أبرز النقاط
- 60% من تكاليف تشغيل الذكاء الاصطناعي الوكيل تُستهلك في التحقق من الإجابات وتنقيحها، وليس في توليدها الأولي
- الأنظمة الوكيلة تستهلك رموزاً tokens أكثر بألف مرة من المهام التقليدية، مما يجعل التسعير بالرمز مقياساً غير دقيق
- قرار توسيع نطاق AI Agents أصبح قراراً اقتصادياً معقداً وليس تقنياً بحتاً
حين تتحدث المؤسسات عن تبني الذكاء الاصطناعي التوليدي GenAI، يتبادر إلى الذهن عادةً تحديات التقنية والبنية التحتية. لكن تقريراً جديداً من McKinsey يقلب هذه المعادلة رأساً على عقب: التحدي الحقيقي لم يعد تقنياً، بل اقتصادياً بامتياز. فستون بالمئة من تكاليف تشغيل أنظمة الذكاء الاصطناعي الوكيل AI Agents تُنفق على تنقيح الإجابات والتحقق منها، وليس على توليدها في المقام الأول.
لماذا تحوّل التركيز من التقنية إلى الاقتصاد؟
يُشير تقرير McKinsey إلى أن العامين الأولين من تبني الذكاء الاصطناعي التوليدي في المؤسسات تمحورا حول الوصول والتجريب والنشر. أما المرحلة القادمة فستُحدد بمعايير مختلفة تماماً: الاستدامة المالية والعائد على الاستثمار. المديرون الماليون CFOs ومديرو المعلومات CIOs باتوا يطالبون بأدلة ملموسة على أن استثمارات الذكاء الاصطناعي تُحقق عوائد قابلة للقياس.
المفارقة أن كثيراً من الشركات التي تبنّت AI Agents تفتقر إلى أنظمة لتتبع الأثر التجاري لقرارات الذكاء الاصطناعي. النتيجة: إنفاق متصاعد دون رؤية واضحة للقيمة المُحققة.
ما العوامل الستة التي تقود تكاليف التشغيل؟
حدد التقرير ستة عوامل رئيسية ترفع النفقات التشغيلية لأنظمة الذكاء الاصطناعي الوكيل:
- السياق طويل الأمد Long-lived Context: المهام الوكيلة تستهلك رموزاً tokens أكثر بنحو ألف مرة مقارنة بمهام الدردشة التقليدية أو التفكير البرمجي، مما يجعل التسعير بالرمز مقياساً مُضللاً لما تدفعه المؤسسات فعلياً.
- تنقيح الإجابات أغلى من توليدها: نحو 60% من تكلفة المهمة الوكيلة ترتبط بتحسين الردود وليس إنتاجها الأولي.
- التباين في التكلفة: المهمة ذاتها قد تُكلف مبالغ مختلفة بحسب الأدوات المستخدمة ومسار الاستدلال وعدد المحاولات.
- الاستدلال المتقدم للمهام البسيطة: استخدام نماذج التفكير الممتد Extended Reasoning لمهام روتينية يُضيف تكاليف حوسبة غير ضرورية.
- تنسيق الوكلاء Agent Orchestration: طريقة تنسيق الوكلاء مع الأدوات والنماذج وبعضهم البعض تؤثر جوهرياً في التكاليف.
- هيكلة المعلومات: تصميم الأوامر Prompts، طول السياق، التنسيق، واللغة كلها تؤثر في استهلاك الرموز. النص غير الإنجليزي يُقسّم إلى رموز أكثر لكل معنى، فالمحادثة ذاتها تكلف أكثر ببعض اللغات.
كيف يمكن خفض التكاليف دون المساس بالنتائج؟
يُلمّح التقرير إلى أن الكفاءة في توزيع المهام وتنسيق الوكلاء يمكن أن تُقلص النفقات جوهرياً دون التأثير في المخرجات التجارية. المفتاح يكمن في مطابقة تعقيد النموذج مع تعقيد المهمة: لا حاجة لنموذج استدلال متقدم لمهمة تصنيف بسيطة.
كذلك، تحسين هيكلة البيانات وتصميم الأوامر يُقلل استهلاك الرموز. وبالنسبة للمؤسسات العاملة بلغات غير الإنجليزية، يصبح هذا الأمر أكثر إلحاحاً نظراً لارتفاع تكلفة الرمز اللغوي.
ما الذي يجب أن يسأله صانع القرار قبل التوسع؟
يُعيد التقرير صياغة السؤال الجوهري: قرار توسيع نطاق الوكيل الذكي أصبح قراراً اقتصادياً سريع التغير، وليس قراراً تقنياً. هذا يعني أن على المؤسسات بناء أنظمة لتتبع الأثر التجاري قبل التوسع، وليس بعده.
رأي Logicity
ما يكشفه تقرير McKinsey يُعيد تشكيل معادلة المنافسة بين مزودي حلول AI Agents. منصات مثل LangChain وAutoGen من Microsoft وCrewAI تتسابق على تقديم أدوات تنسيق أكثر كفاءة. لكن الفجوة الحقيقية تكمن في أدوات قياس العائد على الاستثمار ROI Tracking المدمجة. المؤسسات التي ستتفوق هي تلك التي تعامل AI Agents كمركز تكلفة قابل للقياس وليس كتجربة تقنية مفتوحة. والأهم: التقرير يُلمّح ضمنياً إلى أن النماذج الأصغر والأرخص قد تُحقق نتائج مماثلة للمهام الروتينية، مما يفتح المجال أمام حلول مثل Claude Haiku أو GPT-4o mini للمنافسة على حصة أكبر في سوق المؤسسات.
الأسئلة الشائعة
ما المقصود بالذكاء الاصطناعي الوكيل AI Agents؟
أنظمة ذكاء اصطناعي قادرة على تنفيذ مهام متعددة الخطوات بشكل مستقل، تتفاعل مع أدوات وقواعد بيانات ونماذج أخرى لإنجاز أهداف محددة، بدلاً من الاكتفاء بالرد على استفسار واحد.
لماذا تكلفة تنقيح الإجابات أعلى من توليدها؟
لأن عملية التنقيح تتطلب دورات متعددة من التحقق والتصحيح وإعادة المحاولة، وكل دورة تستهلك رموزاً إضافية وموارد حوسبة، مما يُراكم التكاليف.
كيف تؤثر اللغة العربية على تكاليف AI Agents؟
النص العربي يُقسّم إلى رموز أكثر لكل وحدة معنى مقارنة بالإنجليزية، مما يعني أن المحادثة ذاتها تكلف أكثر عند تشغيلها بالعربية في معظم النماذج الحالية.
ما الفرق بين تكلفة الرمز Token وتكلفة المهمة الفعلية؟
تسعير الرمز يقيس وحدة واحدة من المعالجة، لكن المهام الوكيلة تستهلك آلاف الرموز عبر دورات متعددة، مما يجعل تكلفة المهمة الإجمالية أعلى بكثير من مجموع أسعار الرموز المُعلنة.
هل يمكن تقليل تكاليف AI Agents دون التأثير في جودة النتائج؟
نعم، عبر تحسين تنسيق الوكلاء، ومطابقة تعقيد النموذج مع المهمة، وتحسين هيكلة الأوامر والبيانات لتقليل استهلاك الرموز غير الضروري.
هل تحتاج مساعدة في التطبيق؟
إذا كنت تخطط لنشر أنظمة AI Agents في مؤسستك وتريد فهم الجدوى الاقتصادية قبل التوسع، تواصل مع فريق Logicity للحصول على استشارة متخصصة حول بناء إطار قياس العائد على الاستثمار المناسب لحالتك.
فاطمة الزهراء
كاتبة تقنية متخصصة في الذكاء الاصطناعي
أُنتِج هذا المقال بمساعدة الذكاء الاصطناعي وراجعه فريق التحرير في لوجيسيتي. اعرف المزيد في سياسة التحرير.
