عندما تخرج فواتير الذكاء الاصطناعي عن السيطرة، يصبح موجه النماذج الخيار الجديد للشركات لخفض التكاليف.

مع استمرار ارتفاع تكاليف استخدام الذكاء الاصطناعي في المؤسسات، تتحول تقنية تُعرف باسم "موجه النماذج" بسرعة من أداة هامشية إلى تيار رئيسي. تقوم هذه الأنظمة بضبط أنسب نموذج ذكاء اصطناعي تلقائيًا وفقًا لتعقيد المهمة، مما يقلل النفقات بشكل كبير دون التضحية بالجودة بشكل ملحوظ، ويجذب اهتمامًا واسعًا من الشركات الناشئة إلى المؤسسات الكبيرة.

المنطق الأساسي لموجه النماذج هو: ليست كل المهام تحتاج إلى أغلى النماذج المتطورة. يمكن إنجاز الأعمال الأساسية مثل تلخيص البريد الإلكتروني أو استرجاع المستندات بواسطة نماذج مفتوحة المصدر أو نماذج خاصة قديمة، بتكلفة لا تتجاوز جزءًا بسيطًا من تكلفة النماذج العليا. وقد أكدت شركات مثل Snowflake و Palo Alto Networks لـ The Information أنها حققت توفيرًا كبيرًا في التكاليف من خلال استبدال نماذج أرخص لمهام محددة.

هذا الاتجاه يخلق عوائد تجارية حقيقية. صرحت شركة McCarthy Building للبناء أن استخدامها للرموز المميزة للذكاء الاصطناعي في الربع الحالي انخفض بنسبة 60% مقارنة بالعام الماضي، من خلال أداة التوجيه Evolve من Palantir. وكشفت Palantir نفسها أنه في إحدى الحالات المحددة، قامت الأداة بتخفيض تكاليف الحوسبة بنسبة 97% عن طريق تحويل المهام من GPT-5.1 من OpenAI إلى نموذج GPT-5.4 Nano الأصغر.

من اختيار النموذج يدويًا إلى التوجيه التلقائي: نقطة تحول في الصناعة

مفهوم موجه النماذج ليس جديدًا، لكنه دخل إلى الضوء العام بعد أن أصدرت OpenAI GPT-5. يقوم هذا النموذج بالتبديل تلقائيًا بين نماذج مختلفة داخل ChatGPT وفقًا لتعقيد مطالبة المستخدم، مضمنًا منطق التوجيه في المنتج نفسه. ومنذ ذلك الحين، بدأت الموجهات القادرة على جدولة النماذج عبر مزودين متعددين بالانتشار بسرعة.

حاليًا، تتنوع أشكال الموجهات في السوق: بعضها منتجات مستقلة، والبعض الآخر وحدات وظيفية مدمجة في خدمات الحوسبة السحابية، وهناك حلول مخصصة تبنيها أقسام تكنولوجيا المعلومات في الشركات. الهدف المشترك لهذه الأدوات هو استبدال عملية اختيار النموذج اليدوي، وبالتالي تقليل التكاليف مع الحفاظ على جودة المخرجات.

Unity AI Gateway من Databricks هو أحد الأمثلة. قال الرئيس التنفيذي للشركة Ali Ghodsi إن هذه الأداة "تحظى بشعبية كبيرة" لأن العديد من الشركات "تستنفد ميزانياتها بسرعة كبيرة". استخدمت Databricks الأداة داخليًا قبل طرحها للعملاء.

من الشركات الناشئة إلى عمالقة التكنولوجيا: دخول شامل

سباق الموجهات يجذب مشاركين بأحجام مختلفة. وفقًا لتقارير سابقة من The Information، في أبريل من هذا العام، أكملت الشركة الناشئة OpenRouter المتخصصة في توجيه النماذج جولة تمويل جديدة بقيمة 120 مليون دولار، مما يظهر حماسة السوق تجاه هذا الاتجاه.

"الموجه التلقائي" من OpenRouter يقرر النموذج الذي سيتم استدعاؤه بناءً على تفضيلات المستخدم للتكلفة والجودة (يحددها المستخدم على مقياس من 0 إلى 10). تظهر البيانات أن الموجه يختار نموذج Gemini 2.5 Flash Lite الرخيص نسبيًا من Google حوالي ثلث الوقت، بينما تبلغ نسبة استدعاء GPT-5.5 الأقوى من OpenAI حوالي 10% فقط. الموجه التلقائي من OpenRouter مدعوم من الأسفل بشركة Not Diamond الناشئة، المتخصصة في تطوير أنظمة التوجيه للعوامل الذكية في برمجة الذكاء الاصطناعي.

أصدر مختبر الذكاء الاصطناعي الياباني Sakana AI مؤخرًا نظامًا متعدد النماذج قائمًا على الموجه. في الاختبارات، قام النظام بتوزيع مشاكل الرياضيات بشكل أساسي على GPT-5.5 من OpenAI، والمشاكل العلمية على Gemini من Google، بحكم أن النظام يرى أن هذين النموذجين أفضل من الخيارات الأخرى في مجالاتهما. تدعي Sakana AI أن أداء النظام الإجمالي في المعايير البرمجية والهندسية والعلمية والاستدلالية "يوازي" نماذج Fable 5 و Mythos Preview من Anthropic.

أصدرت Cognition، تطبيق البرمجة الذكي، هذا الأسبوع أيضًا موجهًا جديدًا، يستخدم معاييره الداخلية لتحديد المزايا النسبية للعوامل المختلفة، ويقدم عاملًا مساعدًا "sidekick" للتعامل مع المهام الأبسط. تقول Cognition إن الموجه حقق درجة Fable 5 في معيار برمجي معين، بتكلفة أقل بنسبة 35%.

توجيه DIY: الحلول منخفضة التكلفة فعالة أيضًا

لا تحتاج جميع الشركات إلى شراء منتجات توجيه احترافية. يمكن للمطورين استخدام عوامل برمجة الذكاء الاصطناعي مثل Claude Code لبناء الموجهات بأنفسهم، أو حتى جعل نموذج ذكاء اصطناعي واحد يقرر أي نموذج هو الأنسب لمعالجة استعلام معين.

قال Hunter Bown، المسؤول عن عمل عوامل الذكاء الاصطناعي في Arcee AI، إنه معتاد على استخدام DeepSeek V4 Flash لاختيار النموذج، نظرًا لانخفاض تكلفته. طريقته هي تقديم قائمة النماذج إلى DeepSeek وتركه يحدد أي نموذج هو الأنسب للمطالبة الحالية.

ومع ذلك، فإن هذه الحلول "السريعة" لها حدودها. أشار Shriyash Upadhyay، مؤسس مزود الموجهات Martian، إلى أن الموجهات الأكثر تعقيدًا قد تظهر أحيانًا درجات مذهلة في المعايير، لكن أداءها الفعلي قد لا يتوافق مع ذلك. كما أنه حتى الموجهات الأكثر دقة تجد صعوبة في التنبؤ بأفضل نموذج بناءً على أول مطالبة للمستخدم.

قال Upadhyay إن سرعة تطور النماذج والتغير المستمر في قدراتها يجعل قرارات التوجيه أكثر تعقيدًا. "لا تمتلك الشركات بيانات لا نهائية حول جميع المهام المختلفة، لذلك يجب عليك أن تتعمق فعليًا في النماذج لتفهم ما هي جيدة فيه." لهذا السبب، عند اتخاذ قرارات التوجيه، لا تعتمد Martian على مخرجات النماذج فحسب، بل تنظر أيضًا إلى العمليات الحسابية الداخلية التي تشكل هذه النماذج.

ضغط التكلفة مستمر، ومن المتوقع أن يتوسع الطلب على الموجهات

قلق الشركات بشأن تكاليف الذكاء الاصطناعي ليس ظاهرة قصيرة المدى. مع استمرار زيادة استخدام الموظفين للنماذج المتقدمة (ظاهرة "tokenmaxxing")، تشتد مراقبة الإدارة لنفقات الذكاء الاصطناعي. هذه الخلفية توفر محرك طلب مستمر لموجهات النماذج.

أداة Evolve من Palantir، بالإضافة إلى وظيفة التوجيه، يمكنها أيضًا ضبط محتوى المطالبة تلقائيًا وفقًا للنموذج المختار، وتمنع إرسال الطلبات المكررة إلى النموذج - وهو سبب شائع للرسوم الزائدة. حالة McCarthy Building تظهر أنه من خلال تحسين بنية المطالبات، يمكن للشركات استهلاك رموز مميزة أقل عند استخدام النماذج المتطورة، مع الحصول على نفس النتائج.

بالنسبة للمستثمرين، يعني ارتفاع حرارة مجال الموجهات: من ناحية، تجذب الشركات الناشئة المتخصصة في التوجيه مثل OpenRouter رأس المال؛ ومن ناحية أخرى، الشركات التي تدمج وظائف التوجيه في منصات الذكاء الاصطناعي للمؤسسات مثل Databricks و Palantir تعزز قدرتها التنافسية بذلك. مع استمرار توسع الإنفاق على بنية الذكاء الاصطناعي التحتية، تصبح طبقة الأدوات التي تساعد الشركات على التحكم في هذا الإنفاق سوقًا ناشئًا لا يمكن تجاهله.

إخلاء المسؤولية عن المخاطر والشروط

        السوق يحمل مخاطر، والاستثمار يتطلب الحذر. لا تشكل هذه المقالة نصيحة استثمارية شخصية، ولم تأخذ في الاعتبار أهداف الاستثمار الخاصة أو الوضع المالي أو احتياجات المستخدمين الفرديين. يجب على المستخدمين النظر فيما إذا كانت أي آراء أو وجهات نظر أو استنتاجات في هذه المقالة تناسب حالتهم الخاصة. الاستثمار بناءً على ذلك يكون على مسؤولية المستخدم.