في كل موجة تقنية كبرى، يظهر نمط متكرر: تبدأ المؤسسات بحماسٍ مرتفع، تجارب سريعة، ووعود بتحسين الإنتاجية؛ ثم يتسلّل الإحباط عندما لا تُترجم الأدوات إلى نتائج ملموسة. تبنّي الذكاء الاصطناعي—خصوصًا التوليدي—ليس استثناءً. المشكلة هنا ليست في “قدرة الآلة” وحدها، بل في اقتصاد التنفيذ: كيف تتحول الفكرة إلى قرار، والقرار إلى عمل، والعمل إلى قيمة يمكن الدفاع عنها أمام الميزانية.
أول أسباب التعثر هو أن بعض الجهات تبدأ بالأداة بدل أن تبدأ بالمشكلة. عندما نقول: “نريد ذكاءً اصطناعيًا” دون تعريفٍ دقيق لما نريد تحسينه—زمن اعتماد طلب، أخطاء فاتورة، جودة قرار توريد—فإن التجربة تنتهي غالبًا بعرضٍ جميل لا يغير شيئًا. هنا تظهر فجوة شائعة: فرق التقنية تُحسّن “المخرجات”، بينما القيادات تريد “نتائج”. المخرج قد يكون ملخصًا أو توصية؛ أما النتيجة فهي وقت أقل، تكلفة أقل، مخاطرة أقل، أو جودة أعلى.
السبب الثاني: البيانات موجودة… لكنها غير قابلة للاستخدام. الذكاء الاصطناعي يشبه محركًا قويًا؛ إن سكبت في خزانِه وقودًا مغشوشًا، فلن ينقذك “قوة المحرك”. كثير من المؤسسات لديها بيانات موارد بشرية، ومشتريات، ومخزون، وشحن، ومشاريع—لكنها موزعة على أنظمة متعددة، وتعريفاتها غير موحدة، وتحديثها غير منتظم. حتى مصطلح بسيط مثل “وظيفة شاغرة” قد يختلف بين الموارد البشرية والمالية، و“موعد التسليم” قد يختلف بين اللوجستيات والمستودع. عندها يعطيك الذكاء الاصطناعي إجابات “مقنعة” لكنها مبنية على سياقٍ مهتز.
السبب الثالث: التجربة المعزولة. تنجح مبادرات كثيرة داخل “مختبر” أو فريق صغير؛ ثم تفشل عند إدخالها في سير العمل الحقيقي: صلاحيات، موافقات، تدقيق، أمن معلومات، ومسارات قرار واضحة. وهذا مهم اقتصاديًا: القيمة لا تتكون في العرض التجريبي، بل تتكون عندما تتغير طريقة العمل اليومية. إذا ظل الذكاء الاصطناعي أداة جانبية “للاستخدام عند الحاجة”، فلن يتحول إلى رافعة إنتاجية.
السبب الرابع: غياب الحوكمة—والحوكمة هنا ليست بيروقراطية، بل “تأمين قرار”. الحوكمة تعني: من يراجع المخرجات؟ من يعتمدها؟ ما الحد الذي لا يجوز تجاوزه؟ وكيف نعرف أن النموذج لم ينحرف أو يُضخّم الثقة؟ عندما تكون الإجابات ضبابية، ترتفع مخاطر الخطأ والتحيز وتسرب البيانات، فتتردد المؤسسة في التوسع، أو تتوسع ثم تتراجع بعد أول حادثة محرجة.
ولأنك طلبت أمثلة سعودية قريبة من الواقع، تخيّل أربعة مشاهد شائعة:
الموارد البشرية: مؤسسة تريد استخدام الذكاء الاصطناعي لتصفية السير الذاتية. إن لم تُراجع تعريف “الكفاءة” والمهارات المطلوبة فعليًا، ولم تُضبط معايير العدالة، قد تُسرّع التوظيف لكنها ترفع تكلفة الدوران الوظيفي لاحقًا. الذكاء الاصطناعي هنا يجب أن يخدم قرارًا واضحًا: تقليل زمن التوظيف مع الحفاظ على جودة الاختيار—لا مجرد “أتمتة فرز”.
المشتريات: جهة تتعامل مع موردين متعددين تريد توصيات شراء “أفضل”. إن كانت بيانات العقود والمخاطر وأسعار الشحن غير مترابطة، سيقترح الذكاء الاصطناعي خيارات تبدو رخيصة لكنها أعلى مخاطرة أو أطول زمن تسليم. القيمة لا تأتي من توصية الشراء فقط، بل من دمجها داخل اعتماد الطلب والتأكد من “سبب التوصية”.
مراكز البيانات: جامعة أو جهة تشغيلية تريد تحسين جدولة الصيانة والطاقة. إذا كان سجل الأعطال غير مكتمل، وبيانات الاستهلاك غير دقيقة، سيعطيك الذكاء الاصطناعي “تنبؤًا” أنيقًا لا يمنع الانقطاع. هنا يصبح أساس النجاح هو جودة القياس والمراقبة—ثم استخدام الذكاء الاصطناعي كإنذار مبكر، لا كبديل عن الانضباط التشغيلي.
اللوجستيات: شركة توصيل تريد توقع التأخير. إن لم يكن هناك تعريف موحد لسبب التأخير (مستودع/جمرك/ازدحام/نقص سائق)، لن تستطيع “النمذجة” أن تميز بين مشكلة هيكلية ومشكلة ظرفية. الذكاء الاصطناعي ينجح عندما يربط بين السعة (عدد المركبات والسائقين) والطلب (الطلبات) والقيود (النقاط الحرجة).
للاختبار السريع: لو استهدفت المؤسسة خفض زمن اعتماد طلبات المشتريات بنسبة 10% خلال 90 يومًا عبر إدخال المخرجات داخل سير الموافقات، وقلّلت إعادة العمل في التقارير اليدوية بمعدل 3 ساعات أسبوعيًا لكل مدير مشروع، ورفعت دقة توقعات السعة في اللوجستيات قبل الذروة بـ 14 يومًا بدل الاكتشاف المتأخر—فإنها تكون قد نقلت الذكاء الاصطناعي من “تجربة” إلى “قيمة”.
في النهاية، تبنّي الذكاء الاصطناعي هو تمرين على الانضباط: انضباط في تعريف المشكلة، وانضباط في البيانات، وانضباط في القرار. وهو أيضًا تمرين على تواضع التوقعات: لا تقفز إلى “ثورة شاملة” قبل أن تثبت مكسبًا واضحًا في قرار واحد متكرر ومؤلم.
كيف نقرأ تبنّي الذكاء الاصطناعي في أي مؤسسة؟
- ما القرار الذي نريد تحسينه؟ اكتب القرار بجملة: “نوافق/نرفض/نرتّب/نوزّع/نجدول”.
- هل البيانات موحّدة التعريف؟ إذا اختلف معنى المصطلح بين إدارتين، فالتنبؤ سيختلف أيضًا.
- هل المخرجات تدخل سير العمل؟ القيمة لا تظهر في لوحة منفصلة، بل في نقطة اتخاذ القرار.
- من يراجع ويعتمد؟ “الإنسان في الحلقة” ليس شعارًا؛ هو تصميم صلاحيات ومسؤوليات.
- كيف نقيس النجاح؟ وقت، تكلفة، جودة، أو مخاطرة—وإلا سيصبح النجاح مجرد شعور.
التعليقات (5)
لا توجد تعليقات بعد. كن أول من يعلّق!