تكلفة الذكاء الاصطناعي تتجاوز تكلفة الأيدي العاملة التي استبدلتها

أزمة التكلفة المزدوجة في عالم التكنولوجيا

يشهد القطاع التكنولوجي حاليًا مفارقة صارخة؛ فالأدوات التي كان يُنتظر منها أن تقلل الاعتماد على العمالة البشرية أصبحت تفوق تكلفتها قيمة الأيدي العاملة التي حلت محلها. تتجه كبرى الشركات نحو تسريح الموظفين لتمويل هذه الأدوات المتقدمة، ولكن سرعان ما تكتشف أن الميزانيات المخصصة تم استنفاذها دون تحقيق قيمة ملموسة.

استنزاف الميزانيات بلا جدوى

أفصحت شركة أوبر مؤخرًا عن استنزاف ميزانيتها المخصصة لعام 2026 لتطوير الأكواد باستخدام الذكاء الاصطناعي في غضون أربعة أشهر فقط. وقد تبنى 84% من مهندسي الشركة مساعد "كود كود"، وأصبح الذكاء الاصطناعي مصدر حوالي 70% من الأكواد الملتزم بها. ورغم هذا الاستخدام المكثف، أقرّ مسؤولون في أوبر بأن استخدام الرموز (tokens) لم يترجم إلى مزايا فعلية للمستخدمين.

ولا تعد أوبر حالة فردية؛ فشركة مايكروسوفت، التي استثمرت حوالي 13 مليار دولار في OpenAI، وتعتمد على الذكاء الاصطناعي التوليدي في حوالي 30% من أكوادها، اضطرت لدفع فواتير باهظة، بل وصل الأمر إلى حد منع مهندسيها في أحد أقسامها الرئيسية من استخدام مساعد البرمجة بالذكاء الاصطناعي بسبب التكاليف المتصاعدة.

سباق الإنفاق غير المدروس

يؤكد برايان كاتانزارو، نائب رئيس قسم التعلم العميق التطبيقي في Nvidia، أن تكلفة الحوسبة لفريقه تفوق الآن ما تنفقه الشركة على الموظفين الذين يستخدمونها. وهذا اعتراف من صانع العتاد الذي يقف وراء ثورة الذكاء الاصطناعي بأن التقنية أغلى من الأفراد الذين يفترض أن تساعدهم.

ومع ذلك، يحث جينسن هوانغ، الرئيس التنفيذي لشركة Nvidia، الصناعة على زيادة الإنفاق، مقترحًا أن يستهلك كل مهندس يتقاضى 500 ألف دولار سنويًا ما لا يقل عن 250 ألف دولار من رموز الذكاء الاصطناعي، وأن الشركة تعمل على ميزانية سنوية قدرها 2 مليار دولار لمهندسيها. يتضح من قيادة سلسلة التوريد أن الرسالة واضحة: أنفقوا المزيد، وبسرعة أكبر.

أرقام الإنفاق مقابل تسريح العمال

استجابت الشركات لهذه الدعوة؛ فقد أعلنت شركات التكنولوجيا الكبرى عن نفقات رأسمالية بلغت 740 مليار دولار هذا العام، بزيادة قدرها 69% عن عام 2025. وتتوقع Gartner أن تصل مبيعات برمجيات الوكلاء الذكية وحدها إلى 207 مليار دولار في عام 2026، بزيادة 139% عن العام السابق.

في المقابل، تم تسريح أكثر من 115,000 عامل في قطاع التكنولوجيا في عام 2026 عبر أكثر من 150 شركة. قامت Meta بإلغاء 8,000 وظيفة، وSentinelOne خفضت 8% من قوتها العاملة لإعادة توجيه الموارد نحو الذكاء الاصطناعي، كما خفضت Wix خُمس موظفيها، وBlock خفضت عدد موظفيها إلى النصف، وشطبت Atlassian 1,600 وظيفة.

الجدوى الاقتصادية وحدود الذكاء الاصطناعي

يتم تبرير هذه الخطوات باستمرار بعبارات مثل "الكفاءة التشغيلية" و"إعادة التوجيه نحو الذكاء الاصطناعي". لكن دراسة أجراها معهد ماساتشوستس للتكنولوجيا (MIT) كشفت أن أتمتة الذكاء الاصطناعي مجدية اقتصاديًا في حوالي 23% فقط من الأدوار الوظيفية. أما الـ 77% المتبقية، فإن الاستعانة بالبشر لا تزال أقل تكلفة.

يشير كبير الاقتصاديين في Goldman Sachs بوضوح إلى أنه لا يرى في استثمارات الذكاء الاصطناعي دفعًا قويًا للنمو. وقد حدد ديفيد كاهن، الشريك في Sequoia Capital، فجوة واضحة: تحتاج شركات الذكاء الاصطناعي إلى حوالي 600 مليار دولار من الإيرادات السنوية لتبرير الإنفاق الحالي على البنية التحتية، وهذه الفجوة تتسع منذ منتصف عام 2026.

ثقافة "Tokenmaxxing" والواقع المرير

تبدو الصورة الحالية كالتالي: الشركات تقلص العمالة البشرية لتمويل الذكاء الاصطناعي الذي يكلفها أكثر من العمالة التي استبدلتها، بهدف تحقيق مكاسب إنتاجية لا يمكن للعديد من الدراسات حتى الآن التحقق منها، وبوتيرة تستنفد الميزانيات السنوية في غضون أسابيع.

البعد الثقافي قد يكون الأكثر دلالة. لقد أنشأت Amazon لوحة صدارة داخلية تسمى KiroRank لتتبع استخدام الذكاء الاصطناعي بين فرق الهندسة. وتم سحبها بهدوء بعد أن بدأ الموظفون في التلاعب بها - إهدار الرموز في مهام تافهة لا معنى لها فقط للتسلق في التصنيفات. أنشأت Meta متعقبًا مشابهًا يسمى Claudeonomics. شجعت Amazon الموظفين على "tokenmaxx"، معاملة الاستهلاك بحد ذاته كمؤشر للأداء. عندما تكافئ الأشخاص على مقدار ما ينفقون بدلاً من ما ينتجون، يصبح الإنفاق هو الناتج.

طالبت مجالس الإدارة رؤساءها التنفيذيين بتبني الذكاء الاصطناعي. ثم تبع ذلك النشر غير المدروس - ما تسميه الصناعة "tokenmaxxing". في المرحلة الثالثة، تستيقظ فرق القيادة على الفاتورة وتسأل سؤالاً متأخرًا: هل تتطلب كل مهمة حقًا النموذج الأكثر تكلفة المتاح؟ حوالي 95% من استخدام الذكاء الاصطناعي في المؤسسات لا يزال يعمل على أغلى النماذج، حتى للأعمال التي لا تتطلب هذا المستوى من التعقيد.

التحول نحو الكفاءة

عندما يصبح المورد رخيصًا بما يكفي لإهداره، فإن الناس يهدرونه دون تفكير. وعندما يصبح مكلفًا بدرجة كافية ليكون له أهمية، فإنهم يطورون اهتمامًا مفاجئًا وشديدًا بالكفاءة. يبدو أن الذكاء الاصطناعي يتجه نحو نفس المواجهة - باستثناء أن الهدر يُقاس بالمليارات، ويصل في فاتورة شهرية ثقيلة.

يصل جانب الأسهم الخاصة في السوق إلى نفس الاستنتاج من الاتجاه المعاكس. ففي حلقة نقاش حديثة حول الملكية الخاصة في مؤتمر Crypto Valley، ذكر جوزيبي دي فيليبو (رئيس أسواق رأس المال الخاص في Julius Baer) أن معاملات SaaS تتعثر لأن التسعير الأفقي لم يعد يعمل وأن التقييمات لم تواكب هذا الواقع.

يمكن للذكاء الاصطناعي الآن إنشاء واجهة قابلة للاستخدام في ساعات، مما يعني أن طبقة التصميم التي أمضت الشركات سنوات في صقلها أصبحت أقل قيمة مما كانت عليه قبل عام. ما لا يستطيع الذكاء الاصطناعي إنتاجه هو عشرون عامًا من منطق العمل المضمن في نظام تخطيط موارد مؤسسي متخصص لعملية تعدين أو مرفق مياه. لقد انتقل الخندق من شكل البرنامج إلى ما يعرفه.

لفترة طويلة، كان الافتراض السائد هو أن التكاليف تتناقص. وقد انخفضت أسعار الرموز لكل منها بالفعل، وتتوقع Gartner أن تشغيل أكبر النماذج قد يكون أرخص بنسبة 90% تقريبًا بحلول عام 2030. لكن المشكلة هي أن الاستهلاك نما بشكل أسرع من انخفاض الأسعار. وجدت دراسة أجرتها Faros AI أن "تقلب الأكواد"، وهو الأسطر المحذوفة مقابل الأسطر المضافة، زاد بأكثر من 800% في ظل التبني العالي للذكاء الاصطناعي. المزيد من الرموز الداخلة، والمزيد من العمل يتم التخلص منه.