73,000 عدّاد «ذكي» أظلمت بين عشية وضحاها — وما كشفته أعطالها عن الخطأ الجوهري في طريقة بنائنا لذكاء اصطناعي للبنية التحتية

اتصل بي صديق يدير العمليات في مرفق مياه متوسط الحجم صباح أحد أيام السبت. لا ليطمئن على أحوالي — بل ليُفرِغ ما بداخله. كان فريقه قد اكتشف للتوّ أن تحديثًا للبرنامج الثابت دُفِع إلى أسطول عدّاداتهم الذكية في الأسبوع السابق قد أفسد بهدوء بيانات الفوترة لآلاف الحسابات. بدت العدّادات سليمة على لوحة المعلومات. أضواء خضراء في كل مكان. لكن الأرقام المتدفّقة إلى نظام الفوترة كانت خاطئة، ولم يلاحظ أحد ذلك حتى ضربت موجة من شكاوى العملاء.

قال لي: «يقول المورّد إنها مشكلة معروفة. إنهم يعملون على تصحيح.»

سألته منذ متى والعدّادات ترسل بيانات خاطئة. صمت لحظة. «نظنّ نحو تسعة أيام.»

ظلّت تلك المحادثة عالقة في ذهني — ليس لأن التقنية فشلت، بل بسبب مدى كون الفشل غير مرئي. لم تكن هذه عدّادات انقطعت عن الاتصال. بل عدّادات ظلّت تعمل بهدوء، تبثّ بيانات تبدو معقولة لكنها كانت خاطئة في صمت. وعندما بدأت أتتبّع خيط أعطال العدّادات الذكية في أنحاء أمريكا الشمالية والمملكة المتحدة، أدركت أن أزمة صباح السبت التي عاشها صديقي لم تكن سوى هامش في قصة أكبر بكثير.

الليلة التي صمت فيها 73,000 عدّاد

في مدينة بلانو بولاية تكساس، كانت المدينة قد أنفقت 10.2 مليون دولار على 87,000 عدّاد مياه ذكي من شركة Aclara Technologies، متوقّعةً أن تدوم عشرين عامًا. وبحلول عام 2023، كانت البطاريات تنفد قبل أوانها. وما كان حلّ المورّد؟ تحديث عن بُعد للبرنامج الثابت دُفِع في نوفمبر 2024 لتحسين استهلاك الطاقة.

ذلك التحديث عطّل 73,000 عدّاد بالكامل.

ليس «تدهورًا في الأداء». ولا «أعطالًا متقطّعة». بل توقّفت أنظمة الإرسال الإلكترونية عن العمل ببساطة. واضطرّت بلانو — وهي مدينة يقارب عدد سكانها 300,000 نسمة في منطقة دالاس-فورت وورث الحضرية — إلى توظيف 20 قارئ عدّادات مؤقّتًا والعودة إلى المرور على المنازل بابًا بابًا. التكلفة: 765,000 دولار على مدى عامين، مقابل العمل اليدوي وحده.

أعود دائمًا إلى المفارقة المريرة في هذا الأمر. كان من المفترض بالبرنامج الثابت أن يُصلِح مشكلة البطارية. لكنه بدلاً من ذلك حوّل مشكلة عتاد محلية إلى انهيار يعمّ الشبكة بأكملها. لقد بدأت أسمّي هذا «مفارقة البرنامج الثابت والبطارية» — إذ يصبح البرنامج المصمَّم لإطالة عمر العتاد الآلية الرئيسية لفشله.

غالبًا ما يصبح البرنامج المصمَّم لإطالة عمر العتاد الآلية الرئيسية لفشله.

وبلانو ليست وحدها. فقد خسرت تورنتو 470,000 جهاز إرسال بسبب التدهور المبكر — بتكلفة إصلاح أولية بلغت 5.6 مليون دولار. وواجهت شركة Memphis Light, Gas and Water معدّل فشل منهجيًا بنسبة 8% في أسطول عدّاداتها الذكية، مخصّصةً 9 ملايين دولار للإصلاحات. وفي المملكة المتحدة، جرى إصلاح أو استبدال أكثر من 900,000 عدّاد ذكي منذ أن بدأت الجهات التنظيمية تُولي الأمر اهتمامها.

لقد كتبت عن البنية التقنية الكامنة وراء هذه الأعطال بمزيد من التعمّق في النسخة التفاعلية من بحثنا، لكن النمط ثابت أينما نظرت: أنفقت المرافق المليارات لرقمنة شبكاتها، والبنية التحتية «الذكية» تفشل أسرع من العدّادات الميكانيكية التي حلّت محلّها.

لماذا تموت العدّادات الذكية مبكرًا؟

عندما بدأ فريقي تحليل الأسباب الجذرية، توقّعنا أن نجد تصنيعًا مهملًا أو مكوّنات رخيصة. لكن الواقع كان أكثر إثارةً للقلق.

العدّادات الذكية ليست مجرّد أجهزة قياس بسيطة. إنها حواسيب مشبوكة بالشبكة — معالجات مدمجة، ورقائق ذكاء اصطناعي طرفي، وبروتوكولات اتصال آمنة، وذاكرة فلاش لتخزين البيانات. وكأيّ حاسوب، فإنها عرضة لأنماط فشل لم تعرفها العدّادات الميكانيكية قطّ.

مشكلة ذاكرة الفلاش خبيثة على نحو خاص. تستخدم العدّادات الذكية ذاكرة فلاش من نوع NAND لتخزين البرنامج الثابت وسجلّات التشخيص. وكلّ عملية كتابة تولّد بيانات متقادمة تُمحى عبر عملية تُسمّى «جمع المهملات»، وهي عملية تُبلي خلايا الذاكرة فيزيائيًا. وإذا لم تكن أنظمة الملفات المُضمَّنة مُحسَّنة — وهي ليست كذلك في كثير من العدّادات المنشورة — فإن وحدة التخزين تبدأ في إفساد البيانات قبل سنوات من نهاية العمر المفترض للجهاز.

هنا تصبح مكالمة صديقي صباح السبت أكثر منطقية. فغالبًا ما يكون تلف البيانات صامتًا. فالعدّاد لا يُطلق رسالة خطأ. ولا ينقطع عن الاتصال. بل يبدأ ببساطة في بثّ أرقام خاطئة قليلاً. وبحلول الوقت الذي يلاحظ فيه أحدهم ذلك، يكون لديك تسعة أيام — أو تسعة أشهر — من بيانات فوترة خاطئة ومشكلة ثقة لدى العملاء لا يمكن لأي تصحيح للبرنامج الثابت إصلاحها.

ثم هناك أزمة الحالات الحدّية. فقد تضاعف تقريبًا تعقيد البرمجيات في العدّادات الذكية في السنوات الأخيرة، لكن منهجيات الاختبار لم تواكب ذلك. يعمل تحديث البرنامج الثابت على نحو مثالي في المختبر، لكن انشره على عدّاد ببطارية متدهورة قليلاً في منطقة ريفية ذات إشارة ضعيفة، فتحصل على بلانو.

تفصيل واحد من البحث أثار قلقي حقًا: تحتوي العدّادات الذكية الحديثة على مفتاح «إيقاف» عن بُعد مدمج فيها لأغراض الملاءمة الإدارية. وإذا تسبّب خطأ منطقي في البرنامج الثابت في تشغيل ذلك المفتاح عن طريق الخطأ على نطاق واسع، فأنت لا تنظر إلى أخطاء في الفوترة — بل تنظر إلى ملايين المنازل تفقد الكهرباء في وقت واحد.

ماذا يحدث عندما تبدأ الجهات التنظيمية في العَدّ؟

قرّرت الهيئة التنظيمية للطاقة في المملكة المتحدة، Ofgem، أنها رأت ما يكفي. فاعتبارًا من فبراير 2026، تفرض «معايير الأداء المضمونة» التي تُلزم بدفع مبلغ 40 جنيهًا إسترلينيًا تلقائيًا للعملاء عندما لا تُستوفى معايير خدمة العدّادات الذكية. انتظرت أكثر من ستة أسابيع لموعد تركيب؟ دفعة تلقائية. فشل التركيب لأن المورّد حضر دون المعدّات الصحيحة؟ دفعة تلقائية. أُبلِغ عن عطل في العدّاد ولا خطة حلّ خلال خمسة أيام عمل؟ دفعة تلقائية.

هذه ليست مجرّد عقوبة رمزية. فبالنسبة لمرفق يخدم ملايين العملاء ويملك أسطولًا من العدّادات الذكية المتقادمة، تصبح الحسابات مرعبة بسرعة. لقد دفع ضغط الامتثال بالفعل إلى إصلاح أكثر من 900,000 عدّاد كان متوقّفًا عن العمل في المملكة المتحدة.

أعتقد أن خطوة Ofgem تشير إلى شيء أكبر من مجرّد جهة تنظيمية تتشدّد. إنها إضفاء طابع رسمي على مبدأ كان ينبغي أن يكون بديهيًا منذ البداية: إذا نشرت بنية تحتية «ذكية»، فأنت مسؤول عن إبقائها ذكية. لقد انتهى عصر تركيب العتاد ثم الانصراف والأمل في الأفضل.

إذا نشرت بنية تحتية «ذكية»، فأنت مسؤول عن إبقائها ذكية. لقد انتهى عصر «التركيب والنسيان».

بالنسبة لقادة المرافق الذين يقرؤون هذا، فإن المغزى صارخ. فتكلفة الاحتفاظ بعدّاد مُعطَّل — من غرامات تنظيمية، ومعالجة يدوية، وفقدان للعملاء، ونزاعات فوترة — باتت تتجاوز الآن تكلفة تطبيق تشخيصات فورية مدفوعة بالذكاء الاصطناعي. لقد انقلبت المعادلة الاقتصادية.

«استخدم GPT فحسب» — النصيحة التي تُبقيني مستيقظًا في الليل

بعد أن نشرت بعض النتائج المبكرة عن هشاشة العدّادات الذكية، أجريت محادثة مع مستثمر محتمل ما زلت أفكّر فيها. كان قد اطّلع على بيانات أعطال البرنامج الثابت، ووافق على أن المشكلة حقيقية، ثم قال: «إذن ابنِ غلافًا حول ChatGPT يحلّل بيانات العدّادات. أطلِقه في ثلاثة أشهر.»

حاولت أن أشرح لماذا لن ينجح ذلك. فقاطعني قائلاً: «كل شركة ذكاء اصطناعي ناشئة تقول إنها تحتاج إلى بناء نماذج مخصّصة. ومعظمها يبالغ في التفكير لا أكثر.»

أتفهّم منطقه. فالسوق غارق في شركات ليست في جوهرها سوى واجهات رقيقة فوق واجهات برمجة تطبيقات OpenAI أو Anthropic — ما تسمّيه الصناعة «أغلفة النماذج اللغوية الكبيرة» (LLM wrappers). بعضها مفيد فعلًا في التطبيقات منخفضة المخاطر. لكن للبنية التحتية الحرجة؟ النهج مُختلّ من أساسه، وينبغي لي أن أشرح لماذا.

إلى أين تذهب البيانات؟

عندما تستخدم واجهة برمجة تطبيقات ذكاء اصطناعي عامة، تغادر بياناتك شبكتك وتدخل خوادم طرف ثالث. وبالنسبة لمرفق ما، تشمل تلك البيانات بنية الشبكة، وأنماط استهلاك العملاء، وشيفرة البرنامج الثابت المملوكة، وربما ثغرات بنية تحتية مصنّفة سرّية. وهذه ليست مخاطرة افتراضية — بل هي تعرّض لقانون CLOUD الأمريكي ولأي سياسات احتفاظ بالبيانات قد يعتمدها مزوّد واجهة البرمجة في هذا الربع من العام.

أسمّي هذا «مسرح الأمن». إذ تبدو الأداة وكأنها تطبيق مؤسسي خاص. ولوحة المعلومات تحمل شعار شركتك. لكن الواجهة الخلفية مرفق عام، وأكثر بياناتك التشغيلية حساسية تتدفّق عبر بنية تحتية يملكها شخص آخر.

هل يستطيع نموذج عام أن يفهم شبكتك؟

قرأ النموذج اللغوي الكبير العام الإنترنت. وهو يعرف ما هو العدّاد الذكي بشكل مجرّد. لكن ما لا يعرفه هو إصدار البرنامج الثابت المحدّد الذي يعمل على عدّادات Aclara لديك في الربع الشمالي الشرقي، أو تاريخ صيانة المحوّلات التي تغذّي ذلك الحيّ، أو حقيقة أن نظام الفوترة القديم لديك يقتطع المنازل العشرية بطريقة تُخفي أخطاء القياس الصغيرة.

نافذة السياق لواجهة برمجة تطبيقات عامة تنسى دقائق بنيتك التحتية الخاصة. إنها لا تستطيع إجراء التحليل الثنائي المطلوب للتحقّق مما إذا كان تحديث برنامج ثابت آمنًا لمراجعة عتاد بعينها منشورة في منطقة مناخية بعينها. وأن تطلب منها ذلك أشبه بأن تسأل سائحًا عن الاتجاهات — قد يبدو واثقًا، لكنه في الحقيقة لا يعرف إلى أين يذهب.

ماذا يحدث عندما تتغيّر واجهة برمجة التطبيقات؟

هذا هو الجزء الذي نادرًا ما يفكّر فيه قادة المرافق حتى يفوت الأوان. فإذا كان «حلّ الذكاء الاصطناعي» لديك مجرّد طبقة مطالبات فوق نموذج شخص آخر، فأنت معتمد على تسعيرهم، وتحديثات نماذجهم، ووقت تشغيلهم، وقراراتهم التجارية. وعندما تغيّر OpenAI بنية واجهة برمجتها أو تُلغي إصدار نموذج، تتعطّل أداة بنيتك التحتية الحرجة حتى يعيد أحدهم كتابة المطالبات.

لا يمكن للبنية التحتية الحرجة أن تعتمد على استمرارية أعمال صفحة تسعير واجهة برمجة تطبيقات لشركة ناشئة في وادي السيليكون.

كيف يبدو الذكاء الاصطناعي العميق فعليًا

بعد تلك المحادثة مع المستثمر، أمضيت أسبوعًا في الإحباط. ثم أمضيت ثلاثة أشهر في بناء ما أعتقد أنه الجواب الحقيقي.

في Veriprajna، لا نعيد بيع مفاتيح واجهات البرمجة. ولا نبني أغلفة. بل ننشر حزمة استدلال الذكاء الاصطناعي الكاملة — محرّكات مثل vLLM وText Generation Inference وBentoML — مباشرةً على البنية التحتية الخاصة بالعميل. على عناقيد Kubernetes الخاصة بهم. ووحدات معالجة الرسوميات العارية لديهم. وسحابتهم الخاصة الافتراضية.

في المرة الأولى التي هيّأنا فيها شبكة سحابية خاصة افتراضية عديمة التسرّب (zero-egress VPC) لعميل من قطاع المرافق — أي أن الشبكة كانت مُهيّأة فيزيائيًا بحيث كانت البيانات غير قادرة على مغادرة بيئتهم حتى لو أخطأ أحدهم في ضبط شيء ما — نظر أحد مهندسي الأمن لديهم إلى مخطّط البنية وقال: «هذه أول مرة لا يطلب فيها مورّد ذكاء اصطناعي منّي أن أضع استثناءً لسياسة بياناتنا.» تلك اللحظة أخبرتني أننا على الطريق الصحيح.

بناء دماغ دلالي

مشكلة السياق — تلك التي تجعل النماذج اللغوية الكبيرة العامة عديمة الفائدة لأعمال البنية التحتية الحقيقية — نحلّها بما أسمّيه «الدماغ الدلالي». إذ نستوعب مستندات المرفق المملوكة: الأدلة التقنية، وتقارير الصيانة التاريخية، وشيفرة مصدر البرنامج الثابت، وسجلّات الحوادث. ويُفهرَس كل ذلك في قواعد بيانات متجهية محلية مثل Milvus أو Qdrant، دون أن يغادر بيئة العميل أبدًا.

لكن ها هو الجزء الذي أفخر به أكثر: النظام يحترم ضوابط الوصول القائمة. فإذا لم يكن لدى موظف صلاحية الاطّلاع على مستند في SharePoint، فلن يسترجع الذكاء الاصطناعي تلك المعلومات للإجابة عن استعلامه. لم نُلحِق الأمن كفكرة لاحقة — بل بنينا طبقة الذكاء لترث الوضع الأمني القائم للمؤسسة.

الميل الأخير من الدقة

نأخذ نماذج أساس مفتوحة مثل Llama 3 ونضبطها بدقّة على مجموعة نصوص المرفق المحدّدة باستخدام تقنيات مثل LoRA (التكييف منخفض الرتبة). والنتيجة نموذج مُفصَّل يفهم مصطلحات العميل، وأنظمته القديمة، وخصوصياته التشغيلية. وفي اختباراتنا، يزيد هذا الضبط الدقيق الخاص بالمجال من الدقة في المهام المتخصّصة بنسبة تصل إلى 15% مقارنةً بالنموذج الأساسي.

قد تبدو نسبة الـ 15% هذه تحسّنًا هامشيًا. لكنها ليست كذلك. ففي التحقّق من البرنامج الثابت، الفرق بين دقّة 85% ودقّة 100% هو الفرق بين اكتشاف تحديث خطير وتركه يعطّل 73,000 عدّاد بالكامل.

كيف تكتشف خللًا في البرنامج الثابت قبل أن يصل إلى الميدان؟

هذا هو السؤال الذي دفعني بعد دراسة كارثة بلانو. فتحديث البرنامج الثابت الذي قتل تلك العدّادات لم يكن خبيثًا. ولم يكتبه مهندسون غير أكفّاء. بل لم يُختبَر ببساطة إزاء المدى الكامل من الظروف الواقعية التي سيواجهها.

بنينا خطّ معالجة لهذا الغرض. يبدأ بتحديد الملف الثنائي — باستخدام أدوات مثل EMBA وFirmwalker لاستخراج وتحليل أنظمة ملفات البرنامج الثابت، حتى عندما لا تكون شيفرة المصدر متاحة. ثم نلغي تصريف الملف الثنائي باستخدام Ghidra، ويحلّل نموذجنا اللغوي الكبير الخاص الشيفرة المُلغى تصريفها بحثًا عن عيوب منطقية وممارسات غير آمنة وثغرات محتملة.

لكن الجزء الذي غيّر طريقة تفكيري في سلامة البرنامج الثابت هو نهج التوأم الرقمي. فاختبار البرنامج الثابت على أجهزة فيزيائية في الميدان بطيء ومكلف ومحفوف بالمخاطر. وبدلاً من ذلك، نبني نُسخًا افتراضية مفصّلة من المنازل الذكية وقطاعات الشبكة، ثم ننشر وكلاء ذكاء اصطناعي يستخدمون التعلّم المعزّز للتفاعل مع هذه التوائم الرقمية — مستقصين بشكل منهجي عن الحالات الحدّية التي يفوّتها المختبِرون البشر.

في بحثنا، عثرت هذه الطريقة على الثغرات أسرع بنسبة 38% من مناهج الاختبار العشوائية. وللاطّلاع على التفصيل التقني الكامل لخطّ التحقّق من البرنامج الثابت ومنهجية التوأم الرقمي، أنصحك بقراءة الورقة البحثية — لكن الرؤية الأساسية هي التالية: بات بإمكاننا الآن محاكاة الظروف التي تسبّبت في فشل بلانو قبل أن يُطرَح التحديث.

بات بإمكاننا الآن محاكاة الظروف التي تسبّبت في أعطال كارثية للبرنامج الثابت قبل أن يُطرَح التحديث إلى الميدان أصلًا.

من التفاعلي إلى التنبّؤي: ما الذي يتغيّر عندما يراقب الذكاء الاصطناعي الشبكة

النهج التقليدي لصيانة المرافق إمّا تفاعلي (أصلحه عندما يتعطّل) أو مجدوَل (افحصه كل عدد من الأشهر سواء احتاج إلى ذلك أم لا). وكلاهما مكلف وكلاهما يفوّت الأعطال الأهم — التدهورات البطيئة الصامتة التي لا تُعلن عن نفسها حتى تكون قد ألحقت الضرر بالفعل.

نماذج الذكاء الاصطناعي العميق المدرَّبة على بيانات استشعار عالية التردّد تتعلّم كيف يبدو «الوضع الطبيعي» لكل جهاز، وكل محوّل، وكل قطاع من الشبكة. وعندما ينحرف شيء ما — نمط اهتزاز غير معتاد، أو تذبذب في درجة الحرارة لا يطابق حالة الطقس، أو أسطول من العدّادات تُظهر جميعها زيادة في زمن استجابة الاتصال في الوقت نفسه — يرصده النظام قبل أن يتحوّل إلى أزمة.

كانت هناك لحظة خلال اختباراتنا المبكرة رصد فيها نظام كشف الشذوذ مجموعة من العدّادات أظهرت جميعها زيادة طفيفة في زمن الاستجابة. لا شيء مثير — ربما أبطأ بـ 15 ميلي ثانية عن خطّ الأساس. تجادل فريقي حول ما إذا كان هذا ضجيجًا أم إشارة. رأى مهندسنا أنه ذو طابع بيئي — متعلّق بدرجة الحرارة. لكنني ألححت على مزيد من التحقيق. وتبيّن أنه مؤشّر مبكّر على تدهور ذاكرة الفلاش في دفعة معيّنة من الأجهزة. ولو تُرك دون معالجة، لكانت تلك العدّادات قد بدأت في إفساد البيانات خلال أشهر.

هذا هو نوع الاكتشاف الذي يبرّر الاستثمار بأكمله. والأرقام تدعم ذلك: أثبتت الصيانة التنبّؤية المدفوعة بالذكاء الاصطناعي أنها تقلّل أعطال البنية التحتية بنسبة 73%، وتخفض تكاليف الصيانة بنسبة 18-25%، وتُطيل أعمار الأصول بنسبة تصل إلى 40%.

يستخدم النظام أيضًا الذكاء الاصطناعي القابل للتفسير — فعندما يرصد حالة شاذة، يُظهر للمشغّل البشري السبب، باستخدام أدوات تصوّر مثل GradCAM. ويمكن للمشغّل أن يتحقّق من حكم الذكاء الاصطناعي أو يصحّحه أو يتجاوزه. وتعني حلقة التغذية الراجعة هذه أن النظام يزداد ذكاءً بمرور الوقت، مقلّلًا من الإيجابيات الكاذبة وبانيًا ذلك النوع من المعرفة المؤسسية التي عادةً ما لا تعيش إلا في رؤوس المهندسين الكبار الذين يفصلهم عن التقاعد خمس سنوات.

ماذا عن العائد على الاستثمار؟

دائمًا ما يعترض الناس على تكلفة نشر بنية تحتية ذكاء اصطناعي خاصة مقابل مجرّد استخدام واجهة برمجة تطبيقات. وهو سؤال وجيه. فتشغيل عناقيد وحدات معالجة الرسوميات الخاصة بك وصيانة نماذجك الخاصة ليس رخيصًا.

لكن انظر إلى ما تكلّفه البدائل. بلانو: 765,000 دولار لقرّاء العدّادات اليدويين، إضافةً إلى الاستثمار الأصلي البالغ 10.2 مليون دولار الذي بات الآن متضرّرًا بشدّة. ممفيس: صندوق إصلاح بقيمة 9 ملايين دولار. تورنتو: 5.6 مليون دولار والعدّ مستمر. مرافق المملكة المتحدة: التكلفة التراكمية لاستبدال 900,000 عدّاد إضافةً إلى الغرامات التنظيمية التي توشك أن تبدأ في الوقوع.

تُفيد الصناعات بأن متوسّط تكاليف انقطاع الخدمة يبلغ 125,000 دولار في الساعة. وتخفيض وقت التعطّل بنسبة 30-50% لا يغطّي تكلفة الذكاء الاصطناعي فحسب — بل يُحوِّل الملف المالي للمرفق. وعندما تضيف النفقات الرأسمالية المؤجَّلة الناتجة عن إطالة عمر الأصول بنسبة 40%، وتخفيضًا بنسبة 28% في تأخيرات سلسلة توريد المكوّنات، وتخفيضًا بنسبة 40% في حوادث السلامة، فإن حساب العائد على الاستثمار لا يكون متقاربًا.

السؤال ليس ما إذا كانت المرافق تستطيع تحمّل تكلفة بنية تحتية ذكاء اصطناعي سيادية. بل ما إذا كانت تستطيع تحمّل بلانو أخرى.

الخندق الدفاعي الحقيقي لمرفق ما ليس نموذج الذكاء الاصطناعي نفسه — فبإمكانك تنزيل Llama 3 مجانًا. الخندق هو التكامل العميق مع البيانات المملوكة، والضبط الدقيق الخاص بالمجال، والمعرفة المؤسسية المشفّرة في نظام يعيش على بنية تحتية تتحكّم بها أنت. وذلك أصل تزداد قيمته بمرور الوقت. أما اشتراك واجهة البرمجة فهو تكلفة يمكن أن تُسلَب منك.

الشبكة التي نبني نحوها

مع توقّع أن تتجاوز أجهزة إنترنت الأشياء 30 مليارًا بحلول عام 2026، فإن مشكلة التعقيد لن تختفي. بل تتسارع. والحدّ التالي — وما يعمل فريقي بنشاط على بنائه — هو سير عمل الذكاء الاصطناعي الوكيلي (agentic AI): أنظمة لا تكتفي برصد الحالات الشاذة بل تتّخذ إجراءً. عزل جهاز إنترنت أشياء مخترَق تلقائيًا. وضبط معاملات المحوّلات في الوقت الفعلي بناءً على أنماط الحِمل المتوقّعة. وتنفيذ التراجع عن تحديثات البرنامج الثابت في اللحظة التي يُظهر فيها تحديث ما علامات على التسبّب في مشكلات.

سيدفع الذكاء الاصطناعي الطرفي بالذكاء إلى مسافة أبعد — إذ تعمل العدّادات الذكية بوصفها محرّكات قرار دقيقة، تُشغّل كشف الشذوذ محليًا بزمن استجابة دون 10 ميلي ثانية، وتتّخذ القرارات دون انتظار رحلة ذهاب وإياب إلى السحابة.

لكن لا شيء من هذا ينجح إذا كان الأساس خاطئًا. وفي الوقت الراهن، بالنسبة لمعظم المرافق، الأساس خاطئ. فهي تُشغّل بنية تحتية من القرن الحادي والعشرين على نماذج صيانة من القرن العشرين، وعندما تلجأ إلى الذكاء الاصطناعي، تختطف الخيار الأرخص والأكثر ملاءمة — غلافًا حول ذكاء شخص آخر — بدلاً من بناء قدرة سيادية.

الأعطال في بلانو وتورنتو وممفيس وفي أنحاء المملكة المتحدة ليست خللًا تقنيًا عابرًا. بل هي النتيجة المتوقّعة لعدم توافق منهجي بين تعقيد البنية التحتية الحديثة والأدوات التي نستخدمها لإدارتها. وكل مرفق ينشر عدّادات ذكية دون الاستثمار في الذكاء اللازم لحوكمتها فعليًا إنما يبني نظامًا مصمَّمًا للفشل بطرق لا يستطيع اكتشافها.

الخيار الذي يواجه قادة المرافق ليس بين الذكاء الاصطناعي وعدمه. فذلك الجدل قد انتهى. الخيار هو بين استئجار الذكاء من مزوّدين لا مصلحة لهم في موثوقية شبكتك، أو بناء قدرات سيادية تحوّل بياناتك التشغيلية إلى أثمن أصولك. أحد هذين المسارين يقود إلى بلانو التالية. والآخر يقود إلى شبكة ذكية حقًا كما ما زلنا نَعِد.