من الـ Tokenmaxxing إلى العائد على الاستثمار: تيفاني لوك من NEA تتحدث عن مراجعة واقع الذكاء الاصطناعي

إن عصر الـ "tokenmaxxing" — حيث شجع الرؤساء التنفيذيون في وادي السيليكون على استخدام الذكاء الاصطناعي بلا حدود بغض النظر عن التكلفة — يفسح المجال سريعًا لفترة من التدقيق المالي المكثف. ومع تجاوز الشركات لمرحلة الضجيج الأولي، تحول التركيز من مجرد الاستهلاك إلى تحقيق عائد ملموس على الاستثمار (ROI).

نهاية عصر الـ Tokenmaxxing

في وقت سابق من هذا العام، كان الاتجاه السائد في قطاع التكنولوجيا هو الـ "tokenmaxxing"، وهو السعي لدمج الذكاء الاصطناعي في كل سير عمل ممكن لتعظيم الفائدة. ومع ذلك، أدت التكاليف الفلكية لاستهلاك النماذج اللغوية الكبيرة (LLM) إلى مراجعة حقيقية للواقع. وتشير تقارير رفيعة المستوى إلى أن شركات مثل Uber قد استنفدت ميزانيتها السنوية الكاملة للذكاء الاصطناعي في غضون بضعة أشهر فقط.

وقد أجبر هذا الضغط المالي المؤسسات على تطبيق ضوابط صارمة، حيث قامت بعض الشركات حتى بإلغاء تراخيص Claude لأقسام معينة أو إيقاف لوحات صدارة الذكاء الاصطناعي الداخلية، كما فعلت Meta. وبالنسبة لأصحاب رأس المال الاستثماري مثل تيفاني لوك، الشريكة في NEA، فإن هذا التحول يشير إلى انتقال من الإنفاق التجريبي إلى مرحلة "محاسبة منضبطة على العائد على الاستثمار (ROI)".

صعود استراتيجيات الحياد تجاه النماذج واستراتيجيات النشر

وبينما تصارع الشركات هذه التكاليف، يظهر نمط جديد من تبني الشركات للتقنية. فبدلاً من الالتزام بمزود واحد، تتجه الشركات بشكل متزايد نحو "الدمج والمطابقة" بين نماذج مختلفة لتحقيق التوازن الأمثل بين الأداء والسعر. ويسمح نهج النماذج المتعددة هذا للشركات باستخدام نماذج باهظة الثمن وعالية القدرة على الاستنتاج للمهام المعقدة، بينما تستخدم نماذج أصغر وأرخص للأتمتة الروتينية.

ولتسهيل هذا التكامل، أصبح هناك فئة جديدة من المواهب ضرورية: المهندس الميداني (forward-deployed engineer). وتشير لوك إلى أن هؤلاء المهندسين يعملون بمثابة "حصان طروادة" لتبني الذكاء الاصطناعي داخل المؤسسات الكبيرة. ومن خلال العمل مباشرة في الخطوط الأمامية للتنفيذ، يساعدون في سد الفجوة بين قدرات النماذج الخام وحالات الاستخدام التجاري المحددة والقائمة على القيمة، مما يضمن أن أدوات الذكاء الاصطناعي تحل بالفعل مشكلات الشركات بدلاً من مجرد إضافة المزيد من التعقيد.

إيجاد القيمة عبر كامل بنية الذكاء الاصطناعي (AI Stack)

من المفاهيم الخاطئة الشائعة في السوق الحالية هي أن القيمة تتركز فقط في طبقة النماذج. وبينما يستمر السباق نحو أقوى النماذج اللغوية الكبيرة (LLM)، تجادل تيفاني لوك بأن خلق القيمة الكبيرة يحدث في كل طبقة من طبقات بنية الذكاء الاصطناعي (AI stack).

تتنوع الفرص، بدءاً من الشركات الناشئة التي تبني بنية تحتية متخصصة لمساعدة المؤسسات على تتبع الإنفاق على الذكاء الاصطناعي، وصولاً إلى المطورين الذين يبتكرون "وكلاء شخصيين" يقدمون "لحظات سحرية" في تجارب المستهلكين. ومع نضوج الصناعة، لن يكون الفائزون على الأرجح هم أولئك الذين يوفرون أكبر عدد من الـ tokens فحسب، بل أولئك الذين يوفرون الذكاء الأكثر كفاءة وتكاملاً وقابلية للقياس.

أهم النقاط المستخلصة