05 أغسطس 2025·5 دقيقة
مارك أندريسن عن البرمجيات والذكاء الاصطناعي والمستقبل
دليل عملي لأفكار مارك أندريسن الأساسية عن البرمجيات والذكاء الاصطناعي—ماذا تعني للمنتجات، الشركات الناشئة، العمل، التنظيم، وإلى أين قد يتجه القطاع بعد ذلك.
دليل عملي لأفكار مارك أندريسن الأساسية عن البرمجيات والذكاء الاصطناعي—ماذا تعني للمنتجات، الشركات الناشئة، العمل، التنظيم، وإلى أين قد يتجه القطاع بعد ذلك.
مارك أندريسن هو رائد ومستثمر في وادي السيليكون، عُرف بالمشاركة في إنشاء نتسكيب (أحد أوائل متصفحات الويب واسعة الانتشار) ثم تأسيس شركة رأس المال الاستثماري Andreessen Horowitz. يتابع الناس آرائه لأنه شهد عدة موجات تكنولوجية عن قرب — بناء منتجات، تمويل شركات، والجدل العلني حول اتجاهات السوق.
هذا القسم ليس سيرة ذاتية، ولا تأييدًا. الفكرة أبسط: أفكار أندريسن إشارات مؤثرة. المؤسسون، المدراء التنفيذيون، وصانعو السياسات غالبًا ما يتفاعلُون معها — إمّا بتبنّي إطاره الفكري أو بمحاولة دحضه. وفي كلتا الحالتين، تميل أطروحاته إلى تشكيل ما يُبنى، وما يُموّل، وما يُنظّم.
اقرأ هذا المقال كمجموعة عدسات عملية لاتخاذ القرار:
إذا كنت تراهن على منتجات، تحدد استراتيجية، أو توزّع ميزانية، تساعدك هذه العدسات على طرح أسئلة أفضل: ما الذي يصبح أرخص؟ ما الذي يصبح نادرًا؟ ما القيود الجديدة التي تظهر؟
سنبدأ بأطروحة "البرمجيات تلتهم العالم" الأصلية ولماذا لا تزال تفسر الكثير من التغيرات التجارية. ثم ننتقل إلى الذكاء الاصطناعي كتحول منصة جديد — ما الذي يمكّنه، ما الذي يكسره، وكيف يغيّر ديناميكيات الشركات الناشئة.
أخيرًا، نفحص العواقب البشرية والمؤسسية: العمل والوظائف، الأنظمة المفتوحة مقابل المغلقة للذكاء الاصطناعي، والتوتر بين التنظيم والسلامة والابتكار. الهدف أن أتركك بتفكير أوضح — لا بشعارات — حول ما هو آت.
أطروحة مارك أندريسن "البرمجيات تلتهم العالم" ادعاء بسيط: جزء متزايد من الاقتصاد تُشغّله وتُحسَّن وتُعطّل البرمجيات. ليس فقط "تطبيقات"، بل الكود كطبقة لصنع القرار والتنسيق التي تخبر الأعمال ماذا تفعل — من تخدم، ماذا تَحْدُف كُلفة، كيف توصل، وكيف تُدير المخاطر.
لا يتطلب "التهم" البرمجي أن تصبح الصناعة رقمية بالكامل. يعني أن الميزة الأكثر قيمة تنتقل من الأصول المادية (متاجر، مصانع، أساطيل) إلى الأنظمة التي تتحكم بها (البيانات، الخوارزميات، سير العمل، والتوزيع عبر القنوات الرقمية).
عمليًا، تحوّل البرمجيات المنتجات إلى خدمات، تؤتمت التنسيق، وتجعل الأداء قابلاً للقياس — وبالتالي قابلًا للتحسين.
بعض الحالات المألوفة تُظهر النمط:
الشركة الحديثة تعمل بالبرمجيات ليس فقط لـ "تكنولوجيا المعلومات"، بل لعملياتها الأساسية: CRM لإدارة الإيرادات، تحليلات لتحديد الأولويات، أتمتة لتقليل زمن الدورة، ومنصات للوصول إلى العملاء. حتى الشركات ذات المنتجات الملموسة تتنافس على مدى قدرتها على قياس عملياتها والتعلّم من البيانات.
هذا سبب قدرة شركات البرمجيات على التوسع إلى فئات جديدة: حالما تملك طبقة التحكم (سير العمل والبيانات)، تصبح إضافة منتجات مجاورة أسهل.
الأطروحة ليست أن "الجميع يصبح شركة برمجيات" بين عشية وضحاها. العديد من الأسواق تبقى مرتهنة بقيود مادية — قدرة التصنيع، سلاسل التوريد، العقارات، الطاقة، والعمل البشري.
وميزات البرمجيات قد تكون مؤقتة: تُنسخ الميزات بسرعة، تغير المنصات قواعدها، ويمكن لفقدان ثقة العملاء أن يحصل أسرع من بنائها. تغيّر البرمجيات توزيع القوة — لكنها لا تُلغي أساسيات مثل هيكل التكلفة، التوزيع، والتنظيم.
أسهل طريقة لفهم الذكاء الاصطناعي عمليًا: مجموعة من النماذج المدربة (غالبًا "نماذج أساسية") مُدمجة في أدوات يمكنها توليد محتوى، أتمتة خطوات في سير العمل، ودعم القرار. بدلًا من كتابة كل قاعدة يدويًا، تصف الهدف بلغة طبيعية، ويملأ النموذج العمل الناقص — صياغة، تصنيف، تلخيص، تخطيط، أو إجابة.
تحول المنصة يحصل عندما تصبح طبقة حوسبة جديدة هي الطريقة الافتراضية لبناء واستخدام البرمجيات — مثل الحواسب الشخصية، الويب، المحمول، والسحابة. كثيرون يرون الذكاء الاصطناعي في هذه الفئة لأنه يغيّر الواجهة (يمكنك "التحدث" إلى البرمجيات)، اللبنات الأساسية (النماذج تصبح قدرات توصلها)، والاقتصاديات (ميزات جديدة تُشحن بدون سنوات من هندسة البيانات).
البرمجيات التقليدية حتمية: نفس المدخل يعطي نفس المخرج. يضيف الذكاء الاصطناعي:
هذا يوسّع مفهوم "البرمجيات" من شاشات وأزرار إلى عمل يشبه المساعد القادر المدمج في كل منتج.
المفيد الآن: الصياغة والتحرير، فرز دعم العملاء، البحث المعرفي داخل المستندات الداخلية، مساعدة الكود، تلخيص الاجتماعات، وأتمتة سير العمل حيث يراجع البشر المخرجات.
ما زال عرضًا مُفرطًا في التوقعات: وكلاء مستقلون تمامًا يحلّون محل فرق، دقة حقائق مثالية، ونموذج واحد آمن يقوم بكل شيء. الفائزون على المدى القريب يعاملون الذكاء الاصطناعي كطبقة جديدة في المنتجات — قوية، لكن مُدارة، مقاسة، ومقيدة.
ينقل الذكاء الاصطناعي استراتيجية المنتج من شحن ميزات ثابتة إلى شحن قدرات تتكيّف مع مدخلات العالم الواقعي الفوضوي. أفضل الفرق تتوقف عن سؤال "ما الشاشة الجديدة التي نضيفها؟" وتبدأ بسؤال "ما النتيجة التي يمكننا توصيلها بشكل موثوق، وما الضوابط التي تجعلها آمنة؟"
معظم ميزات الذكاء الاصطناعي تُبنى من مجموعة صغيرة من العناصر:
استراتيجية منتج تتجاهل أيًا من هذه (خصوصًا تجربة المستخدم وحقوق البيانات) عادةً ما تتوقف.
نموذج أضعف قليلًا داخل منتج يعتمد عليه المستخدمون بالفعل يمكن أن ينتصر، لأن التوزيع (سير العمل القائم، التكاملات، الاختيارات الافتراضية) يخفض حاجز الاعتماد. والثقة تتراكم: يقبل المستخدمون أخطاء متقطعة إذا كان النظام شفافًا، متسقًا، ويحترم بياناتهم.
تُبنى الثقة من خلال سلوك متوقع، الاستشهاد بالمصادر عندما أمكن، أنماط "راجع قبل الإرسال"، وحدود واضحة بين "المساعدة" و"التنفيذ".
الأسباب الأكثر شيوعًا لفشل ميزات الذكاء الاصطناعي في التماسك:
استعمل هذه القائمة قبل البناء:
يميل الذكاء الاصطناعي بمركز اللعب للشركات الناشئة في اتجاهين متزامنين: يبسط البناء بشكل كبير، وفي نفس الوقت يضعف ميزة "القدرة على بناءها". إذا كانت "البرمجيات تلتهم العالم" تصف كيف يمكن للكود أن يوسّع أعمالًا، فالذكاء الاصطناعي يقترح أن الفرق يمكنها أيضًا التوسّع — لأن الكثير مما كان يتطلب عددًا من الموظفين يمكن ضغطه في أدوات وسير عمل.
بمساعدة الذكاء الاصطناعي في البرمجة، التصميم، البحث، والدعم، يمكن لفريق نحيل شحن نماذج أولية في أيام، اختبار الرسائل بسرعة، والتكرار مع ملاحظات العملاء الحقيقية بدلًا من دورات تخطيط طويلة. الأثر التراكمي مهم: حلقات أسرع تعني اكتشاف الشكل الصحيح للمنتج أسرع — وإضاعة وقت أقل على تحسين الشيء الخاطئ.
في الممارسة، هنا تظهر منصات "vibe-coding": للعديد من الأدوات الداخلية والمنتجات المبكرة، لم يعد عنق الزجاجة كتابة كل سطر، بل تحويل سير العمل إلى تطبيق قابل للاستخدام بسرعة وأمان.
يغيّر الذكاء الاصطناعي أيضًا شكل "البناء". أدوار جديدة تظهر:
هذه الأدوار ليست تقنية فقط؛ إنها عن ترجمة الاحتياجات الواقعية الفوضوية إلى أنظمة تُظهر سلوكًا متسقًا.
عندما يستطيع الجميع شحن ميزات بسرعة، يتحول التميّز إلى التركيز، السرعة، والتحديد.
ابنِ لعميل ضيّق بمشكلة عاجلة. امتلك سير عمل من البداية للنهاية. تعلم أسرع من المنافسين. تصبح ميزتك فهم المجال، التوزيع، والثقة — لا عرض توضيحي يمكن نسخه.
تواجه الشركات الناشئة المعتمدة على الذكاء الاصطناعي هشاشة حقيقية. الاعتماد الكبير على بائع نموذج واحد يمكن أن يخلق صدمات تسعير، مخاطر سياسية، أو تغيّرًا فجائيًا في الجودة. العديد من ميزات الذكاء الاصطناعي سهلة الاستنساخ، مما يدفع المنتجات نحو السلعنة وخنادق أضعف.
الحل ليس "تجنّب الذكاء الاصطناعي"؛ بل اقتران القدرة مع شيء أصعب للنسخ: وصول بيانات مصرح بها مملوكة، تكامل عميق في سير العمل، أو علامة تجارية يلجأ إليها العملاء عندما يجب أن تكون المخرجات صحيحة.
إطار أندريسن المتفائل غالبًا يبدأ بملاحظة بسيطة: البرامج الجديدة تغيّر ما يفعله الناس قبل أن تغيّر ما إذا كانوا مطلوبين. مع الذكاء الاصطناعي، الأثر قصير الأجل في كثير من الوظائف هو إعادة توزيع على مستوى المهام — مزيد من الوقت للحكم وسياق العميل واتخاذ القرار، ووقت أقل للصياغة المتكررة، البحث، والتلخيص.
معظم الوظائف حزم من مهام. يندمج الذكاء الاصطناعي في الأجزاء التي تعتمد على اللغة، الأنماط، أو القواعد.
أمثلة شائعة على مهام "قابلة للمساعدة":
النتيجة غالبًا إنتاجية أعلى ودورات أقصر — دون إزالة الدور فورًا.
يعتمد التبني الأمثل عندما يُعامل كتصميم عملية، لا كعملية توزيع أداة عشوائية.
بعض الأدوار والمهام ستتقلص، خصوصًا حيث العمل موحد المعايير. هذا يجعل إعادة التأهيل المهني أولوية حقيقية: حوّل الناس نحو أعمال ذات سياق أعلى (علاقات العملاء، ملكية النظام، مراقبة الجودة) واستثمر في التدريب مبكرًا قبل أن يصبح الضغط ملحًا.
مسألة ما إذا كان الذكاء الاصطناعي ينبغي أن يكون "مفتوحًا" أم "مغلقًا" أصبحت معركة تمثل من له الحق في بناء المستقبل — وتحت أي شروط. عمليًا، الجدل حول الوصول (من يمكنه استخدام نماذج قوية)، التحكم (من يمكنه تعديلها)، والمخاطر (من المسؤول عند حدوث خطأ).
الذكاء الاصطناعي المغلق عادةً يعني نماذج وأدوات مملوكة: تصل إليها عبر API، مع رؤية محدودة لبيانات التدريب أو أوزان النموذج أو طرق السلامة الداخلية.
الذكاء الاصطناعي المفتوح قد يعني أوزانًا مفتوحة، كودًا مفتوح المصدر للتشغيل أو الضبط الدقيق، أو أدوات مفتوحة (أطر، اختبارات تقييم، قواعد تقديم). كثير من العروض "شبه مفتوحة"، لذا من المفيد السؤال عما يُشارك فعلاً وما لا يُشارك.
الخيارات المغلقة تفوز عمومًا بالراحة والأداء المتوقَّع. تحصل على بنية تحتية مُدارة، توثيق، ضمانات وقت تشغيل، وترقيات متكررة. المقابل هو الاعتماد: قد يتغير التسعير، تُشدد الشروط، وقد تواجه حدود تخص التخصيص أو امتثال البيانات.
الخيارات المفتوحة تتألق عندما تحتاج مرونة. تشغيل نموذج خاص أو نموذج مفتوح متخصص يقلل تكلفة الطلب على نطاق، يتيح تخصيصًا أعمق، ويمنحك سيطرة أكبر على الخصوصية والنشر. المقابل هو عبء تشغيلي: الاستضافة، المراقبة، اختبار السلامة، وتحديث النماذج تصبح مسؤوليتك.
السلامة معقّدة على الطرفين. مقدّمو الخدمات المغلقة غالبًا لديهم حواجز سلامة أقوى افتراضيًا، لكن قد لا تستطيع دائمًا تفحص كيف تعمل. النماذج المفتوحة تقدّم شفافية وقابلية للتدقيق، لكنها تُسهِم أيضًا في تمكين الجهات السيئة من إعادة توظيف القدرات.
مارك أندريسن كان قريبًا من عدة انتقالات منصة (الويب، برمجيات عصر السحابة، والآن الذكاء الاصطناعي). حتى إن لم تتفق مع استنتاجاته، فإن إطاره الفكري يؤثر على ما يبنيه المؤسسون، وما يموله المستثمرون، وما يناقشه صانعو السياسات — لذا من المفيد اعتباره إشارة تُستَخدم لتحليل أو ردّ بسياسة أو استراتيجية أوضح.
يعني أن الميزة التنافسية في صناعات كثيرة تتحول من امتلاك أصول مادية إلى امتلاك طبقة التحكم: البيانات، سير العمل البرمجي، قنوات التوزيع الرقمية، والقدرة على القياس والتحسين.
بمعنى آخر، يمكن أن يظل تاجر تجزئة ماديًا، لكن التسعير، المخزون، اللوجستيات، واستقطاب العملاء تصبح مشاكل برمجية بقدر ما هي مشاكل مادية.
لا. النقطة أن البرمجيات تعيد تشكيل كيفية تشغيل الأعمال والتنافس، لكن الأساسيات تبقى مهمة.
لا تزال هناك قيود مادية (التصنيع، الطاقة، سلاسل التوريد، العمل)، ومزايا البرمجيات قد تكون مؤقتة عندما:
انتقال منصة يعني أن طبقة حوسبة جديدة تصبح الطريقة الافتراضية لبناء واستخدام البرمجيات (مثل الويب، المحمول، السحابة). الذكاء الاصطناعي يغير:
النتيجة: الفرق يمكنها تقديم "قدرات" بدلاً من شاشات وقواعد ثابتة.
ما هو مفيد اليوم عادةً هو العمل الذي يبقى فيه الإنسان في الحلقة ويُدير الأخطاء. أمثلة عملية:
النمط العام: يقترح الذكاء الاصطناعي، ويوافق البشر (خاصة في المراحل المبكرة).
مع سهولة بناء ميزات الذكاء الاصطناعي، التميّز يتحول إلى:
إذا كانت ميزتك "أضفنا دردشة" فافترض أن المنافسين سيصلون إلى مستوى مماثل بسرعة.
قائمة تحقق بسيطة قبل البناء:
العقبات الشائعة بعد الإطلاق تقع في أربع فئات:
الوقاية الفعالة: قلّص النطاق، اشترِط مراجعة بشرية، سجّل الأخطاء، وكرّس مجموعة "مثالية" من الأمثلة الحقيقية للتكرار.
الأنظمة المغلقة (Closed): عادةً تُقدّم عبر API مع رؤية محدودة للأوزان أو بيانات التدريب؛ مريحة، مُدارة، ومتوقعة أكثر. العيب: اعتمادك على مزوّد واحد قد يجلب صدمات تسعير أو قيود تخص التخصيص.
الأنظمة المفتوحة (Open): قد تعني أوزانًا مفتوحة أو أدوات مفتوحة المصدر؛ تمنح مرونة وسيطرة أفضل على الخصوصية والنشر، لكن بثمن عبء تشغيلي (استضافة، مراقبة، اختبارات سلامة).
نهج عملي: نمذجة هجينة — برمجة أولية عبر APIs مغلقة، ثم نقل أحمال منتظمة/عالية الاستهلاك إلى نماذج مفتوحة أو استضافة ذاتية عندما يتضح ملف التكلفة والمتطلبات.
عامًة عامل نشر الذكاء الاصطناعي كمشروع تصميم عملية لا كأداة تُلقى على الفريق:
إذا أردت طريقة خفيفة للبدء، شغّل تجربة مدتها 4 أسابيع على سير عمل واحد عالي الحجم وراجع النتائج قبل التوسيع. لمزيد من طرق اللعب، تفقّد /blog؛ لمتطلبات التكلفة/الاستخدام، ابدأ بـ /pricing.