بعد استخدام الذكاء الاصطناعي، يبدو أن الشركة أصبحت أفقر. عندما ظهر الذكاء الاصطناعي لأول مرة، اعتقد المديرون أنهم وجدوا فرصة لخفض التكاليف عبر تسريح الموظفين. تخيلوا أن ذكاءً اصطناعيًا واحدًا يحل محل ثلاثة أشخاص، لا ينام ولا يرتاح، متاح في أي وقت، لا يحتاج إلى رفع رواتب أو تأمين اجتماعي، ويمكنه العمل على مدار الساعة. يبدو هذا مثاليًا، لكن الواقع هو أن الذكاء الاصطناعي لا يتسكع ولا يعمل إضافيًا، بل كلما أدى مهمة إضافية، زادت تكلفته. وهكذا، بدأت العديد من الشركات الآن تصرخ: "لا نستطيع تحمل تكلفة التوكنات." رد فعل كثيرين الأولي: "هل هذا ممكن؟ أليس الذكاء الاصطناعي يصبح أرخص؟" أليس الجميع يقولون إن تكلفة النماذج الكبيرة انخفضت بعد ظهور DeepSeek؟ لكن كثيرين يتجاهلون شيئًا واحدًا: النماذج انخفضت أسعارها، لكن الشركات تستخدمها بقوة أكبر بكثير. من استخدام فردي عرضي، إلى استخدام جماعي من جميع الموظفين، ثم إلى عشرات الوكلاء الذين يعملون في الخلفية على مدار 24 ساعة، النتيجة هي أن التكلفة لكل استدعاء منخفضة، لكن فاتورة نهاية الشهر تزداد باستمرار. على سبيل المثال، منح Uber 5000 مهندس إمكانية الوصول إلى Claude Code، وخلال أشهر قليلة تقريبًا نفدت ميزانية الذكاء الاصطناعي السنوية بأكملها. في هذه الفترة، بدأت Microsoft أيضًا في كبح جماح استخدام Claude Code الداخلي، وحدّت من صلاحيات المهندسين في استدعاء النموذج دون قيود. ببساطة، انتهى عصر "استخدمه كما تشاء". أما Amazon فكانت أكثر مباشرة: ألغت بالكامل قائمة التصنيف الداخلية لاستخدام الذكاء الاصطناعي. السبب بسيط: اكتشفوا أنه عندما يصبح "كمية استخدام الذكاء الاصطناعي" مؤشرًا للقياس، يبدأ الموظفون في سحب التوكنات بشكل مفرط فقط لتحسين مراكزهم في التصنيف. يبدو أن الجميع يتبنون الذكاء الاصطناعي بحماس، لكن في الواقع، العديد من الاستدعاءات لا تنتج أي قيمة، بل تُستخدم فقط "لأجل الاستخدام". في تجربة متعددة الوكلاء لشركة miHoYo، كان عشرات الوكلاء في الخلفية يدعون بعضهم البعض وينتظرون بعضهم البعض ويؤكدون بعضهم البعض: تسألني سؤالًا، فأرد عليك، ثم تؤكد مجددًا. لم ينهِ أحد المهمة أبدًا، وازداد طول سلسلة الاستدعاءات بشكل متزايد. في النهاية، استهلكت هذه العملية حوالي 2 مليون يوان من التوكنات في ليلة واحدة، بينما كانت القيمة المُنتجة ضئيلة جدًا. عند هذه النقطة، قد يطرح البعض سؤالاً: ما هي التوكنات؟ ولماذا يمكنها أن تُفلس شركة؟ في الواقع، يمكن اعتبار التوكنات بمثابة "فاتورة الكهرباء" في عالم الذكاء الاصطناعي. عندما تسأل سؤالاً في مربع الدردشة ويرد الذكاء الاصطناعي خلال ثوانٍ، يبدو الأمر مجانيًا. لكن في الخلفية الخاصة بالشركات، كل جملة تُدخلها، وكل فقرة تُخرجها، وكل استدعاء للنموذج، وكل تنفيذ لأداة من قبل وكيل، وحتى النقاشات بين الذكاء الاصطناعي والذكاء الاصطناعي، كلها تستهلك توكنات. الأهم من ذلك أن منطق التسعير للذكاء الاصطناعي مختلف تمامًا عن البرمجيات التقليدية. سابقًا، عند شراء برنامج، كانت التكلفة ثابتة تقريبًا: كم يكلف حساب واحد؟ كم سيكون الميزانية السنوية؟ يمكنك تقديرها بدقة في بداية العام. الذكاء الاصطناعي مختلف: إنه يُفرض حسب الاستخدام، ويتصاعد هذا الاستخدام مع تعقيد العمليات. استخدام موظف واحد لبضع أسئلة عرضية قد لا يكلف الكثير؛ لكن عندما يستخدمه الفريق بأكمله، تبدأ التكلفة في الارتفاع. وبمجرد دمج الوكلاء وجعل الذكاء الاصطناعي يستدعي الذكاء الاصطناعي، تتحول الفاتورة بسهولة من آلاف الدولارات إلى عشرات أو مئات الآلاف. لكن خلال السنتين الماضيتين، شجعت المجتمع بأكمله على استخدام الذكاء الاصطناعي أكثر. رفع معدل انتشار الذكاء الاصطناعي، وزيادة تكرار الاستخدام، وتعزيز مستوى الأتمتة — بعض الشركات حتى أدرجت كمية استهلاك التوكنات كمؤشر تقييم. في الاقتصاد، هناك قاعدة كلاسيكية تسمى قانون غودهارت: عندما يصبح مؤشر هدفًا، لم يعد مؤشرًا جيدًا. حتى في الخارج، تم ابتكار مصطلح خاص: "Tokenmaxxing"، يمكن فهمه تقريبًا على أنه "دفع التوكنات إلى أقصى حد". بعض الناس يطلبون من الذكاء الاصطناعي تحسين نفس الكود عشرات المرات؛ وآخرون يطلبون إنشاء عشرات الإصدارات من التقرير في مرة واحدة. وآخرون يفككون مهمة يمكن إنجازها بخطوات قليلة إلى مجموعة من الوكلاء المتعاونين فقط ليبدو النظام أكثر ذكاءً — وأصبح الذكاء الاصطناعي مجرد زينة خالية من الجوهر. يمكن تحمل هذا النوع من الاستخدام العرضي، لكن ما يدفع التكلفة إلى الحافة الخارجة عن السيطرة حقًا هو أنظمة الوكلاء المتعددة. نظريًا، هذه الأنظمة جميلة: وكيل مسؤول عن التخطيط، وآخر عن التنفيذ، وثالث عن التحقق، ورابع عن التلخيص — كفريق رقمي متكامل. لكن في الواقع، تعمل هذه الأنظمة مثل اجتماع مشروع لا يوجد له رئيس. تسألني، فأنا أسألك؛ أنت تنتظرني وأنا أنتظرك؛ لا تكفي جولة تأكيد واحدة — نحتاج جولة أخرى. الجميع يتحركون، لكن المهمة لا تُنهى أبدًا. في معظم أنظمة الوكلاء المتعددة، يتم استهلاك 30٪ إلى 60٪ من التوكنات في هذه الدورات غير المجدية. ببساطة: الكثير من المال لم يتحول إلى نتائج، بل تم حرقه تدريجيًا أثناء "اجتماعات" الذكاء الاصطناعي بين بعضها البعض. الأكثر سخرية أن هذه الوكلاء ليست كسولة — بل على العكس، فهي جادة جدًا. تتبع الإجراءات بدقة صارمة، تنفذ كل خطوة منطقية: وكيل سابق يستدعي لاحقًا، ثم يعود الأخير للتحقق من الأول — حتى تُحشر النظام بأكمله في حلقة مفرغة. هذا يشبه بعض الشركات التي تعقد اجتماعات بحضور عشرات الأشخاص من مساء حتى صباح اليوم التالي — كل شخص يتحدث ويشارك بحماس — لكن لا أحد يتخذ قرارًا، والاجتماع يُحسب بالثانية. المشكلة الأساسية هي أن هذه "الاجتماعات" تتكرر وتُقسّم وتُدمج باستمرار. وكلما زاد الحجم، زادت التكلفة بشكل أسّي وغير قابل للتنبؤ. لأن تكلفة الذكاء الاصطناعي ليست لمرة واحدة — بل تتضخم مع طول سلسلة الاستدعاءات — وتكون تقريبًا غير قابلة للتنبؤ. في هذه المرحلة، لم يعد الحديث عن "هل الذكاء الاصطناعي فعّال أم لا"، بل عن شيء أكثر واقعية: هل سيؤدي هذا إلى انفجار الفواتير؟ لقد تم إعادة طرح النماذج المحلية مثل DeepSeek وDouBao ليس بسبب العاطفة، بل بسبب جملة عملية جدًا: نفس المهمة قد تكون أرخص بضع مرات. ببساطة: لا تستخدم دائمًا النموذج الأغلى. البسيط أعطه للنموذج الرخيص؛ والمعقد فقط استخدم النموذج الكبير. بدأت الشركات تفهم أن الذكاء الاصطناعي ليس أداة "كلما استخدمته أكثر أصبح أفضل"، بل هو نظام "كلما استخدمته أكثر كلّفك أكثر". حتى الأسواق المالية بدأت تتغير: سابقًا كانت تنظر إلى شركات الذكاء الاصطناعي بناءً على من يستخدم أكثر ومن ينمو أسرع ومن يحرق توكنات أكثر. الآن تنظر فقط إلى شيء واحد: العائد على الاستثمار (ROI). لقد حرقتم الكثير من التوكنات — هل استردتم مقابلها أموالاً؟ واقع مؤلم: زيادة الكفاءة لا تعني بالضرورة تحقيق أرباح. إذا كتبتم الكود أسرع بمقدار الضعف لكن المنتج لم يُبَع مرة إضافية — فهذا ليس ربحًا، بل مجرد "إنفاق أسرع". الأكثر غرابة أن هذه المشكلة لم تعد خاصة بشركة واحدة فقط. إحدى الشركات حرقت 500 مليون دولار شهريًا على Claude؛ وحدثت حالة نسيان وضع حدود قصوى فارتفعت التوكنات بشكل هستيري. أما Meta فكان الأمر أكثر غرابة: فقد أطلقت داخليًا قائمة تسمى "Claudeonomics" لمعرفة من يستخدم الذكاء الاصطناعي أكثر — الفائز الأول استهلك 31.2 تريليون توكن في شهر واحد. إذا حوّلنا هذا إلى نقد: إن ما حُرق في شهر واحد كافٍ لدفع رواتب مهندسين متخصصين اثنين لمدة عام كامل. يمكن القول إن المديرين يصرخون "أتمتة الجميع بالذكاء الاصطناعي"، بينما بدأ المحاسبون يتعرقون. في النهاية الأمر ليس بعدم استخدام الذكاء الاصطناعي — بل بعدم حرق التوكنات بلا ضوابط.بدأ الناس يسألون سؤالًا أكثر واقعية: هل هذه الرموز، في الواقع، قابلة للتحويل إلى نقود حقيقية؟ #AI #AIAgent @grok