هل سيؤدي استخدام الذكاء الاصطناعي إلى زيادة الإنتاجية أم خفض التكاليف؟ لم تتحول الكفاءة بمئة ضعف إلى إيرادات بمئة ضعف، لكن لا أحد في وادي السيليكون يجرؤ على إيقاف ذلك

منگ شینگ، شريك في شركة Wupyuan Capital، نشر مؤخرًا تقريرًا عن جولة تفقدية في وادي السيليكون، قدم فيه حكمًا جعله هو نفسه يغيّر عادة تدوين الملاحظات: إن وادي السيليكون دخل الآن مرحلة لا يعود فيها حتى الشخص الذي يعرف كيف “يصنع أمواجًا” بمنأى عن أن تجرفه الأمواج. لقد انتقل معدل تكرار تطوير الذكاء الاصطناعي من “شهريًا” إلى “أسبوعيًا”، وحتى وادي السيليكون نفسه لم يعد قادرًا على اللحاق بذاته.

عندما يضخّم الذكاء الاصطناعي إنتاجية فريق ما بمقدار خمس مرات، يمكنك تقليل 80% من القوى العاملة للحفاظ على نفس مستوى المخرجات، أو الحفاظ على عدد الموظفين والقيام بعمل يعادل خمس مرات. ملاحظة منغ شين هذه في وادي السيليكون هي بمثابة مسودة أولى للإجابة التي قيلت في الموقع: عندما لا يتحول 100 ضعف من الكفاءة إلى 100 ضعف من الإيرادات، وعندما يقترب ميزانية الـ token من تكلفة القوى العاملة، وعندما لا يستطيع “آلة البخار” أن تجري أسرع من عربة الحصان بينما لا يزال لا أحد يجرؤ على التوقف—فإن وادي السيليكون اختار الآن: “لنسرع أولًا”. لكن لا يوجد حسم بعد فيما إذا كانت هذه الطريق في النهاية ستقود إلى “زيادة القدرة على التوسع” أم “ضغط التكاليف”.

الانتقال من مؤشرات متقدمة إلى مؤشرات متأخرة في YC

جلس منغ شين في مارس من هذا العام في مقاعد جمهور فعالية Demo Day ضمن دفعة YC W26، وعندما سمع عرض الشركة الخامسة في منصة العروض، وضع القلم فورًا جانبًا. السبب هو أنه ضمن هذه الدفعة التي تضم أكثر من 100 شركة، كانت نحو 80% منها تعمل على وكلاء عموديين (vertical agents)، مثل مساعدة المحامين على تنظيم المستندات، ومساعدة فرق خدمة العملاء على توزيع تذاكر الخدمة، ومساعدة قسم الموارد البشرية على فرز السير الذاتية.

لو كان قد رأى هذه المواضيع في أكتوبر من العام الماضي، لكان سيشعر بأنها “فيها أفكار جيدة”. لكن بعد أن تحول Claude Code من أداة للمطورين إلى واجهة يمكن تقريبًا لأي شخص استخدامها، وبعد أن خفض Opus 4.6 عتبة كتابة الكود بأسلوب vibe coding إلى مستوى الصفر، فإنه قبل أن يتم بناء حواجز أعمال لهذه الوكلاء العموديين، يستطيع مهندس عادي أن ينسخها خلال عطلة نهاية أسبوع.

إن نظام الدفعات في YC—من التقديم والفلترة إلى الالتحاق والتطوير والصقل ثم العروض—مبني على عالم أبطأ. وفي ظل سرعة التطوير الحالية للذكاء الاصطناعي، فإن 5 أشهر كافية لوقوع عدة مرات من تحولات المعيار (paradigm shifts). يصف منغ شين الأمر قائلًا إن YC تنتقل تدريجيًا من “المؤشرات المتقدمة” إلى “المؤشرات المتأخرة”.

Meta تكتب البرمجة باستخدام منتجات المنافس

أكبر صدمة خلال رحلة منغ شين إلى وادي السيليكون كانت أن Meta ككل—على مستوى الشركة بأكملها—تستخدم Claude Code. بالنسبة لشركة قيمتها بالمليارات، أن تسمح لآلاف مهندسي البرمجيات باستخدام واجهة برمجة التطبيقات الخاصة بالمنافس للوصول إلى كودها الخاص، كان أمرًا غير قابل للتخيل قبل ستة أشهر فقط.

في الداخل، أطلقت Meta سابقًا أداة تُسمى myclaw لمحاولة معالجة مشكلة أمان الكود، لكن “كانت غير عملية ولم يستخدمها أحد”. في النهاية، وسّعت الشركة السياسة بشكل مباشر: طالما لم يكن الأمر متعلقًا ببيانات العملاء، يمكن للموظفين استخدام Claude Code بحرية، وبدأت اجتماعات وتدريبات داخلية بعنوان “كيفية التحول إلى مؤسسة native للذكاء الاصطناعي”.

من حيث المبدأ، تمنع Google موظفيها من استخدام أدوات المنافسين لأسباب تتعلق بالأمان، لكن DeepMind هي استثناء؛ فعدة فرق مسؤولة عن Gemini والتطبيقات الداخلية تستخدم Claude Code. ووفق ادعاء Google لأداة الترميز الداخلية لديها Antigravity، فإن نحو 50% من الكود الجديد يُكتب حاليًا بواسطة الذكاء الاصطناعي، إلا أن ذلك لم يمنع تفضيل DeepMind.

ومن ضمن الأمور الحاسمة أن Anthropic قامت بتوفير نشر مخصص (private deployment) لها. كما أن الاستدلال والتدريب لدى Anthropic يعتمدان أساسًا على TPU على Google Cloud، ما يوفر أساسًا من الثقة بين الطرفين؛ أما الشركات الكبرى الأخرى فلا توجد لديها هذه العلاقة، وكان الأمر فعلًا “وضع أمان الكود جانبًا مؤقتًا، ثم رفع السرعة أولًا”.

تُكلّف token الخاصة بالمهندسين أكثر من المهندسين أنفسهم

في إحدى الشركات الناشئة الجديدة “ذات طابع ذكاء اصطناعي” التي زارها منغ شين في بالو ألتو، كانت ميزانية token سنوية لمهندس واحد تبلغ حوالي أكثر من 200 ألف دولار، وهو رقم يقترب بالفعل من راتب مهندس سنوي. يبدو الأمر وكأن الشركة تستخدم الذكاء الاصطناعي لتسريح الموظفين وتقليل التكاليف، لكن في الواقع قد لا يكون إجمالي التكلفة قد انخفض أصلًا؛ بل تم فقط تحويل تكلفة البشر إلى تكلفة tokens.

دفعت Meta هذا الأمر إلى أقصى حد: أنشأت داخل الشركة لوحة ترتيب لاستهلاك الـ token؛ من يستخدم أكثر يظهر في القمة، وقد يتعرض من في النهاية للإقالة. ولأجل ذلك، تنافس الموظفون حتى أطلقوا لقبًا غير رسميًا اسمه “token legend”. لكن في الوقت نفسه، قامت Meta بتسريح موظفين على جولات متتالية—جولتين—وبإجمالي يصل إلى أكثر من 10 آلاف شخص. لا يوجد تناقض بين أن الجميع اندفعوا لاستهلاك الـ token وبين تنفيذ تسريح واسع النطاق؛ إنه وجهان لشيء واحد.

زار منغ شين شركة تدور في “C” (أو دورة/سلسلة تمويل C) فعليًا، وكان المسؤول التقني قد فتح له Slack ليُظهر له كل شيء يعمل—وكلها وكلاء (agents). خلف الكواليس، هناك تشغيل متوازٍ لعدد يتجاوز عشرة وكلاء Cursor، ثم تم فتح نافذة Claude Code أخرى مسؤولة عن التنسيق. القلق الأكثر شيوعًا بين مجتمع المهندسين هو: قبل النوم، لا تعرف ماذا سيفعل وكلاؤك هؤلاء العشرة تقريبًا، فتشعر بالهلع.

كفاءة 100 ضعف، لم تُترجم إلى إيرادات 100 ضعف

أخبر كثير من CTOs منغ شين بحماس قائلين: “في السابق، كان 60 شخصًا يحتاجون سنة ليقوموا بما يُنجزه الآن شخصان مع Claude Code في أسبوع”، أي ما يُسمى “مهندسين بمئة ضعف” و“زيادة كفاءة عشر مرات”.

لكن عندما هدأ منغ شين، طرح سؤالًا واحدًا: حسنًا، إذا زادت الكفاءة 100 مرة، فهل نمت إيرادات الشركة 100 مرة؟ هل توسعت خطوط المنتجات 100 مرة؟ لم يحصل على إجابة إيجابية. الحقيقة هي أن زيادة الكفاءة 100 مرة، عندما تنعكس على الإيرادات، غالبًا لا تظهر إلا بنسبة 50% أو مرة واحدة. أين يكمن الفارق؟ حاليًا لا يستطيع أحد قول ذلك بوضوح.

“استخدمنا كل هذه الـ tokens، فيفترض أن تتحول الشركة إلى نوع آخر من الشركات بسبب طفرة جينية. لكن إلى أي نوع بالضبط؟ لا أعلم.” قال ذلك له أحد المؤسسين. وحتى Anthropic نفسها لديها سيناريوهات لا يمكنها مواكبتها. سأل منغ شين صديقًا في Anthropic: “ما هو أكثر سيناريو مؤلم بالنسبة لكم عند استخدام agents بأنفسكم؟” كانت الإجابة: الاستجابة الفورية خلال oncall.

عندما تصبح استجابة API بطيئة، أو تفشل عقد الاستدلال، أو تكون مخرجات ردود المستخدمين غير طبيعية، يحتاج مهندس oncall إلى تحديد بسرعة ما إذا كانت المشكلة تتعلق بخلل في الكود، أو بتوزيع موارد الحوسبة، أو بأن النموذج نفسه هو السبب. تعد Anthropic أقوى شركة في العالم في مجال وكلاء coding، وهذا السيناريو قريبًا جدًا من قدرتهم الأساسية لدرجة أنه لا يمكن أن يكون أقرب. ومع ذلك، فإن وكلاء oncall لديهم لا يزالون غير جيدين.

آلة البخار لا تجري أسرع من عربة الحصان بعد، لكن لا أحد يجرؤ على التوقف

يصف منغ شين الوضع الحالي على النحو التالي: لقد تم اختراع آلة البخار، لكنها أحيانًا لا تجري أسرع من عربة الحصان. المفتاح هو أن الجميع يعرف أن آلة البخار ستجري أسرع في النهاية، لذلك لم يعد أحد يهتم بأمان الكود، ولا بميزانية الـ token التي انفجرت، ولا بلوحات الترتيب التي بدأت تثير المنافسة. أما متى ستجري آلة البخار فعليًا أسرع من عربة الحصان، فلا أحد يعرف، لكن لا أحد يجرؤ على التوقف والانتظار حتى تلك اللحظة؛ لأن تكلفة التوقف قد تكون أكبر من مجرد حرق tokens بالخطأ.

ومن المرجح أن استهلاك الـ tokens ليس نموًا خطيًا. يستشهد منغ شين ببيانات من مؤسسة أبحاث METR: مؤشر يقيس إلى أي مدى يمكن لوكيل AI إكمال المهام بمعدل نجاح 50% (بالنظر إلى الوقت الذي يستغرقه خبراء البشر في الإكمال). في مارس 2025، كان Claude 3.7 Sonnet ما يزال عند 50 دقيقة، وفي نهاية 2025، أصبح Claude Opus 4.6 قادرًا على ذلك خلال 14.5 ساعة.

كان زمن “مضاعفة” هذا المؤشر خلال العامين الماضيين يتقلص من 7 أشهر إلى 4 أشهر. وبمجرد أن ترتفع موثوقية الوكلاء إلى مستوى أعلى، لن تصبح مشكلة استهلاك tokens هي “زيادة 50% كل عام”، بل ستصبح قفزة إلى مستوى عدد مختلف تمامًا بين ليلة وضحاها. ويذكر منغ شين أيضًا توقعًا متداولًا داخل دائرة أصدقائه: بنهاية هذا العام، تحتاج العديد من الشركات (بما فيها شركات التكنولوجيا الكبرى) عمليًا إلى 20% فقط من الأشخاص.

( أجب عن سؤال: عندما يجعلك الذكاء الاصطناعي أكثر كفاءة خمس مرات، هل ستقلل 80% من التكاليف، أم ستقوم بعمل خمس مرات؟ )

في أبريل من هذا العام، كان الكاتب قد طرح في مقال: عندما يضخّم الذكاء الاصطناعي إنتاجية فريق ما خمس مرات، يمكنك تقليل ثمانين بالمئة من القوى العاملة للحفاظ على نفس الإنتاج، أو الحفاظ على عدد الأشخاص والقيام بعمل خمس مرات. في بودكاست a16z، اقترح Aaron Levie أن عدد agents في المستقبل قد يكون 100 إلى 1,000 مرة عدد الموظفين؛ وفي المقابل قال Huang Renxun صراحة إن ما يحدث هو أنه إذا لم تكن هناك إبداعات جديدة في العالم، فإن الزيادة في الإنتاجية التي يجلبها الذكاء الاصطناعي في النهاية لن تتحول إلا إلى بطالة. المشكلة ليست في الذكاء الاصطناعي، بل في ما إذا كان صانعو القرار يملكون الخيال.

إن ملاحظة منغ شين هذه في وادي السيليكون هي بمثابة مسودة أولى للإجابة المقدمة في الموقع: عندما لا يتحول 100 ضعف من الكفاءة إلى 100 ضعف من الإيرادات، وعندما تقترب ميزانية الـ token من تكلفة الموارد البشرية، وعندما لا يزال لا أحد يجرؤ على التوقف رغم أن آلة البخار لا تجري أسرع من عربة الحصان—فالـ silicon valley الآن يختار “دعنا نسرع أولًا”. لكن لا يوجد حسم بعد بشأن ما إذا كانت هذه الطريق ستقود في النهاية إلى “قدرة توسع” أكبر أم “ضغط تكاليف”.

ترك منغ شين في نهاية المقال منظورًا أكثر توازنًا: فقد رأى في هذه النصف شهر الكثير من “عدم القدرة على اللحاق” مما يثير قلقًا حقيقيًا، لكن إذا كان الذكاء الاصطناعي قادرًا فعلًا خلال بضع سنوات على تحويل السرطان إلى مرض مزمن، وعلى دفع علم المواد إلى الأمام لعشرين عامًا، فقد تكون هذه “عدم القدرة على اللحاق” أكبر مرة تسارع في تاريخ تطور البشرية.

بالنسبة إلى صناع القرار في الشركات، فإن المشكلة الفعلية لم تكن أبدًا هل سيستبدل الذكاء الاصطناعي البشر أم لا، بل عندما تتضخم الإنتاجية خمس مرات أو عشر مرات أو مئة مرة: هل تختار استخدام ذلك لتسريح عدد أكبر من الناس، أم لاستخدامه لإنجاز المزيد من الأعمال. هذا الاختيار يحدث في الوقت نفسه داخل غرف اجتماعات وادي السيليكون والشركات حول العالم.

هذه المقالة: هل يزيد الإنتاج باستخدام الذكاء الاصطناعي أم يقلل التكاليف؟ لم تُترجم كفاءة مئة ضعف إلى إيرادات مئة ضعف، لكن لا أحد يجرؤ على إيقاف الأمر—ظهرت لأول مرة في لينك نيوز ABMedia.