منصة ذكاء اصطناعي واحدة للشركة كلها: مزوّد واحد أم مساحة عمل متعددة النماذج أم بوابة أم كتالوج سحابي أم بناء خاص

تصل شركات كثيرة إلى النقطة نفسها. فالموظفون يستخدمون ChatGPT أو Microsoft Copilot أصلًا، والآن يطلب أحدهم نموذجًا مختلفًا، أو مساعدًا مشتركًا لفريق واحد، أو سجلًا بمن سأل عن ماذا. والنموذج هو البرنامج المدرَّب الذي يكتب الإجابات، والنموذج اللغوي الكبير (LLM) نموذج يعمل بالنصوص. ويمكنك البقاء مع منتج مزوّد واحد، أو شراء مساحة عمل بعدة نماذج، أو وضع بوابة أمام عدة مزوّدين. والبوابة نقطة تحكم بين برمجياتك والنماذج. ويمكنك أيضًا استئجار نماذج من كتالوج سحابي أو بناء نظامك. وينبغي لمعظم الشركات المتوسطة أن تبدأ بالمنتج الذي يستخدمه موظفوها أصلًا، وألا تضيف قطعًا إلا حين تظهر حاجة محددة.

لماذا قد ترغب شركة في أكثر من نموذج ذكاء اصطناعي واحد، ومتى يكفي واحد؟

تختلف النماذج فيما تجيده وفيما تكلّفه، وتغيّر الشركات تشكيلاتها كثيرًا. وحتى المنتج الواحد يخلط بين نماذج. وتقول صفحة Microsoft عن Copilot: «افتراضيًا، يستخدم Copilot موجّهًا آنيًا (router) لتعديل النموذج الكامن الذي يستخدمه بحسب مطالبتك.»

ثلاثة أسباب تبرر اختيار النماذج بنفسك. فقد يحتاج فريق إلى نموذج يفتقر إليه منتجك. وقد تناسب مهمة روتينية نموذجًا أصغر وأرخص. أو تريد مزوّدًا ثانيًا جاهزًا لحالة انقطاع. ويكفي مزوّد واحد حين يستخدم الموظفون الذكاء الاصطناعي في الصياغة والبحث، ولا يدمجه أحد في برمجياتك، وتفي ضوابط المسؤول بقواعدك.

ماذا يقدّم لنا ChatGPT Enterprise وMicrosoft 365 Copilot، وأين يتوقفان؟

بالنسبة إلى مساحة عمل ChatGPT Enterprise، اسأل OpenAI كتابةً عن ضوابط المسؤول الحالية وشروط البيانات وقائمة النماذج. وتقول وثائق OpenAI لواجهة API: «البيانات المرسلة إلى OpenAI API لا تُستخدم لتدريب نماذج OpenAI أو تحسينها (ما لم تختر صراحةً مشاركة البيانات معنا)»، لكن هذه الصفحة تخص API لا تطبيقات ChatGPT.

GPT المخصص (custom GPT) مساعد يُعدّه الموظف داخل ChatGPT بتعليمات مكتوبة ومستندات مرفقة. وتصفه OpenAI بأنه وسيلة لتخصيص ChatGPT «بتقديم تعليمات وإرفاق مستندات كمعرفة».

تقول Microsoft: «تقدّم Microsoft نماذج ذكاء اصطناعي من أطراف ثالثة في Microsoft Copilot، مثل نماذج Anthropic وOpenAI.» وتضيف: «بصفتك مسؤولًا، يمكنك أن تقرر هل تستخدم هذه النماذج لتشغيل تجاربك، وقد تسري شروط إضافية.»

تظهر الحدود عند بناء المساعدين. تقول Microsoft إن الوكلاء التصريحيين (declarative agents) «يستخدمون البنية التحتية للذكاء الاصطناعي في Copilot ونموذجه ومنسّقه»، فتحدد التعليمات والمعرفة والإجراءات لكنك تبقى ضمن خيارات النماذج لدى Microsoft. أما الوكيل ذو المحرك المخصص، حيث «تجلب منسّقك ونماذجك بنفسك»، فقد «يتطلب استضافة إضافية خارج Microsoft 365». وتقول Microsoft إن الإعداد «يتراوح من إعدادات بسيطة في Copilot Studio إلى تنفيذات متقدمة بالشيفرة الكاملة (pro-code)»، وطرف الشيفرة الكاملة من هذا المسار بناء بالفعل.

ما مساحة العمل متعددة النماذج، وما الذي نتخلى عنه؟

مساحة العمل متعددة النماذج تطبيق دردشة للموظفين يتيح نماذج من عدة مزوّدين خلف تسجيل دخول واحد. ومثالان على ما تشغّله على خوادمك أنت: تذكر وثائق Open WebUI «دعم Ollama وواجهات API المتوافقة مع OpenAI»، وتصف LibreChat نفسها بأنها «تطبيق ويب مستضاف ذاتيًا». وتوجد منتجات مستضافة من هذا النوع أيضًا.

ما تتخلى عنه هو العمق. تقول Microsoft إن Copilot «لا يعرض بيانات المؤسسة إلا التي يملك المستخدمون الأفراد عليها صلاحية العرض على الأقل»، لأنه يقرأ صلاحيات Microsoft 365 لديك مباشرة. أما مساحة العمل المنفصلة فتحتاج إلى روابطها الخاصة بملفاتك وأنظمتك، وعليك أن ترسم من يحق له رؤية أي ملف. وتحتاج الاستضافة الذاتية إلى من يشغّلها، ويضيف المنتج المستضاف شركة أخرى تتعامل مع مطالباتك.

ماذا تفعل بوابة LLM، ومن يحتاج إليها؟

البوابة (gateway) خدمة تقع بين برمجياتك ومزوّدي النماذج. ترسل برمجياتك كل طلب إلى عنوان واحد، وتحوّله البوابة إلى النموذج المختار. والرمز (token) هو الوحدة الصغيرة من النص التي يقرؤها النموذج ويكتبها، والتي يحتسبها المزوّدون ويحاسبون عليها. ويقول مسرد Anthropic إن الرموز «قد تقابل كلمات أو أجزاء كلمات أو حروفًا أو حتى بايتات».

يصف مشروع LiteLLM مفتوح المصدر بوابته بأنها «خادم مستضاف ذاتيًا» يقدّم «نقطة نهاية واحدة متوافقة مع OpenAI لأكثر من 100 مزوّد LLM وأدوات MCP ووكلاء A2A». ويقول: «امنح كل مستخدم وفريق ومشروع مفتاحًا افتراضيًا»، لكلٍّ منها «نماذج وميزانيات وحدود معدّل». وتبقى مفاتيح المزوّدين الحقيقية عندئذ في مكان واحد.

وتغطي مشاريع أخرى مجالًا مشابهًا. تقول Portkey إنها «فتحت مصدر» بوابتها. وتقول Cloudflare AI Gateway، وهي خدمة مستضافة، إنك تستطيع «عرض مقاييس مثل عدد الطلبات والرموز والكلفة اللازمة لتشغيل تطبيقك.» وتقول Kong إن AI Gateway لديها تستطيع «التحويل التلقائي إلى مزوّد أو نموذج آخر حين يكون أحدهما بطيئًا أو غير متاح.»

تحتاج إلى بوابة حين تستدعي عدة فرق أو منتجات النماذج من الشيفرة وتريد مكانًا واحدًا للمفاتيح والميزانيات والتوجيه والسجلات. أما الموظفون الذين يستخدمون تطبيقات الدردشة فقط فلا حاجة بهم إليها. فالبوابة لا تمنحهم نافذة دردشة، وقد تحتوي سجلاتها على مطالبات (النص الذي يكتبه الموظفون) بحسب إعداداتها، فاحمِها.

ماذا يضيف كتالوج النماذج لدى مزوّد سحابي؟

ثلاثة أمثلة هي Microsoft Foundry (المعروفة سابقًا باسم Azure AI Foundry) وAmazon Bedrock وGemini Enterprise Agent Platform من Google (المعروفة سابقًا باسم Vertex AI). وتتيح لمهندسيك استدعاء نماذج مزوّدين كثيرين عبر الحساب السحابي الذي تملكه أصلًا. وتقول Microsoft إن كتالوج Foundry «يضم أكثر من 10,000 نموذج»، وتقول AWS إن Bedrock يدعم «أكثر من 100 نموذج أساسي». وتقول Google إن Model Garden يضم نماذج «من Google وشركاء Google».

المكاسب هي إعداد الأمان القائم لديك، وفاتورة واحدة، واختيار موقع المعالجة. تقول Microsoft: «يمكنك اختيار معالجة عالمية أو بحسب منطقة البيانات أو إقليمية بناءً على متطلبات الامتثال لديك.» وينطبق هذا على عمليات النشر بلا خادم (serverless). أما نماذج Claude المستضافة على بنية Anthropic التحتية نفسها، فتقول Microsoft إن البيانات «قد تُعالج خارج Azure بما في ذلك خارج المنطقة الجغرافية التي اخترتها في Azure». والكلفة أن هذه صندوق أدوات للبنّائين. وأي شاشة دردشة في وحدة التحكم فيها مخصصة لاختبارات البنّائين، فلا يحصل الموظفون على منتج دردشة جاهز، وتبقى مسؤولية الاختبار واختيار النموذج عليك. وتقول Microsoft أيضًا إن النماذج الأقدم «قد تُسحب من كتالوج نماذج Foundry».

كيف ننقل GPT المخصصة والمطالبات وملفات المعرفة لدينا، وما الذي يبقى خلفنا؟

تحقق أولًا من جدول OpenAI الزمني. فتفيد تقارير صحفية من خريف 2026 بأن OpenAI تخطط لإيقاف GPT المخصصة في ديسمبر 2026 ونقلها إلى الإضافات (plugins)، مع مواعيد لاحقة لبعض مساحات عمل Enterprise. اتبع الإشعار الخاص بمساحة عملك. اسرد كل مساعد مع مالكه واستخدامه. أعد بناء الأكثر استخدامًا أولًا واختبر كل نسخة بالأسئلة نفسها. ثلاثة أشياء تنتقل جيدًا: نص التعليمات، والمستندات المصدرية إن كنت تحتفظ بالأصول، وأسئلة الاختبار. وأربعة أشياء تبقى خلفك. يبقى سجل المحادثات على المنصة القديمة، ويتوقف قدر ما تستطيع تصديره على أدوات المسؤول فيها. ويجب ضبط إعدادات المشاركة من جديد. ويجب إعداد الإجراءات (actions)، أي الاستدعاءات من المساعد إلى أنظمتك الأخرى، من جديد على كل منصة. ويمكن إعادة استخدام وصف OpenAPI للواجهة حيث تقبله المنصة. وستتغير الإجابات، لأن كل منصة تقسّم الملفات وتبحث فيها بطريقتها ولأن النموذج الكامن يختلف.

من يحق له رؤية ماذا، وكيف يتعامل كل مسار مع بياناتنا؟

اسأل كل مسار هل تُستخدم بياناتك في تدريب نماذج المزوّد وأين تُعالج. يقول المزوّدون:

• OpenAI API: «البيانات المرسلة إلى OpenAI API لا تُستخدم لتدريب نماذج OpenAI أو تحسينها (ما لم تختر صراحةً مشاركة البيانات معنا).»
• Microsoft 365 Copilot: المطالبات والاستجابات والبيانات المقروءة عبر Microsoft Graph (خدمة بيانات Microsoft 365) لا تُستخدم لتدريب نماذجه الأساسية. «تبقى حركة الاتحاد الأوروبي داخل حدود بيانات الاتحاد الأوروبي (EU Data Boundary)، بينما يمكن إرسال الحركة العالمية إلى الاتحاد الأوروبي ودول أو مناطق أخرى لمعالجة LLM»، و«النماذج التي توفرها Anthropic بصفتها معالجًا فرعيًا مستبعدة حاليًا من حدود بيانات الاتحاد الأوروبي.»
• Amazon Bedrock: «لن تستخدم AWS ولا مزوّدو النماذج من الأطراف الثالثة أي مدخلات أو مخرجات من Amazon Bedrock لتدريب Amazon Nova أو Amazon Titan أو أي نماذج لأطراف ثالثة.» وتضيف الأسئلة الشائعة العامة للخصوصية لدى AWS: «أنت تختار مناطق AWS التي يُخزَّن فيها محتواك.» ومع ملف استدلال عابر للمناطق عالمي، يستطيع Bedrock معالجة الطلب في «أي منطقة تجارية مدعومة من AWS في العالم».
• Gemini Enterprise Agent Platform (Vertex AI سابقًا): تذكر Google أنها لا تدرّب النماذج على بياناتك دون إذنك أو تعليماتك المسبقة. وتقول إن البيانات الساكنة تبقى في الموقع الذي تختاره، لكن الطلبات الموجهة إلى نقطة نهاية عالمية «قد تُعالج في أي موقع من مواقع Google Cloud حول العالم».
• مساحة عمل أو بوابة تستضيفها بنفسك: تبقى البيانات في بيئتك إلى أن تُمرَّر، ثم تسري شروط مزوّد النموذج. أما البوابة المستضافة فتضيف شركة أخرى.

في البيانات الشخصية، يستخدم GDPR مصطلح المعالج (processor) للشركة التي تتعامل مع البيانات نيابةً عنك. وببساطة، تشترط المادة 28 عقدًا مكتوبًا وألا يتصرف المعالج إلا وفق تعليماتك الموثقة، ما لم يقتضِ القانون خلاف ذلك. ولا يجوز إضافة معالج آخر إلا بإذن كتابي مسبق منك. ويجوز أن يكون هذا الإذن عامًا، وعندئذ يجب على المعالج إبلاغك بالتغييرات لتتمكن من الاعتراض. وتقول صفحة Foundry من Microsoft إن خدمة Azure Machine Learning «تعمل بصفة معالج البيانات للمطالبات المقدّمة والمحتوى الناتج لعمليات النشر بلا خادم (serverless).» وبالنسبة إلى نماذج Claude في Foundry، تقول Microsoft إن Anthropic «تعمل بصفة معالج بيانات مستقل»، فتحقق من هوية المعالج لكل نموذج. واطلب من مستشارك القانوني قراءة كل عقد.

داخل الشركة، ينبغي ألا يُظهر المساعد للشخص إلا ما كان يستطيع فتحه أصلًا. وعلى أي مسار، بما فيه Copilot، اختبر ذلك بتسجيل دخول واحد على مجلد لا يجوز لذلك الشخص رؤيته.

ماذا تتطلب الحوكمة عمليًا؟

تأتي الأدوار أولًا: من يملك كل مساعد، ومن يوافق على مساعد جديد، ومن يستطيع تبديل النموذج. ويقول إطار إدارة مخاطر الذكاء الاصطناعي (AI Risk Management Framework) لدى NIST: «الأدوار والمسؤوليات وخطوط التواصل المتعلقة برسم مخاطر الذكاء الاصطناعي وقياسها وإدارتها موثقة وواضحة للأفراد والفرق في أنحاء المؤسسة.»

تأتي الموافقات ثانيًا. فإرسال بريد إلكتروني أو تغيير سجل أو دفع فاتورة ينبغي أن ينتظر شخصًا، كما توضح المقالة عن الموافقة البشرية المرتبطة أعلاه. وتأتي السجلات ثالثًا: من سأل، وأي نموذج أجاب، وأي إصدار من المساعد عمل، وكم كلّف. وتستطيع البوابة كتابة معظم هذا السجل لكل نموذج تستدعيه، إن كانت برمجياتك ترسل الشخص وإصدار المساعد مع كل طلب.

البند الرابع سجل لحالات الاستخدام. يقول دليل NIST التطبيقي (playbook): «توجد آليات لجرد أنظمة الذكاء الاصطناعي وتُخصَّص لها الموارد بحسب أولويات المخاطر في المؤسسة.» ويكفي جدول بيانات مشترك للبدء. أعطِ كل صف حالة استخدام ومالكًا والنموذج والبيانات التي يمسّها وتاريخ مراجعة.

ما الفرق بين التسعير بالمقعد والتسعير بالرمز؟

يحاسب التسعير بالمقعد بمبلغ ثابت عن كل مستخدم مسمّى. ويحاسب التسعير بالرمز على النص الذي ترسله برمجياتك وتستقبله. اطلب من كل مزوّد كتابةً سعر المقعد الحالي مع كل حد أدنى وكل إضافة.

بالنسبة إلى الرموز، تنشر Anthropic قائمة أسعار بالدولار الأمريكي. وهي تُظهر Claude Sonnet 5.5 بسعر 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج. وتبلغ كلفة Claude Haiku 5.5 ‏0.10 و0.50 دولار للمطالبات التي تصل إلى 100,000 رمز.

خذ حمل عمل افتراضيًا من 1,000 طلب يوميًا، يرسل كل منها 3,000 رمز ويستقبل 500، أي 3 ملايين رمز إدخال و0.5 مليون رمز إخراج. على Sonnet 5.5 تبلغ الكلفة 6 دولارات للإدخال زائد 5 للإخراج، أي 11 دولارًا في اليوم. وعلى Haiku 5.5 تبلغ 0.30 زائد 0.25، أي 55 سنتًا في اليوم. وحمل العمل هذا افتراض، وقد تفرض شركات إعادة بيع السحابة أسعارًا مختلفة.

رموز الإخراج أغلى من رموز الإدخال، واختيار النموذج يغيّر الفاتورة بعامل كبير، والمستندات المرفقة الطويلة ترفع جانب الإدخال. حدّد ميزانية للبوابة منذ اليوم الأول.

كيف يبدو الارتباط بمزوّد واحد (lock-in)، وما الذي ينبغي أن نحتفظ به لنستطيع المغادرة؟

يقع الارتباط بمزوّد واحد (lock-in) حيث ذهب الجهد: في مساعدين بُنوا في محرر مزوّد واحد، وملفات مخزّنة ومهيأة للبحث في نظامه، وإجراءات مكتوبة بصيغته، وسجل لا يملكه غيره. وقد تصبح البوابة ارتباطًا كذلك إذا كانت قواعد التوجيه لديك بصيغة لا تقرؤها إلا هي.

احتفظ بنص تعليمات كل مساعد في مستودع، مع المستندات المصدرية وأسئلة الاختبار وتصدير للسجلات. واستدعِ النماذج عبر نقطة نهاية متوافقة مع OpenAI (صيغة طلب تنسخها أدوات كثيرة)، وابنِ الإجراءات على صيغ مفتوحة مثل وصف OpenAPI (وصف قياسي لواجهة API) أو Model Context Protocol، الذي يصف نفسه بأنه «معيار مفتوح المصدر لربط تطبيقات الذكاء الاصطناعي بالأنظمة الخارجية». واتفق في العقد على شروط التصدير والحذف والإخطار بإيقاف النماذج.

متى يكون بناء منصتنا الخاصة مبررًا؟

يكون البناء مبررًا حين يكون الذكاء الاصطناعي جزءًا من المنتج الذي تبيعه، لأن عملاءك حينئذ هم المستخدمون ولا ترخيص موظفين يغطيهم. ويكون مبررًا كذلك حين تحتاج عملية واحدة إلى منطق لا يقدّمه أي منتج، كالتوجيه بحسب عقد العميل. وقد تستبعد قواعد مكان معالجة البيانات كل الخيارات المستضافة.

يصعب تبريره للدردشة بين الموظفين وحدها. فالمنتجات المذكورة أعلاه تفعل ذلك أصلًا، وستتحمل أنت التحديثات والتحكم في الوصول والسجلات ومناوبة الطوارئ.

ماذا ينبغي أن نسأل المزوّد؟

• ما النماذج التي نستطيع اختيارها، ومن يقرر متى يُستبدل أحدها أو يُوقف؟
• هل تُستخدم بياناتنا في التدريب على أي خطة، وأين ينص العقد على ذلك؟
• في أي منطقة تُعالج البيانات، وهل يتغير ذلك بتغير النموذج الذي نختاره؟
• هل المزوّد هو معالج بياناتنا وفق GDPR، وما المعالجون الفرعيون الذين يستخدمهم؟
• هل يستطيع المسؤول رؤية سجلات الأسئلة والإجابات وتصديرها؟
• كم تبلغ كلفة شهر واحد من استخدامنا الفعلي، مع كل حد أدنى وكل إضافة؟
• ما الذي نستطيع أخذه معنا إن غادرنا، وبأي صيغة؟

ماذا نسأل شركة تعرض أن تبنيه؟

• ما الأجزاء التي ستبنونها، وما الذي ستضبطونه من منتجات قائمة؟
• هل سيعمل في حسابنا السحابي، ومن يحتفظ بالمفاتيح؟
• كيف ستختبرون كل مساعد قبل الإطلاق، ومن يوقّع بالموافقة من جانبنا؟
• ماذا نتسلّم في النهاية: الشيفرة، والإعدادات، ومجموعات الاختبار، والسجلات، وأدلة التشغيل؟
• من يشغّله بعد الإطلاق، وكم يكلّف ذلك شهريًا؟

أين موقع amBrain من ذلك؟

تنشر amBrain هذه المدونة. وعن منتجها الخاص تقول: «منتجنا الخاص، shyash.ai، يعمل بوكلاء ذكاء اصطناعي يبحثون ويكتبون ويتحققون ويقيسون انطلاقًا من ذاكرة مشتركة واحدة لوقائع الشركة. ويوافق شخص على كل ما يصدر».

هذه المقالة ليست دراسة حالة ولا تصف عملًا لأي عميل. ولا تدّعي أن amBrain بنت منصة متعددة النماذج أو بوابة لأي عميل. والسطر الوارد أعلاه يخص منتج amBrain الخاص بها، والأمثلة عامة.

الشركات والمشاريع المسمّاة هنا مقتبسة من صفحاتها المنشورة، وقد قُرئت بتاريخ 10 نوفمبر 2026. ولا تدّعي المقالة أي علاقة بين amBrain وأي منها، ولا تذكر أسعارًا أو جداول زمنية لدى amBrain.

تبني amBrain البرمجيات منذ عام 2019. وعن طريقة عملها مع العملاء تقول: «ثلاث صيغ: تنفيذ كامل، أو فريق مخصّص، أو مهندسون مدمجون في فريقك». أما في الملكية فسطرها هو: «يحتفظ العميل بالملكية الكاملة للمنتج وللكود، باستثناء مكوّناتنا القابلة لإعادة الاستخدام». واطلب قائمة هذه المكوّنات بالأسماء قبل أن توقّع.

إن كانت amBrain في قائمتك المختصرة، فاسألها الأسئلة نفسها التي تسألها لأي شركة أخرى.