- يشكّل الذكاء الاصطناعي كيفية إنجاز العمل نفسه، متجاوزًا أنظمة السجلات التقليدية نحو أنظمة عمل ديناميكية.
- فالأنظمة الرسمية لا تلتقط سوى البيانات المتعلقة بالعمل الذي تم بالفعل في شكل ثابت، بينما تكمن القيمة الحقيقية غالبًا في الاجتماعات اليومية التفاعلية والمحادثات المستمرة.
- يمكن للقادة الذين يسعون إلى بناء أنظمة عمل البدء بأربعة مبادئ أساسية.
ينتشر الذكاء الاصطناعي عبر المؤسسات بسرعة غير مسبوقة.
لقد أطلق الرؤساء التنفيذيون فرق عمل متخصصة في الذكاء الاصطناعي، وموّلوا مشاريع تجريبية، وأنشأوا مراكز تميّز. ومع ذلك، لا تزال العديد من هذه المبادرات تنظر إلى الذكاء الاصطناعي كأداة لأتمتة المهام أو تحسين الإنتاجية فقط. وهذه النظرة تقلّل من حجم التحول الحقيقي الذي يحدث.
فالذكاء الاصطناعي بدأ يعيد تشكيل كيفية إنجاز العمل ذاته. وتكتشف الشركات الأكثر تقدمًا أن التحول الحقيقي يتطلب تجاوز أنظمة السجلات التقليدية نحو شيء جديد: أنظمة العمل، وهي هياكل ديناميكية يتعلم فيها البشر والعمليات والذكاء الاصطناعي ويتطورون معًا بشكل مستمر.
أصبح هذا التحول أمرًا ملحًا. فوفقًا لأبحاث، أكثر من 70% من الشركات تجرّب الذكاء الاصطناعي التوليدي، لكن نسبة قليلة فقط تحقق تأثيرًا ملموسًا على أداء المؤسسة. وغالبًا لا تكون المشكلة في التكنولوجيا نفسها، بل في كيفية تصميم العمل داخل المؤسسات.
حدود أنظمة السجلات
على مدى عقود، اعتمدت المؤسسات الكبرى على أنظمة السجلات: مثل أنظمة تخطيط موارد المؤسسات التي تتبع البيانات المالية، وأنظمة إدارة علاقات العملاء التي تخزّن بيانات العملاء، والسجلات الصحية الإلكترونية التي توثّق تاريخ المرضى.
تحافظ هذه الأنظمة على الذاكرة المؤسسية، وتضمن الامتثال التنظيمي، وتوفر بيانات موثوقة لاتخاذ القرار؛ لكنها صُممت لتحقيق الاستقرار والتحكم، فهي تسجل ما حدث بالفعل فقط.
لكن العمل الحقيقي نادرًا ما يتبع مثل هذه الهياكل الصارمة. فهو يحدث من خلال القرارات التقديرية، والاستثناءات غير المتوقعة، والتعاون غير الرسمي بين الفرق. وغالبًا ما تكون هذه اللحظات هي التي تُنتج أكبر قيمة.
تشير الأبحاث إلى أن جزءًا كبيرًا من المعرفة المؤسسية يظل ضمنيًا، متجذرًا في خبرة الموظفين بدلًا من توثيقه في الأنظمة الرسمية. وعندما يغادر الموظفون ذوو الخبرة، تضيع هذه المعرفة معهم.
لماذا يفشل تصميم سير العمل التقليدي في عصر الذكاء الاصطناعي
لا تزال معظم المؤسسات تتبع نهجًا تقليديًا في الأتمتة: رسم العملية، جمع البيانات، وترميز القواعد. وقد نجح هذا النهج في موجات الأتمتة السابقة، مثل الأتمتة الروبوتية، حيث كان الهدف هو الاستقرار والتكرار. لكن الذكاء الاصطناعي يعمل بطريقة مختلفة.
فأنظمة التعلم الآلي قادرة على تفسير الأنماط، والتعامل مع الغموض، والتحسن من خلال التغذية الراجعة. ولكن عندما تُجبر المؤسسات هذه الأنظمة على العمل ضمن سير عمل جامد صُمم لبرمجيات تقليدية، فإنها تصطدم بسرعة بتعقيد العمل الحقيقي.
حتى سير العمل الذي يتعامل مع الاستثناءات بشكل جيد سيفشل إذا لم يستطع التكيف مع التغيير. فالأسواق تتغير، والقوانين تتحدث، والمؤسسات تعيد تنظيم نفسها. قد تكون العملية صحيحة عند إطلاق نظام ذكاء اصطناعي، لكنها تصبح غير دقيقة بعد أشهر قليلة. ومع ذلك، لا تزال المؤسسات تتعامل مع تصميم سير العمل كمشروع له بداية ونهاية، بدلًا من اعتباره عملية مستمرة.
هذا التباعد بين العمليات الرسمية والممارسات الفعلية هو أحد أسباب تعثر العديد من مبادرات الذكاء الاصطناعي في التوسع. إذ إن الكثير من هذه المشاريع يفشل في تحقيق القيمة بسبب غياب الممارسات البيانية والحوكمة والهياكل التشغيلية المناسبة.
صعود أنظمة العمل
بدأت المؤسسات الرائدة في الاستجابة لهذا التحدي من خلال إنشاء أنظمة عمل: طبقات تكيفية تربط بين البشر والذكاء الاصطناعي ضمن حلقات تغذية راجعة مستمرة. وعلى عكس أنظمة السجلات التي تركز على الاستقرار، تُصمم أنظمة العمل للتكيف مع التغيير.
فهي تسمح بتفاعل البيانات، والحكم البشري، ورؤى الآلة في الوقت الفعلي.
تظهر أمثلة مبكرة لهذا التحول عبر مختلف الصناعات. حيث تساعد بعض الشركات المؤسسات الكبرى على إعادة تصميم سير العمل بحيث تتعلم أنظمة الذكاء الاصطناعي بشكل مستمر بدلًا من أن تتوقف بعد نشرها.
ويعني ذلك عمليًا أنه عندما يواجه نظام الذكاء الاصطناعي حالة غير واضحة، يتدخل خبير بشري لتصحيح النتيجة، ويتم تغذية هذا التصحيح مرة أخرى إلى النظام.
كل تفاعل من هذا النوع يعزز ذكاء النظام، وفي الوقت نفسه يلتقط المعرفة التي كانت موجودة سابقًا فقط في خبرات الأفراد. ومع مرور الوقت، تبني المؤسسة مستودعًا معرفيًا حيًا يتطور مع الأعمال. وبذلك تتحول المؤسسة إلى نظام يتعلم باستمرار.
4 مبادئ لبناء أنظمة العمل
تتبنى المؤسسات التي تبدأ هذا التحول عدة مبادئ مشتركة:
- ابدأ بشكل صغير وتعلم بسرعة
بدل انتظار بيانات ضخمة أو توثيق مثالي، تبدأ الفرق الناجحة بمجموعات صغيرة من الأمثلة الواقعية، مثل تفاعلات العملاء أو العمليات التشغيلية. الهدف ليس الأتمتة الكاملة، بل تسريع التعلم. - إبقاء الإنسان في الحلقة
تظل الخبرة البشرية عنصرًا أساسيًا. فعندما يواجه النظام حالات غير مألوفة، يتم تصعيدها إلى خبير بشري لضمان الدقة وتوليد بيانات تدريب جديدة. ومع الوقت، يتم تحويل المعرفة الضمنية إلى معرفة قابلة للاستخدام. - التصميم للتغيير المستمر
تتغير الأسواق وتتبدل البيانات وتنحرف النماذج. لذلك تفترض أنظمة العمل وجود التغيير، وتدمج آليات للمراقبة وإعادة التدريب تتيح التكيف المستمر. فلا يُنظر إلى الذكاء الاصطناعي كمشروع مؤقت، بل كقدرة تتطور مع الزمن. - التكامل بدل الاستبدال
تُبنى الحلول الناجحة عادةً فوق الأنظمة القائمة بدلًا من استبدالها. يعمل الذكاء الاصطناعي كطبقة إضافية تستفيد من بيانات الأنظمة الحالية، وتفتح المجال لأشكال جديدة من التعاون والرؤى والتجريب.
القيادة في مؤسسة تتعلم
يمثل ظهور أنظمة العمل في جوهره تحديًا قياديًا. إذ يجب على القادة أن يظلوا قريبين من كيفية سير العمل فعليًا داخل مؤسساتهم، وأن يستخدموا الذكاء الاصطناعي ليس فقط لأتمتة المهام، بل لتسريع التعلم.
وبهذا المعنى، قد لا يكون التأثير الأعمق للذكاء الاصطناعي هو الأتمتة، بل القدرة على بناء مؤسسات تتعلم في الوقت الفعلي، وتحول الغموض إلى فهم، والفهم إلى قرارات عملية.
وفي اقتصاد يتسم بالتغير المستمر، قد تصبح هذه القدرة واحدة من أهم مصادر الميزة التنافسية.
