شركة هابسبوت حققت نمواً مذهلاً في الإيرادات من 1.3 مليار دولار في 2021 إلى 3.1 مليار دولار في 2025، نمو بنسبة 141%. في الوقت نفسه، انهارت قيمتها السوقية بنسبة 71% من ذروة 2021. هذا التناقض يكشف عن أزمة عميقة تضرب قطاع البرمجيات كخدمة (SaaS): ليست مشكلة في الأداء المالي، بل في مستقبل النموذج بالكامل.
الأرقام تحكي قصة أوسع. مؤشرات البرمجيات الأمريكية انخفضت 25% من أعلى مستوياتها خلال 12 شهراً، ومتوسط تقييم شركات SaaS العامة تراجع من 18.6 ضعف الإيراد في 2021 إلى 5.1 ضعف في نهاية 2025. هذا انضغاط بنسبة 73% رغم أن معظم هذه الشركات حافظت على نموها.
المشكلة الجوهرية تكمن في الافتراض الأساسي لنماذج SaaS التقليدية: البشر سيدخلون البيانات المنظمة يدوياً في حقول محددة، أو سيشكلون العقدة المختنقة في هذه العملية. اسم العميل، اسم الشركة، مرحلة الصفقة. هذا الافتراض لم يعد قابلاً للدفاع في عصر الذكاء الاصطناعي.
السيناريو الجديد مختلف تماماً: مندوب مبيعات يعود من لقاء عميل ويحدث الذكاء الاصطناعي شفهياً بما حدث. النظام يستخرج السياق من التقويم والمحادثة وتاريخ التفاعل، يسأل عن توضيحات، ويحدث قاعدة البيانات تلقائياً. لا حقول، لا إدخال يدوي، لا واجهات معقدة. هذا ليس ترقية للنموذج الحالي، بل نموذج مختلف جذرياً للتفاعل مع البرمجيات.
السرعة مجرد عرض مسرحي، الجودة هي التحدي الحقيقي. الذكاء الاصطناعي يجعل الناس أسرع، هذا حقيقي. لكن السرعة سهلة الإظهار، تصبح سلعة بسرعة، والمكاسب الهامشية تفقد أهميتها خلال شهور عندما يشحن الجميع نفس القدرات. المشكلة غير المحلولة هي ضمان جودة المخرجات، وهنا نواجه طريقتي فشل خطيرتين.
الأولى هي انهيار النموذج (Model Collapse). عندما تُغذى البيانات المولدة بالذكاء الاصطناعي مرة أخرى لتدريب نماذج جديدة، تتدهور الجودة مع الوقت. دراسة شومايلوف وزملاؤه المنشورة في مجلة Nature عام 2024 أثبتت أن النماذج المدربة على مخرجاتها تفقد التطرفات في توزيع البيانات أولاً، ثم تنهار نحو التجانس. كل جيل أسوأ قليلاً من السابق.
الثانية هي تعفن السياق (Context Rot). المعلومات الخاطئة تنتشر عبر الإنترنت والذكاء الاصطناعي يستشهد بها كحقيقة إجماعية. مطار لندن سيتي لا يملك صالة انتظار تجارية، لكن جوجل يقدم مقالات تؤكد وجودها مع مراجعات مزيفة، لأن مصادر كافية كررت البيانات الخاطئة. هذا شكل البيانات التدريبية العامة: الكثير منها آراء، الكثير منها خاطئ.
هناك مشكلة معدل الخطأ التي لا يتحدث عنها أحد: الذكاء الاصطناعي لا يقلل معدل خطئك بالضرورة، بل يطبق نفس المعدل على كمية عمل أكبر. إذا كنت ترتكب أخطاء بنسبة 5% وضاعفت إنتاجيتك، فقد ضاعفت عدد أخطاءك المطلق. سطح الاختبار لا يتوسع مع الإنتاج. لا تزال تملك 20,000 عميل فقط، لا يمكنك إجراء تجارب A/B أكثر لمجرد أنك شحنت منتجات أكثر. الخطأ بسرعة أكبر ليس محايداً، بل ضار.
هذا النمط يتكرر عبر التاريخ بانتظام قاسي. في عام 2000، كانت شركة Siebel Systems هي المهيمنة على سوق إدارة علاقات العملاء، مربحة ورائدة وتبدو منيعة. استأجرت شركة سيلزفورس الناشئة 25 ممثلاً يرتدون قمصان “الموت للبرمجيات” للتظاهر خارج مؤتمر مستخدمي Siebel. اتصل Siebel بالشرطة، وانتشرت القصة في وول ستريت جورنال وفوربس ونيويورك تايمز. الجميع ظن أنها مزحة طلابية.
استحوذت أوراكل على Siebel في 2006، وتوقفت فعلياً عن الوجود كمنتج. الفئة لم تمت – إدارة علاقات العملاء أكبر من أي وقت مضى – لكن النموذج تغير جذرياً. ثم عطلت هابسبوت سيلزفورس بنموذج Product-Led Growth. الآن هابسبوت في موضع Siebel نفسه، والدورة تعيد نفسها.
الخبرة المتخصصة هي ما يجعل مخرجات الذكاء الاصطناعي قابلة للاستخدام فعلاً. مسوق يستخدم الذكاء الاصطناعي يتفوق على مسوق لا يستخدمه، ومهندس يستخدمه يتفوق على مهندس لا يستخدمه. لكن ما لا يحدث هو مسوق يستخدم الذكاء الاصطناعي يتفوق على مهندس أقدم في مشكلة هندسية معقدة. الذكاء الاصطناعي يضخم ما تعرفه بالفعل، لا يستبدل المعرفة.
السبب بسيط: يمكنك اكتشاف المخرج السيء فقط إذا كنت تعرف شكل الجيد. المسوق يستطيع معرفة متى نسخة الحملة خاطئة، والمهندس يستطيع معرفة متى البنية هشة. الذكاء الاصطناعي ينتج بسرعة، لكن الحكم – المتخصص بالمجال – هو ما يحدد ما إذا كانت هذه المخرجات ستُشحن أم تُرمى.
السوق الجديد يتشكل حول الأشخاص الذين يستخدمون الذكاء الاصطناعي فعلاً في عملهم اليومي. هؤلاء لا يحتاجون مديري مهام إضافيين أو 20 حقل نموذج آخر. يحتاجون أشياء تندمج في سير العمل الموجود. والجميع ينتهي بامتلاك نموذجه المخصص بطريقة أو أخرى.
هذا تحول جوهري في معنى Product-Market Fit. السؤال الأول كان “هل هذا مفيد؟” الآن صار “هل هذا يعمل مع طريقة استخدامي للذكاء الاصطناعي بالفعل؟” إذا كان الجواب لا، المحادثة انتهت قبل أن تبدأ.
التغيير على جانب العرض جذري أيضاً: أي شخص يستطيع تثبيت API الآن، ليس المطورين فقط. أي شخص يستطيع إخبار الذكاء الاصطناعي “ثبت” شيئاً ما. الكاتبة أملت أفكار مقالها الأصلي على Claude أثناء معالجتها لها، لم تجلس للكتابة. هذه علاقة منتج مختلفة جذرياً عن أي شيء بُني حوله SaaS.
الخدمات الرابحة مستقبلاً لن تملك بالضرورة واجهات منفصلة، بل توافقاً. ستندمج، وستجعل الذكاء الاصطناعي الذي تستخدمه بالفعل أفضل. هذا سوق حقيقي، نحن فقط لا نعرف أسماء العلامات التجارية بعد.
بالنسبة للمطورين ورواد الأعمال في المنطقة العربية، هذا يعني أن الفرصة الحقيقية ليست في بناء منصة SaaS أخرى معقدة، بل في بناء خدمات تعمل كإضافات ذكية للأنظمة والسير الموجودة. السوق المحلي الذي بدأ يتبنى الذكاء الاصطناعي في العمل اليومي يحتاج حلولاً تندمج بسلاسة، لا أدوات جديدة تتطلب تعلماً وإعداداً معقداً.
