OpenAI وQwen وGigaChat: لماذا يزداد اختيار نماذج الذكاء الاصطناعي صعوبة على الشركات الروسية

يدخل سوق الذكاء الاصطناعي الروسي مرحلة لم يعد فيها اختيار النموذج مسألة جودة إجابات فحسب. فبالنسبة إلى الشركات، بات الأمر مزيجاً من ثلاثة عوامل: توافر الخدمات الغربية، ومتطلبات حماية البيانات، وكلفة البنية التحتية المحلية.

كيف يضيق نطاق الاختيار

يصف كاتب المقال وضعاً تزداد فيه صعوبة وصول الشركات الروسية إلى النماذج الغربية، مثل OpenAI وAnthropic، ليس تقنياً فحسب بل قانونياً أيضاً. فالحجب بحسب البلد وعنوان IP يعمل بالفعل لدى بعض المزوّدين، وفي القطاعات الخاضعة للتنظيم لا يحلّ الوصول عبر الوكيل (proxy) المشكلة كثيراً حتى لو كان مقبولاً شكلياً. وإذا تضمّن الطلب الموجَّه إلى واجهة API خارجية اسم العميل أو هاتفه أو صوته، فهذا يشبه نقل بيانات شخصية عبر الحدود، ويصطدم بمتطلبات القانون الاتحادي 152-ФЗ. ولهذا تقع وكلاء الذكاء الاصطناعي المخصصون للدعم والمبيعات ومراكز الاتصال ضمن منطقة المخاطر المرتفعة، إذ تمرّ عبر النموذج بيانات مستخدمين حقيقية لا نصوص مجردة.

وفي هذا السياق يتزايد الطلب داخل روسيا على الحلول «السيادية»، لكن هذه الكلمة تُخفي في الغالب نسخاً معدَّلة من أنظمة مفتوحة المصدر أجنبية لا نماذج وطنية خالصة. وهنا يبدأ التنازل الرئيسي: كلما ارتفعت الاستقلالية الشكلية، ازداد الاقتصاد ثقلاً.

ثلاثة سيناريوهات عملية

تكرّست في السوق عملياً ثلاث مقاربات. الأولى بناء نموذج أساسي من الصفر، كما يفعل Сбер مع عائلة GigaChat. الثانية اعتماد نموذج مفتوح قوي، وغالباً من عائلة Qwen، وإعادة تدريبه على مدوّنة روسية وبيانات خاصة بالمجال، كما تفعل Яндекс وТ-Банк وАвито. والثالثة مواصلة استخدام واجهات API الغربية عبر المنطقة الرمادية، إذا كانت الشركة مستعدة لتحمّل المخاطرة القانونية.

• GigaChat — أقصى درجات التحكم والمحلية، لكن التدريب والاستدلال مرتفعا الكلفة جداً.
• Qwen بعد إعادة التدريب — أرخص بوضوح وأسرع في الإطلاق، لكن السيادة هنا اسمية.
• OpenAI وAnthropic — جودة عالية واقتصاد واضح، لكن الوصول يزداد عدم استقرار.
• الحلول الهجينة — حل وسط للشركات المتوسطة: البدء في السحابة ثم الانتقال إلى بيئة الشركة الخاصة.

المشكلة أن لكل مسار كلفة لا يمكن تجاهلها. فالتدريب من الصفر يتطلب عشرات أو حتى مئات ملايين الدولارات، وحجماً كبيراً من البيانات، ومعالجات GPU شحيحة من فئة H100 أو H200. أما إعادة تدريب Qwen فتبدو أكثر واقعية، لكن البنية المعمارية الأساسية والأوزان تبقى صينية. ومن منظور المنطق التنظيمي الصارم، فهذا ليس استقلالاً كاملاً، بل حل وسط مُوطَّن بعناية.

أين تضيع الأموال

أكثر حجج المقال إيلاماً ليست جودة النماذج، بل سعر الاستدلال. ففق حسابات الكاتب على منصته الخاصة للوكلاء، تكلّف دقيقة عمل نموذج OpenAI مماثل أقل من 1 روبل، بينما تبلغ كلفة الدقيقة على GigaChat-Max نحو 80 روبلاً. وبالنسبة إلى الوكلاء الصوتيين ومراكز الاتصال، فالفرق ليس بنسب مئوية بل يقارب مرتبتين عشريتين. وفي نموذج كلفة كهذا، يمكن بناء منتج جيد تقنياً، لكن لا يمكن جعله مجدياً اقتصادياً.

«حل روسي بالكامل — مكلف بجنون»

وتأتي البنية التحتية كضربة إضافية. فالخادم القادر على خدمة نحو ألف جلسة وكيل متزامنة يقدّر الكاتب كلفته بنحو 55 مليون روبل. ثم تظهر مصيدة أخرى: كي يبقى سعر الرمز (token) منخفضاً نسبياً، يجب تشغيل معالجات GPU بحمل يتراوح بين 80 و90%. وهذا صعب مع طلب صغير وغير منتظم. فالمعدات تقف عاطلة، بينما تبقى نفقات الكهرباء والصيانة والإهلاك قائمة. لذلك يؤتي الذكاء الاصطناعي ثماره أولاً حيث يوجد عمل بشري مكلف وحمل دائم: الدعم، ومراكز الاتصال، والوظائف القانونية.

ماذا يعني ذلك

بالنسبة إلى فرق المنتجات، الخلاصة قاسية إلى حد ما: لم يعد وضع البنية المعمارية كلها على مزوّد واحد آمناً. فإذا كانت الشركة تعمل مع نماذج لغوية ناطقة بالروسية، فهي بحاجة إلى بنية محايدة تجاه النماذج تتيح التبديل السريع بين OpenAI وGigaChat والحلول المشابهة لـQwen والبيئة المحلية الخاصة. وإلا فإن أي موجة جديدة من الحجب أو ارتفاع الأسعار أو تشديد متطلبات البيانات ستحوّل الخيار التقني بسرعة إلى مشكلة تجارية.