للمدراء الماليين ورؤساء التكنولوجيا: كيف تلتهم "التوكنز" (Tokens) ميزانية شركتك دون أن تدري؟

لا تصل فاتورة الذكاء الاصطناعي كصدمة واحدة، بل تتسرّب. فخلافًا لتراخيص البرمجيات التي تُشترى مرة واحدة بعدد المستخدمين، يُحاسَب استخدام النماذج اللغوية بالاستهلاك: كل كلمة تدخل النموذج وكل كلمة تخرج منه لها ثمن. والنتيجة أن بندًا لم يكن موجودًا قبل عام صار من أسرع بنود التقنية نموًا في كثير من الشركات، ومن دون أن يمرّ بدورة الشراء المعتادة.

لماذا ينمو الإنفاق أسرع من الاستخدام؟

المفارقة أن عدد المستخدمين قد يبقى ثابتًا بينما تتضاعف الفاتورة. أربعة أسباب تفسّر ذلك:

• المخرجات أغلى من المدخلات. تُسعَّر التوكنز الصادرة عن النموذج بأضعاف سعر الداخلة إليه لدى معظم المزوّدين. لذا فإن ميزة تُنتج نصًا طويلًا، كتلخيص موسّع أو صياغة تقرير، تكلّف أكثر بكثير من ميزة تُجيب بسطر واحد، حتى لو تساوى عدد الاستدعاءات.
• المحادثة تُعيد إرسال نفسها. النموذج لا يتذكّر شيئًا بين الطلبات، فكل رسالة جديدة ترسل معها تاريخ المحادثة كاملًا. عشر رسائل ليست عشرة أضعاف رسالة واحدة، بل أكثر، لأن كل خطوة تحمل ما سبقها.
• الإسناد إلى المستندات يضاعف المدخلات. حين تُغذّي النموذج بوثائق داخلية ليجيب اعتمادًا عليها، تُحتسب هذه الوثائق ضمن المدخلات في كل استدعاء، لا مرة واحدة.
• الوكلاء يحوّلون طلبًا واحدًا إلى عشرة. الميزات "الوكيلة" (Agentic) تخطّط وتنفّذ وتراجع، أي عدة استدعاءات للنموذج مقابل ضغطة زر واحدة من المستخدم. والمحاولات الفاشلة وإعادة المحاولة تُحتسب هي الأخرى.

أين تختفي التكلفة عادةً؟

المشكلة الإدارية ليست في حجم الرقم بل في غيابه عن التقارير. الفاتورة تصل من المزوّد ككتلة واحدة، بينما القرار الذي أنتجها موزّع على فرق ومنتجات مختلفة. من دون ربط كل استدعاء بالميزة التي أطلقته، لا يملك المدير المالي ولا رئيس التكنولوجيا إجابة عن سؤال بسيط: أي ميزة تكلّفنا أكثر مما تعيد؟

خمس خطوات عملية

• انسب التكلفة إلى الميزة، لا إلى الفاتورة. سجّل مع كل استدعاء اسم الميزة والنموذج وعدد التوكنز. هذا السطر الواحد في السجلّ هو الفارق بين إدارة الإنفاق والتفرّج عليه.
• قِس التكلفة لكل نتيجة ناجحة. الاستدعاء الذي يُعاد لأن مخرجاته رُفضت كلّف مرتين وأنتج مرة واحدة. مقياس "التكلفة لكل مخرَج مقبول" أصدق من "التكلفة لكل استدعاء".
• درّج النماذج. ليست كل خطوة تحتاج أقوى نموذج. التصنيف والاستخراج والتوجيه تؤدّيها نماذج أصغر وأرخص بكفاءة كافية، مع إبقاء النموذج الأقوى للخطوة التي تستحقّه.
• استفد من التخزين المؤقت والمعالجة المجمّعة. تتيح معظم المنصّات خصمًا على السياق المتكرّر (Prompt Caching) وعلى المهام غير العاجلة (Batch). أي عمل لا ينتظره مستخدم في اللحظة نفسها مرشّح لهذا المسار.
• راقب معدّل التغيّر، لا المجموع. التنبيه المفيد ليس "تجاوزنا الميزانية"، بل "إنفاق هذه الميزة تضاعف خلال أسبوع". الأول يصل متأخرًا، والثاني يصل في وقته.

الخلاصة أن الإنفاق على النماذج ليس بندًا ثابتًا يُقرّ سنويًا، بل متغيّر تشغيلي يتحرّك مع كل إصدار جديد لميزة. والشركات التي تتعامل معه بهذا المنطق، أي كتكلفة وحدة قابلة للقياس والتحسين، هي التي تستطيع التوسّع في الذكاء الاصطناعي من دون أن تفاجئها الفاتورة.