دمج ثلاث روافع — التوجيه بين النماذج، والتخزين المؤقّت، والمعالجة على دفعات — يخفض فاتورة الاستدلال بين 60% و80% دون تغيير تجربة المستخدم. التخزين المؤقّت للموجّه وحده يُسعّر الرموز المتكرّرة بنحو 10% من سعر الإدخال الأساسي، أي خصمًا يصل إلى 90% على الجزء الثابت، ويُحسّن كذلك زمن أول استجابة بين 13% و31%. والمعالجة على دفعات تخفض نحو 50% إضافية على كل ما لا يستوجب ردًّا فوريًا. وتراكم الثلاثة ينزل بالفاتورة إلى نحو ربع سعر القائمة.
أين يُحرق المال فعلًا
قبل التحسين، يلزم معرفة ما هو المُكلف. ثلاث حقائق بنيوية تفسّر معظم الفاتورة، وهي صحيحة لدى كل مزوّد تقريبًا.
رموز الإخراج تكلّف خمسة إلى ثمانية أضعاف رموز الإدخال. في GPT-5.2 مثلًا، السعر 1.75 دولار لكل مليون رمز إدخال مقابل 14 دولارًا لكل مليون رمز إخراج. والمعنى العملي أن تقصير الإجابة يساوي أكثر بكثير من تقصير الموجّه، ومعظم الفرق تستثمر في العكس تمامًا.
الفجوة بين النموذج الغالي والرخيص مرتبة كاملة، لا نسبًا مئوية. طبقة النماذج الرخيصة تُسعَّر عند نحو 0.10 دولار لكل مليون رمز إدخال. وحين يكون نموذج الصدارة أغلى بخمسة عشر ضعفًا، فكل طلب يُرسَل إليه بلا حاجة إهدار لا سبيل لإصلاحه لاحقًا.
الجزء الثابت من الموجّه يتكرّر في كل طلب. تعليمات النظام، والمخطّط، والأمثلة، وقواعد العمل — غالبًا آلاف الرموز تُرسَل مرارًا ويُدفع ثمنها كاملًا في كل مرّة. وهذا هو الجزء الذي يُلغيه التخزين المؤقّت شبه كليًّا.
قيسوا قبل أن تحسّنوا. فكّكوا الفاتورة الشهرية حسب نوع الطلب، وسجّلوا لكل نوع: الحجم، ومتوسّط رموز الإدخال، ومتوسّط رموز الإخراج، والنموذج المستخدم، وعدد الاستدعاءات لمهمة واحدة. في معظم المؤسسات يولّد نوعان من الطلبات أكثر من 70% من الفاتورة، ومن هناك يجب أن يبدأ كل العمل. وتفصيل مكوّنات التكلفة كاملًا في كم تكلّف ميزة الذكاء الاصطناعي فعلًا.
ست روافع، مرتّبة بالعائد على الجهد
| الرافعة | التوفير النمطي | الجهد | المخاطرة على الجودة |
|---|---|---|---|
| التخزين المؤقّت للموجّه | 45% إلى 80% على الجزء المتكرّر | منخفض. تغيير في ترتيب الموجّه | معدومة |
| التوجيه بين النماذج | 40% إلى 85% | متوسّط. يستلزم مصنّفًا ومجموعة تقييم | متوسّطة إن غاب القياس |
| المعالجة على دفعات | نحو 50% على غير العاجل | منخفض إلى متوسّط. يستلزم طابورًا | معدومة |
| تقصير الإخراج ومخطّط مهيكل | 20% إلى 40% | منخفض | منخفضة |
| تخزين مؤقّت دلالي | جزء من 47% بالدمج مع التوجيه | متوسّط. يستلزم تضمينات وعتبة تشابه | متوسّطة. إجابة قديمة لحالة جديدة |
| تقطير نموذج مخصّص | حتى نحو 90% للمهمة المدرَّب عليها | عالٍ. يستلزم بيانات وصيانة | منخفضة داخل المهمة، عالية خارجها |
انتبهوا إلى عمود الجهد. الأسطر الثلاثة الأولى توفّر معظم التوفير خلال أسابيع، لا أرباع سنة. أما التقطير والتكميم فخطوتان حقيقيتان لكنهما تنتميان إلى مرحلة لاحقة، بعد أن يبرّرهما الحجم.
التوجيه بين النماذج: الخطوة صاحبة أكبر عائد
افتراض أن كل طلب يحتاج أقوى نموذج هو أغلى افتراض في البنية. وعمليًا، معظم الحركة في أي منتج طلبات بسيطة: تصنيف، واستخراج حقول، وإعادة صياغة، وأسئلة أُجيب عنها ألف مرّة. وهذه تعمل ممتازًا في طبقة السعر الرخيصة.
التوجيه المبنيّ على التعقيد يخفض 40% إلى 85% من الفاتورة، وبالدمج مع تخزين مؤقّت دلالي قِيس انخفاض بنسبة 47% في الإنفاق حتى في منظومات بدت مُحسَّنة أصلًا. والطريق الآمن لتطبيق ذلك في ثلاث مراحل.
- ابنوا مجموعة تقييم قبل مسّ التوجيه. مئة إلى مئتَي مثال حقيقي من الحركة، مع إجابة صحيحة متّفق عليها. بدونها لا سبيل لمعرفة إن كسر التوجيه شيئًا، وستكتشفون ذلك من العملاء.
- وجّهوا السهل فقط. ابدأوا بفئة واحدة واضحة من الطلبات البسيطة، وانقلوها إلى النموذج الرخيص، وقارنوا بمجموعة التقييم. فإن كانت الفجوة معدومة — وسّعوا إلى الفئة التالية.
- أضيفوا تصعيدًا آليًا. حين يُرجع النموذج الرخيص ثقةً منخفضة أو إجابة تفشل في فحص المخطّط، أرسلوا الطلب إلى النموذج القوي. وحتى لو وقع التصعيد في 15% من الحالات، فالتوفير على الـ85% الباقية يغطّيه بسهولة.
التخزين المؤقّت: طبقتان مختلفتان تمامًا
كلمة «تخزين مؤقّت» تصف هنا شيئين يُخلَط بينهما، وهما يحلّان مشكلتين مختلفتين.
تخزين الموجّه آلية لدى المزوّد. يتعرّف على أن بادئة الطلب مطابقة لبادئة سابقة فيُسعّرها بنحو 10% من سعر الإدخال. والشرط أن يظهر الجزء الثابت في مقدّمة الموجّه والمتغيّر في آخره — والترتيب المعكوس يُلغي التخزين المؤقّت كليًّا. وهذا دائمًا تقريبًا أول تحسين جدير بالتنفيذ، لأنه يستغرق ساعة ويُحسّن أيضًا زمن أول استجابة بين 13% و31%.
التخزين المؤقّت الدلالي آلية لديكم. السؤال الجديد يُحوَّل إلى تضمين، ويُقارَن بأسئلة سابقة، وإن تجاوز التشابه عتبةً محدّدة أُعيدت الإجابة المحفوظة دون استدعاء النموذج إطلاقًا. وهو قويّ خصوصًا في المنتجات ذات الأسئلة المتكرّرة، لكنه أيضًا الموضع الوحيد في القائمة الذي قد يُعيد إجابة خاطئة بثقة تامّة.
قاعدتان للتخزين الدلالي. أولًا، لا تخزّنوا أي شيء يتعلّق بالوقت أو السعر أو المخزون أو صلاحية المستخدم — فهذه بالضبط الحالات التي تُلحق فيها الإجابة القديمة ضررًا. وثانيًا، حدّدوا عتبة تشابه مرتفعة ومدّة صلاحية قصيرة، وقيسوا كم مرّة أعاد التخزين إجابةً رفضها المستخدم. فإن تجاوزت النسبة بضع نقاط مئوية، فالعتبة منخفضة أكثر ممّا ينبغي.
الدفعات، وتقصير الإخراج، والبنية
الروافع الثلاث المتبقّية أقلّ بريقًا ولذلك أقلّ تطبيقًا، رغم أن أولاها هي أسهل خصم في الصناعة.
المعالجة على دفعات. كل مزوّد كبير يعرض نحو 50% خصمًا على الطلبات المستعدّة للانتظار. التلخيصات الليلية، وإثراء السجلّات، والوسم التاريخي، وتوليد الأوصاف — كلها لا تحتاج ردًّا خلال ثانية. والعقبة الوحيدة أنها تستلزم طابورًا، ومعظم الفرق ببساطة لم تبنِ واحدًا. وهذا عمل أيام يُعيد نصف تكلفة كل ما يمرّ عبره.
تقصير الإخراج. بما أن الإخراج أغلى بخمسة إلى ثمانية أضعاف، فتقييد طول الإجابة أكثر الروافع مباشرةً. وطلب إخراج بمخطّط مهيكل بدل نصّ حرّ يوفّر بين 20% و40% وينتج أيضًا إجابات أسهل في التحقّق. وإن كانت المنظومة تولّد تعليلات طويلة لا يقرأها أحد، فأنتم تدفعون ثمنها كاملًا.
التكميم والتقطير، حين يبرّرهما الحجم. تشغيل نموذج بدقّة INT8 أو INT4 يقتطع نحو 50% من التكلفة ويحافظ على 95% إلى 99% من الدقّة. وتقطير نموذج صغير لمهمة محدّدة يبلغ نحو 90% توفيرًا على المهمة نفسها. وكلاهما يستلزم بنية تحتية وصيانة، ولذلك يصحّان حين يكون الحجم مستقرًّا وكبيرًا — لا قبل ذلك. وهذا الاعتبار هو عينه الموصوف في بناء قدرة ذكاء اصطناعي أم شراؤها.
ترتيب العمل، وما لا ينبغي فعله
الترتيب مهمّ لأن كل رافعة تغيّر أساس حساب التي تليها. القياس، ثم الثلاث السهلة، ثم البقية.
| المرحلة | ما تفعلونه | متى تتوقّفون |
|---|---|---|
| 1. القياس | تفكيك الفاتورة حسب نوع الطلب والنموذج والحجم | بعد معرفة أغلى نوعَي طلبات |
| 2. تخزين الموجّه | إعادة ترتيب: الثابت في البداية، المتغيّر في النهاية | حين تستقرّ نسبة الإصابات ويُبلَّغ عنها |
| 3. المخطّط وتقصير الإخراج | إخراج مهيكل، وسقف طول، وإلغاء تعليلات غير مستهلَكة | حين لا تتضرّر الجودة في مجموعة التقييم |
| 4. الدفعات | نقل كل ما ليس عاجلًا إلى طابور | حين يصير المتبقّي المتزامن تفاعليًا فعلًا |
| 5. التوجيه | فئة واحدة في كل مرّة، مع تصعيد آلي | حين تستقرّ التصعيدات تحت 20% |
| 6. التقطير أو التكميم | لمهمة مستقرّة بحجم مرتفع فقط | حين يفوق التوفير الشهري تكلفة الصيانة |
وثلاثة أمور لا يُستحسن فعلها. لا تخفضوا الجودة توفيرًا دون مجموعة تقييم تُظهر ما تضرّر بالضبط — فالتوفير الذي يولّد طلب دعم إضافيًا خسارة. ولا تحسّنوا قبل وجود حجم، لأن التحسين على حركة صغيرة وقتُ مهندس غالٍ مقابل توفير بمئات الشواكل. ولا تُخفوا التوفير: إن خفضتم 60% من التكلفة لكل وحدة عمل، فهذا يغيّر التسعير ويغيّر عائد التجربة، وهو عادةً ما يحوّل تجربة حدّية إلى مبرَّرة. وقد فصّلنا العلاقة بين بنية التكلفة والسعر في تسعير منتج يستند إلى نموذج.
بناء نموذج تكلفة وخطّة لخفض التكاليف جزء من التخطيط المالي والنموّ الذي ننفّذه مع العملاء.
كم يمكن خفض تكلفة الاستدلال؟
دمج التوجيه بين النماذج والتخزين المؤقّت والمعالجة على دفعات يخفض 60% إلى 80% من الفاتورة دون مساس بتجربة المستخدم. تخزين الموجّه وحده يُسعّر الرموز المتكرّرة بنحو 10% من سعر الإدخال، والدفعات تضيف نحو 50% خصمًا على غير العاجل، والتوجيه يخفض 40% إلى 85% إضافية. وتراكم الروافع ينزل بالفاتورة إلى نحو ربع سعر القائمة.
ما الخطوة الأولى لخفض التكلفة؟
القياس، ثم تخزين الموجّه. فكّكوا الفاتورة حسب نوع الطلب والنموذج والحجم — ففي معظم المؤسسات يولّد نوعان من الطلبات أكثر من 70% من التكلفة. ثم رتّبوا الموجّه بحيث يظهر الجزء الثابت في البداية والمتغيّر في النهاية. هذا عمل ساعة يُنتج 45% إلى 80% توفيرًا على الجزء المتكرّر ويُحسّن زمن أول استجابة بين 13% و31%.
هل يضرّ التوجيه بين النماذج بالجودة؟
لا، إن بُنيت مجموعة تقييم قبل التوجيه. جهّزوا مئة إلى مئتَي مثال حقيقي بإجابة صحيحة متّفق عليها، ووجّهوا فئة واحدة من الطلبات البسيطة في كل مرّة وقارنوا بالمجموعة. وأضيفوا تصعيدًا آليًا إلى النموذج القوي عند الثقة المنخفضة أو عند فشل الإجابة في فحص المخطّط. وحتى بنسبة تصعيد 15%، فالتوفير على الباقي يغطّيها بسهولة.
متى يُستحسن تقطير نموذج مخصّص؟
فقط حين تكون المهمة مستقرّة والحجم مرتفعًا والتوفير الشهري أكبر من تكلفة الصيانة. التقطير يبلغ نحو 90% توفيرًا على المهمة المدرَّب عليها، والتكميم إلى INT8 أو INT4 يقتطع نحو 50% مع الحفاظ على 95% إلى 99% من الدقّة. وكلاهما يستلزم بيانات وبنية تحتية وصيانة مستمرّة، ولذلك هما خطوة متأخّرة لا أولى.
لماذا رموز الإخراج أهمّ من رموز الإدخال؟
لأنها تكلّف خمسة إلى ثمانية أضعاف. في GPT-5.2 السعر 1.75 دولار لكل مليون رمز إدخال مقابل 14 دولارًا لكل مليون رمز إخراج. ولذلك فتقييد طول الإجابة والانتقال إلى إخراج بمخطّط مهيكل يوفّران 20% إلى 40% من التكلفة، ويُحسّنان عادةً قابلية التحقّق من الإجابة. وإن كانت المنظومة تولّد تعليلات طويلة لا يقرأها أحد، فأنتم تدفعون ثمنها بالسعر الكامل.