في 23 فبراير 2026، يوم كان من المفترض أن يكون هادئًا، شهد سهم شركة IBM أكبر هبوط ليومي منذ أكتوبر 2000. حيث أغلق السهم بانخفاض قدره 13.2%، مما أدى إلى اختفاء حوالي 40 مليار دولار من قيمته السوقية خلال بضع ساعات. لم يكن السبب في ذلك إعلان أرباح مخيب للآمال أو ضربة تنظيمية، بل كان إعلان منتج: أعلنت شركة Anthropic الناشئة في مجال الذكاء الاصطناعي أن أداة Claude Code الخاصة بها يمكنها تحديث برامج COBOL التي تعمل على أنظمة IBM، والتي تعتبر بالضبط من الأعمال ذات الهوامش الربحية العالية و"الحمية" التي تعتمد عليها 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، وبررت ذلك بزيادة الكفاءة المدفوعة بالذكاء الاصطناعي. لكن رد فعل السوق كان مختلفًا تمامًا — حيث قفز سعر سهم Block خلال التداول بعد الإغلاق بأكثر من 24%. وفي رسالة للمساهمين، صرح دورسي بصراحة: “أنا أؤمن أنه خلال العام القادم، ستصل معظم الشركات إلى نفس الاستنتاج، وستجري تعديلات هيكلية مماثلة.”
هذان الحدثان، مع أن الدافع وراءهما واحد — وهو الذكاء الاصطناعي — إلا أن ردود فعل السوق كانت متباينة تمامًا — أحدهما هبوط حاد، والآخر ارتفاع كبير. فما الذي حدث وراء الكواليس؟ ربما تشير الإجابة إلى قضية أعمق: 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.
أولاً، نفس الذكاء الاصطناعي، أحكام سوق مختلفة
لفهم التباين بين هذين الحدثين، من الضروري أولاً فهم هيكل الأصول الخاص بكل منهما.
هبوط سهم IBM، على السطح، كان نتيجة تهديد تقني من أداة Claude Code، لكنه في الحقيقة يعكس إعادة تقييم السوق لنموذج الأصول الأساسية لديها. فـ COBOL، لغة برمجة ظهرت في أواخر الخمسينيات، لا تزال تدعم حوالي 95% من معاملات الصراف الآلي على مستوى العالم، بالإضافة إلى أنظمة حيوية في قطاعات المالية والطيران والحكومات. وكتبت شركة Anthropic في مدونتها: “يعمل تريليونات من أسطر كود COBOL يوميًا في بيئات الإنتاج، وتوفر القوة لنظم حيوية. ومع ذلك، فإن عدد المبرمجين المتمكنين من COBOL يتناقص عامًا بعد عام.”
لطالما كانت تحديث أنظمة COBOL مهمة معقدة وتكلف الكثير، مما جعلها بمثابة “الحمية” التي تحمي أرباح IBM. لكن شركة Anthropic زعمت: “بفضل قوة الذكاء الاصطناعي، يمكن للفريق تحديث مخزون كود COBOL خلال عدة فصول، دون استهلاك سنوات من الوقت.” والرسالة الضمنية التي تصل إلى السوق هي 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 ارتدّ 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”. وأكدت أن السبب هو أن العملاء لن يتركوا أنظمتهم الكبيرة لمجرد أن أداة ذكاء اصطناعي جديدة يمكنها ترجمة الكود القديم. فهناك فجوة كبيرة بين ترجمة الكود من ناحية، وتحديث الأنظمة المدمجة عميقًا مع الأجهزة والبرمجيات من ناحية أخرى.
وفي رد فعلها، أصدرت IBM بيانًا في نفس اليوم، وأشارت إلى 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 فيما يخص حدث Block، فهو أيضًا تسريح جماعي، وهو أيضًا مدفوع بالذكاء الاصطناعي، لكن السوق استجاب بارتفاع السهم بنسبة 24%. والسبب هو أن هيكل أصول Block يتغير. منذ عام 2024، كانت الشركة تعيد هيكلة نمط أعمالها وتوظيفاتها، وتستثمر بشكل كبير في أدوات الذكاء الاصطناعي لزيادة الكفاءة التشغيلية، بما في ذلك تطوير أداة خاصة بها تسمى Goose.
وأوضحت المديرة المالية لـ Block، أمتريتا أوجا، عند شرح التسريحات: “نحن نتخذ إجراءات جريئة وحاسمة، لكننا نبني على أساس قوي.” ويستند هذا “الأساس القوي” إلى أرقام: حيث بلغ إجمالي الربح الإجمالي لعام 2025 حوالي 10.36 مليار دولار، بزيادة قدرها 17%. والأداء المالي القوي يوفر مرونة للشركة للمضي قدمًا في إعادة الهيكلة الكبرى في هذا الوقت.
وتفسير السوق واضح: أن Block لا تتراجع بشكل سلبي تحت وطأة تأثيرات الذكاء الاصطناعي، بل تعمل على تحسين هيكل أصولها بشكل استباقي — حيث تستبدل “الأصول البشرية” بأصول تقنية أعلى إنتاجية. ورفع التوجيه السنوي مع تقليل عدد الموظفين بنسبة 50% يعكس أن قيمة الإنتاجية لكل موظف تتضاعف بفضل الذكاء الاصطناعي.
ثانيًا، في عصر الذكاء الاصطناعي، يتم إعادة تقييم أربعة أنواع من الأصول
يكشف هذان المثالان عن اتجاه متصاعد: أن الذكاء الاصطناعي أصبح بمثابة “مُعيد تقييم” للأصول. وأن أنواع الأصول المختلفة تظهر قيمًا مختلفة تمامًا عند تقييمها ضمن إطار عمل الذكاء الاصطناعي.
الفئة الأولى هي الأصول التي تعتمد بشكل كبير على رأس المال البشري. ففريق صيانة COBOL في IBM، والمحللون التقليديون، والمبرمجون، وغيرهم من “مُعالجي المعلومات”، تتآكل قيمتهم أمام تأثيرات الذكاء الاصطناعي. وذكرت شركة Anthropic عند تقديم أداة Claude Code أن الأداة يمكنها التعرف على “مخاطر قد يستغرق اكتشافها شهورًا من قبل محللين بشريين”. وهذا لا يعني أن البشر لم يعودوا مهمين، بل يعني أن الأعمال التي تعتمد على المعلومات غير المتكافئة والمعرفة الإجرائية تتعرض لضغط تقني يحد من قيمتها.
لكن من المهم أن نلاحظ أن الذكاء الاصطناعي يستبدل “معالجة المعلومات” وليس “خلق القيمة”. وأشار محللو Futurum Group في تقريرهم 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 ليست سوى جزء من العملية. وأن القدرات البشرية التي تسيطر على أنظمة معقدة، وتفهم جوهر الأعمال، وتتمكن من اتخاذ القرارات الاستراتيجية، لا تزال نادرة.
أما الفئة الثانية فهي الأصول البياناتية، التي أصبحت الآن من أعلى الأصول قيمة في عصر الذكاء الاصطناعي. ومع التطور السريع لنماذج الذكاء الاصطناعي التوليدي، تتغير خصائص قيمة البيانات. وأشار باحثون في دراسة نشرت في 《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 معايير أساسية للقيمة. فمجموعة بيانات قد تكون ذات قيمة عالية في سياق معين، وتكون بلا فائدة في سياق آخر. والشركات التي تستطيع توفير بيانات حصرية، عالية الجودة، ومستدامة لتدريب نماذج الذكاء الاصطناعي، تكتسب حق تقييم جديد.
أما الفئة الثالثة فهي الأصول الخاصة بالخوارزميات والنماذج. فمثلاً، التعاون بين OpenAI وParadigm لإطلاق أداة EVMbench، التي تقيم قدرة الذكاء الاصطناعي على اكتشاف، وتصحيح، واستغلال ثغرات العقود الذكية، يدل على أن الخوارزميات أصبحت أصولًا قابلة للقياس. وأوزان النماذج، وأطر العمل، وأساليب التدريب، أصبحت أصولًا غير ملموسة يمكن التعرف عليها، والسيطرة عليها، وتحقيق أرباح منها.
أما الفئة الرابعة فهي الأصول المادية التقليدية، التي تمر الآن بعملية تمايز. فالأصول التي تعتمد على “عدم الشفافية” و"الوساطة البشرية" تتعرض لضغوط انخفاض القيمة، بينما الأصول المادية التي تتمتع بخصائص “مقاومة للاستبدال بالذكاء الاصطناعي” — مثل مرافق الطاقة، والموارد النادرة، والبنى التحتية الأساسية — تظل ذات قيمة مستقرة. السبب بسيط: يمكن للذكاء الاصطناعي تحليل وتحسين عمليات هذه الأصول، لكنه لا يستطيع استبدال وجودها المادي ووظائفها الحاملة للقيمة.
ثالثًا، 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. وقد اقترحت مؤسسة RWA إطار “الأصول المناعة للذكاء الاصطناعي”، الذي يتضمن ثلاث خصائص رئيسية.
الخاصية الأولى هي عدم القابلية للترميز. وهي تشير إلى العناصر التي يصعب على الذكاء الاصطناعي تعلمها أو نسخها بالكامل. فالكود نفسه يمكن ترجمته بواسطة الذكاء الاصطناعي، لكن القدرة على تشغيل أنظمة IBM Z، التي تعتمد على شرائح المعالجات، والتشفير الآمن، وموثوقية تصل إلى تسعة أرقام، لا يمكن للذكاء الاصطناعي تقليدها. وأشار فريق 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 التقليدية، والمعرفة الصناعية الضمنية، والشبكات المعقدة للعلاقات، كلها عناصر يصعب “ترميزها”، وتكون بمثابة حاجز مناعة أولي للأصول.
الخاصية الثانية هي حواجز البيانات. فهل تمتلك الشركة بيانات حصرية، مستدامة، وقابلة للحوكمة؟ وهل تستخدم بيانات عامة، 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 مجرد مدخلات للإنتاج، بل هي أصل بحد ذاته. لكن ليست كل البيانات ذات قيمة، فالمعلومات المفتوحة على الإنترنت ستُستهلك بسرعة من قبل نماذج الذكاء الاصطناعي، بينما البيانات الحصرية ذات الجودة العالية تتيح للشركات تحقيق قيمة مضافة.
الخاصية الثالثة هي المرونة المعززة بالذكاء الاصطناعي. فهل يمكن للأصول أن تتعزز أو تتضاعف قيمتها بفضل الذكاء الاصطناعي، بدلاً من أن تُستبدل؟ وهذه الخاصية مهمة لتمييز بين تأثير IBM وتحول Block. فالأعمال الأساسية لـ IBM — مثل صيانة أنظمة COBOL القديمة — هي أهداف للاستبدال بواسطة الذكاء الاصطناعي؛ بينما نمط أعمال Block، مثل 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 أنظمة قديمة بأمان، 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: الاعتماد على “معالجة المعلومات” كقيمة أساسية، وقابليتها للاستبدال عبر عمليات موحدة، وعدم قدرتها على توليد أو تراكم البيانات. ويمكن للشركات أن تختبر أصولها من خلال تقييم ضغط “الاختبار” هذا.
رابعًا، فرص جديدة لـ RWA: ما الأصول التي تستحق التوكنة؟
عند تطبيق إطار العمل السابق على مجال توكنة الأصول الواقعية (RWA)، يمكن استنتاج أن RWA ليست “كل الأصول يمكن أن تُدرج على السلسلة”، بل هي عملية انتقاء للأصول المادية التي يمكن أن تتجاوز دورة التقييم في عصر الذكاء الاصطناعي.
وفي مارس 2026، تجاوز إجمالي قيمة RWA على السلسلة 25 مليار دولار، بزيادة تقارب أربعة أضعاف عن العام السابق. لكن، في الورقة البيضاء التي أصدرتها جمعية معايير Web3.0 في هونغ كونغ في أغسطس 2025، تم التأكيد على أن: “مقولة أن كل شيء يمكن أن يكون RWA” هي وهم. والأصول التي تنجح في الانتشار على نطاق واسع يجب أن تلبي ثلاث معايير رئيسية: استقرار القيمة، وضوح الحقوق القانونية، وقابلية التحقق من البيانات خارج السلسلة.
وبالاستفادة من إطار “مناعة الذكاء الاصطناعي”، يمكن تفصيل الأمر أكثر: الأصول التي تستحق التوكنة هي تلك التي تظل ذات قيمة مستقرة خلال دورة التقييم في عصر الذكاء الاصطناعي.
الفئة الأولى هي الأصول المادية التي تتمتع بخصائص “مناعة الذكاء الاصطناعي”، وتشمل أصول الطاقة، والبنى التحتية، والموارد النادرة. فهذه الأصول لا تعتمد على معالجة المعلومات، بل تعتمد على الوجود الفيزيائي والفائدة الحقيقية. على سبيل المثال، أصول الطاقة الجديدة مثل محطات الشحن، والأصول الشمسية، وأصول الحوسبة مثل وحدات GPU، كلها تنتمي لهذه الفئة. وخصوصًا، فإن أصول GPU، بفضل الطلب الثابت من صناعة الذكاء الاصطناعي و"الحمض النووي الرقمي" الموثوق، أصبحت من الأصول المثالية للربط في إطار RWA.
الفئة الثانية هي الأصول البياناتية القابلة للبرمجة. فهي تمتلك مصادر بيانات حصرية، ويمكنها أن تتفاعل تلقائيًا مع العقود الذكية لتحقيق أرباح، مما يمنحها “حاجز حماية البيانات” و"مرونة تعزيز الذكاء الاصطناعي". وتُصنف البيانات وحقوق الملكية الفكرية، وائتمانات الكربون، ضمن الأصول غير الملموسة، لكن يجب الحذر: ليست كل البيانات قابلة للتوكنة — فقط البيانات التي يمكنها الاستمرار في التوليد، والتوثيق، والتحقق، تملك أساسًا للتوكنة.
الفئة الثالثة هي الأصول المختلطة، التي تجمع بين “التحكم الفيزيائي غير القابل للترميز” و"الحقوق الرقمية القابلة للبرمجة". فمثلاً، يمكن توكنة ملكية العقارات التجارية، لكن العمليات التشغيلية، والصيانة، والإيجارات — التي تتم في الواقع المادي — تظل في يد المؤسسات المختصة. هذا الهيكل المزدوج، الذي يستفيد من سيولة البلوكشين، ويحافظ على عناصر “مناعة الذكاء الاصطناعي” في العالم الحقيقي، يتيح استثمارًا أكثر أمانًا.
وفي المقابل، هناك نوعان من الأصول التي يجب الحذر عند توكنتها في عصر الذكاء الاصطناعي: أحدهما الأصول المالية التي تعتمد بشكل كبير على الوساطة البشرية، والتي يمكن أن تتعرض لضغط تقليص القيمة، والنوع الآخر هو الأصول ذات البيانات غير الحافظة، التي تفتقر إلى قوة تفاوضية في إطار تقييم الذكاء الاصطناعي.
خامسًا، إرشادات العمل: من الإدراك إلى اتخاذ القرار
هبوط سهم IBM بمقدار 40 مليار دولار هو إشارة إلى أن الأصول التي تعتمد على عدم الشفافية، والوساطة البشرية، تتعرض لإعادة تقييم من قبل الذكاء الاصطناعي — بينما ارتفاع سهم Block يعكس أن الشركات التي تتبنى الذكاء الاصطناعي، وتعمل على تحسين هيكل أصولها، تحصل على إعادة تقييم السوق.
بالنسبة لصانعي القرار في الشركات المدرجة، فإن الأمر لا يقتصر على مجرد قلق تقني، بل هو إعادة هيكلة جوهرية لنظام تقييم الأصول. ويجب أن يجيبوا على سؤال لا مفر منه: ما قيمة محفظة أصولي في نظر الذكاء الاصطناعي؟
وبناءً على التحليل أعلاه، يمكن تقديم ثلاث توصيات عملية:
الأول، بدء اختبار ضغط للأصول على الفور باستخدام إطار “مناعة الذكاء الاصطناعي”. من خلال تقييم الأصول وفقًا لثلاث خصائص: عدم القابلية للترميز، وحواجز البيانات، والمرونة المعززة بالذكاء الاصطناعي، يمكن تحديد الأصول الأكثر عرضة لانخفاض القيمة، وتلك التي يمكن أن تتضاعف قيمتها.
الثاني، إنشاء آلية إدارة ديناميكية لمحفظة الأصول. في ظل إعادة تقييم الأصول بواسطة الذكاء الاصطناعي، لم تعد استراتيجية “الشراء والاحتفاظ” مناسبة. يجب على الشركات زيادة نسبة الأصول “المناعة للذكاء الاصطناعي”، ووضع خطط لتحويل أو تصفية الأصول 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 للأصول عالية الجودة. وإذا كانت الأصول الأساسية ذاتها تتعرض للتقليل من قيمتها في عصر الذكاء الاصطناعي، فإن التوكنة ستكون بمثابة تسريع لفقدان القيمة.
وفي الختام، من المهم أن نذكر أن وفقًا للقرار الصادر عن ثماني وزارات في الصين، فإن حظر إصدار العملات الرقمية وتداولها بشكل كامل داخل البر الرئيسي للصين، وأن الحديث عن توكنة الأصول في هذا السياق يقتصر على الممارسات القانونية في إطار خارجي. ويجب على الشركات أن تلتزم بشكل صارم بـ"الخط الأحمر" المتمثل في “حظر داخلي، وتسجيل خارجي”.
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.
