المحتويات

أصبح الذكاء الاصطناعي التوليدي اليوم متشابكًا بعمق مع العمل اليومي — من الصياغة والبرمجة إلى البحث والتلخيص. وكلما ازداد ملاءمةً، ازداد ثقل سؤال واحد: «ماذا لو لم يعد ذلك الذكاء الاصطناعي متاحًا غدًا؟». وهذا ليس قلقًا نظريًا. ففي يونيو 2026 سُحب نموذج من الطبقة الأعلى من أمام جميع المستخدمين بعد ثلاثة أيام فقط من إطلاقه.

يوضّح هذا المقال ما هي مخاطر الاعتماد على الذكاء الاصطناعي، والأشكال التي قد «يختفي» بها (ستة أنواع)، ثم — للأفراد والأنظمة الإنتاجية على حدٍّ سواء — الخطوات الملموسة التي تبقيك في مأمن متى ما توقّف. وهو مكتوب ليُقرأ دون أي معرفة مسبقة، ويذهب نصفه الثاني إلى حدّ تصميم التكرار للمطوّرين.

AI DEPENDENCY RISK

لا تتّكئ كليًّا على ذكاء اصطناعي واحد

— صمّم على أساس «أنه سيتوقّف»، فلن يؤلمك التوقّف

THE RISK

الاعتماد الكامل على نموذج واحد

«نقطة فشل واحدة»: لحظة تعليقه أو سحبه أو إعادة تسعيره أو تغييره، يتوقّف عملك معه.

THE MINDSET

احمِ بالتصميم لا بالتنبؤ

لا تحاول تخمين «متى سيتوقّف». اجعله «يتحوّل» إلى بديل عندما يحدث ذلك.

THE PREP

بدائل، تكرار، حفظ ذاتي

نموذج احتياطي جاهز، وبياناتك ومطالباتك محفوظة لديك، وخطة تحوّل معدّة مسبقًا.

1. ما هي مخاطر الاعتماد على الذكاء الاصطناعي؟ الوجه الآخر لـ«المريح أكثر من اللازم»

مخاطر الاعتماد على الذكاء الاصطناعي هي الحالة التي يتّكئ فيها عملك أو حياتك بشدّة على خدمة أو نموذج ذكاء اصطناعي بعينه، إلى حدّ تتلقّى معه ضربة موجعة حين يصبح غير متاح، أو يتغيّر، أو يصبح أغلى ثمنًا. والمخيف ليس كثيرًا أن «الذكاء الاصطناعي يخطئ»، بل ذلك الانقطاع المتمثّل في «الذكاء الاصطناعي الذي كان يعمل أمس لم يعد بين يديك اليوم».

الذكاء الاصطناعي التوليدي القائم على السحابة مريح، لكن مفتاح التشغيل/الإيقاف يقع خارج سيطرتك. وقد عبّرت إحدى الجهات الإعلامية عن ذلك بصراحة: «صار مزوّد الذكاء الاصطناعي لديك نقطة فشل واحدة». فالشيء الذي افترضتَ أنه سيبقى متاحًا دائمًا — كالكهرباء أو الماء الجاري — قد يتوقّف بين عشية وضحاها بسبب تنظيم، أو قرار تجاري، أو عطل. هذه هي مخاطر الاعتماد الجديدة في عصر الذكاء الاصطناعي.

💡 نقطة جوهرية: الاعتماد بحدّ ذاته ليس المشكلة. المشكلة هي الاعتماد دون بديل. مجرّد امتلاك نسخة احتياطية واحدة يُنزل الخطر من «قاتل» إلى «مزعج».

2. حدث بالفعل: Fable 5 و Mythos 5 اختفيا بين عشية وضحاها

في 12 يونيو 2026، علّقت Anthropic الوصول لجميع المستخدمين إلى نموذجيها الأعلى مرتبةً، Claude Fable 5 وMythos 5. كان ذلك استجابةً لتوجيه أمريكي حكومي بضوابط التصدير، وكان النموذجان قد أُطلقا للتوّ في 9 يونيو — أي إيقاف كامل بعد ثلاثة أيام فقط من الإصدار. تطبيق، API، سحابة — تأثّر كل مسار، مجانيًا كان أم مدفوعًا، فبقيت حالة لا يعمل فيها «أي مدخل».

وحتى لحظة كتابة هذه السطور (أواخر يونيو 2026)، ما يزال النموذجان معلّقَين. وقد قال أحد مسؤولي Anthropic في منتصف يونيو إنهما سيعودان «في الأيام المقبلة»، لكن الحالة الرسمية لم تُظهر بعد استعادتهما، ويبقى التوقيت غير محسوم. التسلسل الكامل للأحداث مغطّى في مقالنا عن تعليق Fable 5 / Mythos 5.

🚨 الدرس المستفاد: لم يتوقّف لأن «الجودة كانت سيئة». بل لسبب لا علاقة له بالأداء — التنظيم — اختفى النموذج الأعلى أداءً بين عشية وضحاها. بعبارة أخرى، مهما بلغت قدرة الذكاء الاصطناعي، لا يمكن تقليص مخاطر التوقّف إلى الصفر.

وما Fable 5 إلا قمة جبل الجليد. ففي الواقع كان عام 2026 أيضًا عامًا أحالت فيه الجهات المزوّدة النماذج الأقدم إلى التقاعد واحدًا تلو الآخر. التعليق والتقاعد ليسا «حوادث استثنائية» — بل صارا خطرًا دائمًا تتعايش معه ما دمت تستخدم الذكاء الاصطناعي.

3. الأنواع الستة لمخاطر الاعتماد

عبارة «يصبح الذكاء الاصطناعي غير متاح» قد تحدث بطرق شديدة الاختلاف. وقبل التفكير في وسائل الحماية، يفيد إدراك الأشكال التي قد تتّخذها المشكلة، موزّعةً على ستة أنواع.

① التعليق المفاجئ

تنظيم، أو أمن قومي، أو مشكلة قانونية توقف الخدمة دون سابق إنذار. Fable 5 هو المثال النموذجي — وهو الأصعب في التعامل معه قبل فوات الأوان.

② تقاعد النموذج (الإيقاف المخطّط)

يُسحب نموذج أقدم وفق جدول زمني مع انتقال المستخدمين إلى نموذج جديد. هناك إشعار مسبق، لكنه سيتوقّف حتمًا متى حلّ الموعد — استمرّ في تحديده وسينكسر.

③ رفع الأسعار / تغيّر الفوترة

تغيّر الأسعار، تقلّص الطبقات المجانية، إلغاء الخطط. الخدمة حيّة، لكن الجدوى الاقتصادية لم تعد قائمة، فلا تستطيع استخدامها.

④ تحوّلات الجودة / تغييرات صامتة

يتغيّر السلوك أو تتشدّد حدود الأمان تحت اسم النموذج نفسه. «مطالبة الأمس لا تعمل اليوم». والصعوبة أنها يسهل أن تفوتك.

⑤ أعطال / حدود معدّل / حظر

أعطال الخوادم، سقوف الاستخدام، تعليق الحساب. حتى لو كان مؤقتًا، فإنه في تلك اللحظة يتوقّف بالتأكيد.

⑥ الارتباط بالمزوّد (Vendor lock-in)

تبني نظامك بإحكام حول الميزات والصيغ الخاصة بمزوّد واحد إلى حدّ لا تستطيع معه الانتقال إلى غيره — فتسدّ بذلك طريق هربك حين تضرب الأنواع من ① إلى ⑤.

الأنواع من ① إلى ⑤ مخاطر «تنزل عليك من الخارج»؛ أما ⑥ فخطر «تصنعه بنفسك». لا يمكنك منع الأولى تمامًا، لكن مجرّد تجنّب ⑥ يقلّل الضرر كثيرًا حين تحين اللحظة.

4. أولًا: قِس درجة اعتمادك أنت

الخطوة الأولى في الاستعداد ليست التسوّق — بل جرد الموجودات. ويتفق الخبراء على أن نقطة الانطلاق هي «تدقيق صريح لسلاسل اعتمادك على الذكاء الاصطناعي». اكتب الأمور الثلاثة التالية، وسيكون لديك خريطة اعتمادك الخاصة.

🧭

على ماذا تعتمد

أي خدمة وأي نموذج تستخدمه لأي مهمّة. اسرد كل شيء — التطبيقات، وواجهات API، والميزات المدمجة.

⚖️

ما الذي يتعطّل إن توقّف

افصل المهام التي «لا تعمل بدونه» عن المهام التي «يمكن تدبّرها بدونه». رتّب الأولويات بالأهمية × صعوبة الاستبدال.

🔁

ماذا ستفعل إن اختفى

حدّد مسبقًا «يدًا أخرى» لكل اعتماد: نموذج مختلف، أو عمل يدوي، أو توقّف مؤقت.

المفتاح هنا هو الفصل بين «المهام التي تتطلّب أعلى أداء» و«المهام التي يكفي فيها مستوى جيد بما يكفي». فمعظم العمل اليومي يجري على ما يرام دون النموذج الرائد. احتفظ بالنموذج الرائد للحالات القليلة التي تحتاجه حقًّا، وحينها يتقلّص نطاق الانفجار عند سقوط تلك القطعة الواحدة.

5. كيف يستعد المستخدمون الأفراد (5 خطوات)

حتى المستخدمون العاديون الذين لا يبنون أنظمة يمكنهم الاستعداد بدءًا من اليوم. باختصار، إنها عادة «ألا تترك كل شيء بين يدي الذكاء الاصطناعي».

1

احتفظ ببديل واحد جاهز

إن كنت تستخدم Claude عادةً، فجرّب أيضًا الطبقات المجانية من ChatGPT أو Gemini. مجرّد امتلاك «بديل واحد تعرف كيف تستخدمه» يُحدث فرقًا هائلًا حين تحين اللحظة.

2

احفظ مخرجاتك لديك أنت

لا تترك المخرجات المهمّة وسجلّ المحادثات قابعةً داخل الخدمة — احتفظ بنسخ محليًّا أو في مستنداتك الخاصة. فإذا توقّفت الخدمة، فقد تفقد الوصول إلى السجلّ معها.

3

احتفظ بأفضل مطالباتك بوصفها أصولًا

خزّن المطالبات التي نجحت. فمعظمها ينتقل إلى ذكاء اصطناعي آخر كما هو تقريبًا. ابنِ أصولك «بين يديك أنت» لا «داخل الذكاء الاصطناعي».

4

حافظ على قدرتك على «العمل بدون الذكاء الاصطناعي»

احتفظ بقدرتك على إصدار الأحكام النهائية، والتحقّق من الوقائع، والتمييز بين الكتابة الجيّدة والرديئة. وعدم ترك كل شيء للذكاء الاصطناعي هو أكبر تأمين لك حين يتوقّف.

5

لا تسلّم أسرارك — أو وزّعها

لا تصبّ كل معلومات عملك الجوهرية في مزوّد واحد. اتّبع احتياطات الإدخال واستخدم الذكاء الاصطناعي ضمن نطاق لا يُغرقك فيه توقّف — أو تسريب.

6. تجهيز الأنظمة الإنتاجية (التكرار بالتصميم)

إذا كنت قد دمجت الذكاء الاصطناعي في خدمة أو تطبيق، يرتقي الاستعداد من «العادة» إلى «التصميم». والمفتاح هو عدم الارتباط الصلب بنموذج بعينه. والممارسات أدناه مرتّبة من الأعلى أثرًا فالأقل.

(1) أدرج طبقة تجريد (بوّابة LLM)

بدلًا من استدعاء API كل مزوّد مباشرةً من تطبيقك، ضع بينهما مدخلًا مشتركًا واحدًا (بوّابة). عندها يصبح تبديل النماذج مجرّد تغيير في الإعدادات. وأبرز الخيارات:

LiteLLM

مُستضاف ذاتيًّا، لمن يضعون «صفر ارتباط بالمزوّد» في المقدّمة. يمكنك ضبط سلاسل التراجع وإعادات المحاولة والمهل بدقّة، والحفاظ على سيادة بياناتك. والتشغيل على عاتقك.

OpenRouter

الوصول إلى نماذج ومزوّدين كثيرين عبر مفتاح API واحد. لا بنية تحتية تديرها، ويسهل تمرير مصفوفة من النماذج لتراجع متسلسل. مناسب للنماذج الأولية والتقييم.

Vercel AI SDK

مكتبة تُجرّد المزوّدين على جانب الشيفرة. يمكنك تبديل النماذج دون تغيير شيفرة تطبيقك. تنسجم جيدًا مع تطوير الويب والتطبيقات.

✅ الانتقال أخفّ مما تظن: تقدّم كثير من البوّابات الرائدة «API متوافقًا مع OpenAI»، لذا في حالات كثيرة كل ما تغيّره هو الـ base URL ومفتاح API. وتعمل الشيفرة القائمة كما هي في الغالب. وإدراج واحدة الآن هو أكثر تأمين فعّاليةً من حيث التكلفة على الإطلاق.

(2) ابنِ سلسلة تراجع (لكن اختبرها دائمًا)

عرّف سلسلة تتحوّل تلقائيًّا: «إن فشل الخيار الأول فانتقل إلى الثاني؛ وإن فشل ذلك أيضًا فالثالث». تتيح لك معظم البوّابات تحديد أهداف التراجع وإعادات المحاولة والمهل لكل اسم نموذج.

⚠️ المزلق: اختبر آليات التراجع «قبل أن تحتاجها». فالإعداد الذي تظنّه مهيّأً لكنه لا يُطلَق أبدًا — أو يفشل بصمت — هو أسوأ من غياب التراجع كليًّا (إذ لا يمكنك حتى أن تدرك أن شيئًا قد تعطّل). في أوقات الهدوء، أوقف النموذج الأساسي عمدًا وتأكّد من أنه يتحوّل إلى البديل كما ينبغي.

(3) افصل الطبقات — اجعل الذكاء الاصطناعي «جزءًا قابلًا للنزع»

فكّر في نظامك على طبقتين. والحيلة هي إبقاء الأجزاء التي يجب ألا تستبدلها بالذكاء الاصطناعي مستقلّة عنه.

AI AUGMENTATION (REMOVABLE)

الصياغة، التلخيص، الاقتراحات

إن توقّف الذكاء الاصطناعي، فلن تكون قد خسرت سوى هذا. صمّمه بحيث تنخفض الإنتاجية لكن يستمر العمل.

SYSTEM OF RECORD (PROTECT)

البيانات، الدفاتر، الأنظمة الأساسية

أبقِها تحت سيطرتك، لا معتمدةً على ذكاء اصطناعي خارجي. فحتى لو اختفى الذكاء الاصطناعي، تبقى بياناتك ومعالجتك الأساسية على قيد الحياة.

(4) نموذج LLM محلّي بوصفه خط الدفاع الأخير

الاحتفاظ بنموذج LLM محلّي واحد يعمل على عتادك الخاص — حتى لو سقطت السحابة بأكملها — يصلح للتصدّي لأعطال الشبكة، وتعليق API، والتنظيم على حدٍّ سواء. قد لا يكون الأعلى أداءً، لكنه يمنحك خطًّا ضمن سيطرتك الخاصة: «على الأقل إلى هنا، لن نكون أبدًا بلا ذكاء اصطناعي». كما أنه ينسجم جيدًا مع الحالات التي لا يمكن فيها للبيانات السرّية أن تغادر المبنى.

(5) اكتب دليل تعافٍ من صفحة واحدة

حين يتوقّف شيء فعليًّا، فإن التخبّط في البحث من الصفر يبطّئ التعافي. مجرّد الاحتفاظ بصفحة واحدة — «إن سقط النموذج الأساسي ← انتقل إلى البديل بهذا الأمر ← أبلغ أصحاب المصلحة بهذا القالب» — يقلّص زمن التعافي (MTTR) من «أيام» إلى «ساعات». أجرِ تمرين تحوّل فعليًّا مرّة في السنة، وسيعمل بالتأكيد حين تحتاجه.

7. قائمة تحقق لاختيار المزوّد

تتغيّر مخاطر الاعتماد كثيرًا منذ مرحلة أي خدمة تختار نفسها. فإلى جانب الأداء والسعر، انظر إلى «ما إذا كانوا يوقفون الأمور بأمانة». فسياسات التقاعد تختلف بين مزوّد وآخر.

⏳ الإشعار المسبق بالتقاعد

كم من المهلة يمنحونك قبل تقاعد نموذج عام. تذكر Anthropic 60 يومًا على الأقل؛ وتذكر OpenAI 6 أشهر على الأقل للنماذج المتاحة عمومًا. لكن نماذج المعاينة قد تحصل على أسبوعين تقريبًا فقط — لذا فالاعتماد على نسخ المعاينة يستوجب الحذر.

🔔 شفافية التغييرات

ما إذا كانوا يعلنون تغييرات المواصفات والحدود بطريقة يراها المستخدمون. فـ«خفض الجودة بصمت» خطير في علاقة اعتماد. تحقّق من إشعاراتهم، وأدلّة الهجرة، وصفحات الحالة.

🗄️ رعاية ما بعد التقاعد

ما إذا كانوا يعتنون بالنماذج المتقاعدة. فـ Anthropic مثلًا صرّحت بأنها ستحفظ أوزان النماذج على المدى الطويل وتُبقي بعض النماذج المتقاعدة متاحةً عند الطلب. مثل هذا الموقف يبعث على الطمأنينة عند الهجرة.

📌 ملاحظة: تُراجَع فترات الإشعار والسياسات من قِبل كل مزوّد. قبل التبنّي، تأكّد دائمًا من أحدث الأرقام في صفحة «إيقاف النماذج (deprecation)» الرسمية. والأرقام في هذا المقال أدلّة استرشادية كما هي في يونيو 2026.

الخلاصة

الاستعداد لمخاطر الاعتماد على الذكاء الاصطناعي يتلخّص في ثلاثة أسطر.

  • اعلم أنها حقيقية: كما أظهر Fable 5، حتى الذكاء الاصطناعي الأعلى أداءً قد يختفي بين عشية وضحاها بسبب تنظيم أو قرار تجاري أو عطل. التعليق والتقاعد خطر دائم.
  • احمِ بالتصميم لا بالتنبؤ: لا يمكنك تخمين «متى سيتوقّف». الإجابة الصحيحة هي أن تجعله «يتحوّل / لا يؤلم» عندما يحدث ذلك. بديل واحد، طبقة تجريد واحدة، دليل تعافٍ واحد.
  • أبقِ الأصول لديك أنت: احفظ بياناتك ومطالباتك وقدرتك على الحكم «بين يديك أنت» لا «داخل الذكاء الاصطناعي». مجرّد تجنّب ⑥ الارتباط بالمزوّد يُبقي طريق هربك مفتوحًا.

الذكاء الاصطناعي أداة قوية — لكن الأدوات تختفي أحيانًا من بين يديك. والتصميم بحيث لا يتوقّف عملك الجوهري حين تختفي هو الأساس الذي يتيح لك الاتّكاء على الذكاء الاصطناعي بعمق وثقة.

الأسئلة الشائعة

س. إذن أي ذكاء اصطناعي هو الأكثر أمانًا للاستخدام؟

ج. فكرة اختيار «واحد فقط» هي بحدّ ذاتها الخطر. فالآمن ليس خدمةً بعينها بل القدرة على التحوّل إلى ذكاء اصطناعي آخر في أي وقت. استقرّ على واحد للاستخدام اليومي، مع إبقاء بديل واحد على الأقل في متناول يدك — هذا هو الأمثل الواقعي.

س. هل أحتاج إلى الاستعداد حتى لو كنت أستخدمه عرضيًّا كهواية فقط؟

ج. يكفي بشكل خفيف. مجرّد أمرين — «احفظ المخرجات المهمّة محليًّا» و«احتفظ بالمطالبات التي نجحت في مذكّرة» — يمنعان معظم الخسارة إن توقّفت خدمة. أما التكرار الكامل فحديث يخصّ الاستخدام في العمل.

س. هل «الإيقاف المخطّط (deprecation)» و«التعليق» مختلفان؟

ج. الإيقاف المخطّط هو سحب مبرمج للانتقال إلى نموذج جديد، عادةً مع إشعار مسبق يمتدّ من أسابيع إلى أشهر. أما تعليق مثل تعليق Fable 5 فقد يحدث فجأة، دون سابق إنذار. عالِج الأول بالهجرة، والثاني بالتكرار — هذا الفصل يجعل الأمر أوضح.

س. ألا يضيف دعم عدّة أنظمة ذكاء اصطناعي تكلفةً وجهدًا؟

ج. أدرج طبقة تجريد واحدة (بوّابة LLM) وتنخفض تكلفة الدعم بشدّة. فكثير منها متوافق مع OpenAI، لذا فالتبديل ليس سوى تغيير نقطة النهاية والمفتاح تقريبًا. أنت لا تشغّل مزوّدَين طوال الوقت — فقط أبقِ جاهزية «القدرة على التحوّل في أي وقت»، ولا يكاد الجهد اليومي يرتفع.

س. إن كان لديّ نموذج LLM محلّي، فهل ما زلت أحتاج إلى ذكاء اصطناعي سحابي؟

ج. لكلٍّ دور مختلف. فنموذج LLM المحلّي غالبًا لا يضاهي نموذجًا سحابيًّا من الطبقة العليا في الأداء، لكن له قيمته بوصفه «خط الدفاع الأخير الذي لا يسقط أبدًا». السحابة عادةً، والمحلّي في الطوارئ — هذا الإعداد ذو المستويين هو النهج الواقعي.