a16z "أفكار كبرى لعام 2026: الجزء الأول"

ستشارك هذه المقالة آراء فرق البنية التحتية، النمو، البيولوجيا + الصحة، وفريق Speedrun.

الكاتب: a16z New Media

الترجمة: Block unicorn

بصفتنا مستثمرين، تقع على عاتقنا مسؤولية فهم جميع زوايا صناعة التكنولوجيا بعمق، من أجل اغتنام اتجاهات المستقبل. لذلك، في كل ديسمبر من كل عام، ندعو فرق الاستثمار لمشاركة فكرة رئيسية يعتقدون أن شركات التكنولوجيا ستسعى لحلها في العام المقبل.

اليوم، سنشارك آراء فرق البنية التحتية، النمو، البيولوجيا + الصحة، وفريق Speedrun. ترقبوا مشاركة الفرق الأخرى غدًا.

البنية التحتية

Jennifer Li: كيف تتعامل الشركات الناشئة مع فوضى البيانات متعددة الأنماط

لطالما كانت البيانات غير المهيكلة ومتعددة الأنماط أكبر عنق زجاجة تواجهه الشركات، كما أنها الكنز الأكبر غير المستغل لديها. كل شركة غارقة في بحر من ملفات PDF ولقطات الشاشة والفيديوهات والسجلات ورسائل البريد الإلكتروني والبيانات شبه المهيكلة. النماذج تزداد ذكاءً باستمرار، لكن مدخلات البيانات تزداد فوضى، مما يؤدي إلى أعطال في أنظمة RAG، وفشل الوكلاء بطرق يصعب اكتشافها ومكلفة، كما أن سير العمل الحرج لا يزال يعتمد بشكل كبير على الفحص البشري. العامل المقيد لشركات الذكاء الاصطناعي اليوم هو "إنتروبيا البيانات": في عالم البيانات غير المهيكلة، تتدهور الحداثة والبنية والمصداقية باستمرار، بينما 80% من المعرفة المؤسسية اليوم موجودة في هذه البيانات غير المهيكلة.

لهذا السبب، أصبح تنظيم البيانات غير المهيكلة فرصة لا تتكرر إلا مرة واحدة في العمر. تحتاج الشركات إلى طريقة مستمرة لتنظيف وبناء والتحقق وإدارة بياناتها متعددة الأنماط، لضمان أن أعباء العمل الخاصة بالذكاء الاصطناعي في المراحل اللاحقة يمكنها أن تحقق نتائج حقيقية. حالات الاستخدام موجودة في كل مكان: تحليل العقود، عمليات التوظيف، معالجة المطالبات، الامتثال، خدمة العملاء، الشراء، البحث الهندسي، تمكين المبيعات، خطوط التحليل، وجميع سير العمل التي تعتمد على سياق موثوق به. الشركات الناشئة التي يمكنها بناء منصات لاستخراج البنية من الوثائق والصور والفيديوهات، وحل النزاعات، وإصلاح خطوط العمل أو الحفاظ على حداثة البيانات وقابليتها للاسترجاع، تمتلك مفاتيح مملكة المعرفة المؤسسية وسير العمل.

Joel de la Garza: الذكاء الاصطناعي يعيد إحياء التوظيف في الأمن السيبراني

على مدار معظم العقد الماضي، كان التحدي الأكبر الذي يواجه مسؤولي أمن المعلومات (CISO) هو التوظيف. من 2013 إلى 2021، ارتفعت الوظائف الشاغرة في الأمن السيبراني من أقل من مليون إلى 3 ملايين وظيفة. السبب هو أن فرق الأمن قامت بتوظيف عدد كبير من المهندسين المهرة تقنيًا، ليقوموا يوميًا بأعمال أمنية من الدرجة الأولى مملة وروتينية، مثل مراجعة السجلات، وهي أعمال لا يرغب أحد في القيام بها. جذر المشكلة هو أن فرق الأمن السيبراني اشترت منتجات يمكنها اكتشاف كل شيء، مما خلق هذا العمل المرهق، وهذا يعني أن فرقهم بحاجة لمراجعة كل المعلومات — مما أدى بدوره إلى خلق نقص وهمي في القوى العاملة. إنها حلقة مفرغة.

بحلول 2026، سيكسر الذكاء الاصطناعي هذه الحلقة، وسيملأ فجوة التوظيف من خلال أتمتة العديد من الأعمال المتكررة لفرق الأمن السيبراني. أي شخص عمل في فريق أمني كبير يعرف أن نصف العمل يمكن حله بسهولة من خلال الأتمتة، لكن عندما تتراكم الأعمال، يصبح من الصعب تحديد ما يجب أتمتته. الأدوات الأصلية للذكاء الاصطناعي التي يمكنها مساعدة فرق الأمن في حل هذه المشكلات، ستتيح لهم في النهاية القيام بما يريدون فعله حقًا: مطاردة المجرمين، بناء أنظمة جديدة، وإصلاح الثغرات.

Malika Aubakirova: البنية التحتية الأصلية للوكلاء ستصبح معيارًا

بحلول 2026، لن تأتي أكبر صدمة في البنية التحتية من الشركات الخارجية، بل من داخل المؤسسات نفسها. نحن ننتقل من حركة مرور "بسرعة الإنسان" المتوقعة ومنخفضة التزامن إلى أعباء عمل "بسرعة الوكيل" المتكررة والمفاجئة والواسعة النطاق.

الخلفية المؤسسية اليوم مصممة لنسبة 1:1 بين العمليات البشرية واستجابة النظام. لم يتم إعدادها معماريًا لتعامل وكيل واحد مع "هدف" واحد يمكنه في أجزاء من الثانية إطلاق 5000 مهمة فرعية، واستعلامات قواعد بيانات، واستدعاءات API داخلية بشكل متكرر. عندما يحاول الوكيل إعادة بناء قاعدة الشيفرة أو إصلاح سجلات الأمان، لا يبدو الأمر كمستخدم. في نظر قواعد البيانات التقليدية أو أدوات تحديد المعدل، يبدو الأمر كأنه هجوم DDoS.

بناء أنظمة للوكلاء في 2026 يعني إعادة تصميم طبقة التحكم. سنشهد صعود البنية التحتية "الأصلية للوكلاء". يجب أن تعتبر البنية التحتية من الجيل التالي "تأثير القطيع المفاجئ" (thundering herd) هو الوضع الافتراضي. يجب تقليل وقت بدء التشغيل البارد، ويجب تقليل تقلبات التأخير بشكل كبير، ويجب مضاعفة حدود التزامن. عنق الزجاجة يكمن في التنسيق: تنفيذ التوجيه، القفل، إدارة الحالة، وتنفيذ السياسات في التنفيذ المتوازي واسع النطاق. فقط المنصات التي يمكنها التعامل مع تدفق أدوات التنفيذ القادم ستنتصر في النهاية.

Justine Moore: أدوات الإبداع تتجه نحو التعددية النمطية

لدينا الآن وحدات بناء لرواية القصص بالذكاء الاصطناعي: الصوت التوليدي، الموسيقى، الصور، والفيديو. لكن بالنسبة لأي محتوى يتجاوز المقتطفات لمرة واحدة، غالبًا ما يكون الحصول على المخرجات المطلوبة مستهلكًا للوقت ومحبطًا — بل وأحيانًا مستحيلًا — خاصة عندما ترغب في مستوى تحكم يقارب مستوى المخرجين التقليديين.

لماذا لا يمكننا إطعام النموذج بفيديو مدته 30 ثانية، ثم جعله يواصل هذا المشهد باستخدام شخصيات جديدة تم إنشاؤها من صور وصوت مرجعي؟ أو إعادة تصوير مقطع فيديو حتى نتمكن من رؤية المشهد من زوايا مختلفة، أو جعل الحركة تتطابق مع فيديو مرجعي؟

عام 2026 هو عام انتقال الذكاء الاصطناعي إلى التعددية النمطية. يمكنك تزويد النموذج بأي شكل من أشكال المحتوى المرجعي، واستخدامه لإنشاء محتوى جديد أو تحرير مشاهد قائمة. لقد رأينا بعض المنتجات المبكرة مثل Kling O1 وRunway Aleph. لكن لا يزال هناك الكثير من العمل — نحتاج إلى الابتكار على مستوى النموذج والتطبيق.

يعد إنشاء المحتوى أحد أكثر حالات استخدام الذكاء الاصطناعي فتكًا، وأتوقع أن نرى العديد من المنتجات الناجحة تظهر، تغطي مجموعة واسعة من حالات الاستخدام وقواعد العملاء، من صانعي الملصقات التعبيرية إلى مخرجي هوليوود.

Jason Cui: تطور مستمر لمكدس البيانات الأصلي للذكاء الاصطناعي

خلال العام الماضي، ومع تحول شركات البيانات من التركيز على مجالات متخصصة مثل التقاط البيانات والتحويل والحوسبة إلى منصات موحدة متكاملة، شهدنا توحيد "مكدس البيانات الحديث". على سبيل المثال: اندماج Fivetran/dbt وصعود منصات موحدة مثل Databricks.

على الرغم من أن النظام البيئي بأكمله قد نضج بشكل واضح، إلا أننا لا نزال في المراحل المبكرة من بنية بيانات أصلية حقيقية للذكاء الاصطناعي. نحن متحمسون للطريقة التي يواصل بها الذكاء الاصطناعي تغيير العديد من جوانب مكدس البيانات، وبدأنا ندرك أن البيانات والبنية التحتية للذكاء الاصطناعي أصبحتا متداخلتين بشكل لا ينفصل.

فيما يلي بعض الاتجاهات التي نراها واعدة:

• كيف ستتدفق البيانات مع البيانات المهيكلة التقليدية إلى قواعد بيانات متجهية عالية الأداء
• كيف سيحل وكلاء الذكاء الاصطناعي "مشكلة السياق": الوصول المستمر إلى السياق الصحيح لبيانات الأعمال وطبقة الدلالات، لبناء تطبيقات قوية مثل التفاعل مع البيانات، وضمان أن هذه التطبيقات لديها دائمًا التعريف الصحيح للأعمال عبر أنظمة السجلات المتعددة
• مع تحول سير عمل البيانات إلى مزيد من الوكلاء والأتمتة، كيف ستتغير أدوات ذكاء الأعمال التقليدية وجداول البيانات

Yoko Li: عام ندخل فيه إلى الفيديو

بحلول 2026، لن يكون الفيديو مجرد محتوى نشاهده بشكل سلبي، بل سيصبح مساحة يمكننا التواجد فيها فعليًا. ستتمكن نماذج الفيديو أخيرًا من فهم الزمن، وتذكر ما عرضته بالفعل، والاستجابة لتصرفاتنا، والحفاظ على ذلك الاتساق الموثوق به للعالم الواقعي. لم تعد هذه الأنظمة تقتصر على توليد لقطات متفرقة لبضع ثوانٍ، بل ستتمكن من الحفاظ على الشخصيات والأشياء والتأثيرات الفيزيائية لفترة كافية ليكون للفعل معنى وتظهر عواقبه. هذا التحول سيجعل الفيديو وسيطًا يمكن أن يتطور باستمرار: يمكن للروبوت أن يتدرب، يمكن للعبة أن تتطور، يمكن للمصمم أن يصنع نموذجًا أوليًا، ويمكن للوكيل أن يتعلم من خلال الممارسة. ما يتم تقديمه في النهاية لن يبدو كمقطع فيديو، بل كبيئة حية، بيئة تبدأ في سد الفجوة بين الإدراك والعمل. لأول مرة، سنشعر أننا يمكن أن نكون داخل الفيديو الذي أنشأناه.

النمو

Sarah Wang: أنظمة السجلات تفقد هيمنتها

بحلول 2026، سيكون التغيير التحويلي الحقيقي في مجال برامج المؤسسات هو أن أنظمة السجلات ستفقد أخيرًا هيمنتها. الذكاء الاصطناعي يقلل المسافة بين النية والتنفيذ: يمكن للنماذج الآن قراءة وكتابة واستنتاج بيانات العمليات مباشرة، وتحويل أنظمة إدارة خدمات تكنولوجيا المعلومات (ITSM) وأنظمة إدارة علاقات العملاء (CRM) من قواعد بيانات سلبية إلى محركات سير عمل مستقلة. مع التقدم المستمر في نماذج الاستدلال وسير عمل الوكلاء، لن تقتصر هذه الأنظمة على الاستجابة فقط، بل ستتنبأ وتنسق وتنفذ العمليات من البداية إلى النهاية. ستتحول الواجهة إلى طبقة وكلاء ديناميكية، بينما تتراجع أنظمة السجلات التقليدية إلى الخلفية لتصبح طبقة تخزين دائمة عامة — وستنتقل الميزة الاستراتيجية إلى من يتحكم فعليًا في بيئة تنفيذ الوكلاء التي يستخدمها الموظفون يوميًا.

Alex Immerman: الذكاء الاصطناعي في الصناعات الرأسية يتطور من استرجاع المعلومات والاستدلال إلى التعاون الجماعي

دفع الذكاء الاصطناعي برامج الصناعات الرأسية إلى نمو غير مسبوق. وصلت شركات الرعاية الصحية والقانونية والعقارية في غضون سنوات قليلة إلى أكثر من 100 millions دولار من الإيرادات السنوية المتكررة (ARR)؛ وتلحق بها الصناعات المالية والمحاسبية. بدأ هذا التطور أولاً باسترجاع المعلومات: البحث عن المعلومات الصحيحة واستخراجها وتلخيصها. جلب عام 2025 قدرات الاستدلال: تقوم Hebbia بتحليل البيانات المالية وبناء النماذج، وتقوم Basis بالتسوية بين جداول البيانات عبر أنظمة مختلفة، وتشخص EliseAI مشاكل الصيانة وترسل المورد المناسب.

سيكشف عام 2026 عن نماذج التعاون الجماعي. تستفيد برامج الصناعات الرأسية من الواجهات والبيانات والتكاملات الخاصة بالمجال. لكن طبيعة العمل في الصناعات الرأسية هي التعاون بين أطراف متعددة. إذا كان على الوكلاء تمثيل القوى العاملة، فعليهم التعاون. من المشترين والبائعين، إلى المستأجرين والمستشارين والموردين، لكل طرف أذونات وسير عمل ومتطلبات امتثال مختلفة، وهذه لا يفهمها إلا برنامج الصناعة الرأسية.

اليوم، يستخدم كل طرف الذكاء الاصطناعي بشكل مستقل، مما يؤدي إلى نقص في التفويض أثناء عمليات التسليم. الذكاء الاصطناعي الذي يحلل اتفاقيات الشراء لا يتواصل مع المدير المالي لتعديل النموذج. الذكاء الاصطناعي الخاص بالصيانة لا يعرف ما وعد به الموظفون الميدانيون للمستأجرين. يكمن التحول في التعاون الجماعي في التنسيق بين أصحاب المصلحة: توجيه المهام إلى الخبراء الوظيفيين، والحفاظ على السياق، ومزامنة التغييرات. يتفاوض الذكاء الاصطناعي للطرف المقابل ضمن معايير محددة ويحدد أوجه عدم التماثل للمراجعة البشرية. تُستخدم علامات الشركاء الكبار لتدريب نظام الشركة بأكملها. سيتم تنفيذ المهام التي ينفذها الذكاء الاصطناعي بمعدل نجاح أعلى.

عندما تزداد قيمة التعاون الجماعي وتعاون الوكلاء المتعددين، تزداد أيضًا تكاليف التحويل. سنشهد تأثيرات الشبكة التي لم تحققها تطبيقات الذكاء الاصطناعي من قبل: ستصبح طبقة التعاون هي الخندق الدفاعي.

Stephenie Zhang: التصميم للوكلاء، وليس للبشر

بحلول 2026، سيبدأ الناس في التفاعل مع الشبكة من خلال الوكلاء. ما كان مهمًا للاستهلاك البشري لن يكون بنفس الأهمية لاستهلاك الوكلاء.

لسنوات، كنا نعمل على تحسين السلوك البشري المتوقع: تصدر نتائج بحث Google، تصدر نتائج بحث Amazon، والبدء بملخص "TL;DR" مختصر. في المدرسة الثانوية، أخذت دورة في الصحافة، علمنا فيها المعلم أن نكتب الأخبار باستخدام "5W1H"، وأن تبدأ المقالات بمدخل جذاب لجذب القارئ. ربما يفوت القارئ البشري النقاط القيمة والرؤى العميقة المخفية في الصفحة الخامسة، لكن الذكاء الاصطناعي لن يفعل ذلك.

ينعكس هذا التحول أيضًا في مجال البرمجيات. تم تصميم التطبيقات في الأصل لتلبية احتياجات الرؤية والنقر البشري، وكان التحسين يعني واجهة مستخدم جيدة وتدفق عمليات بديهي. مع تولي الذكاء الاصطناعي مهام الاسترجاع والتفسير، تقل أهمية التصميم البصري للفهم. لم يعد المهندسون يحدقون في لوحات معلومات Grafana، يمكن لمهندس موثوقية أنظمة الذكاء الاصطناعي (SRE) تفسير بيانات القياس عن بعد ونشر النتائج على Slack. لم تعد فرق المبيعات بحاجة إلى تصفح أنظمة إدارة علاقات العملاء (CRM) بصعوبة، يمكن للذكاء الاصطناعي استخراج الأنماط والملخصات تلقائيًا.

لم نعد نصمم المحتوى للبشر، بل نصممه للذكاء الاصطناعي. لم يعد الهدف الأمثل هو التسلسل البصري، بل قابلية القراءة الآلية — وهذا سيغير طريقة إنشائنا للمحتوى والأدوات التي نستخدمها.

Santiago Rodriguez: نهاية KPI "وقت الشاشة" في تطبيقات الذكاء الاصطناعي

على مدار الـ 15 عامًا الماضية، كان وقت الشاشة هو أفضل مؤشر على قيمة تسليم التطبيقات الاستهلاكية والمؤسساتية. عشنا في نموذج حيث كان وقت البث على Netflix، وعدد نقرات الماوس في تجربة المستخدم لسجلات الصحة الإلكترونية (لإثبات الاستخدام الفعال)، وحتى الوقت الذي نقضيه على ChatGPT، كلها مؤشرات أداء رئيسية. مع انتقالنا إلى نموذج تسعير قائم على النتائج، والذي ينسق بشكل مثالي حوافز الموردين والمستخدمين، سنبدأ أولاً في التخلص من تقارير وقت الشاشة.

لقد رأينا هذا بالفعل في الممارسة. عندما أجري استعلام DeepResearch على ChatGPT، حتى لو كان وقت الشاشة شبه معدوم، أحصل على قيمة هائلة. عندما تلتقط Abridge بشكل سحري محادثة الطبيب والمريض وتنفذ الإجراءات اللاحقة تلقائيًا، بالكاد يحتاج الطبيب للنظر إلى الشاشة. عندما تطور Cursor تطبيقًا كاملاً من البداية إلى النهاية، يخطط المهندسون لدورة تطوير الميزة التالية. وعندما تكتب Hebbia عرضًا تقديميًا استنادًا إلى مئات الوثائق العامة، يمكن لمصرفيي الاستثمار أخيرًا الحصول على نوم جيد.

يخلق هذا تحديًا فريدًا: يحتاج تسعير المستخدم الفردي للتطبيقات إلى طرق أكثر تعقيدًا لقياس العائد على الاستثمار (ROI). سيؤدي انتشار تطبيقات الذكاء الاصطناعي إلى زيادة رضا الأطباء، وكفاءة المطورين، ورفاهية محللي المالية، وسعادة المستهلكين. ستستمر الشركات التي يمكنها توضيح العائد على الاستثمار بأبسط طريقة في التفوق على المنافسين.

البيولوجيا + الصحة

Julie Yoo: المستخدمون النشطون شهريًا الأصحاء (MAU)

بحلول 2026، ستصبح مجموعة عملاء جديدة في مجال الرعاية الصحية محور التركيز: "المستخدمون النشطون شهريًا الأصحاء".

تركز أنظمة الرعاية الصحية التقليدية بشكل أساسي على ثلاث مجموعات من المستخدمين: (أ) "المستخدمون النشطون شهريًا المرضى": الأشخاص الذين لديهم احتياجات متقلبة وتكاليف عالية؛ (ب) "المستخدمون النشطون يوميًا المرضى *": مثل المرضى الذين يحتاجون إلى رعاية مركزة طويلة الأمد؛ و(ج) "المستخدمون النشطون الشباب الأصحاء *": الأشخاص الأصحاء نسبيًا ونادرًا ما يزورون الطبيب. يواجه المستخدمون النشطون الشباب الأصحاء خطر التحول إلى مستخدمين نشطين شهريًا/يوميًا مرضى، ويمكن أن تبطئ الرعاية الوقائية هذا التحول. لكن نظام السداد الطبي القائم على العلاج يكافئ العلاج وليس الوقاية، لذلك لم تُعطَ خدمات الفحص الصحي والمراقبة الأولوية، ونادرًا ما تغطيها التأمينات.

الآن، ظهرت مجموعة المستخدمين النشطين شهريًا الأصحاء: هم ليسوا مرضى، لكنهم يرغبون في مراقبة وفهم صحتهم بانتظام — وقد يكونون أكبر مجموعة بين المستهلكين. نتوقع أن تبدأ مجموعة من الشركات — بما في ذلك الشركات الناشئة الأصلية للذكاء الاصطناعي والإصدارات المطورة من الشركات القائمة — في تقديم خدمات منتظمة لخدمة هذه المجموعة.

مع إمكانيات الذكاء الاصطناعي في خفض تكاليف الرعاية الصحية، وظهور منتجات تأمين صحي جديدة تركز على الوقاية، واستعداد المستهلكين المتزايد لدفع رسوم الاشتراك بأنفسهم، يمثل "المستخدمون النشطون شهريًا الأصحاء" المجموعة التالية ذات الإمكانات العالية في مجال تكنولوجيا الصحة: فهم يشاركون باستمرار، ويعتمدون على البيانات، ويركزون على الوقاية.

Speedrun (اسم فريق استثمار داخلي في a16z)

Jon Lai: نماذج العالم تتألق في مجال السرد

في عام 2026، ستغير نماذج العالم المدفوعة بالذكاء الاصطناعي طريقة السرد بشكل جذري من خلال العوالم الافتراضية التفاعلية والاقتصادات الرقمية. أصبحت تقنيات مثل Marble (World Labs) وGenie 3 (DeepMind) قادرة بالفعل على إنشاء بيئات ثلاثية الأبعاد كاملة بناءً على تعليمات نصية، مما يسمح للمستخدمين باستكشافها كما في الألعاب. مع تبني المبدعين لهذه الأدوات، ستظهر أشكال جديدة من السرد، وقد تتطور في النهاية إلى "Minecraft توليدية"، حيث يمكن للاعبين إنشاء عوالم ضخمة ومتطورة بشكل مشترك. يمكن لهذه العوالم الجمع بين آليات اللعب والبرمجة بلغة طبيعية، على سبيل المثال، يمكن للاعب إصدار أمر "أنشئ فرشاة تحول أي شيء ألمسه إلى اللون الوردي".

ستطمس هذه النماذج الحدود بين اللاعبين والمبدعين، مما يجعل المستخدمين مشاركين في خلق واقع مشترك ديناميكي. قد يؤدي هذا التطور إلى ظهور أكوان متعددة توليدية مترابطة، حيث تتعايش أنواع مختلفة مثل الخيال والرعب والمغامرة. في هذه العوالم الافتراضية، ستزدهر الاقتصادات الرقمية، حيث يمكن للمبدعين كسب الدخل من خلال إنشاء الأصول، وتوجيه المبتدئين، أو تطوير أدوات تفاعلية جديدة. بالإضافة إلى الترفيه، ستصبح هذه العوالم التوليدية بيئات محاكاة غنية لتدريب وكلاء الذكاء الاصطناعي، والروبوتات، وحتى الذكاء الاصطناعي العام (AGI). لذلك، لا يمثل صعود نماذج العالم ظهور نوع جديد من الألعاب فحسب، بل يبشر أيضًا بوسيط إبداعي جديد وحدود اقتصادية جديدة.

Josh Lu: "عامي الخاص"

سيكون عام 2026 هو "عامي الخاص": عندها لن تُنتج المنتجات بشكل جماعي بعد الآن، بل ستُصمم خصيصًا لك.

لقد رأينا هذا الاتجاه بالفعل في كل مكان.

في مجال التعليم، تبني شركات ناشئة مثل Alphaschool معلمين بالذكاء الاصطناعي يمكنهم التكيف مع وتيرة تعلم واهتمامات كل طالب، مما يتيح لكل طفل الحصول على تعليم يتناسب مع سرعته وتفضيلاته. لم يكن من الممكن تحقيق هذا المستوى من الاهتمام دون إنفاق عشرات الآلاف من الدولارات على كل طالب.

في مجال الصحة، يصمم الذكاء الاصطناعي الآن مجموعات مكملات غذائية يومية، وبرامج تمارين، وخطط وجبات مخصصة لخصائصك الفسيولوجية. لا حاجة لمدرب أو مختبر.

حتى في مجال الإعلام، يمكن للذكاء الاصطناعي أن يمكّن المبدعين من إعادة تجميع الأخبار والبرامج والقصص، لإنشاء تدفقات معلومات شخصية تمامًا تتناسب مع اهتماماتك وتفضيلاتك.

نجحت أكبر الشركات في القرن الماضي لأنها وجدت المستهلك العادي.

ستفوز أكبر الشركات في القرن المقبل من خلال العثور على الفرد داخل المستهلك العادي.

في عام 2026، لن يعود العالم مُحسنًا للجميع، بل سيبدأ في التحسين من أجلك.

Emily Bennett: أول جامعة أصلية للذكاء الاصطناعي

أتوقع أننا سنشهد في عام 2026 ولادة أول جامعة أصلية للذكاء الاصطناعي، وهي مؤسسة مبنية من الصفر حول أنظمة الذكاء الاصطناعي.

على مدى السنوات القليلة الماضية، حاولت الجامعات تطبيق الذكاء الاصطناعي في التقييم، والإرشاد، وجدولة الدورات. لكن ما يظهر الآن هو نوع أعمق من الذكاء الاصطناعي، نظام أكاديمي تكيفي قادر على التعلم والتحسين الذاتي في الوقت الفعلي.

تخيل مؤسسة كهذه، حيث يتم تعديل الدورات، والاستشارات، والتعاون البحثي، وحتى تشغيل المباني باستمرار بناءً على حلقات التغذية الراجعة من البيانات. يتم تحسين الجداول الدراسية ذاتيًا. يتم تحديث قوائم القراءة كل ليلة، وتُعاد كتابتها تلقائيًا مع ظهور أبحاث جديدة. يتم تعديل مسارات التعلم في الوقت الفعلي لتناسب وتيرة كل طالب وظروفه الفعلية.

لقد رأينا بالفعل بعض المؤشرات. أدى التعاون الشامل بين جامعة ولاية أريزونا (ASU) وOpenAI إلى مئات المشاريع المدفوعة بالذكاء الاصطناعي التي تغطي التدريس والإدارة. أدرجت جامعة ولاية نيويورك (SUNY) الآن مهارات الذكاء الاصطناعي ضمن متطلبات التعليم العام لديها. هذه كلها أساسات لنشر أعمق.

في الجامعة الأصلية للذكاء الاصطناعي، سيصبح الأساتذة مهندسي التعلم، مسؤولين عن إدارة البيانات، وضبط النماذج، وتوجيه الطلاب حول كيفية التشكيك في استنتاجات الآلة.

ستتغير طرق التقييم أيضًا. سيتم استبدال أدوات الكشف وحظر الانتحال بتقييم وعي الذكاء الاصطناعي، ولن يكون معيار تقييم الطلاب هو ما إذا كانوا استخدموا الذكاء الاصطناعي، بل كيف استخدموه. سيحل الاستخدام الشفاف والاستراتيجي محل الحظر.

مع سعي جميع الصناعات لتوظيف أشخاص يمكنهم تصميم وإدارة والتعاون مع أنظمة الذكاء الاصطناعي، ستصبح هذه الجامعة الجديدة قاعدة تدريب، تخرج خريجين ماهرين في تنسيق أنظمة الذكاء الاصطناعي، لدعم سوق العمل سريع التغير.

ستصبح هذه الجامعة الأصلية للذكاء الاصطناعي محرك المواهب للاقتصاد الجديد.

هذا كل شيء لليوم، نراكم في الجزء التالي، ترقبوا.