IBM تبخرت 40 مليار، Block تقضي على نصف الموظفين وسعر السهم يرتفع: في عصر الذكاء الاصطناعي، ما الأصول التي تستحق التحويل إلى رموز؟

في 23 فبراير 2026، يوم كان من المفترض أن يكون هادئًا، شهد سهم شركة IBM أكبر انخفاض ليوم واحد منذ أكتوبر 2000. حيث استقر سعر الإغلاق على انخفاض بنسبة 13.2%، مما أدى إلى اختفاء حوالي 40 مليار دولار من القيمة السوقية خلال بضع ساعات. لم يكن السبب هو إعلان أرباح مخيب للآمال أو ضربة تنظيمية، بل كان إعلان منتج: أعلنت شركة Anthropic الناشئة في مجال الذكاء الاصطناعي أن أداة Claude Code يمكنها تحديث برامج COBOL التي تعمل على أنظمة IBM، والتي تعتبر بالضبط من الأعمال ذات الأرباح الكبيرة و"الحمى" التي تحميها IBM.

بعد ثلاثة أيام، تكرر السيناريو بشكل معكوس تمامًا. ففي 26 فبراير، أعلنت شركة Block، التابعة لجاك دورسي، عن تسريح حوالي 4000 موظف، أي ما يقرب من 50% من قوتها العاملة، وذلك بدعوى تحسين الكفاءة عبر الذكاء الاصطناعي. لكن رد فعل السوق كان مختلفًا تمامًا — حيث قفز سعر سهم الشركة بأكثر من 24% بعد إغلاق التداول. في رسالة للمساهمين، صرح دورسي بصراحة: “أنا أؤمن أنه خلال العام القادم، ستصل معظم الشركات إلى نفس الاستنتاج، وستجري تعديلات هيكلية مماثلة.”

هذان الحدثان، مع نفس المحفز — الذكاء الاصطناعي؛ وردود فعل سوقية متباينة — هبوط حاد وارتفاع كبير. فما الذي حدث وراء الكواليس؟ ربما تشير الإجابة إلى قضية أعمق: أن الذكاء الاصطناعي يعيد تعريف “ما هو الأصل ذو القيمة”. بالنسبة لمديري الشركات المدرجة، والمستثمرين، وصانعي القرار في الشركات التقليدية، لم يعد فهم هذا التقييم الجديد مجرد تفكير استراتيجي متقدم، بل أصبح ضرورة حاسمة للبقاء على قيد الحياة.

1. نفس الذكاء الاصطناعي، أحكام سوقية مختلفة

لفهم هذا التباين بين الحدثين، من الضروري أولاً فهم هيكل الأصول الخاص بكل منهما.

انخفاض سهم IBM، من الظاهر أنه ناتج عن تهديد تقني من أداة Claude Code، لكنه في الحقيقة يعكس إعادة تسعير لنموذج الأصول الأساسية للشركة. فـ COBOL، لغة البرمجة التي ظهرت في أواخر الخمسينيات، لا تزال تدعم حوالي 95% من معاملات الصراف الآلي على مستوى العالم، بالإضافة إلى أنظمة حيوية في المالية، الطيران، الحكومات، وغيرها من القطاعات. وكتبت شركة Anthropic في مدونتها: “يعمل تريليونات من أسطر كود COBOL يوميًا في بيئات الإنتاج، ويشغل أنظمة حيوية. ومع ذلك، فإن عدد من يفهمون COBOL يتناقص سنويًا.”

لطالما كانت تحديث أنظمة COBOL مهمة معقدة وتكلف الكثير، مما جعلها حائط حماية مربحًا لربحية IBM. لكن شركة Anthropic زعمت: “بفضل قوة الذكاء الاصطناعي، يمكن للفريق تحديث قاعدة كود COBOL خلال عدة فصول، دون استهلاك سنوات من الوقت.” والرسالة الضمنية في السوق كانت: أن إيرادات IBM من صيانة الأنظمة التي تعتمد على العمالة الكثيفة، وخدمات الحواسيب الكبيرة، تتعرض للتهديد من تقنيات الذكاء الاصطناعي.

ومع ذلك، من المثير للاهتمام أن سعر سهم IBM ارتد في اليوم التالي بنسبة 2.68%. وسرعان ما خرجت مؤسسات تحليلية مثل Wedbush وEvercore ISI للدفاع عن الشركة، ووصفت الانخفاض بأنه “رد فعل مبالغ فيه لا أساس له”. وركزت على جوهر المشكلة: أن العملاء لن يتركوا أنظمتهم الكبيرة لمجرد أن أداة ذكاء اصطناعي جديدة يمكنها ترجمة الكود القديم. هناك فجوة هائلة بين ترجمة قواعد اللغة والتحديث العميق للأنظمة المدمجة بين الأجهزة والبرمجيات.

وفي نفس اليوم، أصدرت IBM ردها، وأكدت أن التحدي في التحديث ليس مشكلة لغة COBOL، بل هو مشكلة منصة IBM Z — حيث أن ترجمة الكود لا تلتقط التعقيد الحقيقي، وأن قيمة المنصة تأتي من عقود من التكامل بين البرمجيات والأجهزة، وهو شيء لا يمكن نقله عبر ترجمة الكود فقط.

أما في حالة شركة Block، فالأمر مشابه من حيث التوظيف الواسع للتسريح، لكنه مختلف تمامًا في رد فعل السوق، الذي ارتفع سعر سهمها بنسبة 24%. السبب هو أن هيكل أصول الشركة يتغير. منذ عام 2024، وهي تعيد هيكلة نموذج أعمالها وتوظيفاتها، وتستثمر بشكل كبير في أدوات الذكاء الاصطناعي لزيادة الكفاءة التشغيلية، بما في ذلك تطوير أداة خاصة بها تسمى Goose.

وأوضحت المديرة المالية لشركة Block، أمتريتا أوجا، عند شرح التسريحات: “نحن نتخذ إجراءات جريئة وحاسمة، لكننا نبني على أساس قوي.” وهذا الأساس القوي مدعوم بالبيانات: حيث بلغ إجمالي الربح لعام 2025 حوالي 10.36 مليار دولار، بزيادة قدرها 17%. والأداء المالي القوي يوفر مساحة مرونة لدفع عملية إعادة الهيكلة الكبرى في الوقت الحالي.

وتفسير السوق واضح: أن شركة Block ليست تتراجع بشكل سلبي تحت وطأة تأثير الذكاء الاصطناعي، بل تعمل على تحسين هيكل أصولها بشكل استباقي — حيث تستبدل “الأصول البشرية” بكفاءة أعلى من خلال “الأصول التقنية”. ومع رفع التوجيهات السنوية مع تسريح نصف الموظفين، فإن قيمة الإنتاجية لكل موظف تتضاعف بفضل الذكاء الاصطناعي.

2. في عصر الذكاء الاصطناعي، أربعة أنواع من الأصول تُعاد تسعيرها

يكشف هذان المثالان عن اتجاه ناشئ: أن الذكاء الاصطناعي أصبح بمثابة “مُعيد تسعير” لقيمة الأصول. فأنواع الأصول المختلفة تظهر منحنيات قيمة مختلفة تمامًا تحت إطار تقييم الذكاء الاصطناعي.

النوع الأول هو الأصول التي تعتمد بشكل كبير على رأس المال البشري. ففريق صيانة COBOL، والمحللون التقليديون، والمبرمجون، و"مُعالجوا المعلومات" — تتعرض قيمتهم للتميع من قبل الذكاء الاصطناعي. وذكر شركة Anthropic عند تقديمها أداة Claude Code أن الأداة يمكنها التعرف على “مخاطر تتطلب شهورًا من التحليل البشري لاكتشافها”. هذا لا يعني أن البشر لم يعودوا مهمين، بل أن الأعمال التي تعتمد على المعلومات غير المتكافئة والمعرفة الإجرائية تتعرض لضغط تقني يحد من قيمتها.

لكن من المهم أن نلاحظ أن الذكاء الاصطناعي يُستبدل في “معالجة المعلومات”، وليس في “خلق القيمة”. وأشار محللو مجموعة Futurum، بقيادة Mitch Ashley، في تقرير بحثي إلى أن نجاح مشاريع تحديث COBOL يتطلب تحديد نطاق الأعمال، وتقييم التقنيات، وتخطيط ترحيل البيانات، والتحقق من التوافق السلوكي، والقدرة على المراقبة، وإدارة التغيير التنظيمي — وأن ترجمة الكود هي مجرد جزء من العملية. فالأشخاص الذين يستطيعون إدارة أنظمة معقدة، وفهم جوهر الأعمال، واتخاذ قرارات استراتيجية، لا يزالون نادرين.

النوع الثاني هو الأصول البياناتية، التي أصبحت الآن من أعلى الأصول قيمة في عصر الذكاء الاصطناعي. مع التطور السريع للذكاء الاصطناعي التوليدي، تتغير خصائص قيمة البيانات. وأشار باحثون في دراسة نشرت في مجلة PLOS One إلى أن الذكاء الاصطناعي التوليدي غير طريقة الحصول على البيانات ومعالجتها واستخدامها، وأن قيمة الأصول البياناتية تعتمد ليس فقط على جودتها وملاءمتها، بل أيضًا على سيناريوهات استخدامها، وقدرتها على التحول، وطلب السوق عليها.

وهذا يعني أن تميز البيانات، واستمراريتها، وقابليتها للحوكمة، أصبحت من الأبعاد الأساسية للقيمة. فمجموعة بيانات ذات قيمة عالية في سيناريو معين قد تكون بلا فائدة في سيناريو آخر. والشركات التي تستطيع توفير بيانات حصرية، مستمرة، وعالية الجودة لتدريب نماذج الذكاء الاصطناعي، تكتسب سلطة تسعير جديدة.

النوع الثالث هو أصول الخوارزميات والنماذج. فمثلاً، أداة EVMbench التي أطلقتها شركة OpenAI بالتعاون مع Paradigm، لتقييم قدرة الذكاء الاصطناعي على اكتشاف، وتصحيح، واستغلال ثغرات العقود الذكية، تُظهر أن الخوارزميات أصبحت أصولًا قابلة للقياس. وأوزان النماذج، وأطر العمل، ومنهجيات التدريب، أصبحت أصولًا غير ملموسة يمكن التعرف عليها، والتحكم فيها، وتحقيق أرباح منها.

النوع الرابع هو الأصول الملموسة التقليدية، التي تمر الآن بعملية تمايز. فالأصول التي تعتمد على “عدم التماثل المعلوماتي” و"الوساطة البشرية" تتعرض لضغوط انخفاض القيمة، بينما الأصول التي تتمتع بخصائص “مقاومة للاستبدال بالذكاء الاصطناعي” — مثل مرافق الطاقة، الموارد النادرة، والبنى التحتية الأساسية — تظل ذات قيمة مستقرة. السبب بسيط: أن الذكاء الاصطناعي يمكنه تحليل وتحسين عمليات هذه الأصول، لكنه لا يستطيع استبدال وجودها الفيزيائي ووظائفها الحاملة للقيمة.

3. من “إعادة تقييم الأصول” إلى “مناعة الذكاء الاصطناعي”

استنادًا إلى التحليل أعلاه، تحتاج الشركات إلى إطار منهجي لتحديد ما إذا كانت أصولها تزداد قيمة أو تنقص في عصر الذكاء الاصطناعي. اقترحت مؤسسة RWA إطار “الأصول المناعة للذكاء الاصطناعي”، الذي يتضمن ثلاث خصائص رئيسية.

الخاصية الأولى هي عدم القابلية للترميز. أي أن الأصول التي يصعب على الذكاء الاصطناعي تعلمها أو نسخها بالكامل. فالكود نفسه يمكن ترجمته بواسطة الذكاء الاصطناعي، لكن قدرة المعالجات على تنفيذ معاملات عبر أنظمة IBM Z، والتشفير الآمن باستخدام تقنيات الكم، وموثوقية النظام التي تصل إلى تسعة أرقام، كلها عناصر لا يمكن للذكاء الاصطناعي تكرارها. وأشارت دراسة مجموعة Futurum إلى أن “ترجمة الكود لا تلتقط التعقيد الحقيقي، وأن قيمة المنصة تأتي من عقود من التكامل بين البرمجيات والأجهزة”. وبالمثل، فإن السيطرة على السيناريوهات في الواقع، والمعرفة غير الظاهرة في الصناعة، والشبكات المعقدة من العلاقات، كلها عناصر يصعب ترميزها، وتشكل الدرع الأول لمناعة الأصول.

الخاصية الثانية هي حاجز البيانات. فهل تمتلك الشركة أصول بيانات حصرية، مستمرة، وقابلة للحوكمة؟ هل تستخدم بيانات عامة فقط، أم يمكنها توليد بيانات لا يمكن للآخرين الوصول إليها؟ بدأت بنوك مثل CITIC في استكشاف تقييم قيمة الأصول البياناتية باستخدام نماذج ضخمة، ومحاولة إدراجها في جداول الأصول. والمنطق هنا هو: في عصر الذكاء الاصطناعي، البيانات ليست فقط مواد إنتاج، بل هي أصل بحد ذاتها. لكن ليست كل البيانات ذات حاجز حماية — فبيانات الإنترنت العامة ستُستهلك بسرعة من قبل نماذج الذكاء الاصطناعي، بينما الشركات التي تمتلك مصادر بيانات حصرية، يمكنها أن تحصل على علاوات في التقييم.

الخاصية الثالثة هي مرونة التمكين بالذكاء الاصطناعي. هل يمكن للأصل أن يُعزز بواسطة الذكاء الاصطناعي بدلاً من أن يُستبدل؟ وهذه نقطة فاصلة بين تأثير IBM والتحول الذي قامت به شركة Block. فالأعمال الأساسية لـ IBM — مثل صيانة أنظمة COBOL القديمة — هي أهداف للاستبدال بواسطة الذكاء الاصطناعي؛ بينما نموذج أعمال Block — المدفوعات والخدمات المالية — يمكن أن يُعزز بواسطة الذكاء الاصطناعي. في الواقع، طورت IBM أداة watsonx Code Assistant for Z، التي تتيح للعملاء إعادة بناء وتحديث الكود القديم بأمان على المنصة، مع الحفاظ على الأمان المؤسسي. عندما يكون الأصل قادرًا على التعاون مع الذكاء الاصطناعي بدلاً من مقاومته، فإن قيمته تتزايد.

وعلى العكس، فإن الأصول الضعيفة أمام الذكاء الاصطناعي تتسم بثلاث خصائص: تعتمد على “معالجة المعلومات” كقيمة أساسية، يمكن استبدالها بواسطة عمليات موحدة، ولا تملك القدرة على توليد أو تراكم البيانات. ويمكن للشركات أن تختبر أصولها من خلال “اختبار ضغط” بناءً على هذه الخصائص.

4. فرص جديدة لـ RWA: ما الأصول التي تستحق التوكن؟

عند تطبيق هذا الإطار على مجال توكن الأصول في العالم الحقيقي (RWA)، يمكن استنتاج أن RWA ليست مجرد “كل الأصول يمكن أن تُدرج على السلسلة”، بل هي عملية انتقائية للأصول المادية التي يمكن أن تتجاوز دورة التقييم بالذكاء الاصطناعي.

بحلول مارس 2026، تجاوزت القيمة الإجمالية للأصول المادية على السلسلة 25 مليار دولار، بزيادة تقارب أربعة أضعاف عن العام السابق. لكن، في الورقة البيضاء التي أصدرتها جمعية Web3.0 في هونغ كونغ في أغسطس 2025، أُوضح أن “مقولة أن كل شيء يمكن أن يكون RWA” هي وهم. فالأصول التي تنجح في التواؤم مع التقييم الواسع تتطلب استقرارًا في القيمة، ووضوحًا في الحقوق القانونية، وقابلية للتحقق من البيانات خارج السلسلة.

وبالاعتماد على إطار “مناعة الذكاء الاصطناعي”، يمكن تفصيل الأصول التي تستحق التوكن إلى ثلاث فئات:

الفئة الأولى هي الأصول المادية التي تتمتع بخصائص “مناعة الذكاء الاصطناعي”، مثل أصول الطاقة، والبنى التحتية، والموارد النادرة. فهذه الأصول لا تعتمد على معالجة المعلومات، بل تعتمد على الوجود الفيزيائي والفعالية العملية. على سبيل المثال، تشير الورقة البيضاء إلى أصول الطاقة الجديدة مثل محطات الشحن، والأصول الشمسية، وأصول الحوسبة مثل وحدات معالجة الرسوميات (GPU). وتُعد أصول GPU، بفضل الطلب الصلب من صناعة الذكاء الاصطناعي و"الجين الرقمي" الموثوق، من الأصول المثالية للربط بـ RWA.

الفئة الثانية هي الأصول البياناتية القابلة للبرمجة. وهي الأصول التي تمتلك مصادر بيانات حصرية، ويمكنها أن تتفاعل تلقائيًا عبر العقود الذكية لتحقيق أرباح، وتتمتع بـ “حاجز البيانات” و"مرونة التمكين بالذكاء الاصطناعي". وتُصنف الورقة البيضاء البيانات وحقوق الملكية الفكرية، وائتمانات الكربون، ضمن فئة الأصول غير الملموسة. لكن، يجب الحذر: ليست كل البيانات أصلًا يمكن توكنته — فقط البيانات التي يمكن توليدها باستمرار، وتكون قابلة للحقوق، وقابلة للتحقق، تملك أساسًا للتوكن.

الفئة الثالثة هي الأصول المختلطة، التي تجمع بين السيطرة الفيزيائية غير القابلة للترميز وحقوق الملكية الرقمية القابلة للبرمجة. على سبيل المثال، يمكن توكن ملكية العقارات التجارية، لكن العمليات، والصيانة، والإيجارات — أي السيطرة على السيناريوهات الواقعية — تظل في يد المؤسسات المختصة. هذا الهيكل المزدوج “الفيزيائي + الرقمي” يستفيد من سيولة البلوكشين، ويحافظ على نقاط قيمة “مناعة الذكاء الاصطناعي” في العالم الواقعي.

وفي المقابل، هناك نوعان من الأصول التي يجب التعامل معها بحذر عند التوكنة في عصر الذكاء الاصطناعي: أحدهما الأصول المالية التي تعتمد بشكل كبير على الوساطة البشرية، والتي يمكن أن تتعرض لضغط تقني، والآخر الأصول المعيارية التي تفتقر إلى حاجز بيانات، وتُقيم بشكل ضعيف في إطار تقييم الذكاء الاصطناعي.

5. إرشادات للعمل: من الإدراك إلى القرار

انخفاض قيمة IBM بمقدار 40 مليار دولار هو إشارة لحقبة زمنية — أن الأصول التي تعتمد على عدم التماثل المعلوماتي والاعتماد على العمالة تتعرض لإعادة تسعير بواسطة الذكاء الاصطناعي. في المقابل، ارتفاع سهم Block يعكس بداية حقبة جديدة — أن الشركات التي تتبنى الذكاء الاصطناعي، وتعمل على تحسين هيكل أصولها، ستنال إعادة تقييم السوق.

بالنسبة لصانعي القرار في الشركات المدرجة، فإن الأمر يتجاوز مجرد قلق تقني، ليصبح إعادة هيكلة جوهرية لنظام تقييم الأصول. على الرؤساء التنفيذيين أن يجيبوا على سؤال لا مفر منه: كم تساوي أصولي في نظر الذكاء الاصطناعي؟

استنادًا إلى التحليل أعلاه، يمكن تقديم ثلاث توصيات عملية:

الأولى، البدء فورًا في إجراء “اختبار ضغط الذكاء الاصطناعي” على الأصول. بمقارنة الخصائص الثلاثة لإطار “مناعة الذكاء الاصطناعي” — عدم القابلية للترميز، حاجز البيانات، ومرونة التمكين — تقييم كل وحدة أعمال رئيسية. وتحديد الأصول التي من المرجح أن تتراجع قيمتها بسرعة تحت تأثير الذكاء الاصطناعي، وأيها قد تستفيد من تعزيزه.

الثانية، إنشاء آلية إدارة ديناميكية لمحفظة الأصول. في ظل إعادة تقييم الأصول بواسطة الذكاء الاصطناعي، لم تعد استراتيجية “الشراء والاحتفاظ” ثابتة. يجب أن تعمل الشركات على زيادة نسبة الأصول “المناعة للذكاء الاصطناعي”، ووضع خطط للتحول أو البيع للأصول الضعيفة. وهذا يتطلب تنسيقًا بين الإدارات المالية، والاستراتيجية، والتقنية، والأعمال.

الثالث، إعادة النظر في استراتيجية RWA. قبل الشروع في توكنة الأصول، ينبغي تصفية الأصول الأساسية باستخدام إطار “مناعة الذكاء الاصطناعي”. فالقيمة الأساسية لـ RWA ليست مجرد “إدراجها على السلسلة”، بل هو تحقيق سيولة وتسعير أفضل من خلال التوكنة. وإذا كانت الأصول الأساسية تتعرض للتقليل من قيمتها في عصر الذكاء الاصطناعي، فإن التوكنة ستسرع من فقدان قيمتها.

وفي الختام، من المهم أن نذكر أن، وفقًا للوثيقة رقم 42 الصادرة عن ثماني وزارات في الصين، يُحظر بشكل صارم إصدار العملات الرقمية أو التوكنات في البر الرئيسي للصين. فإن مناقشة توكن الأصول في هذا المقال تقتصر على الممارسات القانونية خارج الصين. وعلى الشركات التي تستكشف هذا المجال أن تلتزم تمامًا بالضوابط التنظيمية، وتجنب أي أنشطة غير قانونية داخل البلاد.

عندما يبدأ الذكاء الاصطناعي في تحديد أسعار الأصول، فإن الشعور بالأمان الوحيد يأتي من الأشياء التي لا يستطيع الذكاء الاصطناعي تحديد قيمتها — وهي ليست الكود، وليست البيانات، بل هو حكم الإنسان على القيمة ذاتها.