كيف خفّضت أوبر تكلفة الذكاء الاصطناعي مع تضاعف استخدام الوكلاء 9.4 مرات

لم تتعامل أوبر مع تجاوز إنفاقها على الذكاء الاصطناعي لميزانية 2026 عبر إغلاق الصنبور أو تقليص وصول المهندسين إلى الأدوات. بدلاً من ذلك، تعاملت مع المسألة باعتبارها مشكلة تحسين لتكاليف الهندسة: اختيار النموذج المناسب لكل مهمة، والحد من السياق المفرط، وإعادة استخدام المطالبات المخزنة مؤقتاً، وإظهار تكلفة الجلسات للمهندسين في الوقت الفعلي. 1

ساعد هذا النهج على إبقاء إجمالي إنفاق الشركة على الذكاء الاصطناعي مستقراً إلى حد كبير منذ أبريل، في وقت ارتفعت فيه طلبات وكلاء الذكاء الاصطناعي الأسبوعية 9.4 مرات منذ فبراير. وباستخدام النموذج نفسه، قالت أوبر إن تكلفة كل 1,000 طلب انخفضت نحو 34% مقارنة بذروة أبريل، في حين تراجعت تكلفة الجلسة الواحدة 52% من أعلى مستوى سجلته في يونيو. 1

استخدام الذكاء الاصطناعي واصل التوسع

جاء انخفاض التكلفة بالتزامن مع زيادة التبنّي، لا مع تراجعه. فأصبحت وكلاء الذكاء الاصطناعي مسؤولين عن أكثر من 70% من عمليات إرسال تغييرات الشيفرة البرمجية، وينفذ المهندسون أكثر من 30,000 مهمة يومياً عبر الوكلاء، كما تجاوز عدد الموظفين الذين يستخدمون أدوات الذكاء الاصطناعي أربعة أضعاف مستواه السابق. 1

وتشير هذه المعادلة — استخدام أعلى بكثير مع إنفاق مستقر تقريباً — إلى انخفاض تكلفة الوحدة. وهذا لا يعني أن تشغيل أعباء العمل أصبح مجانياً، بل يعني أن أوبر غيّرت طريقة استهلاك الرموز وسعة النماذج.

1. توجيه كل مهمة إلى النموذج الأنسب

ترسل أوبر كل مهمة إلى النموذج الذي يستطيع تنفيذها بأفضل توازن بين القدرة والتكلفة، بدلاً من استخدام النموذج الأقوى أو الأغلى تلقائياً. وتُوجَّه المهام البسيطة إلى نماذج أقل تكلفة، بينما تحصل المهام الأكثر تعقيداً على قدرة نموذجية أكبر. كما تقيّم الشركة بدائل، من بينها النماذج ذات الأوزان المفتوحة، لاستخدامها في حالات محددة. 1

بهذا الأسلوب، يصبح اختيار النموذج قراراً مرتبطاً بطبيعة المهمة، لا إعداداً موحداً لكل الاستخدامات. وعلى نطاق واسع، يمكن حتى للتوفير المحدود في الطلبات الروتينية أن يخفض متوسط تكلفة المهمة بشكل ملموس.

2. الحد من السياق الطويل للجلسات

تضع أوبر سقفاً للجلسات التفاعلية عند 400,000 رمز، حتى عندما يدعم النموذج نافذة سياق تصل إلى مليون رمز. 1

ويعالج هذا السقف أحد أبرز مخاطر التكلفة في وكلاء البرمجة: إذ يمكن للجلسة أن تراكم الملفات، ونتائج الأدوات، والتعليمات، وسجل التفاعلات المتكرر. ومن دون حدود واضحة، قد تواصل الجلسات الاستكشافية أو غير المنضبطة معالجة كميات متزايدة من السياق.

ولا يلغي تحديد عدد الرموز استخدام الوكلاء، بل يضع حداً متوقعاً للجلسات التي تستهلك أكبر قدر من السياق، ويمنح فرق الهندسة نقطة تحكم عملية لإدارة الاستخدام.

3. إطالة مدة التخزين المؤقت للمطالبات

مددت أوبر مدة الاحتفاظ بالتخزين المؤقت للمطالبات من خمس دقائق إلى ساعة واحدة. ويهدف التغيير إلى مواءمة النظام مع طريقة عمل المهندسين، إذ قد تتوقف جلسة الذكاء الاصطناعي لأكثر من خمس دقائق قبل استئناف العمل. 1

وتسمح إعادة استخدام المطالبة المخزنة مؤقتاً بتجنب معالجة السياق نفسه مراراً. وفي مهام البرمجة المعتمدة على الوكلاء، حيث قد يُعاد الوصول إلى المستودع البرمجي أو التعليمات نفسها خلال الجلسة، يمكن لهذا الإجراء تقليل معالجة الرموز غير الضرورية من دون تغيير المهمة ذاتها.

4. إظهار التكلفة للمهندسين أثناء العمل

تتيح أوبر للمهندسين رؤية التكلفة المتراكمة لجلسة الذكاء الاصطناعي في الوقت الفعلي من داخل الطرفية التي يعملون عليها. 1

ويحوّل ذلك الاستخدام إلى حلقة تغذية راجعة فورية. فبدلاً من اكتشاف تكلفة سير عمل مكلف عبر تقرير مالي لاحق، يستطيع المهندس رؤية التكلفة أثناء التجربة وتعديل الجلسة أو النموذج أو حجم السياق عند الحاجة.

كما ينقل هذا الإجراء الوعي بالتكلفة إلى داخل سير العمل نفسه، حيث تُتخذ فعلياً قرارات تتعلق بالمطالبات، وإعادة المحاولات، والسياق، واختيار النموذج.

ماذا تعني تجربة أوبر للشركات؟

توضح تجربة أوبر مبدأ أوسع: السيطرة على إنفاق الشركات على الذكاء الاصطناعي ليست مسألة ميزانية فقط، بل مشكلة في تصميم الأنظمة أيضاً.

ومن أبرز أدوات التحكم التي تظهر في هذه التجربة:

• توجيه النماذج وفقاً لأعباء العمل: استخدام نماذج أقل تكلفة عندما تكون قدراتها كافية.
• حوكمة السياق: وضع حدود للجلسات القادرة على تراكم كميات كبيرة من السجل المعتمد على الرموز.
• التخزين المؤقت للمطالبات: إعادة استخدام السياق المتكرر بدلاً من معالجته من البداية في كل مرة.
• قياس تكلفة الوحدة: جعل التكلفة الإضافية لسير عمل الذكاء الاصطناعي مرئية للأشخاص الذين يديرونه.
• إتاحة المنافسة بين النماذج: تقييم البدائل، بما فيها النماذج ذات الأوزان المفتوحة، بدلاً من الاعتماد على نموذج افتراضي واحد لكل مهمة. 1

وتكتسب هذه الضوابط أهمية خاصة مع وكلاء الذكاء الاصطناعي، لأن عملهم تكراري بطبيعته. فقد يقود طلب واحد من المستخدم إلى جولات متعددة من التخطيط، واستخدام الأدوات، والتحقق، والمراجعة، ما يجعل إجمالي استهلاك الرموز أقل قابلية للتنبؤ مقارنة بتفاعل محادثة واحد.

لذلك ينبغي قراءة نتائج أوبر باعتبارها مثالاً على الكفاءة التشغيلية، لا دليلاً على أن نمو استخدام الذكاء الاصطناعي لا يحمل مخاطر مالية. فقد حافظت الشركة على استقرار الإنفاق بعد أن غيّرت اقتصاديات كل طلب وكل جلسة. والدرس للشركات الأخرى واضح: ينبغي توسيع اعتماد الذكاء الاصطناعي بالتوازي مع حوكمة التكلفة، مع بناء أدوات القياس داخل المنتجات منذ البداية.