سلّطت واقعة حديثة الضوء على التحديات المالية المتزايدة المرتبطة باستخدام أدوات الذكاء الاصطناعي داخل المؤسسات الكبرى، بعدما كشف مستشار متخصص في المجال عن وصول فاتورة استخدام منصة Claude التابعة لشركة أنثروبيك إلى أكثر من 500 مليون دولار لدى إحدى الشركات، نتيجة غياب الرقابة وضوابط الإنفاق.
الذكاء الاصطناعي يتحول إلى عبء مالي كيف قادت أدوات كلود إلى فاتورة تجاوزت 500 مليون دولار
الذكاء الاصطناعي يتحول إلى عبء مالي كيف قادت أدوات كلود إلى فاتورة تجاوزت 500 مليون دولار
في البداية، بدا اعتماد أدوات الذكاء الاصطناعي خطوة منطقية لتحسين الإنتاجية وتسريع إنجاز المهام، لكن التوسع غير المنظم في استخدامها أدى إلى ارتفاع التكاليف بوتيرة متسارعة.
وأشار التقرير إلى أن بعض المهندسين الذين يعتمدون على الوكلاء الذكيين (Agentic Workflows) أو يستخدمون سياقات طويلة ومعقدة في طلباتهم يمكن أن يستهلكوا خدمات تتراوح تكلفتها بين مئات وآلاف الدولارات شهريًا لكل موظف.
ومع غياب أي سقف للاستخدام داخل مؤسسة تضم آلاف العاملين، تحولت النفقات تدريجيًا إلى فاتورة ضخمة تجاوزت نصف مليار دولار.
لا تبدو هذه الواقعة استثناءً في قطاع التكنولوجيا، إذ بدأت العديد من الشركات العملاقة مراجعة استراتيجياتها المتعلقة باستخدام أدوات الذكاء الاصطناعي.
فقد فرضت Microsoft حدودًا داخلية على استخدام تراخيص Claude Code بعد أن وصلت تكلفة بعض المستخدمين إلى ما بين 500 و2000 دولار شهريًا للفرد الواحد، بالتوازي مع تطوير حلول ذكاء اصطناعي داخلية خاصة بالشركة.
كما استنفدت Uber الميزانية المخصصة للذكاء الاصطناعي لعام 2026 بحلول شهر أبريل فقط، نتيجة التوسع السريع في اعتماد أدوات البرمجة المدعومة بالذكاء الاصطناعي عبر فرق العمل المختلفة.
أما Amazon فقد اضطرت إلى إيقاف لوحة تصنيف داخلية بعد اكتشاف استغلال بعض الموظفين لها من خلال تشغيل طلبات منخفضة القيمة بهدف تحسين ترتيبهم داخل النظام.
لماذا تختلف تكاليف الذكاء الاصطناعي عن البرمجيات التقليدية؟
خلال عامي 2024 و2025، تعاملت العديد من المؤسسات مع أدوات الذكاء الاصطناعي باعتبارها خدمات برمجية مشابهة للاشتراكات التقليدية ذات التكلفة الثابتة نسبيًا.
لكن الواقع أثبت أن النفقات ترتبط بعوامل متغيرة عديدة، منها:
ولهذا أصبحت إدارة استهلاك الذكاء الاصطناعي أكثر تعقيدًا من إدارة تراخيص البرمجيات التقليدية.
أدوات الحوكمة كانت متاحة.. لكنها لم تُستخدم
المفارقة أن شركة Anthropic توفر بالفعل مجموعة متكاملة من الأدوات المخصصة لإدارة الاستخدام المؤسسي، والتي تشمل:
لوحات تحكم إدارية.
حدود استخدام لكل موظف.
صلاحيات وصول تعتمد على الأدوار الوظيفية.
أدوات للامتثال والرقابة والتدقيق.
إلا أن التقرير أشار إلى أن الشركة المتضررة لم تقم بتفعيل هذه الضوابط، ما سمح بتوسع الاستخدام دون وجود أي قيود أو تنبيهات مالية مبكرة.
نمو متسارع لإيرادات أنثروبيك
تأتي هذه الحادثة في وقت تواصل فيه أنثروبيك تحقيق نمو قوي في أعمالها التجارية، إذ تشير التقارير إلى أن الشركة أنهت عام 2025 وهي تقترب من معدل إيرادات سنوي يصل إلى نحو 9 مليارات دولار.
كما تمثل الشركات والمؤسسات ما يقرب من 80% من إجمالي إيرادات الشركة، وهو ما يعكس الاعتماد المتزايد على نماذج الذكاء الاصطناعي المتقدمة داخل بيئات العمل.
وتشير تقديرات السوق إلى أن مايكروسوفت وحدها قد تنفق ما يقارب 500 مليون دولار سنويًا على خدمات ونماذج أنثروبيك، في مؤشر واضح على حجم الاستثمارات المتدفقة نحو هذا القطاع.
تكشف هذه الواقعة أن التحدي الحقيقي لم يعد يتمثل في تبني الذكاء الاصطناعي أو توفيره للموظفين، بل في القدرة على إدارته والتحكم في تكاليفه بصورة فعالة.
فمع تحول النماذج الذكية إلى أدوات عمل يومية داخل المؤسسات، أصبحت سياسات الحوكمة والمراقبة المالية وتحديد الصلاحيات عناصر أساسية لضمان تحقيق مكاسب الإنتاجية دون الوقوع في فخ النفقات غير المتوقعة.
وفي عصر تتزايد فيه الاستثمارات في الذكاء الاصطناعي بوتيرة غير مسبوقة، قد تكون إدارة الاستخدام بذكاء لا تقل أهمية عن الذكاء الاصطناعي نفسه.
أعلنت شركة ميني ماكس الصينية إطلاق تحديث جديد من نموذج MiniMax M3.1 Flash، مع تحسينات تستهدف البرمجة ووكلاء الذكاء الاصطناعي والأمن السيبراني. وقالت الشركة إن الإصدار الجديد يرفع سرعة الاستنتاج عبر الإنترنت إلى نحو ثلاثة أضعاف، مع خفض تكاليف الاستخدام بنسبة 70%.
نموذج MiniMax M3.1 Flash يعزز السرعة والكفاءة
تقول ميني ماكس إن النموذج المحدث يقدم تحسينات كبيرة في تنفيذ المهام المعقدة، خاصةً المهام التي تعتمد على وكلاء الذكاء الاصطناعي القادرين على تنفيذ خطوات متعددة، إلى جانب كتابة الأكواد وتحليل التهديدات الأمنية.
وتتجاوز سرعة توليد المخرجات 200 رمز في الثانية في بعض الاستخدامات اليومية، بينما تتخطى السرعة الوسيطة 170 رمزًا في الثانية، وفقًا للشركة. وقد تساعد هذه السرعة على تقليل وقت الانتظار عند استخدام النموذج في البرمجة والتطبيقات التفاعلية.
أسعار استخدام النموذج الجديد
حددت الشركة تكلفة الاستخدام عند 0.15 دولار لكل مليون رمز مُدخل، و0.60 دولار لكل مليون رمز مُخرج، مع أسعار أقل للرموز المخزنة مؤقتًا.
وتستهدف هذه الأسعار خفض تكلفة تشغيل تطبيقات الذكاء الاصطناعي، خصوصًا الخدمات التي تعالج كميات كبيرة من النصوص أو تعتمد على استدعاء النماذج بصورة متكررة.
نموذج MiniMax M3.1 Flash.. سرعة تتجاوز 200 رمز في الثانية وتكلفة أقل
طرق الوصول إلى MiniMax M3.1 Flash
أصبح نموذج MiniMax M3.1 Flash متاحًا عبر واجهة برمجة التطبيقات (API) الخاصة بالشركة، إلى جانب خطة الاشتراك M Plan وأداة MiniMax Code المخصصة لمهام البرمجة.
كما تخطط ميني ماكس لإتاحة أوزان النموذج لاحقًا، وهو ما قد يمنح المطورين خيارات إضافية لتجربته ودمجه في تطبيقاتهم، وفقًا لما أعلنته الشركة.
منافسة متزايدة في سوق الذكاء الاصطناعي
يعكس التحديث تركيز شركات الذكاء الاصطناعي الصينية على الجمع بين سرعة الاستجابة وخفض تكاليف التشغيل، في سوق تتنافس فيه النماذج على تقديم أداء مرتفع بتكلفة مناسبة للمطورين والشركات.
ومع ذلك، تظل تقييمات الأداء الفعلي بحاجة إلى اختبارات مستقلة تقارن النموذج ببدائل أخرى في البرمجة والاستدلال والمهام متعددة الخطوات.
صورة توضيحية مولّدة بالذكاء الاصطناعي، وليست لقطة من واجهة Deep Review.
أطلقت جوجل أداة Deep Review لمراجعة المستندات المعقدة بالذكاء الاصطناعي، مع إتاحتها عالميًا بمراجعتين مجانًا لكل مستخدم أسبوعيًا، بحسب إعلان Google Research المنشور في 14 أكتوبر 2026.
تستهدف الأداة فحص اتساق الحجج والأدلة والادعاءات التقنية، وتقديم ملاحظات تساعد على تحسين المستند قبل مشاركته أو نشره. وتشمل استخداماتها الأوراق البحثية ووثائق التصميم والعروض التقديمية.
ما الملفات التي تدعمها Deep Review؟
تدعم الخدمة عند الإطلاق ملفات PDF والنصوص العادية، بينما تصف جوجل مراجعة عدة ملفات معًا بأنها ميزة قادمة. ويمكن لأصحاب الاستخدام المكثف ربط مفتاح Gemini API لرفع حدود الاستخدام والاستفادة من التكامل البرمجي؛ أما الحصة المجانية المعلنة فتقتصر على مراجعتين أسبوعيًا.
كيف تراجع المستندات؟
تطورت Deep Review من أداة Paper Assistant Tool، المعروفة اختصارًا باسم PAT. وتشرح الورقة البحثية للفريق نهجًا يقسم المستند إلى أجزاء منطقية، ثم يخصص جهدًا حسابيًا أكبر للأقسام الأصعب، مثل البراهين والمعادلات.
يتولى وكلاء متخصصون مراجعة الأجزاء مع الاطلاع على سياق المستند كاملًا، قبل دمج النتائج في تقرير موحد وإجراء فحوص إضافية باستخدام البحث. ويساعد هذا التنظيم على توزيع الانتباه على المستند الطويل بدلًا من الاكتفاء باستدعاء واحد للنموذج.
وفي تجارب PAT مع مؤتمري STOC وICML، تلقى المؤلفون الملاحظات قبل تسليم أوراقهم، بصورة منفصلة عن التحكيم الرسمي. لذلك لا تعني مراجعة الأداة اعتماد البحث أو ضمان قبوله للنشر.
الخصوصية وحدود الاعتماد على النتائج
تقول جوجل إن المستندات المرفوعة لا تُستخدم لتدريب نماذجها أو ضبطها أو تحسينها، لكنها تُحفظ لمدة عام لعرضها للمستخدم داخل واجهة Deep Review.
وتقر الورقة البحثية بأن أدوات المراجعة قد تخطئ في فهم الاستدلال، فتصف حجة صحيحة بأنها خاطئة. وتبقى مسؤولية التحقق من الملاحظات والقرارات النهائية على الباحث أو المراجع البشري.
عمليًا، يُفضّل التعامل مع التقرير بوصفه قائمة نقاط للفحص: راجع كل اعتراض في سياقه، وطابقه مع بياناتك ومصادرك، ولا تعدّل استنتاجًا لمجرد أن الأداة اعترضت عليه. وقبل رفع مستند سري، تحقّق من صلاحية مشاركته وسياسة مؤسستك، مع الانتباه إلى مدة الاحتفاظ المعلنة.
حذّرت شركة أنثروبيك من تزايد مخاطر ديدان الذكاء الاصطناعي، وهي برامج خبيثة قد تنسخ نفسها وتنتشر تلقائيًا بين الأجهزة المتصلة بالإنترنت.
وأشار باحثون إلى تجربة استخدمت أجهزة تلفاز ذكية لتوزيع أجزاء من العمليات الحاسوبية على 15 جهازًا، ما يسلط الضوء على مخاطر استغلال الأجهزة محدودة الموارد في الهجمات الإلكترونية.
ديدان الذكاء الاصطناعي قد تتجاوز الفيروسات التقليدية
تختلف الديدان الإلكترونية عن الفيروسات التقليدية بقدرتها على الانتشار بين الأجهزة دون الحاجة إلى تدخل المستخدم في كل مرحلة. وقد تساعد تقنيات الذكاء الاصطناعي هذه البرامج على التكيف مع بيئات مختلفة واكتشاف فرص جديدة لاستغلال الثغرات الأمنية.
وتشمل الأجهزة المعرضة للخطر منتجات إنترنت الأشياء، مثل التلفاز الذكي والأجهزة المنزلية المتصلة بالشبكة، خصوصًا عندما تتأخر تحديثاتها الأمنية أو تستمر فيها ثغرات غير معالجة.
ويرى باحثو أنثروبيك أن تطور النماذج الحالية قد يجعل تنفيذ هذه الهجمات أكثر سهولة مستقبلًا، وربطوا احتمالية ظهور تهديدات أكثر تطورًا بنهاية عام 2026، إذا استمر تقدم التقنية بالمعدل الحالي.
من موريس إلى نوت بيتيا.. تاريخ من الهجمات واسعة النطاق
شهدت العقود الماضية هجمات بارزة اعتمدت على الانتشار الذاتي، من بينها دودة موريس عام 1988، التي عطلت عددًا كبيرًا من الحواسيب، وهجوم ستوكسنت الذي استهدف أنظمة صناعية في المنشآت النووية الإيرانية.
كما تسببت هجمات مثل WannaCry وNotPetya في خسائر اقتصادية واسعة. ويخشى خبراء أن تجعل ديدان الذكاء الاصطناعي احتواء الهجمات أكثر تعقيدًا إذا تمكنت من التكيف مع ثغرات جديدة والانتقال بين منصات مختلفة.
ديدان الذكاء الاصطناعي.. تهديد سيبراني جديد قد ينتشر ذاتيًا بين الأجهزة
هل الخطر وشيك أم مبالغ فيه؟
لا يتفق الخبراء على حجم التهديد الفعلي. فقد أشار جوناس غوان، الباحث بجامعة تورنتو، إلى سرعة تطور القدرات التقنية، لكنه لفت إلى أن التجربة التي عرضتها أنثروبيك أظهرت انتشارًا بطيئًا.
كما شكك خوان أندريس غيريرو سايد، نائب رئيس الأبحاث في SentinelOne، في القيمة العملية للتجربة، معتبرًا أنها لا تثبت امتلاك نماذج الذكاء الاصطناعي إرادة مستقلة أو قدرة واسعة على إحداث الضرر.
وتظل القدرة على رصد السلوك غير المعتاد وحظر الاتصالات المشبوهة عاملًا مهمًا في احتواء الديدان الإلكترونية قبل انتشارها على نطاق واسع.
إجراءات الحماية تقلل فرص الانتشار
يمكن للمستخدمين تقليل مخاطر الهجمات عبر تحديث الأجهزة والبرامج باستمرار، واستخدام كلمات مرور قوية وفريدة، وتفعيل المصادقة الثنائية حيثما تتوفر، إلى جانب تغيير كلمات المرور الافتراضية لأجهزة إنترنت الأشياء.
استخدامات دفاعية محتملة
قد تُستخدم بعض التقنيات نفسها في تطبيقات دفاعية، مثل اكتشاف الثغرات الأمنية ومعالجتها تلقائيًا. لكن نجاح هذه الاستخدامات يتطلب ضوابط تمنع تحول أدوات الحماية إلى مصدر خطر إضافي.
وتعيد التحذيرات فتح النقاش حول مسؤولية شركات التكنولوجيا والجهات التنظيمية في الحد من المخاطر السيبرانية، مع ضرورة التمييز بين الإمكانات المستقبلية والقدرات التي أثبتتها التجارب فعليًا.