Code, Capital, and Clusters: Understanding Firm Performance in the UK AI Economy
تحلل هذه الدراسة أداء شركات الذكاء الاصطناعي في المملكة المتحدة من عام 2000 إلى عام 2024، كاشفةً عن اعتماد كثيف على لندن وعوامل خاصة بالشركات مثل الحجم والتخصص، مع إثبات أن الظروف الاجتماعية والاقتصادية المحلية تؤثر بشكل كبير على النمو، مما يدعو إلى سياسات مستهدفة توازن بين تركز القطاع والتنوع الإقليمي لضمان التنمية المستدامة.
المؤلفون الأصليون:Waqar Muhammad Ashraf, Diane Coyle, Ramit Debnath
تخيل صناعة الذكاء الاصطناعي في المملكة المتحدة كأنها حديقة شاسعة ومزدحمة. على مدار العقدين الماضيين، قام البستانيون بزراعة البذور (تأسيس شركات جديدة) بمعدل مذهل. هذه الورقة البحثية، التي كتبها باحثون من جامعة كامبريدج، تشبه خريطة مفصلة وتوقعات جوية لهذه الحديقة. لقد أرادوا فهم أي النباتات تنمو بشكل أكبر، ولماذا يزدهر بعضها بينما يذبل الآخر، وكيف ستبدو الحديقة في المستقبل.
إليك قصة نتائجهم، مقسمة إلى أجزاء بسيطة:
1. "فقاعة لندن"
إذا نظرت إلى أين تُزرع شركات الذكاء الاصطناعي هذه، فسترى عدم توازن هائل. لندن هي الدفيئة الرئيسية.
الاستعارة: تخيل حديقة حيث يتم حشر 4 من كل 10 نباتات في ركن محدد (لندن). هذا الركن مزدحم جداً بالموارد والمال والعمال المهرة لدرجة أنه يقوم بمعظم عمليات النمو.
الواقع: حوالي 41% من جميع شركات الذكاء الاصطناعي النشطة في المملكة المتحدة موجودة في لندن. وبينما هذا الركن منتج للغاية، إلا أن الباحثين يحذرون من أن الاعتماد الشديد على مكان واحد أمر محفوف بالمخاطر؛ فإذا مرض هذا الركن، ستعاني الحديقة بأكملها. أما بقية المملكة المتحدة، فتمتلك بقعاً خضراء أصغر ومشتتة لا تحصل على نفس القدر من ضوء الشمس.
2. ما الذي يجعل الشركة "كبيرة" مقابل "ذكية"؟
نظر الباحثون في ما يدفع نجاح الشركة، وتحديداً أموالها (الإيرادات) ومدى كفاءة استخدامها لعمالها. وقد وجدوا "محركين" مختلفين للنجاح:
المحرك (أ): الحجم (قاعدة "الأكبر هو الأفضل")
الاستعارة: فكر في شاحنة كبيرة مقابل دراجة هوائية. الشاحنة (شركة كبيرة لديها العديد من الموظفين) تحمل بطبيعتها حمولة أكثر (تحقق إجمالي أموال أكثر) ببساطة لأنها ضخمة.
النتيجة: العامل الأكبر في تحقيق إجمالي أموال الشركة هو عدد موظفيها. الشركات الكبيرة تحقق سيولة نقدية أكثر.
المحرك (ب): التخصص (قاعدة "الخبير")
الاستعارة: الآن، تخيل قياس كمية الحمولة التي تحملها الشاحنة لكل شخص. قد تكون دراجة هوائية يقودها خبير واحد أكثر كفاءة من شاحنة بها 100 عامل كسول.
النتيجة: لجني أكبر قدر من المال لكل موظف (الإنتاجية)، تحتاج الشركة إلى خبرة تقنية عميقة. وقد قاس الباحثون ذلك من خلال النظر في "الكلمات المفتاحية" المحددة على موقع الشركة الإلكتروني (مثل "الرؤية الحاسوبية" أو "الذكاء الاصطناعي التوليدي"). الشركات التي تمتلك مجموعة مهارات تقنية عالية ومركزة هي الأكثر كفاءة، بغض النظر عن حجمها.
3. التربة هي الأهم (الظروف المحلية)
لا يمكنك مجرد زراعة بذرة في أي مكان وتوقع نموها؛ فالتربة مهمة.
الاستعارة: حتى لو كان لديك بذرة رائعة (فكرة ذكاء اصطناعي جيدة)، فلن تنمو جيداً في تربة جافة وقاحلة. إنها تحتاج إلى تربة غنية بالمغذيات (أشخاص متعلمين) وماء (وظائف وكثافة سكانية).
النتيجة: يعتمد نجاح شركة الذكاء الاصطناعي بشكل كبير على الحي المحلي. المناطق التي تضم المزيد من الأشخاص الحاصلين على مؤهلات جامعية (المستوى 3)، وكثافة سكانية أعلى، والمزيد من الوظائف المحلية، تساعد شركات الذكاء الاصطناعي على النمو. وهذا يثبت أن الذكاء الاصطناعي ليس مجرد تكنولوجيا؛ بل يتعلق بالمجتمع المحلي المحيط به.
4. توقعات المستقبل: من برعم بري إلى غابة ناضجة
استخدم الباحثون نماذج حاسوبية للتنبؤ بما سيحدث بين الآن وحتى عام 2030.
الاستعارة: لفترة طويلة، كانت الحديقة في مرحلة "نمو بري"، حيث تظهر براعم جديدة في كل مكان. تشير التوقعات إلى أن الحديقة تدخل الآن مرحلة "الغابة الناضجة".
التوقعات:
التباطؤ: من المرجح أن يتوقف عدد الشركات الجديدة التي تبدأ في النمو بسرعة كبيرة ويستقر.
الاندماج: سنرى المزيد من الشركات تغلق أبوابها (تتلاشى). وهذا ليس سيئاً بالضرورة؛ إنه يشبه عملية تخفيف الغابة للأشجار الضعيفة لكي تتمكن الأشجار القوية من البقاء. ومن المتوقع أن يرتفع "معدل الفشل" قليلاً مع زيادة التنافسية في السوق.
النتيجة: بحلول عام 2030، سيكون لدى المملكة المتحدة عدد مستقر وأقل قليلاً من الشركات، ولكن الشركات المتبقية ستكون الأقوى والأكثر مرونة.
5. ماذا يجب على البستانيين (صناع السياسات) فعله؟
بناءً على هذه الخريطة، يقترح المؤلفون ثلاثة أمور رئيسية للحكومة البريطانية:
زراعة حدائق جديدة: لا تكتفِ بري ركن لندن فقط. استثمر في بناء "تجمعات فائقة" (super-clusters) في مدن أخرى (مثل كامبريدج أو مانشستر أو بريستول) بحيث تكون الحديقة موزعة وأكثر أماناً.
إصلاح مشكلتين مختلفتين:
مساعدة الشركات الصغيرة في الحصول على الأموال التي تحتاجها لتكبر (التوسع).
مساعدة الشركات في أن تصبح أفضل في مهاراتها التقنية المحددة (التخصص).
الاستعداد لعملية التخفيف: بما أن بعض الشركات ستغلق أبوابها حتماً، يجب على الحكومة مساعدة الناجين على النمو وضمان أنه عندما تفشل شركة ما، لا تضيع معرفتها بل تنتقل إلى غيرها.
باخت finally: حديقة الذكاء الاصطناعي في المملكة المتحدة مركزة حالياً بشكل مفرط على لندن، وبينما هي في نمو، إلا أنها بدأت في التباطؤ وتنظيم نفسها. وللحفاظ على صحتها، تحتاج المملكة المتحدة إلى نشر النمو في مناطق أخرى ومساعدة الشركات لتصبح أكبر وأكثر ذكاءً في آن واحد.
ملخص تقني: الكود، ورأس المال، والتجمعات: فهم أداء الشركات في اقتصاد الذكاء الاصطناعي في المملكة المتحدة
بيان المشكلة
بينما رسخت المملكة المتحدة مكانتها كقائد عالمي في مجال الذكاء الاصطناعي (AI) — حيث تحتل المرتبة الثالثة خلف الولايات المتحدة والصين مع تقييم للقطاع يبلغ 72.3 مليار جنيه إسترليني — تفتقر الأدبيات الحالية إلى تحليل دقيق على مستوى الشركات. وتحدد التقارات الحكومية رفيعة المستوى محركات عامة مثل رؤوس الأموال ومجمعات المواهب، لكنها تفشل في رسم الخريطة الدقيقة للتفاعل بين التخصص التقني، والظروف الاجتماعية والاقتصادية المحلية الفائقة، وأداء الشركات.
تحديداً، هناك فجوة في فهم:
كيف ترتبط التركيبة السكانية على مستوى الرمز البريدي (مثل معدلات المؤهلات، والكثافة السكانية) مع الإيرادات التشغيلية لشركات الذكاء الاصطناعي المسجلة محلياً.
التمييز بين شركات الذكاء الاصطناعي "المتخصصة" (التي تطور ملكية فكرية جوهرية) والكيانات "المتنوعة" (التي تدمج الذكاء الاصطناعي في بنياتها التقنية القائمة) فيما يتعلق بالبقاء وكفاءة الإيرادات.
الرؤى التنبؤية لدورة حياة هذه الشركات، وتحديداً ما الذي يدفع نحو التحلل مقابل التوسع المستدام مع نضوج القطاع.
المنهجية
تستخدم الدراسة نهجاً تحليلياً طولياً قائماً على البيانات، من خلال تحليل مجموعة بيانات شاملة لكيانات الذكاء الاصطناعي في المملكة المتحدة من عام 2000 إلى 2024.
جمع ومعالجة البيانات
المصادر: تم بناء القاعدة الأساسية باستخدام قاعدة بيانات "WAIFinder" التابعة لمؤسسة البحث والابتكار في المملكة المتحدة (UKRI)، وتم توسيعها عبر الكشط الشبكي باستخدام glass.ai، ومطابقتها مع بيانات Companies House وLinkedIn.
النطاق: تتكون مجموعة البيانات النهائية من 4,392 كياناً فريداً للذكاء الاصطناعي. استندت معايير الاشتمال الصارمة فقط إلى "الشركات" و"الجامعات" التي تطور منتجات أو خدمات ذكاء اصطناعي مباشرة، مع استبعاد الميسرين للنظام البيئي (مثل حاضنات ومسرعات الأعمال).
الإثراء: تم تعزيز سجلات الشركات ببيانات إحصاء السكان لعام 2021 (ONS) على مستوى الرمز البريدي، والتي ترصد الكثافة السكانية، ومعدلات المؤهلات للمستوى 3/4 فأعلى، وكثافة التوظيف القطاعي.
تحليل الإيرادات: نظراً للإعفاءات من التقارير المالية للشركات الصغيرة في المملكة المتحدة، اقتصر تحليل الإيرادات والقوى العاملة التفصيلي على مجموعة فرعية مكونة من 529 كياناً أبلغت علناً عن حسابات كاملة.
هندسة الميزات: تم قياس التخصص التقني باستخدام تردد المصطلحات - عكس تردد المستند (TF-IDF) المطبق على واصفات المواقع الإلكتربية للكيانات، مما خلق "درجة كلمات مفتاحية" مركبة لقياس كثافة وتميز المحفظة التقنية للكيان.
إطار النمذجة
تم إجراء مرحلتين تحليليتين متميزتين:
محركات الأداء (الانحدار):
الخوارزمية: تم اختيار CatBoost (التعزيز الفئوي) نظراً لأدائه المتفوق على مجموعات البيانات الجدولية.
الأهداف: تم تدريب نموذجين للتنبؤ بـ (أ) الإيرادات التشغيلية و(ب) الإيرادات التشغيلية لكل موظف (كمؤشر لإنتاجية العمل).
الميزات: شملت المدخلات متغيرات على مستوى الشركة (عدد الموظفين، سنوات الخدمة، القطاع، درجات الكلمات المفتاحية) والمؤشرات الاجتماعية والاقتصادية على مستوى الرمز البريدي.
القابلية للتفسير: تم استخدام تفسيرات شابلي الإضافية (SHAP) لقياس المساهمة الهامشية لكل متغير مدخل في التنبؤات.
التحقق: تم تدريب النماذج على 80% من البيانات واختبارها على 20%، مع التقييم باستخدام R2 وجذر متوسط مربع الخطأ (RMSE).
التنبؤ بالنمو (السلاسل الزمنية):
المقاييس: تم تحليل أربعة مقاييس لدورة الحياة: إجمالي كيانات الذكاء الاصطناعي، كيانات الذكاء الاصطناعي النشطة، الكيانات المتحللة، ونسبة التحلل.
الخوارزميات: تمت مقارنة أربعة نماذج للسلاسل الزمنية أحادية المتغير: ARIMA، وTheta، وExponential Smoothing (ETS)، وMedian Fourier Linear Exponential Smoothing (MFLES).
التحسين: تم ضبط المعلمات الفائقة باستخدام المقدر البارز ذو الهيكل الشجري (TPE).
عدم اليقين: تم استخدام التنبؤ المطابق (Conformal Prediction) لبناء فترات تنبؤ بنسبة 95% للتوقعات الممتدة حتى عام 2030.
النتائج الرئيسية
1. التركيز الجغرافي والقطاعي
هيمنة لندن: تستضيف لندن 41.3% من جميع كيانات الذكاء الاصطناعي النشطة (1,616 شركة).
أداء القطاعات: بينما سجل قطاع التكنولوجيا غالبية حالات التحلل (57.3%)، سجلت الخدمات المالية العامة أعلى متوسط إيرادات تشغيلية (33.9 مليون جنيه إسترليني) بين المجموعة التي تم تحليلها.
تطور الكلمات المفتاحية: لا تزال عبارات "تعلم الآلة" و"الذكاء الاصطناعي" هي الكلمات الأكثر شيوعاً. وقد ظهرت "الذكاء الاصطناعي التوليدي" حوالي عام 2015 وشكلت تجمعاً متميزاً مع "معالجة اللغات الطبيعية" (NLP) بحلول عام 2024.
2. محركات أداء الشركات
محركات الإيرادات: يعد حجم الشركة (نطاق الموظفين) هو المتنبئ المهيمن بإجمالي الإيرادات التشغيلية، حيث يمثل 74.85% من القدرة التفسيرية. الشركات الأكبر تولد إيرادات مطلقة أعلى.
محركات الإنتاجية: يعد التخصص التقني (درجة الكلمات المفتاحية) المحرك الأساسي لـ الإيرادات التشغيلية لكل موظف، حيث يساهم بنسبة 83.59%. يشير هذا إلى أن الإنتاجية مرتبطة باتساع وأهمية قدرات الذكاء الاصطناعي بدلاً من حجم الشركة.
تأثير النظام البيئي المحلي: توفر المتغيرات على مستوى الرمز البريدي (معدلات مؤهلات المستوى 3، الكثافة السكانية، ومستويات التوظيف المحلية) مساهمات هامشية كبيرة لكل من الإيرادات والإنتاجية، مما يؤكد أن نمو الذكاء الاصطناعي متجذر في النظم البيئية الاجتماعية والاقتصادية الإقليمية.
3. التنبؤ حتى عام 2030
تتوقع النماذج انتقالاً من مرحلة النمو المرتفع إلى مرحلة التوطيد (Consolidation):
إجمالي الكيانات: من المتوقع أن يستقر النمو، ليصل إلى حوالي 4,651 كياناً إجمالياً بحلول عام 2030 (بفاصل ثقة 95%: 4,323–4,979).
القاعدة النشطة: من المتوقع أن يصل عدد الكيانات النشطة إلى 4,410 (بفاصل تنبؤ 95%: 3,672–5,149)، مما يشير إلى نمو متواضع ولكن مستقر.
التحلل: من المتوقع أن يرتفع العدد المطلق لحالات التحلل بشكل كبير ليصل إلى 316 بحلول عام 2030.
معدل التحلل: من المتوقع أن يستقر معدل التحلل السنوي عند حوالي 2.21%، مما يشير إلى سوق ناضج حيث تخرج الشركات الأقل إنتاجية بينما يظل القطاع الأساسي صامداً.
المساهمات الرئيسية والأهمية
تدعي الورقة أنها تقدم أول رسم خرائط متعدد الأبعاد على مستوى الشركة لاقتصاد الذكاء الاصطنافي في المملكة المتحدة، والذي يدمج التخصص التقني مع البيانات الاجتماعية والاقتصادية المحلية الفائقة. تكمن أهميتها في ثلاثة مجالات:
أدلة تجريبية للسياسات الحساسة للمكان: تتحدى الدراسة سياسات الابتكار القطاعية البحتة من خلال إثبات أن العوامل المحلية (التعليم، الكثافة) حاسمة لأداء الشركات. وتدعو إلى تعزيز القدرات الإقليمية للذكاء الاصطناعي بعيداً عن لندن لتخفيف المخاطر النظامية وعدم المساواة الإقليمية.
التمييز بين استراتيجيات النمو: يميز التحليل بين مسارين للنمو الاقتصادي: توسيع حجم الشركة (لدفع الإيرادات الإجمالية) وتعميق التخصص التقني (لدفع الإنتاجية). يشير هذا إلى أن السياسة يجب أن تعالج فجوات رأس المال للتوسع وفي الوقت نفسه تعزز المسارات لتسويق الأبحان الرائدة.
النظرة الاستراتيجية للتوطيد: تشير نتائج التنبؤ إلى أن القطاع يدخل مرحلة نضوج تتميز بتوطيد السوق. ويرى المؤلفون أن هذا ليس علامة على التراجع، بل هو انتقال نحو نظام بيئي أكثر استقراراً. ويقترحون أن السياسة يجب أن تتحول من مجرد دعم إنشاء الشركات الناشئة إلى مساعدة الشركات القابلة للاستمرار في اجتياز مراحل النمو وإدارة "الخروج الحافظ للمعرفة" أثناء عملية التوطيد.
يخلص المؤلفون إلى أن التدخلات المستهدفة والقائمة على الأدلة ضرورية لتحويل فترة التوطيد هذه إلى ميزة تنافسية مستدامة، لضمان أن يكون اقتصاد الذكال الاصطناعي في المملكة المتحدة متوازناً جغرافياً، ومنتجاً، ومرناً.