لم يعد الذكاء الاصطناعي مجرد تقنية متقدمة تثير فضول المستخدمين أو أداة إضافية يمكن الاستغناء عنها عند الحاجة. خلال سنوات قليلة، انتقل من المختبرات وشركات التكنولوجيا إلى قلب الحياة اليومية، ودخل في تفاصيل العمل والتعليم والبحث والبرمجة والإعلام والاتصالات وصناعة المحتوى، فيما بات ملايين الأفراد والشركات يعتمدون بصورة يومية على منصات مثل «تشات جي بي تي» و«كلود» و«غروك» وغيرها.

ومن هنا، فإن الاضطرابات التي شهدتها خدمات الذكاء الاصطناعي خلال الثالث والرابع من أيلول/سبتمبر 2026 لا تبدو مجرد أعطال تقنية عابرة. صحيح أن توقف خدمة رقمية لبضع ساعات ليس حدثًا استثنائيًا في عالم التكنولوجيا، لكن المسألة تكتسب وزنًا مختلفًا عندما يتعلق الأمر بخدمات أصبحت جزءًا من العمليات اليومية لعدد هائل من المستخدمين والمؤسسات. وهنا يبرز سؤال أكبر من مجرد معرفة سبب العطل: هل أصبحت منظومة الذكاء الاصطناعي العالمية، بكل ما تمتلكه من قدرات هائلة، أكثر هشاشة مما تبدو عليه؟

ما يراه المستخدم على الشاشة يبدو بسيطًا للغاية: سؤال يُكتب، ثم تأتي الإجابة خلال ثوانٍ. لكن خلف هذه البساطة الظاهرية توجد منظومة تقنية هائلة ومعقدة. فالطلب الواحد قد يمر عبر شبكات اتصال ومراكز بيانات وخوادم ووحدات معالجة متخصصة وأنظمة تخزين وقواعد بيانات وبرمجيات للتوجيه والحماية والمصادقة، قبل أن يصل إلى النموذج الذي يعالج البيانات ويولد الإجابة.

وبالتالي، فإن نموذج الذكاء الاصطناعي ليس كيانًا مستقلًا يعمل بمعزل عن محيطه، بل هو حلقة داخل سلسلة تقنية طويلة، تعتمد كل حلقة فيها على الأخرى. ولذلك قد لا تكون نقطة الضعف في النموذج نفسه، ولا في قدرته على معالجة المعلومات، وإنما في إحدى البنى التحتية التي يحتاج إليها لكي يعمل.

وهنا تحديدًا تكمن المفارقة: كلما أصبح الذكاء الاصطناعي أكثر تطورًا، لم يصبح بالضرورة أقل اعتمادًا على البنية التحتية، بل العكس تمامًا. فالنماذج الأكثر قدرة تحتاج إلى موارد حوسبة أكبر، ومراكز بيانات أكثر تطورًا، وشبكات أسرع، وطاقة كهربائية هائلة، وأنظمة تبريد وتخزين واحتياط أكثر تعقيدًا. أي أن القوة المتزايدة للنموذج تأتي معها شبكة متزايدة من نقاط الاعتماد.

وخلال الأيام الأخيرة، شهدت «تشات جي بي تي» وخدمات أخرى تابعة لشركة «أوبن إيه آي» اضطرابات، بالتزامن مع مشكلات طالت أيضًا خدمات «كلود» التابعة لشركة «أنثروبيك» و«غروك» التابعة لشركة «إكس إيه آي». ولا توجد حتى الآن أدلة رسمية تثبت أن هذه الاضطرابات كانت نتيجة حادث واحد أو خلل مشترك، كما لا تتوافر معلومات موثوقة تسمح بالقول إنها كانت نتيجة هجوم إلكتروني منسق.

وهنا يجب التمييز بوضوح بين التزامن والسببية. مجرد حدوث أعطال لدى أكثر من منصة في الفترة نفسها لا يعني تلقائيًا وجود نقطة فشل واحدة أو حادث موحد يقف وراءها. لكن هذا التزامن يظل كافيًا لطرح سؤال استراتيجي مهم حول طبيعة البنية التحتية التي أصبحت تعتمد عليها صناعة الذكاء الاصطناعي.

فإلى أي حد تعتمد شركات الذكاء الاصطناعي العملاقة على عدد محدود من مزودي الحوسبة السحابية، أو على مراكز بيانات محددة، أو على شبكات ومكونات تقنية يصعب الاستغناء عنها؟ وماذا يحدث إذا تعطل أحد هذه المكونات في لحظة يكون فيها ملايين المستخدمين والمؤسسات في حاجة إلى الخدمة؟

كلما زاد الاعتماد على عدد محدود من المكونات الأساسية، ارتفعت حساسية المنظومة تجاه الأعطال. وفي عالم التكنولوجيا، لا تحتاج المنظومة إلى أن تكون «ضعيفة» كي تكون معرضة للخطر؛ يكفي أحيانًا أن تكون شديدة التعقيد وشديدة الترابط بحيث يؤدي تعطل جزء واحد منها إلى اضطراب أجزاء أخرى.

وهذا هو المعنى الحقيقي لمفهوم «الهشاشة» في هذه الحالة. فالهشاشة لا تعني أن الذكاء الاصطناعي ضعيف، ولا أن النماذج الحالية غير قادرة على أداء المهام التي صُممت من أجلها. المقصود هو هشاشة المنظومة التشغيلية المحيطة بهذه النماذج، أي البنية التي تسمح لها بالوصول إلى المستخدم والعمل على نطاق عالمي.

فإذا كان المستخدم يعتمد على خدمة ذكاء اصطناعي لإنجاز عمله، بينما تعتمد الخدمة بدورها على شبكة من مراكز البيانات والخوادم ومزودي الحوسبة والشبكات وأنظمة التخزين والطاقة والتبريد، فإن استمرارية الخدمة تصبح في نهاية المطاف رهينة بسلامة هذه المنظومة بأكملها.

ومن هنا تظهر مفارقة أخرى لا تقل أهمية: كلما أصبح الذكاء الاصطناعي أكثر قوة وانتشارًا، أصبح العالم أكثر اعتمادًا على البنية التحتية التي تشغّله.

وربما تكون مراكز البيانات المثال الأوضح على ذلك. ففي النقاش العام حول الذكاء الاصطناعي، ينصب معظم الاهتمام على النموذج نفسه: مدى ذكائه، قدرته على التفكير والتحليل، عدد المعلمات، وسرعته في الاستجابة مقارنة بالمنافسين. لكن المستخدم لا يرى عادةً الجزء الأكثر حساسية خلف هذه الواجهة؛ الكهرباء التي تغذي الخوادم، أنظمة التبريد التي تمنع ارتفاع حرارتها، شبكات الاتصال التي تنقل البيانات، وحدات التخزين، ومئات المكونات التي يجب أن تعمل معًا دون انقطاع.

وهذه الحقيقة تعني أن مستقبل الذكاء الاصطناعي لن يتوقف فقط على تطوير نماذج أكثر ذكاءً، بل أيضًا على بناء بنية تحتية أكثر قدرة على تحمل الأعطال، وأكثر توزيعًا وأقل اعتمادًا على نقاط مركزية محدودة.

وهنا يظهر مفهوم تقني بالغ الأهمية يتمثل في «نقاط الفشل المفردة». فإذا أصبحت أعداد متزايدة من شركات الذكاء الاصطناعي تعتمد على عدد محدود من مزودي الحوسبة السحابية، أو على عدد محدود من الشركات المصنعة للرقائق المتخصصة، أو على بنى شبكية ومراكز بيانات مركزة جغرافيًا، فإن تعطل عنصر أساسي واحد قد تكون له آثار تتجاوز الشركة التي تعتمد عليه مباشرة.

ولا يعني ذلك أن العالم وصل بالفعل إلى مرحلة توجد فيها «نقطة فشل عالمية» واحدة، ولا توجد أدلة كافية للقول إن الأعطال الأخيرة كشفت عن مثل هذه النقطة. لكن ما حدث يفرض سؤالًا منطقيًا على صناعة تتوسع بسرعة هائلة: هل يجري بناء منظومة الذكاء الاصطناعي بسرعة أكبر من بناء وسائل حمايتها من الأعطال؟

هذا السؤال يصبح أكثر إلحاحًا كلما انتقل الذكاء الاصطناعي من كونه أداة إضافية إلى كونه جزءًا من البنية الأساسية للاقتصاد الرقمي.

فإذا كان توقف خدمة ذكاء اصطناعي في الماضي يعني أن مستخدمًا لم يتمكن من الحصول على إجابة أو إنجاز مهمة معينة، فإن الصورة تتغير عندما تبدأ الشركات والمؤسسات في دمج هذه الخدمات داخل عملياتها الأساسية. عندها يمكن أن يمتد أثر التوقف إلى أدوات البرمجة وتحليل البيانات وخدمات العملاء وإنتاج المحتوى والبحث والتعليم، وربما إلى عمليات داخلية تعتمد عليها مؤسسات بأكملها.

وعند هذه النقطة، لن يعود السؤال ببساطة: «لماذا تعطل تشات جي بي تي؟».

بل سيصبح السؤال أكثر عمقًا: هل نملك بنية تحتية قادرة على ضمان استمرار الذكاء الاصطناعي بعدما أصبح العالم يعتمد عليه إلى هذا الحد؟

المفارقة أن النجاح نفسه قد يكون مصدر الخطر الجديد. فالإنجاز الأكبر للذكاء الاصطناعي ليس فقط في قدرته على الإجابة عن الأسئلة أو كتابة النصوص أو إنشاء الصور والبرمجيات، وإنما في قدرته على التحول إلى جزء من العمليات اليومية التي يصعب تصور العمل من دونها.

لكن كلما زاد هذا الاعتماد، ارتفعت تكلفة التوقف.

وإذا اعتمدت مؤسسة على خدمة واحدة لإنجاز مجموعة واسعة من المهام، فإن توقفها المفاجئ قد يتحول من مشكلة تقنية إلى مشكلة تشغيلية. وإذا كررت آلاف المؤسسات الأمر نفسه، فقد يصبح الاعتماد الجماعي على عدد محدود من الخدمات أو البنى التحتية مسألة تتجاوز حدود الشركات لتصبح قضية تتعلق بمرونة الاقتصاد الرقمي نفسه.

لذلك، فإن بناء مستقبل أكثر أمانًا للذكاء الاصطناعي لا يتطلب نماذج أكثر ذكاءً فقط، وإنما يتطلب أيضًا تنويع مصادر الحوسبة، وتوزيع مراكز البيانات، وتوفير أنظمة احتياط فعالة، وتحسين شبكات الاتصال، وتقليل الاعتماد على نقاط فشل منفردة، وإجراء اختبارات دورية لقدرة الخدمات على الاستمرار عند تعطل جزء من مكوناتها.

وقد يكون من الضروري، مع مرور الوقت، أن تتعامل الشركات والمؤسسات مع خدمات الذكاء الاصطناعي بالطريقة نفسها التي تتعامل بها مع أي بنية تحتية رقمية حرجة: من خلال خطط بديلة، ومصادر متعددة، وآليات للتعافي من الكوارث، وعدم افتراض أن الخدمة التي تعمل اليوم ستظل متاحة دائمًا غدًا.

فالأعطال الأخيرة لا تسمح لنا بالقول إن «منظومة الذكاء الاصطناعي العالمية أصبحت هشة» بصورة قاطعة، ولا ينبغي تحويل أي انقطاع تقني إلى دليل على وجود خلل عالمي مشترك من دون أدلة. لكنها في المقابل تكشف حقيقة أكثر أهمية: القوة الهائلة التي تظهر في واجهة الذكاء الاصطناعي تخفي خلفها منظومة تشغيلية شديدة التعقيد، وكلما ازداد اعتماد العالم عليها، ازدادت الحاجة إلى جعلها أكثر مرونة وقدرة على تحمل الأعطال.

فالذكاء الاصطناعي قد يكون ذكيًا جدًا، لكن ذلك لا يعني أن البنية التحتية التي تشغّله محصنة من الخطأ.

وربما يكون التحدي الحقيقي في السنوات المقبلة ليس فقط صناعة ذكاء اصطناعي أكثر ذكاءً، بل صناعة منظومة أكثر صمودًا.

لأن العالم الذي يقرر أن يعتمد على الذكاء الاصطناعي في العمل والتعليم والبحث والاقتصاد والإعلام، عليه أن يطرح منذ الآن سؤالًا قد يصبح يومًا أهم من السؤال عن مدى ذكاء الآلة نفسها:

ماذا سيحدث إذا تعطل الذكاء الاصطناعي في اليوم الذي يصبح فيه العالم غير قادر على الاستغناء عنه؟