استطلاع UBS للشركات: الإنفاق على الذكاء الاصطناعي لا يزال قويًا، وأصبح تطوير البرمجيات داخليًا اتجاهًا سائداً، وإدارة البيانات على مستوى الإدارة غاية في الأهمية

منطق استثمارات المؤسسات في الذكاء الاصطناعي يشهد تحولاً هيكلياً، لكن هذا التحول لم يؤدِ إلى تقليص الميزانيات.

وفقًا لمنصة التداول Chasing Wind، أشار المحلل في UBS كارل كيرستيد في تقرير بحثي حول الذكاء الاصطناعي في المؤسسات نُشر في 10 أغسطس، إلى أن العديد من الشركات قد انتقلت من مرحلة "تعظيم استخدام token" الأولى إلى مرحلة جديدة تتميز بتحقيق أفضل استخدام للtoken، مع إعطاء الأولوية للكفاءة والعائد على الاستثمار. والأهم هو أن هذا التغيير "لم يتحول بعد إلى تراجع في الإنفاق على الذكاء الاصطناعي". هذا يوفر إشارة مهمة للسوق: الشركات بدأت تحتسب التكاليف، لكنها لم تضغط على الفرامل بعد.

بالنسبة لمزودي النماذج المتطورة مثل OpenAI وAnthropic والشركات السحابية الداعمة لها، فإن الطلب لم يتقلص بشكل واضح بسبب القلق من التكاليف. الأداء القوي لشركات الحوسبة السحابية في الربع الثاني يثبت هذا الأمر. الجهة التي تواجه فعلاً الضغط هي شركات البرمجيات التقليدية التي تحاول تغليف وظائف الذكاء الاصطناعي وبيعها للمؤسسات — لا تزال المؤسسات تميل في معظمها إلى بناء أنظمة الذكاء الاصطناعي الأساسية ذاتيًا، ونقطة التحول التي تنتظرها شركات SaaS التقليدية لم تأت بعد.

من زاوية تقسيم العمل في سلسلة الصناعة، فقد بدأت مظاهر التباين بالظهور: طبقة البنية التحتية السحابية وطبقة إدارة البيانات تحافظان على مكانة مستقرة نسبياً، وتواصل شركات مثل Databricks وSnowflake وPalantir احتلال مواقع رئيسية في بنية الذكاء الاصطناعي المؤسسية؛ أما طبقة تطبيقات البرمجيات فهي الأكثر عرضة للضغط، حيث أن وظائف الذكاء الاصطناعي في شركات SaaS الكبرى تفتقر للبروز في قوائم مشتريات المؤسسات، في المقابل تمكنت مجموعة من الشركات الصغيرة المتخصصة في نقاط ألم محددة من اقتحام سيناريوهات النشر الفعلية.

الاهتمام الأساسي للمؤسسات اليوم تحول من "هل يمكن استخدام الذكاء الاصطناعي" إلى "من يستخدمه؟ إلى أي مدى؟ وهل يستحق الاستثمار؟".

عدد من المؤسسات قام بالفعل بنشر أنظمة تتبع الاستخدام، وعند وصول الموظف إلى حد معين، يتم تحويل طلبه تلقائيًا إلى نموذج ذو مستوى أدنى وسرعة استجابة أبطأ. بعض الشركات بدأت تقيد صلاحية إنشاء الوكلاء الذكيين للموظفين. كما أن الحساسية تجاه نماذج الفوترة على أساس الاستهلاك في ازدياد، لأنها تربط بوضوح بين حجم استخدام الذكاء الاصطناعي والفاتورة.

تجري تحسينات دقيقة أكثر على مستوى طلبات استدعاء النماذج: تقديم سياق مختصر وفعال للنموذج بدلاً من ملء نافذة السياق بالكامل؛ تقليل تكرار استدعاء الأنظمة المعززة RAG؛ خفض تكلفة المهمة الواحدة عبر الضغط باستخدام السكربتات أو التوجيه أو تقليص الكلمات المفتاحية. إحدى الشركات أتاحت لعملائها استخدام النماذج المتقدمة بسعر ثابت، لكن تكلفة استخدام النموذج التهمت هامش الربح، وقد تضطر مستقبلاً إلى تعديل هيكل التسعير.

ومع ذلك، لم يظهر تقليص ملحوظ في الميزانيات ككل. معظم المؤسسات تخشى تفويت فترة الفرص، ويفضلون المضي في النشر أولاً ثم إضافة الضوابط تدريجياً. وشدد كارل كيرستيد في التقرير أن "حساب العائد على الاستثمار" لا يعني "إيقاف الاستثمار في الذكاء الاصطناعي"، على الأقل في عينة المؤسسات التي تم بحثها.

تزايد أهمية توجيه النماذج، والنماذج مفتوحة المصدر في الصين لم تدخل بعد المؤسسات الكبرى

إحدى الطرق الطبيعية لتقليل تكلفة استدعاء الذكاء الاصطناعي هي توجيه بعض المهام من النماذج المتقدمة المغلقة المصدر إلى النماذج المفتوحة المصدر. غير أن العينة المشمولة، والتي يغلب عليها مؤسسات غير تقنية كبرى، لا تزال تفضل OpenAI GPT وAnthropic Claude كخيارات رئيسية.

بعض المؤسسات أكدت أنها لا تزال تستخدم النماذج المتقدمة، كما أن الشركات ذات الطبيعة التقنية تتقبل بشكل أفضل النماذج المفتوحة في الصين، لكن المؤسسات الكبرى التقليدية تهتم أكثر بالأمان والامتثال وقابلية التحكم، وخاصة الجهات الحكومية وجهات الدفاع وسلاسل الإمداد التابعة لها.

حالياً، يتم تقليل التكلفة عبر ثلاثة مسارات متوازية: بتوزيع المهام المختلفة على نماذج متنوعة، واستخدام نماذج صغيرة للطلبات الأقل قيمة، وتحسين سلسلة الاستدعاء لتقليل هدر token. النماذج المفتوحة المصدر في الصين قد تكون خياراً، لكنها لم تصبح بعد الخيار الأول للمؤسسات الكبرى.

مارك بينيوف، مؤسس Salesforce، عبر عدة مرات عن وجهة نظره بأن البناء الذاتي للذكاء الاصطناعي في المؤسسات سيفشل في النهاية وستتجه المؤسسات لشراء تطبيقات الذكاء الاصطناعي من شركات SaaS الناضجة. ServiceNow لديها منطق مشابه. لكن بحسب بحث UBS، فالواقع لا يزال بعيداً عن ترجيح كفة شركات SaaS.

العديد من شركات Fortune 500 ما زالت تفضل بناء منتجات الذكاء الاصطناعي داخلياً، لأسباب رئيسية ثلاثة: عمليات الشركات الداخلية غالبًا ما تكون معدلة خصيصًا ولا تلائمها بالضرورة حلول SaaS الجاهزة؛ البناء الذاتي يعطي قدرة تحكم كاملة بالبيانات، وتنظيم سير العمل (harness)، وأنظمة الوكلاء الذكيين؛ وبعض المنتجات الخارجية أسعارها مرتفعة أو لا تحقق النتائج المرجوة.

وفي البحث ظهر نموذج لافت: إحدى الشركات تخطط لاستخدام ملفات Turtle لبناء طبقة الأنطولوجيا الخاصة بها، واستيراد بيانات SAP أو PTC Windchill في الوقت الحقيقي إلى بحيرة بيانات Databricks، ومعالجتها عبر عدة مراحل قبل استدعائها من الوكلاء الذكيين، وبناء محرك إجراءات خاص بهدف استبدال حل Palantir، لأسباب تشمل تكلفة أقل، تيسير التوظيف، وإمكانية فتح التقنية للعملاء مستقبلاً. شركات أخرى صرحت بأن حلول AI الحالية من شركات SaaS لا تستحق الشراء ويمكنهم تطوير الإضافات بأنفسهم.

هذا لا يعني اختفاء الشراء بالكامل. في سيناريوهات محددة مثل مراجعة الأكواد، الأمان، إمكانية الرصد، SIEM، وتدفق العمل، لا تزال المؤسسات تشتري منتجات ناضجة. لكن بالنسبة للمستثمرين، الإشارة الحقيقية هي: إلى أي مدى ترغب المؤسسات في الاستمرار بالدفع مقابل هذه الوظائف، والتخلي عن البناء الذاتي. إذا لم يحدث تغير في هذا التوجه، فسيصعب على منتجات الذكاء الاصطناعي لشركات البرمجيات تحقيق عائد استثمار مرتفع.

في بنية الذكاء الاصطناعي التقني للمؤسسات، يبرز وجود شركات إدارة البيانات أكثر من طبقة تطبيق البرمجيات. تم ذكر Databricks مراراً في البحث، وغالباً في سياقات بحيرات البيانات اللحظية، وإدارة البيانات، وأساسيات أدوات الذكاء الاصطناعي؛ وSnowflake تُستخدم لبناء الوكلاء الذكيين، وذكر بعض الشركات صراحة أن LLM لا يمكن أن تحل محل Snowflake مباشرة — LLM متخصصة بمعالجة اللغة، وليست جيدة في تحليل وتحويل الملايين من نقاط البيانات الرياضية، لذلك الأفضل وضع نماذج مثل Claude فوق Snowflake لاستخدامها في الرصد الاستثنائي.

تعليقات العملاء حول Palantir جاءت معقدة نسبياً. فرغم استمرار تواجدها في الذكاء الاصطناعي للشركات وطبقة الأنطولوجيا، إلا أن بعض العملاء يحاولون استبدالها بأنظمة ذاتية مبنية بالذكاء الاصطناعي. شركة كبرى في مجال المقاولات الدفاعية ذكرت أن لديها فريقاً بدأ بالفعل خفض استخدام Palantir، وتتوقع أن تواجه الشركة تحديات مختلفة خلال السنوات القادمة. لكن تقرير UBS ينبه إلى أن هذه الحالات لا تزال في طور الإشارات الأولية ولا تُمثل توجهاً عاماً بعد.

كما ظهرت ضغوط تنافسية على طبقة قواعد البيانات. بعض العملاء يفضلون Redis وPostgres للأعمال المتعلقة بالذكاء الاصطناعي، مما زاد التساؤلات حول قدرة MongoDB على المشاركة الفعالة في حمل العمل الخاص بالذكاء الاصطناعي.

من التفاصيل اللافتة في البحث أن عدد شركات تطبيق البرمجيات المدرجة في الأسواق التي ذكرتها المؤسسات كان محدودًا، مثل Atlassian وCrowdStrike وSalesforce والتي ظهرت أسماءها لكن بتواتر منخفض. بينما أصبحت مجموعة من الشركات الخاصة الصغيرة المتخصصة في الذكاء الاصطناعي أكثر نشاطًا في قوائم الشراء: CodeRabbit لمراجعة الأكواد، Opik لمراقبة LLM، Onyx لأمان الوكلاء الذكيين، ArmorPoint لـ AI SIEM، Workfabric للتوأمة الرقمية لسير العمل، وLiteLLM تربط بين Langfuse لاستخدام توجيه النماذج وضغط الكلمات المفتاحية.

هذه الشركات لا تستهدف الخطاب الشامل لـ"منصات الذكاء الاصطناعي المؤسسية"، بل تعالج نقاط ألم عملية للغاية. مثلاً في مراجعة الأكواد، سرعة توليد الكود عبر الذكاء الاصطناعي تتفوق كثيرًا على قدرة البشر على المراجعة، فتتجه الشركات إلى استخدام CodeRabbit لمنع تسلل ثغرات أمنية إلى بيئات الإنتاج؛ وفي مجال الأمن، يمكن للذكاء الاصطناعي دمج معلومات تكوينات الجدار الناري وصلاحيات المستخدم وترتيب أولويات معالجة الثغرات، ما يساعد فرق الأمن على تحديد التهديدات الحقيقية.

وقد أشار البحث أيضًا إلى أن الذكاء الاصطناعي يرفع بسرعة متنامية القدرات الهجومية، وأن إنفاق الشركات على الأمن سيتزايد تباعاً. وعلى خلاف غيرها من حالات استخدام الذكاء الاصطناعي، فإن منطق الميزانية في الأمن أكثر صرامة، ويقوده منع اتساع سطح الهجوم وليس تجربة وظائف جديدة.

تظل بنية الذكاء الاصطناعي المؤسسية مركزة بشكل كبير على AWS وAzure وGoogle Cloud. نادرًا ما أشارت المؤسسات في البحث إلى خطط كبيرة لتوسيع بنية الذكاء الاصطناعي المحلية (في مقر الشركة)، إذ أن أغلب تطبيقات بيانات السيارات والصيانة التنبؤية وتطبيقات الوكلاء الذكيين وبحيرات البيانات وسير العمل على Snowflake وDatabricks تدور جميعها حول السُحب الثلاث الكبرى.

أحد عملاء البحث يخطط لنقل جميع بياناته من Azure إلى Google Cloud بسبب أسعارها الأكثر تنافسية، لكن عملية الانتقال نفسها معقدة وتستغرق عامًا على الأقل لنقل البيانات، كما تظهر مشاكل التوافق بين مستخدمي Power BI وExcel Scripts وGoogle Sheets، مما يعني أن الإنفاق على خدمات Microsoft قد ينخفض لكنه لن يختفي. يدل ذلك على وجود منافسة سعرية بين مقدمي خدمات السحابة، لكن لم يظهر بعد دليل كافٍ من جانب العملاء على وجود اتجاه فعلي لإعادة الذكاء الاصطناعي من السحابة إلى البيئة المحلية.

أشار تقرير UBS إلى أنه رغم استمرار بعض الشركاء في دراسة جدوى بناء "مصانع ذكاء اصطناعي" وإعادة النماذج البيئية إلى مقر الشركة، إلا أن عينات العملاء الحالية تؤكد أن ساحة المعركة الرئيسية لنشر الذكاء الاصطناعي ما زالت على السحابة.