ملخص
- لم يعد عرض Google Cloud للذكاء الاصطناعي المؤسسي مجرد استدعاء لنموذج Gemini. بل أصبح سطح تشغيل يدمج منصة وكلاء Gemini Enterprise ومنصة Vertex AI والاستعلامات الكبيرة وAgent Search وIAM وسجلات تدقيق السحابة وCloud Run وسير العمل وضوابط السعة في سير عمل مُدار.
- المخرج المقبول هو المقام المفيد. إجابة النموذج هي مجرد خطوة واحدة؛ تعتمد موثوقية الإنتاج على حداثة البيانات، وأذونات الأدوات، ومجموعات التقييم، وتسجيل التدقيق، وتصميم الحصص، وضوابط التكلفة، ومعالجة الاستثناءات، والتراجع.
- تدعم الأدلة العامة عمق ضوابط Google Cloud والطلب، ولكن ليس نتائج العملاء الشاملة. تُظهر إيداعات Alphabet نموًا كبيرًا في Google Cloud واستثمارًا في البنية التحتية، بينما تُظهر حوادث الحالة والوثائق لماذا لا يزال العملاء بحاجة إلى إشراف محلي وتصميم استرداد.
المخرج الذي يُحتسب هو سير العمل المُقبل، وليس الإجابة المبهرة
أفضل عرض لـ Google Cloud AI هو سؤال يُجاب بنافذة سياق كبيرة، وملخص قائم على البيانات، ووكيل يستدعي أداة، أو مطور يتحرك بسرعة من طلب بلغة طبيعية إلى كود منشور. هذا العرض مهم، لكنه ليس الوحدة الإنتاجية التي يدفع ثمنها المشتري المؤسسي في النهاية. الوحدة المهمة هي سير العمل المُدار المقبول: إجابة مدعومة بنموذج، أو قرار، أو تغيير في الكود، أو نتيجة بيانات، أو رد على عميل، أو توصية أمنية، أو إجراء داخلي ترغب الشركة في الاحتفاظ به، ومراجعته، وتكراره.
هذا المقام يغير الحكم. يمكن للنموذج إنتاج إجابة بطلاقة في ثوانٍ وما زال يفشل في سير العمل إذا استشهد ببيانات مؤسسية قديمة، أو تصرف تحت هوية خاطئة، أو تجاوز حصة، أو غير سلوكه بصمت بعد ترحيل النموذج، أو لم يترك سجل تدقيق مفيد، أو خلق تأثيرًا جانبيًا لا يمكن للفريق التراجع عنه. يشمل المخرج المقبول كل قطعة من العمل اللازمة للانتقال من الطلب إلى النتيجة القابلة للاستخدام: إعداد البيانات، وتصميم الوصول، وضبط الاسترجاع، والتقييم، والمراجعة البشرية، ومعالجة الاستثناءات، والمراقبة، وتخصيص التكلفة، والاستجابة للحوادث، وتخطيط الترحيل.
Google Cloud مناسب تمامًا لهذا الاختبار تحديدًا لأن عرضه العام أصبح الآن أوسع من مجرد نقطة نهاية نموذج. في التقرير السنوي لـ Alphabet لعام 2025، يُوصف Google Cloud بأنه يشمل البنية التحتية والمنصة والتطبيقات وخدمات سحابية أخرى، مع عروض الذكاء الاصطناعي مثل البنية التحتية للذكاء الاصطناعي المؤسسي، وVertex AI وGemini Enterprise، إلى جانب الأمن السيبراني وتحليلات البيانات. يقول نفس الملف إن Google Cloud حقق إيرادات بقيمة 58.705 مليار دولار في عام 2025، بينما يبلغ نموذج 10-Q للربع الأول من 2026 عن إيرادات Google Cloud بقيمة 20.028 مليار دولار في الربع، بزيادة 63% على أساس سنوي. هذه ليست واجهة برمجة تطبيقات مطور متخصصة.
إنها أعمال سحابية مؤسسية كبيرة تطلب من العملاء نقل العمل المتكرر إلى بنيتها التحتية.
يرفع النطاق المعيار. إذا أراد Google Cloud أن يكون النظام حيث يقبل الموظفون والمطورون وفرق البيانات ومجموعات العمليات الأعمال المدعومة بالذكاء الاصطناعي، يجب على العملاء الحكم عليه من خلال المهام المتكررة العادية بدلاً من اللحظات الحدودية. هل يمكن للمحلل طرح سؤال قائم على البيانات حول سياسة داخلية والحصول على إجابة حديثة وصحيحة الأذونات وقابلة للمراجعة؟ هل يمكن لوكيل المطور اقتراح كود مع الحفاظ على التحكم بالمصدر وأدلة الاختبار والتراجع؟ هل يمكن لسير عمل دعم العملاء أو الأمن توجيه توصية إلى الشخص المناسب مع سياق كافٍ لقبولها أو رفضها؟ هل يمكن لفريق البيانات معرفة أي مجموعة بيانات وإصدار نموذج وطلب مستخدم أنتج الإجابة؟ هذه أسئلة إنتاجية.
لا يتم الإجابة عليها بقدرة النموذج وحدها.
الحدود القانونية والعلامة التجارية ليست تجميلية
الشركة المعنية هي Google Cloud، أعمال السحابة التي تديرها Google للبنية التحتية والبيانات والأمن والتعاون وخدمات الذكاء الاصطناعي المؤسسي. لا ينبغي اختزالها في بحث Google أو استخدام Gemini الاستهلاكي أو إعلانات أبحاث DeepMind أو YouTube أو Android أو كل شريك ونتيجة عميل تتضمن نموذج Google. لغة القطاع الخاصة بـ Alphabet مهمة هنا: يشمل Google Cloud منصة Google Cloud السحابية و Google Workspace، وتشمل خدمات GCP البنية التحتية والمنصة والبنية التحتية للذكاء الاصطناعي المؤسسي وVertex AI وGemini Enterprise والأمن السيبراني وتحليلات البيانات. هذه هي الحدود التشغيلية لهذه المقالة.
الحدود تحمي التحليل أيضًا من خطأ سهل. تمتلك Google أبحاث نماذج عالمية المستوى، لكن العميل الذي يشتري Google Cloud لا يحصل على ضمان مباشر بأن كل اختراق نموذج يصبح سير عمل مستقر مقبول. يمكن للتقدم البحثي تحسين الإجابة الأولية. لا يزال سير العمل المُدار يعتمد على سطح منتج السحابة: أدوار IAM، والتوفر الإقليمي، وإعدادات التسجيل الافتراضية، وموصلات البيانات، والحصص، وإشعارات دورة حياة النموذج، وترتيبات الدعم، واتفاقيات مستوى الخدمة، والفواتير، وإدارة التغيير. نتيجة نموذج DeepMind ونتيجة إنتاج Google Cloud مرتبطتان، لكنهما ليسا نفس الدليل.
الحدود تقطع الاتجاه الآخر أيضًا. عندما تقول قصة عميل إن Replit يدير Claude على Vertex AI أو أن Fifth Dimension مركزية استدلال Gemini و Claude داخل Vertex AI، فإن الدليل يتعلق جزئيًا بـ Google Cloud كطائرة تحكم متعددة النماذج مُدارة، وليس فقط Gemini. هذا التمييز مهم تجاريًا. قد يختار العملاء Google Cloud لأنه يسمح لهم بدمج نماذج Google ونماذج الشركاء و BigQuery و Cloud Run وضوابط أمان السحابة داخل بنية واحدة. قد يواجهون أيضًا تكاليف تحويل لأن نفس الضوابط تصبح جزءًا من عملية مخرجاتهم المقبولة.
إذن سؤال المنتج ليس "هل Gemini جيد؟" بل "هل يمكن لـ Google Cloud جعل العمل المدعوم بنموذج قابلاً للحوكمة بما يكفي لقبول الشركة للمخرجات بشكل متكرر بعد حساب التكلفة الإجمالية؟" جودة Gemini هي مدخل واحد. سطح التحكم السحابي هو المنتج.
Google Cloud يبيع سطح تحكم
تصف وثائق Google الحاليةمنصة Gemini Enterprise Agent Platformكمنصة موحدة لبناء ونشر وحوكمة وتحسين الأنظمة الوكيلة والحلول القائمة على النماذج على مستوى المؤسسات. يقسمنظرة عامة على دورة الحياةدورة الحياة إلى بناء وتوسيع وحوكمة وتحسين. ويذكر استوديو منخفض الكود، وحزمة تطوير وكيل قائمة على الكود أولاً، والوصول إلى Model Garden، ووقت التشغيل المُدار، وإدارة الجلسات، وبنك الذاكرة، وهوية وكيل فريدة، وسجل الوكلاء، وبوابة الوكلاء، وتقييم Gen AI، وقابلية الملاحظة السحابية، والطوبولوجيا.
هذه القائمة كاشفة. تقول إن Google Cloud يعلم أن الذكاء الاصطناعي المؤسسي ليس مجرد استدلال. نفس المنصة التي تستضيف نموذجًا يجب أن تجيب أيضًا على من أو ما الذي يتصرف، والأداة المعتمدة، والبيانات ضمن النطاق، وما إذا تم تقييم الإجابة، وما إذا كان الإجراء قابلاً للملاحظة، وكيف يتم نشر وقت التشغيل. المقارنة المفيدة ليست إذن مجرد OpenAI أو Anthropic أو Microsoft أو AWS أو نموذج مفتوح المصدر. إنها سير العمل الحالي للعميل: عملية محلل يدوي، أو سير عمل SaaS قائم، أو مستودع بيانات ومكدس BI، أو قائمة تذاكر، أو إطار وكيل محلي، أو قرار أقل خطورة لأتمتة أقل.
قطع المنصة العامة تتوافق بشكل طبيعي مع أسئلة الإنتاج.سجل الوكلاءمركزية مكونات الذكاء الاصطناعي المعتمدة وخوادم MCP ونقاط النهاية بحيث لا يكون الوصول إلى الأدوات مبعثرًا عبر تجارب منفصلة.بوابة الوكلاءتستخدم بيانات تعريف السجل وهوية الوكيل وضوابط السياسة أثناء إنتاج تتبع قابلية الملاحظة للتفاعلات.هوية الوكيلتعطي الوكيل هوية موثقة بشدة بناءً على SPIFFE، مع ذكر الوثائق أن الهويات لا تتم مشاركتها بواسطة أعباء عمل متعددة افتراضيًا ولا يمكنها إنشاء مفاتيح حساب خدمة طويلة العمر.
هذه الضوابط مهمة لأن الأنظمة الوكيلة تفشل بشكل مختلف عن روبوتات المحادثة. يمكن لروبوت المحادثة أن يكون مخطئًا في النص. يمكن للوكيل أن يخطئ أثناء قراءة البيانات أو استدعاء أداة أو تحديث تذكرة أو كتابة كود أو تشغيل نشر أو تمرير تعليمات إلى خدمة أخرى. يجب أن يحافظ سطح التحكم على الفرق بين اقتراح وإجراء. كما يجب أن يحتفظ بأثر دائم لما حدث عندما ينتقل الفرض الخاطئ من اللغة إلى حالة الإنتاج.
ميزة Google Cloud هي أن العديد من القطع المحيطة موجودة بالفعل في ممتلكاته السحابية. IAM و Cloud Audit Logs و BigQuery و Cloud Run و Workflows و Cloud Monitoring و VPC Service Controls والفواتير ليست إضافات من مشروع هواة منفصل. إنها أوليات سحابية راسخة يمكن إدخالها في سير عمل الذكاء الاصطناعي. الضعف هو نفسه: بمجرد أن يتبنى العميل المسار المتكامل، ترث سلسلة المخرجات المقبولة التعقيد ونموذج التكلفة وأوضاع الفشل لمنصة سحابية.
ترسيخ البيانات هو مشكلة الموثوقية الأولى
يفشل معظم عمل الذكاء الاصطناعي المؤسسي قبل أن يصل إلى النموذج. البيانات غير كاملة أو قديمة أو مفرطة الأذونات أو سيئة الوصف أو مكررة أو مقيدة إقليميًا أو مبعثرة عبر أنظمة SaaS والمستودعات. لا يزال النموذج القوي بشكل منفرد يمكنه إنتاج إجابة غير مقبولة إذا كان نظام الاسترجاع يوفر سياسة الأمس أو سجل عميل قديم أو ملفًا لا ينبغي للمستخدم رؤيته أو جدولًا تغير معناه دون نسب.
لدى Google Cloud مواد خام ذات مصداقية لهذه المشكلة.الترسيخ مع Agent Searchيتيح لـ Gemini الاتصال ببيانات موقع الويب أو الوثائق عبر Agent Search. تصف الصفحة المتطلبات الأساسية مثل أذونات IAM وتفعيل تطبيقات الذكاء الاصطناعي وإنشاء مخزن البيانات، وتقول إن الترسيخ في بيانات العميل يمكن أن يستخدم حتى 10 مصادر بيانات لـ Agent Search.صفحة منتج Agent Searchالمنفصلة تضع الخدمة كنظام RAG مُدار للبيانات المؤسسية وتصف الاستشهادات والروابط والتحكم في مصدر البيانات والموصلات.
هذا تخفيض ذو معنى في تكلفة البناء. يمكن للفريق تجنب التجميع اليدوي لكل مكون من مكونات الاستيعاب وOCR والتجزئة والتضمين والفهرسة والاسترجاع والاستشهاد. لكن الترسيخ المُدار لا يلغي عمل تحديد ما يجب أن تستند إليه الإجابة المقبولة. الحد الأقصى لعدد مصادر البيانات هو حد يجب التصميم حوله. الموصل الذي يقرأ Jira أو SharePoint أو Salesforce أو مخزن مستندات لا يزال يعتمد على حداثة وأذونات ودلالات تلك الأنظمة. إذا كانت السياسة الرسمية ومسودة السياسة موجودتين في المخزن، فقد لا يعرف النموذج أيهما موثوق ما لم تحمل طبقة الاسترجاع والتعليمات تلك الحوكمة.
يضيف BigQuery طبقة ثانية.وثائق حوكمة البياناتالخاصة به تصف كتالوج المعرفة، واكتشاف البيانات الوصفية، وجودة البيانات، وتنميط البيانات، والنسب، وIAM، وضوابط الوصول على مستوى الصف والعمود، وضوابط خدمة VPC، وسجلات التدقيق، والإخفاء، والتشفير، وضوابط المشاركة، والغرف النظيفة، ومقاييس الاستخدام. هذه هي أنواع الضوابط التي يحتاجها فريق البيانات قبل أن يتمكن من قبول نتيجة مدعومة بنموذج من سياق مستودع. كما أنها تضيف عملاً. يجب على شخص ما تعريف مصطلحات المسرد والمالكين وقواعد الجودة وسياسات الإخفاء ومنح الوصول واستيعاب النسب ومراقبة الاستخدام. قد يكون هذا العمل أرخص من بناء مكدس حوكمة بيانات خاص من الصفر، لكنه ليس مجانيًا.
حوكمة البيانات هي أيضًا حيث تصبح مقارنة التكلفة الإجمالية ملموسة. قد يقضي المحلل اليدوي ساعات في العثور على المستندات لكنه يعرف المصدر الموثوق. قد يجيب الوكيل المرتكز على السحابة في ثوانٍ لكنه يتطلب أسابيع من تنظيف الأذونات وضبط مخزن البيانات قبل أن تكون الإجابة آمنة بما يكفي لقبولها. السؤال ليس ما إذا كان Google Cloud يمكنه استرداد البيانات. بل ما إذا كان العميل يمكنه الحفاظ على دقة سطح الاسترجاع وصحة الأذونات بسرعة تغييرات الأعمال العادية.
التزامات الخصوصية تساعد، لكن الاحتفاظ والجغرافيا لا يزالان بحاجة إلى تصميم
تمنح التزامات Google Cloud العامة المشترين المؤسسين نقطة انطلاق أقوى من استخدام الذكاء الاصطناعي الاستهلاكي. تقولالشروط الخاصة بالخدمةلـ Google Cloud إن Google لن تستخدم بيانات العميل لتدريب أو ضبط نماذج الذكاء الاصطناعي والتعلم الآلي دون إذن العميل أو تعليماته.صفحة حوكمة بيانات Agent Searchتقول بالمثل إن بيانات العميل المستخدمة في Agent Search لا تُستخدم لتدريب النماذج الأساسية، وأن النماذج الأساسية مجمدة وتعالج المدخلات لتوفير المخرجات للخدمة.
هذا مهم. إنه يعالج أحد الأسئلة الأولى على مستوى مجلس الإدارة: ما إذا كانت طلبات الإدخال والوثائق المستردة والمخرجات الخاصة بالشركة تصبح بيانات تدريب نموذج لشخص آخر. كما يساعد في تمييز الذكاء الاصطناعي المؤسسي لـ Google Cloud عن الاستخدام الاستهلاكي الأقل تحكمًا.
لكن جملة الخصوصية ليست تصميم الحوكمة بأكمله.وثائق عدم الاحتفاظ بالبياناتتقول إن Google لا تستخدم بيانات العميل لتدريب أو ضبط النماذج المُدارة دون إذن، بينما تصف أيضًا سيناريوهات مثل مراقبة إساءة الاستخدام وأوضاع الترسيخ حيث يمكن أن يختلف سلوك الاحتفاظ وقد يحتاج العملاء إلى طلب استثناءات أو فهم شروط منفصلة. للترسيخ مع بحث Google وخرائط Google لغة احتفاظ خاصة به. هذا لا يجعل المنصة غير آمنة. يعني ذلك أن على العميل تعيين كل ميزة يشغلها لفئة البيانات التي يرغب في كشفها والمنطقة التي قد تتم معالجتها فيها.
السؤال الإقليمي مشابه. تقول وثائق الترسيخ إن تطبيقات الذكاء الاصطناعي متاحة في المناطق المتعددة العالمية والأوروبية والأمريكية. لا يمكن لمؤسسة تعمل بموجب قواعد محلية البيانات أن تفترض أن كل ميزة ذكاء اصطناعي ونموذج وموصل وسجل ومسار دعم له نفس الجغرافيا. سيادة البيانات نادرًا ما تكون مفتاحًا واحدًا. إنها سلسلة من موقع النموذج وموقع مخزن البيانات والسجلات ووصول الدعم والنسخ الاحتياطي والمراقبة واستخدام نموذج طرف ثالث ووصول الموظفين.
هذه السلسلة تغير المشتريات. يجب على الشركة التي تختار بين Google Cloud أو مزود سحابة آخر أو ميزة ذكاء اصطناعي SaaS قائمة أو نموذج مفتوح المصدر في بيئتها الخاصة أو القيام بأتمتة أقل أن تقارن أدلة مسار البيانات، وليس الشعارات. يمتلك Google Cloud العديد من أوليات التحكم الصحيحة. لا يزال على المشتري إثبات أن مجموعة الميزات المختارة تناسب التزامات المحلية والاحتفاظ والتدقيق الخاصة به.
الأذونات تقرر ما إذا كان الوكيل مفيدًا أم خطيرًا
الانتقال من الإجابة إلى الإجراء يعتمد على الهوية. النموذج الذي يمكنه فقط التلخيص محدود بنصه. الوكيل المدعوم بنموذج يمكنه قراءة بيانات خاصة واستدعاء واجهات برمجة التطبيقات وكتابة التذاكر وتعديل الكود وتغيير سجلات العملاء وبدء سير العمل أو تشغيل عمليات النشر يحتاج إلى نموذج أذونات أضيق من حماسة العرض التوضيحي.
تمنح وثائق Google Cloud العملاء العديد من الأوليات المفيدة.وثائق IAM لمنصة الوكلاءتقول إنه يمكن إدارة الوصول على مستوى المشروع أو المورد، وأن الأدوار المخصصة موصى بها عندما تحتاج الفرق إلى تقييد الوصول إلى الأذونات المطلوبة فقط.هوية الوكيلتجعل الوكيل نفسه مسؤولًا بدلاً من إخفاء كل إجراء خلف حساب خدمة واحد مشترك.بوابة الوكلاءتستخدم الهوية وبيانات تعريف السجل لاتخاذ قرارات التفويض وتنفيذ السياسة.
هذه الضوابط ذات قيمة فقط إذا استخدمها العميل بانضباط. طريق المقاومة الأقل في أي منصة هو وصول واسع أثناء التجربة الأولية: حساب خدمة واحد، ودور واحد متساهل، والعديد من الأدوات، ووعد بتشديده لاحقًا. قد يكون هذا مقبولًا لصندوق رمل. إنه النمط الخاطئ لسير عمل مقبول. سير العمل المُدار يحتاج إلى هويات منفصلة لفئات إجراءات منفصلة، وأذونات مصدر بيانات تتبع المستخدم أو المهمة، ونطاقات أدوات تطابق أقصى نصف قطر انفجار مقبول، وسجلات تحدد الوكيل والمستخدم والهدف.
يجب أن يميز التصميم أيضًا بين القراءة والاقتراح والتنفيذ. الوكيل الذي يقرأ سياسة ويصوغ ردًا لا ينبغي أن يكون لديه تلقائيًا إذن إرسال الرد. الوكيل الذي يوصي بتغيير كود لا ينبغي أن يدمجه تلقائيًا. الوكيل الذي يصنف مشكلة عميل لا ينبغي أن يغير سجل الحساب تلقائيًا ما لم يكن للإجراء قاعدة موافقة وفحص ما بعد الشرط ومسار استرداد. الهدف من موثوقية سير عمل الذكاء الاصطناعي ليس منع كل إجراء آلي. بل جعل سلطة كل إجراء مقروءة ومحدودة.
هذا هو المكان الذي يمكن أن تساعد فيه ممتلكات Google Cloud المتكاملة. Cloud IAM وحسابات الخدمة وسياسات مستوى المورد وضوابط خدمة VPC وسجلات التدقيق مألوفة لفرق أمن السحابة. لكن موضوع الحوكمة قد تغير. قد يكون المسؤول الآن وكيلًا، وقد تكون البيانات سياق استرجاع بدلاً من استعلام قاعدة بيانات مباشر، وقد يصبح المخرج إجراءً تجاريًا. يجب على فرق الأمن معاملة أذونات الوكيل كامتيازات إنتاجية، وليس كإعدادات لكتابة الطلبات.
التقييم هو ميزة، وليس بديلاً عن الحكم
يستحق Google Cloud الثناء لجعل التقييم جزءًا من قصة المنصة.نظرة عامة على خدمة تقييم Gen AIتقول إنها تدعم التقييم الموضوعي القائم على البيانات لنماذج الذكاء الاصطناعي التوليدي وحالات الاستخدام مثل ترحيل النماذج وتغييرات صياغة الطلب والضبط الدقيق. تصف المعايير التكيفية كاختبارات نجاح/رسوب مخصصة للطلبات الفردية، تشبه اختبارات الوحدة في تطوير البرمجيات.وثائق تقييم الوكيلتوسع الفكرة إلى قدرة الوكيل على إكمال المهام والأهداف.
هذا هو الاتجاه الصحيح. تحتاج المؤسسات إلى التوقف عن معاملة تقييم الذكاء الاصطناعي كمسابقة لمرة واحدة بين البائعين. سير العمل المُدار يحتاج إلى اختبارات متكررة للمخرج المقبول: هل استخدمت الإجابة المصدر المعتمد، وراعت حدود الدور، وتضمنت أدلة كافية، ورفضت عندما تكون البيانات مفقودة، وأكملت استدعاء الأداة، وتجنبت التنسيق غير الآمن في المصب، وبقيت ضمن أهداف زمن الاستجابة والتكلفة، وحافظت على مسار استرداد؟
لكن أدوات التقييم لا تنشئ مجموعة الحقيقة. لا يزال على العميل تحديد ما هي الإجابة الجيدة، وجمع الحالات التمثيلية، ووضع علامات على الحالات الحدودية، وتحديد عتبات النجاح/الفشل، وتضمين أمثلة سلبية، واختبار حقن التعليمات، واختبار البيانات القديمة، واختبار عدم تطابق الأذونات، وتحديث المجموعة عندما يتغير العمل. إذا لم تقم الشركة مطلقًا بتسجيل كيف يقرر الإنسان ما إذا كان ملخص مخاطر البائع مقبولاً، فلا يمكن لخدمة تقييم النموذج استنتاج السياسة بأكملها. يمكنها تشغيل الاختبار بمجرد أن توفر المنظمة المعيار.
تكلفة التقييم تنمو أيضًا مع الطموح. قد يحتاج تدفق تلخيص بسيط إلى مجموعة صغيرة من الأمثلة وفحوصات نقطية يدوية. الوكيل المُدار الذي يكتب كودًا ويقرأ مستودع بيانات ويتصل بعميل أو يحدث سجل امتثال يحتاج إلى اختبار أعمق. إنه يحتاج إلى شروط ما بعد الإجراء محددة، وفحوصات انحدار عبر إصدارات النموذج، وتعليمات خصومة، وميزانيات تكلفة وزمن استجابة، ومراجعة بشرية على الحالات غير المؤكدة. كلما كان سير العمل أكثر قيمة، زادت تكلفة أدلة القبول.
هذه التكلفة لا تزال غالبًا تستحق الدفع. المراجعة اليدوية بدون تقييم لا تتوسع بشكل جيد وتفقد الانحراف. قد تخفي أداة SaaS قائمة سلوك نموذجها الخاص. يمكن للمكدس الداخلي أن يخلق عبء تقييم أكبر لأن كل مكون يتم تجميعه محليًا. يمكن لخدمة التقييم من Google Cloud تقليل عمل البنية التحتية. لا تزيل العمل التنظيمي لتحديد ما هو مقبول.
سجلات التدقيق تحول الصندوق الأسود إلى سجل، ولكن فقط إذا تم تمكينها وقراءتها
قابلية التدقيق هي واحدة من أوضح مزايا Google Cloud مقارنة باستدعاء نموذج منفرد.سجلات تدقيق منصة الوكلاءتقول إن خدمات Google Cloud تكتب سجلات تدقيق للمساعدة في الإجابة عن من فعل ماذا وأين ومتى. لا يمكن تعطيل سجلات النشاط الإداري. سجلات أحداث النظام تحدد إجراءات Google Cloud التلقائية التي تعدل الموارد ولا يمكن تعطيلها أيضًا. سجلات الوصول إلى البيانات تشمل قراءات وكتابات البيانات المقدمة من المستخدم، لكن الوثائق تقول إنه يجب تمكينها صراحةً.
الصفحة المنفصلة حولتمكين سجلات تدقيق الوصول إلى البياناتيسهل تفويتها ومهمة للغاية. تقول إن العملاء بحاجة إلى تمكين هذه السجلات للحصول على سجلات تدقيق حول استخدام نقطة نهاية النموذج، وأن مشاهدة تدفقdata_accessيتطلب عارض سجلات خاص.نظرة عامة على سجلات تدقيق السحابةالعامة تضيف أن سجلات الوصول إلى البيانات خارج BigQuery معطلة افتراضيًا لأنها يمكن أن تكون كبيرة وقد تخلق رسومًا.
هذه مقايضة عملية في الحوكمة. التسجيل الكامل يخلق دليلاً لكنه يخلق أيضًا تكلفة وأسئلة احتفاظ وأسئلة تحكم في الوصول وعمل مراجعة. إذا لم يقم الفريق بتمكين السجلات الصحيحة، فقد لا يتمكن من إعادة بناء أي طلب أو نقطة نهاية أو مصدر بيانات أو هوية أو استدعاء أداة أدى إلى مخرج مقبول. إذا مكن كل شيء دون انضباط التوجيه والاحتفاظ، فقد يولد سجلات حساسة عالية الحجم قليل من الناس يفحصونها. قابلية التدقيق ليست مربعًا لوضع علامة. إنها منتج بيانات.
لسير عمل ذكاء اصطناعي مقبول، يجب أن يشمل الحد الأدنى من السجل المستخدم أو الخدمة التي طلبت العمل، وهوية الوكيل، والنموذج والإصدار، ومصادر الاسترجاع، واستدعاءات الأدوات، وقرارات الأذونات، ونتيجة التقييم أو خطوة المراجعة، والمخرج النهائي المقبول، وأي إجراء في المصب. توثق Google Cloud عدة قطع من هذه السلسلة، لكن السجل من النهاية إلى النهاية يعبر حدود المنتج. قد يحتاج العميل إلى Cloud Logging وسجلات التطبيق وبيانات تعريف وظائف BigQuery وتتبع بوابة الوكلاء وسجلات التحكم بالمصدر وتاريخ التذاكر ومسارات تدقيق أنظمة الأعمال.
الآثار التجارية بسيطة: الوفورات التي تتجاهل عمل التدقيق مبالغ فيها. إذا وفر النموذج 20 دقيقة من الصياغة لكنه يتطلب 10 دقائق من فحص الأدلة، فإن توفير المخرجات المقبولة ليس 20 دقيقة. إذا منع التسجيل خطأً مكلفًا واحدًا، فقد لا تزال الاقتصاديات ممتازة. يجب أن تشمل المحاسبة عمل المراجعة.
انحراف الإصدار هو تكلفة موثوقية
تتغير أنظمة الذكاء الاصطناعي أكثر من سير العمل المؤسسي التقليدي. تتقاعد النماذج، وتُهمل نقاط النهاية، وتتغير مرشحات الأمان، وتنمو نوافذ السياق، وتتحول ملامح زمن الاستجابة، وتتغير الأسعار، وتظهر نماذج شريكة أو تختفي.صفحة إصدارات النماذج ودورة الحياةلـ Google Cloud موجودة لأن هذا قلق تشغيلي حقيقي. تحدد مصطلحات دورة الحياة لنماذج Gemini ونماذج التضمين، وتوفر التواريخ، وتوصي بالترقيات، وتشير إلى مسارات الترحيل. توثق ملاحظات الإصدار تحديثات الإنتاج والميزات والمشكلات المعروفة والوظائف المهملة.
السؤال التشغيلي ليس ما إذا كان التغيير يحدث. بل ما إذا كان التغيير مرئيًا قبل أن يكسر العمل المقبول. قد يؤدي ترحيل النموذج الذي يحسن الاستدلال العام إلى تغيير النبرة أو سلوك الرفض أو مخطط المخرجات أو أسلوب الاستشهاد أو تكلفة الرمز أو تواتر استدعاء الأداة. قد يؤدي تغيير الترسيخ إلى تحسين الاسترجاع لمجموعة واحدة وتدهوره لأخرى. قد يمنع تحديث مرشح الأمان مهمة أمنية داخلية مشروعة. قد يجبر إشعار الإهمال على الترحيل خلال ربع مزدحم.
يمكن لـ Google Cloud المساعدة من خلال نشر معلومات دورة الحياة وأدوات التقييم. لا يزال العملاء بحاجة إلى انضباط الترحيل. كل سير عمل مقبول يجب أن يكون له مسار نموذج مثبت أو معلن حيثما أمكن، ومجموعة انحدار، ومجموعة بيانات تمثيلية، ونافذة تغيير، وخيار تراجع أو احتياطي، ومالك يراقب ملاحظات الإصدار. إذا كان سير العمل يستخدم نموذج شريك عبر Vertex AI، فإن العميل يعتمد أيضًا على دورة حياة النموذج وشروطه. الاختيار متعدد النماذج يقلل الاعتماد على نموذج واحد لكنه يمكن أن يزيد عمل الاختبار.
هذا أحد الأسباب التي تجعل مقام المخرجات المقبولة مفيدًا. استدعاء نموذج واحد قد يبدو رخيصًا. سير العمل المُدار يتضمن الترحيلات المستقبلية. إذا لم يستطع العميل تحمل تكلفة اختبار تغييرات النموذج، فلا ينبغي له أتمتة العمل عالي العواقب بعمق. إذا كان سير العمل قيمًا بما يكفي، يصبح التقييم المتكرر وتخطيط الترحيل جزءًا من التكلفة الحقيقية للمنتج.
السعة والحوادث تجعل الموثوقية خيارًا تصميميًا
يمتلك Google Cloud حجم البنية التحتية لخدمة الذكاء الاصطناعي المؤسسي، لكن لا ينبغي للعملاء الخلط بين الحجم والسعة اللانهائية. يبلغ نموذج 10-Q للربع الأول من 2026 عن 462.3 مليار دولار من التزامات الأداء المتبقية المتعلقة بـ Google Cloud واستثمارات كبيرة في البنية التحتية التقنية. كما يقول إن النفقات الرأسمالية للربع الأول من 2026 بلغت 35.7 مليار دولار وأن Alphabet تتوقع زيادة الاستثمار في البنية التحتية التقنية مقارنة بعام 2025. هذا الحجم يشير إلى الطلب والالتزام. كما يظهر أن سعة الذكاء الاصطناعي كثيفة رأس المال.
على مستوى المنتج، يكشف Google Cloud عن عدة مفاهيم استهلاك وسعة.نظرة عامة على الإنتاجية المزودةتصف اشتراكًا ثابت التكلفة وثابت المدة يحجز الإنتاجية للنماذج المدعومة للذكاء الاصطناعي التوليدي حسب النموذج والموقع. توصي بالنظر في الخيار لتطبيقات الإنتاج في الوقت الحقيقي وأعباء العمل الحرجة عالية الإنتاجية بشكل ثابت وتجربة مستخدم يمكن التنبؤ بها وتكاليف حتمية.وثائق الحصصتسرد حدود النموذج والإقليم وحدود وقت تشغيل الوكيل وحصص التقييم وسلوك الدفعة. تلاحظ أن استدلال الدفعة لـ Gemini يستخدم تجمعًا مشتركًا وقد يقوم بتأجيل العمل أثناء ضغط السعة.
هذه التفاصيل ليست معلومات مشتريات تافهة. إنها تشكل ما إذا كان سير العمل موثوقًا. وكيل دعم العملاء المستخدم من قبل عدد قليل من الموظفين الداخليين يمكنه تحمل تقلب PayGo بسهولة أكبر من نظام المطالبات المواجه للعملاء خلال ذروة الحجم. يمكن أن تصطف دفعية التقييم الليلي إذا كانت النتيجة مطلوبة غدًا، ولكن ليس إذا كانت تمنع نشرًا في نفس الساعة. سير العمل مع هدف زمن استجابة صارم قد يحتاج إلى إنتاجية مزودة أو مسار احتياطي. التكلفة الحتمية قد تهم بقدر زمن الاستجابة الحتمي لأن العمل المدعوم بنموذج يمكن أن يخلق تكاليف رمز واسترجاع وتسجيل ومراجعة يصعب توقعها أثناء التجربة الأولية.
حوادث الحالة تظهر نفس النقطة. في 27 فبراير 2026، أبلغ Google Cloud عنحادث Vertex AI Gemini APIاستمر ساعة و58 دقيقة وأثر على نقطة النهاية العالمية ومناطق الولايات المتحدة. كان السبب الجذري المبلغ عنه تغيير تكوين لخدمة تصفية الأمان الداعمة لنماذج Gemini، مما أدى إلى أخطاء تحميل زائد؛ شمل العلاج التراجع وإضافة السعة وتعزيز نقاط فحص التحقق وتحسين التنبيه. في 18 يوليو 2025، أثرحادث متعدد المنتجات في us-east1على منتجات تشمل Cloud Run و Cloud Workflows و BigQuery و IAM و Cloud Monitoring و Vertex AI Online Prediction و VPC بعد مشكلة في سير عمل/طائرة تحكم الأجهزة.
هذه الحوادث لا تثبت أن Google Cloud غير موثوق بشكل غير عادي. إنها تثبت أن سير عمل الذكاء الاصطناعي المُدار يعتمد على خدمات مشتركة: واجهات برمجة تطبيقات النموذج ومرشحات الأمان والمناطق والشبكات وIAM والمراقبة والتنسيق ومنصات البيانات. سير العمل المرن يحتاج إلى قاعدة بيانات قديمة وقاعدة إعادة محاولة ونموذج احتياطي أو قائمة انتظار ورسالة وضع متدهور ومسار يدوي للعمل العاجل وطريقة لتمييز فشل المنصة عن فشل النموذج. قد يكون النموذج قادرًا بينما نقطة النهاية محدودة المعدل. قد تكون البيانات صحيحة بينما مشغل سير العمل يفشل. قد يكون الوكيل سليمًا بينما مسارات IAM أو الشبكة معطلة.
الموثوقية إذن هي جزئيًا ميزة منتج وجزئيًا خيار معماري. يقدم Google Cloud اتفاقيات مستوى الخدمة وخيارات السعة. لا يزال العميل يقرر أي المهام تستحق الإنتاجية المحجوزة أو التصميم متعدد المناطق أو الاحتياطي اليدوي أو الأتمتة الأقل.
التراجع أسهل للحوسبة منه لحالة الأعمال المقبولة
يمتلك Google Cloud ضوابط نشر ناضجة للبنية التحتية البرمجية.Cloud Runيسمح للفرق بتقسيم حركة المرور وطرح مراجعة تدريجيًا والتراجع إلى مراجعة سابقة. تحذر الوثائق أيضًا من أن تغييرات حركة المرور ليست فورية وأن الطلبات قيد التنفيذ تستمر أثناء الانتقال.Workflowsيدعم هياكل المحاولة وإعادة المحاولة ومعالجة الاستثناءات.
هذه ضوابط مفيدة لتطبيقات الذكاء الاصطناعي. يمكن للفريق نشر خدمة وكيل جديدة لنسبة صغيرة من حركة المرور ومراقبة الأخطاء والتراجع عن الحاوية إذا تصرفت بشكل سيء. يمكنه التقاط حالات فشل HTTP المؤقتة وإعادة محاولة المكالمات المختارة والتفرع إلى مسار استثناء. يمكنه توجيه سير عمل فاشل إلى تذكرة بدلاً من التظاهر بأن الإجراء اكتمل.
لكن التراجع التجاري أصعب من التراجع عن البنية التحتية. إذا صاغ الوكيل إجابة ولم يرسلها الإنسان، فالتراجع بسيط: تجاهل المسودة. إذا قام الوكيل بتحديث حقل CRM أو تقديم نموذج امتثال أو تغيير سياسة أو إرسال رسالة أو الموافقة على استرداد أو فتح حالة دعم أو دمج كود، فإن التأثير الجانبي يعيش خارج نقطة نهاية النموذج. التراجع عن مراجعة Cloud Run لا يلغي الرسالة أو يستعيد فهم العميل القديم. إعادة المحاولة يمكن أن تجعل الفشل المؤقت أسوأ إذا لم يكن الإجراء في المصب غير قابل للتأثير.
هذا هو المكان الذي يصبح فيه اختبار المخرجات المقبولة صارمًا. كل فئة إجراء تحتاج إلى شرط ما بعد الإجراء ومسار استرداد. سير عمل تغيير الكود يحتاج إلى دليل التحكم بالمصدر والاختبارات وتراجع النشر وملكية المشكلة. سير عمل نتيجة البيانات يحتاج إلى نسب الاستعلام وإصدار مجموعة البيانات وفحوصات جودة البيانات وإجراءات التصحيح. سير عمل إجراء العميل يحتاج إلى عتبات موافقة وطريقة لإعلام العميل إذا تم العثور على إجابة مقبولة خاطئة لاحقًا. سير عمل الأمن أو العمليات يحتاج إلى تجاوز بشري ومسار لإزالة حظر خاطئ.
يمكن لـ Google Cloud توفير العديد من الضوابط ذات المستوى المنخفض، لكنه لا يمكنه تعريف معكوس الأعمال للعميل. يمكن للمنصة أن تسمح للعميل ببناء إعادة المحاولة؛ لا يمكنها معرفة ما إذا كانت إعادة المحاولة آمنة. يمكن للمنصة تسجيل الطلب؛ لا يمكنها ضمان أن النظام في المصب وصل إلى الحالة المقصودة ما لم يتحقق سير العمل من الوجهة. ينتقل العبء إلى التصميم.
قصص العملاء تظهر التبني، وليس إجابة عالمية
قصص عملاء Google Cloud هي إشارات سوقية مفيدة لأنها تظهر أنواع سير العمل التي يحاول المشترون تنفيذها. لا ينبغي قراءتها كمعايير مستقلة.
FletcherTechأبلغت عن نشر Gemini Enterprise على البيانات الأساسية في ثلاثة أسابيع، وتقديم 31,778 إجابة لـ 222 موظفًا على مدى ثلاثة أشهر وتوفير أكثر من 2,500 ساعة. تذكر القصة موصلات البيانات و Jira و ServiceNow و SharePoint ومساعدي الذكاء الاصطناعي المخصصين ومشروع Google Cloud مخصص لحوكمة الموارد والوصول والتكلفة. هذا قريب من موضوع المخرجات المقبولة: القيمة ليست فقط المساعد، بل التكامل في الأنظمة والضوابط اليومية.
Fifth Dimensionأبلغت عن استخدام Vertex AI لمركزية استدلال Gemini و Claude لسير عمل العقارات التجارية الثقيلة المستندات، مع Cloud SQL و Cloud Storage و Cloud Run و BigQuery في المكدس. تصف القصة سير عمل طويل الأمد وهدف موثوقية مبلغ عنه بنسبة 99.9%. إنه مثال مفيد لـ Google Cloud كمنصة سير عمل متعددة النماذج بدلاً من بيئة Gemini فقط.
Replitأبلغت عن استخدام Claude على Vertex AI و Gemini و Cloud Run و Compute Engine و Cloud SQL و BigQuery لدعم إنشاء ونشر البرامج بمساعدة الذكاء الاصطناعي. تقول القصة إن Replit يدعم أكثر من 35 مليون مطور وأكثر من 100,000 تطبيق عبر Cloud Run. مرة أخرى، الدرس معماري: الوكيل متصل بالنشر والبيانات والبنية التحتية.
الحدود مهمة بنفس القدر. لا تكشف هذه القصص عن معدلات الاستثناء الكاملة أو المخرجات المقبولة الخاطئة أو دقائق المراجعة البشرية أو وقت التراجع أو عمل الترحيل أو الطلبات الفاشلة أو تكلفة تنظيف البيانات أو ما حدث عندما تدهورت نقطة النهاية. إنها ليست عديمة الفائدة لأنها ترويجية؛ إنها مفيدة إذا قرئت كدليل على التبني. تظهر أن العملاء ينقلون العمل الحقيقي إلى أسطح الذكاء الاصطناعي لـ Google Cloud. لا تثبت أن كل مؤسسة ستوفر المال بعد تكاليف الإشراف والتكامل.
الحالة التجارية تعتمد على تقليل العمل الكلي
الحالة التجارية لـ Google Cloud هي الأقوى عندما تكون المهمة متكررة وغنية بالأدلة ومحدودة الأذونات ومكلفة بما يكفي لتكون الأدوات الأفضل أفضل من العمل اليدوي. المرشحون الجيدون يشملون الإجابات المعرفية الداخلية المستندة إلى مصادر معتمدة، وتغييرات الكود في المسودة الأولى مع الاختبارات والمراجعة، واستخراج البيانات الثقيلة المستندات، وفرز الدعم، وإثراء الأمن، والتحليلات المُدارة، وتوجيه سير العمل حيث يمكن فحص المخرج المقبول قبل أن يغير العالم الخارجي.
تضعف الحالة عندما تكون المهمة نادرة أو غامضة أو عالية المسؤولية أو سيئة التوثيق أو موزعة عبر أنظمة لا يمكن الوصول إليها أو تعتمد على الحكم البشري الضمني. في هذه الحالات، قد لا يزال النموذج يساعد في الصياغة أو البحث، لكن سير العمل المقبول قد يظل بشريًا في الغالب. القيام بأتمتة أقل يمكن أن يكون عقلانيًا. لا تحتاج الشركة إلى وكيل مستقل لمهمة تحدث مرتين في الشهر ولها عواقب وخيمة إذا كانت خاطئة.
المجموعة البديلة واسعة. العمل اليدوي له اعتماد منخفض على المنصة لكن تكلفة عمل عالية وأدلة غير متسقة. قد يكون للذكاء الاصطناعي SaaS القائم تكامل مجال متفوق لكن حوكمة عبر الأنظمة أو اختيار نموذج أضعف. قد يقدم مزود سحابة/نموذج آخر أداء نموذج أفضل أو ملاءمة للنظام البيئي لكنه يتطلب تكامل بيانات وهوية مختلفًا. قد يقلل المصدر المفتوح من تقيد البائع ويحسن التحكم، مع زيادة أعمال الاستضافة والأمن والتقييم والعمليات. يمكن تصميم المكدس الداخلي حسب الطلب لكنه يتطلب هندسة منصة نادرة. عرض Google Cloud هو أن سطح الذكاء الاصطناعي والبيانات والهوية والنشر والتسجيل المتكامل يخفض تكلفة المسار الأوسط.
يجب حساب تكلفة التبديل من البداية. إذا بنى العميل مخازن البيانات ومجموعات التقييم وأدوار IAM وخدمات Cloud Run و Workflows ونسب BigQuery ومسارات التدقيق ولوحات المعلومات وعمليات الدعم حول Google Cloud، فإنه يكتسب الترابط لكنه يفقد قابلية النقل. قد يكون النموذج المنافس قابلاً للاستدعاء عبر Vertex AI أو مزود منفصل، لكن نظام المخرجات المقبولة أكثر من مجرد نموذج. إنه يشمل السجلات والأذونات والمقيمين وعقود البيانات وأنماط النشر.
هذا ليس سببًا لتجنب Google Cloud. إنه سبب لتصميم مسارات خروج. خزّن مجموعات بيانات التقييم في تنسيقات محمولة. حافظ على قواعد العمل خارج التعليمات الحرة حيثما أمكن. افصل محولات النموذج عن منطق سير العمل. تتبع المستندات المصدر ومخططات المخرجات. اجعل سجلات التدقيق قابلة للقراءة خارج وحدة تحكم واحدة. أفضل نتيجة للعميل ليست عدم وجود تقيد؛ إنها نمطية كافية بحيث يكسب Google Cloud عبء العمل عن طريق تقليل العمل، وليس عن طريق حجز العملية.
ما يجب أن يسأله المشتري الجاد
يجب كتابة سؤال الشراء كاختبار تشغيلي. لمهمة متكررة واحدة، ما هو المخرج المقبول، ومن يقبله، وما هو الدليل المطلوب، وما هي البيانات التي يمكن استخدامها، وما الإجراء الذي يمكن أن يتبع، وماذا يحدث عندما يكون خطأً؟ يجب أن يسبق هذا البيان قرار المنصة.
بالنسبة لـ Google Cloud تحديدًا، يجب على المشتري أن يسأل ما إذا كان سير العمل يحتاج إلى تجربة مساعد Gemini Enterprise المواجه للموظفين، أو سطح البناء والحوكمة لمنصة الوكلاء، أو ترسيخ Agent Search، أو حوكمة BigQuery، أو نشر Cloud Run، أو تنسيق Workflows، أو كلها. شراء جميع القطع دون تعريف مهمة يخلق برنامج منصة، وليس سير عمل موثوق. شراء القليل جدًا يخلق عرضًا توضيحيًا للنموذج لا يمكن حوكمته.
يجب على المشتري أيضًا أن يسأل ما هي سجلات تدقيق الوصول إلى البيانات التي سيتم تمكينها، ومن يمكنه مشاهدتها، وأين يتم الاحتفاظ بها، وما هي عملية المراجعة التي تحول السجلات إلى إشراف. يجب أن يقرر أي الإجراءات تتطلب موافقة بشرية، وأيها يمكن أن تعمل تلقائيًا، وأيها لا ينبغي تفويضها أبدًا. يجب أن يحدد خطة ترحيل النموذج قبل أن يتغير إصدار النموذج الأول. يجب أن يحدد قواعد الحصص والإنتاجية قبل أن تصبح التجربة الأولية الناجحة منتجًا مزدحمًا. يجب أن يكتب احتياطيًا لأخطاء نقطة النهاية والاسترجاع القديم. يجب أن يختبر حقن التعليمات ومعالجة المخرجات غير الآمنة لأن قائمة مخاطر LLM من OWASP ليست نظرية للأنظمة التي تمرر مخرجات النموذج إلى الأدوات.
أخيرًا، يجب على المشتري أن يبقي المقام البشري مرئيًا. كم عدد المخرجات المقبولة المتوقعة في الأسبوع؟ كم عدد المرفوضة؟ كم من الوقت تستغرق المراجعة؟ كم مرة يطلب الوكيل توضيحًا؟ كم عدد المخرجات التي تحتاج إلى تصحيح بعد القبول؟ كم مرة يقوم مالكو البيانات بتحديث المجموعة؟ كم ساعة هندسية تذهب إلى ترحيل النموذج والتسجيل؟ إذا لم يتم جمع هذه الأرقام، فستقيس المؤسسة الحماس بدلاً من الإنتاجية.
يمنح Google Cloud المؤسسات سطح تحكم جاد لسير عمل الذكاء الاصطناعي المُدار. لديه النماذج وممتلكات البيانات وآلية الهوية وطبقة النشر والسجلات وخدمة التقييم والحجم التجاري. الاختبار الذي لم يُحل بعد هو ما إذا كان العملاء يمكنهم استخدام هذه القطع لتقليل العمل الكلي بمجرد حساب الإشراف. الفائز ليس المنصة التي تجيب بأسرع في عرض توضيحي. بل تلك التي تظل مخرجاتها المقبولة مفيدة وقابلة للتفسير وصحيحة الأذونات وقابلة للاسترداد بعد المائة تشغيل عادي.