شركة ناشئة للذكاء الاصطناعي من وادي السيليكون تتحول مع تطور نماذج إنفاق وإدارة الرموز

بناءً على أكثر من أربع سنوات من الملاحظات الصناعية، يقترح مابي يوان، مهندس ذكاء اصطناعي من وادي السيليكون، التغييرات العشرة البارزة الحالية: التحول من توظيف المتخصصين إلى المتعددي المهارات، حيث يمكن لقدرة استخدام أدوات الذكاء الاصطناعي تجاوز الفروق في الخبرة؛ اتجاه الهياكل التنظيمية نحو التسطيح، حيث يجب على المديرين أن يكونوا ملمين تقنيًا، بينما يختفي دور "مدير الأشخاص"؛ التحول في استخدام الرموز من التركيز على الكمية إلى التركيز على الكفاءة، حيث بدأت الشركات الكبرى إعادة حساب تكاليفها؛ سقوط عبادة النماذج، حيث ينتشر في وادي السيليكون دمج وتنسيق عدة نماذج رخيصة ومتقدمة؛ ظهور بنية تحتية جديدة للذكاء الاصطناعي، حيث لا تزال الوكلاء الرأسية للذكاء الاصطناعي ذات قيمة استثمارية لأنها تحل مشكلات حقيقية "غير قابلة للتدريب". ويؤكد مابي يوان أن سنة واحدة في مجال الذكاء الاصطناعي تمثل فترة طويلة جدًا، ويمكن أن يتم دحض معظم التقييمات خلال شهر واحد.

كاتب المقال، المصدر: 36kr

جميع الإجماعات تنتهي بسرعة

يحاول الجميع بناء أحكام حول الذكاء الاصطناعي، لكن جميع الإجماعات تصبح قديمة بسرعة.

مقابلة | باري هيفين

المقال | هاي فنغ، ليو سيجيه

تحرير | ليو سيجييه

مصدر الصورة الغلاف | التقطها المُستَجوب

لقد انتهى مرحلة النمو العشوائي.

هذا هو أعمق إحساس عاشته ما بي يوان مؤخرًا، وهو يقع في قلب ريادة الأعمال في الذكاء الاصطناعي في سيليكون فالي.

في ديسمبر 2021، بعد تخرجه من الجامعة، انضم إلى Quora، المعروفة بـ"نسخة أمريكا من Zhihu"، ثم انتقل لاحقًا إلى منصة Poe لدمج روبوتات المحادثة بالذكاء الاصطناعي، حيث شغل منصب مهندس ذكاء اصطناعي متقدم. قبل شهرين، انضم إلى Cognition، أحدث شركة ناشئة في مجال عوامل الذكاء الاصطناعي في وادي السيليكون.

في مايو 2026، أعلنت الشركة التي لم يمر عليها أكثر من ثلاث سنوات على تأسيسها إتمام تمويل يتجاوز 10 مليارات دولار، لترتفع قيمتها إلى 26 مليار دولار. قبل ثمانية أشهر، كانت قيمتها 10.2 مليار دولار.

بالإضافة إلى كونه مهندسًا، فإن ما بيه يوان لديه هوية أخرى — مُستكشف استثماري (Venture Scout). وهو يبحث عن مشاريع ريادية في مجال الذكاء الاصطناعي تستحق الاستثمار، وله ميزانية سنوية قدرها 500 ألف دولار أمريكي.

على مدار أكثر من أربع سنوات بعد التخرج، بدا أنه كان دائمًا يتقدم على إجماع صناعة الذكاء الاصطناعي؛ فقبل أن يُعرف أحد ما معنى مصطلح "agent"، كانت فرقته قد بدأت مشروعًا سريًا. وفي وقت كانت فيه Anthropic لا تزال غير معروفة، أصبحوا من أوائل المستخدمين المخلصين لـ Claude. وكان أول مهندس معتمد في الذكاء الاصطناعي في الفريق، وأول مهندس لـ AI agent، ثم حوّل لاحقًا فريق الهندسة بأكمله إلى فريق "AI Native" يستخدم الذكاء الاصطناعي في البرمجة.

أبرز دليل على هذا التقدم في الإدراك والعمل حدث قبل أسبوعين، عندما أشار أثناء حواره مع "مختبر الإنسان المستقبلي" بشكل عفوي إلى أن "مديري الناس يختفون"، وسرعان ما تأكدت هذه المعلومة بأخبار من تينسنت وبيت دانس حول إلغاء المناصب المتوسطة.

التغييرات تحدث بسرعة كبيرة، وفي وادي السيليكون، يجب التكيف باستمرار مع التغيير.

خلال الأسبوعين الفاصلين بين المقابلتين في هذه المقالة، أدرك ما بيوان أن المنطق الذي طرحه سابقًا حول "السعي وراء النماذج الأكثر تكلفة وتطورًا" في سيليكون فالي بدأ يفقد صحته. فالنهج السائد حاليًا في سيليكون فالي هو دمج وتنسيق استخدام عدة نماذج رخيصة مع نماذج رائدة.

تحدثت مع ما بيه يوان لمدة خمس ساعات تقريبًا، ووجدنا أنه كان ينقض باستمرار ما قاله بالأمس، تمامًا مثل سيليكون فالي. "لا يمكنني القول بكل شيء، لكن ربما تقول أكثر من 60٪، وبعد شهر قد يصبح العكس تمامًا."

على مدار السنوات القليلة الماضية، أعاد الذكاء الاصطناعي كتابة جميع القواعد الافتراضية في سيليكون فالي: من الأشخاص الذين يسهل عليهم التميز، والمؤسسات الأكثر تنافسية، وأي الأموال تستحق الإنفاق.

بالطبع، فإن معايير التقييم لهذه "الإجابات الصحيحة" تفقد فعاليتها بسرعة. في مجال الذكاء الاصطناعي، السنة الواحدة تمثل فترة طويلة جدًا، ويمكن أن يتم دحض العديد من هذه التقييمات خلال شهر واحد.

فيما يلي، 10 ملاحظات حول الذكاء الاصطناعي في سيليكون فالي كما يراها ما بي يوان:

ما بيه يوان

صورة مهنية ما باي يوان تتماشى تمامًا مع الصورة المثالية للمرشحين الذين تفضلهم شركات الذكاء الاصطناعي في سيليكون فالي. فهو ليس من خلفية حاسوبية تقليدية، ولم يفز بميداليات ذهبية في المسابقات، ولا يمتلك هالة من جامعات مرموقة، بل وحتى كان غير مهتم بالحاسوب في وقتٍ ما. لكن خلال السنوات الأربع الماضية، تدرج من فريق الإعلانات في Quora ليصبح مهندس ذكاء اصطناعي في Cognition، حيث يتوافق سيرته الذاتية مع كل كلمة مفتاحية تبحث عنها شركات الذكاء الاصطناعي في سيليكون فالي حاليًا. إن تجربته ليست فقط قصة نمو شخصي، بل أيضًا نموذج لتغير معايير التوظيف في الصناعة.

الملاحظة 1: العامّون يتفوقون على المتخصصين

صورة المواهب الأكثر طلبًا في وادي السيليكون الآن ليست خبيرًا متخصصًا في مجال معين، بل شخصًا "يُجيد كل شيء ولا يملك نقاط ضعف واضحة" — يُطلق عليه في الصناعة مصطلح polyglot talent، أو بعبارة أكثر شيوعًا "محارب السداسي الأضلاع".

في عام 2024، أُطلق داخل Poe مشروع "agent" لم يكن أحد قادرًا على تعريفه بوضوح آنذاك، وتم اختياري كمُبتدئ للانضمام إلى الفريق لسبب مباشر: "لقد عملت سابقًا في الذكاء الاصطناعي، وكذلك في التطوير الكامل والتطبيقات الخاصة بـ iOS". كان معظم أعضاء الفريق في ذلك الوقت من خلفيات تقليدية في التعلم الآلي، والبحث والإعلان والتوصية، ولم يكن لديهم معرفة برمجة الواجهات الأمامية، بينما كان مشروع agent يتطلب القدرة على كتابة واجهات أمامية. بعد مغادرة الشخص المسؤول سابقًا عن هندسة أوامر الذكاء الاصطناعي، لم يعد هناك أحد في الفريق قادرًا على ملء هذه الفجوة، فكان من المناسب أن أتولى هذا الدور — فبما أنني أتعلم بسرعة، فقد توليت هندسة أوامر agent وكذلك كتابة كود واجهته الأمامية.

مجموعة المهارات هذه التي "أعرف قليلاً من كل شيء" أصبحت لاحقًا أكثر رأسمالي قيمة عند البحث عن وظيفة. إذا أعطيتني مجالًا جديدًا، يمكنني تعلمه إلى حد كبير خلال أسبوعين. وهذا بالضبط ما تبحث عنه الشركات الناشئة في مراحلها الأولى.

الملاحظة 2: المهارات الأصلية للذكاء الاصطناعي يمكنها تجاوز سنوات الخبرة في وقت قصير جدًا

قدرة استخدام أدوات الذكاء الاصطناعي يمكنها أن تُهزم مباشرةً المؤهلات التي تُبنى على السنوات.

عندما انتقلت من مجموعة إعلانات Quora إلى مجموعة iOS، كان سببي "أريد أن أخرج من منطقة راحتي"، لكن في ذلك الوقت كنت أجهل تمامًا iOS، وكان لديّ "صفر سنوات من الخبرة". لم أختر أن أتعلم تدريجيًا، بل جعلت GPT-4 شريكًا لي. كان الأشخاص من حولي مهندسين iOS متمرسين جدًا، وقد لا يصدقون الذكاء الاصطناعي. لم أكن أعرف كيفية كتابة كود iOS أو Swift، لذا كنت أستخدم الذكاء الاصطناعي بكثافة لمساعدتي في كتابة الكود.

نتيجة لذلك، تمكنّي، كمُبتدئ جديد في المجال منذ ثلاثة أو أربعة أشهر فقط، من مجاراة وتخطي سرعة إنتاج المهندسين المخضرمين المحيطين بي، ووصلت إلى منصب متقدم خلال سنتين فقط. هذا معدل ترقية شبه مستحيل في الأنظمة التقليدية للترقية. سابقًا، في فيسبوك، كان يتطلب على الأقل أربع إلى ست سنوات لتصل إلى منصب مهندس متقدم. وفي جوجل، قد لا يُرَقّى بعض الأشخاص أبدًا إلى منصب مهندس متقدم.

لقد تقابلت مع مُحاور يبلغ من العمر 19 عامًا في Cognition. في البداية، شعرت بالإحباط لأن شخصًا بعمر 26 عامًا يُستجوب من قبل شخص بعمر 19 عامًا، ولم أستطع الإجابة على العديد من الأسئلة. لكنني لاحقًا أدركت أن هذا كان دليلاً واضحًا على أن الشركة فعلاً تُوظف المواهب دون التقيد بالمعايير التقليدية، وأن العمر لم يعد معيارًا في سيليكون فالي لتقييم المواهب.

الملاحظة 3: تم إعادة كتابة معايير التوظيف بالكامل، وشركات الذكاء الاصطناعي لا تستخدم نفس القالب لإجراء المقابلات

قبل مغادرتي كويرا، أجريت مقابلات جادة مع ما يقارب 20 شركة، وعندما أضفت الشركات التي تواصلت معها عبر الهاتف، بلغ العدد بين 30 و40 شركة. وفي أوج ذلك، تلقيت اتصالات من أكثر من 30 مُوظف توظيف في أسبوع واحد.

بعد مقابلة العديد من الشركات، لاحظت أن شركات الذكاء الاصطناعي الحالية لا تمتلك نموذجًا موحدًا للمقابلات.

لكن هناك عدة تغييرات واضحة، حيث يتناقص أهمية أسئلة الخوارزميات على نمط LeetCode، وتتغير الإجابات المثلى حول تصميم أنظمة الذكاء الاصطناعي كل شهر.

تتغير أيضًا هيكلية المقابلات. أصبحت الاختبارات الكتابية عبر الإنترنت + تجربة عمل组合ًا جديدًا. تجربة العمل هي فترة تجريبية قصيرة جدًا للمقابلة. بعضها يستمر 3 ساعات، وبعضها 5 ساعات، وأقصى مدة لا تتجاوز يومين. واجهت مقابلة واحدة حيث قدموا لي مباشرة مستودع كود، وطلبوا مني استخدام أي أدوات، بما في ذلك الذكاء الاصطناعي، لحل مشكلة عملية. بعد الانتهاء، كان عليّ عرض أفكارني ونتائجي. كان整个 العملية قريبة جدًا من العمل الحقيقي.

الأمر الأكثر إثارة هو أن تقييم استخدام الذكاء الاصطناعي نفسه تم تقسيمه إلى نمطين. بعض الجولات تتطلب استخدام الذكاء الاصطناعي بالضرورة، لترى كيف تفعل ذلك "by code"؛ لكن هناك جولات أخرى تحظر صراحة استخدام الذكاء الاصطناعي، مثل تصحيح الأخطاء، حيث يتم اختبار قدرتك على اكتشاف الأخطاء دون مساعدة الذكاء الاصطناعي، وهو في جوهره اختبار للمستوى الفعلي والذوق الخاص بك في هندسة البرمجيات.

المقابلة نفسها متنوعة أيضًا. على سبيل المثال، تطلب مني بعض الشركات إجراء تحليل تجاري لتحديد أي صناعة يجب عليها الاستحواذ عليها.

لقد تغيرت جولة المقابلة السلوكية أيضًا. لم تعد تشمل أسئلة تقليدية مثل "أكبر عيوبك ونقاط قوتك" أو "كيف تحل خلافاتك مع الزملاء"، بل تأخذ منظورًا زمنيًا أوسع، وتتتبع مسار نمو الفرد من المدرسة الثانوية إلى الجامعة، ومن التدريب إلى العمل، وتتابع ذلك خطوة بخطوة لتحليل "منحنى حياتك" وتحديد ما إذا كنت شخصًا قادرًا على النمو بشكل أسّي.

إحدى المزايا غير المتوقعة لعدم وجود إجابة معيارية هي أن لا أحد يمكنه الحصول على عرض عمل من خلال حفظ الأسئلة. حتى مُقدّمي التوصيات لدي في Cognition أخبروني مباشرة: "لا تستعد، فأنا أعتقد أنه لا يوجد شيء تستعد له."

في سيلكون فالي، لا ينتمي أفضل الأشخاص أبدًا إلى شركة واحدة، بل ينتمون فقط إلى "أفضل شركة في ذلك العصر". قبل عقدين، كانت جوجل، قبل عشر سنوات، كانت أوبر وروبينهود، قبل خمس سنوات، كانت كوينبيس، والآن هي شركات الذكاء الاصطناعي. سيلكون فالي هي "صينية متدفقة، جنود ثابتون". هؤلاء الموهوبون الذين تم فلترتهم حسب المعايير الجديدة، سيظلون بسبب الشعور بالرسالة، وليس بسبب "التعويضات". هذه المنظمات التي تجمع أفضل الأشخاص، تخضع أيضًا لتغييرات هائلة نتيجة إعادة تشكيل الذكاء الاصطناعي.

الملاحظة 4: الإفراط في التطلع نحو "الذكاء الاصطناعي الأصيل"

إن طلب شركات وادي السيليكون على الحلول الأصلية للذكاء الاصطناعي (AI native) يفوق بكثير ما تصورته. كانت الشركات التي تمت مقابلتها في الغالب جولات A وB، مع بعض جولات البذور. كان أحد الأسئلة المتكررة كثيرًا: ما الأدوات التي تستخدمها للذكاء الاصطناعي؟ عادةً ما أقوم مباشرةً بإرسال مدونتي التي كتبتها، فيبقى الطرف الآخر مذهولًا.

سيقولون إنهم لا يريدون مني فقط تطوير تطبيقات الذكاء الاصطناعي، بل يأملون أيضًا أن أقود تحول الشركة الداخلي نحو الذكاء الاصطناعي، لجعل الفريق أكثر أصالة في استخدام الذكاء الاصطناعي. في الواقع، العديد من الشركات تقوم بالفعل بتطوير منتجات ذكاء اصطناعي، لكن موظفيها لم يبنوا بعد سير عمل خاصة بهم قائمة على الذكاء الاصطناعي. كما أنهم بحاجة ماسة إلى شخص يقضي وقتًا طويلاً كل يوم في تصفح تويتر، ويشترك فورًا في اكتشافات ذكاء اصطناعي جديدة أو حيل لزيادة الكفاءة.

هذا الأمر يبدو معاكسًا للحدس بالنسبة لي. بعض "هواياتي" السابقة، مثل تجربة أدوات جديدة يوميًا مثل Claude Code ومشاركة طرق استخدام الذكاء الاصطناعي في Slack، تحولت إلى أدوار تنظيمية جديدة.

في وقت سابق عندما كنت أعمل في Quora، نجحت في جعل فريق الهندسة بأكمله يستخدم Claude Code. كنت أسأل كل مهندس ألتقي به في المكتب: "هل تستخدم الذكاء الاصطناعي في البرمجة؟" أتذكر أن هناك مهندسًا متخصصًا في الأمن السيبراني كان متحفظًا في البداية، واعتبر استخدام الذكاء الاصطناعي لكتابة الكود محفوفًا بالمخاطر جدًا. لاحقًا، طلبت منه أن يغيّر نظرته، فلا يكتب الكود، بل يستخدم الذكاء الاصطناعي فقط لقراءة الكود وفهم قاعدة الكود وتحليل البيانات. وفي النهاية، بدأ فعليًا في استخدامه.

الملاحظة 5: "الاستخدام الأفضل للذكاء الاصطناعي" هي في جوهرها مشكلة تحول تنظيمي

عند العمل على مشاريع تتعلق بالذكاء الاصطناعي في Cognition، أصبحت ألاحظ بشكل متزايد حقيقة واحدة: أن استخدام الذكاء الاصطناعي بشكل أفضل لم يعد مشكلة هندسية بحتة، بل هو مشكلة تحول تنظيمي.

على سبيل المثال، في شركة إنترنت ذات هيكل تنظيمي تقليدي، قد يستغرق إصلاح خطأ من لحظة اكتشافه حتى تطبيقه عدة مراحل، مثل تقييم المتطلبات، جدولة الهندسة، التطوير، الاختبار، والنشر. بينما قد يستغرق كتابة الكود باستخدام الذكاء الاصطناعي فعليًا فقط ساعتين أو ثلاث ساعات، إلا أن اجتياز العملية بأكملها غالبًا ما يستغرق شهرًا كاملًا.

في الماضي، كان هذا الإجراء منطقيًا. فلإصلاح خطأ، قد يحتاج مهندس إلى ثلاثة أو خمسة أيام، وكانت قيمة الإجراء تكمن في تنسيق الفرق المختلفة وتوزيع الموارد. لكن الذكاء الاصطناعي قلل هذا الوقت.

الآن، باستخدام منتجات مهندسي برمجيات ذكاء اصطناعي مثل Devin الذي أطلقته Cognition، يمكننا إنجاز ما كان يُستغرق أيامًا في غضون ساعتين أو ثلاث. في Cognition، نستطيع حتى استخدام Devin لتحديد الشخص المسؤول عن هذا العطل، ثم نطلب من Devin مساعدته في إصلاحه، حيث يمكن تخطي العديد من خطوات التنسيق والتحويل، دون أي تكرار. في الواقع، فإن الذكاء الاصطناعي يدفع التحول الكامل لهيكل المنظمة.

الملاحظة 6: مدير الأشخاص يختفي، ويجب على المديرين أن يتقنوا كتابة الكود بأنفسهم

ما يُسمى بـ "people manager" هو مدير الهندسة (engineering manager). في الولايات المتحدة، انتشرت خلال السنوات الأخيرة فكرة مفادها أنه كمدير، يجب عليك التركيز على الإدارة، أي تولي مسؤولية تنسيق الفريق، وتعزيز التواصل التنظيمي، ورعاية مشاعر الموظفين، وتقديم الدعم للنمو، دون الحاجة إلى أن تكون مهاراتك الهندسية قوية بشكل خاص.

لكن عند دخولي إلى Cognition، وجدت أن هيكل المنظمة مسطح للغاية. على سبيل المثال، كان مديري المباشر هو حتى CPO، أحد المؤسسين المشتركين. وهو لا يهتم تفصيليًا بنموك الشخصي، بل يشبه دوره تحديد الاتجاه العام. يمكن حتى القول إنه في فريق الهندسة المكون من أكثر من 60 شخصًا في Cognition حاليًا، هناك مدير فريق واحد فقط، بينما الآخرون، بما في ذلك CPO، جميعهم "يُديرون الأشخاص ويكتبون الكود في آنٍ واحد". هذا يختلف تمامًا عن تجربتي السابقة في Quora، حيث كان مدير واحد قد يُدير خمسة أو ستة مهندسين.

فريق Cognition ارتدى جميعًا ملابس حمراء للاحتفال بعيد ميلاد زميل يحب ارتداء الملابس الحمراء يوميًا

أعتقد أن هذا قد يكون تغييرًا تنظيميًا ناتجًا عن الذكاء الاصطناعي. لاحظت أن أي شركة ناشئة في مجال الذكاء الاصطناعي مزدهرة تكون بهذه الطريقة تقريبًا — لا يوجد مديرون مخصصون لإدارة الأشخاص فقط — فإذا كان يدير الأشخاص، فهو بالتأكيد أيضًا ذو كفاءة تقنية عالية.

هذا القرار لم يحدث فقط في وادي السيليكون، بل أعلنت الشركات الكبرى المحلية مثل تينسنت وبيت ديت على التوالي إلغاء المناصب المتوسطة بين مقابلتين على بعد أسبوعين.

التحولات التي لاحظها ما بي يوان لا تقتصر على المستوى التنظيمي. بل تشمل أيضًا تقييمًا صناعيًا أوسع: "في شركات الذكاء الاصطناعي في سيليكون فالي، ما الذي يُعد إنفاقًا معقولًا على الرموز، وما الذي يجعل النموذج نموذجًا جيدًا؟" — يتم دحضه بنفس السرعة المرئية. هذه المرة، حتى التقييمات التي ذكرها أثناء مقابلته الأولى لم تتحمل أسبوعين.

صناعة الذكاء الاصطناعي في وادي السيليكون نفسها تُعيد اختراع نفسها كل شهر أو حتى كل يوم، ولا يوجد حكم يمكن أن يظل ساريًا لفترة طويلة.

الملاحظة 7: حدث تباين في Token Maxxing، وبدأت الشركات الكبرى تعيد الاهتمام بالكفاءة

في بداية هذا العام، كان مفهوم "Token-Maxxing" شائعًا في سيليكون فالي. حتى أن شركات مثل ميتا أصدرت قائمة بترتيب استخدام التوكنات. من يستخدمها أكثر كان يُعتبر ممثلًا للجيل الأصيل للذكاء الاصطناعي. أعتقد أن هذا أمر سخيف في المقام الأول — فاستخدام توكنات الذكاء الاصطناعي لا يمكن مقارنته بكفاءة المهندسين.

كما أخبرني أصدقاء من جوجل وميتا أنهم كانوا جميعًا يشاركون في "القفزة الكبرى للذكاء الاصطناعي". كانت الشركات تنظم "أسبوع الذكاء الاصطناعي" بشكل خاص، حيث كان على الجميع وقف أعمالهم والانخراط في كتابة مهارات الذكاء الاصطناعي، وتقديم مهاراتهم بشكل مبالغ فيه.

في البداية، كانت جميع الشركات تقريبًا تتبع هذا النهج: جعل الناس يستخدمون الذكاء الاصطناعي قدر الإمكان، لمعرفة مدى إمكانية استخدامه.

لكن بمجرد تحويله إلى تصنيف عام، يصبح سلوك الإنسان مشوّهًا. سيستخدم المهندسون النظام "بشكل متكرر" حتى لو ظهرت حالات سخيفة، مثل جعل الذكاء الاصطناعي يتجول عشوائيًا كل ليلة أو يُنفّذ مهامًا فارغة بلا معنى فقط لزيادة كمية الاستخدام. هذا في الواقع يشبه استخدام المعدل التراكمي (GPA) لقياس قدرة الطلاب، حيث يسهل أن تشوه المؤشرات الفردية الصورة الحقيقية.

لاحقًا، بدأ العديد من كبار المسؤولين يدركون هذه المشكلة. بشكل أكثر تحديدًا، صُدموا من الفواتير. على سبيل المثال، استهلكت أوبر ما يقرب من ميزانيتها السنوية الكاملة للذكاء الاصطناعي لعام 2026 خلال الأشهر الأربعة الأولى. بدأت العديد من الشركات الكبرى في إعادة تقييد استخدام الرموز. وسيبدأ أعضاء مجلس الإدارة ورؤساء التنفيذيين في السؤال: هل استخدام هذا الرمز يستحق حقًا؟ هل يُحسّن فعليًا كفاءتنا بهذه الدرجة؟ هل إنفاق مليار دولار حقق إنتاجًا بقيمة مليار دولار؟

تم تحويل هذا القلق بسرعة إلى ورقة عمل تجارية ذات أسعار واضحة من قبل Cognition. في 4 يونيو، أطلقت Cognition "ضمان إنتاجية الذكاء الاصطناعي" — حيث إذا لم تحقق الشركات العملاء تحسينًا في الكفاءة ي達到 المستوى الموعود بعد استخدام Devin (منتج مهندس برمجيات ذكي من Cognition)، فسيتم تعويضها حتى 10 ملايين دولار أمريكي. قام بإجراء هذا البحث زميل لي فاز بثلاث ميداليات ذهبية في المسابقات الدولية لعلوم الحاسوب، حيث درس 233 حالة عميل حقيقية، وعَمِلَ عشوائيًا على محادثات بين العملاء وDevin، وسأل العملاء: "كم من الوقت سيستغرق إنجاز هذا العمل يدويًا دون استخدام Devin؟"، ثم استخدم هذه البيانات لتدريب نظام تنبؤي يحول كل محادثة مع Devin مباشرة إلى "ساعات مهندس معادلة"، ويُعيد حساب التوفير الفعلي للمنتج باستخدام أجر الساعة للمهندسين.

لكن العديد من شركات YC قد تستمر في نموذج "token maxxing" لأن لديها كميات كبيرة من الرموز المجانية بموجب حوافز سياسية، بالإضافة إلى صغر حجمها، حيث قد لا يزيد عدد الموظفين عن ثلاثة أشخاص، ولا توجد مشكلات في الحوكمة بالذكاء الاصطناعي، حيث يمكن للمديرين رؤية مباشرة ما إذا كان كل فرد يستخدم الذكاء الاصطناعي للتهرب من العمل.

الملاحظة 8: عبادة النموذج نفسها也在被推翻

خلال الأسبوعين الفاصلين بين المقابلتين في هذا التقرير، أدركت أن الحجج التي طرحتها في المرة السابقة بدأت تصبح غير صحيحة.

قبل أسبوعين، كنت أتحدث عن أي نموذج هو الأكثر تقدمًا حاليًا. الآن، أصدرت Cognition داخليًا ميزة جديدة لم تحصل بعد على ترجمة صينية، وتُعرف باسم "fusion mode" — وهي دمج وتوزيع استخدام عدة نماذج رخيصة مع نماذج رائدة، بدلاً من الاستدعاء الأعمى لأغلى نموذج واحد. ألا تستخدم سيارتك بورشيه يوميًا لشراء البقالة؟ يجب عليك استخدام سيارتك هوندا أو سيارة أرخص لشراء البقالة. كما تجاوزت سرعة تطور النماذج خلال هذين الأسبوعين توقعاتي، لدرجة أنني لا أجرؤ على القول بثقة من هو "الرقم واحد".

لا أستطيع القول بكل شيء، لكن ربما تقول أكثر من 60٪، وكثير منها قد يعود إلى العكس بعد شهر.

هكذا هي قاعدة تطور أي موجة تقنية: فساد الإجماع القديم غالبًا ما يكون بداية بناء نموذج جديد.

عندما تخلّى السوق عن العبادة العمياء للنماذج الفردية وتكاليف الطاقة الحاسوبية، اندلعت الحاجة إلى "كيفية تحقيق تطبيق مستقر وقابل للتحكم للذكاء الاصطناعي" و"كيفية التغلب على العقبات الصعبة التي لا تستطيع النماذج الكبيرة حلها". لاحظ ما بيوان، الذي يمتلك منظورًا مزدوجًا كمهندس ومتخصص في توظيف الاستثمارات، أن مجموعة من الأعمال الجديدة، التي لا تعتمد على "أسطورة النماذج الكبيرة" وتتّجه نحو حل مشكلات معقدة في العالم الحقيقي، تنبت بصمت في سيليكون فالي خارج التوافق السائد.

الملاحظة 9: بنية تحتية للذكاء الاصطناعي جديدة تظهر

حول "Token-Maxxing"، ظهرت بالفعل مجموعة من الشركات الناشئة الجديدة. فهي تراقب وتتابع استخدام الذكاء الاصطناعي من قبل الفرق، وتحلل أين يتم إهدار الرموز.

المشكلة الأعمق خلف هذا هي أن وكلاء الذكاء الاصطناعي أنفسهم هشون؛ فتغيير طفيف في المُحفز يمكن أن يؤدي إلى تدهور أداء الوكيل. ومن هنا ظهرت بنية تحتية جديدة للذكاء الاصطناعي، مثل البيئة المعزولة (sandbox)، لعزل تشغيل الوكيل ومنعه من الوصول المباشر إلى الأنظمة الحساسة، مثل حسابات البنوك أو بيانات بيئة الإنتاج.

في الوقت نفسه، أصبح "المراقبة" نفسها أكثر تعقيدًا. ففي الأنظمة التقليدية، يمكن مراقبة النظام بمجرد ظهور خطأ، لكن الوكلاء لا يُبلغون عن "أخطاء". فقد يعملون بشكل طبيعي، لكنهم قد يعانون من مشاكل خطيرة على مستوى الإخراج، مثل التحيز أو التمييز، أو خلق تجربة سلبية واضحة للمستخدم. وهذا يتطلب نظامًا جديدًا من البرمجيات لمراقبة متى "يتعطل عقل" الوكيل.

الملاحظة 10: "الأشياء غير القابلة للتدريب" تصبح عملًا جديدًا

هناك تقييم يزداد شيوعًا في عالم الاستثمار: أن الوكلاء العموديين (vertical agents) فقدوا قيمتهم الاستثمارية. لكنني لا أتفق تمامًا.

اقترح مستثمر وادي السيليكون سارة غو مفهومًا يُسمى "الغير قابل للتدريب"، أي الأشياء التي لا يمكن تدريبها. الفكرة الأساسية هي أنه في العديد من الصناعات المتخصصة، لن تستطيع نماذج اللغة أبدًا أتمتة العمليات بالكامل، لأن هذه الصناعات تمتلئ بعمليات معقدة لا يمكن تجريدتها، وغالبًا ما تتطلب تدخلًا بشريًا لحل كل عملية على حدة.

على سبيل المثال، في الإبلاغ الضريبي الأمريكي، هناك 50 ضريبة مختلفة لـ50 ولاية، ويجب التوافق مع كل منها تدريجيًا؛ وكذلك في المجال القانوني، قوانين الهجرة والقانون المدني والقانون التجاري، كل منها يمتلك نظامًا معقدًا بذاته، ولا يمكن لوكيل الذكاء الاصطناعي تحقيق ذلك دفعة واحدة.

قيمة شركات وكلاء الذكاء الاصطناعي العمودي تكمن في اكتشاف المزيد من نقاط الألم الحقيقية من خلال التفاعل المستمر مع العملاء ومهندسي النشر المتقدمين (FDE). ستُطبع هذه الأمور في منتجات الشركة، وهي ما لا تستطيع الشركات الكبرى الأخرى تدريبه أو تناوله بواسطة النماذج العامة.

لذلك، أميل إلى الاعتقاد أن الوكلاء العموديين لا يزالون يمتلكون قيمة استثمارية. لكن العائدات التي تجلبها قد لا تكون 1000 ضعف، بل أكثر احتمالاً أن تكون عوائد أكثر استقراراً وأقل حجماً، مثل 20 ضعفًا أو 50 ضعفًا أو حتى 100 ضعف.