OpenAI تضخ 4 مليار دولار لمحاربة FDE، نهاية مهندس البرمجيات كانت في المقام الأول هو التواجد في الموقع

بتاريخ 11 مايو بالتوقيت المحلي، أعلنت OpenAI عن تأسيس شركة جديدة باسم OpenAI Deployment Company (شركة نشر OpenAI)، باستثمار أولي يزيد عن 4 مليارات دولار، تركز على مساعدة الشركات في بناء ونشر أنظمة الذكاء الاصطناعي.

استثمار OpenAI 4 مليارات دولار لتأسيس شركة نشر

تعد شركة نشر OpenAI شراكة بين OpenAI و19 من الشركات الاستثمارية والاستشارية الرائدة عالميًا ومتكاملين في أنظمة تكنولوجيا المعلومات. يقودها TPG، ويشارك في قيادتها المؤسسون المشاركون من Advent، وباين كابيتال، وBrookfield، بالإضافة إلى B Capital، BBVA، Emergence Capital، Goanna، جولدمان ساكس، سوفت بنك، وWesco، و WCAS.

لتسريع توسيع فريق العمل، استحوذت شركة نشر OpenAI على شركة استشارات الذكاء الاصطناعي Tomoro، بهدف إدخال حوالي 150 مهندس ومختص في النشر الميداني ذوي خبرة، ليكونوا جاهزين للخدمة منذ التأسيس. هؤلاء المهندسون سيعملون بشكل مكثف في مواقع العملاء، ويتعاونون بشكل وثيق مع فرقهم، لتحديد أكثر سيناريوهات تطبيق الذكاء الاصطناعي قيمة ودفع عملية النشر الفعلي.

وهذا يمثل تحولًا استراتيجيًا كبيرًا لشركات OpenAI.

على مدى العامين الماضيين، اعتمدت OpenAI بشكل أكبر على ChatGPT Enterprise، وواجهات برمجة التطبيقات، وقدرات النماذج، لفتح السوق؛ والآن، تدرك بوضوح أن امتلاك نماذج قوية فقط لم يعد كافيًا للفوز بالسوق المؤسسي السابق. العامل الحاسم في تسريع تجارية الذكاء الاصطناعي ليس هو حجم النموذج، بل هو “قدرة التطبيق والتنفيذ”.

وهذا هو بالضبط قيمة Tomoro.

فمن هو Tomoro إذن؟

تأسست Tomoro في عام 2023، ومنذ نشأتها، أُطلقت عليها صفة “شركة بيئة OpenAI” بشكل ملحوظ.

هي شركة استشارية تركز على نشر أنظمة الذكاء الاصطناعي للمؤسسات وخدمات الهندسة، وتركز أعمالها الأساسية على دمج نماذج OpenAI في الأعمال التجارية، وحل مشكلات معقدة تتعلق بالوصول إلى البيانات، وإدارة الأنظمة، والتحكم في الصلاحيات، وتصميم تدفقات العمل الإنتاجية، بدلاً من تطوير النماذج الأساسية.

وبحسب قائمة العملاء المعلنة، فقد خدمت Tomoro شركات دولية كبيرة مثل Mattel، Red Bull، Tesco، Virgin Atlantic، وSupercell.

هؤلاء العملاء يتشاركون نقطة واحدة: هم ليسوا “شركات ابتكار تقني”.

بمعنى آخر، ما تتقنه Tomoro هو ليس تدريب النماذج في المختبرات، بل هو نقل الذكاء الاصطناعي من مرحلة المفهوم إلى التطبيق في بيئات الأعمال الأكثر تعقيدًا وواقعية.

ومن الجدير بالذكر أن لدى Tomoro أيضًا فلسفة تطوير جذابة: بناء أسبوع عمل مدته ثلاثة أيام. وكتبت على صفحتها الرسمية:

“ثورة الذكاء الاصطناعي توفر فرصة لإعادة تشكيل المجتمع. نحن لسنا متفرجين، بل مبدعون — سنبني معًا عالمًا نفتخر به نحن وأحفادنا.

مهمتنا هي موازنة إنتاجية الذكاء الاصطناعي وأهداف الإنسان، وجعل أسبوع العمل ثلاثة أيام حقيقة.”

من حيث خلفية فريق التأسيس، فإن النواة الأساسية لـ Tomoro تتكون من خبراء في استشارات التحول الرقمي للمؤسسات، والبنية التحتية السحابية، وتطبيقات الذكاء الاصطناعي، مما يجعلها فريقًا متعدد التخصصات “يفهم النماذج، ويفهم أنظمة الشركات بشكل أعمق”.

ويظهر موقع Tomoro الإلكتروني أنها توظف حاليًا مهندسين ميدانيين في أستراليا، وسنغافورة، والمملكة المتحدة.

لماذا فجأة تركز OpenAI بشكل كبير على النشر؟

المنطق وراء ذلك ليس صعب الفهم: العملاء المؤسساتيون لا يشترون النماذج، بل يشترون النتائج.

قالت Denise Dresser، المديرة التنفيذية للمبيعات في OpenAI: “الذكاء الاصطناعي أصبح أكثر قدرة على أداء المهام ذات المعنى المتزايد داخل المؤسسات. التحدي الآن هو كيف نساعد الشركات على دمج هذه الأنظمة في بنيتها التحتية وعملياتها. شركة نشر OpenAI تهدف إلى سد هذه الفجوة وتحويل قدرات الذكاء الاصطناعي إلى تأثير تشغيلي حقيقي.”

لقد أدركت Dresser وفريقها أن التواجد الميداني هو الآن من أهم القدرات التي تحتاجها الشركات في مجال الذكاء الاصطناعي.

على الرغم من النجاح الكبير الذي حققه ChatGPT على مستوى المستهلكين، إلا أن سوق الشركات شهدت خلال العام الماضي صعودًا قويًا لشركة Anthropic، التي سرعان ما برزت مع سلسلة Claude، وحققت حضورًا قويًا بين المطورين والعملاء المؤسساتيين. وفي وقت سابق من هذا العام، اعترفت OpenAI داخليًا بأن نمو Anthropic يمثل ضغطًا واضحًا على الشركة.

وفقًا لوكالة رويترز، خلال اجتماع داخلي، أخبر مسؤول أعمال التطبيقات في OpenAI، Fidji Simo، الموظفين:

“يجب أن يكون صعود Anthropic بمثابة جرس إنذار لـ OpenAI.”

وأكدت أن الشركة يجب أن تركز مواردها على تعزيز الإنتاجية المؤسسية، بدلاً من التشتت عبر خطوط منتجات متعددة.

إلى حد ما، فإن شركة نشر OpenAI هي نتاج استراتيجية دفاعية.

وبالطبع، لم تتوقف Anthropic عن العمل.

ففي الأسبوع الماضي، أعلنت عن تأسيس شركة مشتركة تركز على نشر خدمات الذكاء الاصطناعي للمؤسسات، بمشاركة Blackstone وHellman & Freeman وGoldman Sachs كمؤسسين مشاركين.

تقدر قيمة الشركة المشتركة بـ 1.5 مليار دولار، ويشارك في التمويل كل من Anthropic، وBlackstone، وHellman & Freeman، بمبلغ 300 مليون دولار. بالإضافة إلى ذلك، هناك مستثمرون آخرون مثل Apollo Global Management، وGeneral Atlantic، وGIC (صندوق الاستثمار الحكومي في سنغافورة)، وLeonard Green، وSuko Capital.

وهذا يعني أن عملية استحواذ ودمج حول “قدرات تطبيق الذكاء الاصطناعي في المؤسسات” قد بدأت رسميًا.

إذا كانت المنافسة سابقًا تركز على تدريب نماذج أقوى، فإن المنافسة الآن تتجه إلى: من يستطيع أسرع في إدخال النماذج في الأعمال الحقيقية للمؤسسات.

لماذا تراجع الطلب على المهندسين التقليديين، وأصبح مهندسو النشر هم المطلوبون بشدة؟

هذا التحول في المنافسة ينعكس بشكل واضح على سوق العمل.

عندما يصبح “دمج النماذج في الأعمال الحقيقية” هو العامل الحاسم، فإن الوظائف التقليدية في هندسة البرمجيات، التي تبتعد عن العمل المباشر مع الأعمال، وتقتصر على كتابة الكود، تبدأ في الانكماش، بينما يزداد الطلب على مهندسي النشر الذين يستطيعون التواجد في مواقع العملاء، ودمج الأنظمة، وتحقيق التطبيق.

لنقارن بين البيانات التالية: في الربع الأول من 2025، انخفض عدد وظائف هندسة البرمجيات التقليدية بنسبة حوالي 70%؛ وفي المقابل، زاد الطلب على مهندسي النشر المباشر (FDE) من حوالي 800% إلى حوالي 1000%. هذا التباين يوضح بشكل جلي التحول الجوهري في الاتجاهات الصناعية.

لماذا الطلب على المهندسين التقليديين يتراجع، بينما مهندسو النشر يزدادون طلبًا؟ الجواب هو: أن نجاح أي مشروع يعتمد الآن بنسبة 60-70% على “تطبيق النماذج”، وليس فقط على المهارات الهندسية والبرمجية. القدرة على الابتكار مع العميل، والتكيف، والقيادة، والمهارات الناعمة، وسرعة التكرار والنشر، كلها أصبحت حاسمة. لقد تحولت العقبة الأساسية من “القدرة التقنية” إلى “تطبيق النماذج”.

لكن، من الصعب على الشركات الاعتماد على نفسها في نشر الذكاء الاصطناعي، لأن هناك قلة قليلة من الأشخاص الذين يفهمون الذكاء الاصطناعي بشكل عميق، والأهم من ذلك، أن فهم الذكاء الاصطناعي وحده غير كافٍ، بل يجب أن يكون لديهم أيضًا معرفة بهندسة الأنظمة وعمليات الشركة بشكل شامل.

الدمج بين هذين الجانبين هو الذي يقود إلى النجاح. وغياب مهارات النشر والتفاصيل الدقيقة، هو بالضبط ما يمتلكه مهندسو النشر الميدانيون.

حتى مع وجود حلول جاهزة في السوق، غالبًا ما يحتاج العملاء إلى تعديلات وتخصيصات واسعة. وبدون وجود مهندسي النشر مع العملاء، والتعاون معهم بشكل مباشر، وفهم منتجاتهم وهياكلهم بشكل عميق، فإن المشاريع ستواجه صعوبة في النجاح. وتجاربنا تظهر أن مشاريع الذكاء الاصطناعي التي يشارك فيها مهندسو النشر، تحقق عائد استثمار ونجاح أعلى بشكل ملحوظ.

لماذا لا تنجح نماذج التسليم التقليدية؟

العملية التقليدية لبيع البرمجيات هي: تطوير المنتج → تسليمه للمبيعات → الترويج للعميل → محاولة العميل تثبيت المنتج (ربما بمساعدة فريق نجاح العملاء) → ثم يبدأ العميل في استكشاف الحلول بنفسه. هذا النموذج يتجاهل الحلقة الأهم: أن بيئة العميل “فريدة ومعقدة دائمًا”.

لكن هناك قاعدة نعرفها جميعًا: المصاحبة هي أرقى أشكال الحب.

نموذج مهندسي النشر لا يعني أن الشركة تبيع المنتج وتترك العميل يتولى الأمر، بل يعني أن أفضل المهندسين يُرسلون مباشرة إلى داخل شركة العميل. هؤلاء المهندسون، بالتعاون مع مدير الحسابات الذي يكتب الوثائق، يقومون بتسليم الكود الحقيقي، وبناء تكامل مخصص، وتكوين النظام ليعمل في بيئة العميل الخاصة. هذا هو “النشر الأمامي”: أن يعمل مهندسك داخل شركة العميل.

هذه الطريقة فعالة لأنها تعتمد على ملاحظة بسيطة: أن هؤلاء المهندسين يفهمون بشكل عميق عمل النماذج أو البرمجيات، بينما مهندسو الشركات الكبرى (مثل JPMorgan) يعرفون شركتهم جيدًا — هياكل البيانات، والمتطلبات التنظيمية، والسياسات الداخلية، والمشكلات المحددة التي يحاولون حلها. لا يمكن لأي طرف أن يعمل بمفرده. نموذج مهندس النشر يجبر نوعي المعرفة على الالتقاء والتفاعل، حتى يتم التوصل إلى حلول فعالة.

هذه الطريقة مناسبة بشكل خاص للعملاء الذين يواجهون “مشكلات فريدة ومعقدة”: المستشفيات، البنوك، المؤسسات الدفاعية، المؤسسات المالية الكبرى. فهي تتطلب حلولًا لا يمكن أن توفرها المنتجات السحابية الجاهزة، لأنها تعتمد على أنظمة قديمة، وتخضع للرقابة، وعمليات داخلية لم تُصمم أصلاً للذكاء الاصطناعي.

ويمكن تفسير ذلك أيضًا بأن الطلب على المهندسين التقليديين يتراجع، ليس لأن التقنية لم تعد مهمة، بل لأن تعريف “المهندس” يتغير. المهندسون الذين يستطيعون التواجد في الموقع، وفهم الأعمال، والتكرار السريع، والابتكار المشترك، هم الآن من أكثر المواهب طلبًا في عصر الذكاء الاصطناعي.

وفي ظل هذا السياق، ما المهارات التي يجب أن يمتلكها مهندسو النشر؟

في بودكاست حديث، ناقش مدير منصة OpenAI، Sherwin Wu، ومدير المنتجات، Olivier Godement، بالتفصيل القدرات الأساسية التي يجب أن يتحلى بها مهندسو النشر.

في سيناريوهات النشر عالية التخصيص والأمان، مثل بيئات المختبرات الوطنية المعزولة، تظهر مجموعة من القدرات الأساسية.

أولاً، لديهم مهارات قوية في النشر على مستوى الفيزياء والبنية التحتية الأساسية: ليس فقط القدرة على تثبيت وتشغيل النماذج على الهاردوير الخاص بالعميل، وليس فقط عبر واجهات برمجة التطبيقات، بل أيضًا في بيئات أمان صارمة — مثل بيئة “الهوائيات” المعزولة تمامًا، حيث يُمنع حمل أي أجهزة إلكترونية، ويُعتمد على وسائط مادية لنقل أوزان النماذج إلى الحواسيب العملاقة.

ثانيًا، يمتلكون قدرات عميقة في التخصيص والتطوير الهندسي، بحيث يمكنهم التعاون مع فرق التطوير، وإجراء تطويرات يدوية مخصصة، وتكييف البيئة، مع القدرة على إدارة المهام المعقدة مثل إدارة الذاكرة، والتنسيق، والتعامل مع المهام، لضمان استقرار النماذج وفعاليتها حتى في بيئات مقيدة جدًا.

بالإضافة إلى ذلك، ذكر فريق OpenAI أن أنماط النجاح في النشر (مؤشرات الأداء الرئيسية) تعتمد على قدرات المهندسين، بالإضافة إلى وجود خصائص تنظيمية مثل:

“فريق الطوارئ” (Tiger Team):

• يتطلب النشر وجود خبراء تقنيين، وأيضًا من لديهم “معرفة تنظيمية” (Institutional Knowledge).

• التكوين: فريق صغير يتكون من خبراء تقنيين، وأخصائيين من مجالات مختلفة، وأشخاص على دراية بالعمليات الداخلية للمنظمة. لأن معظم المعرفة المهمة (مثل إجراءات التشغيل القياسية) تكون في أذهان الموظفين القدامى، وليست موثقة بشكل كامل.

نظام تقييم من الأسفل للأعلى (Evals First):

• تحديد الأهداف بوضوح: نجاح النشر يتطلب تحديد “ما هو النجاح”.

• القيادة من الصفوف الأمامية: معايير التقييم لا يمكن أن تفرض من الإدارة العليا فقط، بل يجب أن يشارك فيها العاملون مباشرة، لأنهم يعرفون المشكلات الحقيقية في الميدان.

تحول الأدوار: من “أداة” إلى “شريك تفكير”:

• النشر المتميز يدمج النموذج بشكل عميق في سير العمل البحثي. في حالة المختبرات الوطنية، ساهم مهندسو النشر في أن يصبح النموذج “شريك تفكير” (Thought Partner)، يساعد في تصميم التجارب وتحليل البيانات المعقدة.

دور مهندسي النشر، قد تحول من مجرد “مُثبت برمجيات” إلى “مستشار تقني شامل + مهندس معماري + خبير صناعي”. فهم لا يقتصرون على تشغيل النماذج، بل يتعاملون مع كيفية دمجها في جوهر الأعمال، حتى في أصعب الظروف، وأحيانًا في أنظمة بدون وثائق.

صناعة النماذج تتجه نحو “المرحلة الثانية”، حيث المنافسة ليست على النماذج فقط، بل على “ولاء العملاء”.

إذا نظرنا بشكل أعمق، فإن هذا يشبه إلى حد كبير المسار الذي سلكته شركة Palantir خلال أكثر من عقد.

مزايا Palantir الأساسية لم تكن في بيع تراخيص البرمجيات، بل في إرسال مهندسين إلى مواقع العملاء، لفهم العمليات بشكل عميق، ثم دمج التقنية في المنظمة.

شركات مثل OpenAI وAnthropic الآن تحاكي هذا النموذج، لأن وراءه حقيقة مهمة: أن التواجد الميداني (FED) يخلق ولاءً لا يمكن أن ينافسه أي SaaS آخر.

عندما يثبت العميل نظام CRM، يمكنه في النهاية نقله إلى منافس، رغم الألم، لكنه ممكن. أما عندما يقضي فريق النشر 6 أشهر لبناء نظام AI مخصص يدمج البيانات، والعمليات، والامتثال، فإن هذا النظام يتحول إلى بنية تحتية أساسية تدعم العمليات، ويصعب إزالته، ويظل الاعتماد عليه مستمرًا.

هذه المنطق الاستراتيجي هو الذي يجعل نموذج النشر الميداني جذابًا جدًا لشركات مثل Anthropic وOpenAI — فالسوق المؤسسي للذكاء الاصطناعي لا يركز فقط على بيع الرموز (tokens)، بل على أن يصبح جزءًا لا يتجزأ من البنية التحتية التي يصعب على المؤسسات الاستغناء عنها، وFDE هو الطريق الرئيسي لتحقيق ذلك.

الفرصة أيضًا مهمة. بيانات تشغيل مراكز البيانات الضخمة تظهر أن بناء البنية التحتية يتسارع، وليس يتباطأ: رفع توقعات الإنفاق الرأسمالي من قبل Morgan Stanley لمشغلي البيانات الكبرى، حيث تتوقع أن تصل النفقات إلى 8.05 تريليون دولار في 2026، و1.1 تريليون دولار في 2027؛ فقط في الربع الأول من 2026، تجاوز الإنفاق على سبعة من أكبر مشغلي البيانات 400 مليار دولار، مع وجود طلبات مؤجلة بقيمة تريليون ونصف تريليون دولار.

هذه الطلبات الضخمة تشير إلى أن الطلب يفوق العرض بكثير، وأن العقبة الأساسية ليست قدرات النماذج أو الموارد الحاسوبية، بل هو القدرة على النشر بكفاءة.

لذا، من يستطيع أن يسيطر على طرق النشر الواسعة داخل المؤسسات، ويقوم بدمج مخصص وفعال، هو من سيحقق قيمة البنية التحتية التي تخلقها الأنظمة. في نماذج FDE، المورد الحقيقي النادر ليس القدرة على بناء النماذج، بل الخبرة في النشر. وهذا يعيد بشكل مثير للاهتمام منطق التسعير: من الترخيص المبني على المقاعد إلى الاستهلاك المبني على الرموز (tokens).

في نموذج FDE، أنت لا تبيع مقعدًا واحدًا، بل نظامًا تم نشره ويدخل حيز الاستخدام، ويستهلك الرموز باستمرار مع استمرار المؤسسة في استخدامه، وولاء النظام الميداني هو المفتاح لاستدامة إيرادات الرموز على المدى الطويل.

مصدر المقال: InfoQ

تحذيرات المخاطر وشروط الإعفاء

السوق محفوف بالمخاطر، ويجب الحذر عند الاستثمار. هذا المقال لا يشكل نصيحة استثمارية شخصية، ولم يأخذ في الاعتبار أهداف أو أوضاع مالية خاصة للمستخدمين. يجب على المستخدمين تقييم مدى توافق الآراء والوجهات النظر الواردة مع ظروفهم الخاصة. يتحمل المستخدمون المسؤولية الكاملة عن قراراتهم الاستثمارية.