خلال العامين الماضيين انشغل العالم بسؤال تقني بحت، من يملك أفضل نموذج لغة من حيث الأداء وحجم البيانات وقوة الحوسبة. اليوم يتغير السؤال بهدوء ولكن بعمق، كيف تعمل هذه النماذج داخل الأعمال، وبأي تكلفة، وبأي سرعة، وبأي مستوى من الاعتمادية؟ هنا يبدأ ما يمكن تسميته بعصر الاستدلال (Inference)، حيث تنتقل القيمة من لحظة تدريب النموذج إلى سنوات استخدامه داخل المؤسسات، وتبدأ معايير قياس الذكاء الاصطناعي في التغير، كفاءة التشغيل لا ضخامة النموذج.

نماذج اللغة الكبيرة، أو ما يعرف اختصارا بـ LLMs، تمثل العقل الخام الذي يدرب بتكلفة رأسمالية مرتفعة، لكنه يدرب مرات محدودة. أما الاستدلال فهو الاستخدام المتكرر للنموذج في الواقع العملي مثل تلخيص تقارير، البحث داخل الوثائق، دعم القرار، وربط المعرفة بالعمل. اقتصاديا، الاستدلال هو التكلفة الفعلية لاستخدام الذكاء الاصطناعي، وهو ما يحدد ما إذا كان أصلا منتجا أم مجرد تجربة تقنية. لذلك لم يعد السؤال من يملك النموذج الأفضل، بل من ينجح في استخدامه بكفاءة أعلى وتكلفة أقل وعلى نطاق أوسع.

هذا التحول لم يعد نظريا. تقديرات الأسواق تشير إلى أن سوق الاستدلال العالمي مرشح لتجاوز 250 مليار دولار خلال العقد المقبل، مدفوعا بتوسع تطبيقات الذكاء الاصطناعي في الزمن الحقيقي داخل القطاعات الصناعية والتجارية. ولهذا تتجه الاستثمارات من سباق تدريب النماذج إلى بناء بنى تشغيل قادرة على تحمل ملايين الطلبات بزمن استجابة منخفض، لأن تكلفة الطلب الواحد هي التي سترسم هوامش الربحية.

في هذا السياق، تتحرك السعودية على مسار عملي مبني على القدرة التشغيلية وحسن الاستخدام. وجود نموذج لغوي عربي وطني مثل ALLaM لا تكمن أهميته في كونه نموذجا كبيرا، بل في قابليته للتحول إلى خدمات مؤسسية في الحكومة والقطاع الخاص مثل التلخيص والبحث الدلالي والمساعدات الافتراضية، أي تطبيقات استدلال كثيف لا عروضا تجريبية. وعلى الجانب الآخر، يجري الاستثمار في البنية.....

لقراءة المقال بالكامل، يرجى الضغط على زر "إقرأ على الموقع الرسمي" أدناه

هذا المحتوى مقدم من صحيفة الاقتصادية