استراتيجية الذكاء الاصطناعي في قطاع الخدمات المالية: ما الذي يثبت فعاليته فعليًا في عام 2026

الجزء الأول: لحظة الأسطورة — عندما كان طرح نموذج ما ينطوي على مخاطر كبيرة

ليليان فرايبرغ: مرحبًا بالجميع. أرحب بكم. اسمي ليليان فرايبرغ. وأنا رئيسة قسم أمريكا الشمالية في Clarity AI. ويرافقني زميلي أوستن ريتزل، المدير الأول لاستراتيجية الذكاء الاصطناعي والمشاريع الاستراتيجية لدينا. وببساطة، فهو الشخص الذي ألجأ إليه عندما يحدث خلل ما في عالم الذكاء الاصطناعي وأحتاج إلى فهم كيف سيؤثر ذلك عليّ وعلى عملائي.

سنتناول العديد من الموضوعات. مدى السرعة التي تتطور بها هذه التكنولوجيا بالفعل. وما يعنيه ذلك للشركات التي تسعى لمواكبة هذه التطورات، والقرارات الاستراتيجية التي ستفصل بين الفائزين وأولئك الذين ما زالوا يحاولون حل المعضلات الناجمة عن الخيارات التي اتخذوها قبل عامين.

أوستن ريتزل: شكرًا، ليليان. لا يمكنني أن أتفوق على هذه المقدمة. لقد أعددتِ لي أرضية جيدة. أعلم أن لدينا الكثير مما نود مناقشته اليوم. فموضوعات عالم الذكاء الاصطناعي لا تنفد في الوقت الحالي.

ليليان فرايبرغ: لنبدأ بأمر أثار ضجة كبيرة بين الناس قبل بضعة أشهر. وإذا كان هذا الأمر جديدًا عليكم، فسأقدم لكم ملخصًا موجزًا عنه.

أطلقت شركة «أنثروبيك» — التي تقف وراء «كلود»، أحد المختبرات الرائدة في مجال الذكاء الاصطناعي — نموذجًا يُدعى «ميثوس». وتُطلق شركات الذكاء الاصطناعي نماذج جديدة باستمرار. لكن هذا النموذج لاقى صدىً مختلفًا تمامًا. فقد صُمم «ميثوس» ليكون متميزًا في مجال البرمجة. وما لم يتوقعه أحد تمامًا هو أن القدرات نفسها التي جعلته متميزًا في كتابة الأكواد البرمجية، جعلته أيضًا أقوى أداة مسح للثغرات الأمنية على الإطلاق. تم اكتشاف ما يقرب من 200 خطأ خطير في متصفح Firefox وحده. للمقارنة، اكتشف النموذج الذي سبقه حوالي 20 خطأً، قبل شهرين فقط.

وهذا هو الجزء الذي لفت انتباه الجميع حقًا. اختارت شركة Anthropic طواعية عدم نشره علنًا. فقد منحت حق الوصول إلى ما يقرب من 40 مؤسسة — شركات مالية كبرى، وشركات تكنولوجية، وبنى تحتية حيوية — خصيصًا حتى يتمكن المدافعون عن الأمن من تعزيز دفاعاتهم قبل أن تنتشر هذه القدرة على نطاق واسع. لم يحدث هذا النوع من ضبط النفس الطوعي على هذا النطاق من قبل. وقد أطلق ذلك جرس الإنذار في واشنطن، وجرس الإنذار في بروكسل، وأجبر على إجراء حوار حقيقي حول الوضع الفعلي لسباق الذكاء الاصطناعي.

انطباعي الأول هو أننا لم نصل إلى اتفاق بعد. ما هو انطباعك؟

أوستن ريتزل: في بيئة يبدو أننا نشهد فيها أحداثًا فارقة، وأحداثًا غير مسبوقة كل أسبوعين، كان هذا حقًا حدثًا بالغ الأهمية بالنسبة لمجال الذكاء الاصطناعي. وهناك عدة أسباب وراء ذلك.

أولاً، كما ذكرت، يتمتع Mythos بقدرة فريدة وفعالة على تحديد الثغرات الأمنية، وبالطبع، يثير ذلك مخاوف بشأن الاستخدام المزدوج. فمن ناحية، يمثل هذا نظام حماية قوي للغاية بالنسبة للجهات ذات النوايا الحسنة. أما بالنسبة للجهات ذات النوايا السيئة، فإن Mythos يعد سلاحاً هجومياً قوياً للغاية — سيفاً، لإكمال الاستعارة.

والسبب الثاني الذي جعل هذه الفكرة بالغة الأهمية هو ما أشرت إليه: النماذج تُنمو، ولا تُبنى. وهذه طريقة مختلفة تمامًا في التفكير في التكنولوجيا. هذه الفكرة لم أخترعها أنا. في الواقع، هذه هي الطريقة التي يصف بها داريو أمودي، الرئيس التنفيذي لشركة Anthropic، عملية إنشاء النموذج. لم يتم تحسين Mythos خصيصًا لفحص الأمن السيبراني. بل تم تحسينه للبرمجة، كما هو الحال مع العديد من نماذج اللغة الكبيرة. لكن نفس القدرات والميزات التي جعلته رائعًا حقًا في البرمجة جعلته أيضًا فعالًا للغاية في اكتشاف الثغرات الأمنية.

كان هناك من قال في البداية إن الأمر أشبه بأكبر حملة دعائية على الإطلاق — الطراز الذي يُعتبر قويًا للغاية بحيث لا يمكن طرحه في الأسواق. لكننا اكتشفنا بعد ذلك بوقت قصير أن الأمر لم يكن في الواقع مجرد دعاية. إنه تغيير جذري عما كان بإمكان الطراز السابق، Opus 4.6، القيام به فيما يتعلق بالكشف عن الثغرات الأمنية. تغيير كبير.

وعلى هامش ذلك، أود أن أشير إلى أن فكرة قابلية نقل القدرات من مجال إلى آخر — هي أمر نلاحظه في مجال التمويل. فالعديد من العناصر التي تجعل نماذج اللغة الكبيرة متميزة حقًا في البرمجة، مثل المنطق، هي نفسها التي تجعلها متميزة في العديد من المهام المالية أيضًا.

السبب الثالث الذي جعل هذا الأمر بالغ الأهمية هو أن شركة «أنثروبيك» قررت من تلقاء نفسها عدم طرحه للجمهور، وخصصته لتلك المؤسسات الأربعين — أعتقد أن العدد قد يصل الآن إلى 70 — لتمكينها من تعزيز دفاعاتها. كما أن ذلك يعود جزئيًا إلى بعض المخاوف المتعلقة بالقدرات الحاسوبية؛ فـ«مايثوس» نموذج ضخم للغاية.

وقد أثار ذلك رد فعل مثيرًا للاهتمام من جانب إدارة ترامب. فمن الناحية الأيديولوجية، لطالما عارضت الإدارة فرض أي قيود تنظيمية، لا سيما في مجال الذكاء الاصطناعي — فقد كان أحد أول الأوامر التنفيذية التي أصدرتها هو إلغاء لائحة تنظيمية كانت إدارة بايدن قد وضعتها . لكنها طرحت الآن فكرة إصدار أمر تنفيذي يُلزم مختبرات الذكاء الاصطناعي بتقديم نماذجها إلى السلطات الفيدرالية قبل طرحها للجمهور. وقد وُصفت هذه الخطوة بأنها بمثابة «هيئة الغذاء والدواء» (FDA) لمجال الذكاء الاصطناعي. وهو ما يمثل تغييرًا كبيرًا في المشهد التنظيمي.

كما أثار ذلك رد فعل من جانب الاتحاد الأوروبي لأنهم وُضعوا في موقف حرج — فلم تتمكن أي مؤسسة مقرها الاتحاد الأوروبي من الوصول إلى تلك المعلومات أيضًا. وهناك أيضًا تساؤلات حول إمكانية وصول جميع الحكومات بحرية ونزاهة إلى تلك المعلومات من أجل تعزيز دفاعاتها.

وبناءً على ذلك، فيما يتعلق بالجانب الأول من سؤالك: هل سباق الذكاء الاصطناعي لم يحسم بعد؟ بالتأكيد. يفترض الخبراء عمومًا — وهذا يأتي من الرؤساء التنفيذيين لهذه الشركات — أن المختبرات الأمريكية لا تتقدم أو تتأخر عن بعضها البعض إلا بحوالي 1 إلى 3 أشهر في الوقت الحالي. أما المختبرات الصينية مثل DeepSeek، فهي متأخرة بحوالي 6 إلى 12 شهرًا. إنهم متقاربون جدًا جدًا. وأعتقد أنه ينبغي لنا أن نتوقع نتيجة لذلك أن نشهد تغييرات وإعادة ترتيب مستمرة في هذا المجال.

الجزء الثاني: لماذا تعتبر الخدمات المالية نقطة الصفر

ليليان فرايبرغ: مثير للاهتمام. إذن، على الرغم من أن شركة «أنثروبيك» تشهد هذه اللحظة المهمة، فإن الأمر لم يحسم بعد. فالسباق لا يزال محتدماً . وأحد المجالات التي يتجلى فيها هذا السباق بشكل أوضح هو قطاع الخدمات المالية، كما أشرتِ سابقاً. فكل مزود رئيسي لتقنيات الذكاء الاصطناعي يبذل جهوداً حثيثة للتوسع في هذا القطاع. هل تعتقدين أن هذا الأمر له أسباب هيكلية، أم أنه مجرد سعي وراء المال؟

أوستن ريتزل: أعتقد أن كلا الأمرين صحيحان. من الناحية الهيكلية، فإن الكثير من الميزات التي تجعل نماذج اللغة الكبيرة بارعة جدًا في البرمجة تجعلها أيضًا بارعة جدًا في سير العمل المالي، أو في الكثير من سير العمل المالي، وبالتأكيد ليس كلها. تقدر شركة Anthropic نفسها أن القطاع المالي يتأخر بنحو 6 إلى 12 شهراً عن مستوى البرمجة الحالي على منحنى الأتمتة. وأي شخص كان يولي اهتماماً ولو بسيطاً بمجال الذكاء الاصطناعي يعرف ما يجري في مجال البرمجة هذه الأيام.

كما أنه بالتأكيد المجال الذي يدرّ المال. فالمختبرات الكبرى تحقق إيرادات ضخمة في القطاع المالي. وبالنسبة لشركة «أنثروبيك» — وأشير إليها هنا لأنها أصدرت مؤخرًا كمًا هائلاً من البيانات حول هذا الموضوع — فإن القطاع المالي يحتل المرتبة الثانية من حيث الإيرادات بين جميع القطاعات. ولا يتخلف هذا القطاع إلا عن قطاع التكنولوجيا، كما أن 40% من أكبر 50 عميلاً للشركة هم مؤسسات مالية.

ليليان فرايبرغ: هذا منطقي للغاية. لكن تأخر ما بين ستة إلى اثني عشر شهراً عن مجال البرمجة... أشعر أن هذا الفارق أقرب مما يدركه معظم الناس. ومع ذلك، تشتهر الخدمات المالية بكونها قطاعاً بطيء الحركة للغاية. دورات الشراء، والموافقات على المخاطر، وإقرارات الامتثال. فهل تُعد وتيرة تطور الذكاء الاصطناعي مجرد مشكلة مؤقتة تواجه هذا القطاع، أم أن هناك تبايناً جوهرياً أكبر في هذا الصدد؟

أوستن ريتزل: أعتقد أننا بحاجة إلى النظر في الأمر انطلاقًا من المبادئ الأساسية. من أين يأتي هذا التوتر؟ يبدو أن هناك توترًا إجرائيًا وهيكليًا على حد سواء.

الاحتكاك الإجرائي — مثل دورات التوثيق، وإدماج الموردين، وما شابه ذلك — من المحتمل أن تتمكن الذكاء الاصطناعي من تقليص الكثير منه. أما الاحتكاك الهيكلي، فمن المرجح أن يكون أكثر ديمومة. وأقصد بالاحتكاك الهيكلي اللوائح التنظيمية، والواجب الائتماني، والمساءلة الشخصية عن القرارات المتخذة في المجالات الخاضعة لرقابة صارمة. وربما يكون من الأفضل اعتبار هذه العوامل ميزات وليست عيوبًا في عالم المال، لا سيما وأن هذا العالم يواجه تحديات من الذكاء الاصطناعي، حيث تكون تكلفة الوقوع في الخطأ باهظة للغاية.

أما القيد الهيكلي الذي قد يشكل تحديًا أكبر فهو مفهوم سبق أن كتبت عنه يُسمى «سقف السيليكون»: وهو الحد الأقصى لقدرة الشركة على استيعاب الكفاءات. أمور مثل إدارة التغيير، وسد الفجوات في المهارات بين الموظفين، وتدريب الموظفين. هناك عدم توافق بين سرعة القدرات الرائدة وسرعة استيعاب المؤسسة. وهذا الأمر لا يقتصر على المؤسسات المالية . فقد وجد استطلاع "حالة الذكاء الاصطناعي في المؤسسات لعام 2026" الذي أجرته شركة "ديلويت" أن الفجوة في مهارات الذكاء الاصطناعي يُنظر إليها على أنها أكبر عائق أمام تكامل المؤسسات. لذا فإن هذا الجانب الأكثر مرونة من العائق الهيكلي مهم للغاية لفهم مدى السرعة التي يمكن لجميع الشركات التحرك بها.

أتوقع أن تتسع هذه الفجوة على الأرجح قبل أن تضيق. لكنكم ستلاحظون تباينًا بين الشركات التي تستثمر في القدرة على استيعاب النمو — وهو ما يعني في الواقع الاستثمار في الموارد البشرية والعمليات باعتبارها أصولًا استراتيجية — وتلك التي لا تفعل ذلك. وأتوقع أن تتفوق الفئة الأولى على نظيرتها.

ليليان فرايبرغ: يعجبني هذا الإطار المرن. ويُعد «سقف السيليكون» إطارًا مفيدًا للغاية لأن المشكلة لا تكمن بالضرورة في التكنولوجيا نفسها. بل المشكلة تكمن في الأشخاص، والمنظمة، والتكامل. وهذا يرتبط مباشرة بشيء أريد أن أتأكد من أننا نتطرق إليه قبل أن ننتقل إلى موضوع آخر، لأنه مهم للغاية وأتلقى هذا السؤال طوال الوقت. إنه الأمن السيبراني. جعلت Mythos الأمر واضحًا للغاية. عندما يتم نشر النماذج بشكل أسرع، ما الذي يحدث فعليًا لمجال التهديد بالنسبة لمؤسسة مالية؟

أوستن ريتزل: إنه سؤال مهم حقًا، وهو في الواقع يُظهر بطء المؤسسات المالية في صورة إيجابية للغاية. فبدلاً من أن نعتبره بطئًا، يمكننا أن ننظر إليه على أنه تروٍ.

تؤدي سرعة نشر النماذج إلى تغيير نطاق التهديد عبر مسارين رئيسيين. الأول هو وجود تباين بين القدرات الهجومية والدفاعية. إن الدورة التي تمر بها القدرة — من ظهورها، إلى دخولها الساحة، وصولاً إلى انتشارها على نطاق واسع — تتقلص حالياً. وعندما يتقلص هذا الفارق الزمني، فإن الأمر لا يقتصر على إعطاء المدافعين وقتاً أقل لإصلاح الثغرات فحسب، بل يمنحهم وقتاً أقل لفهم ما الذي يحاولون إصلاحه. قرار شركة Anthropic بتأجيل إطلاق Mythos هو أفضل مثال لدينا حتى الآن على شركة تضغط على الفرامل، وتحاول الفصل بين القدرة والنشر، وتمنح الجميع القليل من الوقت للاستعداد.

العامل الثاني هو أن الحدود الأمنية التقليدية آخذة في التغير، لا سيما مع تحول الذكاء الاصطناعي إلى كيان فاعل، حيث يبدأ في القيام بأعمال فعلية. فالذكاء الاصطناعي الذي يمتلك «أيدي» يمثل مصدر قلق مختلف تمامًا عن «عقل في جرة ». كل تكامل للذكاء الاصطناعي ينطوي على نشر نطاق جديد. وكيل لديه حق الوصول إلى التقويم، والبريد الإلكتروني، ونظام الملفات... لا يتناسب ذلك تمامًا مع نماذج أقل الامتيازات التي اعتمدنا عليها. ربما تحتاج ممارسات الأمن إلى التغيير بشكل جذري لتعكس وتيرة التغيير تلك. بدلاً من تحديث الوضع الأمني سنويًا، يجب أن يكون الأمر أشبه بوتيرة شهرية لمحاولة مواكبة وتيرة تطور الذكاء الاصطناعي.

الجزء الثالث: القرار الخاطئ على المستوى الخاطئ

ليليان فرايبرغ: سيكون هذا تغييرًا كبيرًا بالنسبة لبعض الشركات. لذا دعونا نغير الموضوع قليلاً ونتحدث عن مشكلة أعتقد أن الكثيرين يتعايشون معها بصمت في الوقت الحالي.

لنفترض: قبل 18 شهراً، خضعت شركتك لكامل الإجراءات: مراجعة قسم تكنولوجيا المعلومات، والموافقة على المخاطر، وموافقة قسم الامتثال، واعتمدت نموذجاً أساسياً. وقد تم تخصيص الموارد اللازمة. والآن تغيرت الأوضاع، وأنت تنظر حولك متسائلاً: هل راهنّا على الخيار الصحيح؟

ومن العوامل الرئيسية التي زادت الأمر سوءًا أن الكثير من هذه القرارات اتُخذت على المستوى غير المناسب. فقد وافق قسم إدارة المخاطر أو قسم تكنولوجيا المعلومات على شيء ما قبل أن تفهم الإدارة التجارية حقًا ما الذي تشتريه، وكيف ستستخدمه، أو حتى من قد يستخدمه. والآن أصبح لديك عقد، وسير عمل مبني عليه، بينما تجاوز العالم كل ذلك.

أوستن، هل يمكن حل هذه المشكلة؟ أم أن القطاع سيضطر إلى تحمل عواقب هذه القرارات المبكرة لفترة من الوقت؟

أوستن ريتزل: عندما تكون الأرضية في حالة تغير مستمر، فإن الاستجابة الأنسب هي ضمان أن تكون الأسس مرنة بما يكفي للتكيف. ما رأيناه في الموجة الأولى من الذكاء الاصطناعي، عندما كان الحماس في تصاعد، لكن الأمر كان لا يزال جديدًا إلى حد كبير، في عام 2024 على سبيل المثال، هو أن الوحدات غير التجارية كانت تتخذ الكثير من هذه القرارات نيابة عن المستخدمين التجاريين. فرق تكنولوجيا المعلومات وإدارة المخاطر والمشتريات.

ربما أرجأت وحدات الأعمال إبداء رأيها لأن الأمر كان جديدًا تمامًا. فلم تكن قد طورت تفضيلات خاصة بها بعد. ولم تكن قد تعرفت بعد على الإمكانات التي تتمتع بها هذه الأدوات. وبصراحة، كانت الإمكانات مختلفة تمامًا. ففي عام 2024، كنا نتحدث عن روبوتات الدردشة. أما الآن، فنحن نتحدث عن أشخاص يقومون بإنشاء وكلاء آليين في غضون ساعتين. إنه تغيير هائل.

ومع ذلك، أتوقع أن يصبح «الحياد النموذجي» النهج السائد، سواء بين الشركات التي تطور حلولاً متخصصة أو الجهات التي تشتري تلك الحلول. لكن «الحياد النموذجي» ليس مجرد قرار تتخذه. فهو لا يقتصر على القول «نحن محايدون نموذجياً» فحسب، بل يتطلب استثماراً هائلاً في البنية التحتية.

تُعد Clarity AI مثالاً مفيداً على ذلك. Clarity AI اتبعنا منذ البداية نهجاً لا يعتمد على نموذج معين. وتتيح منصة استخراج البيانات التي أنشأناها، سواء للاستخدام الداخلي أو للعملاء، التبديل السلس بين نماذج من Anthropic وOpenAI وGemini والعديد من الشركات الأخرى. وعندما نضيف إلى ذلك النماذج ذات الأوزان المفتوحة ، فإننا نتحدث عن إمكانية الوصول إلى أكثر من ألف نموذج أساسي. يمكن دمج نموذج جديد في غضون يومين فقط. وهذا يضمن أننا لا نعتمد أبدًا على مختبر واحد، ولا نتعرض أبدًا لخطر أن تصبح تقنياتنا قديمة بسبب إصدار جديد أو أن نتعرض لمأزق بسبب انقطاع الخدمة.

أما المشترون من الجانب الآخر، فينبغي عليهم أن يستلهموا من المثال الذي ضربته شركة آبل مؤخرًا. ستستخدم آبل نموذج «جيميني» كأساس لنماذجها الأساسية، ولكن مع إصدار نظام التشغيل iOS 27، ستسمح للمستخدمين باختيار المزود الخارجي الذي يرغبون فيه — سواء كان «جيميني» أو «أوبن آي آي» أو «أنثروبيك» — لتشغيل الميزات عبر برامجها. ستكون استجابة Siri التي تم إنشاؤها عبر Claude مختلفة عن تلك التي تم إنشاؤها باستخدام Gemini. يمكنك اتخاذ هذا القرار بناءً على تفضيلك لنبرة أو شخصية النموذج، أو سمعته في مهام معينة، أو ثقتك في المختبر، أو معرفتك به من خلال بيئات العمل المهنية.

آبل لا تراهن على الخيول. بل إنها تبني مضمار السباق. وهذا هو النهج نفسه الذي نتبعه في Clarity AI سنوات، وأتوقع أن يتبناه كل من المطورين والمشترين بشكل متزايد مع إدراكهم أن الحصرية تنطوي على مخاطر هائلة.

ليليان فرايبرغ: «قم ببناء مضمار السباق، ولا تراهن على الحصان». أحب هذه المقولة. ليس فقط لأنني أحب المراهنة، بل لأنها تبدو بديهية عند النظر إليها بأثر رجعي. لكن من الواضح أن الجميع لم يدركوا ذلك مبكرًا. لقد أشرتِ إلى أن القرارات تُتخذ على المستوى الخاطئ. فهل ينطبق هذا النمط فعليًّا على السوق بأسره؟

أوستن ريتزل: أعتقد ذلك. وهذا ليس ذنبًا يقع على عاتق قطاع الخدمات المالية وحده. بل إنه أمر يحدث في جميع القطاعات. كانت الوظائف المركزية في مجالات تكنولوجيا المعلومات والمخاطر والمشتريات هي أول من قام بتقييم مزودي خدمات الذكاء الاصطناعي، في وقت كان فيه هذا المجال جديدًا للغاية، وكانت الشركات قد أرجأت نوعًا ما تأثيرها. وهكذا انتهى الأمر بشركات وافقت على نموذج واحد في عام 2024 وأصبحت الآن محصورة فيه. وهذا ما نسمعه كلانا من العملاء في عملنا اليومي.

الخطوة الذكية كانت وستظل دائمًا هي اتباع نهج "من القاعدة إلى القمة". عليك أن تفهم حالة الاستخدام أولاً، ثم تنتقل إلى اختيار المورد. تبدأ بالوظائف الأقرب إلى العمل. إذا كنت تفكر في إدخال أداة ذكاء اصطناعي لمهندسي البرمجيات، فمن الأفضل أن تتحدث إلى مهندسي البرمجيات. إذا كنت تفكر في إدخال أداة لمديري العلاقات، فعليك التحدث إلى مديري العلاقات لفهم القدرات المهمة وتلك التي ليست كذلك. تجاوز العروض التوضيحية الجذابة وركز على القيمة الفعلية.

ولا يزال يتعين أن تأتي عملية التقييم المركزي في مرحلة لاحقة — حيث يتعين على أقسام تكنولوجيا المعلومات وإدارة المخاطر والمشتريات أن تخضع هذه الأدوات لاختبارات شاملة من الناحية الأمنية، كما ناقشنا سابقًا. لكن يجب أن تكون هذه الأقسام منفتحة لتأثير وحدات الأعمال. فقد أصبح مستخدمو وحدات الأعمال يتمتعون بالكفاءة الكافية لممارسة تأثير على تقييمات الفرق الفنية.

ليليان فرايبرغ: وهذا يقودنا بشكل مثالي إلى ظاهرة منفصلة ولكنها مرتبطة بالموضوع. أعتقد أنها أكثر انتشارًا بكثير مما تريد الشركات الاعتراف به: فالعاملون داخل هذه المؤسسات يدركون وجود أدوات أفضل، ويستخدمونها سراً على أي حال، سواء تمت الموافقة عليها أم لا. ما الذي ينتج عن هذا الضغط في نهاية المطاف على المستوى المؤسسي؟

أوستن ريتزل: أعتقد أن هذا الاستخدام الخفي هو أحد أعراض مشكلة عميقة الجذور. وقد أطلق إيثان موليك، من كلية وارتون، الذي يكتب كثيرًا عن الذكاء الاصطناعي في بيئات العمل، على هذا النوع من الموظفين اسم «السايبورغ السري». «السايبورغ السري» هو شخص صامت وخائف. إنه الموظف الذي يستخدم الذكاء الاصطناعي ليتفوق على زملائه في الخفاء، لكنه لا يرى أي فائدة أو حافز للكشف عن هذا الاستخدام. فهو يخشى التعرض للانتقاد أو يخشى أن يحل الذكاء الاصطناعي محله. مهما كان الدافع الذي يثنيه عن الكشف عن استخدامه للذكاء الاصطناعي، فإنه يمثل مشكلة. ويشير ذلك إلى أن الشركة نفسها لم تبنِ العلاقة الداخلية الصحيحة مع الذكاء الاصطناعي. هذا هو المرض الذي تمثل هذه الشخصية أحد أعراضه.

العواقب وخيمة. فهناك مشكلات مثل تسرب البيانات عبر سجل الإرشادات الصوتية — فإذا كنت تستخدم إصدارات غير آمنة من الأدوات غير المخصصة للشركات، فقد تكون تنقل معلومات حساسة إلى أنظمة يمكنها التدرب عليها، وقد تظهر تلك المعلومات في الإجابات المقدمة للمستخدمين الآخرين. وهذا يؤدي إلى نتائج غير متسقة بين الفرق. ولكن ربما تكون المشكلة الأكثر تكلفة هي أنها تخلق فجوات في القدرات. فهي تقلل من كفاءة القوى العاملة لديك وتخلق فجوة متزايدة بين الشركات التي ينتشر فيها هؤلاء "السايبورغ السريون" وتلك الشركات التي أنشأت بيئات ذكاء اصطناعي متسامحة وخاضعة لإدارة جيدة، حيث يستخدم الناس أدواتهم دون التعرض للانتقام.

يكمن الحل في ضمان وضع إطار حوكمة يركز على «كيفية» استخدام الموظفين للذكاء الاصطناعي — وليس «ما إذا كانوا سيستخدمونه» — لأنهم سيستخدمونه في نهاية المطاف. كما يجب إعادة صياغة المنظور من القمة إلى القاعدة: فالذكاء الاصطناعي هو عامل مسرع لعمل الخبراء، وليس بديلاً عنه. فالموظف الذي يتم تمكينه بواسطة الذكاء الاصطناعي ينجز ما هو أكثر بكثير من الموظف الذي يحل الذكاء الاصطناعي محله. والشركات التي تحقق إنجازات أكبر بنفس الموارد، بدلاً من تحقيق نفس الإنجازات بموارد أقل، هي التي ستكون الفائزة حقاً.

ليليان فرايبرغ: فهمت. «السايبورغ السري». صامت وخائف. أرى أن هناك شريحة جديدة تمامًا من المرضى ستتفتح أمامهم.

أوستن ريتزل: بالفعل. أو مسلسل خيال علمي.

ليليان فرايبرغ: يمكننا بيعه إلى «حرب النجوم».

أوستن ريتزل: إنها حلقة حزينة جدًا من سلسلة «حرب النجوم»، لكن نعم.

الجزء الرابع: البناء أم الشراء — وما هي التكلفة الفعلية لهذا المشروع غير المجدٍ؟

ليليان فرايبرغ: بالنسبة لبعض الشركات التي تراقب كل ما يجري، توصلت إلى رد يبدو معقولاً ظاهرياً: «إذا لم نتمكن من العثور على المورد المناسب، فسنقوم ببنائه بأنفسنا». امتلاك البنية التحتية، والتحكم في خطة العمل، وعدم الاعتماد على مزود خارجي. لقد سمعت هذا الحجة تُطرح بشكل مقنع في العديد من غرف اجتماعات مجالس الإدارة. لكن تنفيذها يختلف تمامًا عن عرضها. ما رأيك في هذه المقايضة؟

أوستن ريتزل: هناك مستويان يجب أن نميز بينهما عندما نتحدث عن «البناء» مقابل «الشراء». الأول هو النماذج الأساسية: تلك التي تعمل شركة «ديب مايند» التابعة لـ«جوجل» على تطويرها في «جيميني»، وتلك التي تعمل شركة «أنثروبيك» على تطويرها في «كلود»، وتلك التي تعمل شركة «أوبن إيه آي» على تطويرها في «تشات جي بي تي». لا توجد أي مؤسسة مالية تقريبًا تفكر بجدية في بناء نموذج أساسي. فالفجوة في الكفاءات هائلة، والنفقات الرأسمالية المطلوبة هائلة، والقيود الحاسوبية هائلة. لكن تطوير الأدوات والتطبيقات المتخصصة التي تستفيد من الذكاء الاصطناعي كقدرة أساسية — مثل منصات استخراج البيانات، ومولدات التقارير، والمساعدين — هو موضوع أكثر إثارة للاهتمام، وهنا تكمن المفاضلات الحقيقية.

بفضل الأدوات المتاحة اليوم، يمكنك نظريًّا إنشاء نسخة خاصة بك من «جوجل» أو «سلاك» أو «هوبسبوت». لكن قلة قليلة هي التي تقوم بذلك فعليًّا على مستوى المؤسسات. ليس لأنهم عاجزون تقنيًّا عن ذلك، بل لأن تكلفة إنجازه بشكل صحيح — ثم الحفاظ عليه وصيانته — ستفوق بكثير أي فائدة يمكن تصورها من امتلاك تلك المنصة المتكاملة. فيصبح الأمر بمثابة «فيل أبيض» ملعون. لقد اشتريت هذا الفيل، والآن عليك أن تجد طريقة لإطعامه وإبقائه على قيد الحياة.

هناك ثلاثة أسباب تجعل المسار الداخلي غالبًا ما يقصر عن تحقيق النتائج المرجوة:

• أولاً، هناك تكلفة بديلة واضحة. فكل مهندس يُكلف بتطوير أداة داخلية للذكاء الاصطناعي هو مهندس لا يعمل على الكفاءات الأساسية للمؤسسة.
• ثانياً، الأدوات المتخصصة لا تخلو من المتخصصين: أي الخبراء المتمرسين في هذا المجال والملمين بجميع جوانب المشكلة. في Clarity AI أمضينا عقداً من الزمن في جمع وتدقيق وإثراء وتنظيم مجموعة ضخمة من بيانات الاستدامة من مئات العملاء، وذلك باستخدام منهجيات خاصة تم تطويرها خصيصاً لهذا الغرض. وهذه الخبرة تتراكم بمرور الوقت. أما الفريق الداخلي الذي يبدأ من الصفر، فسيجد صعوبة في الوصول إلى هذا المستوى من العمق.
• ثالثًا — وهذا أمر يؤكد عليه رئيس قسم التكنولوجيا لدينا بشدة — الصيانة عملية خفية لكنها مكلفة للغاية. فنحن نحرص على تحديث أكثر من 400 منهجية قياس و20 منهجية على مستوى المنتجات، كما نقوم بتقييم النماذج الجديدة ودمجها، ونقدم الدعم لسير العمل مع تغير النماذج الأساسية وتطور الأنظمة التنظيمية. يمكننا توزيع هذا العبء على مئات العملاء. أما الفريق الداخلي فيتحمل هذا العبء بمفرده، إلى الأبد.

تُعد شركة «جيه بي مورغان» مثالاً دالاً على ذلك. فهي تمتلك رأس مال ومهندسين أكثر من العديد من شركات التكنولوجيا. وقد صرح جيمي ديمون قائلاً: «نحن شركة تكنولوجية تصادف أنها تعمل في مجال التمويل». ومع ذلك، فإنها تتعاون مع شركة «أنثروبيك» على مستوى النماذج، وتقوم بشراء خدمات موردين متخصصين على مستوى سير العمل والأدوات. اشترِ العناصر الأساسية وقم ببناء العناصر الثانوية.

ليليان فرايبرغ: هناك أيضًا مسألة الاستقرار المالي الكامنة وراء كل هذا، والتي لا أعتقد أن عددًا كافيًا من الشركات يأخذها في الحسبان. فليس هناك أي من كبار مزودي نماذج الأساسات التي تحقق أرباحًا. بل إن بعضهم يتحمل ديونًا ضخمة. فإذا واجه أحدهم مشاكل خطيرة، فماذا سيحدث لكل من بنى خدماته على أساس هذه النماذج؟ هل هذا خطر يأخذه الناس فعليًا في الحسبان؟

أوستن ريتزل: إنه سؤال وجيه حقًا. وأود أن أوضح أن شركة «ألفابت» قد تكون استثناءً في هذا السياق: فهي تحقق أرباحًا هائلة. لكن إذا ما ركزنا على «ديب مايند»، المختبر الداخلي الذي يعمل على تطوير «جيميني»، فإن «ديب مايند» نفسها لا تحقق أرباحًا. ومن المرجح أن تكون أوضاعها المالية مشابهة إلى حد كبير لأوضاع شركتي «أنثروبيك» أو «أوبن إيه آي» عند احتساب جميع التكاليف.

إن الإفراط في الاعتماد على نموذج واحد يمثل مخاطرة، حتى لو وضعنا الجوانب المالية جانباً. أعتقد أن النموذج الاقتصادي بدأ يؤتي ثماره في مجال الاستدلال. لكن عملية التدريب مكلفة للغاية، وهذه المخاوف حقيقية. كما أن إنشاء أي من هذه المختبرات التابعة للمؤسسات ليس أمراً حتمياً.

وقد شهدنا مثالاً جيداً على ذلك مؤخراً: فقد قام إيلون ماسك بتأجير أكبر مركز بيانات يملكه خارج مدينة ممفيس، وهو «مركز بيانات كولوسوس»، إلى شركة «أنثروبيك». وفي الوقت نفسه، يمتلك ماسك أيضاً مشروع «غروك». ويبدو أنه قد تخلّى فعلياً عن فكرة جعل «غروك» نموذجاً رائداً من خلال تأجير كل تلك السعة الحاسوبية إلى شركة «أنثروبيك». يتعين على الشركات أن تكون قادرة على الصمود في وجه أي صدمة خارجية، سواء كانت إفلاساً أو مجرد تأخر أحدهم عن الركب.

وهذا هو بالضبط ما يميز نهج البنية المفتوحة. إنه بناء أساس يتيح لك التكيف وتغيير المسار عندما يتخلف أحدهم عن الركب أو ينسحب تمامًا. في Clarity AI تستخدم منصة استخراج البيانات الخاصة بنا جميع النماذج التي ذكرتها، ليس فقط لأن النماذج المختلفة تناسب مهام مختلفة، بل أيضًا لأننا لا نرغب في التعرض لمخاطر التركيز التي تنجم عن الاعتماد على مختبر واحد فقط.

وهناك أيضًا سؤال فلسفي أعمّ كنت أفكر فيه مؤخرًا. هل التبعية التي طورناها خلال السنوات القليلة الماضية تجاه مختبرات المؤسسات الكبرى كافية لدرجة أننا نعتبرها «أكبر من أن تفشل»؟

ليليان فرايبرغ: أرى الأمر من زوايا عديدة. وأرى الكثيرين يتجادلون حول هذا الموضوع من كلا الجانبين. لكن ما هو مؤكد تمامًا هو أنه لا ينبغي لأي مؤسسة مالية — ولا لأي مؤسسة تجارية — أن تضع نفسها في موقف تجعلها تتحمل عواقب إجابة تبدو وكأنها «لا» على هذا السؤال.

الجزء الخامس: من هو الفائز الحقيقي

ليليان فرايبرغ: عندما نتحدث عن كل هذا، لا سيما فيما يتعلق بالشركات المالية — فإننا نتحدث عن فقدان الميزة التنافسية، وفقدان العائد الزائد. وهذا يقودني إلى ما أعتقد أنه الفكرة الأساسية الكامنة وراء هذه المحادثة برمتها. كيف ستتبلور أوضاع هذا السوق فعليًا؟ حدسي، استنادًا إلى ما أسمعه من العملاء وقادة الفكر، هو أن اللاعبين المتخصصين، أولئك الذين يتمتعون بخبرة حقيقية في مجال معين، والذين يمكنهم العمل عبر أي نموذج وافق عليه العميل بالفعل، سيكونون في نهاية المطاف في أقوى موقف. هل هذا هو رأيك أيضًا؟

أوستن ريتزل: نعم. وأعتقد أن العوامل الاقتصادية هي التي تفرض هذا الواقع على الأرجح. فمن المرجح أن تتحول الطبقة الأساسية إلى سلعة إلى حد ما. وقد شبّه سام ألتمان نفسه الوضع النهائي لـ OpenAI بخدمة عامة. ونتيجة لتحوّل تلك الطبقة إلى سلعة، من المرجح أن نرى القيمة المميزة تنتقل إلى الطبقات الأخرى في البنية التي يمكنها القيام بأمور لا يستطيع النموذج العام القيام بها.

تخيل أن نموذج اللغة الكبير (LLM) هو المحرك. والشركات التي ستتفوق على منافسيها هي تلك التي تستطيع بناء هيكل حوله: خبرة حقيقية في المجال، ومعرفة منظمة، ومنهجيات حتمية تعمل على تحويل ما هو في الأساس أداة احتمالية. فإذا طرح شخصان السؤال نفسه، يجب أن يحصل كل منهما على الإجابة نفسها. أنت بحاجة إلى تقييمات. أنت بحاجة إلى مراجعات الخبراء البشرية. الأشخاص القادرون على بناء الهيكل — التوجيه، والمكابح، والهيكل — سيستمدون نوعًا خاصًا جدًا من القيمة من هذا النظام البيئي.

كما ستكون البنية التحتية للتحقق أمرًا أساسيًا، لا سيما بالنسبة للمؤسسات المالية أو أي مؤسسة تعمل في مجال خاضع للتنظيم. فالقدرة على تفسير النتائج، وإمكانية إرجاع مصدرها إلى قاعدة بيانات منظمة، وإمكانية تتبع عملية التحويل بدءًا من البيانات الأولية والمنهجية المستخدمة وصولاً إلى النتائج النهائية، هي العوامل التي تجعل هذه النتائج قابلة للاستخدام فعليًّا في السياقات الخاضعة للتنظيم.

ليليان فرايبرغ: بالتأكيد. وبالنسبة للعملاء في القطاع المالي على وجه الخصوص — فإن قابلية التتبع، والثقة، وتوافر الحلول الجاهزة للتوافق مع معايير IC والتدقيق — أمور بالغة الأهمية. وبأخذ كل ذلك في الاعتبار، ما الذي يميز فعليًّا الموردين المتخصصين الذين يخرجون أقوى من المنافسة عن أولئك الذين لا ينجحون في الصمود؟

أوستن ريتزل: عدة أمور. المرونة المعمارية، وعدم التبعية لنموذج معين. العمق الحقيقي في المجال: الاستفادة من البيانات الخاصة، وتوظيف المنهجيات لتحويل النتائج الاحتمالية إلى نتائج حتمية. ستشكل البيانات حاجزًا وقائيًا حقيقيًا في المستقبل.

علاوة على ذلك، فإن المزودين المتخصصين الذين يتفوقون على منافسيهم سيتطلبون أيضًا بنية تحتية قوية للغاية للتدقيق. لا يقتصر الأمر على أرقام الصفحات فحسب، بل يشمل أيضًا «هندسة الاقتباس»: أي المكان المحدد على الصفحة، والموقع الدقيق للمعلومات. ونسب المصدر. التحويلات القابلة للتدقيق: كيف تحولت البيانات الأولية الموجودة على الصفحة إلى ناتج محول في تقرير تم إنشاؤه تلقائيًا؟ كيف يمكنك تقليل عبء التحقق، أي الوقت الذي يستغرقه شخص ما للتأكد من أن الذكاء الاصطناعي قد أنتج شيئًا دقيقًا، إلى أقرب ما يمكن من الصفر؟

أما الشركات التي تعمل على إنشاء واجهات مستخدم جذابة فوق نماذج عامة الغرض تفتقر إلى أي عمق في المجال المعني، فمن المرجح أن يتم استيعابها. أما ما يميزك عن غيرك فهو البيانات المنسقة أو الخاصة، والنتائج القابلة للتدقيق والشفافة التي تقلل من عبء التحقق، والقيام بما لا تستطيع تلك النماذج العامة القيام به.

ليليان فرايبرغ: «الأغلفة الرقيقة تُلتهم بسرعة». أعتقد أن هذه قد تكون جملة اليوم. أوستن، شكرًا لك. كان هذا رائعًا حقًا. كدت أن تحقق ثلاث مرات متتالية في موضوع «اللاأدرية النموذجية»، لكنك نجحت في جعل كل شيء منطقيًا، وهذا ليس بالأمر الهين.

أوستن ريتزل: شكرًا لكِ، ليليان.