يتسارع تبنّي الذكاء الاصطناعي في المؤسسات بوتيرة تفوق أي تحوّل تقني في التاريخ الحديث. وينتهي كل اجتماع للقيادة 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، وجرّبت فرق العمليات الأتمتة. وتحسّنت الإنتاجية على الفور تقريبًا.
لكن بعد بضعة أشهر فقط، تباطأت منحنيات التبنّي. وتعثّرت المشاريع التجريبية. وأصبح العائد على الاستثمار متفاوتًا. لا يرجع هذا التباطؤ إلى ضعف النماذج أو غياب الطموح لدى القيادات التنفيذية، بل إلى عدم توافق بنيوي بين قدرات الذكاء الاصطناعي وبيئات المؤسسات.
مؤخرًا، صادفت تحليلًا قدّمه Caleb، وهو صانع محتوى يتناول كثيرًا الجانب التنظيمي من تبنّي الذكاء الاصطناعي. لم يطرح مفاهيم جديدة، لكن زاوية تناوله أوضحت توترًا كان كثير من قادة المؤسسات قد استشعروه بالفعل. وفسّر لماذا يتألق الذكاء الاصطناعي في حالات استخدام منفصلة، لكنه يواجه صعوبة في إحداث تحوّل على مستوى النظام.
لا يعتمد تبنّي الذكاء الاصطناعي على قوة النموذج، بل على الطبقة التي يُدمَج فيها الذكاء الاصطناعي داخل المؤسسة.
ترسم هذه المقالة، لمديري تقنية المعلومات ومديري التكنولوجيا وقادة التحوّل الذين يتساءلون لماذا يُبهر الذكاء الاصطناعي في العروض التوضيحية لكنه يتعثّر عند النشر، خريطةً للقيود الخفية والمسارات الاستراتيجية اللازمة لتحقيق تبنٍّ مستدام على مستوى المؤسسة بأكملها.
من «هل ينبغي أن نتبنّى الذكاء الاصطناعي؟» إلى «لماذا يسير التبنّي بهذا البطء؟»
قبل عامين، كانت المؤسسات تناقش ما إذا كانت بحاجة إلى الذكاء الاصطناعي. أما اليوم، فالسؤال هو كيف تدمجه بصورة مستدامة وآمنة. ويتوقع المحللون أن يُنتَج قريبًا جزء كبير من مخرجات المؤسسات بواسطة الذكاء الاصطناعي. يبدو هذا حتميًا على الورق، لكن أثره في الواقع لا يزال متفاوتًا.
تعمل فرق الهندسة بوتيرة أسرع، لكن التنفيذ المشترك بين الأقسام بالكاد يتحسّن. وتؤتمت فرق المبيعات التواصل مع العملاء المحتملين، لكنها لا تزال تهدر الوقت في التنسيق اليدوي. وتستخلص فرق العمليات رؤى بسرعة، لكنها توفّق بين البيانات المتفرقة يدويًا.
لا تعمل المؤسسات كآلات خطية، بل بوصفها أنظمة معقدة تشكّلها الحوكمة والحوافز والثقافة والتقنيات الموروثة. ويزيد الذكاء الاصطناعي هذا التعقيد بدلًا من تقليصه.
ومن المفيد النظر إلى الذكاء الاصطناعي في المؤسسات عبر ثلاثة مستويات من النضج.
المستوى 1. المهام المدعومة بالذكاء الاصطناعي
مفيدة، لكنها محدودة في جوهرها
هنا تبدأ معظم المؤسسات. يستخدم الموظفون الذكاء الاصطناعي التوليدي للبحث والتلخيص واقتراحات البرمجة وإنشاء المحتوى. وتوفر هذه الأدوات قيمة فورية.
لكن تسريع المهام لا يعني إحداث تحول في سير العمل. فالعمليات المحيطة بها، من موافقات وتسليم العمل بين الأطراف ومستويات إعداد التقارير، تبقى دون تغيير. ونتيجة لذلك، لا تتحسن سرعة المؤسسة بشكل ملحوظ.
سرعة إنجاز المهام لا تعني سرعة المؤسسة ككل.
تبدو هذه المرحلة آمنة لأنها لا تتطلب أي تعديلات هيكلية. لكن العائد على الاستثمار على المدى الطويل يظل محدودًا بحكم التصميم.
المستوى 2. سير العمل القائم على الوكلاء
إمكانات كبيرة ومقاومة شديدة
ينفذ الذكاء الاصطناعي القائم على الوكلاء مسارات عمل متعددة الخطوات بشكل مستقل. ويعدّل الوكلاء الملفات، ويراجعون المخرجات، ويديرون المهام، أو ينسّقون العمليات. والإمكانات الواعدة هائلة.
لكن حجم التبنّي ليس كذلك.
العائق ليس القدرة التقنية، بل جاهزية المؤسسة. فالأنظمة القائمة على الوكلاء تتطلب الثقة والإشراف والحوكمة وتقبّل الأتمتة. وهي تربك التسلسلات الهرمية الراسخة وإجراءات الامتثال المعتادة، وتُدخل مخاطر تشغيلية غير مألوفة.
ونتيجة لذلك، تتراجع كثير من الأدوات القائمة على الوكلاء لتصبح مساعدين شبه مستقلين لا يعملون إلا ضمن حدود آمنة.
لا ترفض المؤسسات الاستقلالية بدافع الخوف، بل بسبب غياب التوافق.
المستوى 3. الأنظمة المبنية على الذكاء الاصطناعي من الأساس
الميزة طويلة الأمد
تمثل الأنظمة المبنية على الذكاء الاصطناعي من الأساس أعلى مستويات النضج. فهي تُصمَّم منذ البداية على أساس مشاركة الذكاء الاصطناعي. وبدلًا من تعديل مسارات عمل مصممة لتناسب البشر لإدخال الذكاء الاصطناعي فيها، تبني المؤسسات هياكل تشغيلية جديدة ينسّق فيها الذكاء الاصطناعي تدفق البيانات وتسلسل القرارات وإيقاع العمل.
وهذا يتيح عمليات تنبؤية، ويقلل الاختناقات، ويمكّن من اتخاذ القرارات باستمرار.
العائق كبير. لكن الميزة طويلة الأمد تتجاوز بكثير المكاسب التدريجية.
ومع ذلك، فإن الرحلة نحو الأنظمة المبنية على الذكاء الاصطناعي من الأساس طويلة. ويظهر الخطر الحقيقي في المرحلة الانتقالية.
مشكلة Ferrari
الذكاء الاصطناعي غير المُدار تهديد عالي الأداء
استخدم Caleb استعارة تزداد قوة في سياق المؤسسات. فإتاحة أدوات ذكاء اصطناعي قوية مثل ChatGPT أو Copilot للموظفين لا تعني مجرد منحهم سيارة Ferrari.
إنه يمنحهم سيارة Ferrari من دون تدريب، ولا قواعد سير، ولا تأمين، ولا أي رؤية إلى أين ستتجه السيارة فعليًا.
المحرّك استثنائي. لكن في بيئة مؤسسية معقدة تضم بيانات حساسة ومتطلبات امتثال وأنظمة قديمة، يشكّل هذا المستوى من القوة غير المنضبطة تهديدًا بنيويًا.
يؤدي الذكاء الاصطناعي غير المنظَّم إلى تسرّب غير مقصود للبيانات، واستخدام أدوات تقنية معلومات غير معتمدة، ومخرجات يتعذّر التحقق منها، ومدخلات للنماذج لا تخضع للضبط، وفقدان كامل لإمكانية التدقيق.
لا تتحرك سيارة Ferrari بسرعة فحسب، بل تتحرك في اتجاهات لا تستطيع المؤسسة رؤيتها.
إلى أن يُعاد بناء مسارات العمل وحدود الحوكمة وطبقات التحقق وبنية التكامل، يظل الذكاء الاصطناعي غير المُدار عبئًا لا أصلًا.
لماذا يخلق اتساع نطاق المؤسسات احتكاكًا على مستوى المنظومة
كلما نمت المؤسسات، ازدادت تعقيدات التنسيق بوتيرة أسرع. مضاعفة حجم الفريق لا تزيد التعقيد إلى الضعف، بل إلى 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 مسارات العمل والحوكمة، يقدّم الذكاء الاصطناعي تحسينات معزولة بدلًا من إحداث تحول على مستوى المنظومة بأكملها.
الواقع المؤسسي
الأمن، والثقة، ومخاطر البيانات، والمقاومة الداخلية
قبل أن تسعى المؤسسات إلى الاستقلالية أو إلى مسارات عمل مبنية على الذكاء الاصطناعي من الأساس، تواجه قيودًا لا مفر منها.
متطلبات الأمن تمنع أي تساهل في حدود البيانات أو الامتثال التنظيمي.
عدم موثوقية LLM يثير التردد لأن الهلوسات لا يمكن قبولها.
تقنية المعلومات غير المعتمدة تظهر عندما تتأخر الأدوات الرسمية عن تلبية احتياجات الموظفين.
البيانات الاستراتيجية والشخصية تفرض مخاطر قانونية ومخاطر على السمعة.
غياب الحوكمة المركزية يخلق حالة من عدم اليقين بشأن التحقق والإشراف.
هذه ليست علامات على النزعة المحافظة.
بل هي علامات على المسؤولية المؤسسية.
لا يتسارع تبنّي الذكاء الاصطناعي إلا عندما تُحترم هذه الأسس.
الفجوة الحقيقية في السوق
ليست كل مسارات العمل بحاجة إلى 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 ضمن ثقافة المؤسسة.
تكمن الفرصة الحقيقية في مكان آخر.
نقل البيانات يدويًا.
تكرار التوثيق.
التنقّل بين السياقات.
المنصات المعزولة.
مسارات العمل غير المترابطة.
تستنزف مصادر الاحتكاك هذه الإنتاجية بصمت.
أزل الاحتكاك غير المرئي، وسيصبح التبنّي طبيعيًا.
خطوات عملية لتحوّل مؤسسي مستدام
تشترك المؤسسات الناجحة في ممارسات محددة.
أجرِ عمليات تدقيق دقيقة لسير العمل.
أدخل سلوك الوكلاء الذكيين تدريجيًا مع الإشراف.
أعد تصميم الأدوار قبل إعادة تصميم التكنولوجيا.
ابدأ في المجالات الأقل تقييدًا بالأنظمة القديمة.
قِس سرعة تقدّم المؤسسة، لا سرعة إنجاز المهام.
تبدو هذه الخطوات بسيطة. لكن أثرها ينمو نموًا أُسّيًا.
تأمّل ختامي لقادة المؤسسات
تبنّي الذكاء الاصطناعي في المؤسسات ليس تحديًا يتعلق بالنماذج، بل تحدٍ هيكلي وثقافي. ولا تزال معظم المؤسسات عالقة عند مكاسب على مستوى المهام، لأن سير العمل فيها لم يُصمَّم للأنظمة المستقلة.
القادة الذين يدركون ذلك ويعيدون التصميم بصورة مدروسة سيشكّلون الحقبة القادمة من إنتاجية المؤسسات.
يقوّي الذكاء الاصطناعي المؤسسات المنسجمة ويفاقم تشتّت المؤسسات المتشرذمة. قوِّ الأساس أولًا. ثم توسّع.
ملاحظة عملية
الحاجة إلى طبقة مؤسسية آمنة ومتكاملة
في المحادثات مع الرؤساء التنفيذيين للمعلومات وفرق التحوّل، تتكرر فكرة واحدة: لا تحتاج المؤسسات إلى مساعد مستقل آخر. بل تحتاج إلى طبقة إنتاجية آمنة وقابلة للتدقيق، تتكامل بعمق مع أنظمتها، وتربط التطبيقات، وتحمي البيانات، وتنسجم مع الحوكمة، وتُدخل الذكاء الاصطناعي إلى سير العمل دون زعزعة استقرار الأنظمة القائمة.
المنصات المبنية على تكاملات عميقة، وبنية تعطي الأولوية للخصوصية، وإشراف يلبي متطلبات المؤسسات، تحوّل الذكاء الاصطناعي غير المُدار من خطر إلى ميزة استراتيجية. فهي توفر شبكة الطرق المصمّمة هندسيًا التي لم تتوفر لـ Ferrari قط.
هذه هي الفلسفة التي تقوم عليها Dvina. فهي لم تُصمَّم كأداة للمهام أو وكيل معزول، بل بوصفها طبقة إنتاجية تراعي سير العمل، توحّد التطبيقات، وتحمي البيانات الحساسة، وتمكّن الفرق من تحقيق تحوّل على مستوى سير العمل دون التضحية بالتحكّم.
تأمّل أخير
المستقبل للمؤسسات التي تبني الطرق المناسبة
المؤسسات التي ستنجح في التحوّل إلى الذكاء الاصطناعي لن تكون تلك التي تمتلك أكبر عدد من النماذج، بل تلك التي تبني المسارات الأكثر أمانًا ووضوحًا وقابلية للتكيّف ليعمل الذكاء الاصطناعي من خلالها.
عندما ينسجم سير العمل والحوكمة وتدفقات البيانات، يتوقف الذكاء الاصطناعي عن العمل كمحرّك تجريبي ويصبح بنية تحتية مؤسسية حقيقية.
المستقبل ليس للمؤسسات التي تملك أسرع المحركات، بل لتلك التي تملك أقوى الطرق.