معيار الأداء لعصر الذكاء الاصطناعي
السؤال الذي أسمعه من المديرين الماليين في كل مكان بسيط: كيف نحقق قيمة أكبر من إنفاقنا على الذكاء الاصطناعي؟
على مدى سنوات، كان السوق يقيس نجاح البرمجيات من خلال مدى تبنّيها: المقاعد المشتراة، والمستخدمون النشطون، والتراخيص المجددة. ويتطلب فهم قيمة الذكاء الاصطناعي مقياسًا أقوى: العمل المُنجَز.
السؤال الاقتصادي الأساسي الذي يواجه المدير المالي (CFO) وغيره من قادة الأعمال هو ما إذا كانت قيمة العمل الذي ينجزه الذكاء الاصطناعي تنمو بوتيرة أسرع من تكلفة إنتاجه.
تتطلب الإجابة عن هذا السؤال النظر بعمق أكبر من مجرد مقياس مثل التكلفة لكل رمز. وقد يكون لنموذج أقل تكلفة رمز أرخص، لكن الحصول على نتائج ممتازة قد يتطلب عددًا أكبر من المحاولات، أو وقتًا أطول، أو مزيدًا من المراجعة البشرية. وقد يكون رمز النموذج الأكثر قدرة أعلى تكلفة، لكنه يُكمل المهمة نفسها في تمريرة واحدة. ما يهم هو التكلفة الكاملة لتحقيق نتيجة ناجحة، مقارنةً بالقيمة التي تولدها تلك النتيجة.
يمكن النظر إلى المعيار الحاسم في عصر الذكاء الاصطناعي بوصفه "الذكاء المفيد مقابل كل دولار". يجيب هذا المقياس عن أربعة أسئلة رئيسية:
- هل ينجز الذكاء الاصطناعي العمل المهم؟
- ما تكلفة كل مهمة ناجحة؟
- هل يمكن للناس الاعتماد على النتيجة؟
- هل يولّد كل دولار يُنفق على الذكاء الاصطناعي قيمة أكبر مع تزايد الاستخدام؟
ابدأ بالعمل نفسه.
كم عدد مشكلات العملاء التي ساعد الذكاء الاصطناعي على حلّها؟ وكم عدد التغييرات البرمجية التي ساعد على إطلاقها؟ وكم عدد العقود التي راجعها؟ وكم من الوقت وفّره للأشخاص؟ وكم من القرارات أصبحت أفضل بفضل إتاحة السياق المناسب في اللحظة المناسبة؟
تُنشئ الرموز المميّزة قيمةً عندما تتحول إلى عمل يمكن للأشخاص الاستفادة منه. ومع ازدياد قدرات النماذج، تصبح قادرة على تولّي مهام أطول وأكثر تعقيدًا، مثل الحفاظ على السياق، والاستدلال عبر خطوات متعددة، والعمل باستخدام أدوات مختلفة، والتكيّف مع تقدّمها في تنفيذ المهمة.
أفضل نقطة للبدء هي اختيار سير عمل واحد. حدّد معنى "الإنجاز" فيه، ثم قِس هذه النتيجة داخل النظام الذي يُنفَّذ فيه العمل.
بالنسبة إلى فريق الدعم، قد يعني "الإنجاز" حلّ مشكلة أحد العملاء. وبالنسبة إلى فريق هندسي، قد يعني إجراء تغيير برمجي يجتاز الاختبارات. أما بالنسبة إلى فريق قانوني، فقد يعني مراجعة عقد بدقة وفي الموعد المحدد.
لنتأمل فريقًا ماليًا يستعد لمراجعة التوقعات. يُنجز جزء كبير من العمل قبل اتخاذ القرار النهائي، مثل العثور على أحدث التوقعات، ونقل البيانات إلى Excel أو Sheets، وتحديد التغييرات، ومطابقة علامات التبويب، وإعادة إعداد الشرائح، والتحقق من أن جميع الأرقام متطابقة تمامًا.
يمكن لـChatGPT Work تولّي جزء كبير من هذه العملية، ما يمنح الفريق وقتًا أطول للتركيز على الأسئلة المهمة: ما الذي تغيّر؟ ولماذا؟ وما الخطوة التالية التي ينبغي اتخاذها؟
وهذا هو "الذكاء المفيد مقابل كل دولار" في الممارسة العملية: إنجاز قدر أكبر من العمل بسرعة أكبر، مع إتاحة وقت أطول للأشخاص لتطبيق حكمهم المهني وإبداعهم وخبراتهم.
السؤال التالي: ما تكلفة إنجاز ذلك العمل بشكل جيد؟
تختلف مهام الذكاء الاصطناعي اختلافًا كبيرًا. فقد لا تتطلب الإجابة السريعة سوى قدر محدود من الحوسبة، بينما قد يتضمن سير عمل برمجي أو بحثي أو مالي قدرًا أعمق من الاستدلال، واستخدام الأدوات، وتنفيذ العديد من الإجراءات. وقد تتطلب هذه المهام الأكثر تعقيدًا قدرة حوسبية أكبر، لكنها قد تحقق قيمة أعلى بكثير.
على مستوى النموذج، تعتمد تكلفة المهمة الناجحة على السعر، ومقدار الحوسبة المستخدمة، واحتمال الوصول إلى النتيجة الصحيحة. أما بالنسبة إلى الشركات، فتشمل التكلفة الإجمالية أيضًا وقت الموظفين، والمراجعة البشرية، وإعادة المحاولة، وإعادة تنفيذ العمل.
الحساب بسيط ومباشر:
- اجمع التكلفة الكاملة لإكمال العمل.
- احسب عدد المهام التي استوفت معيار الجودة المطلوب.
- اقسم التكلفة الإجمالية على عدد المهام الناجحة.
ولهذا السبب، لا يؤدي أدنى سعر لكل رمز دائمًا إلى أدنى تكلفة لكل نتيجة. فقد يحقق أحد النماذج الرائدة أفضل قيمة حتى في الطلبات الروتينية، إذا قدّم الإجابة الصحيحة من المحاولة الأولى، ما يقلل من إعادة المحاولة، وزمن الاستجابة، والمراجعة، وإجمالي الحوسبة.
تمنح مجموعة النماذج متعددة المستويات العملاء خيارات أكثر لتحسين هذه المعادلة. ويتوفر GPT‑5.6، الذي أطلقناه الأسبوع الماضي، في ثلاثة مستويات: Sol هو نموذجنا الرائد، وTerra يوازن بين الأداء والتكلفة، وLuna هو نموذجنا الأسرع والأقل تكلفة.
توفر هذه المستويات نقاط انطلاق مفيدة، لكن الجدوى الاقتصادية للمهمة الكاملة هي التي ينبغي أن تحدد النموذج الأنسب في النهاية. فقد يستخدم العميل Luna لسير عمل سريع وعالي الحجم، أو Terra للمهام التي تتطلب قدرًا أكبر من العمق، أو Sol عندما يحقق الاستدلال الأقوى أفضل نتيجة بعدد أقل من المحاولات.
درّبنا GPT‑5.6 لإنجاز قدر أكبر من العمل المفيد مقابل كل رمز مميز. وفي مؤشر وكلاء البرمجة من Artificial Analysis، سجّل GPT‑5.6 Sol، مع ضبط جهد الاستدلال على الحد الأقصى، أفضل أداء جديد مع استخدام رموز إخراج أقل بنسبة 54% مقارنةً بنموذج رائد آخر. ويوضح المخطط أدناه هذه المقارنة.
DeepSWE v1.1: مهام هندسية طويلة المدى؛ يحقق GPT‑5.6 Sol مستوى عالٍ جديدًا يبلغ 72.7%، متجاوزًا Claude Fable 5 الذي بلغ 69.9%، وبتكلفة API تقديرية أقل بنسبة 36.2%.
على امتداد عائلة GPT‑5.6، يظل الهدف واحدًا: إنجاز قدر أكبر من العمل الناجح مقابل كل دولار. فزيادة الكفاءة تجعل المهام الحالية أقل تكلفة، بينما تتيح القدرات الأكبر تنفيذ أنواع جديدة كليًا من العمل.
وينبغي لكل جيل جديد من النماذج أن يحسّن جانبي هذه المعادلة. إذ يجب أن يتمكن العملاء من إنجاز عمل أكثر قيمة، بالتزامن مع استمرار انخفاض تكلفة إتمام كل مهمة.
المقياس الثالث هو الموثوقية.
يتعمّق تبنّي الذكاء الاصطناعي عادةً على مراحل. ففي البداية، يساعد على إعداد المسودات. ثم يبدأ في العثور على السياق والاستدلال عبر الأدوات والبيانات. ومع مرور الوقت، يبدأ في اتخاذ الإجراءات، والتعامل مع الحالات الاستثنائية، وإكمال مسارات العمل، مع تدخّل الأشخاص لتقديم الحكم والإشراف عند الحاجة.
تُنشئ كل خطوة قيمة أكبر، لكنها تفرض أيضًا متطلبات أعلى على النظام.
للموثوقية قيمة اقتصادية مباشرة. فعندما تكون النتائج دقيقة، وموثقة بالمصادر، ومتسقة، ويتم تصعيدها عند الحاجة على النحو المناسب، يقضي الأشخاص وقتًا أقل في المراجعة والتصحيح وإعادة تنفيذ العمل. وبذلك تنخفض تكلفة المهام الناجحة، وتكتسب المؤسسات الثقة لاستخدام الذكاء الاصطناعي في مسارات عمل أكثر أهمية.
يمكن للفرق تحويل ذلك إلى مؤشرات ملموسة من خلال تتبّع ثلاث نتائج:
- جاهز للاستخدام: استوفت النتيجة معيار الجودة كما قُدّمت.
- يحتاج إلى تصحيح: تطلبت النتيجة محاولة أخرى أو تعديلات بشرية.
- يحتاج إلى تصعيد: كان لا بد من تدخّل شخص لإكمال العمل.
تقدّم هذه المقاييس صورة أكثر شمولًا من دقة النموذج وحدها، إذ توضّح ما إذا كان الذكاء الاصطناعي يقلّل بالفعل حجم العمل اللازم لإكمال المشروع.
تتطلب الموثوقية أيضًا حدودًا واضحة. وقبل انتقال الذكاء الاصطناعي من إعداد المسودات إلى اتخاذ الإجراءات، ينبغي للمؤسسات تحديد ما يلي:
- البيانات التي يمكن للنظام الوصول إليها.
- الأنظمة التي يمكن استخدامها أو تعديلها.
- الحالات التي ينبغي فيها لشخص ما مراجعة إجراء أو الموافقة عليه.
تشكّل السلامة والأمن والخصوصية والتحكم الأساس لاستخدام أعمق. ويحتاج الأشخاص إلى فهم كيفية تصرّف النظام، وكيفية التعامل مع بياناتهم، وكيفية تنظيم إجراءاته.
يستند ChatGPT Work إلى أسس الأمان والخصوصية والامتثال وإدارة مساحات العمل التي يوفرها ChatGPT Enterprise. ويتيح ذلك للمؤسسات تزويد الذكاء الاصطناعي بسياق أوسع ومنحه إمكانية الوصول إلى مسارات عمل أكثر قيمة، مع الحفاظ على مستوى مناسب من الإشراف.
القدرات تدفع إلى الاستخدام الأول، أما الموثوقية فتجعل الذكاء الاصطناعي جزءًا من آلية إنجاز العمل.
السؤال الأخير هو ما إذا كانت الجدوى الاقتصادية تتحسن مع التوسع.
يمكن للشركات قياس ذلك من خلال متابعة سير العمل نفسه بمرور الوقت. ويشمل ذلك تتبّع عدد المهام التي استوفت معيار الجودة، وإجمالي تكلفة إنجازها، وتكلفة كل مهمة ناجحة. وإذا نما حجم العمل المنجز بوتيرة أسرع من إجمالي التكلفة، مع الحفاظ على الجودة أو تحسينها، فهذا يعني أن كل دولار يُنفق على الذكاء الاصطناعي يحقق قيمة أكبر.
تقع الحوسبة في صميم هذه المعادلة.
فالحوسبة تدعم البحث وكل مهمة ينجزها الذكاء الاصطناعي، كما تؤثر في جودة المنتج وسرعته وموثوقيته وتوافره وتكلفته. وتُسهم حوسبة التدريب في بناء القدرات المستقبلية، بينما توفّر حوسبة الاستدلال العمل المفيد اليوم. وينبغي أن يترجم كلاهما إلى نتائج أفضل للعملاء.
تُحسّن النماذج الأفضل، والاستدلال الأعلى كفاءة، والأجهزة المصممة لأغراض محددة، ورفع معدلات الاستفادة، والتوجيه الأذكى، وتصميم المنتجات الأقوى، العائد من الحوسبة. ويُسهم كل جيل جديد من البنية التحتية في تدريب نماذج أكثر قدرة، ثم تساعد الخوارزميات والأجهزة والبرمجيات الأفضل على تشغيل تلك النماذج بكفاءة أعلى.
يلمس العملاء هذه التحسينات على نحو ملموس: إجابات أفضل، ونتائج أسرع، وتصحيحات أقل، ومنتجات أكثر موثوقية، وتكلفة أقل لإنجاز العمل الذي يحتاجون إليه.
وتتراكم هذه المكاسب بمرور الوقت. فالبنية التحتية الأفضل تسرّع البحث، والبحث ينتج نماذج أكثر قدرة وكفاءة، والنماذج الأفضل تحسّن المنتجات، والمنتجات الأفضل تعزز التبنّي والتعلّم والإيرادات. ويدعم هذا النمو استمرار الاستثمار في الجيل التالي من البحث والحوسبة والنشر والسلامة.
تجمع OpenAI هذه العناصر ضمن منصة ذكاء مشتركة واحدة. ويستخدمها الأشخاص من خلال ChatGPT وChatGPT Work، بينما يطوّر المطورون بالاعتماد عليها من خلال Codex وواجهة API، وتُدمجها المؤسسات في الأنظمة التي يجري فيها العمل.
وعندما تتحسن إحدى الطبقات، يمكن أن تستفيد جميع المنتجات والعملاء.
توضح لنا هذه المقاييس الأربعة، مجتمعةً، ما إذا كان مقدار "الذكاء المفيد مقابل كل دولار" يتحسن.
يوضح العمل المفيد ما ينتجه الذكاء الاصطناعي. وتبين تكلفة كل مهمة ناجحة ما يلزم للوصول إلى النتيجة. وتوضح الموثوقية مقدار العمل الذي يمكن للأشخاص استخدامه بثقة. أما القيمة عند التوسع، فتبين ما إذا كان كل دولار وكل وحدة حوسبة يحققان المزيد بمرور الوقت.
الهدف هو ذكاء اصطناعي يساعد الأشخاص على إنجاز أعمال أكثر أهمية، واتخاذ قرارات أفضل، وقضاء وقت أطول في جوانب وظائفهم التي تتطلب حكمًا بشريًا وإبداعًا لا يمكن الاستعاضة عنهما.
وتتمثل مهمتنا في تحسين هذه المعادلة مع كل جيل جديد: نماذج أكثر قدرة، ونتائج أسرع وأكثر موثوقية، وتكاليف أقل لإنجاز العمل الذي يحتاج إليه العملاء.
وهكذا يصبح الذكاء الاصطناعي أكثر فائدة لعدد أكبر من الأشخاص والمؤسسات بمرور الوقت.
