الذكاء ليس غداءً مجانياً: كيف تعيد سلعية القدرات المعرفية تشكيل الافتراضات الأساسية للاقتصاد

تُكرّر كلّ فعالية لإطلاق الذكاء الاصطناعي تقريبًا سردية مفادها أن «الذكاء يصبح رخيصًا مثل مياه الصنبور». ويبدو أن البيانات تدعم هذا الطرح: فقد انخفضت أسعار استدلال النماذج اللغوية الكبيرة ذات القدرات المتكافئة بعدة مراتب أسّية في غضون سنوات قليلة. وهذا يجعل «اقتراب التكلفة الحدّية من الصفر» افتراضًا افتراضيًا لدى رواد الأعمال، ويدفعهم إلى التكديس العشوائي للوكلاء والرموز والأتمتة، ظنًا منهم أن نموذج العمل سينجح تلقائيًا. غير أن هذا الفهم يغفل مفارقة أساسية: فعلى الرغم من الانهيار الحاد في سعر الوحدة، كثيرًا ما يرتفع إجمالي إنفاق الشركات بدلًا من أن ينخفض. وهذا هو التناقض الجوهري في التحول الراهن للذكاء الاصطناعي، والأكثر عرضة لسوء الفهم.

هذا الظاهرة ليست مصادفة، بل تكشف موضع التحول الحقيقي. في جوهر الأمر، لا يتعلق الأمر ببساطة بأن «الذكاء الاصطناعي يخفض التكلفة»؛ فذلك ليس سوى ترقية للقدرات وتحسين ضمن النموذج القديم. ما يحدث فعليًا هو أن **«القدرة المعرفية» أصبحت للمرة الأولى عاملًا من عوامل الإنتاج يمكن امتلاكه واستنساخه وإهلاكه وتداوله**. وهذا يعني أن طريقة تحديد التكلفة الحدية لم تعد مفروضة من خارج النظام بفعل التكنولوجيا، بل باتت تتحدد داخليًا وفق مستوى القدرة وبنية المهمة. ويكمن المعيار الحاسم للحكم على ما إذا كنا أمام ثورة في النموذج في تغيّر هوية عامل الإنتاج وطريقة تحديد التكلفة. ففي النموذج القديم، كان يُنظر إلى المعرفة، رغم اتسامها بـ«تكلفة ثابتة مرتفعة وتكلفة هامشية شبه معدومة للاستنساخ»، على أنها «حالة استثنائية تُعالج بترقيعات مؤسسية». أما الاختلاف الجوهري في هذه الثورة فهو أن «تكلفة القدرة الإنتاجية» ذاتها أصبحت متغيرًا قابلًا للاستنساخ والتحديد داخليًا.

إن انهيار تكلفة الذكاء الاصطناعي لا يعني أنها أصبحت صفراً على نحو شامل، بل إنها تتفاوت بدرجة كبيرة بين المستويات. وتُظهر بيانات a16z أن تكلفة استدلال نماذج اللغة الكبيرة، عند قياسها بأداء مكافئ على معيار MMLU وغيره، انخفضت ألف مرة خلال ثلاث سنوات. وتشير Epoch AI أيضاً إلى أن سعر الاستدلال بمستوى GPT-4 ينخفض بنحو 40 مرة سنوياً، لكن وتيرة الانخفاض تختلف كثيراً باختلاف معالم القدرات. أما مراجعة MIT FutureTech فهي أدق: تتحسن نسبة السعر إلى الأداء للنماذج المتقدمة بمقدار 5 إلى 10 أضعاف سنوياً، لكن الانخفاض يبلغ 31 ضعفاً في أعلى فئات الأداء، ولا يتجاوز 1.7 ضعف في أدناها. وهذا يدل على أن «اقتراب التكلفة الحدية من الصفر» يرتبط بالمهمة ويتفاوت بحسب مستوى القدرة؛ فالانخفاض الملحوظ فعلاً هو في «سعر الحصول على قدرة محددة»، بينما لا يتغير كثيراً سعر القدرات الأساسية.

وفي الوقت نفسه، فإن الارتفاع الإجمالي في فواتير الشركات له منطقه البنيوي. أولاً، يتخذ هيكل التكاليف شكل «الدمبل»: فقد ارتفعت تكلفة تدريب النماذج المتقدمة 2.4 مرة سنوياً منذ عام 2016، وبلغت تكلفة تدريب GPT-4 ما يصل إلى 40 مليون دولار. وهذا يعني أن **التكاليف الثابتة ترتفع أُسّياً، بينما تنخفض التكاليف الحدّية أُسّياً**، وأن وفورات الحجم تتركز لدى عدد ضئيل للغاية من الجهات التي تملك القدرة الحاسوبية. ثانياً، التوليد رخيص، لكن التحقق أعلى تكلفة. فقد وجد فريق معهد ماساتشوستس للتكنولوجيا أنه رغم الانهيار الحاد في نسبة السعر إلى الأداء للنماذج، فإن تكلفة إجراء تقييمات معيارية (مثل SWE-bench Verified وARC-AGI) بقيت ثابتة أو حتى ارتفعت. وهذا يجسد «مرض التكلفة» لدى باومول وبوين: فعندما تنهار تكاليف قطاع التوليد، ترتفع الأسعار النسبية لقطاعات التحقق والحكم والتقييم، التي يتباطأ فيها التقدم، وينتقل عنق الزجاجة في القيمة من «الإنتاج» إلى «التحقق والمواصفات والثقة والمسؤولية».

ثالثًا، يؤدي تحسن الكفاءة إلى اتساع نطاق الطلب. وهذا يتوافق مع مفارقة جيفونز الكلاسيكية: فانخفاض الأسعار هو سبب طفرة الاستهلاك، وليس ضمانًا لانخفاض الفواتير. وتشير تحليلات القطاع إلى أن نماذج الاستدلال تولّد كميات كبيرة من رموز التفكير، وأن حلقات الوكلاء تعيد إرسال السياق مرارًا، وقد يصل استهلاك الرموز في المهام إلى خمسة إلى ثلاثين ضعفًا مقارنة بمهام المحادثة، فيما تبلغ تكلفة مهمة واحدة لوكيل معين خمسين إلى ستين ضعف تكلفة روبوت المحادثة. بل إن تحسن الكفاءة حفّز استخدامًا مكثفًا للذكاء الاصطناعي، ما أدى إلى قفزة كبيرة في إجمالي الإنفاق. وأخيرًا، ينبغي التأكيد على أن أبحاث أسموغلو تشير إلى وجود فجوة بين انهيار التكاليف على المستوى الجزئي وتحسن الإنتاجية على المستوى الكلي. ومن المتوقع أن يكون أثر الذكاء الاصطناعي في تعزيز إنتاجية عوامل الإنتاج الكلية خلال العقد المقبل محدودًا، ما يدل على أن المنافع الاقتصادية الكلية لم تُثبت بعد بما يكفي.

إن القدرة المعرفية، بوصفها عامل إنتاج قابلًا للتملك والنسخ، تعيد صياغة أسس الاقتصاد التقليدي بعمق. أولًا، إنها تقلب دالة الإنتاج Y=F(K,L)، وتدفع «رأس المال المعرفي القابل للنسخ» إلى صميمها، ليصبح مدخلًا أساسيًا إلى جانب الحكم البشري ورأس المال المادي التنافسي وطاقة البيانات. لم تعد التقنية متبقيًا خارجيًا للإنتاجية الكلية للعوامل، بل أصبحت أصلًا داخليًا تستطيع الشركات إنتاجه وامتلاكه وإهلاكه وتداوله. ثانيًا، يتغير تعريف التكلفة الحدية تبعًا لذلك؛ فلم تعد رقمًا ثابتًا، بل «منحنى تكلفة المهام» ديناميكيًا تتحدد قيمته بعوامل داخلية متعددة، منها مستوى القدرة واستهلاك الرموز وخطوات المعالجة، فضلًا عن تكلفة التحقق والثقة، وهي بالغة الأهمية. ويُعد الانخفاض المستمر في سعر الوحدة الاسمي، بالتزامن مع ارتفاع التكلفة الإجمالية بعكس الاتجاه في مهام معينة، تجسيدًا مباشرًا لهذا المنطق المعقد.

أدى هذا التحول في النموذج أيضًا إلى انتقال جذري في موضع الندرة. فعندما يصبح توليد الذكاء شبه مجاني، لا يعود القيد الحقيقي هو إنتاج المعلومات، بل «ما الذي يستحق أن يُنجز، وهل يُنجز على نحو صحيح، ومن المسؤول عنه، وهل يمكن كسب الثقة؟». لقد انتقل جوهر الندرة من «البتات» إلى المصداقية وحسن التقدير والانتباه البشري الذي يصعب استنساخه.

وأخيرًا، يُعاد تشكيل حدود الشركات بفعل هذين القيدين معًا. فمن جهة، يؤدي تسليع القدرات المعرفية إلى خفض تكاليف المعاملات بدرجة كبيرة، مما يتيح الاستعانة بمصادر خارجية في كثير من الأنشطة المعرفية بكفاءة، ويدفع هياكل الشركات نحو مزيد من التسطيح والترشيد. ومن جهة أخرى، تركز التكاليف الثابتة المتزايدة لاحتساب القدرة الحاسوبية القدرات المعرفية الأحدث في عدد قليل من المنصات العملاقة التي تملك موارد هائلة. وينشأ عن ذلك في نهاية المطاف شكل تنظيمي «يشبه الدمبل»: قلة من العمالقة إلى جانب عدد كبير من الوحدات الصغيرة عالية التخصص والموثوقية، فيما تواجه الطبقة الوسطى تحديًا يتمثل في تسارع انكماشها.

في ظلّ النموذج الجديد الذي أصبحت فيه «القدرات المعرفية» عنصراً أساسياً من عناصر الإنتاج، يتعين على الشركات التوقف عن بناء نماذجها التجارية اعتماداً على «السعر الوحدوي» لخدمات الذكاء الاصطناعي فحسب. ومن الاستراتيجيات المستدامة إنشاء «منحنى تكلفة المهام» بدقة، يأخذ في الحسبان جميع المتغيرات الداخلية، مثل مستويات القدرات، وعدد خطوات المعالجة، ومعدلات إعادة المحاولة، وتكاليف التحقق التي لا غنى عنها. فأي نموذج لاقتصاديات الوحدة يستند حصراً إلى السعر الوحدوي للرموز سيفقد دقته سريعاً عند التعامل مع أحمال الوكلاء المعقدة في الواقع. لذلك، يُعدّ الفهم العميق والقياس الدقيق لبنية التكلفة الحقيقية للمهام شرطاً أساسياً لبقاء صناع القرار في الشركات وازدهارهم في البيئة الاقتصادية الجديدة.

وفي الوقت نفسه، ينبغي للمؤسسات أن ترتقي بقدرة التحقق إلى مكانة أصل استراتيجي جوهري، بدلاً من اعتبارها مجرد بند من بنود التكلفة. فعندما يصبح توليد الذكاء رخيصاً ويغدو التحقق مكلفاً، ستشكل الآليات القادرة على أتمتة التقييم، وإجراء اختبارات تراجعية عالية الجودة، وفرض تدقيق صارم، وتتبع المسؤولية، خندقاً تنافسياً جديداً. ومن ينجح أولاً في تحويل قدرة التحقق إلى أصل قابل لإعادة الاستخدام، سيتمكن من امتلاك سلطة التسعير والتأثير في عصر «مرض التكلفة». وإضافة إلى ذلك، في مستقبل يسهل فيه استنساخ الذكاء، ستنبع الميزة التنافسية الحقيقية من القدرات «التي لا يمكن استنساخها». وهذا يعني أن على المؤسسات تركيز جهود فرقها على تحويل النوايا الغامضة إلى مواصفات دقيقة، والتنسيق المعقد بين قدرات الذكاء الاصطناعي، وتقديم اعتماد مهني للنتائج النهائية، فضلاً عن الذوق والرؤية الفريدين اللذين لا يستطيع الذكاء الاصطناعي أن يحل محلهما.

إن صقل نقاط خلق القيمة التي تميّز البشر وتحويلها إلى قدرات تنافسية جوهرية هو مفتاح بناء ميزة يصعب تقليدها. وأخيرًا، علينا أن نتحلى بوعي واقعي بسرعة التحول الاقتصادي الكلي. فانهيار التكاليف على المستوى الجزئي حقيقة لا شك فيها، لكن ثورة الإنتاجية واسعة النطاق لا تزال مسألة كبرى لم تُحسم. فعلى سبيل المثال، تشير أبحاث أسيموغلو إلى أن أثر الذكاء الاصطناعي في تعزيز الإنتاجية الكلية لعوامل الإنتاج خلال عقد قد يكون محدودًا للغاية. لذلك، عند وضع الاستراتيجيات طويلة الأجل وتوقعات التدفقات النقدية، ينبغي التحلي بالحذر والتحفظ، وتجنب الخلط بين سرديات التمويل المتفائلة والتوقعات التشغيلية الفعلية.