هل ستقضي ChatGPT وClaude على جميع الأعمال بشكل نهائي؟

a16z الشريك جو شميت الرابع يشير إلى أن مختبرات النماذج الكبيرة ستقود المهام الأفقية فقط، وأن فرص تطبيق الذكاء الاصطناعي الحقيقية تكمن في السيناريوهات الرأسية وسير العمل المعقد.
(ملخص سابق: ألتمن يسحب نبوءة "دمار الذكاء الاصطناعي للبشرية": أنا سعيد لأنني أخطأت، هل هو صادق حقًا؟)
(معلومات إضافية: جوجل تستثمر في منصة توجيه الذكاء الاصطناعي OpenRouter، بقيمة تقييم 1.3 مليار دولار، ونمو سنوي بنسبة 240٪)

فهرس المقال

Toggle

• الطريق المبلط باللون الأصفر
• أماكن أخرى في أوز
• لماذا لا يحتل السحرة أماكن أخرى في أوز
• حالة في مجال المبيعات — نصائح عملية من الرئيس التنفيذي لشركة 11x
  • التركيز على النتائج
  • التركيز على المشاكل المعقدة
  • الحواجز ليست فقط لمنع وقوع أشياء سيئة، بل هي سبب دفع العملاء للمال
• حالة في مجال التأمين — نصائح عملية من الرئيس التنفيذي لشركة FurtherAI
• كيف تحدد إذا كنت في أماكن أخرى في أوز؟
• كلاهما يمكن (وسوف) يحقق النجاح

يطرح رواد الأعمال والموظفون المحتملون دائمًا نفس السؤال علي: هل لا تزال هناك مساحة لبناء تطبيقات الذكاء الاصطناعي؟ أم أن OpenAI وAnthropic سيقضيان على كل شيء؟

يكمن وراء هذا السؤال نوع من "القلق الخاص بالذكاء الاصطناعي". بعض الناس استنتجوا أن تجنب أن تكون دائمًا في الطبقة الدنيا هو الحل الوحيد للبقاء، وأن الأماكن التي يمكن أن تستمر فيها هي إما داخل المختبرات الكبرى، أو في مجالات الروبوتات والتكنولوجيا الصلبة وغيرها من المجالات المتقدمة — نظريًا، أي شيء "لا يمكن للمختبرات الوصول إليه".

إذا كانت كل البرامج على وشك أن تُبتلع، سواء بواسطة Codex أو Claude مباشرة، أو أن النماذج المستقبلية تجعل كل شيء بنيته بلا فائدة، فاهرب بسرعة!

اسمع، أنا تقريبًا مثل الجميع من أنصار تفوق الذكاء الاصطناعي، لكن أعتقد أنهم أصابوا نصف الطريق فقط. المختبرات بالفعل تهاجم جزءًا كبيرًا من خريطة التطبيقات. لكن "طبقة التطبيق" ليست فرصة واحدة ومتجانسة. الإطار الصحيح هو: هل أنت على "طريق الطوب الأصفر" في "أوز" (Yellow Brick Road)، أم في أماكن أخرى من عالم أوز (Oz)؟

الطريق المبلط باللون الأصفر هو اسم مختصر للطريق الذي تسير فيه المختبرات، حيث تستثمر موارد هائلة. السبب في أن المختبرات مناسبة جدًا لحل مشاكل مثل توليد الكود، والكتابة، وإنشاء الصور، هو أن هذه المشاكل تتحسن مع زيادة "القدرة الأصلية للنموذج": كل دولار يُنفق على التدريب المسبق وما بعده يرفع جودة المنتج مباشرة.

وفي الوقت نفسه، فإن أماكن أخرى في أوز مليئة بمشاكل أكثر تعقيدًا، وغالبًا ما تكون في مجالات رأسية. هذه المشاكل ليست مجرد أدوات عامة أو صلاحيات تشغيل حاسوب، بل تتطلب حلولًا مخصصة أكثر.

قيمتها لا تأتي فقط من القدرة الأصلية للنموذج (رغم أن ذلك لا يزال مهمًا!)، بل من الهيكل الداعم (scaffolding) المحيط به، وهو الذي يجعل المخرجات موثوقة ومتوافقة وقابلة للتشغيل في صناعات معينة.

نحن نشهد الآن هذا المشهد يتكرر: OpenAI وAnthropic يرسلان رسالة للسوق: لا يمكنهم حل جميع المشاكل باستخدام زميل ذكاء اصطناعي عام واحد. لقد أعلنوا عن خطط واسعة لنشر نماذج مخصصة ومتكاملة للشركات. إذا كنت تعتقد أن إصدار النموذج التالي سيحل كل شيء، فلن تستثمر المليارات في هذه المشاريع.

لذا، إذا كنت تريد أن تربح من تطوير تطبيقات الذكاء الاصطناعي — تجنب الطريق المبلط باللون الأصفر، وابدأ في استكشاف أماكن أخرى في أوز. إليك ما تعلمناه نحن وبعض رواد الأعمال في محفظتنا حول ما هو فعال حقًا.

الطريق المبلط باللون الأصفر

إذا كنت ستبدأ مشروعًا، فإن الطريق المبلط باللون الأصفر هو الخيار الأكثر وضوحًا، لكنه أيضًا الأكثر خطورة. خذ نموذجًا عالي الأداء، وأضف بعض الموصلات الجاهزة (مثل Google Drive، Slack، Salesforce، Notion، GitHub)، ثم أطلق فوقه نوعًا من طبقة الوكيل (Agent). إنه سحر!

المشكلة هنا أن هذا هو بالضبط ما تفعله المختبرات عبر Cowork وCodex. من الواضح أن لديهم النموذج نفسه، مما يمنحهم هوامش ربح أفضل، وتحكمًا أكبر، وقدرة على فرض الأسعار على أي طرف آخر في السلسلة.

لكن الأهم ربما، هو أن هم يملكون أيضًا "اختيارات الهيكل" التي تحدد بدقة المشاكل التي يمكن لنموذجهم حلها بشكل مثالي. حتى الآن، هم يفكرون بعمق في نمط "استدعاء الأدوات (tool calls)"، وهو ما يتطلب مستوى من العمل على الطريق المبلط باللون الأصفر، حيث العمل منخفض الخطوات. حتى لو استطاعت الشركات الناشئة أن تتفوق على Codex أو Claude Code، فإن المختبرات تمتلك قنوات توزيع ضخمة وسمعة قوية في مجال الذكاء الاصطناعي.

إذا كنت شركة تطبيقات ذكاء اصطناعي، واتبعت نفس النهج، واستخدمت نفس الموصلات، ولم يكن لديك وكلاء فرعيين أو تكوينات عميقة، ولا قنوات توزيع، فربما تكون على طريق مسدود.

أماكن أخرى في أوز

بالنسبة للشركات الناشئة، الأمر ليس نهاية العالم. هناك فرص هائلة خارج الطريق المبلط باللون الأصفر، حيث يمكن للشركات الناشئة أن تتبع مسارًا واضحًا لامتلاك عملائها وحل مشاكل معقدة.

هذه الشركات تبني تجارب الوكيل، وتدمج النماذج في شبكة معقدة من الأدوات والأتمتة والتكامل (أي: البرمجيات)، مما يجعل معظمها في الوضع الطبيعي شركات رأسية (vertical).

يمكنها التركيز على العمل متعدد الخطوات والمتعدد الأدوار، وتكوين وكلاء فرعيين (sub-agents) لمهام محددة ودوائر رأسية، وهو شيء لا يمكن أن تفعله منصات عامة مثل Anthropic وOpenAI: جمع السياق عبر الأنظمة، ثم توجيهه إلى عدة أشخاص يجب أن يوافقوا في مراحل مختلفة.

غالبًا ما يتطلب ذلك أنظمة قديمة (legacy systems)، تميل إلى نتائج حاسمة (لا مجال للغموض)، وغالبًا ما تكون مرتبطة مباشرة بنتائج تجارية عالية القيمة.

المختبرات تدرك قيمة هذه المشاكل: لهذا السبب يبنون أقسامًا خاصة بالتعاقد الخارجي، ويطورون أعمالًا معززة للتعلم العميق تستهدف السوق الرفيع.

لماذا لا يحتل السحرة أماكن أخرى في أوز

بالنسبة للانتقادات، يُقال إن التقدم الذي تحرزه المختبرات في بيع النماذج القصيرة الأمد هو مقامرة غير مربحة جدًا حتى الآن. من المحتمل أن يستمروا في القوة، وفي النهاية يبتلعون السوق الذي تخدمه تطبيقات الطبقة التطبيقية.

بالطبع، ستستمر المختبرات في التقدم، لكن أعتقد أن الشركات في أماكن أخرى من أوز يمكنها حماية نفسها بعدة طرق مع مرور الوقت:

عجلة البيانات والتعلم (Data & Learning Flywheel): معظم ما تتعلمه لا يكون في مجموعات البيانات التدريبية — القواعد غير المكتوبة، والمعايير غير المسجلة، والحكمة الجماعية الموجودة في عقول العاملين. لا يمكن استبدالها بموارد تدريب إضافية. هذه المعرفة موجودة في "سير العمل" الحقيقي، وليس على الإنترنت.

هناك دائرتان متداخلتان: واحدة عجلة عبر العملاء (عندما ترى أنواعًا أكثر من نفس المشكلة، تتولد فوائد مركبة)؛ والأخرى عجلة داخل العميل (الأسباب وراء القرارات، والاستثناءات غير المعلنة، وقواعد الخبرة التي تتكون من التفاعل الحقيقي مع النظام).

شركة تدرب وكيلها على 100 مرة من مراجعة الشروط القانونية، أو 1000 دورة من تقييم التأمين، أو 10000 حملة تسويقية عبر SDR، قد استوعبت جوهر المشكلة — وهو شيء لا يمكن للمنافسين الجدد تكراره عند تشغيل وكيل جديد لأول مرة. مجموعات التقييم، والتصنيف، وتقنيات تصنيف الحالات الحدية، يمكن أن تتحد لتكوين عجلة بيانات فريدة في مجال معين، وتدعم عملية التخصيص (fine-tuning).

تغيير وتنوع النماذج وإدارتها: المختبرات تقوم حاليًا بتوجيه النماذج — باستخدام نماذج مختلفة لمهام مختلفة، ودمجها في الطبقات الأساسية (ensembles). لكنهم لا يستطيعون أن يفعلوا "توجيه عبر الشركات"، أو تقييم نماذج المنافسين لمهام معينة، أو استخدام نماذج مفتوحة المصدر في أجزاء محددة من السوق. الشركات في أماكن أخرى من أوز ستختار النموذج الأنسب لكل مهمة.

عندما يُطلق نموذج جديد، يتحمل مسؤولية المهام غير المرغوب فيها — إعادة تقييمه عند التحديث، وضبط التعليمات (prompts) للحالات الحدية، ونشره دون تعطيل البيئة الإنتاجية. المختبرات لا تقوم بذلك نيابة عن العملاء؛ بل يبيعون النموذج التالي ويتركون للعملاء مهمة الترحيل. أما الشركات في أماكن أخرى من أوز، فهي تتبنى تكاليف هذا الترحيل.

تحسين التكاليف: تشغيل كل استعلام بأحدث النماذج العملاقة هو أسرع طريق نحو خسارة مالية. أفضل شركات التطبيقات تستخدم توجيه النماذج بين مستويات مختلفة — تستخدم النماذج المتقدمة للمهام الصعبة، والنماذج المتوسطة للمهام الروتينية، وتستخدم نماذج أصغر أو مخصصة في أجزاء معينة.

المختبرات تحدد الأسعار على أساس الحد الأدنى من الذكاء المقدم: بسعر X دولار، تقدم ذكاءً محدودًا. أما الشركات في أماكن أخرى من أوز، فهي تقدم أدنى تكلفة بالدولار للذكاء المطلوب في سير العمل. وهذا ممكن فقط إذا كنت تعرف بدقة ما يحتاجه كل مهمة فرعية.

الحوكمة (Governance): أن تكون لوحة تحكم للتحكم في تشغيل الذكاء الاصطناعي في مجال معين يحمل قيمة هائلة — هنا تتلاقى الصلاحيات، والتدقيق، وما يمكن لوكيل أن يفعله، وما فعله بالفعل.

لأنهم يمتلكون أدوات، وسير عمل، وبيانات يمكن للوكيل الوصول إليها بشكل شامل، فهم قادرون على تقديم نتائج حاسمة. هم أيضًا الكيان الذي يتحمل عبء الامتثال التنظيمي النهائي — قواعد القانون، وHIPAA في الرعاية الصحية، وSEC وFINRA في المالية، وقوانين التأمين في كل ولاية. مدير المعلومات (CIO) يبحث عن شريك يمكنه أن يوضح في العقود أن "الوكيل المقدم يلتزم بالامتثال".

كل ذلك يعود إلى شيء واحد: التركيز. يمكن أن يكون على مجال رأسي (التأمين، القانون، المحاسبة)، أو على وظيفة متخصصة (المبيعات، دعم العملاء، المالية). المختبرات ليست مصممة لهذا الغرض. يجب أن يكونوا في كل مكان، يخدمون الجميع، ولهذا السبب يبنون الطريق المبلط باللون الأصفر حديثًا. نفس التوازن يمنعهم من التواجد في أماكن أخرى من أوز — لا يمكنك أن تكون في كل مكان وفي نفس الوقت تتخصص في شيء معين. لا يمكن الجمع بين الاثنين.

حالة في مجال المبيعات — نصائح عملية من الرئيس التنفيذي لشركة 11x

كيف تفكر في هذا الأمر عمليًا؟ إليك بعض النصائح العملية من الرئيس التنفيذي لشركة 11x، برابهاف جاين:

التركيز على النتائج

الطريق الاستراتيجي لبناء شركة مقاومة للمختبرات هو البدء مباشرة من "النتائج المحددة" التي يهم العميل حقًا. بالنسبة لنا، فهي مساعدة الشركات على بناء المزيد من خطوط المبيعات (pipeline).

هل نريد أن نمتلك بشكل شامل الأنشطة التي تدفع الخطوط؟ تقسيم كل نشاط إلى مهام. أي المهام تحتاج إلى وكيل، وأيها لا. عندما تتضمن سير العمل العديد من الخطوات، والمدخلات غير واضحة، والحالة غير مفهومة، وهناك قيود واقعية، فإن مجرد تحسين النموذج لن يكفي. هنا يأتي دور الهندسة البرمجية التقليدية.

على سبيل المثال، المهام التي نعالجها تشمل: تطوير العملاء المحتملين بناءً على إشارات مخصصة، إثراء البيانات، البحث العميق في الحسابات، استرجاع سياق CRM، كتابة رسائل لقنوات محددة، وكيل تقييم صلاحية العملاء المحتملين، ونظام وصول البريد الإلكتروني. هذه ليست مهام يمكن إنجازها مرة واحدة، فهي تتطلب خبرة هندسية عميقة. حوالي نصف سير العمل الحقيقي غير وكيل، وهذه الأجزاء لا تمتلك فيها المختبرات ميزة.

التركيز على المشاكل المعقدة

المشاكل المعقدة هي المفتاح لفتح القيمة التجارية الحقيقية. وإلا، ستجد نفسك تبني غلافًا رقيقًا (thin wrapper).

مثال من مجال التوسع السوقي (GTM): إذا كانت شركة ما عميلًا لديك، فلا ينبغي أن تتواصل مع جهة اتصال واحدة في تلك الشركة.

لكن الواقع ليس بهذه البساطة. ماذا لو كانت الشركة تملك عشرات الشركات الفرعية؟ أو أن سجلات CRM تحتوي فقط على نطاق الشركة الأم؟ أو أن حقل مطابقة منتهي الصلاحية أرسل بريدًا باردًا (cold pitch) إلى مدير الإيرادات (CRO) لعميل موجود؟ لفهم هذا الفوضى، تحتاج إلى وكيل مخصص يتناسب مع شكل المشكلة، وليس مساعدًا عامًا (copilot).

الحواجز ليست فقط لمنع وقوع أشياء سيئة، بل هي سبب دفع العملاء للمال

دور الحواجز يُقلل بشكل كبير من قيمته. متطلبات الحماية لعميل خدمات مالية منظمة تختلف تمامًا عن عميل SaaS متوسط الحجم، حيث تمتد الحواجز إلى كيفية كتابة الوكيل، ومن يمكنه الاتصال به، وما البيانات التي يمكنه الوصول إليها، وكيفية تسجيل القرارات.

مع هذا الاختلاف، فإن الأنظمة الموحدة ستنهار حتمًا. يجب بناء الحواجز وفقًا لسيناريو الاستخدام، وتخصيصها لكل عميل، وإجراء تدقيق مستمر. لهذا السبب لدينا مهندسو نشر متقدمون (FDE) ومستشارو استراتيجيات النشر التقني، الذين يضبطون الحلول حسب احتياجات كل عميل.

حالة في مجال التأمين — نصائح عملية من الرئيس التنفيذي لشركة FurtherAI

المبيعات مثال واحد. التأمين مثال آخر، ويؤكد نفس الرأي من زاوية مختلفة. إليك رأي الرئيس التنفيذي لشركة FurtherAI، أمان غور:

"عندما بدأنا في نشر الذكاء الاصطناعي في صناعة التأمين الحقيقية، كنا نسمع فرضية محددة: النموذج هو الذكاء، وسير العمل هو الهيكل المحيط به.

لكن مع زيادة عدد شركات التأمين التي نتعاون معها، أدركنا أن هذه الفرضية قلبت السبب والنتيجة. في صناعة التأمين، الذكاء الحقيقي موجود في سير العمل نفسه.

شركتان تأمين يمكن أن تستخدما نفس مسار تقديم الطلبات: التقديم، والمراجعة، والتسعير، والتغطية. لكن المسار هو الجزء الأسهل. الفرق بين الشركتين يكمن في التفاصيل: أي المخاطر يجب الإبلاغ عنها، وأي إشارات خسارة مهمة، وعندما تتعارض قواعد "الشهية" (appetite) بين الأعمال، أيها ينتصر، ومتى يتطلب الأمر توقيع يدوي، وكيفية تسجيل القرارات. هذه المنطق غير موجود في محرك قواعد نظيف ومنظم. هو متفرّق في إجراءات التشغيل القياسية (SOP)، والمراجعة الإشرافية، ومبادئ التقييم، وخبرة التشغيل على مدى سنوات.

لهذا السبب، نحن نبني سير عمل وكيل (agentic workflows). سير العمل يتسم بالتكرار، وقابلية التدقيق، والتحكم في التكاليف؛ والوكيل يتعامل مع التغيرات، ويقوم بالإصلاح عند فشل المسار العادي؛ والبشر يظلون جزءًا من العملية (human-in-the-loop)، مسؤولين عن القرارات التي تتطلب مساءلة.

مع مرور الوقت، يتحول سير العمل من مجرد سكربت إلى أن يصبح ذاكرة تشغيلية (operating memory) لشركة التأمين. هذا الجزء يصعب على المختبرات الوصول إليه. فهم فقط يختبرون هذا في بيئة الإنتاج بعد تشغيله آلاف المرات. في البداية، ليس سير العمل ميزة تنافسية، لكن مع مرور الوقت، فإن الحلقة المغلقة الناتجة عن الاستخدام في الإنتاج هي التي تخلق الحصانة."

كيف تحدد إذا كنت في أماكن أخرى في أوز؟

• اختبار الأدوات والخطوات (Tools-and-Steps Test): كم عدد الخطوات التي يتطلبها العمل؟ هل تحتاج إلى بناء أدوات معقدة لدعمه؟ قارن بين: البحث الأفقي عبر Google Drive (أداة واحدة، خطوة واحدة، مع احتمالية خطأ عالية)؛ مقابل تعديل قوانين قانونية عبر عدة خطوات على مدى ثلاث سنوات (عبر أدوات متعددة، عشرات الخطوات، النتائج تتطلب مراجعة شركاء). كلاهما يبدو كـ "وكيل في العمل"، لكن واحد فقط يتطلب استثمارًا عميقًا من الفريق لتطويره.

• اختبار النظام (System Test): هل تبني نظامًا لعملائك لتشغيل أعمالهم، أم أداة مضافة على أنظمتهم الحالية؟ النظام يمتلك سير عمل شامل — جمع البيانات، الحوكمة، تسجيل الأعمال المنجزة. أما الأداة فهي مجرد إضافة ذكية لعملية موجودة. قيمة النظام غالبًا ما تظهر من خلال قيمة العقد السنوي (ACV)، لأنه يحل محل الموارد البشرية. اسأل نفسك: إذا أطلق مختبر منتجًا ينافسك مباشرة، هل لا يزال العملاء يحتاجون أداتك؟ إذا نعم، فأنت تبني نظامًا.

• اختبار صندوق التحوط / بيان الأرباح والخسائر (Hedge Fund / P&L Test): أداء المختبر يُقاس بمقاييس مرجعية (benchmarks)، بينما أداء أماكن أخرى في أوز يُقاس ببيانات الأرباح والخسائر للعملاء (P&L). عملاؤك لا يهتمون بنتائج النموذج في الاختبارات المرجعية، بل يهتمون إذا ساعد الوكيل على إتمام الصفقات، أو على تعديل العقود بشكل صحيح. الشركات الأفضل في الوكلاء تحتاج إلى أن تعمل مثل صناديق التحوط — لتحقيق "عائد فائض (Alpha)" يُقاس بربح العميل.

كلاهما يمكن (وسوف) يحقق النجاح

سنرى فائزين كبيرين، سواء على الطريق المبلط باللون الأصفر أو خارجه. شركات النماذج ستستمر في الفوز لأنها تملك النماذج نفسها، وقنوات توزيع أدواتها العامة.

أما الشركات في أماكن أخرى من أوز، فبإمكانها أن تفوز إذا امتلكت نظام العمل (system of work) — أي، واجهة تنفيذ العمل الفعلي، والبيانات الناتجة عنه. مع نضوج سير العمل المعقد في المجالات الرأسية، ستتحد مع تجربة العميل الأساسية. النموذج في الأساس قابل للاستبدال، لكن نظام العمل لا يمكن الاستغناء عنه.

الجيل القادم من البرمجيات المؤسسية سيولد خارج الطريق المبلط باللون الأصفر.