت أسرع طريقة لمعرفة ذلك هي نشر أكبر عدد ممكن من الوكلاء وإجراء أكبر عدد من التجارب لاكتشاف ما يعمل بشكل جيد.
لكن المحادثة تغيرت هذا العام. لم يعد السؤال في كل مراجعة تنفيذية “كيف يمكننا الحصول على المزيد من الذكاء الاصطناعي؟” أو “أي نموذج هو الأذكى؟”، بل أصبح “كيف يمكنني تحقيق نتائج مؤثرة مع الحفاظ على تكلفة الذكاء الاصطناعي تحت السيطرة؟”. وفي هذا السياق، اتخذت شركات مختلفة خطوات متنوعة. قامت أوبر بتشديد الإنفاق الداخلي على الذكاء الاصطناعي بعد أن تجاوز استهلاكها الميزانية المقدرة. بينما قامت شركات مثل Anthropic وOpenAI وGoogle بشكل مكثف بتخفيض أسعار الرموز المدخلة وتطبيق تخزين الطلبات.
أصبح التركيز أيضًا على تكلفة النماذج مع إصدار Cursor لإصدار Composer 2.5، حيث تعتبر التكلفة الآن عاملًا مهمًا في اختيار النموذج وليس مجرد الأداء. ومع ذلك، فإن خفض تكاليف الرموز والنماذج هو حل جزئي يغفل عن المشكلة الأعمق: معظم الشركات ليست مصمّمة لاستخدام الرموز بكفاءة. تعتبر أنظمة الذكاء الاصطناعي الحديثة وكأنها مصفاة، تسرب الرموز والأموال في كل مرحلة من مراحل التنفيذ. لذا، فإن سكب الرموز الأرخص عبورًا من خلال أساس غير محكم ليس حلاً مستدامًا.
لتحقيق نتائج فعالة وتكاليف معقولة، تحتاج الشركات إلى أساس معماري يغلق هذه التسريبات. يتطلب تحسين الرموز أكثر من مجرد تحفيز ذكي؛ إنه يحتاج إلى هيكل مصمم لمعالجة نقاط الفشل الخمسة المتكررة.
تحسين فعالية الرموز كمزايا تنافسية
يعد تحسين الرموز هو الفارق بين التجارب غير الفعالة وأسس الإنتاجية في الأعمال. قد تتعامل المؤسسات الكبيرة التي تستخدم وكلاء الذكاء الاصطناعي في عمليات المبيعات أو الخدمة مع آلاف التفاعلات يومياً. كل تفاعل ينقل بيانات خام وغير منظمة إلى نموذج لغوي يستهل جزءًا كبيرًا من الرموز المطلوبة، حيث تستهلك هذه العملية 5-10 مرات أكثر من الرموز الضرورية. ومع أسعار الرموز التي تتراوح بين 10 إلى 15 دولارًا لكل مليون رمز، فإن هذه التكاليف تتزايد بسرعة مع وجود عدد كبير من الوكلاء.
تخلق المؤسسات التي تستثمر في إدارة البيانات الرئيسية وحوكمة البيانات مزايا طبيعية، حيث تعتمد على بيانات مصنفة مسبقًا وغنية دلاليًا بدلاً من الضوضاء الخام. لمست هذه الميزة بشكل ملموس مع العملاء الذين أعمل معهم يوميًا. فعندما تتكامل إدارة البيانات الرئيسية من Informatica مع منصة بيانات العملاء من Salesforce (Data 360)، يتم ضمان توجيه كل وكيل ذكاء اصطناعي في سياق موثوق مرتبط بالعملاء والأعمال.
البحث عن القيمة من خلال حوكمة البيانات
تحول هذه الهندسة الاستهلاك العشوائي للذكاء الاصطناعي إلى قيمة تجارية قابلة للقياس. يمكن لأي شركة شراء المزيد من الرموز، ولكن القليل منها يعرف كيفية استخراج المزيد من القيمة منها. لن تُحدد المرحلة التالية من الذكاء الاصطناعي في المؤسسات من خلال من يستهلك أكبر عدد من الرموز أو يشغل أكبر النماذج. بل ستُحدد بمقدار قدرة الشركات على تحويل استهلاك الذكاء الاصطناعي إلى قيمة تجارية قابلة للقياس وموثوق بها.
يمكنك قراءة المزيد في المصدر.
لمزيد من التفاصيل اضغط هنا.