قفزت فاتورة الـ AI لدى فريقٍ من شهر إلى شهر. لم يغيّر أحد طريقة عمله — الأشخاص أنفسهم، وأنواع الطلبات نفسها، والأدوات نفسها. الرقم فقط تسلّق صعودًا. وحين تتبّعوا أخيرًا إلى أين يذهب المال، كان الجواب طريفًا تقريبًا: كان الطلب النموذجي يرسل نحو 45,000 كلمة من السياق إلى النموذج، منها نحو 5,000 فقط ذات صلة فعلًا. أما الـ 40,000 الباقية فكان يُدفَع ثمنها، وتُنقَل، وتُتجاهَل — في كل طلب على حدة، طوال اليوم.
الأمر أشبه بطلب بيتزا واحدة ودفع ثمن تسع أخرى لا تأكلها، في كل مرة تطلب فيها.
هذه القصة تستحقّ الفهم، لأن ردود الفعل التي تثيرها كلها تقريبًا خاطئة، والشيء الوحيد الذي ينجح غير برّاق. إن كنت أنت أو فريقك تدفعون مقابل الـ AI، فهنا يذهب المال فعلًا.
تقسيمة 90/10 التي لا يتوقّعها أحد
لكل تبادل مع الـ AI جانبان يكلّفان مالًا. هناك الـ input — كل ما ترسله: سؤالك، إضافةً إلى كل السياق المحيط (ملفات، سِجلّ، تعليمات، خلفية). وهناك الـ output — ما يكتبه النموذج ردًّا.
والجزء المفاجئ هو مدى التفاوت بينهما. في حِمل عمل برمجي نموذجي، يكون الـ input نحو 90% من التكلفة، والـ output نحو 10% فقط.
توقّف عند هذا لحظة، لأنه يقلب الغريزة رأسًا على عقب. حين تكون الفاتورة مرتفعة، ينظر معظم الناس إلى الإجابات الخارجة — فهي التي تبدو باهظة، وهي المنتج المرئي. لكن الإجابات هي الجانب الرخيص. الجانب الباهظ هو كومة السياق الداخلة، التي لا ترى معظمها ولا تفكّر فيها أبدًا.
لماذا لا يكاد «كن موجزًا» يوفّر شيئًا
ما إن تعرف التقسيمة حتى تنكشف الحلول الشائعة على أنها مصوَّبة نحو الهدف الخطأ.
إخبار النموذج بكتابة إجابات أقصر ينجح — يمكنك فعلًا خفض الـ output بمقدار ثلاثة أرباع. لكن الـ output ليس إلّا 10% من الفاتورة، فخفضه 75% يوفّر نحو 8% إجمالًا. حقيقيّ، لكن ضئيل. حسّنتَ الجانب الرخيص أصلًا.
إخبار النموذج بأن «يستخدم ما يخصّ فقط» يبدو أذكى، ولا يفعل شيئًا للتكلفة. وإليك الآلية، وهي الأهمّ: تُحتسَب عليك تكلفة السياق لحظةَ ترسله، لا حين يقرأه النموذج. فحين يصل النموذج إلى تعليمتك القائلة «تجاهل الأجزاء غير ذات الصلة»، تكون قد دفعت ثمن نقل الـ 45,000 كلمة كلّها. التعليمة قد تشكّل الإجابة، لكن المال أُنفِق فعلًا. لا يمكنك طلب استرداد token وضعتَه على السلك بالفعل.
تغيير إعدادات النموذج — طول إجابته، مؤشّر إبداعه — لا يمسّ إلّا الـ output. المشكلة نفسها: أنت تعبث بالـ 10%.
كلٌّ من هذه يعالج عرَضًا. ولا واحد منها يقلّل ما ترسله.
الحل الفعلي: أرسِل أقلّ
الشيء الوحيد الذي يحرّك فاتورة يهيمن عليها الـ input هو وضع كمية أقلّ في الـ input. لا prompt أذكى، ولا ميزانية أكبر، ولا نموذج أفخم — فقط سياق أقلّ يركب مع كل طلب.
الطريقة الساذجة لتغذية الـ AI بالـ codebase هي إلقاء الملفات كاملة عليه وترك أمر فرز المهمّ له. تنجح، لكنها مُهدِرة بشكل مدمّر، لأنك تدفع ثمن نقل الملف كاملًا حتى لو كانت ثلاثة أسطر منه ذات صلة. أما الطريقة المنضبطة فهي وضع طبقة استرجاع (retrieval layer) أمام النموذج: بحث محلي سريع يجد الحفنة ذات الصلة ويرسل تلك فقط، بدل شحن كل شيء والأمل في الأفضل.
حين يُنفَّذ ذلك جيّدًا، يكون الفرق بين إرسال 45,000 كلمة وإرسال 5,000 — الإجابة نفسها، بجزءٍ يسير من التكلفة. وهذا أيضًا هو الوجه المالي لأمرٍ يتناوله موضع آخر من هذا الموقع: هندسة السياق تُقدَّم عادةً كوسيلة للحصول على إجابات أفضل (السياق المركّز إشارة أوضح)، وهي كذلك — لكن الانضباط نفسه هو ما يبقي الفاتورة منخفضة. السياق المُحكَم أذكى وأرخص معًا. ونادرًا ما تضطرّ إلى الاختيار.
لماذا إيجاد «الجزء ذي الصلة» أصعب مما يبدو
ثمّة سبب لأن تكتفي الأدوات الساذجة بإلقاء كل شيء: معرفة ما هو ذو صلة فعلًا أمرٌ شائك بحق، والخطأ فيه باهظ من جهة ثانية.
لطريقتين مختلفتين لبحث الـ codebase نقطةُ عمياء لكلٍّ منهما. إحداهما تبحث بالـ معنى — تفهم أن «sign in» و«login» فكرة واحدة — لكنها قد تخلط بين شيئين يتشابهان لفظًا فتلتقط الخطأ. والأخرى تبحث بالـ صياغة الدقيقة — تصيب الاسم المحدَّد الذي طلبته — لكنها تُغفِل أي شيء صيغ بطريقة مختلفة. كلٌّ منهما وحدها تُغفِل نحو نتيجة واحدة ذات صلة من كل أربع. شغّلهما معًا وادمج نتائجهما، فيهبط معدّل الإغفال إلى نحو واحدة من كل عشر. بحثان ضعيفان يغطّي كلٌّ منهما فجوة الآخر.
الخطر الأدقّ هو الثقة. إن أعاد البحث الكود الخطأ وعامله النموذج كأنه ذو صلة، فلن تحصل على تردّد — بل على إجابة خاطئة واثقة، وهي أسوأ من لا إجابة، لأنها تبدو جديرة بالثقة. لذا لا تكتفي طبقة الاسترجاع الجيّدة بإيجاد المرشّحين؛ بل تسجّل لهم النقاط وتُلقي الضعيف منها قبل أن يُرسَل أصلًا. والمثير أن ما ينجح هنا صيغة موزونة بسيطة — قليل من مطابقة المعنى، قليل من المطابقة الدقيقة، قليل من «متى عُدِّل هذا الكود آخر مرة» — تعمل في جزءٍ من الألف من الثانية. أما مطالبة AI ثانٍ بالحكم على الصلة فكانت أدقّ لكنها أبطأ بكثير من أن تجلس أمام كل طلب. الصيغة البسيطة تغلبت على المقاربة الأذكى.
كن صادقًا بشأن الرقم البرّاق
سترى ادّعاءات مثل «94% أقلّ من الـ tokens». عامِلها كما تعامل أي رقم في أفضل الحالات.
هذا الرقم مقيسٌ مقابل أسوأ خطّ أساس ممكن — أداة تُلقي بالملفات كاملة في كل مرة. ومقارنةً بأداة برمجة حديثة انتقائية بعض الشيء أصلًا، يكون التوفير الواقعي أصغر. كما أن المقاربة تتعثّر في الـ codebases الكبيرة المتشابكة حيث تؤدّي الملفات مهامّ كثيرة غير مترابطة دفعةً واحدة؛ وهي تتألّق حين يكون لكل ملف مهمّة واحدة واضحة. والفرق الذين يبلّغون عن هذه الأرقام كثيرًا ما يختارون عمدًا محرّك بحث أصغر وأسرع على آخر أكبر وأدقّ — مقايضين قليلًا من الدقّة بنتائج شبه فورية، لأن أداة تكلفة تضيف تأخيرًا من ثانيتين إلى كل طلب لن تُستخدَم.
لا شيء من ذلك يُبطِل الدرس الجوهري. إنما يعني أن النسخة الصادقة هي «يمكنك اقتطاع جزء كبير من السياق المُهدَر»، لا «ستوفّر 94% دائمًا».
النموذج ليس إلّا جزءًا من الفاتورة
وهنا إعادة الصياغة التي تستحقّ الحفظ. حين يحاول الناس ضبط نفقات الـ AI، يهووَن باختيار النموذج — الفئة الأرخص مقابل الفاخرة، هذا المزوّد مقابل ذاك. وهذا يهمّ. لكن في حالة مقيسة واحدة، لم يمثّل النموذج إلّا نحو 30% من إجمالي التكلفة. أما الـ 70% الباقية فكانت السياق المُدخَل.
هذه هي الحُجّة كلها في سطر واحد. يمكنك أن تعذّب نفسك في اختيار النموذج المثالي وتظلّ تدفع في معظمه مقابل ما ترسله إليه. (وهذا هو الرفيق المالي لـ اختيار نموذج: اختر فئةً معقولة، ثم توقّف عن التحسين هناك واذهب لتنظر في سياقك.)
ما الذي تفعله عمليًا
لست بحاجة إلى بناء محرّك استرجاع لتستفيد من هذا. المبدأ يتقلّص إلى عادات يومية:
- افترِض أن الـ input هو حيث يذهب مالك. قبل لوم النموذج أو طول الإجابة، اسأل عمّا يُرسَل في كل طلب.
- أبقِ سياق العمل مُحكَمًا. الجلسات الطويلة المترامية تراكِم سياقًا تدفع ثمن إعادة إرساله في كل دور. مسح الجلسة أو ضغطها (انظر clear مقابل compact) حركةُ تكلفة بقدر ما هي حركة وضوح.
- لا تدفع لتتجاهل الأشياء. إن وجدت نفسك تخبر الـ AI بتجاهل نصف ما أعطيته، فتلك إشارة إلى أنك تنقل — وتُحتسَب عليك تكلفة — سياقًا كان يمكنك تركه خارجًا.
- قِس، ولا تخمّن. الفرق الذين أصلحوا هذا تتبّعوا الـ tokens المُرسَلة فعلًا مقابل ما كان سيُرسَل، مضروبًا في السعر. الرقم الحقيقي يغلب الحدس في كل مرة.
الخلاصة المخالفة للحدس هي أنفع ما هنا: حين تكون فاتورة الـ AI مرتفعة، لا يكون الجواب عادةً نموذجًا أفضل. بل إرسالَ أقلّ. أصلِح الـ input — فهناك يذهب المال.