بدأت شركات التقنية والهيئات الكبرى في إعادة التفكير بمعايير اختيار نماذج الذكاء الاصطناعي التي تعتمدها، حيث لم يعد حجم النموذج وعدد معاييره هو العامل الحاسم.

حالياً، تتجه الشركات لاختيار النماذج بناءً على مهام العمل، والتكلفة، ومستوى التحكم، بدلاً من الاكتفاء بالمراكز المتقدمة في مؤشرات الأداء العالمية.

تدفع هذه التحوّلات تكاليف تشغيل النماذج، والتي قد تصل إلى ملايين الدولارات شهرياً في بعض المؤسسات الكبيرة.

الحل الأشهر أصبح مزيج من عدة نماذج متخصصة، يتم توجيه المهام المختلفة بينها بحسب المطلوب، مثل استخدام نموذج للملخصات وآخر للمهام التحليلية المعقدة، ضمن ما يعرف بـ “توجيه النماذج”.

ومن المتوقع أن يسهم هذا التوجه في زيادة انتشار أدوات الذكاء الاصطناعي المتخصصة في القطاعات التجارية والعملية، إذ تشير تقديرات Gartner إلى أن 40% من تطبيقات الشركات ستتضمن وكلاء ذكاء اصطناعي ذوي مهام محددة بحلول نهاية 2026، مقابل أقل من 5% حالياً.

الضغوط الاقتصادية كانت دافعاً رئيسياً لهذا التحول، إذ لم تعد التكاليف المتزايدة مبررة عند استخدام نماذج ضخمة لكل مهمة روتينية.

ومع ازدياد استهلاك الرموز (tokens) وتنوع السيناريوهات، بدأت شركات عديدة بفرض حدود لاستخدام الذكاء الاصطناعي أو البحث عن نماذج أرخص تلبي الحد المطلوب من الجودة.

هذا التوجه غيّر من خارطة القيمة في القطاع، حيث انتقل التنافس إلى تحسين كلفة التشغيل واختيار النموذج الأمثل لكل مهمة.

كما ساهمت النماذج مفتوحة المصدر ورخيصة التكلفة في تسريع هذا الانتقال، خاصة مع اقتراب بعض النماذج الصينية من مستويات الأداء العالمية بكلفة منخفضة.

ومع أن النماذج الضخمة والمتقدمة ما تزال مطلوبة لبعض التطبيقات الريادية، إلا أن أغلب الأعمال اليومية المؤسسية لا تحتاج إلى الأدوات الأغلى أو الأكثر تطوراً.

الجديد اليوم أن “الجيد الكافي” أصبح هدف السوق الأول، ومعه تتغير قواعد السباق في الذكاء الاصطناعي على مستوى العالم.