18 أغسطس 2025·8 دقيقة
ديفيد ساكس عن الذكاء الاصطناعي + SaaS: دليل جديد للشركات الناشئة
شرح عملي لدليل الشركة الناشئة في تقاطع الذكاء الاصطناعي وSaaS: ماذا يتغير، ماذا يبقى، وكيف تبني عملًا مستدامًا.
شرح عملي لدليل الشركة الناشئة في تقاطع الذكاء الاصطناعي وSaaS: ماذا يتغير، ماذا يبقى، وكيف تبني عملًا مستدامًا.
الذكاء الاصطناعي ليس مجرد ميزة تضيفها إلى تطبيق اشتراك. بالنسبة للمؤسسين، يغير ما يعنيه أن تكون الفكرة "جيدة": مدى سهولة نسخ المنافسين لك، ما سيدفعه العملاء، وما إذا كان نموذج العمل لا يزال يعمل عندما تظهر تكاليف الاستدلال في الفاتورة.
هذا المنشور مُلخّص عملي للموضوعات الشائعة المرتبطة بديفيد ساكس والمحادثة الأوسع حول AI + SaaS — ليس تحليل اقتباس باقتباس ولا سيرة ذاتية. الهدف ترجمة الأفكار المتكررة إلى قرارات عملية يمكنك اتخاذها كمؤسس أو قائد منتج.
استراتيجية SaaS الكلاسيكية كانت تكافئ التحسّن التدريجي: اختر فئة، ابني سير عمل أنظف، بيع مقاعد، واعتمد على تكاليف التبديل على المدى. يحوّل الذكاء الاصطناعي مركز الثقل نحو النتائج والأتمتة. العملاء يسألون أكثر: "هل يمكنك إنجاز العمل نيابة عنا؟" بدلاً من "هل يمكنك مساعدتي في إدارة العمل بشكل أفضل؟"
هذا يغير خط البداية للشركة الناشئة. قد تحتاج إلى واجهة مستخدم أقل، تكاملات أقل، وفريق أولي أصغر — لكنك ستحتاج إثباتًا أوضح أن النظام دقيق، آمن، ويستحق الاستخدام اليومي.
إذا كنت تقيم فكرة — أو تحاول إعادة تموضع منتج SaaS قائم — فهذه الإرشادات تساعدك على اختيار:
أثناء القراءة، احتفظ بأربعة أسئلة في ذهنك: أي وظيفة سيؤديها الذكاء الاصطناعي؟ من يشعر بالألم بما يكفي للدفع؟ كيف سيعكس التسعير قيمة قابلة للقياس؟ ما الذي يجعل ميزتك مستدامة بمجرد أن يتمكن الآخرون من الوصول لنماذج مشابهة؟
بقية المقال يبني "دليل شركة ناشئة" حديث حول تلك الإجابات.
نجحت SaaS الكلاسيكية لأنها حوّلت البرمجيات إلى نموذج عمل متوقّع. كنت تبيع اشتراكًا، توسّع الاستخدام مع الوقت، وتعتمد على قفل سير العمل: عندما يبني فريق العادات والقوالب والعمليات داخل منتجك، يصبح المغادرة مؤلمة.
كان هذا القفل غالبًا مبررًا بعائد استثمار واضح. الرسالة بسيطة: "ادفع X شهريًا، ووفّر Y ساعات، وقلّل الأخطاء، وأغلق صفقات أكثر." عندما تقدّم ذلك بانتظام، تكسب تجديدات — والتجديدات تخلق نموًا تراكمياً.
الذكاء الاصطناعي يسرّع منافسة الميزات. الميزات التي كانت تستغرق أرباعًا لتبنى يمكن تكرارها في أسابيع، أحيانًا عبر الربط بمزودي النماذج نفسه. هذا يقصر "خندق الميزات" الذي اعتمدت عليه العديد من شركات SaaS.
المنافسون المولودون مع الذكاء الاصطناعي ينطلقون من مكان مختلف: لا يضيفون ميزة إلى سير عمل موجود فقط — يسعون لاستبدال سير العمل. المستخدمون اعتادوا على المساعدين (copilots)، والوكلاء، وواجهات "قل ما تريد"؛ ما يغيّر التوقعات من نقرات ونماذج إلى نتائج.
وبما أن الذكاء الاصطناعي قد يبدو سحريًا في العروض التوضيحية، يرتفع مستوى التمايز بسرعة. إذا كان الجميع يمكنه توليد ملخّصات أو مسودات أو تقارير، السؤال الحقيقي يصبح: لماذا يثق العميل بمنتجك للقيام بذلك داخل أعماله؟
على الرغم من التحوّل التقني، المبادئ الأساسية لم تتغير: ألم حقيقي لدى العميل، مشتري محدد يشعر به، استعداد للدفع، والاحتفاظ القائم على القيمة المستمرة.
ترتيب مفيد للبقاء مركّزًا:
القيمة (النتيجة) > الميزات (قوائم التحقق).
بدلاً من شحن قائمة تحقق ذكاء اصطناعي ("أضفنا ملاحظات تلقائية، بريد إلكتروني تلقائي، ووسوم تلقائية"), قدّم نتيجة يعرِفها العملاء ("خفض وقت إغلاق الصفقات بنسبة 20%"، "تقليل تراكم الدعم إلى النصف"، "شحن تقارير متوافقة في دقائق"). الميزات هي نقاط إثبات — ليست الاستراتيجية.
الذكاء الاصطناعي يجعل من السهل على الجميع نسخ الطبقة السطحية، لذا عليك امتلاك النتيجة الأعمق.
كثير من الشركات الناشئة تتعثر لأنها تبدأ بـ"الذكاء الاصطناعي" وتبحث لاحقًا عن وظيفة تؤديها. نهج أفضل هو اختيار وتد — نقطة دخول ضيّقة تطابق استعجال العميل ووصولك إلى البيانات الصحيحة.
1) ميزة ذكاء اصطناعي (داخل فئة منتج موجودة). تضيف قدرة واحدة مدعومة بالذكاء الاصطناعي إلى سير عمل مألوف (مثل "تلخيص التذاكر"، "صياغة المتابعات"، "وسم الفواتير تلقائيًا"). قد تكون أسرع طريق للإيراد المبكر لأن المشترين يفهمون الفئة بالفعل.
2) مساعد (Copilot) بوجود إنسان في الحلقة. يجلس المنتج بجانب المستخدم ويسرّع مهمة متكررة: الصياغة، الفرز، البحث، المراجعة. يعمل المساعد جيدًا عندما تهم الجودة ويحتاج المستخدم للتحكم، لكن عليك إثبات القيمة اليومية — ليس مجرد عرض توضيحي ممتع.
3) منتج AI-first (إعادة بناء سير العمل حول الأتمتة). هنا، المنتج ليس "برمجيات زائد الذكاء"، بل عملية آلية ذات مدخلات ومخرجات واضحة (غالبًا وكيلية). قد يكون هذا الأكثر تميّزًا، لكنه يتطلب وضوحًا عميقًا في المجال، ضوابط قوية، وتدفقات بيانات موثوقة.
استخدم مصفيين:
إذا كان الاستعجال عاليًا لكن الوصول إلى البيانات ضعيف، ابدأ كمساعد (copilot). إذا كانت البيانات وفيرة وسير العمل محددًا جيدًا، فكر في AI-first.
إذا كان منتجك واجهة رقيقة فوق نموذج سلعي، يمكن للعملاء التحول بمجرد أن يجمّع بائع أكبر شيئًا مشابهًا. العلاج ليس الذعر — إنه امتلاك سير عمل وإثبات نتائج قابلة للقياس.
عندما يمكن للعديد من المنتجات الوصول إلى نماذج متشابهة، ينتقل التفوّق غالبًا من "ذكاء أفضل" إلى "وصول أفضل". إذا لم يصادف المستخدم منتجك في سير عمله اليومي، فلن تهم جودة النموذج — لأنك لن تحصل على استخدام حقيقي كافٍ للتكرار نحو ملاءمة المنتج للسوق.
هدف وضع المنتج العملي هو أن تصبح الطريقة الافتراضية لأداء مهمة داخل الأدوات التي يستخدمها الناس بالفعل. بدلًا من مطالبة العملاء باعتماد "تطبيق آخر"، ظهر حيث يحدث العمل بالفعل — البريد الإلكتروني، المستندات، التذاكر، CRM، Slack/Teams، ومستودعات البيانات.
هذا مهم لأن:
التكاملات والأسواق: ابنِ أصغر تكامل مفيد واشحنه إلى السوق المناسب (CRM، مكتب الدعم، الدردشة). الأسواق يمكنها توفير اكتشاف عالي النية، والتكاملات تقلل الاحتكاك عند التثبيت.
التواصل الخارجي (Outbound): استهدف دورًا ضيقًا مع سير عمل مؤلم ومكرر. قدّم وعدًا ملموسًا ("خفض زمن الفرز بنسبة 40%") وخطوة إثبات سريعة (إعداد 15 دقيقة، ليس تجربة تستغرق أسابيع).
المحتوى: انشر كتبًا عملية "كيف نفعل X"، مقالات تفكيك، وقوالب تتناسب مع عمل المشتري. يكون المحتوى فعّالًا بشكل خاص عندما يتضمن عناصر يمكن للناس نسخها (استدعاءات، قوائم تحقق، إجراءات تشغيل).
الشراكات: اتّفق مع وكالات أو مستشارين أو برامج مجاورة تملك بالفعل التوزيع لمستخدمك المثالي. قدّم تسويقًا مشتركًا وهامش إحالة.
الذكاء الاصطناعي يغيّر التسعير لأن التكاليف والقيمة لا تتطابق بدقة مع "المقعد". قد يضغط مستخدم زرًا واحدًا يُشغّل سير عمل طويل (مكلف)، أو قد يقضي المستخدم نهارًا كاملًا في المنتج ينجز مهامًا خفيفة (رخيص). هذا يدفع العديد من الفرق من خطط المقاعد نحو الأسعار القائمة على النتائج، أو الاستخدام، أو الاعتمادات.
الهدف مواءمة السعر مع القيمة المقدمة وتكلفة الخدمة. إذا كان فاتورة نموذج/API تنمو مع الرموز أو الصور أو استدعاءات الأدوات، يحتاج خطتك لحدود واضحة حتى لا يتحول الاستخدام الكبير بهدوء إلى هامش سالب.
Starter (فردي / صغير): ميزات أساسية، حزمة اعتمادات شهرية أصغر، جودة نموذج قياسية، دعم مجتمعي أو بريد إلكتروني.
Team: مساحة عمل مشتركة، اعتمادات أعلى، تعاون، تكاملات (Slack/Google Drive)، ضوابط مديرية، تقارير استخدام.
Business: SSO/SAML، سجلات تدقيق، وصول قائم على الدور، حدود أعلى أو مجمعات اعتمادات مخصصة، دعم أولوية، فواتير مناسبة للشراء المؤسسي.
لاحظ ما الذي يتدرج: حدود، ضوابط، وموثوقية — ليس فقط "ميزات أكثر". إذا استخدمت تسعيرًا قائمًا على المقاعد، فكّر في هجينة: رسوم منصة أساسية + مقاعد + اعتمادات مضمنة.
يبدو مجاني للأبد وديًا، لكنه يدرب العملاء على اعتباره لعبة — ويمكنه حرق النقد بسرعة.
وتجنّب الحدود غير الواضحة ("ذكاء اصطناعي غير محدود") والفواتير المفاجئة. ضع عدادات استخدام داخل المنتج، أرسل تنبيهات عتبة (80/100%)، واجعل الزيادات واضحة.
إذا بدا التسعير مربكًا، فهو كذلك — ضيّق الوحدة، أظهر العداد، وابقَ على الخطة الأولى سهلة الشراء.
منتجات الذكاء الاصطناعي تبدو غالبًا "سحرية" في العرض لأن المطالبة مُنقّحة، البيانات نظيفة، وإنسان يوجّه المخرجات. الاستخدام اليومي أكثر فوضوية: بيانات العملاء الحقيقية لها حالات حافة، لسير العمل استثناءات، والناس يحكمون عليك عند المرة الوحيدة التي يكون فيها النظام واثقًا وخاطئًا.
الثقة هي الميزة الخفية التي تقود الاحتفاظ. إذا لم يثق المستخدمون بالنتائج، سيتوقفون عن استخدام المنتج بهدوء — حتى لو أعجبوا به في اليوم الأول.
يجب أن يقلّل الانضمام الشكّ، ليس فقط يشرح الأزرار. أظهر ما يجيد المنتج، وما لا يجيده، والمدخلات التي تهم.
تتحقق القيمة الأولى عندما يحصل المستخدم على نتيجة ملموسة بسرعة (مسودة قابلة للاستخدام، تذكرة محلولة أسرع، تقرير مُنشأ). اجعل هذه اللحظة صريحة: أبرز ما تغيّر وكم من الوقت تم توفيره.
تتشكل العادة عندما يناسب المنتج سير عمل متكرر. بنِ محرضات خفيفة: تكاملات، تشغيل مجدول، قوالب، أو "تابع من حيث توقفت".
التجديد هو تدقيق الثقة. يسأل المشترون: "هل عمل هذا باستمرار؟ هل خفّف المخاطر؟ هل أصبح جزءًا من تشغيل الفريق؟" يجب أن يجيب منتجك على هذه الأسئلة بأدلة استخدام واضحة وعائد استثمار واضح.
تجعل واجهة الذكاء الاصطناعي الجيدة الشكوك مرئية والتعافي سهلًا:
المنشآت الصغيرة غالبًا ما تتسامح مع أخطاء عرضية إذا كان المنتج سريعًا، ميسور التكلفة، ويحسّن throughput بوضوح — خاصة عندما تكون الأخطاء سهلة الاكتشاف والتراجع.
المؤسسات تتوقع سلوكًا متوقعًا، إمكانية التدقيق، وضوابط. تحتاج أذونات، سجلات، ضمانات معالجة البيانات، وحالات فشل واضحة. بالنسبة لهم، "معظم الوقت صحيح" لا يكفي؛ الموثوقية جزء من قرار الشراء، لا ميزة لاحقة.
الخندق الحقيقي هو السبب البسيط الذي يجعل العميل لا يستطيع بسهولة التبديل إلى نسخه المنافسة الشهر القادم. في AI + SaaS، "نموذجنا أذكى" نادرًا ما يصمد — النماذج تتغير بسرعة والمنافسون يمكنهم استئجار نفس القدرات.
أقوى المزايا عادةً تجلس حول الذكاء الاصطناعي، لا بداخله:
الكثير من الفرق يبالغون في "نتدرب على بيانات العملاء". هذا قد يعود بنتيجة عكسية. المشترون يريدون عكس ذلك: تحكم، إمكانية التدقيق، وخيار إبقاء البيانات معزولة.
موقف أفضل: أذونات صريحة، قواعد احتفاظ واضحة، وتخصيص تدريب قابل للتهيئة (بما في ذلك "لا للتدريب"). يمكن أن تأتي الدفاعية من كونك المورد الذي توافق عليه فرق الأمن والقانون بسرعة.
لا تحتاج مجموعات بيانات سرية لتكون صعب الاستبدال. أمثلة:
إذا كانت مخرجات الذكاء الاصطناعي هي العرض التوضيحي، فالسير العمل هو الخندق.
تفترض اقتصاديات SaaS التقليدية أن الخدمة رخيصة: بعد البناء، كل مستخدم إضافي لا يحرك تكاليفك كثيرًا. يغيّر الذكاء الاصطناعي ذلك. إذا كان منتجك يُشغّل الاستدلال على كل سير عمل — تلخيص مكالمات، صياغة بريد، توجيه تذاكر — فتكلفة البضاعة المباعة (COGS) تنمو مع الاستخدام. هذا يعني أن "نمو رائع" يمكن أن يضغط الهامش بهدوء.
مع ميزات الذكاء الاصطناعي، التكاليف المتغيرة (استدلال النموذج، استدعاءات الأدوات، الاسترجاع، وقت GPU) يمكن أن تتسارع خطيًا — أو أسوأ — مع نشاط العميل. قد يكون العميل الذي يحب المنتج أيضًا أغلى عميل لديك.
لذلك، الهامش الإجمالي ليس مجرد سطر مالي؛ إنه قيد تصميم المنتج.
تعقّب اقتصاديات الوحدة على مستوى العميل والإجراء:
بعض الرافعات العملية عادةً ما تهم أكثر من "سنجمعها لاحقًا":
ابدأ بواجهات برمجة تطبيقات عندما لا تزال تبحث عن ملاءمة المنتج للسوق: السرعة تفوق الكمال.
فكّر في التخصيص أو النماذج المخصّصة عندما (1) تكلفة الاستدلال تقود COGS، (2) لديك بيانات ملكية ومهام ثابتة، و(3) تحوّل تحسينات الأداء مباشرة إلى الاحتفاظ أو الاستعداد للدفع. إذا لم تستطع ربط استثمار النموذج بنتيجة تجارية قابلة للقياس، استمر في الشراء وركّز على التوزيع والاستخدام.
لا تُشترى منتجات الذكاء الاصطناعي لأن العرض التوضيحي ذكي — تُشترى لأن المخاطرة تبدو قابلة للإدارة والعائد واضح. المشترون يحاولون الإجابة على ثلاثة أسئلة: هل سيحسن هذا نتيجة قابلة للقياس؟ هل سيتناسب مع بيئتنا؟ وهل نثق به على بياناتنا؟
حتى الفرق المتوسطة الآن تتوقع مجموعة أساسية من إشارات "جاهزية المؤسسات":
إذا كان لديك هذه الأمور موثقة، أشر الناس إلى /security مبكرًا في دورة البيع. يقلل ذلك المراسلات ويعزز الثقة.
أصحاب المصلحة المختلفون يشترون لأسباب مختلفة:
استخدم إثباتًا يتماشى مع مستوى مخاطرة المشتري: تجربة مدفوعة قصيرة، اتصال مرجعي، دراسة حالة خفيفة بالقياسات، وخطة نشر واضحة.
الهدف جعل "نعم" تبدو آمنة — وجعل القيمة تبدو حتمية.
يغيّر الذكاء الاصطناعي ما يعنيه "نحيف". يمكن لفريق صغير أن يشحن تجربة تشعر وكأنها منتج أكبر بكثير لأن الأتمتة، الأدوات الأفضل، وواجهات برمجة النماذج تضغط العمل. يتحوّل القيد من "هل نستطيع بناؤه؟" إلى "هل نستطيع اتخاذ القرار بسرعة، التعلم بسرعة، وكسب الثقة؟"
في البداية، غالبًا ما يتفوّق فريق 3–6 أشخاص على فريق 15–20 لأن تكاليف التنسيق تنمو أسرع من الإنتاج. التسليمات السريعة: يمكنك إجراء مكالمات عملاء صباحًا، شحن إصلاح بعد الظهر، والتحقق من النتائج في اليوم التالي.
الهدف ليس البقاء صغيرًا إلى الأبد — إنما البقاء مركّزًا حتى يثبت الوتد.
لا تحتاج إلى كل وظيفة مملوءة. تحتاج مالكيًا واضحين للأعمال التي تقود التعلم:
إذا لم يملك أحدهم الاحتفاظ والانضمام، ستستمر في الفوز بالعروض التوضيحية دون الفوز بالاستخدام اليومي.
معظم الفرق يجب أن تشتري أو تستخدم خدمات مُدارة للبنية التحتية الأساسية حتى يذهب وقت الهندسة لحافة المنتج:
قاعدة عملية: إذا لم تميزك خلال 6 أشهر، فلا تبنِه.
أحد أسباب بقاء فرق AI + SaaS صغيرة هو أن بناء MVP مقنع أسرع مما كان عليه سابقًا. منصات مثل Koder.ai تستفيد من هذا التحوّل: يمكنك إنشاء تطبيقات ويب، خلفية، وتطبيقات محمولة عبر واجهة محادثة، ثم تصدير الشيفرة المصدرية أو النشر/الاستضافة — مفيد عند التجربة على وتد وتحتاج للشحن السريع.
ميزتان تتوافقان جيدًا مع الدفتر أعلاه: وضع التخطيط (لإجبار ضبط النطاق قبل البناء) والصور/التراجع (snapshots/rollback) (لجعل التكرار السريع أكثر أمانًا عند اختبار الانضمام، بوابات التسعير، أو تغييرات سير العمل).
حافظ على نموذج تشغيل بسيط ومتكرر:
هذا الإيقاع يجبر الوضوح: ماذا نتعلم، ماذا نغير، وهل حرك ذلك الأرقام؟
هذا القسم يحوّل تحول AI + SaaS إلى إجراءات يمكنك تنفيذها هذا الأسبوع. انسخ القائمة، ثم استخدم شجرة القرار لاختبار خطتك.
استخدم هذا كمسار "إذا/فإن":
تصفح المزيد من أدلة اللعب والأُطُر على /blog. إذا أردت غوصًا أعمق في هذا الموضوع، راجع /blog/david-sacks-on-ai-saas-a-new-startup-playbook.
"AI + SaaS" تعني أن قيمة منتجك تُقاس بشكل متزايد بالنتائج المكتملة، وليس فقط بواجهة مستخدم أفضل لإدارة العمل. بدلاً من مساعدة المستخدمين على تتبع المهام، يتوقع من المنتجات المُمكَّنة بالذكاء الاصطناعي أن تؤدي أجزاءً من الوظيفة (كتقريب المسودات، التوجيه، الحل، المراجعة) مع الحفاظ على الأمان والدقّة والفعالية من حيث التكلفة على نطاق واسع.
يضغط الذكاء الاصطناعي زمن تكرار النسخ: ميزات كانت تستغرق أرباعاً لبنائها يمكن تكرارها في أسابيع، خاصة عندما يستطيع الكثيرون الوصول إلى نفس نماذج الأساس. هذا يحوّل الاستراتيجية بعيداً عن «تمييز بالميزات» ونحو:
اختر بناءً على مقدار الأتمتة الآمنة التي يمكنك تقديمها اليوم:
استخدم فلترين:
إذا كان الإلحاح عالياً لكن الوصول إلى البيانات ضعيفًا، ابدأ كمساعد (copilot). إذا كانت البيانات وفيرة وسير العمل محددًا جيدًا، فكر في منتج مُعتمد على الذكاء الاصطناعي. إذا كنت بحاجة للإيراد بسرعة، فالوِجة الميزة داخل منتج معروف قد تكون مدخلاً جيدًا.
«خطر التغليف» (wrapper risk) هو أن يكون منتجك واجهة رقيقة فوق نموذج سلعي، فينتقل العملاء فورًا عندما يضيف بائع أكبر ميزة مماثلة. خفّض المخاطر عن طريق:
اجعل نفسك طريقة العمل الافتراضية داخل الأدوات التي يستخدمها الناس بالفعل — لا "تطبيقًا آخر". قنوات مبكرة فعّالة عادة:
مسار عملي:
السعر القائم على المقاعد غالبًا ما ينهار لأن القيمة والتكلفة تتناسب مع الاستخدام، لا مع تسجيل الدخول. خيارات شائعة:
تجنب "ذكاء اصطناعي غير محدود"، أظهر عداد الاستخدام داخل المنتج، وأرسل تنبيهات عندما تُقترب الحدود لتفادي فواتير مفاجئة وهوامش سلبية.
الذكاء الاصطناعي يُدخل تكاليف متغيرة حقيقية (استدلال، استدعاءات أدوات، وقت GPU)، لذا النمو يمكن أن يُضغط الهامش. تعقّب:
مقابض التحكم التكلفة الفعّالة فورًا:
الاحتفاظ يعتمد على ثقة المستخدم بالمنتج في بيئات العمل الفعلية. أنماط تفيد:
وللمشترين من الشركات: اجعل الموافقة تبدو آمنة مع معالجات واضحة للبيانات، ضوابط إدارية، وقابلية التدقيق—ابدأ بصفحة علنية ومقاييس نجاح بسيطة للتجارب.
/security