كلما قضيت وقتًا أطول في مراقبة أسواق الذكاء الاصطناعي، شعرت أن الناس يركزون على الطبقة الأكثر صخبًا بدلاً من الطبقة التي قد تهم على المدى الطويل. لا تزال معظم المحادثات تدور حول الحوسبة، وحدات معالجة الرسوميات (GPUs)، سرعة الاستدلال، حجم النموذج، أو من يمكنه جعل الذكاء أرخص وأسرع. وأفهم السبب. تلك الأمور مرئية. الأجهزة تبدو حقيقية. من السهل قياس إنفاق البنية التحتية. تميل الأسواق بشكل طبيعي نحو ما يمكنها قياسه بسرعة.
لكنني أعود دائمًا إلى سؤال مختلف.
ماذا لو لم تكن أغلى أجزاء الذكاء الاصطناعي هي النموذج نفسه، بل كل ما يحدث بعد أن يوجد النموذج بالفعل؟
ما زال معظم الناس يعاملون ضبط الذكاء الاصطناعي كعمل تعاقدي مؤقت. تحتاج شركة إلى ذكاء متخصص، فتستعين بفريق، تجمع بيانات خاصة بمجالها، تعدل النموذج، تدفع لكل من شارك، ثم تمضي قدمًا. صفقة نظيفة. تعويض لمرة واحدة. منطق شراء بسيط.
ومع ذلك، كلما بقيت أنظمة الذكاء الاصطناعي تعمل داخل أعمال حقيقية لفترة أطول، كلما بدأت تبدو تلك الترتيبات أكثر غرابة.
لأن الميزة التجارية في الواقع غالبًا لا تأتي من النموذج الأساسي وحده. تتشكل القيمة الحقيقية ببطء من خلال التحسين المستمر. عبر التصحيحات التشغيلية. عبر سير العمل الخاصة بالصناعة. عبر آلاف التعديلات البشرية الصغيرة التي تجعل النظام أقل عُرضة للأخطاء مع مرور الوقت. مستشفيات تُحسّن المخرجات الطبية. أنظمة مكافحة الاحتيال تتكيف مع الهجمات المتطورة. فرق قانونية تُصحّح التفسيرات الدقيقة. وأنظمة دعم المؤسسات تتعلم أنماط التصعيد التي لا تظهر إلا بعد أشهر من الاستخدام.
هذه الطبقة نادرًا ما تنال الاهتمام لأنها ليست ساحرة. لا أحد يروج للعملية غير المرئية التي يجعل فيها البشر الذكاء الاصطناعي أقل خطأ مرارًا. لكن في كثير من الصناعات، هذا بالضبط هو المكان الذي تبدأ فيه القيمة المتينة بالتراكم.
وبمجرد أن بدأت أفكر في الذكاء الاصطناعي بهذه الطريقة، بدأ نموذج التعويض يبدو قديمًا.
إذا كان المساهمون يساعدون في تشكيل نظام يستمر في توليد إيرادات الشركات لسنوات، فلماذا لا يزال الهيكل الاقتصادي يشبه العمل الحر بدلًا من المشاركة طويلة الأجل؟ ولماذا تنتهي العلاقة بمجرد تصفية الفاتورة، حتى لو أصبحت المساهمة متجذرة بشكل دائم داخل نظام مربح؟
ليس هذا حجة كريبتو حتى الآن. بل مجرد عدم توافق هيكلي يبدو من الصعب تجاهله بشكل متزايد.
لقد اكتشفت الصناعات الأخرى ذلك منذ وقت طويل. تطورت الموسيقى حول حقوق الملكية لأن العمل الإبداعي ظل يولد قيمة بعد الإصدار. خلق ترخيص البرمجيات اقتصاديات متكررة لأن الاستخدام استمر بعد التثبيت. تفهم أنظمة الامتياز أن بناء شيء ما والانتفاع المستمر منه هما حدثان اقتصاديان مختلفان تمامًا.
يظل ضبط الذكاء الاصطناعي غالبًا يتصرف وكأن الدرس/الاستفادة غير موجودين.
تساهم مرة واحدة، تُدفَع مرة واحدة، ثم تختفي اقتصاديًا، حتى لو أصبحت مساهمتك جزءًا من نظام يولد قيمة تجارية متكررة بعد سنوات. ربما تفضّل الشركات ذلك لأن عدم اليقين يعقد المحاسبة. ربما تكره إدارات المالية الالتزامات المفتوحة. ربما تفضل فرق القانون تجنب أي بنية تشبه الاستحقاقات الاقتصادية المستمرة.
ومع ذلك، ما تزال البنية المنطقية تبدو ناقصة بشكل متزايد.
لهذا بدأت OpenLedger بالظهور لي بشكل مختلف، على الأرجح ليس بالطريقة نفسها التي يصيغ بها معظم الناس ذلك.
لا تزال كثير من مشاريع كريبتو الذكاء الاصطناعي تركز على تنسيق الحوسبة، أو الاستدلال اللامركزي، أو كفاءة السوق. لكن إذا أصبحت الحوسبة أكثر تنافسية مع مرور الوقت، فقد لا تكون «الطبقة الأكثر ندرة» هي الذكاء نفسه.
قد يكون الإسناد هو ذلك.
ليس من يملك الخوادم. ليس من نشر النموذج. بل من ساعد فعليًا في تشكيل الذكاء بطرق ذات معنى تجاري.
يبدو ذلك تجريديًا حتى يدخل المال في المعادلة.
تخيّل مساعدًا افتراضيًا داخل شركة يعمل بالذكاء الاصطناعي، تم تدريبه عبر مساهمات من مُعلّمي بيانات طبيين، ومراجعين متخصصين، ومهندسي سير عمل، وأنظمة تغذية راجعة، ومجموعات بيانات خاصة، وتصحيحات تشغيلية مستمرة جُمعت من الاستخدام في العالم الحقيقي. ثم تخيل أن هذا المساعد يصبح متكاملًا بعمق في سير عمل المؤسسة ويبدأ في توليد ملايين من إيرادات الاشتراك على مدى عدة سنوات.
من يستحق الاعتراف الاقتصادي؟
اليوم تكون الإجابة عادة بسيطة: من يتحكم في طبقة النشر يمسك تقريبًا بكل شيء.
لكن يبدو أن OpenLedger يستكشف اتجاهًا مختلفًا تمامًا — حيث تصبح «أصالة المساهمة» نفسها بنية تحتية.
وبصراحة، تبدو هذه الفكرة أكبر بكثير مما يدركه الناس.
لأن الأصالة/سلسلة المصدر ليست حقًا مسألة تتبع النشاط. بل هي مسألة تحديد ما إذا كان المساهمون يظلون ظاهرين اقتصاديًا بعد أن تتراكم القيمة بمرور الوقت. بدون إسناد موثوق، لا يمكن أن توجد اقتصاديات المشاركة المتكررة. تنهار الأمور كلها إلى معاملات لمرة واحدة.
طبعًا، الإسناد داخل أنظمة الذكاء الاصطناعي شديد الفوضى. ضبط الدقة ليس «نظيفًا». تتداخل المساهمات باستمرار. بعض التحسينات تهم فورًا بينما تكشف أهمية أخرى بعد أشهر لاحقًا في ظروف إنتاج نادرة. بعض مجموعات البيانات تحسن الاعتمادية بطرق خفية لا يلاحظها أحد حتى وقوع فشل. بعض التصحيحات تزيد الأداء بينما يقلل غيرها بشكل صامت من المخاطر طويلة الأمد.
قد لا توجد نسبة إسناد مثالية.
لكن الأسواق نادرًا ما تعمل على الكمال. بل تعمل على أنظمة يثق بها الناس اقتصاديًا.
هذا الاختلاف مهم جدًا.
ما يجعل OpenLedger مثيرًا للاهتمام ليس خيال تتبّع المساهمات بدقة رياضية. بل هي إمكانية أن تصبح أنظمة مساهمة الذكاء الاصطناعي ذات مصداقية اقتصادية كافية لظهور نماذج مشاركة متكررة حولها.
وإذا حدث ذلك، يتغير الحديث الكامل عن الرمز/التوكن.
لأن عندها يتوقف عن الظهور كأنه مجرد وصول إلى بنية تحتية، ويبدأ في التشبه بجزء من منطق التسوية الذي يحكم تدفق القيمة بين المساهمين والمجموعات البيانية والنماذج والاستخدام التجاري المستمر.
بالطبع، تظهر الاعتراضات فورًا.
كَرِهت إدارات المالية الالتزامات غير المحددة. كَرِهت الأنظمة القانونية هياكل الملكية الغامضة. تعقيد الضرائب ينتج عن التعويض عبر الحدود. تصبح حقوق الملكية الفكرية أصعب في التحديد. قد يفسر المنظمون اقتصاديات مساهمي المستقبل بشكل مختلف جدًا بحسب الولاية القضائية.
عندها تُنشئ الخصوصية تحديًا ضخمًا آخر.
تتضمن بعض بيئات ضبط الدقة الأكثر قيمة بيانات مؤسسية شديدة الحساسية: أنظمة الرعاية الصحية، وتفاعلات العملاء، وسير العمل الداخلية، وعمليات الامتثال، وعمليات الأعمال الخاصة. لا يمكنك ببساطة كشف مسارات المساهمة علنًا دون خلق مشكلات جديدة تمامًا.
لذا إذا أرادت OpenLedger أن تجعل هذه الأطروحة تعمل على نطاق واسع، يصبح التحقق المُحافظ على الخصوصية أمرًا جوهريًا. يجب على النظام أن يثبت مساهمة ذات معنى دون كشف بيانات تشغيلية سرّية. وهذا ليس مجرد مشكلة تتعلق بالعلامة التجارية. بل إنها مشكلة هندسية صعبة جدًا.
ثم تأتي حتمًا «تشوهات الحوافز» التي تعرفها أنظمة الكريبتو جيدًا.
عندما تصبح مكافآت المستقبل مرئية، يتغير السلوك. يبدأ الناس في التحسين لصالح الإسناد القابل للقياس بدلًا من الجودة الحقيقية. يظهر البريد المزعج. تنشأ سلوكيات الزراعة. يبدأ التلاعب بالسمعة بالتسرب إلى النظام. اقتصادات المساهمة دون آليات ترشيح قوية تتحول في النهاية إلى اقتصادات استخراج.
هذا الخطر حقيقي.
لكن حتى مع تلك المخاطر، ما زلت أعتقد أن التحول الأكبر يستحق اهتمامًا أكبر مما تمنحه إياه السوق حاليًا.
قد تكون منظومة الذكاء الاصطناعي ببطء تبتعد عن اقتصاد «الملكية» الخالص نحو شيء أقرب إلى اقتصاديات «المشاركة»، خصوصًا في الأسواق العمودية عالية القيمة حيث يصنع التكيّف والتنقيح التشغيلي معظم الميزة التجارية طويلة الأجل.
من المرجح أن تبقى «الذكاء السلعي» قائمًا على المعاملات.
لكن الإحساس بالذكاء المتخصص يبدو مختلفًا.
وإذا حدث هذا الانتقال فعلًا، فقد لا تكون أهم البنية التحتية هي الشبكة التي تجعل الذكاء أرخص.
قد يكون هو من يقرر ما إذا كان المساهمون يظلون مرتبطين اقتصاديًا بالأنظمة التي ساعدوا في تشكيلها، بعد وقت طويل من بدء تلك الأنظمة في توليد قيمة جدية.
يؤدي ذلك إلى خلق سوق أكثر غرابة بكثير مما يتوقعه الناس.
لكن ربما يكون أكثر متانة من ذلك بكثير أيضًا.
