ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارAWS Machine Learning Blog→ المصدر

Accenture تخفّض تكاليف عملائها على الرموز (التوكنات) في Bedrock بنسبة 40–85%

ينخفض سعر الرمز (التوكن) بينما ترتفع فاتورة الذكاء الاصطناعي، لأن الوكلاء (agents) ينفّذون عدة استدعاءات للنموذج في مواضع كان يكفيها استدعاء واحد سابقًا. وبيّنت AWS وAccenture، عبر أربعة مشاريع لعملاء، كيف يمكن خفض الإنفاق بنسبة 40–85%، ومن ذلك مثلًا عدم دفع تكلفة التعليمات الطويلة نفسها من جديد مع كل طلب. وخفّض مشغّل اتصالات إنفاقه من 12 مليون دولار إلى 3,8 مليون دولار سنويًا (−68%). ابدأ بوسوم التكلفة، ثم فعّل الأساليب واحدًا تلو الآخر مع قياس الجودة في كل خطوة.

معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
Accenture تخفّض تكاليف عملائها على الرموز (التوكنات) في Bedrock بنسبة 40–85%
المصدر: AWS Machine Learning Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليAWS Machine Learning Blog ↗
رئيس التحرير
التخزين المؤقت للمطالبات (prompt caching)خصم يصل إلى 90% على المدخلات المتكررة
حقيقة رئيسية #2المعالجة الدفعية للمهام غير العاجلة أرخص بنسبة 50%
التخزين المؤقت الدلالي في اختبار AWSتوفير 72,5% بدقة 92,3%

يزداد الرمز رخصًا، ومع ذلك تواصل فاتورة الذكاء الاصطناعي الارتفاع. فالرموز الرخيصة تجذب مهام جديدة، ويجري الوكلاء (agents) عدة استدعاءات للنموذج في مواضع كان يكفيها استدعاء واحد من قبل. تخيّل روبوت دردشة للدعم لديه تعليمات نظام طويلة: تُرسل هذه التعليمات إلى النموذج مع كل رسالة، فتدفع تكلفة معالجتها من جديد في كل مرة.

اضرب ذلك في آلاف المحادثات، فيتجاوز الاستهلاك أثر انخفاض الأسعار. وهذا بالضبط ما تقترح AWS وشركة الاستشارات Accenture معالجته على منصة Amazon Bedrock. فقد وصفتا ستة أساليب للتوفير، وفي أربعة مشاريع لعملاء (اتصالات، وتأمين، وتعدين، وتطبيق مؤسسي كبير) انخفض الإنفاق على الرموز، في الحالات التي أمكن قياسه فيها، بنحو 40–85%.

وإذا كنت تدفع مقابل واجهات API للنماذج، فأمامك خطة عمل جاهزة. والقطاع نفسه يعدّ الموضوع مهمًا: فقد أطلقت Linux Foundation مبادرة Tokenomics Foundation لوضع معايير مفتوحة لاقتصاديات الذكاء الاصطناعي.

أولًا: افهم من ينفق وعلى ماذا

دون وسوم، تعرض فاتورة AWS الذكاء الاصطناعي في بند واحد، من غير تقسيم حسب الفرق والوكلاء والنماذج. لذلك فإن الخطوة الأولى هي المحاسبة. يُنشأ لكل تطبيق application inference profile مستقل ويُوسم بوسوم تحدد الفريق ومركز التكلفة والبيئة. ثم تُفعَّل هذه الوسوم بوصفها cost allocation tags في وحدة تحكم AWS Billing and Cost Management.

وتأتي البيانات من ثلاثة مصادر. تُظهر تقارير Cost and Usage Reports (CUR 2.0) مقدار الأموال المنفقة على كل حِمل عمل وكل فريق. ويحتسب CloudWatch عدد الاستدعاءات وزمن التأخير. أما سجل استدعاءات Bedrock فيدوّن النموذج وعدد رموز الإدخال والإخراج في كل طلب.

وتقترح Accenture على فرق المنتجات مقياس Cost per Business Transaction (CpBT)، أي التكلفة الكاملة لنتيجة أعمال ناجحة واحدة. ويشمل المقياس كل استدعاءات النموذج، والمحاولات المتكررة، والاستعانة بالأدوات، وعمليات التسليم بين الوكلاء. وبذلك تظهر كلفة المحاولات الفاشلة التي يخفيها سعر الرمز.

ستة أساليب في ثلاث مراحل

المرحلة 1: الإعدادات فقط. يتيح التخزين المؤقت للمطالبات (prompt caching) عدم دفع السعر الكامل عن الأجزاء المتكررة من الطلب: تعليمات النظام، ووصف الأدوات، والمستندات المرجعية. وتَعِد AWS بخصم يصل إلى 90% على المدخلات المخزّنة مؤقتًا في النماذج المدعومة. أما المعالجة الدفعية (batch inference) فتشغّل المهام غير العاجلة بصورة غير متزامنة، وتكلّف أقل بنسبة 50% من الوضع العادي في عدد من النماذج. وهي مناسبة للتقارير الليلية، ومعالجة المستندات، وجولات تقييم الجودة.

المرحلة 2: البنية المعمارية. يوجّه Intelligent prompt routing الطلبات البسيطة إلى نماذج أصغر ضمن العائلة نفسها، ويَعِد بتوفير يصل إلى 30% دون خسارة في الدقة. ويستحق سعر التوجيه نفسه أن يُراجَع في قائمة الأسعار. الأسلوب الثاني هو تحسين RAG (حين يجيب النموذج استنادًا إلى مستندات يجري العثور عليها): تقطيع المستندات وفق التسلسل الهرمي، ومرشحات البيانات الوصفية، وإعادة الترتيب، بحيث لا يصل إلى النموذج سوى المقاطع المطلوبة. وتضيف Accenture أسلوبين من عندها: يحصل كل وكيل على الجزء الخاص به فقط من المستندات، وتُضغط المستندات قبل إرسالها إلى النموذج.

المرحلة 3: البنية التحتية والتدريب. يعيد التخزين المؤقت الدلالي إجابة محفوظة عن سؤال مشابه حتى لو اختلفت الصياغة. وفي AWS يُبنى على مخزن متجهات مثل Amazon ElastiCache يوضع أمام النموذج. وفي اختبار أجرته AWS على 63 796 طلبًا حقيقيًا إلى روبوت دردشة، وبعتبة تشابه 90%، أصاب التخزين المؤقت في 74,5% من الحالات، وبلغت الدقة 92,3%، والتوفير 72,5%. أما التقطير (distillation) فينقل معرفة نموذج كبير إلى نموذج صغير. ووفق بيانات AWS، فإن هذه النماذج في Bedrock أسرع بما يصل إلى 500% وأرخص بما يصل إلى 75% من النموذج الأصلي، بينما تنخفض الدقة بأقل من 2% في مهام مثل RAG. ويؤتي جدواه في المهام المستقرة ذات الحجم الكبير.

ما الذي حققه العملاء

كان عميل مؤسسي كبير يمرّر كل الطلبات عبر أقوى نموذج، دون تخزين مؤقت ودون معالجة دفعية. فطبّقت Accenture في وقت واحد توزيع المهام على النماذج، والتخزين المؤقت للمطالبات، والمعالجة الدفعية. وانخفض الإنفاق الشهري على الرموز بنسبة 85%. ومع ذلك ظلّ نحو 15% من المهام يتطلب النموذج الأقوى.

وأنفق مشغّل الاتصالات 12 مليون دولار سنويًا: فقد كان الوكلاء يولّدون الطلبات بلا قيود، ويذهب كل شيء إلى أقوى نموذج. وبعد التوجيه حسب درجة التعقيد، والتخزين المؤقت الدلالي، وضغط السياق، انخفضت رموز الإدخال بنسبة 70%، وهبط الإنفاق السنوي إلى 3,8 مليون دولار (−68%). وجرت مقارنة الجودة بالاختبارات الداخلية السابقة لدى المشغّل.

وفعّلت شركة التأمين التخزين المؤقت للبادئة (prefix caching) على مستوى النموذج، وفعّلت شركة التعدين التخزين المؤقت الدلالي في التطبيق. ووفّرت الشركتان معًا نحو 40% دون تغيير النماذج ودون تدريب.

التحفظات مهمة. فهذه مدونة صادرة عن مزوّد، وأسماء العملاء غير معلنة، وفي مشروعين طُبّقت الأساليب في وقت واحد، ولذلك فإن مساهمة كل أسلوب غير معروفة. وتعتمد النتائج على حجم العمل.

ماذا تفعل عمليًا

ضع الوسوم، وحدّد أغلى أحمال العمل عبر CUR 2.0 وسجل الاستدعاءات، وفعّل التخزين المؤقت للحركة التفاعلية، والمعالجة الدفعية (batch) للحركة غير المتزامنة. قبل أي تغيير، سجّل التكلفة والجودة الأساسيتين، واختبرهما على عينة مستبقاة من حركة حقيقية، لا على بيانات اصطناعية. غيّر أسلوبًا واحدًا في كل مرة كي يمكن التراجع. وفي القطاعات الخاضعة للتنظيم، وثّق نتائج الاختبارات وخطة التراجع. وعند استخدام التوجيه والتخزين المؤقت الدلالي، أبقِ Guardrails على كل مسار، وحدّد مدة صلاحية للتخزين المؤقت حتى لا يتلقى المستخدمون إجابات قديمة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول أولًا: افهم من ينفق وعلى ماذا؟

دون وسوم، تعرض فاتورة AWS الذكاء الاصطناعي في بند واحد، من غير تقسيم حسب الفرق والوكلاء والنماذج. لذلك فإن الخطوة الأولى هي المحاسبة. يُنشأ لكل تطبيق application inference profile مستقل ويُوسم بوسوم تحدد الفريق ومركز التكلفة والبيئة. ثم تُفعَّل هذه الوسوم بوصفها cost allocation tags في وحدة تحكم AWS Billing and Cost Management. وتأتي البيانات من ثلاثة مصادر. تُظهر تقارير Cost and Usage Reports (CUR 2.0) مقدار الأموال المنفقة على كل حِمل عمل وكل فريق. ويحتسب CloudWatch عدد الاستدعاءات وزمن التأخير.

ما أبرز التفاصيل حول ستة أساليب في ثلاث مراحل؟

المرحلة 1: الإعدادات فقط. يتيح التخزين المؤقت للمطالبات (prompt caching) عدم دفع السعر الكامل عن الأجزاء المتكررة من الطلب: تعليمات النظام، ووصف الأدوات، والمستندات المرجعية. وتَعِد AWS بخصم يصل إلى 90% على المدخلات المخزّنة مؤقتًا في النماذج المدعومة. أما المعالجة الدفعية (batch inference) فتشغّل المهام غير العاجلة بصورة غير متزامنة، وتكلّف أقل بنسبة 50% من الوضع العادي في عدد من النماذج. وهي مناسبة للتقارير الليلية، ومعالجة المستندات، وجولات تقييم الجودة. المرحلة 2: البنية المعمارية.

ما أبرز التفاصيل حول ما الذي حققه العملاء؟

كان عميل مؤسسي كبير يمرّر كل الطلبات عبر أقوى نموذج، دون تخزين مؤقت ودون معالجة دفعية. فطبّقت Accenture في وقت واحد توزيع المهام على النماذج، والتخزين المؤقت للمطالبات، والمعالجة الدفعية. وانخفض الإنفاق الشهري على الرموز بنسبة 85%. ومع ذلك ظلّ نحو 15% من المهام يتطلب النموذج الأقوى. وأنفق مشغّل الاتصالات 12 مليون دولار سنويًا: فقد كان الوكلاء يولّدون الطلبات بلا قيود، ويذهب كل شيء إلى أقوى نموذج.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…