تكاليف رموز الذكاء الاصطناعي تدفع الشركات إلى طبقة جديدة لضبط الإنفاق
الشركات تنتقل من التوسع الواسع في استخدام الذكاء الاصطناعي إلى ضبط أشد لإنفاق الرموز مع ارتفاع الاستخدام الداخلي والضغط على الميزانيات. كشفت Linux Foundation عن خطط Tokenomics Foundation، بينما تشير بيانات Faros وJellyfish إلى زيادة في إنتاجية المطورين بالتوازي مع أخطاء وإعادة كتابة واستهلاك أعلى بكثير للرموز. الإشارة التالية هي ما إذا كانت معايير الرموز وأدوات إدارة الإنفاق ستمنح الشركات رؤية كافية قبل أن تتشدد ميزانيات الذكاء الاصطناعي أكثر.
إنفاق الذكاء الاصطناعي ينتقل من التبني إلى الضبط
ينتقل استخدام الذكاء الاصطناعي في الشركات من التجربة إلى ضبط التكاليف، مع مواجهة الشركات لفواتير رموز أكبر، واستخدام أعلى للأدوات الوكيلة، ورؤية أضعف للعائد على الاستثمار. استخدمت Uber كامل ميزانية ترميز الذكاء الاصطناعي لعام 2026 بحلول أبريل، وسحبت Microsoft تراخيص Claude Code من المطورين بعد أشهر من تمكينها، وقال موظف في Priceline إن تجديد عقد Cursor المعتاد عاد بتكلفة أعلى بمقدار 4-5 مرات.
ضغط الإنفاق لا يتعلق فقط بأسعار النماذج. تشير الوقائع إلى ارتفاع الاستهلاك بسبب الوكلاء الأكثر استقلالية واتساع الاستخدام الداخلي، ما يترك الشركات أمام سؤال أين يحدث الاستخدام وما إذا كان الإنفاق ينتج قيمة تجارية قابلة للقياس.
قال Alexander Embiricos، رئيس قطاع المؤسسات في OpenAI، إن محادثات العملاء تحولت نحو أسئلة مثل: “What visibility do you have? What auditability do you have?”
ميزانيات الرموز تصبح مشكلة تشغيلية
كشفت Linux Foundation هذا الأسبوع عن خطط Tokenomics Foundation، وهي هيئة معايير تهدف إلى إدخال انضباط في تكاليف رموز الذكاء الاصطناعي بطريقة مشابهة لما قدمته FinOps لضبط إنفاق الحوسبة السحابية.
قال J.R.
Storment، المدير التنفيذي لـFinOps Foundation، إن الشركات بدأت تبلغ عن ضغط في الميزانيات خلال أبريل ومايو. وتحولت المحادثة من التبني السريع إلى: “we need guardrails, how do we control this?”
الفجوة التشغيلية ترتبط جزئياً بالقياس. وجدت دراسة Faros على 20,000 مطور أن الإنتاج يرتفع بالتوازي مع الأخطاء وإعادة الكتابة. وأظهرت بيانات Jellyfish أن أعلى مستخدمي الرموز حققوا إنتاجية تقارب الضعف مقارنة بالمستخدمين الأقل اعتماداً على الذكاء الاصطناعي، لكنهم استهلكوا 10x من الرموز. وقال Nicholas Arcolano، رئيس الأبحاث في Jellyfish، إن الاستهلاك لكل مطور ارتفع بنحو 18.6x خلال تسعة أشهر. والنتيجة سؤال مشتريات أصعب: تستطيع الشركات رؤية نشاط أكبر، لكنها لا تزال تحتاج إلى خط أوضح بين الاستخدام وجودة الشفرة والقيمة التجارية.
سوق جديدة لضبط تكاليف الذكاء الاصطناعي
يتحرك موردون نحو هذه الفجوة. تتبع Pay-i تكاليف وأداء استثمارات GenAI وتقيسها وتحسنها، بينما تتيح Paid للمطورين تتبع التكاليف وقياس الاستخدام وفوترة المستخدمين بناءً على القيمة الفعلية بدلاً من رسوم الاشتراك. وتوفر Jellyfish وWaydev وFaros AI مراقبة لوكلاء الذكاء الاصطناعي، وقال Storment إن معظم الموردين البالغ عددهم 180 ضمن FinOps Foundation يتجهون نحو هذا المجال.
تضيف شركات البرمجيات القائمة أدوات أيضاً. دخلت Ramp مجال إدارة إنفاق الذكاء الاصطناعي، وأضافت Datadog وNew Relic خدمات تشمل إدارة تكاليف السحابة والمراقبة على مستوى الرموز ومراقبة وحدات GPU. ومن المتوقع أن تقدم AWS ميزات جديدة للإدارة المالية موجهة لإنفاق الذكاء الاصطناعي في الشركات خلال مؤتمر FinOps X الأسبوع المقبل.
تخطط Tokenomics Foundation لإطلاق رسمي في يوليو، وتبني تعريفات ومعايير مفتوحة ومواصفات ومقاييس لاستخدام رموز الذكاء الاصطناعي وفوترتها. الاختبار العملي هو ما إذا كانت هذه المعايير ستصل بسرعة كافية للشركات التي تحاول بالفعل ضبط إنفاق الذكاء الاصطناعي الوكيلي من دون إيقاف التبني المفيد.
