أكبر مخاوف الذكاء الاصطناعي اليوم
واحدة من أكثر المخاوف شيوعًا بين مؤسسي الذكاء الاصطناعي والمستثمرين والمطورين هي بسيطة:
"هل ستستوعب OpenAI وAnthropic وغيرهما من مقدمي النماذج في النهاية جميع الفرص في طبقة تطبيقات الذكاء الاصطناعي؟"
وفقًا لشركة رأس المال الاستثماري العملاقة a16z، الجواب هو لا.
بينما ستسيطر مختبرات الذكاء الاصطناعي الكبيرة على بعض حالات الاستخدام الأفقية، لا تزال هناك فرصة ضخمة للشركات الناشئة والمؤسسات التي تبني أنظمة ذكاء اصطناعي متخصصة، وسير عمل عمودي، وحلول محددة للصناعة.
إطارهم لفهم هذا المستقبل يسمى "طريق الطوب الأصفر مقابل بقية أوز."
طريق الطوب الأصفر: حيث تهيمن مختبرات الذكاء الاصطناعي
يمثل طريق الطوب الأصفر المجالات التي تتمتع فيها شركات مثل OpenAI وAnthropic وGoogle بميزة طبيعية.
تشمل هذه:
◾ توليد الأكواد
◾ المساعدة في الكتابة
◾ إنشاء الصور
◾ المساعدون متعددون الأغراض
◾ أدوات إنتاجية أفقية
تتحسن هذه المنتجات مباشرةً كلما تحسّنت النماذج الأساسية.
كل إصدار جديد للنموذج يجعل هذه المنتجات أذكى دون الحاجة إلى إعادة تصميم كبيرة لسير العمل.
لأن مختبرات الذكاء الاصطناعي تتحكم في:
◾ النماذج
◾ قنوات التوزيع
◾ التسعير
◾ البنية التحتية
سيصبح التنافس مباشرةً في هذه الفئات أكثر صعوبة مع الوقت.
الفرصة الحقيقية: ما وراء طريق الطوب الأصفر
وفقًا لـ a16z، من المرجح أن تظهر أكثر الأعمال قيمة خارج المسار المباشر لمقدمي النماذج الأساسية.
توجد هذه الفرص في:
◾ التأمين
◾ الرعاية الصحية
◾ الخدمات القانونية
◾ المحاسبة
◾ الخدمات المالية
◾ عمليات الشركات
◾ أتمتة المبيعات
◾ الصناعات شديدة الاعتماد على الامتثال
في هذه البيئات، تعتمد فرص النجاح بدرجة أقل على ذكاء الذكاء الاصطناعي الخام وأكثر على:
◾ تصميم سير العمل
◾ خبرة الصناعة
◾ إدارة الامتثال
◾ موافقات بشرية
◾ أنظمة الحوكمة
◾ أتمتة خاصة بالأعمال
تأتي هذه القيمة من حلّ مشاكل تشغيلية واقعية، بدلًا من تقديم ذكاء عام.
لماذا يتمتع ذكاء الذكاء الاصطناعي العمودي (Vertical AI) بمزايا يمكن الدفاع عنها
1. معرفة سير عمل مملوكة
تعمل العديد من الصناعات باستخدام:
◾ المعرفة القبلية
◾ الإجراءات الداخلية
◾ القواعد غير المكتوبة
◾ أنماط قرارات تاريخية
غالبًا لا توجد هذه المعلومات في مجموعات بيانات التدريب العامة.
تتعلم الشركات المدمجة داخل سير العمل الصناعي من العمليات الواقعية بشكل مستمر، ما يخلق ميزة تنافسية قوية.
2. دوّامات البيانات
كل سير عمل يولّد:
◾ الملاحظات
◾ التصحيحات
◾ الاستثناءات
◾ القرارات
◾ بيانات الأداء
مع مرور الوقت، تصبح هذه أصول تدريبية قيّمة.
يجري ذكاء اصطناعي قانوني مراجعة لآلاف العقود، أو ذكاء اصطناعي للتأمين يعالج آلاف قرارات الاكتتاب—فهذا يولّد معرفة لا يستطيع المنافسون تقليدها بسهولة.
3. تحسين متعدد النماذج
يمكن لشركات التطبيقات استخدام:
◾ نماذج OpenAI
◾ نماذج Anthropic
◾ نماذج مفتوحة المصدر
◾ نماذج مملوكة مُحسّنة بدقة
يمكن إسناد كل مهمة إلى أكثر نموذج متاح كفاءة من حيث التكلفة ودقة.
عادةً ما تُحسّن المختبرات الكبيرة حول نماذجها الخاصة، بينما تُحسن شركات التطبيقات النتائج لصالح العملاء.
4. كفاءة التكلفة
ليس كل مهمة تتطلب ذكاءً حدّيًا.
ستقوم تطبيقات الذكاء الاصطناعي الناجحة بتوجيه العمل بذكاء:
◾ نماذج بمستوى أعلى لاستدلال معقّد
◾ نماذج ضمن الفئة المتوسطة للمهام القياسية
◾ نماذج مخصصة صغيرة للعمليات المتكررة
يؤدي ذلك إلى تحسين الربحية بشكل كبير مع الحفاظ على الجودة.
5. الحوكمة والامتثال
تتطلب شركات العملاء من المؤسسات بشكل متزايد:
◾ سجلات التدقيق (Audit Trails)
◾ الصلاحيات
◾ الامتثال التنظيمي
◾ القابلية للتفسير
◾ الإشراف البشري
تتمتع الصناعات مثل الرعاية الصحية والتمويل والقانون والتأمين بأطر تنظيمية فريدة يصعب على منصات الذكاء الاصطناعي الأفقية دعمها بشكل شامل.
يُنشئ هذا فرصًا طويلة الأجل أمام مقدّمي الخدمات المتخصصين.
لماذا يُعد ذكاء المبيعات بالذكاء الاصطناعي مثالًا قويًا
يبدو التسويق/المبيعات بسيطًا على السطح.
في الواقع، الأمر يتضمن:
◾ تحديد العملاء المحتملين
◾ إثراء بيانات العملاء المحتملين
◾ تكامل CRM
◾ التأهيل
◾ التوعية/الانتشار
◾ متابعة
◾ فحوصات الامتثال
◾ تتبع الأداء
تتطلب كل مرحلة سير عمل مخصصًا وذكاءً خاصًا بالمجال.
التحدي ليس في توليد النص.
التحدي هو تحقيق نتائج أعمال قابلة للقياس.
يسمح هذا التمايز للشركات المتخصصة في مجال الذكاء الاصطناعي أن تزدهر.
يُظهر التأمين النمط نفسه
تحتوي سير عمل التأمين على:
◾ تقييمات المخاطر
◾ قرارات الاكتتاب
◾ مسارات التصعيد
◾ المتطلبات التنظيمية
◾ عمليات المراجعة البشرية
جزء كبير من هذه المعرفة لا يوجد إلا داخل المؤسسات.
وبما أن أنظمة الذكاء الاصطناعي تعمل بشكل متكرر داخل هذه البيئات، فإنها تتراكم لديها ذاكرة تشغيلية لا يمكن لمقدمي النماذج الأساسية الوصول إليها بسهولة.
مع مرور الوقت، تصبح ذكاء سير العمل أكثر قيمة من ذكاء النماذج وحده.
كيف تعرف إن كنت تبني عملًا تجاريًا دائمًا في مجال الذكاء الاصطناعي
أنت في طريق الطوب الأصفر إذا كان:
◾ منتجك يلتف غالبًا حول نموذج أساس
◾ تعتمد على موصلات عامة
◾ يمكن للعملاء التحول بسهولة إلى حل أصلي من OpenAI أو Anthropic
◾ تأتي قيمتك في الغالب من قدرات النموذج
أنت في "بقية أوز" إذا كان:
◾ أنت تمتلك سير العمل
◾ تتولى إدارة الامتثال
◾ تُدمج أنظمة متعددة
◾ أنت تحقق نتائج أعمال
◾ تصبح ضروريًا لعمليات العملاء
◾ يعتمد العملاء على منصتك بغضّ النظر عن النموذج الذي يشغّلها
الاستنتاج الاستثماري الرئيسي
من المرجح أن يكون سوق المستقبل للذكاء الاصطناعي فئتين من الفائزين:
فائزون نماذج النموذج الأساسي (Foundation Model Winners)
الشركات التي تبني وتوزع أقوى نماذج ذكاء اصطناعي.
فائزون نظام سير العمل (Workflow System Winners)
الشركات التي تُضمّن الذكاء الاصطناعي في عمليات الأعمال الحيوية وتصبح نظام التشغيل لصناعات بعينها.
قد يتغير النموذج الأساسي كل بضعة أشهر.
إن سير العمل، والمعرفة التشغيلية، وطبقة الحوكمة، وعلاقات العملاء، أصعب بكثير على الاستبدال.
هنا يُحتمل أن تظهر العديد من يونيكورن الذكاء الاصطناعي من الجيل التالي.
الخلاصة النهائية
طبقة تطبيقات الذكاء الاصطناعي بعيدة جدًا عن أن تكون في حكم الميتة.
بدلًا من التنافس مباشرةً مع OpenAI أو Anthropic، ستركّز الشركات الناجحة على حل المشكلات المعقدة الخاصة بكل صناعة، حيث تَهمّ أكثر من مجرد أداء النماذج الخام كلٌ من معرفة سير العمل والامتثال والحوكمة والمعرفة التشغيلية.
أكبر الفرص ليست في طريق الطوب الأصفر—بل هي مخفية في أنحاء بقية أوز.
#AI #ArtificialIntelligence #AIStartups #EnterpriseAI #ArifAlpha