رأي: في جنون الربح من الذكاء الاصطناعي، لم تعد فكرة "بيع المعول" فعالة

الشركات الناجحة في مجال الذكاء الاصطناعي ليست التي تبيع الأدوات، بل تلك التي تعتبر الذكاء الاصطناعي مادة خام تُستخدم في مجالات متخصصة كـ «صائغي المجوهرات».

المؤلف: بن باسش

الترجمة: تِش فلوو TechFlow

مقدمة تِش فلوو: كانت عبارة «في حمى الذهب، بيع المعاول والمجارف» من القواعد الذهبية في عالم ريادة الأعمال. لكن في عصر الذكاء الاصطناعي، هذه القاعدة لم تعد صالحة — لأن عمال المناجم أنفسهم فتحوا متاجر أدوات. شركة OpenAI، وAnthropic، وGoogle تسيطر بشكل منهجي على طبقة الوسيط، ومساعدي البرمجة، وأتمتة المتصفحات، وغيرها من مسارات الشركات الناشئة. يرى المؤلف بن باسش أن الشركات التي ستنجو حقًا في مجال الذكاء الاصطناعي ليست التي تبيع الأدوات، بل تلك التي تعتبر الذكاء الاصطناعي مادة خام تُستخدم في مجالات متخصصة كـ «صائغي المجوهرات» — تغوص في صناعات معينة، وتملك المعرفة المحلية، وتتمتع بسياق غير قابل للاستنساخ.

النص الكامل:

عبارة واحدة أصبحت بمثابة بشرى سارة في عالم ريادة الأعمال قبل وبعد فقاعة الإنترنت الأولى: «في حمى الذهب، بيع المعاول والمجارف». بمعنى أن من يحقق أرباحًا حقيقية ليس من ينقب عن الذهب، بل من يزود عمال المناجم بالمستلزمات. والأرباح تكون لصالح شركة ليفي ستراوس، وليس للعمال الذين يبحثون عن الذهب.

هذه إطار جيد. وكان مفيدًا لوقت معين.

لكن في مجال الذكاء الاصطناعي، هو خاطئ. إذا كانت شركتك تعتمد على هذا المنطق، فربما عليك أن تعيد النظر جيدًا فيما حدث خلال الاثني عشر شهرًا الماضية.

الورشة هي كامل سلسلة التقنية

إليكم ما حدث فعليًا — بدأ بصمت، ثم انفجر فجأة بشكل كامل.

أطلقت شركة OpenAI أداة Operator، وهي وكيل حاسوبي يمكنه تصفح الويب، وملء النماذج، وتنفيذ المهام من البداية للنهاية. ثم أطلقت Responses API وAgents SDK، مما يتيح للمطورين الحصول على قدرات استدعاء الأدوات، والذاكرة، والتنسيق بشكل أصلي، دون الحاجة إلى أطر خارجية. بعدها أطلقت Codex، وهو وكيل برمجي سحابي يمكنه كتابة، واختبار، وتكرار البرمجيات بشكل مستقل. ومعه Deep Research. أي من هذه المنتجات كان يكفي قبل عامين لدعم شركة ناشئة حصلت على تمويل.

أطلقت شركة Anthropic نموذج Claude Code، وميزة استخدام الحاسوب، ومشاريع ذات ذاكرة دائمة، وبروتوكول سياق النموذج (MCP) — الذي أصبح خلال ليلة واحدة تقريبًا المعيار السائد لربط الذكاء الاصطناعي بالأدوات والبيانات الخارجية. ثم تبرعت بـ MCP لمؤسسة لينكس، لضمان أن يكون معيارًا للبنية التحتية وليس منتجًا. بعدها أطلقت Claude in Excel، وClaude in Chrome، وCowork.

أطلقت Google نسخة Gemini 2.0، التي تتضمن قدرات مدمجة لاستدعاء الأدوات، وإدراك متعدد الوسائط، وتُدمج مع Vertex AI كلوحة تحكم مؤسسية، وتوفر استراتيجيات وتنظيمات جاهزة للاستخدام.

كل خطوة من هذه التحركات كانت تلتهم مساحة كانت مملوكة سابقًا لشركات ناشئة.

منطق «بيع المعاول» يتضمن فرضية خفية: أن المختبرات ستظل في مساراتها الخاصة. أن تقوم ببناء نماذج أساسية، وتوفير واجهات برمجة التطبيقات، وترك طبقات الأدوات، والتنظيم، والتطبيقات للبيئة. هذه الفرضية ماتت الآن.

مجزرة الوسيط

لننظر ماذا يحدث تحديدًا في طبقة الوسيط.

LangChain هو النموذج الأكثر تمثيلًا لرهان «بيع المعاول» في موجة الذكاء الاصطناعي لعام 2023. إطار تنسيق يُستخدم لربط استدعاءات نماذج اللغة الكبيرة، وربط الأدوات، وإدارة الذاكرة. آلاف الفرق تبني منتجات عليه، ونجوم GitHub تجاوزت 100 ألف. بحلول 2024، بدأت فرق متعددة تكتب مدونات تشرح لماذا ينوون إزالته من بيئة الإنتاج. ليس لأنه ضعيف، بل لأن النماذج الأساسية أصبحت ذكية جدًا بحيث لم تعد بحاجة إليه. الطبقة التجريدية التي يبنيها LangChain تعالج مشكلات الأمس.

وفي الوقت نفسه، أطلقت شركة OpenAI أدواتها الخاصة للمساعدين (Agents SDK). وأطلقت Microsoft أدوات AutoGen وSemantic Kernel. المختبرات وشركاتها الأم لم يستحوذوا على LangChain. بل بنوا بشكل أصلي على منصاتهم ما يفعله LangChain.

نفس السيناريو يتكرر على كل مستوى. أُطُر الوكلاء، أدوات إدارة التعليمات، خطوط RAG، أُطُر التقييم، أدوات الرصد. كل ذلك يُمتص ويُدمج في المنتجات الأصلية من قبل الشركات المصنعة للنماذج الأساسية.

الجانب القاسي هو: عندما تدمج OpenAI أو Anthropic قدرات التنسيق مباشرة في API، فهي لا تحتاج للفوز من حيث الوظائف. كل ما تحتاجه هو أن يكون «كافيًا» و«موجودًا بالفعل». المطورون يتجهون تلقائيًا للطريق الأقل مقاومة. الشركات الناشئة التي تمتلك وسائط وسطية ذكية، عليها أن تتفوق بشكل كبير، وأن تحافظ على هذا التفوق خلال تطور النماذج المستمر، وأن تتنافس مع خصوم يمتلكون رأس مال لا محدود ويسيطرون على البنية التحتية الأساسية. هذا ليس عملًا، بل مشروع بحثي له مؤقت زمني.

العمال أنفسهم فتحوا متاجر أدوات، ولم يعد من الممكن بيع المعاول

الاستعارة «بيع المعاول» تفقد صلاحيتها في مجال الذكاء الاصطناعي، والسبب الرئيسي هو اختلاف هيكلي جوهري. في عام 1849، ليفي ستراوس وتجار الأدوات لم يكونوا ينقبون عن الذهب بأنفسهم. عمال المناجم والموردون كانوا كيانات مستقلة ذات مصالح منفصلة.

أما في الذكاء الاصطناعي، فالمختبرات لا تنقب فقط، بل تبيع الأدوات، وتبني الطرق، وتطبع الخرائط. لديها دوافع قوية لامتلاك كامل سلسلة التقنية، لأن كل طبقة يسيطرون عليها تزيد من قفل السوق، وتوفر فرصة لزيادة الأرباح، وتخلق حاجزًا أمام المنافسين.

عندما تبرع Anthropic بـ MCP لمؤسسة لينكس، لم يكن ذلك خيرًا. كان لضمان أن يصبح المعيار الذي صممته هو البنية التحتية العامة، تمامًا كما أصبح Ethernet معيارًا عالميًا. المعايير هي أقوى حواجز الحماية في صناعة التكنولوجيا، لأنها غير مرئية ودائمة.

لذا، إذا كانت قيمة شركتك الناشئة هي «نحن نعمل بين المطورين والنماذج، لتسهيل مهمة معينة»، فعليك أن تدرك أن الكيان الذي تتوسطه قد لاحظ وجودك، ويمتلك الموارد لنسخك، وله أسباب هيكلية لفعل ذلك.

ما الذي ينفع إذن؟

نعود إلى استعارة حمى الذهب. لم يعد من الممكن بيع المعاول، فماذا تبيع إذن؟

صائغي المجوهرات.

أو بشكل أدق: تعتبر الذهب مادة خام صناعية، وتستخدم لصنع منتجات لا يود عمال المناجم أنفسهم صنعها.

في حمى الذهب الحقيقية عام 1849، الشركات التي نجت من فترة الازدهار لم تكن تبيع أدوات عامة. كانت تلك التي تعتبر الذهب مادة خام، وتستخدم خبرتها العميقة لصنع منتجات محددة. صائغي المجوهرات، وأطباء الأسنان، والمهندسون الكهربائيون لاحقًا. هؤلاء يفهمون تطبيقات محددة بشكل عميق لدرجة أن الموهوبين العامين لا يستطيعون مجاراتهم.

النسخة في مجال الذكاء الاصطناعي هي بناء تطبيقات في مجالات متخصصة — تلك التي تتطلب سياقًا حقيقيًا من العالم الحقيقي لا تمتلكه المختبرات، ويصعب عليها الحصول عليه.

فكر فيما لا تتقنه الشركات مثل OpenAI، وAnthropic، وGoogle:

• هي لا تفهم بشكل عميق سير العمل في صناعتك.
• لا علاقة لها بعملائك.
• لا تستطيع الحصول بتكلفة منخفضة على البيانات الخاصة التي تجعل النماذج فعالة في سيناريوهات محددة.
• لن تتعمق أبدًا في أسباب إصدار فواتير الأفراد في جنوب أفريقيا، أو لماذا لا يكون دمج المدفوعات عبر الهاتف المحمول في كينيا بسيطًا، أو لماذا يُعد الحصول على موافقات طبية مسبقة في الولايات المتحدة مشكلة تشغيلية معقدة ومتجذرة.

المختبرات تبني بنية تحتية أفقية. الفرص تكون في المجالات المتخصصة التي تتطلب معرفة محلية جغرافية، وتنظيمية، وثقافية، وصناعية لكي تنجح بشكل حقيقي.

لهذا السبب، فإن التكنولوجيا المالية في الأسواق الناشئة، والذكاء الاصطناعي القانوني المخصص لنطاق قضائي معين، وأدوات الامتثال للقطاعات المنظمة، وأتمتة سير العمل في المجالات المتخصصة، كلها أكثر مقاومة من مجرد «صنع نسخة محسنة من LangChain».

الحصن المنيع ليس في النموذج، بل في السياق.

استخدام الذهب في الصناعة

هناك نسخة أخرى من هذا المفهوم تستحق التوضيح: استخدام الذكاء الاصطناعي كما يُستخدم الذهب في الصناعة. ليس كوسيلة لتخزين القيمة أو كقطعة عرض، بل كمكون يُدمج في أنظمة تخلق قيمة اقتصادية دائمة.

الذهب يتمتع بموصلية كهربائية لا مثيل لها تقريبًا. لذلك، يوجد في كل لوحة دائرة. لا يتحدث عنه أحد، ولا يروج له في هذا السياق. هو ببساطة يدخل كعنصر رئيسي في نظام أكبر.

الشركات الأكثر ديمومة التي تُبنى الآن في مجال الذكاء الاصطناعي، تعتبر النماذج مكونات — مدخلات لمنتج يُحلّ مشكلة حقيقية — وليس المنتج نفسه. الذكاء الاصطناعي هو الذهب في الدوائر، وليس الذهب في المعرض.

العملية ببساطة: تختار مجالًا يعاني من مشكلة حقيقية، وسير عمل معقد، وبيانات صعبة الحصول عليها، ثم تبني منتجًا يستخدم النماذج بشكل يضاعف من فاعليته. الذكاء الاصطناعي هو التفاصيل التقنية، والمنتج هو الذي يحل محل العمليات اليدوية المرهقة.

وهذا عكس تمامًا فكرة «نحن نضع غلافًا فوق GPT-4». الغلاف هو المعرض، والدائرة الداخلية غير مرئية.

القطاعات التي تم القضاء عليها مؤخرًا

لتوضيح الأمر أكثر، إليكم بعض فئات الشركات الناشئة التي تتعرض للابتلاع المنهجي من قبل المختبرات منذ نهاية 2024:

• أُطُر تنسيق الوكلاء. الآن تشمل الوظائف الأصلية لـ OpenAI Agents SDK، وأدوات Anthropic، وGoogle Vertex Agent Builder.
• مساعدو البرمجة بالذكاء الاصطناعي. Codex الخاص بـ OpenAI قادر الآن على برمجة كاملة لمستودعات برمجية. وClaude Code كذلك. وGitHub Copilot هو الحل الأصلي من Microsoft. لقد تقلصت بشكل كبير المسارات المستقلة التي تركز فقط على المساعدة في البرمجة.
• المتصفحات وأتمتة الحاسوب. أطلقت OpenAI Operator، وAnthropic Computer Use، وGoogle Gemini Astra. جميعها الآن لديها منتجات في هذا المجال. جميع الشركات الناشئة التي تستخدم نماذج اللغة الكبيرة في RPA تتراجع دفاعيًا.
• خطوط RAG وأدوات البحث بالمتجهات. أصبحت تقريبًا منتجات جاهزة. معظم واجهات برمجة النماذج تأتي مزودة بقدرات استرجاع أصلية. لم يبقَ فرق في الإطارات.
• المساعدون العامون وأدوات الكفاءة. تم استيعابها مباشرة بواسطة Claude، وChatGPT، وGemini.
• أدوات إدارة التعليمات والتقييم. أصبحت أكثر تكاملًا كوظائف أصلية. لا تزال LangSmith تملك بعض المساحة، لكنها تتسابق مع الزمن.

الأنماط متشابهة جدًا: عندما تكتشف المختبرات أن فئة معينة تجذب اهتمام المطورين، وتعتبرها قريبة جدًا من منتجاتها الأساسية، تصدر نسخة منها. ليست دائمًا أفضل، لكنها أكثر تكاملًا، وأقل تكلفة بشكل افتراضي، ولديها قدرات توزيع لا يمكن للشركات الناشئة مجاراتها.

ماذا تفعل الآن؟

إذا كنت تعمل الآن في مجال ريادة الأعمال في الذكاء الاصطناعي، فالسؤال ليس «هل هناك طلب على هذا؟». الطلب موجود في كل مكان. السؤال هو: هل يمكن أن تُقضى على شركتك بواسطة مختبر في بنك يمتلك أكثر من 100 مليار دولار، يطلق منتجًا واحدًا؟

إذا كانت الإجابة «نعم» أو «ربما»، فالأمر ليس عملًا، بل وظيفة.

الاستراتيجية المستدامة تتسم بما يلي: تخصص عميق في مجال معين (المختبرات يمكنها بناء أنظمة عامة، لكنها لا تستطيع بناء أنظمتك الخاصة)، بيانات أو علاقات خاصة لا يمكن استنساخها عبر تصفح الإنترنت المفتوح، تعقيدات تنظيمية وقانونية تجعل الاعتماد على «استدعاء API مباشرة» غير كافٍ، وقنوات توزيع في مجتمعات تضع الثقة والسياق المحلي فوق القدرات الأصلية.

حقيقة أن حمى الذهب حقيقية. هناك ذهب في كل مكان. لكن عمال المناجم بدأوا يفتحون متاجر أدوات، ويستخدمون رأس مال غير محدود.

صائغي المجوهرات. يعتبرون الذهب مادة خام صناعية. يصنعون أشياء لا يود عمال المناجم أنفسهم صنعها — لأنها متخصصة جدًا، ومحلية جدًا، ومتجذرة بعمق في معارف مجالات لن يملكوها أبدًا.

هذه هي الاستراتيجية التي أراها صحيحة.