Ascerta تجمع 18 مليون دولار: عدّ الرموز لم يعد يثبت عائد AI

أعلنت Ascerta، التي كانت تُعرف باسم Pay-i، من بلفيو في ولاية واشنطن يوم 30 سبتمبر 2026 جولة تمويل من الفئة A بقيمة 18 مليون دولار بقيادة Dell Technologies Capital، مع تغيير اسمها وارتفاع إجمالي تمويلها إلى 22.9 مليون دولار. وشارك في الجولة Hitachi Ventures وBGV وWipro Ventures، إلى جانب مستثمرين سابقين، فيما تتجه الشركة إلى توسيع منصة بدأت بمراقبة كلفة الذكاء الاصطناعي لتشمل استخدامه ونتائجه التجارية.

سبب تغيير الاسم هو اتساع السؤال الذي تريد الشركة الإجابة عنه لدى المؤسسات: معرفة ثمن تشغيل النماذج لم تعد تكفي لتحديد أي مبادرة تستحق مزيدًا من الاستثمار. وقال المؤسس المشارك والرئيس التنفيذي ديفيد تيبر في حديثه إلى GeekWire: «Pay-i reflected our starting point in AI cost management». الاسم الجديد يعبّر عن انتقال العرض من رصد الإنفاق إلى وصل الإنفاق بتبني الموظفين للأدوات وبمؤشرات الأعمال التي تسعى تلك الأدوات إلى تحسينها.

لماذا لم تعد فاتورة النماذج كافية؟

تستطيع المؤسسة عدّ الرموز، وتسجيل عدد مرات تشغيل الوكلاء، ومعرفة ما تدفعه مقابل الاشتراكات أو خدمات السحابة. هذه أرقام مفيدة لضبط الميزانية وكشف القفزات المفاجئة في الاستهلاك، لكنها تصف مدخلات النشاط لا أثره. قد يؤدي تزايد الطلبات إلى فاتورة أعلى لأن عدد المستخدمين ارتفع، أو لأن المهمة نفسها أصبحت أكثر تعقيدًا، أو لأن التشغيل خرج عن نطاقه المعتاد؛ ولا يحدد أي من هذه التفسيرات وحده ما إذا كان العمل قد تحسن.

كانت Pay-i تتمحور حول الكلفة، وهي نقطة بدء منطقية حين يتوزع إنفاق الذكاء الاصطناعي بين فرق ومشروعات وموردين مختلفين. مع اسم Ascerta أصبحت وحدة التحليل المعلنة أوسع: حالة استخدام مرتبطة بمن يستعمل الأداة وبالمهمة التي تؤديها وبالنتيجة التي تريد المؤسسة تغييرها. بهذا المعنى، لا يكفي أن تكون تكلفة الطلب منخفضة؛ يجب أن تكون النتيجة ذات صلة بقرار الاستثمار نفسه.

ثلاث طبقات لقراءة المبادرة نفسها

تبدأ طبقة التكلفة بربط استدعاء النموذج بحالة الاستخدام التي تسببت فيه، بدل تركه ضمن إجمالي فاتورة المورد. ويشمل الوصف المعلن رسومًا قد تغيب عن قراءة سعر الرمز وحده، وخصومات تعاقدية تغيّر التكلفة الفعلية للمؤسسة. تسمح هذه الدقة بتمييز وكيل مرتفع الكلفة من مشروع كامل يبدو متوسط إنفاقه معقولًا، كما تفصل تكلفة الاستخدام المتكرر عن تكلفة تجربة محدودة.

تضيف طبقة التبني معرفة الأشخاص والفرق والأدوات التي تستخدم الذكاء الاصطناعي. ارتفاع الاستهلاك معناه أن الأداة دخلت سير العمل، لكنه لا يخبر الإدارة إن كانت تختصر وقت المهمة أو ترفع جودتها. وإذا استخدم فريقان المساعد نفسه بمعدلين مختلفين، فلا يمكن الحكم على نجاح أي منهما من عدد الطلبات وحده؛ نوع المهمة والوقت الذي استغرقته قبل الأداة وبعدها هما جزء من الصورة.

أما طبقة النتيجة فتربط حالة الاستخدام بمؤشر عمل اختير لها، مثل زمن إنجاز مهمة أو تكلفة خدمة أو جودة مخرجاتها. عند جمع الطبقات يمكن رؤية الفرق بين مبادرة كثيرة الاستخدام ومرتفعة الكلفة، وأخرى أقل انتشارًا لكنها أقرب إلى هدف العمل. ذلك ربط للبيانات حول المبادرة، وليس برهانًا تلقائيًا على أن الذكاء الاصطناعي هو الذي أحدث كل تغير في المؤشر.

كيف تتوزع المهمة بين Atlas وForge وConvoy؟

يتولى Atlas قياس تبني الذكاء الاصطناعي والقيمة والعائد، ويعرض Forge استخدام فرق الهندسة لوكلاء البرمجة وأثره في الإنتاجية، بينما يركز Convoy على استخدام سعة الحوسبة المخصصة ودمج الأحمال. هذا التقسيم يضع فاتورة الاستدعاءات في سياق أوسع: أداة برمجة يستخدمها الموظفون، أو قدرة حوسبة حُجزت مسبقًا، أو تطبيق داخلي ارتبط بمؤشر تجاري.

تعمل المنصة مع أنظمة قائمة لدى المؤسسة، من بينها Microsoft Copilot وAmazon Bedrock AgentCore وSalesforce Agentforce، وكذلك GitHub Copilot وClaude Code. وتختلف بيانات هذه الأنظمة: بعض الإنفاق يظهر في استدعاءات النماذج، وبعضه في تراخيص أو سعة محجوزة، بينما يحتاج قياس التبني إلى معرفة من استخدم الخدمة وفي أي سياق. جمعها تحت حالة استخدام واحدة هو الجزء الذي يميز العرض عن لوحة تعرض إنفاق الموردين فقط، بشرط أن تسمح تكاملات المؤسسة بربط السجلات ربطًا موثوقًا.

متى يصبح رقم العائد مقنعًا؟

تنقل تغطية SiliconANGLE للجولة إدراج Atos وWipro بين العملاء، وأرقام الشركة المجمعة عن تحسن عائد المبادرات بنسبة 47%، وتقليص زمن إطلاق الوكلاء بنسبة 24%، وخفض هدر الإنفاق بنسبة 86%. غير أن هذه النسب لا تعرض خط أساس منفصلًا لكل عميل أو طريقة إسناد التحسن إلى المنصة؛ لذلك تبقى مؤشرات أداء تعلنها الشركة، لا قياسًا مستقلًا يمكن تعميمه على مؤسسة أخرى. وتختلف قوة الدليل بين حالة خُفّض فيها إنفاق واضح، وحالة يُنسب فيها تحسن إنتاجية فريق كامل إلى أداة واحدة.

بالنسبة إلى المدير المالي، يبدأ تقييم أي لوحة عائد بثلاثة أسئلة مرتبطة بالمبادرة نفسها: ما المؤشر قبل إدخال الأداة، وما الفترة والمجموعة التي قورنت بها النتائج، وأي تغيرات أخرى وقعت في العملية خلال تلك الفترة؟ وإذا كان المؤشر زمن إنجاز مهمة، فيجب أن يظل تعريف المهمة وجودة الإنجاز ثابتين عبر المقارنة. عندها يمكن فصل أثر الاستخدام الفعلي عن أثر زيادة حجم العمل أو تغيير توزيع الموظفين أو تعديل الإجراءات.

وتدخل في الحساب أيضًا تكاليف لا تظهر في سعر تشغيل النموذج: وصل الأنظمة، وإعداد البيانات، والمراجعة البشرية، وصيانة سير العمل عندما تتغير الأدوات. قد تبدو تجربة صغيرة مجدية قبل احتساب هذه البنود، ثم تتغير النسبة عند تعميمها على فرق أكثر. فائدة الجمع بين التكلفة والتبني والنتيجة هي إظهار موضع السؤال المالي بدقة؛ أما إجابة السببية فتظل مرتبطة بطريقة القياس وبيانات المؤسسة، لا بشكل لوحة العرض.

ماذا يفعل التمويل الآن؟

تعتزم Ascerta استخدام الجولة لتوسيع منصتها وفريق طرحها التجاري، ومدّ تكاملاتها إلى أدوات مؤسسية إضافية. توسيع التغطية له أثر مباشر على وعد القياس: حين تعمل المؤسسة عبر مساعد برمجي ونموذج مستضاف وسعة حوسبة محجوزة، تبقى صورة الإنفاق ناقصة إذا غاب أحد هذه المصادر. وفي المقابل، يزيد اتساع البيانات أهمية تحديد حالة الاستخدام ومؤشرها قبل جمع النتائج في رقم واحد.

ستظهر قيمة هذا التوسع للمشترين حين يستطيعون تتبع مبادرة محددة من كلفتها الفعلية إلى من استخدمها ثم إلى تغير قابل للمقارنة في عملها. أما القرار المالي فلن يتحدد بعدّاد الطلبات المتزايد، بل بقدرة المؤسسة على الدفاع عن خط الأساس والإسناد والتكلفة الكاملة أمام أصحاب الميزانية.

اقرأ أيضًا:

• AIHG تجمع 7.5 ملايين دولار: الشركة تدير الفندق بدل بيع البرنامج
• AI Score تجمع 4 ملايين جنيه: مراقبة الوكلاء تصبح سوقًا مستقلة
• Anthropic تموّل قياس أثر محادثات AI على الرفاه بـ5 ملايين دولار