أزمة العائد على استثمار الذكاء الاصطناعي: لماذا تعجز الشركات عن إثبات جدوى إنفاقها المُلياري؟

لماذا يصعب قياس العائد على استثمار الذكاء الاصطناعي؟

تتوزع التحديات على أربعة مجالات رئيسية:

غياب الخطوط الأساسية المُحددة مسبقًا. تبدأ معظم عمليات نشر الذكاء الاصطناعي في تتبع المقاييس فقط بعد الإطلاق، مما يجعل أي إسناد للقيمة أمرًا مستحيلًا . وجد استطلاع ModelOp لعام 2026 أن أكثر من ثلثي المؤسسات لا تزال تعتمد على التقديرات بدلاً من النتائج المالية المقاسة لتقييم العائد على الاستثمار .

هيمنة مقاييس الغرور (Vanity Metrics). تتعقب العديد من الشركات أعداد المستخدمين النشطين، أو الجلسات، أو الاستفسارات يوميًا — وهي مقاييس لا تكشف شيئًا عما إذا كان الذكاء الاصطناعي ينتج قيمة فعلية للأعمال . كان مقياس عام 2025 هو "المستخدمين". مقياس عام 2026 يجب أن يكون "النتائج القابلة للتدقيق" .

فجوة الإنتاج إلى العائد على الاستثمار. وجد تقرير Gartner CIO لعام 2026، الذي شمل 11000 مدير تكنولوجيا معلومات، أن 59% من مبادرات الذكاء الاصطناعي لا تصل أبدًا إلى مرحلة الإنتاج، وأن 71% منهم يجدون صعوبة في تحديد أولويات حالات الاستخدام التي ستحقق نتائج قابلة للقياس .

انفجار الإنفاق دون وضوح الرؤية. تتوزع تكاليف الذكاء الاصطناعي عبر مزودين متعددين، ونماذج، وأقسام دون إطار محاسبي موحد . وجدت أبحاث Forrester أن المؤسسات تؤجل 25% من إنفاقها المخطط للذكاء الاصطناعي إلى عام 2027 مع اشتداد التدقيق المالي .

كيف تستجيب OpenAI وAnthropic والصناعة؟

OpenAI — 'الذكاء المفيد مقابل الدولار'

قدمت المديرة المالية لـOpenAI، سارة فراير، بطاقة أداء من أربعة أسئلة تسأل: هل يعمل الذكاء الاصطناعي؟ هل هو فعال من حيث التكلفة؟ هل القيمة التي يخلقها تنمو أسرع من تكلفته؟ يحول هذا الإطار المحادثة من استهلاك التوكنات الخام إلى اقتصاديات الوحدة المعدلة حسب النتائج .

Anthropic — 'المقومات الاقتصادية'

أصدرت Anthropic إطارًا مبنيًا على "المقومات الاقتصادية" يقيس تعقيد المهمة، ومستوى الاستقلالية، والوقت الموفر مقابل التكلفة لكل مهمة — بدلاً من الاستخدام العام . تؤكد إرشاداتها الداخلية للمؤسسات على مقاييس النجاح المرتبطة بعتبات الأداء، والدقة، وتحسينات السرعة، وكفاءة التكلفة .

مؤسسة Tokenomics Foundation من Linux Foundation

أطلقت في 4 أغسطس 2026، بحوالي 30 عضوًا مؤسسًا بما في ذلك JPMorgan Chase وAccenture وIBM وSAP وBNY وBooking.com، تهدف هيئة المعايير المحايدة هذه إلى فعل ما فعلته مؤسسة FinOps Foundation لإنفاق السحابة فيما يخص تكاليف توكنات الذكاء الاصطناعي . أول مخرجاتها المسودة، "Big-T Notation"، تقترح توحيد التكلفة لكل استدعاء API (وليس التكلفة لكل توكن) بحيث يرتبط المقياس مباشرة بوحدة عمل واحدة منجزة . تعمل المؤسسة أيضًا على تعريف مقاييس تكلفة الخدمة التي لا توجد حاليًا بأي شكل موحد .

Elisity — 'القوى العاملة الهجينة'

ابتكرت شركة الأمن السيبراني مقياسًا يقسم إجمالي إنفاق الذكاء الاصطناعي على متوسط تكلفة الموظف، ثم يقارن الناتج المشترك للعمال البشر وعمال الذكاء الاصطناعي مقابل الإيرادات. يوفر هذا للمديرين الماليين مماثلًا مباشرًا لإنتاجية العمل لاستثمار الذكاء الاصطناعي .

جهود على مستوى الصناعة

نشرت مؤسسة FinOps Foundation أطرًا خاصة بالذكاء الاصطناعي توصي بمقاييس تكلفة الوحدة — التكلفة لكل استعلام، التكلفة لكل مستخدم، التكلفة لكل سير عمل — لجعل إنفاق التوكنات مفهومًا لأصحاب المصلحة في الأعمال . تقدم Oracle وJellyfish وغيرها الآن لوحات تحكم لاقتصاديات التوكنات ترسم خرائط الاستهلاك بنتائج الأعمال على مستوى سير العمل . تقترح BCG نسبة رسمية "للعائد على الذكاء الاصطناعي" (RoAI): العائد الاقتصادي / (تكلفة الذكاء البشري + تكلفة التوكنات) .

ما الذي ينجح: الإجماع الناشئ على المقاييس المرتبطة بالنتائج

عبر كل هذه الأطر، يظهر نمط واضح. تشترك أكثر الأساليب فعالية في هيكل مشترك:

1. حدد معنى 'الإنجاز' قبل النشر. بدلاً من تتبع الاستخدام العام، ابدأ بسير عمل واحد وحدد معنى النتيجة الناجحة .
2. قس التكلفة لكل نتيجة، وليس التكلفة لكل توكن. تتضمن الأمثلة التكلفة لكل تذكرة دعم محلولة، التكلفة لكل طلب سحب مقبول، التكلفة لكل ميزة تم إصدارها، أو التكلفة لكل أصل تسويقي تم تسليمه .
3. أسند الإنفاق إلى المالكين. يجب أن يُوسم كل سير عمل مادي بمالك، ووظيفة، واستخدام المنتج مقابل الاستخدام الداخلي، وبند الربح والخسارة، والنموذج، والنتيجة المقصودة .

الخلاصة

لم يفز أي معيار واحد بالتبني الواسع بعد. لكن الاتجاه واضح: يتشكل إجماع متزايد حول اقتصاديات الوحدة المرتبطة بالنتائج — التكلفة لكل مهمة مكتملة، التكلفة لكل تذكرة محلولة، القوى العاملة الهجينة — بدلاً من أعداد التوكنات الخام. بالنسبة للمديرين الماليين ومسؤولي التكنولوجيا الذين يبحثون عن نقطة بداية، تظل نصيحة سارة فراير من OpenAI هي الأكثر عملية: "أفضل مكان للبدء هو سير عمل واحد. حدد معنى 'الإنجاز' وقس تلك النتيجة في النظام الذي يحدث فيه العمل" .