رأي: في جنون الربح من الذكاء الاصطناعي، لم تعد فكرة "بيع المعول" فعالة

المؤلف: بن باسش

الترجمة: شينتشاو TechFlow

مقدمة شينتشاو: “في حمى البحث عن الذهب، بيع المعاول والمجارف” كانت دائمًا قاعدة ذهبية في عالم ريادة الأعمال. لكن في عصر الذكاء الاصطناعي، هذه المنطق لم تعد صالحة — لأن المعدنين أنفسهم فتحوا متاجر الأدوات. شركة OpenAI، Anthropic، Google تسيطر بشكل منهجي على طبقة الوسيط، مساعدي البرمجة، وأتمتة المتصفحات وغيرها من مسارات ريادة الأعمال. يرى المؤلف بن باسش أن الشركات الناجحة حقًا في مجال الذكاء الاصطناعي ليست التي تبيع الأدوات، بل تلك التي تستخدم الذكاء الاصطناعي كمادة خام في مجالات رأسية — تتعمق في صناعات معينة، وتملك المعرفة المحلية، وتتمتع بسياق لا يمكن نسخه.

النص الكامل كالتالي:

هناك قول أصبح بمثابة بشارة لعالم ريادة الأعمال قبل وبعد فقاعة الإنترنت الأولى: “في حمى البحث عن الذهب، بيع المعاول والمجارف.” بمعنى أن من يربح حقًا ليس من ينقب عن الذهب، بل من يزود المعدنين بالمعدات. والأرباح تكون لصاحب شركة Levi Strauss، وليس للمنقبين عن الذهب.

هذه إطار جيد. وكان مفيدًا لفترة من الزمن.

لكن في مجال الذكاء الاصطناعي، هو خاطئ. إذا كانت شركتك مبنية على هذا المنطق، فربما عليك أن تعيد النظر في ما حدث خلال الاثني عشر شهرًا الماضية.

المختبرات هي كامل سلسلة التقنية

إليكم ما حدث فعليًا — بدأ بصمت، ثم انفجر فجأة بشكل كامل.

أطلقت OpenAI أداة Operator، وهي وكيل حاسوبي يمكنه تصفح الويب، وملء النماذج، وتنفيذ المهام من البداية للنهاية. ثم أطلقت Responses API و Agents SDK، مما يتيح للمطورين الوصول إلى قدرات استدعاء الأدوات، والذاكرة، والتنسيق بشكل أصلي دون الحاجة إلى أطر خارجية. بعدها أطلقت Codex، وهو وكيل برمجي سحابي يمكنه كتابة، واختبار، وتكرار البرمجيات بشكل مستقل. بالإضافة إلى Deep Research. أي من هذه المنتجات، لو وُجد قبل عامين، كان كافيًا لدعم شركة ناشئة حصلت على تمويل.

أطلقت Anthropic Claude Code، وComputer Use، ومشاريع ذات ذاكرة دائمة، وMCP (بروتوكول سياق النموذج) — التي أصبحت بسرعة معيارًا رئيسيًا لربط الذكاء الاصطناعي بالأدوات والبيانات الخارجية. ثم تبرعت بـ MCP لمؤسسة لينكس، لضمان أنها بنية تحتية وليست منتجًا. بعدها أطلقت Claude in Excel، وClaude in Chrome، وCowork.

أطلقت Google Gemini 2.0، الذي يدمج قدرات استدعاء الأدوات الأصلية، والإدراك متعدد الوسائط، ويُدمج مع Vertex AI كمركز تحكم مؤسسي، ويوفر استراتيجيات وتنظيمات جاهزة للاستخدام.

كل خطوة من هذه التحركات تلتهم مساحة كانت مملوكة سابقًا لشركات ناشئة.

منطق “بيع المعاول” يفترض ضمنيًا أن المختبرات ستظل في مساراتها الخاصة. أن تبني نماذج أساسية، وتوفر API، وتترك طبقة الأدوات، والتنظيم، والتطبيقات للبيئة. هذا الافتراض مات بالفعل.

مجزرة الوسيط

لننظر في ما يحدث تحديدًا في طبقة الوسيط.

LangChain هو الأكثر تمثيلًا لرهان “بيع المعاول” في موجة الذكاء الاصطناعي لعام 2023. إطار تنسيق لربط استدعاءات LLM، وربط الأدوات، وإدارة الذاكرة. آلاف الفرق تبني منتجات عليه، ونجوم GitHub تجاوزت 100 ألف. بحلول 2024، بدأت فرق متعددة تكتب مدونات تشرح لماذا يزيلونها من بيئة الإنتاج. ليس لأنها سيئة، بل لأن النماذج الأساسية أصبحت ذكية جدًا بحيث لم تعد بحاجة إليها. الطبقة التجريدية التي يبنيها LangChain تعالج مشاكل الأمس.

وفي الوقت نفسه، أطلقت OpenAI SDK الخاص بوكلائها. وMicrosoft أطلقت AutoGen وSemantic Kernel. المختبرات وشركاتها الأم لم تستحوذ على LangChain، بل بنته بشكل أصلي على منصاتها.

نفس السيناريو يتكرر على كل مستوى. أطر الوكلاء، أدوات إدارة التعليمات، خطوط RAG، أطر التقييم، أدوات الرصد. كل ذلك يُمتص من قبل الشركات المصنعة للنماذج الأساسية.

الجانب القاسي هو: عندما تدمج OpenAI أو Anthropic قدرات التنسيق مباشرة في API، فهي لا تحتاج للفوز من حيث الوظائف. فقط تحتاج أن تكون “كافية” و"موجودة بالفعل". المطورون يتجهون دائمًا للطريق الأقل مقاومة. الشركات الناشئة التي تمتلك وسائط وسيطة ذكية، عليها أن تتفوق بشكل كبير، وتحافظ على هذا التفوق مع تطور النماذج المستمر، وتتنافس مع خصوم يملكون رأس مال غير محدود ويسيطرون على البنية التحتية الأساسية. هذا ليس عملًا، بل مشروع بحثي له مؤقت زمني.

المعدنون فتحوا متاجر أدوات، ولم يعد من الممكن بيع المعاول

مقارنة “بيع المعاول” تفقد صلاحيتها في مجال الذكاء الاصطناعي، والسبب الرئيسي هو اختلاف هيكلي جوهري. في عام 1849، لم يكن Levi Strauss وتجار الأدوات الآخرون ينقبون عن الذهب بأنفسهم. المعدنون والموردون كانوا كيانات مستقلة ذات مصالح منفصلة.

في مجال الذكاء الاصطناعي، المختبرات تنقب عن الذهب وتبيع المعاول، وتبني الطرق، وتطبع الخرائط. لديهم دوافع قوية لامتلاك كامل سلسلة التقنية، لأن كل طبقة يسيطرون عليها تزيد من قفل السوق، وتوفر فرصة لزيادة الأرباح، وتخلق حاجزًا تنافسيًا.

تبرع Anthropic بـ MCP لمؤسسة لينكس، وليس كعمل خير، بل لضمان أن يصبح المعيار الذي وضعوه بنية تحتية عامة، تمامًا كما أصبح Ethernet معيارًا عامًا. المعايير هي أقوى حواجز الحماية في صناعة التكنولوجيا، لأنها غير مرئية ودائمة.

لذا، إذا كانت قيمة شركتك الناشئة هي “نحن نعمل بين المطورين والنماذج، ونسهل مهمة X”، فعليك أن تدرك أن الكيان الذي تتوسطه قد لاحظك، ويمتلك الموارد لنسخك، وله أسباب هيكلية لفعل ذلك.

فما الذي ينفع إذن؟

نعود إلى تشبيه حمى الذهب. إذا لم تعد المعاول تبيع، فماذا تبيع؟

تبيع المجوهرات.

أو بشكل أدق: تستخدم الذهب كمادة خام صناعية، وتصنع منتجات لا يهم المعدنون أنفسهم صنعها، لأنها صغيرة جدًا، وموجهة محليًا، ومتجذرة بعمق في معارف خاصة لا يملكونها.

في الواقع، خلال حمى الذهب عام 1849، الشركات التي نجت من الازدهار لم تكن تبيع أدوات عامة. بل كانت تلك التي تستخدم الذهب كمادة خام، وتوظف خبرة متخصصة لصنع منتجات محددة. الحرفيون، أطباء الأسنان، ومهندسو الكهرباء لاحقًا. هؤلاء يفهمون تطبيقات محددة بشكل عميق، بحيث لا يمكن للخبرة العامة أن تحاكيهم.

النسخة في الذكاء الاصطناعي هي بناء تطبيقات في مجالات رأسية — تلك التي تتطلب سياقًا حقيقيًا من العالم الحقيقي، والذي لا تمتلكه المختبرات، أو يصعب الحصول عليه.

فكر في ما لا تتقنه OpenAI، Anthropic، وGoogle على المستوى الهيكلي:

• لا تفهم بشكل عميق سير العمل في صناعتك.
• لا علاقة لها بعملائك.
• غير قادرة على الحصول بتكلفة منخفضة على البيانات الخاصة التي تجعل النماذج فعالة في سيناريوهات محددة.
• لن تتعمق أبدًا في فهم لماذا يصدر الحرفيون في جنوب أفريقيا فواتيرهم هكذا، أو لماذا لا يكون دمج المدفوعات عبر الهاتف المحمول في كينيا بسيطًا، أو لماذا يمثل الحصول على موافقات طبية في الولايات المتحدة مشكلة تشغيلية معقدة ومتجذرة.

المختبرات تبني البنية التحتية الأفقية. الفرص تكمن في المجالات الرأسية — تلك التي تتطلب معرفة محلية، تنظيمية، ثقافية، وصناعية خاصة لكي تنجح بشكل حقيقي.

لهذا السبب، فإن الأسواق الناشئة في التكنولوجيا المالية، والذكاء الاصطناعي القانوني المخصص لنطاق قضائي معين، وأدوات الامتثال للصناعات المنظمة، وسير العمل المتخصص، كلها أكثر مقاومة من مجرد “تحسين LangChain”.

الحصن المنيع ليس في النموذج، بل في السياق.

استخدام الذهب بشكل صناعي

هناك نسخة ثانية من هذا المفهوم تستحق التوضيح: استخدام الذكاء الاصطناعي كما يُستخدم الذهب صناعيًا. ليس كمخزن قيمة أو قطعة عرض، بل كمكون يُدمج في أنظمة تخلق قيمة اقتصادية دائمة.

الخصائص الفريدة للذهب، مثل توصيله الكهربائي، تجعله مكونًا أساسيًا في الدوائر الإلكترونية. لا يتحدث أحد عنه، ولا يروج له في هذا السياق. هو ببساطة يدخل في نظام أكبر كمُدخل رئيسي.

الآن، الشركات الأكثر استدامة في مجال الذكاء الاصطناعي تبني نماذج كعناصر مكونة — مدخلات لمنتج يحل مشكلة حقيقية — وليس كمنتج بحد ذاته. الذكاء الاصطناعي هو الذهب في الدوائر، وليس في المعرض.

العملية ببساطة: تختار مجالًا يعاني من ألم حقيقي، وتتمتع بسير عمل معقد، وبيانات صعبة المنال، ثم تبني منتجًا يستخدم النماذج بشكل يضاعف من فاعليته. الذكاء الاصطناعي هو التفاصيل التقنية، والمنتج هو الذي يستبدل العمليات اليدوية المرهقة.

وهذا عكس تمامًا “نحن نضع غلافًا فوق GPT-4”. الغلاف هو المعرض، والدائرة الداخلية غير مرئية.

المسارات التي تم القضاء عليها مؤخرًا

لتوضيح الأمر أكثر، إليكم بعض فئات الشركات الناشئة التي تتعرض للسيطرة النظامية من المختبرات منذ نهاية 2024:

• أطر تنسيق الوكلاء. الآن هي وظائف أصلية في SDK الخاص بوكلاء OpenAI، أدوات Anthropic، وVertex AI من Google.
• مساعدو البرمجة بالذكاء الاصطناعي. Codex من OpenAI قادر الآن على برمجة كاملة لمستودعات برمجية. Claude Code أيضًا. GitHub Copilot هو الحل الأصلي من Microsoft. لقد تم تقليص المسار المستقل لمساعدي البرمجة بشكل كبير.
• الأتمتة عبر المتصفحات والحواسيب. Operator من OpenAI، Computer Use من Anthropic، Gemini Astra من Google. جميعها منتجات من مختبرات رائدة. جميع الشركات الناشئة التي تستخدم LLM في RPA تتخذ موقفًا دفاعيًا.
• خطوط RAG وأدوات البحث بالمتجهات. أصبحت تقريبًا منتجات جاهزة. معظم واجهات برمجة النماذج تتضمن قدرات استرجاع أصلية. الاختلافات في الأطر قد تلاشت.
• المساعدون العامون والأدوات الفعالة. تم استيعابها مباشرة بواسطة Claude، وChatGPT، وGemini.
• أدوات إدارة التعليمات والتقييم. أصبحت وظائف أصلية بشكل متزايد. لا تزال LangSmith تملك بعض المساحة، لكنها تتسابق مع الزمن.

الأنماط متشابهة جدًا: تكتشف المختبرات أن فئة معينة تجذب اهتمام المطورين، وتقرر إصدار نسخة منها. ليست دائمًا أفضل، لكنها أكثر تكاملًا، وأرخص بشكل افتراضي، وقادرة على التوزيع بشكل لا يمكن للشركات الناشئة مجاراته.

ماذا تفعل الآن؟

إذا كنت تعمل في مجال ريادة الأعمال في الذكاء الاصطناعي، فالسؤال ليس “هل هناك طلب”. الطلب موجود في كل مكان. السؤال هو: هل ستتمكن شركة كبيرة، مثل بنك يمتلك أكثر من 100 مليار دولار من المختبرات، من إصداره كمنتج وإزالته؟

إذا كانت الإجابة “نعم” أو “ربما”، فهذه ليست عملًا، بل وظيفة.

الاستراتيجية المستدامة تتسم بـ: التخصص العميق في مجال معين (المختبرات يمكنها العمل بشكل عام، لكن لا يمكنها تغطية مجالك الخاص)، البيانات أو العلاقات الخاصة غير القابلة للمسح عبر الإنترنت، التنظيمات والتعقيدات التي تجعل الوصول المباشر إلى API غير كافٍ، وقنوات التوزيع في مجتمعات تقدر الثقة والسياق المحلي أكثر من القدرات الأصلية.

حقيقة أن حمى الذهب موجودة، وأن الذهب متوفر في كل مكان، لكن المعدنين بدأوا يفتحون متاجر أدوات، ويستخدمون رأس مال غير محدود.

بيع المجوهرات. استخدام الذهب كمادة خام صناعية. صناعة منتجات صغيرة جدًا، وموجهة محليًا، ومتجذرة بعمق في معارف خاصة لا يملكها المعدنون أنفسهم.

هذه هي الاستراتيجية التي أراها صحيحة.