كبار شركات التكنولوجيا في وادي السيليكون يقيّدون استخدام موظفيهم لرموز الذكاء الاصطناعي وسط ارتفاع التكاليف

تقوم الذكاء الاصطناعي بأتمتة المهام التي يكرهها الموظفون، وليس المهام التي تدر الأرباح.

قبل بضعة أيام، أفادت جي كونغ بارك أن مايكروسوفت، التي استثمرت بشدة في الذكاء الاصطناعي، أوقفت سرًا تراخيص Claude Code لمعظم موظفيها داخليًا.

هذا أمر غريب جدًا، لأن أكبر نقطة تسويقية في موجة تطبيق الذكاء الاصطناعي الحالية للمستخدمين المؤسسيين هي "تحسين الكفاءة". إذا كان يمكن تحسين الكفاءة، فلماذا أوقف مايكروسوفت استخدام Claude Code من قبل موظفيها؟

مايكروسوفت ليست الشركة الوحيدة التي تفعل ذلك، حيث أصبح تقليل استخدام الرموز المميزة وعدم تشجيع الموظفين على البرمجة العشوائية موضة جديدة في شركات سيليكون فالي.

أنفقت Uber جميع ميزانية رموز الذكاء الاصطناعي السنوية خلال أربعة أشهر. يُقدّم Salesforce شيكًا سنويًا بقيمة حوالي 300 مليون دولار لشركة Anthropic. كشف مستشار ذكاء اصطناعي أن أحد عملائه أنفق ما يصل إلى 500 مليون دولار على الذكاء الاصطناعي في شهر واحد. حتى أن Meta أوقفت سرًا "قائمة التصنيف الداخلية لـ tokenmaxxing" — التي كانت تهدف في الأصل إلى تشجيع الموظفين على استخدام الذكاء الاصطناعي بشكل أكبر.

الآن، تفعل الشركات شيئًا لم تجرؤ على التفكير فيه قبل بضع سنوات:

تقييد ومراقبة استخدام الموظفين للذكاء الاصطناعي.

لماذا تحوّلت الشركات الكبرى جميعها؟

لفهم أزمة التكلفة اليوم، يجب أولاً فهم ما هو "tokenmaxxing".

بدأ هذا المصطلح في الانتشار تقريبًا في عام 2025، ويعني حرفيًا "تحقيق أقصى استفادة من الرموز المميزة". وراءه منطق إداري — بما أن الشركة أنفقت مبالغ كبيرة على أدوات الذكاء الاصطناعي، فيجب على الموظفين استخدامها بأقصى قدر ممكن، فكلما زاد الاستخدام، دلّ ذلك على أنهم أكثر "تحولًا رقميًا"، وكلما قل الاستخدام، كان ذلك هدرًا للموارد. لذلك، فرضت العديد من الشركات حصص استخدام، وتصنيفات، وحتى تقييمات أداء، لتحفيز الموظفين على استخدام الذكاء الاصطناعي.

What's the result?

بدأ الموظفون باستخدام نموذج الذكاء الاصطناعي المؤسسي الخاص بالشركة للتحقق من الطقس، وكتابة تهاني عيد الميلاد، وسؤال ماذا يجب تناوله اليوم.

وجدت دراسة أُجريت على 2444 شركة أن كل دولار تنفقه الشركات على رموز الذكاء الاصطناعي، يُنفق 0.44 دولار على إصلاح أخطاء الذكاء الاصطناعي، و0.27 دولار على إعادة كتابة الكود الذي أنشأه الذكاء الاصطناعي، و0.11 دولار على التأخيرات في المراجعة والدمج.

بمعنى آخر، وراء كل ريال من تكلفة شراء الذكاء الاصطناعي، هناك خسارة خفية تقارب 80%.

استخدم المستثمر شروتي غاندي تشبيهًا دقيقًا: "شركات tokenmaxxing تشبه الشركات التي تقاس إنتاجيتها بتشغيل جميع المصابيح — إن إنفاق المزيد من المال لا يعني إنتاجًا أكبر."

الأكثر سخرية أن معظم هذه الشركات لا تعرف على الإطلاق ما الذي يفعله الموظفون باستخدام الذكاء الاصطناعي، ولا تعرف ما إذا كان إنجاز تلك المهام قد أحدث أي تغيير بسبب الذكاء الاصطناعي.

استمرت "معركة إنفاق الأموال" هذه من عام 2024 إلى عام 2025، وانفجرت أخيرًا هذا العام بقوة. نشر جي بي مورغان تقريرًا صارمًا بعنوان مباشر يسبب عدم الراحة — "تكاليف رموز الذكاء الاصطناعي تبتلع أرباح الإنترنت".

ذكرت Shopify و Spotify و ServiceNow و Roku في مكالمات تقارير الأرباح أن الذكاء الاصطناعي أصبح المصدر الرئيسي للضغط على النفقات التشغيلية. بدأ الجو العام في الصناعة يتحول من "ما مدى روعة استخدام الذكاء الاصطناعي" إلى "هل هذه النفقات تستحق الفعلًا؟".

أفاد فقط 14% من المدراء الماليين بأنهم يرون عائدًا واضحًا وقابلًا للقياس من استثمارات الذكاء الاصطناعي.

قال أندرو ماكدونالد، الرئيس التنفيذي للعمليات في أوبر، في بودكاست: "لقد وجدنا صعوبة في ربط تحسين الإنتاجية الفردية للموظفين بتأثير الشركة العام على الأعمال. إذا لم تستطع رؤية كيف ساعدك الذكاء الاصطناعي في إطلاق ميزات ذات قيمة للمستخدمين، فسيكون من الصعب أكثر تبرير تكلفة الرموز."

هذه الجملة تسلط الضوء على جوهر مشكلة الذكاء الاصطناعي في الشركات: تحسين الكفاءة الفردية لا يعني بالضرورة زيادة أرباح الشركة.

استخدم الموظفون الذكاء الاصطناعي لكتابة التقارير الأسبوعية بسرعة ثلاث مرات، لكن إيرادات الشركة لم تتغير. استخدم المهندسون الذكاء الاصطناعي لتوليد الكود بسرعة مزدوجة، لكن "معدل تخلّي" الكود — أي النسبة المئوية التي يتم التخلي عنها أو إعادة كتابتها — ارتفع بنسبة 800%.

قالت صوفيا فيلاستيغوي، الرئيسة السابقة للذكاء الاصطناعي في مايكروسوفت، شيئًا أثار عدم الراحة لدى العديد من المديرين: "يُفترض معظم الناس أتمتة المهام التي لا يحبونها، وليس المهام الأكثر قيمة للشركة."

ببساطة، تُ.Automation الشركات الأعمال التي يكرهها الموظفون، وليس الأعمال التي تدر الأرباح.

هذه ليست مشكلة تقنية، بل مشكلة أولويات. وهذا أيضًا السبب في أن حوالي 30٪ من مشاريع الذكاء الاصطناعي التوليدي تُترك في مرحلة إثبات المفهوم بسبب عدم وضوح التكلفة والقيمة، وبالتالي لا يُجدد المدير التمويل.

أسلوب معالجة مارك بينيوف، الرئيس التنفيذي لشركة Salesforce، يُعد نموذجيًا.面對每年 3 亿美元的 Anthropic 账单，他的期待是一个「智能路由器」：能判断哪些查询值得用顶级模型，哪些用便宜的小模型就够了。

الفكرة بحد ذاتها ليست جديدة — فقد كانت "الدفع حسب الاستخدام" و"تحسين الموارد" ممارسات قياسية منذ عصر الحوسبة السحابية. لكن موجة الذكاء الاصطناعي جاءت بسرعة كبيرة، فجميع الناس اشتروا أولاً ثم فكروا لاحقاً، والآن يبدأون في التعويض.

أوقفت مايكروسوفت مؤخرًا معظم تراخيص Claude Code للشركات، مع ذكر السبب الرسمي على أنه عامل تكلفة. أثار هذا الأمر نقاشًا واسعًا في الصناعة — فمايكروسوفت هي أكبر مستثمر في OpenAI، وفي نفس الوقت تقوم بقطع اشتراكات منتج منافس، ومن الصعب تحديد ما إذا كان هذا يعود إلى اعتبارات تكلفة أم إلى استراتيجية استراتيجية.

لكن بأي حال، فهو يمثل إشارة: بدأت الشركات تُصوت بأقدامها.

أطلقت Harness وCloudZero تقريبًا في نفس اليوم — 28 مايو — أداتين لإدارة تكاليف الذكاء الاصطناعي، حيث تركز الأولى على المراقبة الفورية لنفقات الذكاء الاصطناعي والعائد على الاستثمار، بينما أطلقت الثانية "لوحة التحكم المالية للذكاء الاصطناعي" لربط كل دولار من نفقات الذكاء الاصطناعي بنتائج أعمال محددة.

ظهور هذين المنتجين يُظهر المشكلة بنفسه: هناك طلب في السوق، والطلب عاجل.

بدأت HubSpot في أبريل من هذا العام تعديل نموذج التسعير لوكالات الذكاء الاصطناعي، حيث توقفت عن فرض الرسوم بناءً على عدد الرموز (tokens) وانتقلت إلى التسعير بناءً على "عدد المحادثات التي تم حلها" أو "عدد الفرص التي تم توليدها" — وهو تحوّل استراتيجي يُحاذي مصالح البائع مع النتائج الفعلية للمشتري. كما تقوم ServiceNow بإجراء تعديلات مشابهة. ويفهم مقدمو خدمات الذكاء الاصطناعي الآن أنه إذا استمروا في بيع "الاستخدام" بدلاً من بيع "النتائج"، فستنتهي حتمًا باندفاع جماعي من العملاء المؤسسيين.

هل هذا التصحيح هو ألم لا مفر منه في عملية تجسيد الذكاء الاصطناعي، أم مقدمة لأزمة أكبر؟

أنا أميل إلى الاعتقاد بأنه الخيار الأول. لكن هناك تفصيل واحد يثير القلق قليلاً: من المتوقع أن يصل إنفاق العالم على برامج الذكاء الاصطناعي إلى 2.59 تريليون دولار بحلول عام 2026، بزيادة قدرها 47% مقارنة بالعام السابق، لكن في الوقت نفسه، أفاد 94% من مديري الهندسة أن مؤشرات العائد على الاستثمار الأساسية لا تزال مفقودة. فكلما زاد الإنفاق، زاد الغموض حول أين يتم إنفاق المال وما إذا كان يستحق ذلك—إذا لم يُحل هذا التناقض، فإن اللحظة التالية من "tokenmaxxing" ليست سوى مسألة وقت.

قال تحليل في مجلة فورتشن بوضوح: "إن tokenmaxxing سهل، لكن إعادة تصميم سير العمل صعب." معظم الشركات الحالية تركز على تحسين سير العمل القائم، وليس ابتكار نماذج أعمال جديدة. هذا هو المكان الذي تكمن فيه القيمة الحقيقية للذكاء الاصطناعي، والذي لم تصل إليه معظم الشركات بعد.

العودة إلى العقلانية أمر جيد. لكن بعد العودة إلى العقلانية، يجب على الشركات الإجابة عن سؤال أصعب: هل يجب أن يكون الذكاء الاصطناعي مطرقة بالنسبة لعملنا، أم إطارًا تفكيريًا جديدًا؟

إذا كنت تستخدم الذكاء الاصطناعي فقط لإنجاز المهام القديمة بشكل أسرع، فستواجهك الفواتير في يوم من الأيام وتدفعك للعودة إلى هذا السؤال.

هذا المقال من حساب ويشات الرسمي "جيك بارك" (ID: geekpark)، المؤلف: هوا لين وو وانغ، المحرر: جينغ يو