كلمة «صغير» تحمل في هذا النقاش أكثر مما تحتمل. تُقرأ كفئة حجم، وكنوع من النماذج، وكشيء تضعه في شريحة عرض وتشتريه. والأدلة التي يستشهد بها الناس تقول شيئاً آخر. فتوقّع Gartner عن نماذج «صغيرة ومخصصة لمهام بعينها»، ونتائج المورّد التي سنقرأها بعد قليل عن نماذج مخصصة للمهام كذلك. والوصف الذي يحمل التوفير هو الثاني لا الأول.
فالنموذج الصغير الذي لم يُشكَّل لمهمة ليس إلا نموذجاً أضعف. والذي يعيد قيمته نموذج مضبوط على مهمة ضيقة متكررة، يعمل بحجم يجعل سعر النداء الواحد مهماً. والصغر هو الطريق الذي يَرخُص به هذا الضبط عادةً، لا سبب نجاحه.
والمصطلح يخبو على أي حال. في بيانات Google Ads الأمريكية المسحوبة عبر DataForSEO في أكتوبر 2026، سار small language models عند 4,400 بحث شهرياً في سبتمبر 2025، و2,400 بحلول يوليو وأغسطس 2026، أي هبوط بنحو 45%. ومتوسطه لا يزال نحو 2,900 شهرياً بتكلفة نقرة 1.64 دولار. ونرى أن المصطلح يستحق الرحيل وأن الفكرة تستحق البقاء، فالفكرة لم تتوقف يوماً على اللفظ.
ما تقوله الأرقام، ومن أنتجها
تتوقع Gartner أن المؤسسات ستستخدم بحلول 2027 نماذج صغيرة مخصصة لمهام بعينها، بأحجام تفوق ثلاثة أضعاف النماذج اللغوية الكبيرة العامة على الأقل. وتتوقع كذلك نمو نماذج الذكاء الاصطناعي التوليدي المتخصصة بمجال من نحو 1% من الاستخدام المؤسسي في 2024 إلى أكثر من النصف بحلول 2027. وتوقعات من هذا النوع تتقادم بسرعة، فلا تشدّ على أرقامها.
وأدلة الاختبارات أقوى في الاتجاه منها في المقدار. أعلنت ScaleDown، وهي شركة بنية تحتية للذكاء الاصطناعي، عبر Forbes أن نماذجها الصغيرة المخصصة للمهام جاءت أدقّ بنحو 8%، وأرخص 161 ضعفاً، وأسرع 3.8 أضعاف من Claude من Anthropic في مهام التصنيف والتلخيص. وأمام نماذج OpenAI كانت الأرقام أدقّ بنحو 8.7%، وأرخص 89 ضعفاً، وأسرع 2.4 ضعف. وأمام Gemini: نحو 9%، و29 ضعفاً، و8.3 أضعاف. وفي أحد الأمثلة، كلّف إنتاج 10,000 ملخص يومياً نحو 7.20 دولار على نموذج مخصص للمهمة مقابل 58 دولاراً على GPT-4.1 Mini، مع عدم قدرة المحكّمين البشريين على التمييز بين المخرجات.
واقرأ من أنتج هذه الأرقام. تبيع ScaleDown نماذج صغيرة. والاختبار يغطي التصنيف والتلخيص وحدهما، والمقارنة بنماذج عامة تؤدي عملاً ضيّقاً، وهي المعركة التي بُني لها النموذج المخصص أصلاً. لن نقول لمدير مالي «أرخص 161 ضعفاً»، بل سنقول الشكل العام: في المهام محدودة النطاق، يستطيع نموذج مضبوط على المهمة أن يجاري نموذجاً متقدماً بجزء يسير من السعر. وبأرقام المثال نفسه، الفارق 50.80 دولار في اليوم، أي نحو 18,500 دولار في السنة، لمسار عمل واحد. رقم حقيقي، لكنه ليس مثيراً لعملية واحدة. ويبدأ في الأهمية عندما تصير العمليات ثلاثين.
فماذا تشتري
ابدأ من حجم العمل لا من النموذج. فإن لم تستطع تحديد ما هي المهمة، وكم مرة تتكرر، وكيف ستعرف أنها أُنجزت صحيحة، فلن يفيدك أي مقاس نموذج. والوفر يحتاج حجماً كذلك. فعند بضعة آلاف نداء في الشهر، يصير اختيار النموذج فرقاً لا يُذكر في الفاتورة، ووقت الهندسة اللازم لتشغيل نموذج ثانٍ يكلّف أكثر مما يوفّره. وعند ملايين النداءات يصير بنداً في الميزانية، والعمل الذي يبلغ هذا الحجم هو عمل الإدارات الخلفية: تصنيف التذاكر والفواتير قبل توجيهها، واستخراج الحقول من المستندات إلى نظام ERP لديك، وتلخيص السجلات وتقارير التسليم، ورفع إشارة على المعاملات غير المعتادة. ولا شيء من ذلك يحتاج نموذجاً يقدر أيضاً على نظم قصيدة.
ففصل المهام الضيقة المتكررة عن عمل التقدير، وسعّر المسارين على حجمك الفعلي وفريق المالية في الغرفة، واختبر على مستنداتك أنت. فاختبار المورّد فرضية عن بياناتك لا نتيجة عنها. ويبقى النموذج العام للطلبات المفتوحة، ويأخذ المضبوط الخطوات المتكررة تحتها، وهذا تقسيم عمل لا استبدال.
تنفّذ ThinqHub أنظمة Odoo وERPNext، وعمل المستندات والسجلات كبير الحجم المذكور أعلاه يسكن داخل هذه الأنظمة، ولهذا نسأل عن حجم العمل أولاً. أما توقّع Gartner بإلغاء 40% من مشاريع الذكاء الاصطناعي الوكيل بحلول 2027 فنتناوله في مقالنا عن تطبيق الذكاء الاصطناعي الوكيل. والانضباط نفسه، أي مطابقة الأداة بالمهمة، يسري في نهجنا، وتستطيع أن تتحدث إلينا إن أردت مراجعة حجم عمل بعينه.
