أبرز النقاط
- الشركات تدفع ثمن الذكاء الاصطناعي مرتين: مالياً ومعرفياً
- مزودو النماذج يتعلمون من بيانات العملاء دون مقابل عادل
- ناديلا يدعو إلى توزيع البنية التحتية للتعلم على كل مؤسسة
عندما تشتري شركتك اشتراكاً في نموذج ذكاء اصطناعي متقدم، فإنك تدفع الفاتورة مرتين: الأولى نقداً، والثانية بمعرفتك الحصرية التي تغذّي بها النموذج ليؤدي عمله. هذا التحذير أطلقه ساتيا ناديلا، رئيس مجلس الإدارة والرئيس التنفيذي لشركة Microsoft، واصفاً الظاهرة بـ«مفارقة المعلومات العكسية» (Reverse Information Paradox) — وهي برأيه التحدي المركزي الذي يواجه المؤسسات في عصر الذكاء.
ما المقصود بمفارقة المعلومات العكسية؟
استعار ناديلا المصطلح من مفارقة كلاسيكية صاغها الاقتصادي الحائز على نوبل كينيث آرو: البائع يخاطر بكشف قيمة ما يبيعه قبل أن يتم البيع. لكن الذكاء الاصطناعي قلب المعادلة؛ فالمشتري هو من يخاطر الآن بتسليم معرفته الحصرية لمجرد استخدام ما اشتراه.
يوضح ناديلا أن كل تصحيح يُجريه المستخدم على مخرجات النموذج، وكل أداة يستدعيها الوكيل، وكل استفسار يُكتب في واجهة الدردشة — كلها تتحول إلى «عوادم» (exhaust) تتعلم منها النماذج باستمرار. وهكذا تتسرب المعرفة المؤسسية «أثراً بأثر، وتصحيحاً بتصحيح، وتقييماً بتقييم» بحسب تعبيره.
لماذا يتفاقم الخلل مع الوقت؟
يشير ناديلا إلى أن عدم التماثل المعلوماتي يزداد انحرافاً بمرور الزمن: مزود النموذج يتعلم المزيد عن العميل، بينما العميل لا يعرف شيئاً تقريباً عما يتعلمه المزود في المقابل. والأسوأ أن مزودي النماذج يتذرعون بحقوق «الاستخدام العادل» للتدريب على البيانات العامة، ثم يفرضون شروطاً مقيدة على تقطير النماذج ويحتفظون بحق التعلم من استخدام العملاء.
النتيجة المنطقية: إذا تدفق التعلم في اتجاه واحد فقط، فإن القيمة الاقتصادية تتركز لدى مالكي البنية التحتية لا لدى صانعي المعرفة.
كيف تحمي الشركات رأسمالها المعرفي؟
طرح ناديلا إطاراً من خمسة محاور على المؤسسات التركيز عليها:
- التحكم (Control): إنشاء تقييمات خاصة داخلية بدلاً من الاعتماد على مقاييس المزود.
- القدرة (Capability): بناء بيئات تعلم ملكية داخل حدود المستأجر (tenant boundary).
- الاختيار (Choice): فصل طبقة التنسيق (orchestration) عن أي نموذج منفرد لتجنب الارتهان.
- التكلفة (Cost): ضمان كفاءة طويلة الأمد عبر التحكم في حلقة التعلم.
- التراكم (Compounding): الاحتفاظ بملكية الذاكرة المؤسسية لتتراكم القيمة داخلياً.
واستشهد ناديلا بمقولة لأليكس كارب، الرئيس التنفيذي لشركة Palantir، تعكس توجه العملاء التقنيين: ما يريدونه هو السيطرة على حوسبتهم ونماذجهم ومكدس بياناتهم وميزتهم التنافسية، مع يقين بأنهم يملكون وسائل الإنتاج ولا تُنقل إلى طرف آخر.
ما الذي يجب أن تفعله المؤسسات الآن؟
الرسالة الجوهرية واضحة: الحماية التقليدية للبيانات لم تعد كافية. على المؤسسات توزيع بنيتها التحتية للتعلم داخلياً كي تتحكم في حلقة التعلم الخاصة بها. كل تصحيح وكل تقييم يُجرى داخل بيئة المؤسسة يجب أن يبقى ملكاً لها — لأنه يمثل معرفة مؤسسية لا يستطيع منافس شراءها.
رأي Logicity
تحذير ناديلا ليس نظرياً؛ فالشركات الخليجية التي تتبنى حلول الذكاء الاصطناعي السحابية من OpenAI أو Google Gemini أو حتى Azure OpenAI تواجه المعضلة ذاتها. البديل المتاح يشمل نماذج مفتوحة المصدر قابلة للاستضافة الذاتية مثل Llama 3 من Meta أو Mistral، إضافة إلى منصات تنسيق محايدة مثل LangChain وn8n تتيح فصل طبقة التطبيق عن المزود. التكلفة الأولية أعلى، لكنها تحمي الميزة التنافسية طويلة الأمد.
الأسئلة الشائعة
ما هي مفارقة المعلومات العكسية في الذكاء الاصطناعي؟
مصطلح أطلقه ساتيا ناديلا يصف كيف يخاطر المشتري بكشف معرفته الحصرية لمجرد استخدام نموذج ذكاء اصطناعي اشتراه، بعكس المفارقة الكلاسيكية حيث البائع هو من يخاطر.
كيف تتسرب المعرفة المؤسسية إلى مزودي النماذج؟
عبر ما يسميه ناديلا «العوادم»: استفسارات المستخدمين، أدوات الوكلاء، والتصحيحات التي تُجرى على مخرجات النموذج — كلها تُستخدم في التدريب المستمر.
ما الحل لحماية البيانات عند استخدام الذكاء الاصطناعي؟
يقترح ناديلا خمسة محاور: التحكم، القدرة، الاختيار، التكلفة، والتراكم — مع التركيز على بناء بيئات تعلم ملكية داخل حدود المؤسسة.
هل تكفي سياسات حماية البيانات التقليدية؟
لا، لأن النماذج تتعلم باستمرار من التفاعلات اليومية، مما يتطلب بنية تحتية تعلم موزعة تتحكم فيها المؤسسة بنفسها.
هل تحتاج مساعدة في التطبيق؟
إذا كنت تبحث عن استراتيجية لتبني الذكاء الاصطناعي دون التفريط بميزتك التنافسية، تواصل مع فريق Logicity للحصول على استشارة متخصصة.
عمر حسن
كاتب تقني وابتكار
أُنتِج هذا المقال بمساعدة الذكاء الاصطناعي وراجعه فريق التحرير في لوجيسيتي. اعرف المزيد في سياسة التحرير.
