النماذج أصبحت بهذه القوة، فلماذا لا تفتح OpenAI 100 شركة بنفسها؟

سؤال مجهول على Hacker News طرح أكثر سؤال تتجنبه الصناعة. عنوان المستخدم ex-aws-dude كان: «إذا كانت النماذج بهذه الجودة، فلماذا لا تفتح OpenAI 100 شركة بنفسها؟» واعترف هو نفسه أن العنوان مبالغ فيه، وما يريد معرفته حقًا هو: بما أن قدرات النماذج المتطورة أصبحت بهذه القوة، فلماذا لا تزال OpenAI تجني المال من بيع التوكنات بدلاً من التوجه مباشرة إلى التطبيقات والاستحواذ على أرباح المستخدم النهائي؟

انفجرت التعليقات، وانقسمت إلى معسكرين. يقول أحد المعسكرين إن النماذج قوية لدرجة أنها تستطيع استبدال أعداد كبيرة من العمالة، وأن التطبيقات هي مصدر الأرباح الحقيقي؛ ويقول المعسكر الآخر إن إدارة شركة أصعب بكثير من كتابة برمجيات جيدة، وإن الذكاء الاصطناعي لا يستطيع فعل ذلك أصلًا. وبعد الجدال، أشارت حجج الطرفين إلى الخط نفسه: ليس أن النموذج ليس ذكيًا بما يكفي، بل إن لا أحد يجرؤ على جعله مسؤولًا عن النتائج.

ما يمكن للنموذج فعله لم يعد سؤالًا غامضًا

لننظر أولًا إلى النتائج. تدّعي OpenAI أن GPT-5.5 سجل 82.7% على Terminal-Bench 2.0، وGPT-5.4 سجل 75.1%، وClaude Opus 4.7 سجل 69.4%؛ وعلى OSWorld-Verified سجل 78.7%، وهو أعلى من المستوى البشري. والأكثر أهمية هو اختبار GDPval: من بين 44 مهمة مهنية، حقق GPT-5.5 نسبة 84.9% عند مستوى خبراء الصناعة أو أعلى، بينما حقق الجيل السابق GPT-5.4 نسبة 83.0%.

وبعيدًا عن النتائج، هناك حالات عملية. ذكرت المديرة المالية لـ OpenAI سارة فراير في مؤتمر Goldman Sachs Communacopia في سبتمبر 2026 عميلين من الشركات: كود Canva «يأتي 100% من OpenAI»، حيث يولّد مليارات الصور أسبوعيًا؛ ومساعد تسوية المطالبات بالذكاء الاصطناعي لدى شركة التأمين Travelers توسع من 8 ولايات إلى جميع أنحاء الولايات المتحدة خلال شهرين.

لم تعد هذه عروضًا تجريبية. فالنماذج أصبحت قادرة على كتابة كود بمستوى إنتاجي، ومعالجة مهام مهنية منظمة، والتنفيذ بكفاءة ضمن حدود واضحة.

الأشياء التي لا تستطيع فعلها لا تظهر في النتائج

تشكل رأي موحد إلى حد كبير في تعليقات Hacker News: تفتقر النماذج اللغوية الكبيرة إلى القدرة على الحكم والاستقلالية طويلة الأمد. والمقصود بالقدرة على الحكم هو القدرة على اتخاذ القرارات في المواقف المعقدة والصعبة، وليس مجرد ملء الإجابات المعروفة بشكل صحيح، بل تحديد ما يجب فعله عندما تكون المعلومات ناقصة والعواقب لا رجعة فيها. لخص أحد المستخدمين الأمر بقوله إن نماذج 2026 تجيد تنفيذ الأفكار المحددة بوضوح ضمن حدود مرسومة، لكنها لا ترى الصورة الكاملة، وتفتقر إلى الرؤية والإبداع.

أعاد أحد المعلقين صياغة سؤال المنشور الأصلي بعبارة أكثر حدة: «إذا كانت النماذج بهذه الجودة، فلماذا لا تستطيع إدارة شركة بنفسها؟» والجواب هو: إدارة شركة واحدة أسهل من إدارة 100 شركة، ونجاح الشركة يتطلب أكثر بكثير من مجرد كتابة برمجيات جيدة. تحتاج إلى الحكم على السوق، وإدارة التدفق النقدي، والتعامل مع التنظيمات، ومعالجة شكاوى العملاء، واتخاذ قرارات استراتيجية وسط عدم اليقين. السمة المشتركة لهذه الأمور هي عدم وجود إجابة قياسية، وأن الخطأ فيها يكلف مالًا.

هذا هو الخط الفاصل: ليس في المهام الذهنية نفسها، بل في «من يتحمل مسؤولية النتائج».

تغيير فوترة Codex هو انعكاس لهذا الخط الفاصل

أكدت تصرفات OpenAI نفسها هذا الخط. في أبريل 2026، تغيرت طريقة فوترة Codex من «التقدير حسب الرسالة» إلى المواءمة الصارمة مع استخدام التوكنات في واجهة برمجة التطبيقات API، وشمل ذلك أولًا مستخدمي Plus وPro الأفراد والشركات، ثم توسع في أواخر أبريل ليشمل قنوات التعليم والرعاية الصحية والحكومة. وفي الوقت نفسه، أُطلق «اشتراك Codex فقط» بدون رسوم شهرية ثابتة، ويُحاسب فقط حسب التوكنات دون حدود للسرعة.

قامت جهات خارجية بحساب تسعير أرصدة Codex: الرصيد الواحد يعادل 0.04 دولار، وملف Sol بـ 750 رصيدًا يقابل 30 دولارًا لكل مليون توكن ناتج، والخلاصة هي «ليست خصمًا ولا علاوة، بل مجرد دفع مسبق لقائمة أسعار API».

هذا يعني أن OpenAI حولت Codex من «باقة شهرية» إلى «الدفع حسب الاستخدام الدقيق». حسب أحد المطورين: خلال الثلاثين يومًا الماضية، استهلك توكنات بقيمة 1199.79 دولارًا عبر Claude Code، و980.37 دولارًا عبر Codex، بإجمالي 2180.16 دولارًا، بينما دفع فعليًا 200 دولار فقط كاشتراك. بعد التحول من الاشتراك الشهري إلى الدفع حسب الاستخدام، تضخمت القيمة الدفترية لنفس القدرات بنحو 11 ضعفًا.

لننظر إلى الأمر من زاوية أخرى: إذا كانت OpenAI واثقة بما يكفي من قدرة نماذجها على التسليم، لكان التسعير حسب المهمة أو المشاركة في النتائج أكثر ربحية. لكنها لم تفعل ذلك، بل سارت في الاتجاه المعاكس، وضغطت دقة الفوترة إلى أدنى مستوى وهو التوكن. البيع بالتوكن يعني بيع حق استخدام القدرة الحاسوبية والقدرات، وليس النتائج. ما يفعله المستخدم بها، سواء نجح أو فشل، فالمخاطرة تقع على المستخدم.

أعمال توكنات بقيمة 40 مليار دولار

حجم هذا النموذج أصبح مذهلًا بالفعل. كشفت فراير في مؤتمر Goldman Sachs أن الإيرادات السنوية المتوقعة لـ OpenAI تجاوزت حوالي 40 مليار دولار في يوليو 2026، وأن قطاع الشركات (اشتراكات الشركات بالإضافة إلى API) تجاوز النصف. وقالت حرفيًا: «كنا في بداية العام بنسبة 60 إلى 40، لكن تسارع قطاع الشركات فاق التوقعات بكثير، والخطان تقاطعا الآن.» وارتفع إجمالي الإيرادات السنوية بنسبة 20% على أساس شهري من يونيو إلى يوليو، بينما نما قطاع الشركات بنسبة 32% في الفترة نفسها.

وتتوافق بيانات الطرف الثالث مع ذلك. أظهر تقرير الربع الثالث لعام 2026 من شركة بيانات الدفع Ramp أن إنفاق الشركات على OpenAI API ارتفع بنسبة 82% على أساس ربع سنوي، وعلى Anthropic بنسبة 76%.

لننظر إلى اتجاه الأسعار. تضاعف سعر GPT-5.5 مقارنة بـ GPT-5.4: ارتفع سعر الإدخال من 2.5 دولار إلى 5 دولارات لكل مليون توكن، والإخراج من 15 دولارًا إلى 30 دولارًا. تفسير OpenAI هو أن النموذج أكثر ذكاءً وكفاءة في استخدام التوكنات، فيستهلك توكنات أقل لإنجاز المهمة نفسها. وفي الطرازات الأقدم، كانت استراتيجية خفض الأسعار فعالة أيضًا: بعد خفض أسعار طراز Luna بنسبة تصل إلى 80%، زاد الاستخدام بنحو 10 أضعاف، وبحسبة تقريبية يقابل ذلك إيرادات تعادل ضعف ما كانت عليه قبل الخفض. انخفض سعر الوحدة، لكن الحجم الإجمالي زاد أكثر، فارتفع إجمالي الإيرادات. هذه نسخة من مفارقة جيفونس في سياق الذكاء الاصطناعي: تحسين الكفاءة وخفض التكلفة لا يقلصان السوق، بل يوسعانه.

وقدمت فراير رقمًا مثيرًا للاهتمام: أعلى 10% من العملاء يستهلكون توكنات أسبوعيًا بمعدل 8 أضعاف العميل المتوسط (كان 3 أضعاف سابقًا)، وموظفو الشركة أنفسهم يستهلكون 33 ضعف العميل المتوسط. وقالت: «استخدام كبار العملاء اليوم هو ما سيكون عليه استخدام العملاء العاديين بعد عامين.» إذا صح هذا التقدير، فإن إجمالي استهلاك التوكنات لم يبلغ ذروته بعد.

نما عدد مستخدمي Codex من حوالي 100 ألف في يناير 2026 إلى حوالي 25 مليونًا في سبتمبر. وتقدر OpenAI رسميًا أن متوسط استهلاك كل مطور يتراوح بين 100 و200 دولار شهريًا. وحتى بأخذ القيمة الوسطى 150 دولارًا مضروبة في 25 مليون شخص، فإن الحجم السنوي هائل، رغم أن نسبة الدفع الفعلية ومتوسط الاستهلاك أقل بالتأكيد من هذا الحد الأقصى.

لماذا لا يزال التسعير حسب النتائج مجرد تصور

ذكرت فراير في المناسبة نفسها أن عملاء الشركات يحتاجون بشكل متزايد إلى أنظمة ذكاء اصطناعي مخصصة لاحتياجات محددة، وأن OpenAI «ستعتمد التسعير على نتائج الأعمال بدلًا من الاستخدام». كما اقترحت أن تقيّم الصناعة النماذج حسب «تكلفة المهمة» بدلًا من «تكلفة التوكن»، واستشهدت ببيانات طرف ثالث تفيد بأن Astra يحقق النتائج نفسها بتوكنات أقل بنسبة 68% من النماذج المتطورة المنافسة.

عند وضع هاتين الجملتين معًا، يمكن رؤية الاتجاه الذي تريد OpenAI التوجه إليه، وأيضًا موقعها الحالي. «ستعتمد التسعير على نتائج الأعمال» بصيغة المستقبل؛ بينما الإصلاح الذي أُنجز للتو في Codex هو بالضبط سحب الفوترة إلى أدق مستوى وهو التوكن. شرط التسعير حسب النتائج هو أن يكون النموذج قادرًا على تحمل مسؤولية النتائج، أو على الأقل تقديم نتائج قابلة للقياس بشكل مستقر. يبدو توسع مساعد تسوية المطالبات لدى Travelers إلى جميع أنحاء الولايات المتحدة قريبًا من هذا المعيار، لكن ذلك في سياق معالجة مطالبات التأمين حيث الإجراءات موحدة للغاية ومعايير الحكم واضحة نسبيًا. أما في معظم أعمال الشركات، فمن الصعب تعريف «النتيجة» نفسها، ناهيك عن تحديد من يتحمل مخاطر عدم تحقيقها.

استخدم أحد المعلقين تشبيه Apple ومتجر التطبيقات: لا يمكن لأي شركة أن تتقن كل شيء، وبيع التوكنات هو «أموال خالية من المخاطر»، يحصل على نسبة من كل تطبيق دون تحمل مخاطر التشغيل. هذا التشبيه ليس دقيقًا تمامًا، فآبل تأخذ نسبة ثابتة من حجم المعاملات، بينما تبيع OpenAI استهلاك القدرة الحاسوبية، لكن المنطق الأساسي متشابه: المنصة تضع نفسها في موقع لا تتحمل فيه مسؤولية نتائج الأعمال، فيمكن أن تنمو إيراداتها مع نمو إجمالي جميع التطبيقات النهائية.

الإعلانات اتجاه استكشافي آخر. قالت فراير إن أعمال الإعلانات بلغت معدل تشغيل مليار دولار بعد سبعة أشهر من إطلاقها، وهي «أسرع منتج يصل إلى مليار دولار» في الشركة، وتغطي 40 دولة، ومن بين عملائها WPP وDentsu، ولم تُطلق بعد صيغ الإعلانات الأصلية بالذكاء الاصطناعي. مليار دولار نسبة صغيرة ضمن 40 مليارًا، لكن جوهر الإعلانات تجاريًا هو التسعير حسب الانتباه أو التحويل، وهو أقرب إلى «الدفع حسب النتائج» من التسعير بالتوكن. وما زال هذا مجرد خط جانبي حاليًا.

أشار بعض المعلقين إلى أن أسعار API الحالية تتضمن عنصر دعم من رأس المال الاستثماري، وأن هامش الربح الإجمالي على مستوى الاستدلال إيجابي، لكن الشركة ككل ما زالت تخسر. إذا صح هذا التقدير، فإن تسعير التوكنات لا يعكس التكلفة الكاملة بعد، وأولوية OpenAI العاجلة هي جعل حجم إيرادات التوكنات كبيرًا بما يكفي، بدلًا من المخاطرة بتجربة نموذج تسعير غير مثبت.

خط آمن

النماذج أصبحت قوية بالفعل، قوية لدرجة أن Canva تستخدمها لتوليد كل الكود، وقوية لدرجة أن Travelers نشرت معالجة المطالبات بالذكاء الاصطناعي في جميع أنحاء الولايات المتحدة خلال شهرين، وقوية لدرجة أنها تعادل أو تتفوق على الخبراء البشريين في 84.9% من المهام المهنية. لكن بين «القوة» و«القدرة على إدارة شركة» توجد طبقة كاملة: الحكم على عدم اليقين، والالتزام بالنتائج، وتحمل الفشل.

بيع النماذج بالتوكن هو في جوهره خط آمن. تقف OpenAI على أحد جانبي الخط لتقديم القدرات، ويقف العملاء على الجانب الآخر لتحمل المخاطر. إيرادات سنوية بمعدل 40 مليار دولار، ونمو إنفاق API بنسبة 82% على أساس ربع سنوي، و25 مليون مستخدم لـ Codex، كلها تثبت أن هذا الخط رُسم في المكان الصحيح. ما قالته فراير عن «التسعير بناءً على نتائج الأعمال» يصف إلى أين سيتحرك الخط؛ وتغيير Codex إلى الفوترة بالتوكن يؤكد أن الخط ما زال هنا الآن.

لكن هناك من بدأ بالفعل في اختبار الجانب الآخر من الخط. وفقًا لبيان صحفي من HubSpot، بدءًا من أبريل 2026، غيرت HubSpot تسعير وكيل خدمة العملاء بالذكاء الاصطناعي Breeze Customer Agent من «1.00 دولار لكل محادثة» إلى «0.50 دولار لكل محادثة تم حلها بنجاح»، ووكيل توليد العملاء المحتملين Breeze Prospecting Agent إلى «دولار واحد لكل عميل محتمل يُوصى به للاتصال الخارجي». وكان تصريح كبير مسؤولي العملاء في HubSpot جون ديك مباشرًا: «يُطلب من الشركات المراهنة بشكل كبير على الذكاء الاصطناعي، لكن في كثير من الأحيان يشترون الإمكانات بدلًا من الأداء. التسعير حسب النتائج يزيل هذه المخاطرة — تدفع فقط عندما ينجح الأمر، بدون أي تحفظات.» هذه تجربة تسعير حقيقية مطبقة، لكنها تحدث في مجالات مثل خدمة العملاء وتوليد العملاء المحتملين حيث يسهل قياس النتائج، وما زالت بعيدة جدًا عن «إدارة عمل تجاري نيابة عن العميل». أين سينتهي هذا الخط في النهاية يعتمد على مدى قدرة النماذج على تقديم التزامات قابلة للتحقق بشأن النتائج. والآن، أعمال التوكنات البالغة 40 مليار دولار هي الإجابة نفسها.