اقتصاد المعرفة حين يصير النموذج رأسَ مال: نسخُه رخيص وصنعُه باهظ

اكتب برنامجًا مرةً واحدة، ثم انسخه إلى مليون جهاز دون أن تدفع شيئًا يُذكر. أما النموذج الذكي فيجمع طرفين: نسخه رخيص كالبرنامج، وصنعه أول مرة باهظ كالمصنع. وفي هذا الجمع يكمن جوهر ما يمكن تسميته اقتصاد معرفة الذكاء الاصطناعي.

معرفةٌ لا تنفد، ولا تُنتَج مجانًا

نال بول رومر (Paul Romer) جائزة نوبل في الاقتصاد عام 2018 «لدمجه الابتكارات التقنية في التحليل الاقتصادي الكلي طويل الأمد». ومن أفكاره المركزية أنّ الأفكار سلعٌ «غير تنافسية»: استعمالك لفكرةٍ لا يمنعني من استعمالها، بخلاف الحقل أو الآلة. وتصف لجنة الجائزة البنية التي تنشأ عن ذلك: مخطّطٌ أول بكلفةٍ ثابتة كبيرة، ثم نسخٌ بكلفةٍ حدّية صغيرة، ولهذا يحتاج المبتكر إلى هامش ربحٍ وقدرٍ من القوة السوقية كي يغطي كلفة الابتكار.

يُسر التشغيل وعسر التأسيس

يظهر هذا في الأرقام. تقدّر مجموعة «إيبوك للذكاء الاصطناعي» (Epoch AI) في دراسة نُشرت في يونيو 2024 أنّ كلفة تدريب النماذج الرائدة تضاعفت نحو مرتين إلى ثلاث مرات في السنة خلال ثماني سنوات، وأنّ أكبر عمليات التدريب قد تتجاوز مليار دولار بحلول 2027 إن استمر الاتجاه. وهو تقدير مبنيّ على افتراض الاستمرار، وليس حكمًا على ما سيكون.

وفي المقابل، يذكر مؤشر الذكاء الاصطناعي الصادر عن جامعة ستانفورد (2025) أنّ تشغيل نموذجٍ بمستوى «جي بي تي-3.5» كلّف 20 دولارًا لكل مليون رمز في نوفمبر 2022، ثم نحو 0.07 دولار في أكتوبر 2024. فالاستعمال يرخص، والتأسيس يغلو. ومن هنا يتّسع الباب أمام من يستخدم النماذج، ويضيق أمام من يريد صنع نموذجٍ رائد.

ثروةٌ لا تُلمس

تقول دراسة «أوشن توموش» (Ocean Tomo) إنّ الأصول غير الملموسة كانت 17% من القيمة السوقية لشركات مؤشر «إس آند بي 500» عام 1975، وبلغت نحو 92% بنهاية 2025. وللرقم حدّه: فهو يقيس القيمة السوقية، لا الإنتاج ولا الرفاه، ويشمل أصولًا كثيرة غير الذكاء الاصطناعي. لكنه يدلّ على اتجاهٍ واضح: ما يُشترى ويُباع صار في معظمه ما لا يُرى.

ويوضح بحثٌ لبرينولفسون وروك وسايفرسون (Brynjolfsson, Rock, Syverson) لماذا يتأخر أثر التقنيات الكبرى في الإحصاءات. فهي تحتاج إلى استثماراتٍ مكمِّلة غير ملموسة، كعملياتٍ جديدة ونماذج عملٍ ومهارات، لا تلتقطها الحسابات القومية جيدًا. فيبدو الأثر ضعيفًا في البداية ثم يظهر لاحقًا، فيما سمّوه «منحنى J للإنتاجية». ويرون أنّ الأثر المقيس للذكاء الاصطناعي ما زال صغيرًا لكنه ينمو.

ما الذي يُمتلك فعلًا؟

الشيفرة المفتوحة متاحة، لكنها لا تكفي لصنع نموذجٍ رائد. فالقوة تسكن المنظومة كلها: حوسبةٌ تُشغَّل بها التجارب، وبياناتٌ تُغذّى بها، وكفاءاتٌ تعرف كيف تبني. ويُظهر المؤشر نفسه تفاوتًا كبيرًا في التمويل: بلغ الاستثمار الخاص في الذكاء الاصطناعي عام 2024 نحو 109.1 مليار دولار في الولايات المتحدة، مقابل 9.3 مليارات في الصين و4.5 مليارات في المملكة المتحدة. وهو يستثني الإنفاق العام، فلا يصحّ أن يُقرأ مقياسًا وحيدًا للقوة. وللصورة العربية انظر مقال «الذكاء الاصطناعي العربي: نصنع أم نستهلك؟».

أسئلة قبل الحماسة

الأرقام الكبرى تصف الأمم والشركات العملاقة، أما المؤسسة الصغيرة فسؤالها عمليّ: ما الذي نملكه فعلًا من هذه المنظومة؟

• البيانات: هل نعرف ما لدينا منها، وهل هي مصونةٌ بأمانة وفق الأنظمة؟
• القدرة على التشغيل: هل نستأجر أم نبني، وما كلفة كل خيار على المدى المتوسط؟
• الكفاءات: هل نعتمد على الأدوات الجاهزة وحدها، أم ننمّي من يفهمها ويُحسن مساءلتها؟
• توزيع النفع: هل يصل أثر التقنية إلى العاملين والمستفيدين، أم يبقى في طبقةٍ ضيقة؟

وهذه الأسئلة معرفةٌ لا توصية مالية؛ ومن أراد قرار استثمارٍ فليستشر مختصًّا مرخَّصًا وليراعِ الضوابط الشرعية. ويبقى الأصل أنّ المعرفة أمانةٌ يُسأل المرء عن حسن استعمالها، والعلم نعمةٌ تستوجب الشكر بالعدل في نفعها.