نماذج اتخاذ القرار تستحوذ على 26% من طلبات Vercel AI Gateway مقابل 0.53% فقط من الإنفاق

تتلقى خدمتك طلبًا من أحد العملاء، وعليها أن تقرر: هل تحوّله إلى الدعم، أم إلى مندوب المبيعات، أم تطلب توضيحًا؟ ليس من الضروري دائمًا أن يتعامل نموذج لغوي كبير مع المحادثة بأكملها. أحيانًا يكفي قرار قصير يُختار من بين عدة خيارات. ووفقًا لتقرير Vercel الصادر في نوفمبر، تشكّل هذه المهام الآن 26% من طلبات AI Gateway، بينما لا تستحوذ إلا على 0.53% من الإنفاق المحسوب.

وهذا سبب وجيه لإعادة النظر في بنية منتج الذكاء الاصطناعي. فإذا كان النموذج يكتب الردود ويفرز الطلبات ويختار الإجراءات التالية في الوقت نفسه، فمن المفيد قياس تكلفة كل مرحلة على حدة. وربما يمكن إسناد جزء من العمل إلى نماذج متخصصة أرخص.

القرارات القصيرة أصبحت بندًا مستقلًا في حركة الطلبات

تطلق Vercel اسم decision models على النماذج التي تصنّف البيانات أو تضع التقييمات أو تختار بين الخيارات. فبدلًا من إجابة مفصلة، يتلقى التطبيق نتيجة قصيرة تصلح للخطوة التالية في البرنامج. ويبلغ الطلب المتوسط إلى هذه النماذج، بحسب تقدير الشركة، نحو 70 مرة أرخص من الطلب إلى نموذج لغوي.

لنتخيل متجرًا إلكترونيًا. يكتب المشتري: «لم يصل طلبي، وأريد استرداد أموالي». في المرحلة الأولى يحتاج النظام إلى تحديد نوع الطلب. بعد ذلك يمكن تمرير الرسالة إلى المعالج المناسب، والحصول على بيانات الطلب، ثم إعداد رد مفيد. وهكذا يبقى توليد النص حيث يفيد فعلًا، ويصبح التوجيه عملية مستقلة.

في أكتوبر استخدمت هذه النماذج قرابة ثلث الفرق المدفوعة على البوابة. وبين الفرق التي يتجاوز حجمها الشهري 10 مليارات رمز، بلغت الحصة 70%. وعند الأحجام الكبيرة، يغيّر حتى التوفير الصغير في إجراء واحد الفاتورة الإجمالية بشكل ملحوظ.

لكن هناك تفصيلًا جوهريًا: فقد جاءت شبه كل حركة هذه الفئة من Jev من TypeSafe AI. لذلك تدل نسبة 26% قبل كل شيء على استخدام كثيف لمنتج محدد داخل بوابة محددة. وهي لا تثبت بعد أن عشرات المزوّدين المستقلين وجدوا طلبًا واسعًا.

Anthropic تجذب فرقًا جديدة، وOpenAI تحصد إنفاقًا أكبر

من حيث عدد الفرق المدفوعة، تقاربت OpenAI وAnthropic تقريبًا: ففي أكتوبر استخدمت نماذجهما 55% و54% من الفرق على التوالي. وتتداخل هذه الحصص، إذ يمكن للفريق الواحد أن يعمل مع الشركتين معًا.

وبين الفرق الجديدة، أصبحت Anthropic المزوّد الرئيسي بمعدل أعلى بنحو الضعف من OpenAI. والتعريف هنا مهم: تعدّ Vercel المزوّد الرئيسي هو ذلك الذي أرسل إليه الفريق أكبر عدد من الطلبات إلى النماذج اللغوية خلال الشهر الأول. فالأمر لا يتعلق بعقد حصري ولا باختيار نهائي لحزمة التقنيات.

وفي الوقت نفسه، ارتفعت حصة OpenAI في إنفاق البوابة من نحو 9% في ديسمبر إلى 15% في أكتوبر. أما حصة Anthropic فانخفضت خلال الفترة نفسها بنحو النصف، إلى 32%، رغم أن الشركة حافظت على الصدارة في هذا المؤشر. ومن بين أعلى 1% من الفرق إنفاقًا، يستخدم أكثر من 90% كلا المزوّدين.

وفي ذلك إشارة عملية لمؤسس الشركة: الشعبية عند أول اتصال وحجم العمل المدفوع مؤشران مختلفان. ولا يمكن الحكم بثقة على أحدهما من خلال الآخر.

النماذج تتغير أسرع من بنية المنتج

حصلت النسخ التي ظهرت على البوابة قبل أقل من 60 يومًا على أكثر من نصف طلبات أكتوبر إلى النماذج اللغوية. وقام نحو نصف الفرق التي تتجاوز 10 ملايين رمز بتغيير نموذجها الرئيسي خلال شهر. ومن بين الذين غيّروا، انتقل 60% إلى مختبر آخر.

هذه المرونة تجعل من المفيد امتلاك مجموعة مهام اختبار خاصة بك، وإمكانية تبديل المزوّد دون إعادة كتابة منطق العمل. وقبل استبدال أي نموذج، ينبغي مقارنة الجودة على طلبات حقيقية، وزمن الاستجابة، وتكلفة النتيجة الناجحة. فالطلب الرخيص لا يفيد كثيرًا إذا تطلب بعده مراجعة يدوية.

وللتقرير حدوده. فهو يصف حركة مجهولة الهوية في Vercel AI Gateway خلال أكتوبر، وتُقدَّر النفقات فيه وفق التعرفات العامة. ويُحدَّد حجم الفرق بعدد الرموز، ولم يُذكر العدد المطلق للفرق في النص المتاح. كما لا توجد بيانات عن جودة القرارات ولا عن أزمنة استجابة قابلة للمقارنة.

لذلك فإن الخطوة التالية المعقولة هي اختيار مهمة تصنيف شائعة واحدة، وجمع أمثلة حقيقية، ومقارنة نموذج متخصص بالحل الحالي. فهذا الاختبار وحده سيكشف ما إذا كانت إحصاءات البوابة اللافتة تتحول إلى توفير فعلي لمنتجك.