وحدة استهلاك لا عملة ولا مكافأة
الـ token في الذكاء الاصطناعي هو وحدة المعالجة التي يقطّع النموذج النص إليها — وتعادل تقريباً كلمة ونصف الكلمة من النص الإنجليزي. النموذج يحسب النص الداخل (المدخلات) والخارج (المخرجات) معاً، ولكل توكن تكلفة. لذلك عندما تتحدث الشركات عن «صرف tokens» فهي تتحدث عن قدر الحوسبة المستهلَك في تشغيل أدوات مثل ChatGPT أو Claude أو أدوات البرمجة بالذكاء الاصطناعي — أي تكلفة تشغيلية، لا حافزاً نقدياً يُمنح للموظف.
لوحة «Claudeonomics» في Meta… وزوكربيرغ خارج أعلى ٢٥٠
داخل Meta بنى أحد الموظفين لوحة ترتيب داخلية باسم «Claudeonomics» تُصنّف نحو ٨٥ ألف موظف حسب استهلاكهم من الـ tokens، وتمنح ألقاباً مثل «Token Legend» و«Cache Wizard». خلال نافذة ٣٠ يوماً تجاوز إجمالي الاستهلاك على اللوحة ٦٠ تريليون توكن — ومع ذلك لم يظهر الرئيس التنفيذي مارك زوكربيرغ ولا مدير التكنولوجيا في قائمة أعلى ٢٥٠ مستخدماً. أُزيلت اللوحة لاحقاً بعد تقارير صحفية، لكن إدارة الشركة لم تتبرأ من منطقها الأساسي.
Amazon ولعبة الـ«KiroRank»… ثم «قانون غودهارت»
في Amazon ظهرت لوحة مشابهة باسم «KiroRank» على منصة المطوّرين الداخلية Kiro، فبدأ بعض الموظفين بتشغيل الأدوات على مهام تافهة لتضخيم أعداد التوكنز وتسلّق الترتيب، قبل أن تُغلق اللوحة. يصف المحللون ما جرى بأنه نموذج كلاسيكي لـ«قانون غودهارت»: حين يتحوّل المقياس إلى هدف، يفقد قيمته كمقياس — فبمجرد ربط استهلاك التوكنز بلوحات يراها المديرون، توقّف عن قياس الإنتاجية وبدأ يقيس القلق التنافسي. لهذا اعتبر كثيرون أن موجة tokenmaxxing «انتهت» كطريقة لقياس العائد.
ألتمان: أكبر مستخدم داخلي في OpenAI يستهلك ١٠٠ مليار توكن شهرياً
كشف سام ألتمان أن «بطل التوكنز» داخل OpenAI يستهلك نحو ١٠٠ مليار توكن في الشهر، مضيفاً بنبرة طريفة أن هذا الرقم ليس الأعلى عالمياً، فقد وُجد من يستهلك أكثر. للمقارنة، قبل ست سنوات كان أعلى مستخدم داخلي يستعمل نحو ١٠٠ ألف توكن شهرياً — أي زيادة بمقدار مليون ضعف. داخلياً ثمة ثقافة لوحات ترتيب ومنافسة على الاستخدام، وقد تحوّلت تكلفة الـ AI إلى «قضية كبرى» تشغيلية في ٢٠٢٦.
Mercor: ننفق على التوكنز أكثر مما ننفق على الرواتب
قال الرئيس التنفيذي لشركة Mercor، بريندان فودي، إن الشركة باتت تنفق على tokens وكلائها الداخليين أكثر مما تنفقه على رواتب الموظفين. وMercor — وهي شركة ناشئة تُقدَّر بنحو ١٠ مليارات دولار وتزوّد مختبرات الذكاء الاصطناعي بالخبراء البشريين — تستخدم وكلاء ذكاء اصطناعي في إدارة المشاريع والتوظيف والمحاسبة وكشف الاحتيال وتقييم المرشحين، وأجرت أكثر من ٥ ملايين مقابلة بمساعدة الذكاء الاصطناعي. وتوقّع فودي أن تنفق المؤسسة المتوسطة خلال خمس سنوات على الحوسبة أكثر مما تنفقه على العمالة. هنا تصبح التوكنز بند تكلفة مؤسسي كالرواتب والسحابة والبرمجيات.
Uber تفرض سقفاً ١٬٥٠٠ دولار شهرياً بعد استنفاد ميزانية العام في أربعة أشهر
بعد أن شجّعت Uber موظفيها على استخدام الذكاء الاصطناعي «بأقصى قدر ممكن» — مع ترتيب تنافسي داخلي — أعلن مدير التكنولوجيا أن الشركة استنفدت ميزانيتها السنوية للذكاء الاصطناعي في أربعة أشهر فقط. الرد كان فرض سقف شهري قدره ١٬٥٠٠ دولار لكل موظف ولكل أداة برمجة وكيلة على حدة (مثل Claude Code وCursor)، قابل للتتبّع عبر لوحة داخلية، ويمكن تجاوزه باستئذان. الفكرة هنا ليست مكافأة بل «ميزانية استخدام» مضبوطة.
داخل أنثروبيك: ٥٩٪ من العمل بمساعدة Claude ومكاسب إنتاجية تقارب ٥٠٪
نشرت أنثروبيك تقريراً عن استخدام موظفيها لـ Claude داخلياً، أفاد فيه المهندسون والباحثون بأنهم يستخدمونه في نحو ٥٩٪ من عملهم، مع مكاسب إنتاجية ذاتية التقييم تقارب ٥٠٪ في المتوسط — مقارنة بـ٢٨٪ ومكسب ٢٠٪ قبل عام واحد. الاستخدامات الأكثر شيوعاً: إصلاح أخطاء الكود وفهم قاعدة البرمجة. الرسالة ليست «توكنز هدية»، بل إتاحة الأداة بكثافة لتغيير طريقة العمل نفسها — وإن كان التقرير نفسه نبّه إلى مخاطر تآكل المهارات مع الاعتماد المفرط.
شروط OpenAI: «اعتمادات الخدمة» ليست عملة قانونية ولا تُسترد نقداً
توضح شروط «Service Credits» لدى OpenAI أن الاعتمادات ليست عملة قانونية، ولا قيمة نقدية لها، ولا يمكن استردادها نقداً أو تحويلها أو بيعها أو إهداؤها أو تداولها، وتُستخدم فقط في الخدمة التي صدرت من أجلها، وتنتهي صلاحيتها بعد عام. هذا التمييز جوهري عند تحويل الموضوع إلى سياسة مؤسسية: لا نقول «راتب توكنز»، بل «رصيد استخدام / ميزانية حوسبة / اعتمادات AI» — بند مرتبط بالعمل لا حافز شخصي يملكه الموظف.
الخلاصة الدقيقة
الشركات لا «تهدي» موظفيها tokens كهدية شخصية في الغالب، بل تتيح لهم ميزانية استخدام للذكاء الاصطناعي تهدف لتحويل الموظف من منفّذٍ يدوي إلى عاملٍ يستخدم الذكاء الاصطناعي كرافعة: يكتب ويبرمج ويبحث ويحلّل المستندات أسرع. لكن حين يزيد الاستخدام بلا ضابط تظهر مشكلة جديدة — تتحوّل فاتورة التوكنز إلى بند ضخم — فتبدأ الشركات في وضع caps ولوحات متابعة وسياسات استخدام، وربط الاستهلاك بالعائد الإنتاجي لا بالمنافسة الشكلية.
صياغة عملية: «ميزانية استخدام الذكاء الاصطناعي» لأي مؤسسة أو حزب أو مركز أبحاث
بدل عبارة «مكافأة tokens» المضلِّلة، الأفضل تبنّي إطار AI Usage Budget للباحثين والموظفين: رصيد استخدام واضح لكل فرد، مربوط بأربعة مقاييس للعائد بدل مقياس «الاستهلاك الخام» الذي ثبت فشله.
① عدد المهام المنجَزة
قياس المخرجات الفعلية (تقارير، مذكرات، تحليلات) لا عدد التوكنز المستهلكة.
② الوقت الموفَّر
تقدير الزمن الذي اختصره الذكاء الاصطناعي في كل مهمة مقارنة بالطريقة اليدوية.
③ جودة المخرجات
مراجعة بشرية للدقة والاتساق، لتفادي «تضخيم الاستهلاك» على مهام تافهة.
④ الالتزام بسياسة البيانات
ضوابط للخصوصية والسرية تمنع تسريب الوثائق الحساسة إلى النماذج.