الواقع المؤسسي بعد انحسار طفرة التوكن: إدارة الميزانية تصبح الوضع الطبيعي الجديد، لكن قطار الذكاء الاصطناعي لم يتباطأ

حقبة "الشرب غير المحدود" للاستهلاك المؤسسي للذكاء الاصطناعي تقترب من نهايتها، لكن التحكم في الفواتير لا يعني الضغط على الفرامل.

في النصف الأول من هذا العام، أصبح "تعظيم الرموز" (Tokenmaxxing) مصطلحًا شائعًا في أوساط الذكاء الاصطناعي المؤسسي. شجعت شركات مثل Meta وSalesforce موظفيها بنشاط على استهلاك أكبر قدر ممكن من رموز الذكاء الاصطناعي لتعزيز الإنتاجية. حتى أن Meta أنشأت داخليًا لوحة متصدرة باسم "اقتصاد كلود" (Claudeconomics) لتتبع أفضل 250 مستخدمًا كثيفًا في الشركة. أظهرت البيانات أن موظفي Meta استهلكوا أكثر من 60 تريليون رمز في 30 يومًا، مع وصول أعلى مستهلك فردي إلى حوالي 280 مليار رمز. تنافس الموظفون على ألقاب مثل "أسطورة الرموز" و"ساحر التخزين المؤقت"، مما دفع وكلاء الذكاء الاصطناعي لقضاء ساعات في إجراء أبحاث لا معنى لها لـ"حرق الرموز".

بعد ذلك، تصدرت Uber عناوين الأخبار لحرقها الميزانية السنوية لـClaude Code وCodex في أربعة أشهر، ثم فرضت حدًا أقصى للاستخدام الشهري قدره 1500 دولار لكل موظف، مع الحاجة إلى موافقة كل حالة على حدة لما يتجاوز ذلك.

أثارت هذه الأحداث اهتمامًا واسعًا. لكن فريق SemiAnalysis، بعد إجراء بحث ميداني في قمة Databricks للذكاء الاصطناعي وتواصل عميق مع أكثر من 50 عميلًا مؤسسيًا عبر Slack والهاتف، توصل إلى استنتاجات مختلفة تمامًا عن الرواية الإعلامية.

يرى الفريق أن التقارير الإعلامية بالغت بشدة في عمومية المشكلة. الحالات المتطرفة لـMeta وUber ترجع جذورها إلى سوء آليات الحوافز وتراخي الإدارة الداخلية، وليس إلى فقدان السيطرة الكلي على الإنفاق المؤسسي على الذكاء الاصطناعي.

القصص الرئيسية مبالغ فيها، البيانات الحقيقية أكثر اعتدالًا

قد تكون التقارير الإعلامية بالغت في أزمة الميزانية المؤسسية للذكاء الاصطناعي.

تدعم البيانات الرئيسية هذا الاستنتاج. يستشهد SemiAnalysis ببيانات إنفاق Ramp التي تظهر أن أعلى 1% من العملاء ينفقون سنويًا حوالي 90 ألف دولار لكل موظف على الذكاء الاصطناعي، وأعلى 10% حوالي 7300 دولار، بينما الوسيط لعملاء Ramp هو فقط 136 دولارًا. المستوى التقني الإجمالي لعملاء Ramp أعلى بكثير من الشركات العادية، لكن متوسط الإنفاق على الذكاء الاصطناعي لكل موظف لدى عملاء فورتشن 500 الإعلاميين لا يزال أقل بكثير من 100 دولار.

حتى Meta، "المستهلك الكبير للرموز"، والتي تبلغ تكلفة كل موظف سنويًا حوالي 50 ألف دولار بالسعر المعلن، تشير تقديرات SemiAnalysis إلى أنها لا تشكل سوى 3% إلى 5% من إيرادات عملاء Anthropic.

توثيق Anthropic الخاص يؤكد ذلك أيضًا: متوسط الإنفاق الشهري لمطوري Claude Code هو فقط 150 إلى 250 دولارًا، و10% فقط من المستخدمين ينفقون أكثر من 30 دولارًا يوميًا.

يرى SemiAnalysis: "التقارير الإعلامية المبالغ فيها غير صحيحة - لا تزال الشركات تستثمر باستمرار، واستهلاك الرموز الناتج عن سيناريوهات الطلب الجديدة والمجالات الرأسية يدفع قطار الذكاء الاصطناعي للمضي قدمًا بسرعة هائلة."

هذا يعني أن اعتماد الذكاء الاصطناعي المؤسسي لا يزال في مرحلة انتشار غير متجانس. ليس كل الموظفين يستخدمون النماذج الكبيرة بتردد عالٍ. العديد من الشركات لديها فقط فرق قليلة أو وظائف معينة تبدأ أولاً.

التحكم في الميزانية أصبح الوضع الطبيعي الجديد، لكن المعايير متنوعة جدًا

من بين أكثر من 50 شركة شملها الاستطلاع، فرضت معظمها حدودًا صارمة على استخدام الذكاء الاصطناعي. لكن المعايير تختلف بشكل كبير بين الشركات، ولا يوجد إجماع صناعي.

حالات الطرف المنخفض:

• شركة طيران وفضاء ودفاع أمريكية ضمن أكبر ثلاث: حد أقصى 250 دولارًا شهريًا لكل شخص، بعض المستخدمين الكثيفين استنفدوا حصتهم في أول أربعة أيام من الشهر
• إحدى أكبر شركات الأدوية في العالم: حد أقصى 500 دولار شهريًا لكل شخص، مع إمكانية طلب 1000 دولار في حالات خاصة

حالات الطرف المرتفع:

• Workday، Stripe: ميزانية شهرية لكل موظف حوالي 2000 دولار
• شركة أمن سيبراني مدرجة: الموظفون المبتدئون 800 دولار شهريًا، الموظفون المتقدمون 1600 إلى 4000 دولار، علماء البيانات يحصلون على أعلى حد
• شركة تكنولوجيا سياحية كبيرة (800 مهندس من بين 1500 موظف، إنفاق سنوي على الذكاء الاصطناعي يقترب من 10 ملايين دولار): افتراضيًا 200 دولار شهريًا لكل شخص، يمكن زيادته إلى عشرات الآلاف من الدولارات حسب المنصب

منطق تحديد الميزانية يختلف أيضًا. الأكثر تميزًا هو إحدى أكبر ثلاث شركات طيران أمريكية: توزيع الرموز مرتبط مباشرةً بالمشاريع المحددة والإيرادات المتوقعة. على سبيل المثال، لمشروع متوقع إيراداته 10 ملايين دولار، يوافق الفريق المالي على ميزانية إجمالية قدرها مليون دولار، ثم يقرر الفريق بنفسه النسبة التي ستخصص للرموز - يتم تضمين تكلفة الذكاء الاصطناعي في النموذج المالي للمشروع، وليس كميزانية تكنولوجيا معلومات منفصلة.

قواعد بقاء الموظفين لتوفير الرموز

ضغط الميزانية أدى إلى ظهور استراتيجيات عملية لتوفير الرموز.

الأكثر شيوعًا هو "مراجحة Copilot": يمكن لمشتركي الإصدار المؤسسي من Microsoft 365 استخدام Copilot chatbot القياسي بشكل مجاني غير محدود، ولا يُحتسب هذا الاستخدام ضمن الميزانية الشهرية للذكاء الاصطناعي. شركة هولندية كبيرة للسلع الاستهلاكية والتكنولوجيا الصحية أوضحت أن الموظفين يستخدمون Copilot أولاً لصياغة ودمج الأفكار، ثم يستدعون Claude أو Codex للمهام النهائية، لتوفير الرموز المحسوبة.

تخفيض النموذج هو أيضًا أسلوب شائع. شركة التكنولوجيا السياحية العالمية حولت النموذج الافتراضي لـClaude لجميع الموظفين من Opus إلى Sonnet، ولا يزال Opus متاحًا ولكن يتطلب اختيارًا نشطًا. شركة الطيران والفضاء والدفاع أغلقت مباشرةً وضع Opus 4.8 والوضع السريع.

بهذا الصدد، علق فريق SemiAnalysis مباشرة على منطق الإدارة: "تعتقد الإدارة أن منح الموظفين ميزانية رموز أكبر سيدفعهم إلى أتمتة المهام التي لا ينبغي أتمتتها أبدًا، مثل كتابة رسائل البريد الإلكتروني. نعتقد أن وجهة النظر المناهضة للأتمتة هذه ساذجة للغاية."

الطلب على الرموز الرخيصة لا يزال في نمو، سوق TaaS/API endpoints لم يبرد

إدارة الميزانية لا تعني تقليل الاستدعاءات. الشركات تهتم أكثر بتكلفة الوحدة.

الطلب على الرموز الرخيصة لا يزال قويًا. كل من سوق الرموز كنماذج متطورة ونماذج مفتوحة المصدر (Token-as-a-Service/API endpoints) في نمو. بعد إدراج AWS Bedrock في الحسابات، تقدر SemiAnalysis معدل النمو الإجمالي لـAWS في هذا الربع أعلى من توقعات السوق.

مزودو TaaS يتوسعون أيضًا. إجمالي الإيرادات السنوية لشركات مثل Together وFireworks وBaseten تجاوز 4 مليارات دولار.

هذا يوضح أن ضغط الميزانية المؤسسية سيغير هيكل الشراء. المشكلات التي يمكن حلها بنموذج رخيص لن تستدعي النموذج الأغلى باستمرار. تخفيض النموذج الافتراضي لا يعني انخفاض استخدام الذكاء الاصطناعي، بل إعادة تحسين منحنى التكلفة.

الترميز لا يزال أقوى طلب، قطار الذكاء الاصطناعي لم يتباطأ بسبب الحدود القصوى للميزانية

لا تزال سيناريوهات الترميز (Coding) هي المحرك الأكبر لإيرادات الذكاء الاصطناعي حاليًا، حيث تأتي أكثر من 70% من الإيرادات السنوية المتكررة لـOpenAI وAnthropic من هذا الاتجاه. نسبة الأعمال التجارية لـAnthropic تتجاوز 90% (حوالي 60% لـOpenAI)، مما يجعل هيكل إيراداتها أكثر اعتمادًا واستقرارًا على الطرف المؤسسي.

يُعتقد أن الموجة التالية من النمو ستأتي من الأمن السيبراني وأعمال المعرفة ذات الياقات البيضاء. مع زيادة تغلغل منتجات مثل Cowork وCoPilot وCodex وComputer في المؤسسات، سيعيد مسار نمو الإيرادات السنوية المتكررة لمختبرات الذكاء الاصطناعي عبر الترميد نفسه في سيناريوهات أوسع.

حاليًا، متوسط الإنفاق على الذكاء الاصطناعي لكل موظف في معظم شركات فورتشن 500 لا يزال أقل بكثير من 2000 دولار سنويًا، ويتركز بشكل رئيسي في أقسام الهندسة وعلوم البيانات. هذا يعني أن انتشار الذكاء الاصطناعي في المؤسسات لا يزال في مرحلة مبكرة، ومساحة النمو لم تختفِ، بل تغير شكلها - من "حرق الأموال بشكل عشوائي" إلى "استثمار مستدام بميزانية محددة".

عائد الاستثمار الحقيقي للذكاء الاصطناعي: تحسين الكفاءة، لكن توقعات المخرجات ترتفع أيضًا بالتزامن

في الشركات التي شملها الاستطلاع، حالات تحسين الكفاءة بفضل الذكاء الاصطناعي حقيقية وذات تأثير ملحوظ.

• قسم التوظيف في أمازون: عملية من الفحص الأولي إلى التوظيف كانت تستغرق 6 إلى 9 أشهر، وباستخدام أدوات الذكاء الاصطناعي تقلصت إلى 3 إلى 4 أشهر
• شركة تقدم خدمات تحليل البيانات لـ85% من شركات فورتشن 500: العمل الذي كان يستغرق أسبوعًا أصبح الآن يستغرق بضع ساعات

لكن الجانب الآخر لتحسين الكفاءة هو: توقعات المخرجات ترتفع أيضًا بالتزامن. موظفة في شركة للبيانات القانونية وحلول المخاطر اعترفت بأن عبء العمل الأسبوعي تقلص إلى بضع ساعات، "لكن الشركة تتوقع منها الآن إنجاز المزيد من العمل، مما جعلها أكثر انشغالًا من ذي قبل."

يشير SemiAnalysis إلى أن حوادث تجاوز الرموز في Uber وMeta تعود جذورها إلى سوء آليات الحوافز وتراخي الرقابة، وليس إلى نقص سيناريوهات التطبيق ذات العائد المرتفع. أمازون، على الرغم من عمليات التسريح الكبيرة، تقوم بتوظيف موظفين جدد بوتيرة أسرع بفضل تحسين الكفاءة الذي توفره أدوات الذكاء الاصطناعي - وهذا أوضح دليل على الذكاء الاصطناعي كـ"رافعة بشرية".

بيان المخاطر وإخلاء المسؤولية

        السوق ينطوي على مخاطر، والاستثمار يجب أن يكون بحذر. هذه المقالة لا تشكل نصيحة استثمارية شخصية، ولا تأخذ في الاعتبار أهداف الاستثمار الخاصة أو الظروف المالية أو احتياجات المستخدمين الفرديين. يجب على المستخدمين النظر في ما إذا كانت أي آراء أو وجهات نظر أو استنتاجات في هذه المقالة تناسب ظروفهم الخاصة. الاستثمار بناءً على ذلك يكون على مسؤوليتهم الشخصية.