شرحت IBM لماذا تحمي حوكمة AI هوامش الأعمال وتقلل الاعتماد على المورّدين

تعتقد IBM أن المخاطر الرئيسية للذكاء الاصطناعي للشركات لم تعد كامنة في قدرات النماذج الفردية، بل في كيفية دمجها في البنية التحتية للشركات. عندما يصبح الذكاء الاصطناعي طبقة أساسية للتطوير والأمان والأتمتة، تحتاج الشركات ليس فقط إلى قوة النماذج، بل أيضاً إلى نظام صارم للحوكمة والتحكم والتدقيق.

الذكاء الاصطناعي كبنية تحتية

تقترح IBM النظر إلى تطور الذكاء الاصطناعي بنفس الطريقة التي نظرت بها الشركات إلى البرامج الأخرى للمؤسسات سابقاً: أولاً كمنتج منفصل، ثم كمنصة، وأخيراً كبنية تحتية. وفقاً لروب توماس، نائب الرئيس الأول والمدير التجاري لشركة IBM، في المراحل الأولى، يمكن أن يكون تطوير النموذج المغلق مناسباً: فهو يسمح بتحديثات أسرع للمنتج، وتحكم أقوى في تجربة المستخدم، والاحتفاظ بالقيمة في إطار مورد واحد. لكن عندما تصبح التكنولوجيا الأساس لأنظمة أخرى، تتغير القواعد.

حالياً، وفقاً لتقييم IBM، يدخل الذكاء الاصطناعي هذه المرحلة. النماذج بالفعل تشارك في حماية الشبكات، وكتابة الأكواد، واتخاذ القرارات الآلية، والعمليات التجارية. لذلك تتحول المسألة من "ماذا يستطيع النموذج أن يفعل" إلى "كيف يتم تنظيمه، من يتحكم به، وهل يمكن التحقق منه".

تستشهد المقالة كمثال على إطلاق معاينة Claude Mythos من Anthropic مؤخراً وإطلاق Project Glasswing: إذا كانت النماذج المستقلة قادرة على إيجاد واستغلال الثغرات الأمنية تقريباً على مستوى أفضل المتخصصين، فإن هذا لا يمثل تجربة معملية بالنسبة لتكنولوجيا المعلومات للشركات، بل يشكل خطراً في البنية التحتية.

حيث تُفقد الهوامش

تربط IBM بشكل مباشر حوكمة الذكاء الاصطناعي بحماية الأرباح. المشكلة مع النماذج المغلقة ليست فلسفية فحسب، بل عملياتية في الواقع. عندما يحتاج نموذج ملكي إلى الاتصال بقاعدة بيانات متجهة للشركة، أو بحيرة بيانات داخلية، أو خط أنابيب RAG، غالباً ما تفتقد الفرق الرؤية اللازمة لفهم المكان الدقيق الذي حدث فيه الخلل — في استخراج البيانات، أو في التنسيق، أو في أوزان النموذج الأساسية. نتيجة لذلك، تتطاول جداول الزمنية للدمج، وتزداد تكاليف الدعم، وتتضاعف الحلول البديلة المكلفة.

• استدعاءات API المستمرة للنماذج المغلقة تضخم تكاليف الحوسبة
• نقص الشفافية يجعل من الصعب التخطيط الدقيق للبنية التحتية ويدفع الشركات لدفع أكثر من اللازم مقابل احتياطيات الطاقة
• ربط الأنظمة القديمة بنماذج السحابة المحدودة بشكل صارم يضيف تأخيرات في العمليات اليومية
• متطلبات حماية البيانات تجبر الفرق على تنظيف وإخفاء هوية المعلومات بشكل مستمر قبل إرسالها إلى الخارج
• تركيز المعرفة بالنموذج لدى عدد قليل من الموردين يزيد من المخاطر التشغيلية

طبقة منفصلة من المشاكل هي الأمان. إذا كانت النماذج المستقلة قادرة على كتابة برامج استغلالية والتأثير على بيئة الأمان، فإنه من الخطير على الشركات أن تعتمد على عدد قليل من الموردين هم الوحيدون الذين يفهمون حقاً البنية الداخلية لهذه الأنظمة. في هذا النظام، تشتري الشركة ليس فقط خدمة، بل أيضاً عدم شفافية طرف آخر. وبمرور الوقت، يبدأ هذا النقص في الشفافية بتآكل نفس الهامش الذي جعل تطبيق الذكاء الاصطناعي يستحق الاستثمار في البداية.

لماذا تكون الانفتاحية ضرورية

موقف IBM هو أن المصدر المفتوح لا يزيل الخطر، بل يغير طريقة إدارته. الأساس المفتوح يسمح للباحثين والمطورين وخبراء الأمان بدراسة الهندسة المعمارية، وتحديد نقاط الضعف، والتحقق من الافتراضات الأساسية، وتعزيز النظام في ظروف العالم الحقيقي. بالنسبة لتكنولوجيات البنية التحتية، الشفافية ليست مكافأة إضافية، بل شرط أساسي للاستقرار والمرونة. كلما اعتمدت الشركة أكثر على الذكاء الاصطناعي، أصبحت القدرة على فحص النموذج بشكل مستقل والنظام بأكمله حوله أكثر أهمية.

تعترض IBM أيضاً على الاعتقاد الشائع بأن التكنولوجيات المفتوحة تقلل حتماً من قيمة الابتكارات. في الواقع، تتحول القيمة التجارية ببساطة أعلى في المكدس: إلى التكامل والتنسيق والموثوقية وآليات الثقة والخبرة الصناعية. وهذا بالضبط هو السبب في أن اللاعبين الكبار يراهنون بشكل متزايد على الأدوات التي تسمح لهم بتبديل النماذج للأعباء المحددة، بدلاً من ربط المعمارية بأكملها بموردٍ مغلق واحد. يقلل هذا النهج من الاعتماد على المورد ويساعد على توزيع الموارد المكلفة حيث تكون مطلوبة فعلاً.

ما يعنيه هذا

بالنسبة لحوكمة الذكاء الاصطناعي في الشركات، وفقاً لـ IBM، هذا ليس بيروقراطية، بل طريقة لحماية اقتصاديات التطبيق. الفائزون لن يكونوا الشركات التي تملك إمكانية الوصول إلى أكبر نموذج مغلق، بل تلك التي تعرف كيفية إدارة النماذج والبيانات والأمان والتكاليف بشكل شفاف على مستوى المعمارية بأكملها.