يتزايد تبنّي الذكاء الاصطناعي في المؤسسات بوتيرة أسرع من أي تحوّل تقني في التاريخ الحديث. وكل اجتماع قيادي يصل في النهاية إلى التوقع نفسه: يجب أن يقدّم الذكاء الاصطناعي قيمة قابلة للقياس على مستوى المؤسسة بأكملها. بعد إطلاق ChatGPT، تبنّت فرق الهندسة Copilot، واعتمد المحللون Perplexity، وبدأت فرق العمليات بتجربة الأتمتة. وتحسّنت الإنتاجية بشكل شبه فوري.
لكن بعد بضعة أشهر فقط، بدأت منحنيات التبنّي بالتباطؤ. توقفت المشاريع التجريبية. وأصبح العائد على الاستثمار غير متّسق. هذا التباطؤ لا يعود إلى ضعف النماذج أو إلى غياب الطموح التنفيذي، بل هو نتيجة عدم توافق هيكلي بين قدرات الذكاء الاصطناعي وبيئات المؤسسات.
مؤخرًا، صادفت تحليلًا من Caleb، وهو صانع محتوى يستكشف كثيرًا الجانب التنظيمي من تبنّي الذكاء الاصطناعي. لم يقدّم تأطيره مفاهيم جديدة، لكنه أوضح توترًا كان كثير من قادة المؤسسات قد شعروا به بالفعل. وقد شرح لماذا يتألق الذكاء الاصطناعي في حالات الاستخدام المعزولة، لكنه يواجه صعوبة في إحداث تحوّل على مستوى النظام.
لا يعتمد تبنّي الذكاء الاصطناعي على قوة النموذج، بل على الطبقة التي يُدخَل فيها الذكاء الاصطناعي إلى المؤسسة.
بالنسبة إلى CIOs وCTOs وقادة التحوّل الذين يتساءلون لماذا يبدو الذكاء الاصطناعي مبهرًا في العروض التوضيحية لكنه يتعثر عند النشر، ترسم هذه المقالة القيود الخفية والمسارات الاستراتيجية المطلوبة لتحقيق تبنٍّ مستدام على مستوى المؤسسة بأكملها.
من «هل ينبغي أن نتبنّى الذكاء الاصطناعي؟» إلى «لماذا التبنّي بطيء إلى هذا الحد؟»
قبل عامين، كانت المؤسسات تناقش ما إذا كانت بحاجة إلى الذكاء الاصطناعي. أما اليوم، فالسؤال هو كيف يمكن دمجه بشكل مستدام وآمن. ويتوقع المحللون أن يُنتَج قريبًا جزء كبير من مخرجات المؤسسات بواسطة الذكاء الاصطناعي. وعلى الورق، يبدو ذلك حتميًا. أما عمليًا، فما يزال الأثر غير متكافئ.
تتحرك فرق الهندسة بسرعة أكبر، لكن التنفيذ عبر الوظائف المختلفة بالكاد يتحسن. وتؤتمت فرق المبيعات التواصل الخارجي، لكنها ما تزال تخسر الوقت في التنسيق اليدوي. وتولّد فرق العمليات الرؤى بسرعة، لكنها ما تزال توفّق بين البيانات المجزأة يدويًا.
لا تعمل المؤسسات كآلات خطية. بل تعمل بوصفها أنظمة معقدة تشكّلها الحوكمة والحوافز والثقافة والتقنيات الموروثة. والذكاء الاصطناعي يضاعف هذا التعقيد بدلًا من تقليصه.
ومن المفيد النظر إلى الذكاء الاصطناعي في المؤسسات عبر ثلاثة مستويات من النضج.
المستوى 1. المهام المدعومة بالذكاء الاصطناعي
مفيد، لكنه محدود جذريًا
هنا تبدأ معظم المؤسسات. يستخدم الموظفون الذكاء الاصطناعي التوليدي في البحث، والتلخيص، واقتراحات البرمجة، وإنشاء المحتوى. وتوفر هذه الأدوات قيمة فورية.
لكن تسريع المهام ليس تحولًا في سير العمل. فالعمليات المحيطة — الموافقات، وعمليات التسليم بين الفرق، وطبقات إعداد التقارير — تبقى من دون تغيير. ونتيجة لذلك، لا تتحسن سرعة المؤسسة بشكل ملحوظ.
سرعة المهام ليست هي نفسها السرعة التنظيمية.
تبدو هذه المرحلة آمنة لأنها لا تتطلب أي تعديلات هيكلية. لكن العائد على الاستثمار على المدى الطويل يكون محدودًا بحكم التصميم.
المستوى 2. سير العمل القائم على الوكلاء
إمكانات عالية ومقاومة عالية
ينفذ الذكاء الاصطناعي القائم على الوكلاء سير عمل متعدد الخطوات بشكل مستقل. يقوم الوكلاء بتعديل الملفات، ومراجعة المخرجات، وإدارة المهام، أو تنسيق العمليات. والوعد هنا هائل.
أما التبني فليس كذلك.
العائق ليس القدرة التقنية، بل الجاهزية التنظيمية. فالأنظمة القائمة على الوكلاء تتطلب الثقة، والإشراف، والحوكمة، وتقبّل الأتمتة. وهي تربك التسلسلات الهرمية الراسخة وروتينات الامتثال. كما أنها تُدخل مخاطر تشغيلية غير مألوفة.
وبالتالي، تتراجع كثير من الأدوات القائمة على الوكلاء لتصبح مساعدين شبه مستقلين لا يعملون إلا ضمن حدود آمنة.
لا ترفض المؤسسات الاستقلالية بدافع الخوف. بل ترفضها بسبب غياب المواءمة.
المستوى 3. الأنظمة الأصلية للذكاء الاصطناعي
الميزة طويلة الأمد
تمثل الأنظمة الأصلية للذكاء الاصطناعي أعلى مستويات النضج. فهي تُصمَّم منذ البداية مع مشاركة الذكاء الاصطناعي. وبدلًا من تكييف سير العمل المُحسَّن للبشر بأثر رجعي، تبني المؤسسات هياكل تشغيلية جديدة ينسّق فيها الذكاء الاصطناعي تدفق البيانات، وتسلسل القرارات، وإيقاع العمل.
وهذا يطلق العنان لعمليات تنبؤية، ويقلل الاختناقات، ويمكّن من اتخاذ قرارات مستمر.
العائق كبير. لكن الميزة طويلة الأمد تتجاوز بكثير المكاسب التدريجية.
ومع ذلك، فإن الرحلة نحو الأنظمة الأصلية للذكاء الاصطناعي طويلة. ويظهر الخطر الحقيقي في المرحلة الانتقالية.
مشكلة Ferrari
الذكاء الاصطناعي غير المُدار تهديد عالي الأداء
استخدم Caleb استعارة تصبح أكثر قوة داخل سياق المؤسسة. فإتاحة وصول الموظفين إلى أدوات ذكاء اصطناعي قوية مثل ChatGPT أو Copilot لا تعني مجرد منحهم سيارة Ferrari.
إنه أشبه بمنحهم سيارة Ferrari من دون تدريب، ومن دون قواعد سير، ومن دون تأمين، ومن دون أي رؤية إلى أين ستتجه السيارة فعليًا.
المحرّك استثنائي. لكن داخل بيئة مؤسسية معقدة تضم بيانات حساسة، ومتطلبات امتثال، وأنظمة قديمة، فإن هذا المستوى من القوة غير المنضبطة يشكّل تهديدًا بنيويًا.
الذكاء الاصطناعي غير المنظَّم يؤدي إلى تسرّب بيانات غير مقصود، واستخدام Shadow IT، ومخرجات غير قابلة للتحقق، ومدخلات نماذج غير خاضعة للسيطرة، وفقدان كامل لقابلية التدقيق.
سيارة Ferrari لا تتحرك بسرعة فحسب. بل تتحرك في اتجاهات لا تستطيع المؤسسة رؤيتها.
إلى أن يُعاد بناء سير العمل، وحدود الحوكمة، وطبقات التحقق، وبنية التكامل، يظل الذكاء الاصطناعي غير المُدار عبئًا لا أصلًا.
لماذا يخلق التوسع المؤسسي احتكاكًا منهجيًا
كلما نمت المؤسسات، نمت تعقيدات التنسيق بوتيرة أسرع. مضاعفة حجم الفريق لا تضاعف التعقيد، بل تضربه في عدة أضعاف.
يعزّز الذكاء الاصطناعي أداء الأفراد. لكن المؤسسات تعمل على مستوى الشبكة. وهذا التباين يمتص معظم الأثر.
تُظهر الأبحاث حقيقة محورية.
الذكاء الاصطناعي يضخّم ما هو قائم بالفعل. يتسارع التوافق. وينهار التشرذم.
من دون إعادة تصميم سير العمل والحوكمة، يقدّم الذكاء الاصطناعي تحسينات معزولة بدلًا من إحداث تحول على مستوى النظام بأكمله.
الواقع المؤسسي
الأمن، والثقة، ومخاطر البيانات، والمقاومة الداخلية
قبل أن تسعى المؤسسات إلى الاستقلالية أو إلى سير عمل أصيل قائم على الذكاء الاصطناعي، فإنها تواجه قيودًا لا مفر منها.
متطلبات الأمن تمنع أي تساهل في حدود البيانات أو الامتثال التنظيمي.
عدم موثوقية LLM يخلق ترددًا لأن الهلوسات لا يمكن التسامح معها.
Shadow IT يظهر عندما تتأخر الأدوات الرسمية عن تلبية احتياجات الموظفين.
البيانات الاستراتيجية والشخصية تفرض مخاطر قانونية وسمعية.
غياب الحوكمة المركزية يخلق حالة من عدم اليقين بشأن التحقق والإشراف.
هذه ليست مؤشرات على النزعة المحافظة.
بل هي مؤشرات على المسؤولية المؤسسية.
لا يتسارع تبنّي الذكاء الاصطناعي إلا عندما تُحترم هذه الأسس.
الفجوة الحقيقية في السوق
ليس كل سير عمل يرغب في إعادة ابتكار
تفترض بعض السرديات حول الذكاء الاصطناعي أن الموظفين يريدون الأتمتة. لكن الواقع أن كثيرًا من مسارات العمل تظل مستقرة لأنها تبدو قابلة للتنبؤ وآمنة ثقافيًا.
تكمن الفرصة الحقيقية في مكان آخر.
نقل البيانات يدويًا.
توثيق متكرر.
التنقل المستمر بين السياقات.
منصات معزولة.
سير عمل غير مترابط.
نقاط الاحتكاك هذه تستنزف الإنتاجية بهدوء.
أزل الاحتكاك غير المرئي، وسيصبح التبنّي طبيعيًا.
خطوات عملية لتحول مؤسسي مستدام
تشترك المؤسسات التي تنجح في ممارسات متشابهة.
إجراء تدقيقات عالية الدقة لسير العمل.
إدخال السلوك الوكيلي تدريجيًا مع الإشراف.
إعادة تصميم الأدوار قبل إعادة تصميم التكنولوجيا.
البدء في المجالات ذات القيود الموروثة المنخفضة.
قياس السرعة التنظيمية، لا سرعة إنجاز المهام.
تبدو هذه الخطوات بسيطة. لكن أثرها يتضاعف بشكل هائل.
تأمل ختامي لقادة المؤسسات
تبنّي الذكاء الاصطناعي في المؤسسات ليس تحديًا متعلقًا بالنماذج. بل هو تحدٍ هيكلي وثقافي. لا تزال معظم المؤسسات عالقة عند مكاسب على مستوى المهام لأن سير العمل فيها لم يُصمَّم للأنظمة المستقلة.
القادة الذين يدركون ذلك ويعيدون التصميم عن قصد هم من سيشكلون الحقبة التالية من إنتاجية المؤسسات.
يعزز الذكاء الاصطناعي المؤسسات المنسجمة ويضاعف أثر المؤسسات المتشظية. قوِّ الأساس أولًا. ثم توسّع.
ملاحظة عملية
الحاجة إلى طبقة مؤسسية آمنة ومتكاملة
عبر المحادثات مع مديري المعلومات التنفيذيين وفرق التحول، يتكرر موضوع واحد. لا تحتاج المؤسسات إلى مساعد مستقل آخر. إنها تحتاج إلى طبقة إنتاجية آمنة، قابلة للتدقيق، ومتكاملة بعمق، تربط التطبيقات، وتحمي البيانات، وتتوافق مع الحوكمة، وتُدخل الذكاء الاصطناعي إلى سير العمل من دون زعزعة استقرار الأنظمة القائمة.
المنصات المبنية على تكاملات عميقة، وبنية تضع الخصوصية أولًا، وإشراف بمستوى المؤسسات، تحوّل الذكاء الاصطناعي غير المُدار من مخاطرة إلى ميزة استراتيجية. فهي توفر نظام الطرق المُهندَس الذي لم تكن Ferrari تملكه قط.
هذه هي الفلسفة التي تقف وراء Dvina. فقد صُممت ليس كأداة للمهام أو وكيل معزول، بل كـ طبقة إنتاجية واعية بسير العمل توحّد التطبيقات، وتحمي البيانات الحساسة، وتمكّن الفرق من تحقيق تحول على مستوى سير العمل من دون التضحية بالتحكم.
تأمل أخير
المستقبل للمؤسسات التي تبني الطرق الصحيحة
المؤسسات التي ستفوز في انتقال الذكاء الاصطناعي لن تكون تلك التي تمتلك أكبر عدد من النماذج. بل ستكون تلك التي تبني أكثر المسارات أمانًا ووضوحًا وقابلية للتكيف لكي يعمل الذكاء الاصطناعي من خلالها.
عندما يتوافق سير العمل والحوكمة وتدفقات البيانات، يتوقف الذكاء الاصطناعي عن التصرف كمحرك تجريبي ويصبح بنية تحتية مؤسسية حقيقية.
المستقبل لا يعود إلى المؤسسات ذات المحركات الأسرع. بل يعود إلى تلك التي تمتلك أقوى الطرق.
