الكل يحقق أقصى استفادة من التوكن، سباق تسلح لا يجرؤ أحد على التوقف فيه

مقالة: منغ شينغ

في صباح يوم 24 مارس 2026، كنت جالسًا في مقعد الحضور في يوم عرض مشاريع دفعة YC W26، وعندما سمعت الشركة الخامسة تتقدم بعرضها، قررت أن أتوقف عن تدوين الملاحظات.

ليس لأن الأمر غير مهم، بل لأنني أدركت أن ما أكتبه قد يصبح قديمًا خلال الشهر القادم.

هذه الدورة التي تضم أكثر من مئة شركة، تركز بشكل كبير على الأعمال ذات الطابع العمودي: حوالي 80% منها وكلاء متخصصون، مثل تنظيم الملفات للمحامين، توزيع تذاكر الدعم الفني، تصفية السير الذاتية للموارد البشرية.

لو رأيت هذه المشاريع قبل خمسة أشهر، ربما كنت سأقول «فكرة جيدة». لكن المشكلة أن العالم تغير خلال هذه الأشهر الخمسة.

Claude Code تحول من أداة موجهة للمطورين بشكل أكبر، إلى واجهة يمكن لأي شخص استخدامها مباشرة. بعد إصدار Opus 4.6، انخفض حاجز الدخول إلى عالم البرمجة بشكل كبير.

تلك الوكلاء العموديين، قبل أن يتكون لديهم حواجز تجارية، يمكن لأي مهندس عادي، بل وأنا نفسي، أن يصنع واحدًا خلال عطلة نهاية أسبوع، فقدت بالفعل قيمتها الاستثمارية.

دورة مشروع YC تستغرق ثلاثة أشهر، وهذه الدورة التي دخلت في ديسمبر، مع عمليات الاختيار المسبق، تعادل «شركة جيدة» تم اختيارها قبل خمسة أشهر. وخمسة أشهر، في ظل سرعة تكرار الذكاء الاصطناعي الحالية، تكفي لإحداث عدة تحولات نمطية.

عندما بدأت مشروعي الأول في 2012، وحصلت على دعوة للمقابلة الشخصية من YC، كانت YC في ذلك الوقت تتصدر في مسار الحاضنات، وغالبًا ما كانت الشركات المختارة تمثل «الاتجاه القادم». لكن المشهد يتغير، وفي السنوات الأخيرة، شعرت أن YC أصبحت تتأخر، وتحولت تدريجيًا إلى مؤشر متأخر (lagging indicator).

نظام الدفعات في YC، من التقديم، الاختيار، الدخول، الصقل، العرض، يعمل بشكل ناجح جدًا في عصر الإنترنت المحمول منذ أكثر من عشرة أعوام. لكن هذا الإيقاع مصمم لعالم أبطأ.

في العام والنصف الذي قضيت في صناعة رأس المال المخاطر، أزور وادي السيليكون تقريبًا كل ربع سنة، كانت آخر مرة في أكتوبر الماضي. وكلما زرت، كنت أرى تغيرات سريعة، لكن غالبًا كانت تلك التغيرات تتعلق بالشهر.

لكن هذه المرة، يجب أن أتابع «الأسبوع».

ذات ليلة أثناء العشاء، قال لي صديق يعمل في مجال ما بعد التدريب بشكل عفوي:

«لقد اكتشفت أن وادي السيليكون بدأ يتخلف عن نفسه.»

الكل يركز على سباق التسلح: لا أحد يجرؤ على التوقف

قبل نصف سنة، لو أخبرني أحد أن شركة Meta التي تضم عشرات الآلاف من المهندسين، يستخدم جميعهم منتجات المنافسين لكتابة الكود، كنت سأظن أنه يمزح.

لكن هذا حقيقي. كل Meta يستخدم Claude Code. ليست شركة ناشئة، وليست فريقًا تجريبيًا، بل شركة بقيمة سوقية تريليون دولار.

لم يعد الأمر يتعلق بأمان الكود، أو بميزانية الرموز، أو بقوائم التصنيف، فكل وادي السيليكون ينفق بلا حدود على الذكاء الاصطناعي. لكن، ماذا بعد ذلك؟

لنبدأ بأمان الكود. قبل نصف سنة، كان ذلك غير ممكن، لأن الكود هو الأصول الأساسية للشركة، كيف تسمح لواجهة برمجة تطبيقات من شركة أخرى بالوصول إليه؟ في البداية، كانت Meta تفكر هكذا، وطوروا شيئًا يسمى myclaw لمحاولة حل المشكلة. أخبرني أحد أصدقائهم في Meta أنهم أنشأوا منتجًا للبرمجة، لكنه «غير عملي، لا أحد يستخدمه». بعد أن لم يستخدمه أحد، اضطرت الشركة لتخفيف القيود: طالما لا يتعامل مع بيانات العملاء، يمكن استخدام Claude Code بحرية.

ثم بدأت الأقسام تعقد اجتماعات داخلية حول «كيف نصبح منظمة أصلية للذكاء الاصطناعي»، ويقومون بالتدريب، ويقيمون الأداء. أمان الكود، وأمان الاستخدام، كانت تلك الخطوط الحمراء التي كانت واضحة جدًا، أُجّلت الآن، والأولوية الآن لزيادة الكفاءة.

لأسباب أمنية، حظرت Google معظم موظفيها من استخدام Claude Code أو Codex أو أدوات المنافسين، لكن DeepMind استثنت، حيث يستخدم فريقان مسؤولان عن نموذج Gemini والتطبيقات الداخلية Claude Code.

حتى Google حاولت، وأطلقت أداة ترميز داخلية تسمى Antigravity، وفي فبراير الماضي أعلنت أن حوالي 50% من الكود الجديد في الشركة يُكتب بواسطة الذكاء الاصطناعي.

لكن، مع ذلك، لا يزال فريق DeepMind يستخدم Claude Code. أحد أسباب ذلك هو أن شركة Anthropic قامت بنشره بشكل خاص لهم، لأن استدلال وتدريب Anthropic يتم بشكل رئيسي على Google Cloud باستخدام TPU، ولديهم ثقة متبادلة. أما Meta وشركات التكنولوجيا الكبرى الأخرى، فليس لديهم هذا النوع من الثقة، وتركوا أمان الكود جانبًا. الجميع يراهن على سرعة التقدم.

أمان الكود هو العلم الأول الذي انهار، والجانب الثاني هو ميزانية الرموز.

في بعض الشركات الناشئة التي تعتمد على الذكاء الاصطناعي في وادي السيليكون، يبلغ ميزانية الرموز لمهندس واحد سنويًا حوالي 200 ألف دولار. الرقم ليس غريبًا، لكن الغريب أن تكلفة الذكاء الاصطناعي التي يستهلكها مهندس من الطراز الرفيع أصبحت تقترب من راتبه. يبدو أن الشركات تستخدم الذكاء الاصطناعي لتقليل التكاليف، لكن التكاليف الإجمالية ربما لم تنخفض، بل استبدلت تكلفة الإنسان بتكلفة الرموز.

Meta كانت الأكثر تطرفًا في هذا الصدد. أنشأت لوحة تصنيف داخلية لاستهلاك الرموز: من يستخدم أكثر يُصنف، والأخير قد يُفصل، حتى أن موظفي Meta يتنافسون على لقب غير رسمي هو «أسطورة الرموز».

لكن، في الوقت نفسه، قامت Meta بإجراء عمليتين تسريح كبيرتين هذا العام، أزالوا أكثر من عشرة آلاف موظف. من جهة، الجميع يستخدم Claude Code لزيادة استهلاك الرموز، ومن جهة أخرى، يسرحون بشكل كبير.

هاتان الحقيقتان ليستا متناقضتين، بل هما وجهان لعملة واحدة.

زرت شركة ناشئة من الجولة C، وفتح لي مسؤول التقنية Slack، ورأيت أن كل شيء يعمل بواسطة وكلاء، أكثر من عشرة وكلاء Cursor يعملون بالتوازي، وفتحوا نافذة Claude Code للتنسيق. أكثر قلق يعيق المبرمجين الآن هو: إذا لم أكن أعلم ماذا ستفعل تلك الوكالات العديدة قبل النوم، فسيكون الأمر مقلقًا جدًا.

لكن، هل زادت الإنتاجية فعلاً بهذا الشكل؟ منذ نهاية العام الماضي، أخبرني العديد من CTOs من شركات استدلال واستعلام البيانات أنهم متحمسون جدًا، ويقولون: «مليون مهندس»، «عشرة أضعاف الكفاءة»، أنجزوا خلال أسبوع ما كان يحتاج إلى 60 شخصًا سنة كاملة، باستخدام Claude Code.

بدأت أشاركهم الحماس، لكن سرعان ما توقفت لأطرح سؤالًا: حسنًا، زادت الكفاءة بمقدار 100 مرة، هل زاد دخل الشركة بمقدار 100 مرة؟ أو توسعت خطوط منتجاتها بمقدار 100 مرة؟ لا يمكن أن يكون «100 ضعف» في الكفاءة هو النهاية، ويجب أن يُقاس ذلك بعدد الموظفين الذين تم الاستغناء عنهم.

لم أحصل على إجابة مباشرة. الحقيقة أن زيادة الكفاءة بمقدار 100 مرة، على مستوى دخل الشركة، تظهر فقط زيادة بنسبة 50% أو مرة واحدة.

ما هو الفرق؟ لا أحد يستطيع أن يوضح ذلك بعد.

«استخدام هذا الكم من الرموز يجب أن يغير جينات الشركة، لكنني لا أعرف إلى ماذا ستتحول.»

قال لي مؤسس من خلفية مبيعات للأعمال: فريقه المكون من 16 شخصًا، واثنين من المبيعات، استطاع خلال 12 شهرًا أن يصل إلى 30 مليون دولار من الإيرادات السنوية المتكررة، وكل ذلك بفضل البرمجة بالذكاء الاصطناعي. نادراً ما نرى مثل هذه الحالات، لكن في الغالب، أرى أن الشركات الناشئة تطور أشياء أكثر، لكنها لا تزال تفتقر إلى توافق المنتج مع السوق (PMF).

حاليًا، في وادي السيليكون، يُجرب الكثيرون «البرمجة ذات الروح» (vibe coding) لمحاولة 100 طريقة، لمعرفة أيها سينجح، بدلاً من تجربة 10 طرق فقط. لكن، من يستطيع أن يلتقط الاتجاه القادم؟ الأمر لا يزال غير واضح.

أحد الأمثلة التي أثارت انطباعي هو من داخل شركة Anthropic. سألت أحد أصدقائهم: ما هو أكثر سيناريو مؤلم لاستخدام الوكيل لديهم؟ قال: هو «الاستجابة الفورية» (oncall).

السيناريو النموذجي لمهمة oncall هو: إذا استجاب API الخاص بـ Claude ببطء، أو تعطل أحد نماذج الاستدلال، أو أبلغ المستخدم عن استجابة غير طبيعية، يحتاج مهندس oncall إلى تحديد السبب بسرعة، سواء كان خطأ في الكود، أو مشكلة في تخصيص القدرة الحاسوبية، أو خلل في النموذج نفسه، ثم يقرر كيف يصلحه.

شركة Anthropic، التي تعتبر من أقوى الشركات في مجال برمجة الوكلاء، هذا السيناريو هو من جوهر قدراتها، ومع ذلك، لا تزال أدوات oncall الخاصة بهم غير فعالة.

هذه هي الحالة الحقيقية في أبريل 2026: لقد تم اختراع المحرك البخاري، لكنه أحيانًا أبطأ من العربة. المهم أن الجميع يعلم أن المحرك البخاري سيتحسن في المستقبل، لذلك ينفقون أموالًا مجنونة: يتجاهلون أمان الكود، وميزانية الرموز تتفجر، وقوائم التصنيف تتسابق. لكن، متى يمكن للمحرك أن يتجاوز العربة حقًا؟ لا أحد يعلم، لكن لا أحد يجرؤ على التوقف والانتظار.

لأن التوقف قد يكون أكثر تكلفة من خطأ في الرموز.

وأيضًا، استهلاك الرموز لا يتزايد بشكل خطي، وهذا يذكرني بتجربتي السابقة في القيادة الذاتية الآلية: في 2021 في شنغهاي، حققنا أول قيادة ذاتية مستمرة لمدة 5 ساعات بدون تدخل بشري. اعتبرنا ذلك إنجازًا كبيرًا، قبل ذلك، كانت أسطول السيارات التجريبية يتزايد ببطء من 10 إلى 15 إلى 20، لكن بعد تلك النقطة، سرعان ما وصل إلى 100، ثم 1000 سيارة. اليوم، وكلاء البرمجة في مرحلة مماثلة.

في عام 2021 في شنغهاي، حققت شركة Didi للقيادة الذاتية إنجازًا مهمًا، وهو القيادة المستمرة لمدة 5 ساعات بدون تدخل. الصورة تظهر منسق القيادة السابق في Didi، منغ شينغ، وهو يتحدث مع Sebastian Thrun، «أب السيارة بدون سائق» من Google، في ذلك العام.

METR هي مؤسسة أبحاث في كاليفورنيا تقيّم قدرات الترميز في الذكاء الاصطناعي. اقترحوا العام الماضي مقياسًا: مدى قدرة وكيل الذكاء الاصطناعي على إكمال مهمة معينة بنسبة نجاح 50% (حسب وقت إنجاز الخبراء البشريين). عند إصدار المقياس لأول مرة في مارس 2025، كانت نسبة Claude 3.7 Sonnet حوالي 50 دقيقة؛ بحلول نهاية 2025، أصبح Claude Opus 4.6 قادرًا على إنجاز المهمة خلال 14.5 ساعة. خلال العامين الماضيين، تقلصت دورة مضاعفة هذا المقياس من 7 أشهر إلى 4 أشهر. بمجرد أن يصل الوكيل إلى مستوى موثوقية أعلى، لن تكون تكلفة الرموز مشكلة سنوية، بل ستتضاعف بشكل مفاجئ.

هناك توقع متفق عليه بين الأصدقاء: بحلول نهاية هذا العام، ستحتاج العديد من الشركات، بما فيها الشركات الكبرى، فقط إلى 20% من موظفيها.

انهيار فريق xAI بعد انهيار فريق Snowstorm، بدأ صانعو الصواريخ في صناعة النماذج

في مطعم لحم بقري في Mountain View، حوالي الساعة التاسعة مساءً، جلس أمامي صديق عمل مع Elon Musk لفترة طويلة. تحدثنا أكثر من ثلاث ساعات، وفي النهاية، لم أسمع منه كلمة واحدة عن إعجاب بموسك.

تفصيل صغير: سألته عن روتين عمله في xAI خلال الثلاث سنوات، قال إنه كان يقيم في الشركة طوال الوقت، ولم يجهز منزله، حتى أنه لم يشترِ سريرًا. كان ينام في «وحدة نوم» داخل الشركة، تشبه نزل الشباب. قلت له: أنت الآن تملك أسهمًا ضخمة، وتركتم العمل، على الأقل اشترِ سريرًا. ابتسم.

عمل xAI معروف بكثافة العمل في وادي السيليكون، لكن الآن، تقريبًا 90% من الفريق غادروا. لديهم مجموعة خاصة بالمغادرين، ويضيفون أعضاء جدد باستمرار.

الشرارة كانت عندما أُقال Tony Wu، وتبع ذلك رد فعل متسلسل، وفقًا لمصدر داخلي، «شركات أخرى قد تحتاج إلى نصف سنة لرحيل فريق الإدارة، لكن في xAI، الأمر استغرق شهرًا فقط». بعضهم أدرك عدم رضا موسك منذ أكتوبر الماضي، لكن لم يتوقعوا أن يتم التطهير بهذه السرعة.

الآن، بدأ موسك في استدعاء موظفين من SpaceX وTesla لإدارة xAI، «صانعو الصواريخ بدأوا يصنعون النماذج».

عدم رضا موسك يأتي من أنه أنفق الكثير من الأموال والقدرات الحاسوبية، لكن Grok لم يدخل بعد الصفوف الأمامية، لماذا؟ سؤال يطرحه كل من يعمل في xAI. الجواب بسيط، وفقًا لأحد الأصدقاء: الفريق قوي جدًا، ويعمل بجنون، لكن أسلوب إدارة التصنيع قد لا يناسب شركة نماذج ضخمة.

أنا عملت في القيادة الذاتية لمدة ثماني سنوات، ولدي بعض التجارب الخاصة. موسك، في SpaceX وتيسلا، كان يتعامل مع أنظمة هندسية طويلة، تشمل البرمجيات، والأجهزة، وسلسلة التوريد، وكل جزء منها يحتاج إلى ابتكار، لكن النهاية دائمًا مشكلة هندسية من طرف إلى طرف.

موسك ماهر في تحديد النقاط الحاسمة في هذه السلاسل، وضغط الوقت إلى الحد الأقصى لإنجازها. محركات الصواريخ، إعادة الاستخدام، الهبوط المكرر، كلها من نتائج هذا التفكير.

لكن في xAI، لا يبدو أنه يتعامل مع الأمر كنظام هندسي. الآن، يفعل ثلاثة أشياء: أولًا، يضخ أكبر تجمع GPU في العالم (حتى أن الناس يسخرون الآن من أن xAI كانت في البداية مختبرًا جديدًا، والآن أصبحت سحابة جديدة، تقدم القدرة الحاسوبية لـ Cursor)، ثانيًا، يحدد مواعيد نهائية متقطعة للفريق، ثالثًا، يشارك شخصيًا في تطوير بعض الميزات. هذا يركز على نقاط معينة، وليس على خطة كاملة.

كل من يعمل في القيادة الذاتية يعرف أن في المراحل الأخيرة، يصبح «من يقود من» بين فرق البرمجيات، والبنية التحتية، والأجهزة، هو جوهر الصراع. كل اتجاه يحتاج إلى قرار من مستوى CTO، لكن لا أحد يفهم جميع المجالات الثلاثة. الحل الأفضل هو أن يكون المؤسس، رغم عدم إلمامه الكامل، يعرف كيف يوازن الموارد، ويحدد الأولويات المرحلية، بحيث يكون التركيز على البرمجيات في البداية، ثم ينقل المسؤولية للبنية التحتية. هذا هو التخطيط الشامل.

مشكلة xAI أنها تفتقر إلى هذا التخطيط الشامل، وتعتمد فقط على الضغط. لو لم يكن الضغط عاليًا جدًا، لكان الأذكياء قادرين على إصلاح أنفسهم، ومنحهم الوقت، لوجدوا أنساق التعاون. لكن إدارة موسك ذات الضغط العالي، وغياب التخطيط الشامل، يؤدي إلى تفكك الفريق. كل مسؤول يركز على أولوية خاصة به، ولا أحد ينسق الصورة الكلية.

نجاح SpaceX وتيسلا يرجع جزئيًا إلى أن موسك لم يواجه تقريبًا منافسين من نفس الحجم، وهو يتنافس مع نفسه. لكن، في الذكاء الاصطناعي، المنافسة أكثر حدة، حتى أن شركة OpenAI قد تتعرض للسرقة من قبل Anthropic.

أحد مؤسسي xAI قال العام الماضي إن هناك أمرين لم يتوقعهما: الأول، مدى شراسة المنافسة، والثاني، قلة فرص الابتكار في تطبيقات الذكاء الاصطناعي، حيث كل شيء يُستهلك بواسطة النماذج.

صعود Anthropic هو أحد أكثر التحولات درامية في صناعة الذكاء الاصطناعي خلال العام الماضي، وأعاد تحديد ساحة المعركة: قبل عام، كان التركيز على المستخدمين في السوق الاستهلاكية والفيديو، الآن، (مرحليًا) المعركة الحاسمة هي للأعمال البرمجية والبرمجة.

بالطبع، قصة xAI أيضًا تتعلق بـ «المال يأتي بسرعة ووفرة، ماذا يحدث حينها؟»

لا يندم أصدقاؤهم الذين انضموا إلى xAI على قرارهم، فهي أسرع أسطورة ثراء في وادي السيليكون. من أول جولة تمويل بقيمة مليارات الدولارات، إلى الاندماج مع SpaceX، وتحقيق قيمة سوقية تصل إلى 250 مليار دولار، خلال عام واحد فقط. ومع ذلك، فإن كل من مؤسسيها التسعة تقريبًا أصبحوا مليارديرات، والمهندسون الرئيسيون يمتلكون ثروات تتراوح بين عشرات الملايين إلى مليار دولار، والمال في وادي السيليكون وفير جدًا. إذا قرروا بدء مشروع جديد، فسيكون لديهم الثقة الكافية لاستكشاف مجالاتهم المفضلة، بدلاً من السعي وراء الربح السريع.

المهندسون القلقون، والعلماء الباحثون أكثر قلقًا

عند الحديث مع المهندسين، هناك نوع من التفاهم الغريب: الجميع يعترف بأنه لم يعد يكتب الكثير من الكود، لكنهم يتظاهرون أن الأمر ليس مهمًا، لأن الذكاء الاصطناعي سيحصل على مكانتهم، وسيسحق المهندسين غير المتمكنين من AI.

اليوم، 80% من مهارات المبرمجين الأساسية يمكن استبدالها بالنماذج، والسبب في بقائهم هو أن النماذج أحيانًا ترتكب أخطاء غبية، ويحتاج الإنسان إلى مراقبتها. لكن، «المراقبة» نفسها قد تصبح غير ضرورية قريبًا.

الأفكار الأكثر تطرفًا تقول: أنظمة «الذكاء الاصطناعي الأصلية» (AI native organizations) تبدو جذابة جدًا — تنظيم سير العمل، وتحويل الأجزاء التي يمكن أن تتدخل فيها AI إلى عمليات إلكترونية، وكتابة مهارات. لكن، في جوهرها، هي عملية تقليل قدرات الإنسان إلى مهارات للآلة: أنت تحول قدراتك إلى مهارات للآلة، والشركة تحصل على مهاراتك، وبذلك تكون قد أتممت التحول إلى AI، وما إذا كان سيتم تسريح الموظفين، فهو مسألة أخلاقية. اليوم، Meta تفعل ذلك.

رغم أن الجميع يركز على استهلاك الرموز، إلا أن هناك شعورًا متزايدًا بالقلق في وادي السيليكون، ويمتد هذا القلق أيضًا إلى الباحثين.

الباحثون هم قمة الهرم، وهم الذين يطورون النماذج، ويبتكرون الخوارزميات. يختلفون عن المهندسين، فهم «يخترعون» ما يُصنع، ويقترحون طرق تدريب جديدة، ويصممون بنية النماذج، ويجربون فرضيات. الآن، حتى عمل الباحثين يُتوقع أن يُؤتمت، وهو ما تفعله شركة DeepMind، باستخدام النماذج لتدريب نماذج أخرى، وهو الاتجاه الذي يهيمن على صناعة الذكاء الاصطناعي هذا العام.

هذه ليست فكرة جديدة، فقد بدأ Andrej Karpathy بمبادرة «البحث الآلي» (auto research)، والعديد من أدوات العلماء في الذكاء الاصطناعي، وأُطُر التوظيف، تتجه نحو ذلك. لكن، معظم الأنظمة الحالية تقتصر على «نشر الأوراق العلمية»، حيث يساعد الذكاء الاصطناعي في إجراء التجارب وكتابة الأوراق، لكن الإنسان لا يزال يتخذ القرارات النهائية.

الشركات الكبرى مثل OpenAI، وAnthropic، وGoogle، تطمح إلى أن يكون النظام مغلقًا بالكامل، بحيث يختار النموذج نفسه الخطوة التالية، ويحدد الاختراقات الكبرى، ويقوم بتطوير نفسه. إذا نجح ذلك، فسيكون ذلك بمثابة استبدال كامل للباحثين. جوجل DeepMind كانت تعمل على ذلك منذ أكثر من عام، حيث تتيح للنموذج أن يختار التجارب، ويقيم النتائج، ويحدد المسار الأفضل، مما يعني أن النموذج يتعلم كيف يطور نفسه.

والمثير أن الباحثين أنفسهم قد يكونون أكثر عرضة للتسريح، لأنهم مكلفون جدًا. الباحثون حول العالم، عددهم قليل، ورواتبهم عالية جدًا، تصل إلى ملايين الدولارات سنويًا.

«قد يكون المستقبل أن يعمل 10 أشخاص مكان 100، ويحصلون على 20% من الأجر، بينما يُفصل 90%.»

والإقالات الحقيقية أكبر من الأرقام الظاهرة، فهي تبدأ غالبًا من خلال تقليل العقود الخارجية، خاصة في الهند والفلبين، حيث كانت تقدم خدمات الدعم، والتعليقات، والبيانات، وربما تتأثر أكثر من غيرها.

كل وادي السيليكون يراقب Meta، فإذا نجحت تجاربها، وارتفعت الإيرادات، وزادت الكفاءة، فستتبعها الشركات الكبرى بسرعة، وسيصبح التسريح عادة صناعية. وهناك آلية تسريع ذاتي: في البداية، يتردد الجميع في التسريح خوفًا من التأثير على المعنويات، لكن مع تكراره، يصبح أكثر سرعة وأقل ترددًا.

لكن، مع تسريح الوظائف القديمة، تظهر وظائف جديدة.

بدأت العديد من الشركات الناشئة في توظيف «مُنشئ AI» (AI builder)، وهو دور يجمع بين مدير المنتج، ومهندس الواجهة الأمامية، والواجهة الخلفية. وهناك وظائف تجمع بين عالم البيانات، وتعلم الآلة، وأخرى تتعلق بالمحتوى، مثل الكتابة، والإعلانات، والإدارة.

الطلب على هذه الأدوار في وادي السيليكون مرتفع جدًا، لكن المشكلة أن أحدًا لا يعرف كيف يوظفهم. لا يمكنك الاعتماد على السير الذاتية، لأن هذا الدور لم يكن موجودًا من قبل، وقد تكون قدرات الشخص مخفية في مشاريعه الخاصة. ولا يمكنك اختبارهم عبر كتابة الكود مباشرة، لأن المهارة الأساسية هي «الذوق الفني + استخدام AI». لذلك، بدأت شركات ناشئة في تطوير أدوات تتيح إنشاء بيئة محاكاة، بحيث يُطلب من المتقدمين إكمال مهام باستخدام أدوات AI، بشكل يشبه اختبارات البرمجة التقليدية، لكن مع مهارات جديدة تمامًا.

عندما يصبح الذكاء الاصطناعي قادرًا على أداء كل شيء، فإن قيمة الإنسان تتغير من «ما يمكن أن يفعله» إلى «ما يستحق أن يُفعل، وما لا يستحق».

شركة نيفيديا تتصدر السوق بقيمتها السوقية

سبق أن تحدثت عن استبدال الكثيرين: المهندسين، الباحثين، العاملين في المالية. لكن، هناك دور واحد لم يُستبدل، بل أصبح أكثر مركزية، بل وأصبح بمثابة «المالك الخفي» للثروة.

هذا المركز هو شركة نيفيديا.

كنت أعتقد أن ندرة شرائح GPU قد تراجعت خلال العام الماضي، لكن اكتشفت أن الأمر لم يتغير، بل زاد بشكل جنوني.

إشارة واضحة: إذا استطعت أن توفر خدمة API مستقرة، مثل API Claude، وتحقق استقرارًا عند 99%، يمكنك بيع الخدمة بسعر يتجاوز سعر API الرسمي بمقدار الضعف أو الثلاثة أضعاف.

بعد زيادة الطلب على API، بدأت الشركات تتعرض لمشاكل في الانقطاع، وهو أمر يضر بشكل كبير بمنتجات الوكيل المبنية على Claude.

في السابق، كانت شركات مثل Snowflake تتوقع أن تستغرق 100 سنة لاسترداد استثماراتها من خلال التدفقات النقدية، لكن الآن، انخفضت التقييمات بشكل كبير، وبدأت شركات مثل ServiceNow وWorkday تتعرض لنفس المصير، وهذه بداية التغيير.

حتى أن الشركات التي تعتمد على DCF (خصم التدفقات النقدية) لتقييمها، أصبحت نادرة، خاصة تلك التي تمتلك نماذج ضخمة، لأنها تتوقع نموًا مستقرًا، وليس أن تتعرض للانفجار.

الآن، إذا استثمرت شركة في شركة ناشئة تعتمد على الذكاء الاصطناعي، فإن التقييم يعتمد على احتمالية أن تحقق نموًا هائلًا، أو أن تفشل تمامًا. التقييمات تتغير بشكل كبير، خاصة مع وجود استثمارات بمليارات الدولارات في شركات صغيرة، وتوقعات بأن بعض الشركات قد تصل إلى تقييمات بمئات المليارات.

وفي النهاية، فإن سوق التقييمات في وادي السيليكون يعيد كتابة قواعده، مع تزايد الاعتماد على النماذج الكبيرة، واحتكار موارد الشرائح، وارتفاع التكاليف، وتغير نماذج التمويل، وكل ذلك يضعف من استقرار التقييمات، ويجعلها أكثر تقلبًا، ويزيد من المخاطر.

وفي النهاية، يبقى السؤال: متى ستتوقف هذه الاندفاعات، وهل ستصل إلى نقطة توازن؟ أم أن التقدم السريع سيستمر، ويعيد تشكيل مستقبل الاقتصاد والتكنولوجيا بشكل لم يسبق له مثيل؟