إعادة تأسيس مفارقة جيفونز في عصر الذكاء الاصطناعي: كيف تُطلق شركات الشخص الواحد الطلب المكبوت عبر قفزات كفاءة هائلة

جوهر مفارقة جيفونز ليس ارتداد الموارد، بل الاستقراء المنهجي لحدود النشاط الاقتصادي. ففي عام ١٨٦٥، لاحظ جيفونز أن تحسُّن كفاءة محركات البخار لم يُقلِّل الاستهلاك الإجمالي للفحم؛ بل إن انخفاض تكلفة الطاقة مكَّن من استخدام طاقة البخار على نطاق واسع في مجالات كانت سابقاً غير مربحة مثل النسيج والنقل والتعدين، مما وسَّع في النهاية خريطة تطبيقات الفحم. والمفتاح لهذه الآلية هو «اختراق العتبة»: فتقدم الكفاءة يدفع تكلفة الوحدة من النشاط الاقتصادي إلى ما دون نقطة حرجة، فيُفعِّل طلباً كامناً طال انتظاره لكنه كان غير قابل للتعميم تجارياً. وفي عصر الذكاء الاصطناعي، لم تعد هذه النقطة الحرجة هي السعر لكل كيلوواط/ساعة من الطاقة، بل التكلفة الكاملة للتوصيل لكل خدمة مهنية—وتشمل استدعاء النماذج، والمراجعة اليدوية، والتواصل مع العميل، ومعالجة الاستثناءات، وصيانة الأدوات، وتقييم وقت المشغِّل. ويُظهر مؤشر ستانفورد للذكاء الاصطناعي أن تكلفة استنتاج النماذج عند مستوى GPT-3.5 انخفضت ٢٨٠ ضعفاً خلال سنتين، وأن معالجة الرموز الشهرية عبر واجهة برمجة تطبيقات جوجل زادت ٥٠ ضعفاً، وتتنبَّأ وكالة الطاقة الدولية بأن استهلاك مراكز البيانات من الطاقة سيتضاعف بحلول عام ٢٠٣٠. وهذه البيانات تشير إلى حقيقة واحدة: إن الذكاء الاصطناعي يخفض التكلفة الهامشية لـ«استدعاء القدرات المهنية» بوتيرة غير مسبوقة. لكن يجب الحذر من الخلط—فزيادة الرموز لا تعني بالضرورة زيادة المهام الفعالة، وارتفاع أسعار الكهرباء لا يعني استهلاكاً مباشراً أكبر للطاقة بواسطة الذكاء الاصطناعي، ونمو إيرادات القطاع لا يعني نمو أرباح شركة الشخص الواحد. والشرط الحقيقي لبقاء المفارقة هو أن يكون توسع نطاق الخدمة يفوق انخفاض تكلفة الوحدة بشكل صارم، ويجب أن يكون هذا التوسع مدفوعاً سببياً بتحسينات الكفاءة، وليس بالدعم الحكومي أو الضجة الإعلامية أو أرباح حركة المرور من المنصات.

وتُظهر الأمثلة المضادة الحدود الهشة لهذه الآلية: فقد وجد بحث مركز METR حول مطوري المصادر المفتوحة أنه بعد السماح باستخدام الذكاء الاصطناعي، زاد متوسط وقت إنجاز بعض المهام فعلاً بنسبة ١٩٪. وهذا ليس فشلاً تقنياً، بل يكشف عدم تجانس مكاسب الكفاءة—ففي المهام التي تعتمد بشدة على فهم السياق، والحكم التاريخي، ودمج المعرفة الضمنية، قد يضيف الذكاء الاصطناعي خطوات تحقق إضافية، ودورات إعادة محاولة، وتكاليف تفسير، ما يجعل «التسريع الظاهري» يخفي «التأخير الجوهري». وهذا يدل على أن آلية جيفونز ليست قانوناً فيزيائياً يعمل تلقائياً، بل احتمالاً مشروطاً يعتمد على سيناريوهات محددة: ففقط عندما يستطيع تدخل الذكاء الاصطناعي تقصير المسار الذي يؤدي إلى الانحراف بين النتيجة المتوقعة والنتيجة الفعلية بشكل كبير، وجعل هذا التقصير قابلاً للتحقق من قِبل قبول العميل، فإن تحسين الكفاءة يتحول فعلاً إلى إطلاق للطلب. وإلا فإن النمو في حجم المكالمات لا يكون سوى نقل لإنتروبيا التنسيق، وليس إلغائها؛ فهو يحل محل الفوضى اليدوية بالازدواجية النظامية.

والبصيرة القابلة للنقل الناتجة عن ذلك بالغة الأهمية: المقام الأساسي لتقييم قيمة الذكاء الاصطناعي هو دائماً «التوصيل عبر قبول العميل»، وليس عدد التوليدات، أو معدل مرور الرموز، أو تكرار استدعاء واجهة البرمجة. لأن فعل القبول وحده هو الذي يحمل تأكيد جودة النتيجة، والاتفاق على حدود الخدمة، والترخيص لبدء حلقة التغذية الراجعة. فإذا أنتجت شركة الشخص الواحد ١٠٠٠ تقرير شهرياً، لكن ٣٠ تقريراً فقط تم التوقيع الرسمي عليها وتجديدها من قِبل العملاء، فإن ٩٧٪ من استثمارها في قوة الحوسبة يكون في حالة «غير معايَرة» جوهرياً—فلا يتحقق التحقق من دقة نموذج العالم، ولا تُحفَّز إشارات التدريب للقدرة على الحكم، ولا تتكون عادة فوقية مغلقة الحلقة. ولذلك، لكي تبقى آلية جيفونز سارية على مستوى شركة الشخص الواحد، يجب أن تكون مُرتكزة على «معدل القبول»: فعندما تخفض تحسينات الكفاءة تكلفة التوصيل المؤهل للوحدة الواحدة، ويوسِّع العملاء تلقائياً تكرار الشراء أو نطاقه بسبب تحسُّن إدراكهم للقيمة، أو تخفيف قيود الميزانية، أو فشل البدائل، فحينها فقط يكون لتوسع الطلب جذور اقتصادية داخلية واستدامة.

إن ثورة النموذج لشركة الشخص الواحد هي في جوهرها إعادة تعريف للحدود المؤسسية، مدفوعةً بإعمال نظرية تكاليف المعاملات للكوز في عصر الذكاء الاصطناعي. وأشار كوز إلى أن سبب وجود الشركات هو أن تكاليف التنظيم الداخلي أقل من تكاليف معاملات السوق—وتشمل البحث والتفاوض وإبرام العقود والمراقبة. والخدمات المهنية التقليدية يصعب تقديمها للمستهلكين الصغار بالضبط لأن التكاليف التنظيمية الثابتة (مثل التوظيف والتدريب وبناء العمليات والتعاون بين الوظائف) يجب أن تُوزَّع على قاعدة عملاء كبيرة بما يكفي لتحقيق التعادل. وعندما يمكن لأنظمة الذكاء الاصطناعي توفير أجزاء من القدرات التي كانت تتطلب سابقاً تعاون الفريق عند الطلب، فإن الحد الأدنى لمقياس التنظيم المطلوب للحفاظ على العمل يتغير. وتوفر تجربة «الشريك شبه الآلي» لشركة بروكتر آند غامبل دليلاً رئيسياً: فقد حقق محترف واحد يستخدم الذكاء الاصطناعي أداءً يعادل أداء فريق مكوَّن من شخصين بدون ذكاء اصطناعي في مهام ابتكار المنتجات، وكانت الحلول أفضل في الموازنة بين الجدوى التقنية والجدوى التجارية. وهذا يثبت أن الذكاء الاصطناعي لا يحل محل العمل فقط، بل يُضمِّن وحدات إدراكية قابلة للصياغة رسمياً في التعاون الجماعي (مثل استرجاع المعلومات، والتحقق المتقاطع من مصادر متعددة، والتعبير المنظم) في وحدات خدمة قابلة للتشغيل.

لكن استنتاجات التجربة لها حدود واضحة: فقد جرت داخل شركات كبيرة تمتلك معرفة تجارية ناضجة، ودعماً تنظيمياً، واحتياطات من المواهب المحترفة، حيث لم يضطر المشاركون إلى تحمل مسؤوليات اكتساب العملاء، وإدارة التدفق النقدي، والحفاظ على العلاقات مع العملاء، وبناء سمعة التسليم. أما شركة الشخص الواحد فيجب أن تتحمل سلسلة المسؤولية بأكملها وحدها—من تحديد نقاط الألم الحقيقية وإقناع العملاء بالدفع، إلى ضمان أن يفي كل تسليم بمعايير القبول، وتحمل المسؤولية الكاملة عن النتائج. وهذا يعني أن الذكاء الاصطناعي يقلل «تكاليف الإنتاج»، وليس «تكاليف التشغيل»؛ فهو يضغط على الوقت والمدخلات اليدوية في مرحلة التسليم، لكنه لا يلغي ضرورة وجود المشغِّل في القدرة على الحكم، والمعايرة، وتصميم حلقات التغذية الراجعة. فعلى سبيل المثال، عندما يطلب عميل «تحليل استراتيجية منتج جديد للمنافس الألماني في الربع الثالث»، يمكن للذكاء الاصطناعي إكمال الزحف على البيانات والترجمة والتصنيف الأولي بسرعة، لكن الحكم على أي المعلومات تشكل تهديداً استراتيجياً، وأيها ينتمي إلى الخطاب التسويقي، وأيها يحتاج إلى تحقق ثانوي باستخدام بيانات القنوات المحلية لا يزال يعتمد بشدة على تتبع المشغِّل الطويل للديناميكيات الصناعية، وفهمه العميق لأهداف عمل العميل، ووعيه الواضح باختلافات نموذج العالم الخاص به.

والبصيرة القابلة للنقل الناتجة عن ذلك تشير مباشرةً إلى منطق بقاء شركة الشخص الواحد: فالتبسيط التنظيمي الذي تحققه التكنولوجيا يجب أن يحدث بالتوازي مع التركيز على الكفاءات الأساسية للمشغل. وعندما تتحول استثمارات المناصب الثابتة إلى تكاليف خدمات عند الطلب، يتحول المدخل النادر للمشغل من «وقت التنفيذ» إلى «وقت الحكم»—أي الوقت المستخدم لتحديد جوهر المشكلة، واختيار حدود الخدمة، والتحقق من موثوقية الاستنتاجات، ومعالجة الاستثناءات، والمسؤولية عن النتيجة النهائية. وهذا يتطلب من شركة الشخص الواحد التخلي بنشاط عن وهم كونها «مقدِّمة شاملة»، بل بناء نظام تتمحور فيه القدرة على الحكم: إذ تُفوَّض المهام المتكررة والقابلة للتحقق ذات معايير قبول واضحة للذكاء الاصطناعي؛ وتُحتفظ بالأجزاء عالية الغموض التي تتطلب مقايضات سياقية وتشمل أولويات القيمة للمشغل نفسه؛ وتُعاد معايرة نموذج العالم وحلقة التغذية الراجعة عكسياً عبر التسجيل المستمر لنقاط «التدخل اليدوي» (مثل أنواع الاستنتاجات التي تُنقض غالباً، أو ملاحظات العملاء التي تتطلب دائماً إعادة العمل). وتقع القفزة الحقيقية في الكفاءة ليس في جعل الذكاء الاصطناعي يقوم بالمزيد، بل في جعل المشغل يعرف بدقة أكبر «ما يجب أن يقوم به بنفسه» ويخصص له ما يكفي من السعة الزمنية لذلك.

إن إطلاق الطلب ليس توسعًا أحادي البُعد خطيًا، بل يعمل عبر ثلاث آليات متكاملة ومُعزِّزة لبعضها: توسيع قاعدة العملاء، وزيادة تكرار الاستهلاك، وتطور شكل المنتج. والآلية الأولى هي «تفعيل الذيل الطويل»—أي أن نقاط الألم الحقيقية التي كانت موجودة منذ زمن طويل لكنها استُبعدت من السوق بسبب ارتفاع الأسعار تبدأ في اكتساب الجدوى الاقتصادية. فعلى سبيل المثال، لم تكن مصنع معالجة الأغذية الذي تبلغ إيراداته السنوية ٥ ملايين يوان صيني قادرًا سابقًا على تحمل تكلفة استشارة الامتثال الخارجي البالغة ٢٠٠٠٠٠ يوان صيني سنويًا، لكن إذا استطاعت شركة الشخص الواحد تقديم تتبع ديناميكي للأنظمة وتحذيرات المخاطر مقابل ١٢٠٠٠ يوان صيني شهريًا، فإن هذا الطلب ينتقل من «غير الموجود» إلى «القابل للدفع». وما يُطلق هنا ليس طلباً جديداً، بل طلباً موجوداً منذ زمن وقمعه عتبة السعر، ومقاييس التحقق منه هي استعداد العملاء للدفع لأول مرة مقابل خدمة لم يسبق لهم شراؤها مطلقاً.

والآلية الثانية هي «قفزة التكرار»—أي أن تكرار استخدام الخدمة من قِبل العميل نفسه يشهد تغيُّراً نوعياً. فمشاريع الاستشارات التقليدية تُقدَّم عادةً سنوياً أو ربع سنوياً، بينما يمكن للخدمات الرقابية المدعومة بالذكاء الاصطناعي تحقيق تحديثات أسبوعية، وتنبيهات مُفعَّلة بالحدث، ولوحات مراقبة فورية. فعلى سبيل المثال، حوَّل عميل شركة برامج كخدمة بحثه عن المستخدمين من «بحث لمرة واحدة قبل الإطلاق» إلى «تكرارات دقيقة نصف أسبوعية تستند إلى سجلات السلوك»؛ فلم يزدد المبلغ السنوي المُنفق، لكن نقاط التفاعل مع الخدمة ارتفعت من ١ إلى ٢٦. ويُعيد هذا التغيير تشكيل إدراك العميل للقيمة: فهو لم يعد يشتري «تقريراً»، بل يشتري ضمان حالة «المعرفة المستمرة بما حدث وما ينبغي التعامل معه». وعند تقييم مساحة السوق، فإن الاعتماد فقط على عدد العملاء مع تجاهل مضاعف التكرار سيُقلِّل من التقدير الحقيقي للإمكانيات بشكل خطير؛ لكن التركيز فقط على زيادات التكرار قد يغفل عن صلابة ميزانية العميل وعتبات انتباهه.

والآلية الثالثة هي «رفع بُعد المنتج»—أي تطور الخدمة من التسليم الثابت إلى عملية ديناميكية. فتتحوَّل تقارير التحليل التنافسي لمرة واحدة إلى تدفقات ذكاء تنافسي آلية مدمجة في نظام إدارة علاقات العملاء الخاص بالعميل؛ وتتطوَّر توطين المحتوى الموحَّد إلى سير عمل تعاوني يدعم جولات متعددة من الملاحظات السياقية، وضبط الأسلوب، والتحقق المتقاطع للامتثال القانوني. وجوهر هذا الارتقاء هو نقل معيار قبول العميل من «صيغة المستند الصحيحة» إلى «دعم القرار الفعّال». وهذا يتطلب من شركة الشخص الواحد ألا تقدِّم النتائج فحسب، بل أن تصمم حلقات التغذية الراجعة: فعلى سبيل المثال، عندما ينقر العميل على زر «هذا الاقتراح غير قابل للتطبيق»، يجب أن يلتقط النظام تلقائياً السياق، ويشير إلى انحراف نموذج العالم، ويُفعِّل المراجعة اليدوية، ويُرسِّخ قواعد الحكم المصححة في عادات فوقية. وفي هذه المرحلة، لم يعد توسع الطلب مجرد نمو كمي، بل إعادة تشكيل نوعي—فالعملاء يدفعون مقابل «القدرة على المعايرة المستمرة القابلة للتفنيد» وليس مقابل «الإخراج الأولي غير القابل للتحقق». وهذا يفسر لماذا كلما زادت كفاءة الذكاء الاصطناعي، زادت المكالمات: فكل محاولة إعادة، وكل تحقق متقاطع، وكل إعادة ترتيب للتنسيق، إذا أُقرَّت ضرورتها من قِبل قبول العميل، فهي ليست هدراً، بل استثماراً ضرورياً في بناء بنية الثقة.

يعتمد ما إذا كانت شركة الشخص الواحد قادرة على تحويل مكاسب الكفاءة إلى أرباح حقيقية على قدرتها على تخطي ثلاث نقاط كسر رئيسية، وكلها مرتبطة مباشرةً بـ«يقين التسليم». والنقطة الأولى هي «سعة الإنتاج ≠ سعة الدفع»: فالتقنية تخفض تكاليف العرض، لكن قرارات شراء العميل تتأثر بأهمية المشكلة، وقيود الميزانية، والبدائل، وتراكم الثقة. وتُظهر الحسابات أنه في نموذج الذكاء الاصطناعي، يجب أن يصل عدد العملاء إلى ١٥ ليتجاوز الربح الناتج عن النموذج اليدوي؛ فإذا خدمت الشركة فقط ٦ عملاء، فإن الفائض سيكون ٢٤٠٠ يوان صيني فقط. وهذا يكشف حقيقة قاسية: فالذكاء الاصطناعي يخلق سعةً معطلة، وليس طلبات تلقائية. ويسقط العديد من شركات الشخص الواحد في فخ «الإنتاج المرتفع والدخل المنخفض» لأنهم يخلطون بين الجدوى التقنية والجدوى السوقية—فيمكنهم إنتاج ٣٠ تقريراً، لكنهم لم يتحققوا قط مما إذا كان أي منها قد حل قلق العميل الحقيقي في اتخاذ القرار.

والنقطة الثانية هي «فخ التوسع»: فعندما يزداد عدد العملاء الذين تخدمهم الشركة من ٣ إلى ٣٠، فقد لا تزداد تكاليف الصيانة بشكل خطي، بل قد ترتفع بشكل أسّي. فثلاثة عملاء يمكن التعامل معهم باستخدام الذاكرة الشخصية لاختلافات تنسيق البيانات وتفضيلات التسليم؛ أما ٣٠ عميلاً فتتطلب إنشاء واجهات قياسية، وفحوصات قبول آلية، وقواعد تصنيف الاستثناءات. فإذا تطلَّب كل عميل جديد عملية خاصة مخصصة، فإن وقت صيانة النظام سيأكل الوقت الذي وفرته الذكاء الاصطناعي في التوليد. وفي هذه المرحلة، لا تقل إنتروبيا التنسيق، بل تنتقل من التعاون بين الأشخاص إلى واجهة التفاعل بين الإنسان والآلة. والطريقة لكسر هذا الفخ هي «التوافق في العمليات المدفوع بالقبول»: فلا تسعى الشركة إلى أتمتة بنسبة ١٠٠٪، بل تحدد ثلاثة معايير أساسية مشتركة بين جميع عمليات قبول العملاء (مثل «يجب وضع وصلات المصدر الأصلي على مصادر البيانات»، و«يجب أن تتضمن الاستنتاجات درجات ثقة»، و«يجب أن تميِّز تحذيرات المخاطر بين المستويات التنظيمية والتشغيلية»)، وتُلزم إخراج الذكاء الاصطناعي بالالتزام بها، ثم تترك الاختلافات المتبقية للمشغل للضبط اليدوي الدقيق. وبهذه الطريقة، تزداد إعادة استخدام العمليات مع بقاء القيمة المخصصة.

والنقطة الثالثة هي «لعبة نسب الأرباح»: فقد توسِّع آلية جيفونز السوق الإجمالي في الوقت نفسه الذي تُضعف فيه الأرباح الفردية. فانخفاض عتبة الإنتاج يجذب عرضاً جديداً، وتُحوِّل منافسة الأسعار مكاسب الكفاءة إلى العملاء؛ وإذا اعتمدت اكتساب العملاء على منصات قليلة، فقد تمتص الرسوم الإعلانية والعمولات المكاسب الجديدة؛ كما يمكن للشركات الكبرى، التي تتمتع بمزايا في القنوات والعلامة التجارية والبيانات، أن تنشر بسرعة خدمات ذكاء اصطناعي مماثلة. وفي هذه المرحلة، تكمن الحماية طويلة المدى لشركة الشخص الواحد ليس في قدرتها على استدعاء النماذج، بل في علاقاتها مع العملاء، ومعرفتها الصناعية، وسمعتها في التسليم، والبيانات المتراكمة من التغذية الراجعة—فهذه الأصول تشكِّل قاعدة فريدة لمعايرة نموذج العالم. فعلى سبيل المثال، فإن شركة شخص واحد تعمل منذ عشر سنوات في مجال تسجيل الأجهزة الطبية تمتلك مكتبة ملاحظات عملاء تحتوي أنماط الاستجابة النموذجية لـ ٢٣٧ نوعاً من الاستفسارات التنظيمية، ما يمكن نظامها للذكاء الاصطناعي من تجنُّب ٨٣٪ من مخاطر الرفض الشائعة تلقائياً عند إنشاء الردود. وهذه القدرة على الحكم المستندة إلى ترسيخ التسليم الفعلي لا يمكن نسخها بواسطة النماذج الكبيرة العامة، ولا يمكن شراؤها من قِبل المشاركين الجدد على المدى القصير. ولذلك، فإن الميزة المستدامة لشركة الشخص الواحد هي استخدام الذكاء الاصطناعي كرافعة لتعزيز أصولها المهنية غير القابلة للنقل، وليس استبدالها.

لا يمكن التحقق من فرص جيفونز (JEV) بالاعتماد على المؤشرات الكلية أو العروض النقطية المفردة، بل يجب إنشاء نظام قياس مغلق الحلقة ينتهي عند «قبول العميل». وتشير نظرية «المنحنى J للإنتاجية» التي طرحها برينجلوفسون وآخرون إلى أن فوائد التقنيات العامة غالباً ما تتأخر عن الاستثمار الأولي—فالتكلفة غير الملموسة مثل إعادة هيكلة العمليات، وتكيف الأدوات، وإعادة تدريب الموظفين يصعب قياسها لكنها موجودة فعلاً. أما بالنسبة لشركة الشخص الواحد، فتشمل هذه الاستثمارات تنظيم رسومات المعرفة الصناعية، وإنشاء مكتبات عينات القبول، وتصميم بروتوكولات معالجة الاستثناءات، وترسيخ أنظمة وضع العلامات لملاحظات العملاء. وهي تزيد العبء في البداية، وتُنتج عوائد مركبة فقط عندما تُستدعى مراراً وتكراراً في عمليات التسليم اللاحقة. ولذلك، يجب أن يستند قرار ما إذا كانت مهمة ما تستحق التعميم إلى توقع «عدد التكرارات المستقبلية»: فإذا كان من المتوقع أن تتكرر نوعية معينة من المهام أكثر من ١٠ مرات خلال ستة أشهر، فهي تستحق الاستثمار في النمذجة؛ وإذا وقعت مرة واحدة فقط، فالمعالجة اليدوية أفضل.

ويجب أن تتميز طرق التحقق القابلة للتنفيذ بمصادر الطلب: الدخول في سوق جديدة، وزيادة تكرار الاستهلاك، وهجرة عملاء المنافسين. ولكل من هذه المصادر معنى مختلف تماماً لشركة الشخص الواحد—فالعملاء الجدد يتحققون من أصالة الطلب، وزيادة التكرار تعكس عمق القيمة، وهجرة العملاء تكشف شدة المنافسة. وأفضل اختبار هو إجراء اختبار AB مصغر على نفس مجموعة العملاء بشرط أن تكون الجودة ونطاق الخدمة متطابقين تمامًا: فالمجموعة أ تُقدَّم لها تكلفة ١٢٠٠ يوان صيني شهريًا لتقارير شهرية، والمجموعة ب تُقدَّم لها تكلفة ٦٠٠٠ يوان صيني سنوياً للمحتوى نفسه. فإذا كانت نسبة التوقيع في المجموعة ب أعلى بكثير، فهذا يشير إلى أن العملاء لم يقبلوا بعد نموذج الشراء عالي التكرار؛ وإذا تجاوزت نسبة التجديد في المجموعة أ ٨٥٪، فهذا يشير إلى أن قفزة التكرار قائمة. وفي الوقت نفسه، يجب تسجيل البديل الأصلي للعميل: هل كان لا يقوم بالمهمة أصلاً؟ أم كان ينظمها يدوياً باستخدام إكسل؟ أم كان يشتري خدمة منافس؟ وهذا يحدد موضع القيمة لشركة الشخص الواحد—فهل هي تسد فجوة، أم تقدم حلاً أفضل؟

وفي النهاية، فإن البصيرة القابلة للنقل من ثورة نموذج جيفونز (JEV) هي: يجب تحويل الكفاءة التقنية إلى يقين تجاري عبر «المعايرة». فكل قبول من العميل هو اختبار ضغط لنموذج العالم؛ وكل تحليل للانحراف يعزز التشابكات العصبية للقدرة على الحكم؛ وكل قاعدة تغذية راجعة مترسبة تطيل عمر العادة فوقية. ونجاح شركة الشخص الواحد لا يكمن في عدد النماذج التي تستخدمها، بل في عدد حلقات التغذية الراجعة المستقرة، والقابلة للتفنيد، والقابلة للتحقق المتقاطع التي أنشأتها. وعندما يزداد حجم مكالمات الذكاء الاصطناعي، يجب ألا يسأل المشغل «كم عدد ما أنتجته؟»، بل «كم مرة أخبرني العميل بوضوح بأن هذا هو بالضبط ما أحتاجه؟»—لأن الأخير وحده هو الذي يمكن أن يحوِّل مفارقة جيفونز من تحذير بشأن استهلاك الموارد إلى محرك للتطور المستدام لشركة الشخص الواحد.