تقرير : نظام التشغيل القائم على الذكاء الاصطناعي أولًا: مخطط لإعادة ابتكار نماذج التشغيل والأعمال

ورقة بيضاء – يونيو 2026
بالتعاون مع Kearney

إخلاء المسؤولية

ينشر المنتدى الاقتصادي العالمي هذه الوثيقة بوصفها مساهمة في مشروع أو مجال معرفي أو تفاعل معين. وتمثل النتائج والتفسيرات والاستنتاجات الواردة فيها حصيلة عملية تعاونية قام المنتدى الاقتصادي العالمي بتيسيرها ودعمها، إلا أن نتائجها لا تعكس بالضرورة آراء المنتدى الاقتصادي العالمي، ولا آراء جميع أعضائه أو شركائه أو غيرهم من أصحاب المصلحة.

© 2026 المنتدى الاقتصادي العالمي. جميع الحقوق محفوظة. لا يجوز إعادة إنتاج أي جزء من هذا المنشور أو نقله بأي شكل أو بأي وسيلة، بما في ذلك النسخ والتسجيل، أو باستخدام أي نظام لتخزين المعلومات واسترجاعها.

المقدمة التمهيدية

على امتداد الجزء الأكبر من تاريخ الأعمال، كان للمؤسسات سقف تحدّه قيود واضحة. فقد كانت هناك حدود لمدى السرعة التي تستطيع بها المؤسسات التعلم، وللسرعة التي يمكن أن تنتقل بها المعلومات من أطراف المؤسسة إلى مركزها بحيث توجّه القرارات والإجراءات. كما كانت هناك قيود على سرعة اتخاذ القرارات وتنفيذها، وعلى المدى الذي تستطيع المؤسسة التوسع إليه من دون أن تفقد اتساقها أو تستنزف المواهب أو رأس المال أو الوقت. وكانت هذه القيود هيكلية، أي إنها متجذرة في البنية التي تحدد الطريقة التي تفكر بها المؤسسات وتتخذ بها القرارات وتتحرك على أساسها.

لكن عددًا صغيرًا ومتزايدًا من المؤسسات بدأ يفكك هذه القيود. وهي لا تفعل ذلك بمجرد تبني الذكاء الاصطناعي كأداة، بل من خلال تصميم منطق تشغيلها بالكامل حول الذكاء الاصطناعي، وبناء أنظمة تتعلم من كل تفاعل، وتتحسن مع كل دورة، وتتوسع نحو مجالات جديدة من دون زيادات متناسبة في التكلفة أو التعقيد.

هذه هي مؤسسات «الذكاء الاصطناعي أولًا». وعلى خلاف السقف الذي تحل محله، فإن هذه الحدود الجديدة لا تبقى ثابتة، بل تتقدم مع كل اختراق تقني، وكل عملية نشر، وكل قدرة جديدة تدخل المجال. وما تُظهره هذه المؤسسات ليس مجرد حد ثابت جديد، بل مستوى مختلفًا تمامًا مما تستطيع المؤسسة القيام به.

جمع مسار العمل الخاص بـ«المؤسسات القائمة على الذكاء الاصطناعي أولًا» التابع للتحالف العالمي للذكاء الاصطناعي في المنتدى الاقتصادي العالمي أكثر من 50 من أكثر المؤسسات والمفكرين تقدمًا في العالم، ضمن مهمة مشتركة تتمثل في إطلاق الإمكانات التي يمكن للمؤسسات أن تحققها لصالح الصناعات والمنظومات العالمية والمجتمع، وذلك من خلال استكشاف التحولات التي يجعلها الذكاء الاصطناعي ممكنة في نماذج الأعمال والتشغيل، والمساهمة في تشكيل الحقبة المقبلة للمؤسسات.

وعلى مدار العام الماضي، تعمق هذا المسار في دراسة البنى والقرارات والأنماط التي تميز المؤسسات التي يمكن وصفها حقًا بأنها قائمة على الذكاء الاصطناعي أولًا. وما يرد في هذا التقرير مستمد مباشرة من تلك المجموعة.

وقد توصلنا إلى نتائج واضحة بقدر ما هي متطلبة. فهي واضحة لأننا اكتشفنا مجموعة مترابطة من الأسس المشتركة بين شركات تبدو مختلفة للغاية بعضها عن بعض، من اكتشاف الأدوية إلى البنية التحتية المالية، ومن الخدمات اللوجستية الذاتية إلى الذكاء الاصطناعي القانوني. وهي متطلبة لأن الفجوة بين المؤسسات التي أعادت هيكلة نفسها حول الذكاء، وتلك التي لم تفعل ذلك، تتسع بسرعة.

ولا تمثل اللبنات الخمس التي يتناولها هذا التقرير، وهي محرك الذكاء، والمكدس التقني التكيفي، وإعادة تصميم العمليات، والعمل المشترك بين البشر والذكاء الاصطناعي، وخلق القيمة الجديدة، خريطة طريق للتحول. بل تصف الكيفية التي تعمل بها المؤسسات المتقدمة بالفعل اليوم.

وتتمثل الفرصة أمام القادة المستعدين للتعامل بجدية مع هذه التحولات في استخدام هذه اللبنات باعتبارها عدسة يمكن من خلالها رؤية ما أصبح ممكنًا الآن، ثم التصميم على هذا الأساس.

لقد زالت القيود الهيكلية القديمة. أما ما سيأتي بعد ذلك، ومدى التقدم الذي ستبلغه هذه الحدود الجديدة، ومن ستصل إليه، وما الذي ستجعله ممكنًا للصناعات والمجتمعات، فهي الأسئلة التي سنواصل استكشافها.

الملخص التنفيذي

تظهر اليوم فئة جديدة من المؤسسات التي تصمم عملياتها حول الذكاء، وتتعامل مع البيانات بوصفها موردًا أساسيًا، وتدمج الذكاء الاصطناعي في العمليات واتخاذ القرارات والتنفيذ.

وتُظهر هذه المؤسسات، التي يمكن وصفها بأنها «قائمة على الذكاء الاصطناعي أولًا»، مستويات أداء متقدمة تشمل دورات ابتكار أسرع، والقدرة على التوسع باستخدام فرق أصغر، وخلق منتجات جديدة مبنية على أنظمة تتعلم باستمرار.

تبحث هذه الورقة البيضاء في كيفية بناء هذه المؤسسات وطريقة عملها والعناصر التي تميزها. واستنادًا إلى تفاعل معمق مع أكثر من 50 من أكثر المؤسسات والمفكرين تقدمًا في مجال الذكاء الاصطناعي أولًا حول العالم، يرسم التقرير خريطة للأنماط والمبادئ التي تحدد كيفية عمل المؤسسات عند الحدود المتقدمة لهذا المجال.

وتلخص خمس لبنات أساسية المبادئ التي تقوم عليها المؤسسات القائمة على الذكاء الاصطناعي أولًا:

– محرك الذكاء في القلب: تضع المؤسسات الذكاء في مركز عملياتها ونماذج أعمالها، بحيث يتحول كل تفاعل إلى مصدر متراكم للميزة. ويسهم ذلك في تسريع العمل، وزيادة القدرة على التوسع، وتوسيع النطاق بطرق تصبح أكثر قوة كلما زاد استخدامها.

– المكدس التقني التكيفي للذكاء الاصطناعي: تبني المؤسسات بنى تقنية معيارية وقابلة للتكيف تدمج البيانات والنماذج وتدفقات العمل، مع تصميمها بحيث تتطور بالتوازي مع تقدم حدود التكنولوجيا.

– إعادة تصميم العمليات: تعمل المؤسسات بصورة منهجية على رقمنة تدفقات العمل وإغنائها بالذكاء، وليس فقط تحسينها بشكل هامشي، بل ربط جميع عملياتها بمحرك الذكاء.

– العمل المشترك بين البشر والذكاء الاصطناعي: تُصمم الأدوار والفرق والهياكل التنظيمية بطريقة تتيح تعاونًا مستمرًا بين البشر وأنظمة الذكاء الاصطناعي، مع إعادة تعريف شكل المساهمة البشرية عند الحدود المتقدمة للأداء.

– خلق قيمة جديدة: يجب على كل مؤسسة قائمة على الذكاء الاصطناعي أولًا، بغض النظر عن قطاعها، أن تحدد الكيفية التي تريد بها تموضع دمج الذكاء في السوق. فقد يكون الذكاء الاصطناعي ميزة في المنتج، أو بنية تحتية غير مرئية. ويحدد هذا الخيار ما الذي يدفع العملاء مقابله، وأين تتراكم القيمة، وكيف تنافس الشركة.

تشكل هذه اللبنات مجتمعة مخططًا للعمل في عالم أصبح فيه الذكاء وفيرًا ويتقدم باستمرار. ولتحويل ذلك إلى إطار عملي، يوسع التقرير «لوحة نموذج الأعمال» التقليدية من خلال إضافة أسس «الذكاء الاصطناعي أولًا»، لتوفير إطار عملي يساعد القادة على تصميم المؤسسات وتشغيلها وفق هذا النموذج.

ولا يزال صعود المؤسسات القائمة على الذكاء الاصطناعي أولًا في مراحله المبكرة. ولم يتضح بعد أي الأساليب سيكون الأكثر فاعلية في مختلف الصناعات، أو إلى أي مدى ستتمكن هذه النماذج من التوسع، أو ما ستكون عليه آثارها طويلة الأجل في الإنتاجية والتوظيف والمنافسة.

وبالنسبة إلى القادة، تتمثل الضرورة في بناء القدرات المطلوبة لاختبار أنظمة التشغيل القائمة على الذكاء الاصطناعي أولًا وتوسيع نطاقها عبر المؤسسة.

أما بالنسبة إلى رواد الأعمال، فتتمثل الفرصة في تحويل الذكاء إلى منتجات وخدمات وأنظمة متميزة قابلة للتوسع.

وبالنسبة إلى واضعي السياسات، سيكون التحدي هو مواكبة هذه النماذج سريعة التطور، وضمان أن يترجم تطورها إلى قيمة اقتصادية ومجتمعية واسعة النطاق.

إن نظام تشغيل جديدًا للمؤسسات آخذ في الظهور: مؤسسات صُممت حول الذكاء باعتباره قدرة أساسية لخلق القيمة.

المقدمة

يُعد الذكاء الاصطناعي أحدث فئة من فئات التكنولوجيا ذات الأغراض العامة، مثل الكهرباء والحواسيب والإنترنت.

وتاريخيًا، كان تأثير مثل هذه التقنيات محدودًا عندما قامت المؤسسات القائمة بإدخالها في أنظمتها الحالية من دون إعادة تصميمها. أما الاختراقات الحقيقية فقد جاءت عندما أعاد الرواد بناء أعمالهم حول التكنولوجيا نفسها.

في حالة الكهرباء، استبدل المتبنون الأوائل في قطاع التصنيع المحركات البخارية بمحركات كهربائية مع الاحتفاظ بتخطيطات المصانع وعمليات الإنتاج نفسها. ولم ينتج عن ذلك مكاسب إنتاجية تُذكر، وإن كانت تكاليف الطاقة قد انخفضت بنسبة تراوحت بين 20% و60%.

أما التحول الحقيقي فجاء عندما أعادت المصانع الرائدة تصميم بنيتها بالكامل حول الكهرباء. ومن الأمثلة على ذلك إعادة هنري فورد تصميم نظام خط التجميع الخاص به خلال الفترة من 1919 إلى 1926.

وقد أعاد هؤلاء القادة تشكيل تدفقات العمل، ووزعوا الطاقة على محطات العمل الفردية، وأعادوا بناء أنظمة الإنتاج، ما أتاح قفزات نوعية في نماذج التشغيل والأنظمة، ووضع الأساس للمصنع الحديث.

ما الذي يعنيه ذلك بالنسبة إلى الذكاء الاصطناعي؟

ما يميز الذكاء الاصطناعي هو سرعة تبنيه واتساع نطاقه. ففي أكتوبر 2025، قُدِّر أن 82% من صناع القرار يستخدمون الذكاء الاصطناعي أسبوعيًا، مقارنة بـ37% فقط في عام 2023.

وتتمثل العوامل التي تدفع هذا التبني الصناعي في ما يلي:

إتاحة الوصول على نطاق واسع: أتاحت الابتكارات في واجهات الاستخدام والنماذج اللغوية الكبيرة للمستخدمين غير التقنيين تبني الذكاء الاصطناعي وبناء تطبيقاته وتشغيله، بحيث تلتقي التكنولوجيا مع المستخدم عند مستوى خبرته.

الاستدلال والقدرة على الفعل: باتت الأنظمة قادرة بصورة متزايدة على تفسير المعلومات واتخاذ القرارات وتنفيذ الإجراءات عبر تدفقات العمل بدرجات أعلى من الاستقلالية.

الذكاء متعدد الوسائط: يستطيع الذكاء الاصطناعي معالجة النصوص والصور والصوت وغيرها، أو توليدها، ما يوسع نطاق التطبيقات الممكنة.

التنفيذ المتوازي: يمكن الآن تنفيذ المهام التي كانت تتم بالتتابع في الوقت نفسه، ما يضغط الزمن المطلوب للوصول إلى نطاق واسع.

في سوق اليوم، يغير الذكاء طبيعة المؤسسات التي يمكن بناؤها. وتطبق المؤسسات القائمة على الذكاء الاصطناعي أولًا هذا الدرس منذ البداية، من خلال تصميم العمليات واتخاذ القرار ونماذج الأعمال حول الذكاء.

أنماط المؤسسات بحسب مستوى تبني الذكاء الاصطناعي

المؤسسات المدعومة بالذكاء الاصطناعي:

التعريف: مؤسسات تطبق الذكاء الاصطناعي لأتمتة مهام منفصلة أو تعزيزها ضمن تدفقات العمل الحالية، بما يحسن الأداء من دون إعادة تصميم جوهري لنموذج التشغيل.

الخصائص:
– يُطبق الذكاء الاصطناعي على مستوى المهام.
– يتحسن الأداء من خلال مكاسب محلية في الكفاءة والإنتاجية.
– يركز نموذج المواهب على العاملين أصحاب الخبرة في المجال الذين يجربون أدوات الذكاء الاصطناعي ويستخدمونها.
– يدمج المكدس التقني أدوات ذكاء اصطناعي من جهات خارجية في الأنظمة القائمة.
– تتحسن اقتصاديات الوحدة نتيجة خفض التكاليف أو زيادة الإنتاجية، وليس بسبب تميّز مستمد من النماذج نفسها.

الاختبار العملي: إذا أزيلت أدوات الذكاء الاصطناعي، فهل ستنهار تدفقات العمل والهيكل التنظيمي للمؤسسة؟ إذا كانت الإجابة «لا»، فالمؤسسة مدعومة بالذكاء الاصطناعي.

المؤسسات القائمة على الذكاء الاصطناعي أولًا:

التعريف: مؤسسات تعيد بصورة منهجية تصميم تدفقات العمل والأدوار وحقوق اتخاذ القرار بحيث يصبح الذكاء الاصطناعي الرافعة الاستراتيجية لإنشاء القيمة وتقديمها على نطاق صناعي.

الخصائص:
– إعادة تصميم نوعية لتدفقات العمل التشغيلية الأساسية حول الذكاء الاصطناعي.
– إعادة هيكلة المكدس التقني لدمج الذكاء الاصطناعي في التنفيذ واتخاذ القرار والحوكمة على نطاق واسع.
– توزيع منهجي للمهام بين البشر والذكاء الاصطناعي.
– تصميم يلائم المعايير الصناعية والامتثال والعمل على نطاق إنتاجي.
– التعزيز والأتمتة يرفعان القدرات البشرية ويحققان رافعة تشغيلية تتجاوز ما يمكن أن يحققه البشر أو الذكاء الاصطناعي منفردين.
– إطلاق قدرات جديدة ما كان من الممكن تصميمها أو تقديمها أو توسيع نطاقها من دون الذكاء الاصطناعي.

الاختبار العملي: إذا أزيلت أنظمة الذكاء الاصطناعي، فهل ستظل المؤسسة قادرة على العمل، بما في ذلك تدفقات العمل والقرارات والتسليم؟ إذا كانت الإجابة «لا»، فالمؤسسة قائمة على الذكاء الاصطناعي أولًا.

المؤسسات المبنية أصلًا على الذكاء الاصطناعي:

التعريف: مؤسسات جديدة أُنشئت والذكاء الاصطناعي في صميم قدرتها الإنتاجية، بحيث تعتمد منتجاتها وخدماتها وميزتها التنافسية بصورة جوهرية على أنظمة الذكاء الاصطناعي.

الخصائص:
– الذكاء الاصطناعي جزء من عرض القيمة نفسه، وليس مجرد عنصر في العمليات.
– تتوسع القيمة عبر تراكم الذكاء: البيانات تقود إلى نموذج أفضل، والنموذج الأفضل يقود إلى نتائج أفضل.
– يتركز نموذج المواهب على باحثي الذكاء الاصطناعي، ومهندسي تعلم الآلة، ومتخصصي تقييم النماذج.
– يُبنى المكدس التقني عمدًا لتوفير تدريب مستمر للنماذج ونشرها والتكرار السريع على نطاق واسع.

الاختبار العملي: إذا أزيلت أنظمة الذكاء الاصطناعي، فهل سيظل عرض القيمة موجودًا؟ إذا كانت الإجابة «لا»، فالمؤسسة مبنية أصلًا على الذكاء الاصطناعي.

الأساليب التي تكتفي بتمكين الأعمال بالذكاء الاصطناعي تحد من كامل إمكاناته في خلق القيمة

على الرغم من أن الاستثمار العالمي في الذكاء الاصطناعي قُدّر بأكثر من 250 مليار دولار في عام 2025، فإن كثيرًا من المؤسسات لا تزال تحقق مكاسب تدريجية فقط.

وأظهر مسح عالمي أن 25% فقط من الشركات تقول إن الذكاء الاصطناعي يُحدث تأثيرًا تحوليًا في أعمالها، في حين أن 84% من الشركات لم تُعد تصميم الوظائف حول قدرات الذكاء الاصطناعي.

وكما كان الحال مع الكهرباء، فإن السبب الرئيسي هيكلي. ففي كثير من الحالات، يُنشر الذكاء الاصطناعي كطبقة إضافية فوق العمليات القائمة، ويُدمج بصورة ضيقة داخل الأدوات. وهذا النهج يحسن الكفاءة عند الهوامش، لكنه لا يطلق كامل إمكانات التكنولوجيا.

وفي المقابل، لا تزال مكاسب أداء المؤسسات القائمة على الذكاء الاصطناعي أولًا في مراحلها الأولى، لكنها لافتة:

– ضغط زمن الدورات: انخفضت بعض تدفقات العمل في التأمين التجاري من 28 يومًا إلى 2.8 ساعة.

– طريق أقصر إلى التوسع: وصلت بعض الشركات إلى 100 مليون دولار من الإيرادات السنوية المتكررة خلال أشهر، مقارنة بأربع إلى ثماني سنوات سابقًا.

– مشروعات كانت تبدو شبه مستحيلة أصبحت في المتناول: تمكنت حلقة استدلال ذاتية مستمرة لمدة 2.5 يوم من تحديد أول مركب دوائي واعد لهدف متعلق بفيروس نقص المناعة البشرية كان يُعد سابقًا شديد الصعوبة.

– فرق صغيرة تحقق إنتاجية وظائف كاملة: تحقق بعض الفرق إنتاجية أعلى بنحو 15 مرة باستخدام أدوات الذكاء الاصطناعي مقارنة بالعمل من دونها.

– ديناميكيات سوق جديدة: يعيد الذكاء الاصطناعي تشكيل الكيفية التي تتموضع بها الشركات وتقدم من خلالها القيمة للعملاء.

الابتكار في منطق نماذج الأعمال والتشغيل هو ما يجعل هذا التأثير ممكنًا.

ومن أجل فهم هذه النقلة، جمع مسار «المؤسسات القائمة على الذكاء الاصطناعي أولًا» أكثر من 50 مديرًا تنفيذيًا يقودون شركات وأقسامًا قائمة على هذا النموذج، واستند كذلك إلى رؤى أكثر من 150 من المديرين والخبراء عبر المقابلات وورش العمل والاستشارات المتخصصة.

وقد استكشفت المجموعة سؤالين أساسيين:

– كيف تغير المؤسسات القائمة على الذكاء الاصطناعي أولًا طبيعة الأعمال والطريقة التي تُنشئ بها القيمة وتقدمها؟

– ما الأنماط والابتكارات الناشئة التي تقف وراء نجاحها؟

وتتيح هذه الأنماط والابتكارات مجتمعة ظهور فئة جديدة من المؤسسات المبنية حول التعلم المستمر واتخاذ القرار في الوقت الفعلي والذكاء القابل للتوسع.

اللبنات الخمس الأساسية

تحدد خمس لبنات الأسس التي تعتمد عليها المؤسسات القائمة على الذكاء الاصطناعي أولًا في تقديم القيمة.

وينبغي فهم هذه اللبنات ليس بوصفها خريطة طريق خطية، بل باعتبارها نظامًا متكاملًا. فالتقدم في أحد المجالات يعزز المجالات الأخرى، وتشكل هذه العناصر مجتمعة مخططًا ناشئًا لنظام تشغيل المؤسسة القائمة على الذكاء الاصطناعي أولًا.

اللبنات هي:

– محرك الذكاء: الذكاء في صميم المؤسسة بوصفه مصدرًا تراكميًا للسرعة والتوسع والنطاق.

– المكدس التقني التكيفي للذكاء الاصطناعي: تصميم بنية معيارية توفر التوسع والمرونة والتحكم.

– إعادة تصميم العمليات: تحديد الأماكن التي ينبغي فيها توزيع محرك الذكاء وتشغيله.

– العمل المشترك بين البشر والذكاء الاصطناعي: بناء الفرق والمؤسسات التي تسمح بتنفيذ مستمر يجمع بين البشر والذكاء الاصطناعي.

– خلق قيمة جديدة: تموضع القدرات والحلول الجديدة في السوق.

اللبنة الأولى: محرك الذكاء

عندما يوجد الذكاء في صميم المؤسسة، فإنه يتحول إلى مصدر مستدام للسرعة والقدرة على التوسع واتساع النطاق.

تبني المؤسسات القائمة على الذكاء الاصطناعي أولًا «محركات ذكاء» تعمل كنظام تشغيل تدور حوله الطريقة التي تفكر بها المؤسسة وتعمل وتخلق من خلالها القيمة.

ومن خلال دمج الذكاء بصورة استراتيجية في المنطق الأساسي للأعمال، تضمن هذه المؤسسات أن البيانات التشغيلية والملكية الفكرية المملوكة لها ومصادر ميزتها التنافسية تتراكم بمرور الوقت.

وفي قلب هذا النموذج يوجد محرك ذكاء، وهو حلقة دفع ذاتية التعزيز تعتمد على البيانات، وتدمج المعرفة التنظيمية بأكملها، وتتعلّم من كل تفاعل ومعاملة، وتصبح أكثر ذكاء كلما زاد استخدامها.

ويربط المحرك بيانات العملاء والسياق التشغيلي وأهداف الأعمال والأداء الفعلي في حلقات تغذية راجعة مستمرة تتعلم وتتحسن وتتوسع مع كل دورة.

ويتكون من ثلاث حلقات:

– حلقة السرعة: تسريع الاكتشاف والتجريب والوصول إلى القيمة من خلال الاستدلال الذاتي.

– حلقة التوسع: تحويل الذكاء إلى منصة متعددة الاستخدامات عبر نتائج الأعمال المختلفة.

– حلقة النطاق: توسيع القدرات إلى مجالات ومنتجات وأسواق جديدة.

1.1 حلقة السرعة

الهدف: تستخدم المؤسسات القائمة على الذكاء الاصطناعي أولًا حلقة السرعة لتنفيذ عدد أكبر من التجارب، وإنشاء الفرضيات واختبارها، والتحقق من الأفكار قبل الالتزام بالموارد.

ويخفض ذلك تكلفة التجريب مع زيادة سرعة التعلم. وتساعد الإخفاقات على تضييق مساحة البحث، في حين تتحول النجاحات إلى لبنات للدورة التالية.

ومع مرور الوقت، يتكون نظام تتراكم فيه المعرفة الخاصة بالمؤسسة.

في التطبيق العملي، قد يعني ذلك أن تنتقل شركة لاكتشاف الأدوية من فرضية حول مركب دوائي إلى محاكاة موثقة خلال أيام بدلًا من أشهر.

وقد يعني أيضًا أن تنتج شركة برمجيات نماذج أولية وظيفية من تعليمات مكتوبة بلغة طبيعية خلال ثوان، أو أن تختبر شركة روبوتات السلوكيات المادية وتحسنها في المحاكاة قبل إجراء أول عملية نشر في العالم الحقيقي.

وما يجمع هذه المؤسسات ليس السرعة وحدها، بل ميزة هيكلية.

مكونات حلقة السرعة

مدخلات البيانات: بناء قاعدة تعلم من بيانات غنية بالسياق ومرتبطة بالنتائج ومؤشرات الأداء الرئيسية، بحيث يتحسن أداء التعلم مع كل دورة.

أسس الذكاء: تثبيت النظام حول نتائج أعمال محددة وسياق خاص بالمجال، لتحديد ما ينبغي له أن يتعلم منه وما ينبغي له تحسينه.

تسريع التعلم: ضغط المسار من إثبات المفهوم إلى إثبات القيمة باستخدام الذكاء الاصطناعي لتوليد الأفكار ومحاكاتها واختبارها والتحقق منها بسرعة قبل التوسع.

القدرة الجديدة – الاستدلال الذاتي: تمكين الأنظمة من إدارة المسار الكامل من الاكتشاف إلى النشر بصورة مستقلة، بما يشمل توليد المخرجات واختبارها وتقييمها وتكييفها وتحسينها مقابل أهداف محددة، مع استخدام ذاكرة مستمرة وملاحظات بشرية للتحسن في كل دورة.

كيف تعمل حلقة السرعة؟

1. أسس الذكاء

ما الذي تتيحه؟

مواءمة النظام مع أهداف واضحة وقواعد تعلم منظمة خاصة بالمجال.

الآلية: بناء السياق انطلاقًا من الأهداف.

كيف تعمل؟

تُترجم أهداف الأعمال إلى أهداف واضحة وقابلة للقياس للذكاء الاصطناعي، مع ربط النتائج، مثل الإيرادات أو الدقة، بمقاييس على مستوى النظام، مثل دقة التنبؤ أو تكلفة كل مخرج.

وتُجمع البيانات المهيكلة وغير المهيكلة ذات الصلة لبناء السياق، وكشف الأنماط، وإضفاء معنى على الإشارات الصادرة عن النظام.

مثال Workera:

تعرف Workera «السياق الجيد» من خلال التخصيص. ومن خلال الاتصال بأنظمة مثل Workday واستيعاب بيانات الأدوار والسير الذاتية والأولويات الاستراتيجية، تبني الشركة مستويين من السياق:

الأول، سياق فردي يتعلق بمهارات المستخدم وخبراته.

والثاني، سياق خاص بالشركة يتعلق بالقدرات التي تحتاج المؤسسة إلى تطويرها.

وتستخدم Workera هذا السياق لتقييم المهارات وتحديد الفجوات والتوصية بمسارات تعلم مستهدفة.

ويُعتبر السياق «جيدًا» عندما يحسن دقة هذه التقييمات، ويخصص التوصيات وفق دور الفرد، ويضمن توافق تطوير المهارات مع أهداف الأعمال.

2. تسريع التعلم

ما الذي يتيحه؟

تسريع التجريب من خلال إنشاء الحلول واختبارها وتحسينها قبل نشرها في العالم الحقيقي.

الآلية: اكتشاف الحلول وبناء النماذج الأولية بسرعة.

كيف تعمل؟

تحديد الفرص عالية القيمة واختبار الفرضيات في المحاكاة قبل تخصيص الموارد.

مثال Formation Bio:

طورت Formation Bio أداة تُسمى Cassini يمكن استخدامها لرسم تصور لكيفية تطور سوق الأدوية خلال السنوات المقبلة.

وتحلل الأداة خطوط التطوير السريري، والجداول الزمنية للمنافسين، والأدلة العلمية، لتقدير المجالات التي يُرجح أن ينجح فيها دواء جديد.

ويستطيع النظام حتى التنبؤ بالتجارب السريرية من المرحلة الثانية التي يُرجح أن تنجح قبل بدء التجارب نفسها.

ومن خلال رؤية هذه النتائج في وقت مبكر، يستطيع الباحثون توجيه الوقت ورأس المال نحو البرامج الدوائية الأكثر وعدًا.

الآلية: التقييمات والسلامة والحوكمة.

كيف تعمل؟

تطبيق أنظمة تقييم آلية ذات حدود محددة، بما يسمح بتنفيذ ذاتي آمن وخاضع للسيطرة.

مثال ServiceNow:

أنشأت ServiceNow إطارًا لتقييم وكلاء الذكاء الاصطناعي باستخدام حدود كمية يجب أن يتجاوزها الوكلاء قبل تشغيلهم فعليًا.

ويقيّم الإطار الوكلاء وفق معدلات إنجاز مهام محددة، عادة ما تتراوح بين 80% و95%، مع السماح بهامش اختلاف وفق الهدف.

وعندما تقع المخرجات خارج هذه الحدود، يُستدعى مراجع بشري في نقاط محددة مسبقًا.

وبعد التشغيل، تنفذ ServiceNow تقييمًا إحصائيًا لأنظمتها الوكيلية، حيث يصبح حجم القرارات أكبر بنحو ألف مرة منه قبل الإنتاج، ما يجعل المراجعة البشرية الشاملة مستحيلة.

1.2 حلقة التوسع

الهدف: تحول حلقة التوسع الذكاء إلى منصة متعددة الاستخدامات، من خلال تطبيق النماذج وتدفقات العمل نفسها لزيادة المخرجات عبر وظائف متجاورة.

ويتطلب ذلك ربط أنظمة الذكاء الاصطناعي مباشرة بمقاييس الأعمال، ودمجها في تدفقات العمل الحية، وضمان موثوقية عملها في ظروف العالم الحقيقي.

وبعد النشر، يعزز كل استخدام النظام، ويحسن كفاءته وجودة مخرجاته.

تتحول مدخلات البيانات هنا من بيانات التدريب إلى بيانات الأداء الحية للأعمال ضمن مجال محدد، باستخدام بيانات تشغيلية مباشرة مرتبطة بنتائج الأعمال واقتصاديات النظام.

وتقوم المواءمة الاقتصادية والتشغيلية بربط أداء النظام مباشرة بمقاييس الأعمال، ودمج الذكاء الاصطناعي في الطريقة التي يُنفذ بها العمل مع تغذية راجعة مباشرة.

أما الاستقلالية على مستوى الإنتاج، فتهدف إلى ضمان أن تعمل الأنظمة بموثوقية وعلى نطاق واسع ضمن حدود محددة، مع التحسين المستمر في بيئة الإنتاج.

وتتمثل القدرة الجديدة في «المنصة متعددة الاستخدامات» التي تبني منصات موجهة نحو النتائج، بحيث تتراكم فيها القدرات وتنخفض التكلفة الهامشية للنمو وتتوسع إلى حالات استخدام مجاورة.

عمليًا، يعني ذلك أن الشركة تحتاج إلى عدد أقل من عمليات بناء النماذج المخصصة وإعادة تدريبها عند التوسع.

فمنصة للمستودعات بُنيت في الأصل لمراقبة العمليات قد تتوسع إلى اكتشاف الاختناقات، والتدخل، وتحسين معدل الإنتاجية.

وقد تتوسع منصة لمكافحة الاحتيال لتكتشف مزيدًا من النشاطات المشبوهة، بينما تتعلم من نتائج التحقيقات اللاحقة وطرق حل الحالات.

كيف تعمل حلقة التوسع؟

3. المواءمة الاقتصادية والتشغيلية

ما الذي تتيحه؟

مواءمة الذكاء مع الطريقة التي يعمل بها النشاط التجاري ويخلق بها القيمة، مع توجيهه نحو القرارات الأكثر تأثيرًا في نتائج الأعمال، وجعل الأداء قابلًا للملاحظة بصورة كاملة.

الآلية: ربط الأداء بالنتائج.

كيف تعمل؟

تحويل أهداف الأعمال إلى مؤشرات أداء رئيسية دقيقة وقابلة للتحسين ترتبط مباشرة بالإيرادات والتكاليف والمخاطر وغيرها.

مثال Claryo:

تعكس Claryo تحولًا من مجرد مراقبة نشاط المستودع إلى ربط الأداء التشغيلي مباشرة بالأرباح والخسائر اليومية واقتصاديات كل قدم مربعة.

وتعالج منصتها القائمة على الذكاء الاصطناعي التوليدي المكاني نحو 50 تيرابايت من البيانات المرئية لكل مستودع شهريًا لتحديد توقفات العمل والتراكمات والاختناقات في الوقت الفعلي.

فعلى سبيل المثال، ينبه النظام الفرق عندما تظل منصات البضائع ساكنة في مسارات الشحن السريع فترة طويلة، ويقيس الخسارة المالية الناتجة عن ذلك.

وتتيح هذه الرؤية إدارة أكثر استباقية خلال فترات ارتفاع الطلب.

وخلال موجة مبيعات «الجمعة السوداء»، استخدم أحد العملاء قدرات المراقبة المرئية لدى Claryo لزيادة القوة العاملة من 150 إلى 300 موظف، وزيادة عدد قادة إدارة أرضية العمل من اثنين إلى ستة، والمشرفين من أربعة إلى 12، مع الحفاظ على استقرار اقتصاديات الوحدة تحت ضغط الذروة.

وتفيد Claryo بأنها تحقق مكاسب سنوية في الأرباح والخسائر تبلغ 2.56 دولار لكل قدم مربعة.

الآلية: جعل نقاط الرافعة قابلة للملاحظة.

كيف تعمل؟

تركيز الذكاء الاصطناعي على القرارات ذات الأثر المرتفع وتنفيذها مع رؤية كاملة، بما يتيح تكرارًا أسرع وتحكمًا أفضل.

مثال Taktile:

في الخدمات المالية المنظمة، توجد القرارات عالية المخاطر غالبًا داخل تدفقات عمل مثل إدخال العملاء، والاكتتاب الائتماني، ومكافحة غسل الأموال، ومنع الاحتيال.

وينشر عملاء Taktile الوكلاء بصورة منهجية لاستهداف المهام التي تستهلك وقتًا طويلًا والتي كان من المستحيل أتمتتها سابقًا، مثل تحليل القوائم المالية وعمليات «اعرف عميلك»، إلى جانب تعزيز ذكاء أنظمة اتخاذ القرار من خلال التصفية الآلية للنتائج الإيجابية الكاذبة المتعلقة بالاحتيال.

وتمكّن Taktile المؤسسات من الجمع بين القواعد والوكلاء والحكم البشري لاتخاذ قرارات أسرع وأكثر دقة، مع الحفاظ على الحوكمة والرقابة ضمن طبقة موحدة لاتخاذ القرار.

4. الاستقلالية على مستوى الإنتاج

ما الذي تتيحه؟

تشغيل أنظمة الذكاء الاصطناعي بصورة موثوقة وعلى نطاق واسع في ظروف العالم الحقيقي، ضمن حدود واضحة ومع تحسين مستمر.

الآلية: موثوقية من الدرجة الصناعية.

كيف تعمل؟

تحديد معايير القبول، واختبار الحالات الطرفية والمتطلبات التنظيمية والامتثال، والتحقق من الأنظمة في ظروف العالم الحقيقي قبل نشرها.

مثال Waymo:

قبل تشغيل مركبات Waymo من دون سائق أمان في مدينة جديدة، يجب أن تستوفي المركبات 12 معيار قبول لتقييم جاهزيتها للنشر.

وتُقيّم هذه المعايير من خلال مجموعة من الحدود الكمية واختبارات المحاكاة، بما في ذلك أكثر من 20 مليار ميل داخل بيئات افتراضية، حيث يُعاد تشغيل سيناريوهات من العالم الحقيقي وتغييرها لاختبار النظام تحت الضغط قبل أي إطلاق عام.

الآلية: التحسين المستمر من دون تعطيل الإنتاج.

كيف تعمل؟

تشغيل نظام حي في الإنتاج ونظام اختبار «منافس» بالتوازي.

ويُقيّم النظام المنافس مقابل مقاييس رئيسية مثل الدقة وزمن الاستجابة والحالات الطرفية، ولا تتم ترقيته إلا عندما يتفوق على النظام الحي.

مثال BforeAI:

تطبق BforeAI هذا النهج في الأمن السيبراني من خلال تشغيل نماذج اكتشاف جديدة بالتوازي مع النظام الحي.

وتحلل النماذج المنافسة بيانات الشبكة نفسها، ويجري تقييمها وفق قدرتها على التفوق على النموذج الموجود في الإنتاج.

ولا تُنشر سوى النماذج التي تتجاوز أداء الإنتاج وتحقق حدودًا صارمة للدقة، مثل تجاوز 90%.

ويسمح هذا النظام للشركة بالتنبؤ بالتهديدات، في بعض الحالات، قبل بدء الهجوم، مع إتاحة التخفيف الاستباقي للتهديدات من دون تعطيل العمليات الحية.

التوسع من خلال إعادة الاستخدام

كيف يعمل؟

تُعامل كل عملية نشر بوصفها نسخة مختلفة من النظام نفسه، مع إدماج التعلم داخل منصة متعددة الاستخدامات وتقليل التكلفة الهامشية للتوسع.

مثال Osmo:

أنشأت Osmo منصة للذكاء الشمي دُرّبت على أكثر من 3 مليارات جزيء وأكثر من 5 ملايين تصنيف للعطور، بهدف التنبؤ بكيفية رائحة تركيبات الجزيئات وأدائها داخل المنتج.

وبدلًا من بناء نموذج جديد لكل منتج عطري أو عميل، تستخدم Osmo المنصة نفسها لتطوير تركيبات جديدة، والتنبؤ بأداء السوق، وتخصيص التفضيلات الفردية.

ثم تُعيد الشركة التركيبة الناتجة إلى النظام، بحيث تصبح كل دورة لاحقة لتطوير العطور أسرع وأكثر تخصيصًا للعميل.

وما كان يستغرق ستة أشهر أصبح يستغرق نحو 60 ثانية.

1.3 حلقة النطاق

توسع حلقة النطاق ما تستطيع المؤسسة فعله باستخدام الذكاء.

ويمكن للمؤسسات إعادة استخدام القدرات عبر تدفقات العمل، ومشاركتها بين الفرق، وإعادة تركيبها لإنشاء منتجات وخدمات وأسواق جديدة بالكامل.

عمليًا، يعني ذلك أن المؤسسة قد تبدأ باستخدام ذكاء بُني لغرض محدد لإنشاء قيمة في مجالات أخرى.

فقد يتوسع نظام ذكاء اصطناعي قانوني من تحليل العقود إلى الضرائب والعمل على الصفقات.

وقد تصبح طبقة ذكاء مشتركة أساسًا لكشف الاحتيال والتخصيص واتخاذ قرارات المخاطر عبر المؤسسة.

ومع مرور الوقت، يمكن للمؤسسات بناء قدرات متقدمة مثل «نماذج العالم» التي توسع نطاق الطموح باتجاه مشروعات علمية وتقنية وتجارية ضخمة لم تكن أي تركيبة سابقة من البيانات أو المواهب أو التنسيق قادرة على تحقيقها.

في هذه الحلقة، تتحول مدخلات البيانات من تحسين الأداء إلى بيانات التوسع، بما في ذلك المجالات الجديدة والحالات الطرفية وسياقات الأسواق.

ويتم توسيع القدرات الجديدة عبر إعادة استخدام القدرات المثبتة وتمديدها عبر تدفقات العمل والفرق والمجالات، فيما تستمر الأنظمة في التعلم والتحسن مع الاستخدام.

أما خلق القيمة واستكشاف المشروعات الطموحة، فيتم من خلال إعادة تركيب القدرات لتحديد فرص جديدة ذات إمكانات مرتفعة، وإنشاء منتجات جديدة ودخول أسواق جديدة.

وعند حدود القدرات، يصبح كل نشر للنظام وسيلة لتوسيع نطاقه إلى مجالات جديدة، ويتحول القيد من «كيفية بناء الذكاء» إلى «أين ينبغي تطبيقه».

كيف تعمل حلقة النطاق؟

5. توسيع القدرات الجديدة

ما الذي تتيحه؟

توسيع القدرات المثبتة إلى مجالات مختلفة، بحيث يستطيع الذكاء التعميم إلى ما يتجاوز حالة الاستخدام الأصلية.

الآلية: الانتقال بين المجالات.

كيف تعمل؟

تطبيق النظام الأساسي نفسه على مجالات جديدة من خلال تكييف السياق مع الحفاظ على البنية الأساسية.

مثال Harvey AI:

أنشأت Harvey نموذجًا لغويًا كبيرًا متخصصًا في المجال القانوني لتدفقات عمل مثل تحليل العقود والبحث في السوابق القضائية ودعم التقاضي.

وفي عام 2024، وُسعت البنية نفسها إلى الامتثال الضريبي عندما شاركت Harvey في بناء مساعد ضريبي بالذكاء الاصطناعي جرى تدريبه على التشريعات والإرشادات المتعلقة بالإيرادات في أكثر من 10 أنظمة قضائية.

وفي عام 2025، توسعت المنصة إلى عمليات الاندماج والاستحواذ، بما يشمل مراجعة الوثائق المالية، واكتشاف علامات الخطر في عمليات العناية الواجبة، وتحليل الصفقات.

وقد نُفذت إحدى تدفقات العمل وحدها أكثر من 10 آلاف مرة.

الآلية: طبقة ذكاء مشتركة.

كيف تعمل؟

بناء منصة مشتركة تُعاد فيها الاستفادة من النماذج والخصائص والدروس المستفادة في مختلف أنحاء المؤسسة.

مثال Stripe:

في عام 2025، بنت Stripe نموذجًا تأسيسيًا للمدفوعات دُرّب على عشرات المليارات من المعاملات.

ويلتقط هذا النموذج بنية كل معاملة ضمن طبقة تمثيل مشتركة تستطيع المؤسسة بأكملها البناء فوقها، بدلًا من قيام كل فريق منتج بتدريب نماذج مستقلة ومخصصة لمهمة محددة.

ويُطوّر كل منتج جديد على التمثيلات المشتركة نفسها، بما يشمل كشف الاحتيال، والتفويض، ومنع اختبار البطاقات، وإدارة النزاعات.

وفي أول تطبيق نُشر للنموذج، تمكن من تحديد أكثر من 95% من هجمات اختبار البطاقات في الوقت الفعلي، بتحسن بلغ 22% مقارنة بالأساليب السابقة.

6. خلق القيمة واستكشاف المشروعات الطموحة

ما الذي يتيحه؟

تحويل الذكاء المتراكم إلى منتجات وأسواق وفرص جديدة ذات أثر مرتفع.

الآلية: إعادة تركيب القدرات.

كيف تعمل؟

دمج القدرات الموجودة في عروض منتجات جديدة من دون إعادة بناء الأنظمة الأساسية أو إنشاء بنية تحتية جديدة بالكامل.

مثال Anthropic:

أطلقت Anthropic نموذج Claude في عام 2023، ثم عملت استراتيجيًا على نشر الذكاء الأساسي نفسه عبر فئات منتجات مختلفة.

أعاد Claude Code تركيب قدرات البرمجة واستخدام الأدوات في أداة برمجة وكيلية عبر سطر الأوامر، ووصل إلى مليار دولار من الإيرادات السنوية المحسوبة على أساس وتيرة الإيرادات خلال ستة أشهر من إطلاقه.

وفي يناير 2026، أعاد Claude Cowork تركيب الأنماط الوكيلية في Claude Code داخل تطبيق مكتبي مخصص للعاملين في المعرفة من غير المتخصصين تقنيًا، مع نظام إضافات للمبيعات والقانون والمالية والموارد البشرية والتصميم.

وفي أبريل 2026، أعاد Claude Design تركيب قدرات الرؤية والاستدلال في Claude داخل أداة للنماذج الأولية المرئية.

وفي مايو 2026، أعاد Claude for Small Business تركيب القدرات الوكيلية لـClaude Cowork داخل 15 تدفق عمل جاهزًا للاستخدام في مجالات المالية والعمليات والمبيعات والموارد البشرية.

الآلية: إطلاق استكشاف المشروعات التي كانت تبدو بعيدة المنال.

كيف تعمل؟

تطبيق الذكاء على مشكلات كان يُنظر إليها سابقًا على أنها غير قابلة للحل بسبب التعقيد أو التكلفة أو قيود التنسيق.

مثال Isomorphic Labs وDeepMind:

في عام 2026، أطلقت Isomorphic Labs «محرك تصميم الأدوية»، وهو نظام موحد يتجاوز التنبؤ بالبنية إلى عملية اكتشاف دوائي متكاملة من البداية إلى النهاية.

وبالاستناد إلى اختراقات AlphaFold، يتنبأ النظام ببنى البروتينات، ومواقع الارتباط القابلة للاستهداف، والمرشحين الدوائيين، بما يساعد على ردم الفجوة بين التنبؤ والعلاجات الفعلية.

وتاريخيًا، واجه العلماء صعوبة في تطوير أدوية تستهدف نحو 85% من البروتينات البشرية لأنهم لم يكونوا قادرين على تحديد المواقع التي تستطيع الأدوية الارتباط بها بفاعلية.

وعالج النظام هذا القيد من خلال تحديد موقع ارتباط معروف وآخر كان مخفيًا سابقًا على بروتين cereblon المستهدف في علاج السرطان، باستخدام تسلسل الأحماض الأمينية وحده كمدخل، ومن دون معرفة مسبقة بمكان ارتباط الدواء المحتمل.

اللبنة الثانية: المكدس التقني التكيفي للذكاء الاصطناعي

عندما تصمم المؤسسات مكدسات تقنية معيارية، يستطيع محرك الذكاء أن يتطور بالسرعة نفسها التي تتطور بها التكنولوجيا التي تقوم تحته.

المكدس التقني القائم على الذكاء الاصطناعي أولًا هو البنية التي تسمح لمحرك الذكاء بالعمل بصورة مستقرة وعلى نطاق واسع.

وينبغي أن تكون هذه البنية معيارية، بحيث تربط البيانات والنماذج والسياق وطبقات التنسيق، وتتيح للمستخدمين الوصول إلى الذكاء عبر تدفقات العمل، وتحسينه من خلال التغذية الراجعة، وتكييفه مع تغير النماذج والأدوات.

ولا يبدأ المكدس التقني القائم على الذكاء الاصطناعي أولًا بالضرورة باستبدال أنظمة السجلات الحالية، مثل إدارة علاقات العملاء أو تخطيط موارد المؤسسة، بل بإعادة تصميم كيفية وضع الذكاء فوق هذه الأنظمة والوصول إليه من خلالها.

وتظل الأنظمة الأساسية مصدر الحقيقة، بينما يوجد الذكاء الاصطناعي فوقها لتنسيق تدفقات العمل، وتحسين القرارات، والارتقاء بالتفاعلات.

وبمرور الوقت، ومع نضج محرك الذكاء، قد يعيد المستخدمون تشكيل أجزاء من المكدس أو يستبدلونها عندما تتوقف عن توفير ميزة.

ويتيح التصميم المعياري للبنية ما يلي:

– قابلية التشغيل البيني: استبدال المكونات من دون إعادة بناء النظام بأكمله.

– الهوية والصلاحيات: التحكم في من يمكنه الوصول إلى ماذا، بما في ذلك النماذج والبيانات والموصلات، بحيث يعمل الذكاء الاصطناعي ضمن ضوابط واضحة.

– البنية المفتوحة: الحفاظ على الاستقرار في الإنتاج والاحتفاظ بالسيطرة على الأجزاء الأكثر أهمية.

– التحديث المستمر: التكيف بموثوقية مع ظهور نماذج وأدوات وبنى تحتية جديدة.

ويتكون المكدس من عدد من الطبقات الأساسية:

البنية التحتية: الحوسبة والهوية والتخزين والأمن والطاقة.

البيانات: بيانات التدريب، والبيانات الخاصة بالمؤسسة، والبيانات التشغيلية، وبيانات الاستخدام وملاحظات المستخدمين والحالات الطرفية.

طبقة السياق: الأنطولوجيا، وسجل بروتوكولات السياق، وواجهات برمجة التطبيقات، والواجهات العامة.

النماذج: نماذج مخصصة، ونماذج رائدة، ونماذج صغيرة، ونماذج مفتوحة.

التنسيق: التوجيه والسياسات وهوية الوكلاء والأمن.

واجهات المستخدم: التطبيقات والمنصات والأدوات والوكلاء والأجهزة الخارجية.

2.1 تحويل البيانات إلى وقود لمحرك الذكاء

الهدف: لا يستطيع محرك الذكاء تحقيق أثر تراكمي إلا إذا أصبحت البيانات التي تغذيه أفضل مع كل دورة.

تدمج المؤسسات القائمة على الذكاء الاصطناعي أولًا التغذية الراجعة والتدريب والتقييم في نظام واحد، بحيث يتحسن الأداء بمرور الوقت بدلًا من الاعتماد على عمليات ضبط دقيقة منفصلة تحدث مرة واحدة.

عمليًا، تحدد جودة البيانات وبنيتها مستوى قدرات النظام الذكية.

ففي عمليات مكافحة الاحتيال، تمثل النتائج الإيجابية الكاذبة وتجاوزات المحققين للنظام بيانات تدريب معنونة يمكن أن تسرع التعلم.

وتعمل البيانات التشغيلية الحية على تعميق الموثوقية على نطاق واسع.

أما أنماط الهجوم المولدة اصطناعيًا فتمكن النظام من توسيع نطاق الكشف ليشمل سيناريوهات لا يمكن للبيانات الحقيقية وحدها أن تغطيها.

وتقوم هذه المقاربة على أربع ممارسات:

الممارسة الأولى: تحويل الاستخدام إلى وقود لمحرك الذكاء.

الممارسة الثانية: امتلاك طبقات التحكم.

الممارسة الثالثة: تكوين محفظة مستقلة عن نموذج بعينه.

الممارسة الرابعة: جعل السياق ديناميكيًا لا ثابتًا.

كيفية عمل دولاب البيانات المتراكم

إنشاء حلقة بيانات عبر المكدس التقني بأكمله أمر أساسي.

فكل عملية استخدام، سواء قُبل فيها مخرج للنموذج، أو تم تجاوزه، أو وُضع عليه تنبيه، تتحول إلى إشارة.

وعندما يتكرر ذلك باستمرار عبر المكدس، تتراكم هذه الإشارات: تتحسن النماذج، ويصبح التنسيق أكثر دقة، وتزداد قدرات النظام مع كل دورة استخدام.

ومن الإشارات التي يمكن جمعها:

– ملاحظات المستخدمين
– إنشاء المحتوى
– تبني المنصة
– العمليات الحية
– التوجيه وعمليات التسليم بين الأنظمة
– تفعيل السياسات
– سجلات الاستدلال
– درجات الثقة
– اختبارات A/B
– استخدام الأدوات
– الاسترجاع
– واجهات برمجة التطبيقات

ويتم التقاط هذه الإشارات وتصنيفها، ثم تقييمها وإعادة التدريب بناء عليها، ما يؤدي إلى تحسين الأداء، مثل:

– توجيه أكثر ذكاء
– دقة أعلى
– تجربة أفضل
– قدرات جديدة
– نماذج أكثر موثوقية

تهيئة البيانات للتعلم والتقييم

لا تتراكم قيمة البيانات إلا عندما تُنظم بطريقة تجعلها قابلة للتعلم.

ويعني ذلك فصل البيانات التشغيلية اليومية، مثل أنشطة الاستخدام والمعاملات وأحداث الأنظمة، عن البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي.

كما ينبغي تخزين بيانات التدريب في صيغ موحدة ومعنونة وقابلة للتتبع.

ورغم قدرة الذكاء الاصطناعي على التعامل مع البيانات غير المهيكلة، فإن السياق الخاص بالأعمال لا يزال يحتاج إلى أن يُشفّر ويمثل بوضوح داخل النظام.

البيانات الاصطناعية للحالات الطرفية

يمكن للبيانات الاصطناعية أن تكون مفيدة لاحتياجات دقيقة للغاية، مثل الحالات الطرفية النادرة، والسيناريوهات منخفضة التكرار، أو تدفقات العمل التي يصعب فيها الحصول على بيانات معنونة.

وعند استخدامها بصورة جيدة، تساعد الفرق على تدريب الأنظمة وتقييمها على الحالات الأكثر أهمية عندما لا تكون بيانات الإنتاج الفعلية كافية.

2.2 امتلاك طبقات التحكم

الهدف: من خلال امتلاك طبقات التحكم المحيطة بالنموذج، تستطيع البنية المعيارية استيعاب التغيرات التكنولوجية من دون إعادة بناء تدفقات العمل بصورة مستمرة أو التخلي عن السيطرة على العناصر المعمارية الحاسمة.

في التطبيق العملي، ينبغي لفريق خدمة عملاء يتعامل مع آلاف التفاعلات المدعومة بالذكاء الاصطناعي عبر المحادثات والبريد الإلكتروني وعمليات التسليم بين الفرق أن يواصل العمل بصورة طبيعية حتى عند ترقية أحد النماذج أو استبدال مزود للخدمة.

وينبغي ألا تتغير جودة الخدمة أو تتطلب إعادة تصميم تدفق العمل عند استبدال النموذج.

ومن خلال امتلاك طبقة التنسيق وطريقة ربط السياق بواجهات برمجة التطبيقات الداخلية، تستطيع الشركة إجراء الترقيات مع الحفاظ على ثبات التوجيه والسياسات وتدفقات بيانات العملاء.

امتلك التنسيق، وليس النماذج فقط

توجه طبقة التنسيق المهام إلى النموذج المناسب بناءً على التكلفة ونتائج تقييم الأداء والسياسات.

ويمنح ذلك المؤسسة سيطرة على كيفية نشر الذكاء في ظل تغير اقتصاديات النماذج وقدراتها.

أدر البوابات بين بياناتك ونماذجك

لأداء مهمة بصورة جيدة، تحتاج النماذج إلى سياق من أنظمة مثل إدارة علاقات العملاء والموارد البشرية والمالية.

وتسمح الموصلات الموحدة للنماذج بالوصول إلى هذه المعلومات من خلال طبقة مشتركة بدلًا من عمليات تكامل منفصلة لكل حالة.

ويقلل ذلك هشاشة التكامل ويحد من الحاجة إلى إعادة بناء تدفقات العمل عندما يتغير المزود.

ابنِ واجهات برمجة تطبيقات حول بياناتك المملوكة

ينبغي إبقاء البيانات الخاصة بالمؤسسة خلف واجهات برمجة داخلية بدلًا من ربطها مباشرة بأدوات خارجية.

ويحافظ ذلك على واجهة مستقرة حتى عندما يتغير المزود، كما يحافظ على ضوابط مدمجة مثل التخزين المؤقت والصلاحيات وسجلات التدقيق.

2.3 تكوين محفظة مستقلة عن نموذج بعينه

الهدف: التعامل مع طبقة النماذج باعتبارها محفظة، وإدارة المفاضلات بين النموذج والمهمة عبر الأداء والتكلفة والموثوقية، وتوجيه العمل إلى النموذج المناسب بدل الاعتماد على نموذج واحد عبر المؤسسة كلها.

في التطبيق العملي، يتغير اختيار النموذج بين تدفقات العمل الإبداعية.

فقد يستخدم نموذج منخفض التكلفة في الأعمال الإنتاجية المتكررة مثل التصنيف والتنسيق وتوليد النسخ المختلفة.

في المقابل، يمكن استخدام نموذج رائد في المهام الأكثر صعوبة مثل تطوير المفاهيم وصياغة السرد وتجميع المعلومات.

أما الأعمال شديدة الحساسية للعلامة التجارية فقد تعتمد على نظام مضبوط دقيقًا ومسنود بإرشادات المؤسسة وأصولها الداخلية.

أدر النماذج باعتبارها محفظة

يقلل نهج المحفظة الاعتماد الزائد على مزود واحد أو فئة نموذج واحدة، ويزيد المرونة مع تغير اقتصاديات النماذج، كما يسمح للمؤسسة بالاستثمار في بناء أو شراء نماذج لسد الفجوات في تدفقات العمل الأساسية.

طابق النموذج مع المهمة وتحقق من الملاءمة

تكون النماذج الرائدة أكثر مناسبة للأعمال المعقدة التي تتطلب قدرًا كبيرًا من الحكم.

وتناسب النماذج الأصغر المهام المتكررة ومنخفضة التكلفة.

أما النماذج المضبوطة دقيقًا فتكون أنسب للحالات التي تحسن فيها البيانات الخاصة بالمؤسسة الأداء بصورة ملموسة.

وتعتمد القدرة على الانتقال بثقة بين هذه الأنواع الثلاثة على التقييم، أي اختبار ما إذا كانت جودة المخرجات تظل ثابتة عند تغيير النموذج.

ويجب تحديث هذه المعرفة بانتظام في مختلف أنحاء المؤسسة.

ابنِ نماذج مخصصة أو متخصصة بالمجال عندما تكون الميزة حقيقية

تكون هذه النماذج ذات قيمة عندما يكون السياق الخاص بالمؤسسة مهمًا، أو تتوافر بيانات تدريب قوية، أو عندما لا تؤدي الأنظمة العامة الغرض بدرجة كافية.

وهي تكون مفيدة بصورة خاصة عندما تعتمد المهمة على المعرفة المؤسسية أو السياق الثقافي أو الملكية الفكرية الحساسة.

2.4 جعل السياق ديناميكيًا لا ثابتًا

الهدف: تجميع السياق في الوقت الفعلي.

وبدلًا من الاعتماد على نسخ ثابتة من البيانات، ينبغي للنظام جلب المعلومات الحية من مصدرها، والحفاظ على سلطتها الأصلية، وتخصيص المعلومات المسترجعة وفق المهمة المطروحة.

عمليًا، لا ينبغي لفني ميداني الاعتماد على أمر ثابت محمّل بأدلة وسياسات قديمة.

بل يقوم النظام بجلب السجل الحالي للمعدات، وأحدث نشرة خدمة، والسياق التشغيلي الخاص بالموقع في الوقت الفعلي.

وهذا يسمح للتوصية بأن تعكس الحقيقة الحالية بدلًا من معلومات نُسخت داخل النموذج قبل أسابيع.

حافظ على السياق معياريًا ويمكن الوصول إليه مركزيًا

بدل نسخ كل شيء في موقع تخزين واحد، يُنظم السياق داخل مجموعات منفصلة مخصصة لأغراض معينة، بحيث تحتوي كل مجموعة على مخططاتها وقواعدها وأمثلتها الخاصة، وتكون قابلة للاكتشاف من خلال سجل مركزي.

ويستدعي الوكلاء فقط ما يتعلق بالمهمة بدل الاعتماد على سياق ثابت يُحمّل بالكامل في البداية.

شفّر سلطة المصادر داخل طبقة السياق

لا يحتاج الوكلاء إلى بيانات مصنفة فحسب، بل إلى معرفة أي المصادر له الأولوية عندما تتعارض المصادر.

وتنتقل هذه القواعد مع البيانات، بحيث يعكس الاسترجاع والاستدلال في المراحل اللاحقة التسلسل الصحيح للسلطة بصورة افتراضية.

جمّع السياق في اللحظة المناسبة

بدل تحميل كل الحقائق المعروفة داخل أمر ثابت، يجمع موجه السياق فقط المعلومات المطلوبة في تلك اللحظة.

وتعود التصحيحات التي يقدمها المستخدمون إلى طبقة الترميز لتصبح جزءًا من النظام.

دراسة حالة: Indeed تبني طبقة تشغيل معيارية للذكاء الاصطناعي

حوّلت Indeed مكدسها التقني من خلال بناء منصة مركزية للوكلاء تعتمد على بروتوكول موحد للسياق، ما جعل الطريقة التي تتصل بها النماذج والبيانات والتطبيقات عبر المؤسسة أكثر معيارية.

وجعلت المنصة الخدمات الأساسية قابلة للاستخدام عبر المنتجات الداخلية والخارجية، مع إتاحة الوصول الآمن على نطاق واسع.

وتشغّل هذه البنية التطبيق الحواري لـIndeed، حيث يستطيع الباحثون عن وظائف استخدام اللغة الطبيعية وملفاتهم الشخصية لدى Indeed لاكتشاف الفرص المناسبة والانتقال مباشرة إلى الوظائف في أكثر من 50 دولة و27 لغة.

كما تتضمن المنصة ضوابط مخاطر آلية، وأنظمة تقييم تتابع بصورة مستمرة التبني والدقة والإنتاجية، والقدرة على تبديل النماذج لتحسين التوازن بين التكلفة والأداء وزمن الاستجابة.

والهدف هو أن تتغذى كل عملية تفاعل مجددًا داخل النظام، بما يحسن التنسيق، ويسرع التعلم، ويسمح لـIndeed بتوسيع قدراتها باستمرار لصالح الباحثين عن الوظائف وأصحاب العمل من دون تعطيل العمليات.

اللبنة الثالثة: إعادة تصميم العمليات

عندما يحدد تخصيص الذكاء كيفية تصميم العمليات، تتوقف تدفقات العمل عن كونها مجرد عمليات يجب تنفيذها، وتصبح أنظمة تتعلم.

لا يتمثل طموح المؤسسة القائمة على الذكاء الاصطناعي أولًا في تطبيق الذكاء الاصطناعي على تدفقات عمل مختارة فحسب.

بل يتمثل في بناء مؤسسة جرى فيها رقمنة كل تدفق عمل وترميزه وجعله قابلًا للفهم من جانب محرك الذكاء، بحيث يستطيع المحرك التعلم منه وتحسينه، ثم تشغيله في نهاية المطاف.

وتصبح العمليات والذكاء غير قابلين للفصل.

كل قرار وعملية وإجراء يغذي نظامًا يصبح باستمرار أكثر ذكاء وأسرع وأكثر قدرة.

ولا تصبح المسألة تخصيص الذكاء الاصطناعي للأعمال، بل تشغيل الأعمال نفسها بالذكاء الاصطناعي.

وعند تلك المرحلة، لا تعود الميزة التنافسية مرتبطة بالأدوات التي تستخدمها الشركة، بل بمدى عمق دمج الذكاء في الطريقة التي تفكر بها المؤسسة وتعمل من خلالها.

لكن معظم المؤسسات اليوم لم تصل بعد حتى إلى نقطة الانطلاق في هذه الرحلة.

فهي تجري تجارب أولية، غالبًا عشرات التجارب المنفصلة التي تثبت قيمة محلية ولكنها لا تحقق أثرًا تراكميًا، لأنها غير متصلة بطبقة ذكاء مشتركة وغير مصممة للتوسع.

ويتطلب الانتقال من التجارب الأولية إلى عمليات قائمة على الذكاء الاصطناعي أولًا خطوة وسيطة متعمدة: التعامل مع الذكاء كما لو كان رأس مال، واتخاذ قرار استراتيجي بشأن الأماكن التي ينبغي الاستثمار فيها أولًا.

وبدل السماح للذكاء الاصطناعي بالانتشار بلا تنسيق عبر المؤسسة، يحدد القادة تدفقات العمل الأكثر تأثيرًا، ويعيدون تصميمها بالكامل من البداية إلى النهاية حول قدرات الذكاء، ويضمنون أن كل دورة تنفيذ تعيد البيانات والإشارات إلى المحرك.

ومع مرور الوقت، يُعاد بناء نموذج التشغيل، ليس من خلال برنامج تحول واحد، بل تدفق عمل بعد آخر، إلى أن تصبح الأعمال قائمة على الذكاء الاصطناعي.

وتغطي هذه اللبنة ثلاثة مستويات:

– تحديد أين ينبغي تخصيص الذكاء أولًا.

– إعادة تصميم العمل حول الذكاء.

– بناء الأنظمة التي تسمح للعمليات القائمة على الذكاء بالعمل على نطاق واسع.

وليست هذه المستويات سلسلة من المراحل التي تُستكمل واحدة بعد الأخرى، بل ممارسات تميز المؤسسات التي تحقق تراكمًا مستمرًا في الأداء عن المؤسسات التي لا تزال تدير تجارب معزولة.

دراسة حالة: تخصيص الذكاء في Gamma

بحلول أواخر عام 2025، تجاوزت Gamma، وهي شركة عروض تقديمية مبنية أصلًا على الذكاء الاصطناعي، 100 مليون دولار من الإيرادات السنوية المتكررة بفريق يضم نحو 50 شخصًا فقط.

وكان المستخدمون قد أنشأوا أكثر من 400 مليون أصل على المنصة، وكانوا يولدون أكثر من مليون قطعة محتوى يوميًا.

وتعاملت الشركة مع كل خطوة في إنشاء المحتوى باعتبارها مسألة تخصيص، وطرحت أسئلة من قبيل:

– أي المهام ينبغي أن تتولاها النماذج الرائدة، وأيها ينبغي أن تتولاها نماذج متخصصة أقل تكلفة؟

– أي الأوامر تتطلب تنسيقًا بين عدة أنظمة بدلًا من الضبط الدقيق للنموذج؟

– أي المخرجات لا تزال تتطلب حكمًا بشريًا فيما يتعلق بالذوق وتدفق العمل واتجاه المنتج؟

وجاءت ميزة Gamma من إعادة إسناد العمل باستمرار إلى التركيبة التي تحقق أقل تكلفة وأعلى جودة بين النموذج وتصميم النظام والمدخل البشري.

وبعد ستة أشهر من الإطلاق، ارتفع هامش الربح الإجمالي المرتبط بالاستدلال من نحو 31% إلى نحو 77%.

وتحسن محرك الذكاء لأن قرارات تخصيص العمل أصبحت أكثر وعيًا ودقة.

وكان كل تحسين يجعل الدورة التالية أسرع وأقل تكلفة.

وينطبق هذا المنطق على نطاق واسع.

فمع انتقال المؤسسات من التجارب الأولية إلى العمليات القائمة على الذكاء الاصطناعي أولًا، يتحول التحدي من إدارة تجارب منفصلة إلى رقمنة تدفقات العمل وإعادة تصميمها بصورة منهجية، بحيث تغذي كل دورة تنفيذ محرك الذكاء.

ويمكن تشبيه الذكاء الموزع بالأخطبوط، إذ لا يتركز ذكاؤه في دماغ واحد فقط. فمن بين نحو 500 مليون خلية عصبية لديه، يوجد نحو ثلثيها في أذرعه.

يحدد الدماغ النية، وتستشعر الأذرع وتنسق، بينما تنفذ الممصات الإجراءات.

وتعمل المؤسسات القائمة على الذكاء الاصطناعي أولًا بطريقة مشابهة: يحدد محرك الذكاء الاتجاه ويوفر السياق، بينما يُوزع الذكاء عبر تدفقات العمل والوكلاء والفرق لتنفيذ الإجراءات.

وتربط ثلاثة مستويات بين النية والتنفيذ:

– المستوى الأول: أين ينبغي تخصيص الذكاء؟

– المستوى الثاني: كيف ينبغي إعادة تصميم العمل؟

– المستوى الثالث: كيف تُبنى عمليات قائمة أصلًا على الذكاء؟

المستويات الثلاثة لتخصيص الذكاء

المستوى الأول – أين ينبغي تخصيص الذكاء؟

مواءمة الذكاء الاصطناعي مع نتائج الأعمال وإعطاء الأولوية لتدفقات العمل ذات الأثر المرتفع.

المسار: من النتائج إلى تدفقات العمل.

المستوى الثاني – كيفية إعادة تصميم العمل.

تحديد دور الذكاء الاصطناعي عبر العمليات والمهام، ومطابقة المهام بالنماذج المناسبة.

المسار: من تدفقات العمل إلى المهام.

المستوى الثالث – بناء عمليات قائمة على الذكاء.

بناء أنظمة الأنطولوجيا، وإعادة تصميم تدفقات العمل، وضمان الرؤية اللازمة لتنسيق التنفيذ.

المسار: التنسيق التشغيلي.

ومع بدء المؤسسات في التعامل مع الذكاء باعتباره رأس مال، يتحول التحدي إلى تخصيصه بصورة مسؤولة عبر جميع المستويات وآلاف المهام داخل تدفقات عمل تبلغ قيمتها ملايين الدولارات.

3.1 أين ينبغي تخصيص الذكاء؟

من يقود ذلك؟

الإدارة التنفيذية العليا، والرؤساء التنفيذيون، وقادة وحدات الأعمال.

ما لم تكن الشركة مبنية أصلًا على الذكاء الاصطناعي، فإن المؤسسات القائمة على الذكاء الاصطناعي أولًا لا تحاول رقمنة كل شيء دفعة واحدة.

بل تحدد تدفقات العمل التي من شأن إعادة تصميمها حول الذكاء أن تخلق أكبر نقلة ممكنة في الأداء، وتبدأ منها.

وتشترك أقوى نقاط البداية في ثلاث خصائص:

– الحجم والتكرار: العمليات مرتفعة الحجم والمستمرة التي تتراكم فيها التحسينات بمرور الوقت.

– الاحتكاك داخل تدفق العمل: العمليات التي تبطئها عمليات التسليم بين الفرق أو التنسيق متعدد الخطوات أو المراجعة اليدوية.

– التعقيد المعرفي: المهام كثيفة القرارات أو المعلومات التي يستطيع الذكاء الاصطناعي فيها تحسين الحكم والسرعة بصورة ملموسة.

وتخلق هذه الخصائص ظروفًا يكون فيها دمج الذكاء قادرًا على تقديم مكاسب كبيرة، وتكون فيها البيانات الناتجة عن كل دورة غنية بما يكفي لتغذية المحرك وتحسين الدورة التالية.

ولهذا تظهر تدفقات العمل مثل خدمة العملاء والمشتريات والاكتتاب والمطالبات واستكشاف الأعطال وإصلاحها في كثير من الأحيان بوصفها أولويات مبكرة.

ولا تختار المؤسسات هذه المجالات لأنها سهلة، بل لأن إعادة تصميمها تحقق عوائد متراكمة.

دراسة حالة: كيف جعلت Genesys الذكاء الاصطناعي جزءًا من التشغيل من خلال التنفيذ الموزع

بدأت Genesys بفريق عمل متخصص في الذكاء الاصطناعي يضم قادة تشغيليين موزعين عبر الوظائف، وكانت مهمتهم ضمان ارتباط المبادرات بتدفقات العمل الحقيقية.

وفي البداية، جرى حصر أكثر من 200 حالة استخدام وتطوير أفكار بشأن المهام داخل كل دور التي يمكن للذكاء الاصطناعي أتمتتها، ما أوجد رؤية مشتركة للمجالات التي يستطيع الذكاء الاصطناعي تحقيق أثر فيها.

ثم تحول تركيز Genesys إلى التنفيذ من خلال دليل عمل موحد يوجه الفرق في كيفية:

– تحديد تدفقات العمل وترتيب أولوياتها.

– إعادة تصميم الطريقة التي يُنجز بها العمل.

– تقييم الحلول: هل ينبغي البناء أم الشراء أم تفعيل قدرة موجودة؟

– قياس القيمة.

والتنفيذ موزع.

تتحرك الفرق بسرعة داخل مجالاتها.

فقد نشرت وظيفة توليد الطلب وكلاء ذكاء اصطناعي على نطاق واسع عبر تدفقات عمل تطوير الأعمال، في حين يدمج قسم تقنية المعلومات الذكاء الاصطناعي في إدارة الخدمات.

ويحدث التقدم بالتوازي مع التركيز على تدفقات العمل عالية الأثر.

3.2 كيفية إعادة تصميم العمل

من المسؤول عن هذا التخصيص؟

الرؤساء التنفيذيون للمعلومات، وقادة وحدات الأعمال، ومالكو تدفقات العمل.

بعد تحديد تدفقات العمل الصحيحة، تتمثل المهمة في إعادة تصميمها.

والهدف ليس إضافة الذكاء الاصطناعي فوق العمليات الحالية، بل إعادة التفكير في الطريقة التي يُنظم بها العمل، ومن يمتلك كل مسؤولية، وأين يتدخل الذكاء.

ويبدأ القادة بسؤالين:

ما الذي يستطيع الذكاء الاصطناعي التعامل معه بموثوقية؟

وما الذي يجب أن يظل تحت مسؤولية البشر؟

في التطبيق العملي، يمكن للذكاء الاصطناعي:

– تنفيذ المهام مرتفعة الحجم والمتكررة.

– المساعدة في اتخاذ القرارات المعقدة التي تكون فيها السرعة والاتساق مهمين.

– دعم المراقبة طويلة الأجل واكتشاف الاستثناءات.

ويظل البشر مسؤولين عن الحكم والمساءلة والقرارات الأعلى خطورة، أو التي تتطلب معرفة سياقية لا يستطيع الذكاء الاصطناعي تقليدها بعد.

والحد الفاصل بين الاثنين ليس ثابتًا؛ بل يتحرك مع تحسن محرك الذكاء.

وتقدم Taktile مثالًا على ذلك في الخدمات المالية المنظمة.

فقد تُنشر وكلاء الذكاء الاصطناعي عند نقاط قرار محددة داخل تدفقات مثل الاكتتاب ومكافحة غسل الأموال ومنع الاحتيال.

ومن خلال الجمع بين القواعد والوكلاء والحكم البشري، تستطيع المؤسسات جعل القرارات المعقدة أكثر وضوحًا وقابلية للحوكمة، مع تخفيف العبء اليدوي.

وتعود كل نتيجة إلى النظام لتغذي عملية التعلم.

مثال توضيحي: تدفق عمل شراء الموردين

المهمة الأولى: تحديد المورد.

دور الذكاء الاصطناعي: يبقى خارج القرار المتعلق بالهدف.

يحدد الفريق المورد المستهدف أو معايير المورد.

المهمة الثانية: المراجعة المالية.

دور الذكاء الاصطناعي: الأتمتة.

يبحث الذكاء الاصطناعي وفق معايير مالية محددة ويقدم تقريرًا.

المهمة الثالثة: التقييم التقني أو المراجعة القانونية.

دور الذكاء الاصطناعي: التعزيز.

يفحص الذكاء الاصطناعي المعلومات ويشير إلى الاعتبارات الرئيسية أو التحليلات ذات الصلة.

المهمة الرابعة: قرار الموافقة.

دور الذكاء الاصطناعي: المساعدة فقط.

يتخذ الإنسان قرار الموافقة أو يقدم التغذية الراجعة.

المهمة الخامسة: المراقبة.

دور الذكاء الاصطناعي: الاستباق.

مراقبة مستمرة للأداء والملاحظات وغيرها.

ويُبنى مسار مستمر لتحسين الأداء من البداية إلى النهاية.

مستويات الاستقلالية

يعد تحديد حدود واضحة بين الأتمتة وتعزيز الإنسان أمرًا أساسيًا عند تحديد كيفية تخصيص الذكاء على مستوى المهمة وإعادة تصميم تدفقات العمل.

ويمكن تصور خمسة مستويات للمشاركة البشرية:

المستوى H1:

الذكاء الاصطناعي يتصرف بمفرده.

أتمتة كاملة، حيث ينجز وكيل الذكاء الاصطناعي المهمة بالكامل من دون تدخل بشري.

المستوى H2:

يقود وكيل الذكاء الاصطناعي إكمال المهمة ويتحمل المسؤولية الأساسية عن التنفيذ، مع إشراف بشري معدوم أو محدود للغاية.

وقد يحتاج إلى مدخل بشري في نقاط رئيسية لتحسين الأداء.

المستوى H3:

شراكة متساوية، حيث يعمل الإنسان ووكيل الذكاء الاصطناعي عن كثب طوال المهمة.

ويعمل الاثنان معًا لتحقيق أداء يتجاوز ما يستطيع أي منهما تحقيقه منفردًا.

المستوى H4:

يقود الإنسان إنجاز المهمة، مع مستويات مختلفة من مساعدة الذكاء الاصطناعي.

ويحتاج الوكيل إلى مدخلات بشرية لكي يتمكن من إكمال المهمة بنجاح.

المستوى H5:

يعتمد إنجاز المهمة بالكامل على المشاركة البشرية، ويبقى الذكاء الاصطناعي خارجها.

ملاءمة النموذج للمهمة

يتطلب النجاح أيضًا مطابقة كل مهمة بالنموذج المناسب.

ولا تحتاج كل مهمة إلى أقوى النماذج أو أغلاها، كما أن من الضروري موازنة قيود الحوسبة.

وتبني المؤسسات القائمة على الذكاء الاصطناعي أولًا بنى متعددة النماذج توجه العمل وفق الاحتياجات الحقيقية لكل مهمة، مع الموازنة بين الدقة والتكلفة وزمن الاستجابة.

القرارات عالية الخطورة في البيئات المنظمة تتطلب معدلات خطأ قريبة من الصفر ومراجعة بشرية.

أما المهام مرتفعة الحجم والمتكررة، فتكون النماذج الأصغر والأقل تكلفة أكثر ملاءمة لها على نطاق واسع.

والهدف ليس استخدام أقوى نموذج في كل مكان، بل استخدام النموذج الصحيح لكل مهمة، والاستمرار في تحسين هذا القرار مع تعلم النظام.

الدقة

أمثلة في المالية أو الرعاية الصحية: المستهدف هو عدم وجود أخطاء تقريبًا، نظرًا إلى مخاطر السلامة أو المتطلبات التنظيمية.

المخرجات الموجهة إلى العملاء: دقة تتجاوز 90%، بسبب أهمية ثقة المستخدم ومخاطر السمعة.

مساعد داخلي للمطورين: دقة بين 70% و80% قد تكون مقبولة لأن المراجعة البشرية تمثل نقطة تحقق طبيعية.

التكلفة

مهام التوجيه والتصنيف والجدولة: تناسبها النماذج اللغوية الصغيرة والأقل تكلفة بسبب الحجم المرتفع والنطاق الضيق.

مهام الاستدلال المعقد والتجميع: تناسبها النماذج اللغوية الكبيرة الرائدة، لأنها تتطلب قدرة عامة قوية وتحدث بوتيرة أقل.

المهام المتخصصة بالمجال: قد تناسبها نماذج مملوكة أو مضبوطة خصيصًا، وقد تكون الأعلى تكلفة، عندما تكون الخصوصية أو الملكية الفكرية عنصرًا حاسمًا.

زمن الاستجابة

كشف التهديدات أو الاحتيال في الوقت الفعلي: يجب أن يكون مستمرًا، لأن التأخر قد يعني أن التهديد قد نُفذ بالفعل.

وكيل دعم موجه للعميل: أقل من ثانيتين، لأن التأخر يضعف التجربة ويرفع احتمال التخلي عن التفاعل.

البحث والتحليل الداخلي: يمكن تحمل دقائق، وإن كان التأخر يعطل تدفق العمل ويجعل الإنسان ينتظر.

حلقة الاستدلال في اكتشاف الأدوية: يمكن أن تمتد من ساعات إلى أيام، لأن عمق النتيجة أهم من السرعة الفورية.

3.3 بناء عمليات قائمة أصلًا على الذكاء

من المسؤول عن هذا التخصيص؟

الرؤساء التنفيذيون للعمليات، والرؤساء التنفيذيون للمعلومات، والرؤساء التنفيذيون للتكنولوجيا، والرؤساء التنفيذيون للتحول الرقمي، وقادة وحدات الأعمال والمديرون.

أصعب جزء في الرحلة ليس تحديد تدفقات العمل الصحيحة أو إعادة تصميم مهام فردية.

بل بناء البنية التشغيلية التي تسمح للذكاء بالتنسيق بين تدفقات العمل، والتحسن باستمرار، والعمل بموثوقية وعلى نطاق واسع.

وهذا ما يميز المؤسسات التي أعادت تصميم عدد محدود من تدفقات العمل عن تلك التي أعادت بناء عملياتها حول الذكاء.

وهناك ثلاث طرق أساسية لتنسيق وتصميم العمليات القائمة أصلًا على الذكاء.

1. جعل الأعمال قابلة للفهم بالنسبة إلى محرك الذكاء

تعمل المؤسسات القائمة على الذكاء الاصطناعي أولًا على رقمنة وترميز الطريقة التي تعمل بها الأعمال: تدفقات العمل، والقرارات، والقواعد، وعمليات التسليم، والإجراءات.

والهدف هو أن يستطيع الذكاء التفكير فيها، والعمل عليها، وتحسينها بمرور الوقت.

ويعد بناء أنطولوجيا مؤسسية أمرًا مركزيًا في ذلك، لأنها تحدد كيفية عمل المؤسسة، وكيف تستخدم البيانات، وكيف تُتخذ القرارات، وما الإجراءات التي يمكن تنفيذها.

ومن دون هذه الأنطولوجيا، تصبح عمليات التسليم غير متسقة، وتزداد صعوبة تتبع القرارات، ولا يستطيع محرك الذكاء العمل بموثوقية عبر تدفقات العمل.

أما بوجودها، فيستطيع المحرك التفكير والتحسن والتنفيذ بصورة متسقة، وكل تدفق عمل جديد يُضاف إلى النظام يزيد قوته.

ويتيح ذلك:

– قابلية التفسير: تُعبّر المخرجات بمصطلحات الأعمال ويمكن تتبعها إلى البيانات والقواعد التي استندت إليها.

– قابلية الحوكمة: تُفحص القرارات مقابل قواعد وقيود وسياسات صريحة.

– الاتصال على نطاق واسع: تستطيع الفرق والأنظمة والوكلاء تنفيذ تدفقات العمل بصورة متسقة.

– وفورات الحجم: تستطيع أنطولوجيا واحدة دعم تدفقات عمل متعددة، بما يقلل الازدواجية ويسهل مراقبة العمليات وتحسينها.

– التوأم الرقمي التشغيلي أو «نموذج عالم الشركة»: تحول الأنطولوجيا نشاط المؤسسة إلى تمثيل حي للمنظمة، يظهر كيفية تدفق العمل ويساعد القادة على مراقبة التغييرات.

ما الذي ترمزه الأنطولوجيا؟

طبقة البيانات:

السؤال: ما الحالة الحالية للأعمال؟

ما يُرمز: الكيانات مثل العملاء والوثائق والأصول والسياسات والأنظمة.

ما تتيحه: سياق مشترك للبشر والذكاء الاصطناعي.

طبقة المنطق:

السؤال: كيف ينبغي للأعمال التفكير في هذه المعلومات؟

ما يُرمز: العلاقات والقواعد والقيود ومعايير القرار.

ما تتيحه: استدلال متسق وقابل للتحقق.

طبقة الإجراءات:

السؤال: ما الذي يمكن القيام به بعد ذلك؟

ما يُرمز: الإجراءات المسموح بها، وتوجيه المهام، ومسارات التصعيد، ومحفزات تدفقات العمل.

ما تتيحه: تنفيذ منسق.

ومن خلال دمج سياق الأعمال والقواعد مباشرة داخل الأنطولوجيا، تنتقل المؤسسات من الأتمتة القائمة على الأوامر النصية إلى تدفقات عمل منظمة وقابلة للتحقق تسمح لمحرك الذكاء بالعمل.

ويصبح المسار مثلًا:

يتصرف الوكيل.

يفحص النظام التصرف مقابل الأنطولوجيا.

ثم ينتقل المخرج الذي تم التحقق منه إلى المرحلة التالية.

مثال: أنطولوجيا تدفق شراء الموردين

تشمل بيانات العملية عناصر مثل:

– حالة مفتوحة
– العقود المالية
– اجتماعات الحسابات
– سجل القرار
– حد الموافقة
– القياس الحي وسجل التدقيق
– شهادات الأمن
– سياسات السلامة الخاصة بالذكاء الاصطناعي
– الأدلة والوثائق المطلوبة

ويشمل منطق النظام قواعد مثل معايير المراجعة والحدود والشروط.

أما الإجراءات الممكنة فتشمل:

– طلب أدلة إضافية
– وضع علامة للمراجعة
– طلب وثائق
– الموافقة المشروطة
– الرفض
– إصدار تنبيه
– إعادة التحقق
– إنهاء التعامل مع المورد

2. إعادة تصميم تدفقات العمل من البداية إلى النهاية

تعيد المؤسسات القائمة على الذكاء الاصطناعي أولًا تصميم تدفقات العمل بالكامل حول النتائج المطلوبة.

ويعني ذلك إعادة ترتيب المهام، وإعادة تعريف عمليات التسليم، ودمج التحقق، وتعيين أدوار واضحة للبشر والذكاء الاصطناعي.

وتشمل الأساليب الأساسية:

إعادة ترتيب العمل

العمل انطلاقًا من النتيجة المطلوبة بصورة عكسية لرسم تدفق العمل.

وفي كل خطوة، يتم تعيين نظام الذكاء الاصطناعي المناسب أو الشخص المناسب، ثم يعاد تصميم التدفق حول هذا الهيكل.

إعادة توزيع الأدوار

تحديد نقاط التسليم في مختلف مراحل تدفق العمل.

وغالبًا ما تسبب هذه الانتقالات احتكاكًا مثل التأخير والازدواجية وعدم اتساق القرارات.

ويمكن للذكاء الاصطناعي تحسين التدفق عبر التوجيه، والمراجعات منخفضة المخاطر، وتنسيق دفعات العمل.

دمج التحقق داخل العملية

يُدمج التحقق داخل تدفق العمل باستخدام الأنطولوجيا لتحديد من أو ما الذي يملك صلاحية التصرف في كل مرحلة.

وتُحافظ نقاط الجودة والامتثال الحرجة على وجودها، مع مسار تصعيد واضح عندما يجب أن يعود العمل إلى الإنسان.

3. التصميم من أجل الثقة والرؤية التشغيلية

مع تحوّل تدفقات العمل إلى أنظمة يقودها الذكاء الاصطناعي وتتطور بصورة مستمرة، تصبح الرؤية عنصرًا أساسيًا للحفاظ على السيطرة.

وعلى خلاف الأنظمة التقليدية، لا تتبع تدفقات العمل الوكيلية تسلسلات ثابتة، بل تتكيف في الوقت الفعلي.

ومن دون رؤية واضحة، تفقد المؤسسات القدرة على فهم الأداء، والتدخل عند الحاجة، وتحسين النظام.

وتشمل الرؤية الجيدة ما يلي:

– التنفيذ في الوقت الفعلي: لوحات متابعة وأنظمة مراقبة تُظهر تقدم العمل عبر الوكلاء والبشر والأنظمة بصورة مباشرة.

– قابلية التتبع: وضوح كامل للقرارات، بما يشمل المدخلات والاستدلال والنتائج.

– القدرة على التدخل: إمكانية إيقاف تدفق العمل مؤقتًا أو تجاوزه أو إعادة توجيهه أثناء التنفيذ.

– تتبع تطور النظام: رؤية كيفية تغير تدفقات العمل مع مرور الوقت بينما تتعلم الوكلاء وتتكيف.

وتصبح هذه القدرات ممكنة عندما تبني المؤسسات أنظمتها الوكيلية على أسس واضحة للتقييم وتقدير المخاطر والحوكمة.

دراسة حالة: Cognizant وخلق الرؤية التشغيلية على نطاق واسع

توضح مقاربة Cognizant للذكاء الاصطناعي المؤسسي كيف تستطيع المؤسسات بناء الرؤية التشغيلية والثقة عبر التجارب وعمليات العمل اليومية معًا.

أطلقت المؤسسة مبادرة عالمية واسعة النطاق للبرمجة باستخدام اللغة الطبيعية، حيث يصف المستخدمون نيتهم للذكاء الاصطناعي بلغتهم العادية، بهدف رفع مهارات القوى العاملة بسرعة وفهم الكيفية التي يمكن بها نشر الذكاء الاصطناعي عبر المؤسسة مع زيادة الرؤية والتحكم.

وجرب أكثر من 53 ألف موظف في 40 دولة أدوات تطوير مدعومة بالذكاء الاصطناعي داخل بيئات معزولة وآمنة، ما أتاح رؤية أنماط الاستخدام واستهلاك الحوسبة والمخاطر الأمنية والمجالات التي كان الذكاء الاصطناعي يخلق فيها قيمة عبر تدفقات العمل.

وفي البداية، جرى تخصيص الذكاء من خلال منح نطاق واسع من الوصول الخفيف إلى الموارد الحاسوبية، قبل توجيه موارد إضافية إلى أقوى الأفكار لتطويرها بصورة أعمق.

ويتجسد هذا التركيز على الرؤية والتوسع القابل للتحكم أيضًا في منصة متعددة الوكلاء تربط مئات تطبيقات المؤسسة ووكلاء الذكاء الاصطناعي في واجهة واحدة قابلة للبحث ومفتوحة لنحو 350 ألف موظف.

وتسمح المنصة بمرور مهام الموارد البشرية وتقنية المعلومات والعمليات عبر نظام واحد، بما يقلل التشتت ويخلق طبقة تشغيل أكثر موثوقية للذكاء الاصطناعي المؤسسي.

وقد أسهم ذلك في خفض تذاكر الدعم بنسبة 50% وزيادة الكفاءة التشغيلية بنسبة 50%.

3.4 الرافعة التشغيلية: الاقتصاديات الجديدة للذكاء في الأعمال

من العمليات إلى الرافعة التشغيلية

تتعامل المؤسسات القائمة على الذكاء الاصطناعي أولًا مع الذكاء باعتباره رأس مال، وتعمل على تخصيصه بفاعلية عبر المؤسسة.

وعندما يُدمج الذكاء في تدفقات العمل ويعمل المحرك بموثوقية وعلى نطاق واسع، تستطيع المؤسسات الحصول على إنتاج أكبر من القاعدة التشغيلية نفسها، من خلال رفع معدل الإنجاز، وتسريع الدورات، وتوسيع النطاق، وتحسين الجودة في الوقت نفسه.

لكن ذلك لا يعني أن التكاليف تنخفض تلقائيًا.

فمع توسع استخدام الذكاء، يجب على الشركات إدارة معادلة اقتصادية جديدة: المكاسب في الأداء الناتجة عن العمليات القائمة على الذكاء مقابل التكاليف المتغيرة اللازمة لتقديمها على نطاق واسع، بما يشمل الحوسبة والوصول إلى النماذج والتراخيص والأدوار المتخصصة في الذكاء الاصطناعي.

ومع ذلك، لا يتمثل الهدف في إبقاء هذه المعادلة الاقتصادية منفصلة إلى الأبد.

فالهدف النهائي هو الوصول إلى مرحلة يختفي فيها الفرق بين «وجود الذكاء الاصطناعي داخل تدفقات العمل» و«قيام محرك الذكاء نفسه بتشغيل العمليات».

وعندما تكون كل تدفقات العمل قد رُقمنت ورُمزت، وكل دورة تنفيذ تعيد الإشارات إلى المحرك، ويعمل المحرك باستمرار على تحسين ما تستطيع المؤسسة القيام به، يصبح تخصيص الذكاء أقل شبهًا بقرار منفصل وأكثر شبهًا بخاصية أساسية للنظام نفسه.

عندها لا يعود الذكاء يُنشر بصورة انتقائية؛ بل يصبح الطريقة التي تعمل بها المؤسسة.

اللبنة الرابعة: العمل المشترك بين البشر والذكاء الاصطناعي

عندما يتبع الهيكل التنظيمي منطق التعاون، تستطيع الفرق البشرية–الآلية تحقيق ما لا يستطيع البشر ولا الذكاء الاصطناعي تصميمه أو اتخاذ القرار بشأنه أو تنفيذه منفردين.

تتجاوز بعض الشركات الرائدة اليوم عتبات الإيرادات باستخدام ما بين خُمس وعُشر أو حتى جزء من عشرين من عدد الموظفين الذي احتاجته شركات البرمجيات الرائدة سابقًا.

ومن الأمثلة الواردة:

– Anthropic: نحو 10 مليارات دولار من الإيرادات السنوية المحسوبة وفق وتيرة الإيرادات، مع نحو 2,300 موظف.

– Cursor: نحو مليار دولار من الإيرادات السنوية المحسوبة وفق وتيرة الإيرادات، مع ما بين 150 و300 موظف.

– Google: نحو 30 مليار دولار من الإيرادات السنوية المحسوبة وفق وتيرة الإيرادات في مرحلة مماثلة من تطورها، مع نحو 32 ألف موظف.

– Salesforce: نحو 30 مليار دولار مع نحو 79 ألف موظف.

وتعد إشارات الأداء المبكرة هذه لافتة، لكنها تشير أيضًا إلى اضطرابات كبيرة محتملة في القوى العاملة، وإلى إمكانية ظهور مؤسسات جديدة ونمو أشكال جديدة من التوظيف.

وقد لا تستطيع مقاييس القوى العاملة الحالية التقاط التأثير الكامل لتكنولوجيات لا تزال تتطور باستمرار.

ومع دمج الذكاء عبر تدفقات العمل، ينتقل عنصر التميّز إلى المواهب: من يتم توظيفه، وكيف يجري تطويره، وكيف تُصمم المؤسسة لتوجيه الذكاء نحو النتائج.

ويعني ذلك تمكين الأشخاص من تنسيق قدرات الذكاء الاصطناعي والإشراف عليها وتوسيع نطاقها وتحويلها إلى نتائج قابلة للقياس.

وعند تنفيذ هذا النموذج بصورة جيدة، يمكن للعمل المشترك بين البشر والذكاء الاصطناعي إزالة الأعمال الروتينية، وتحويل المساهمة البشرية نحو الحكم والإبداع والتنسيق.

كما يمكنه الكشف عن قدرات كانت مخفية سابقًا.

وعندها يصبح العامل المقيد هو مدى جودة تصميم فرق البشر والذكاء الاصطناعي بحيث تستطيع التعاون والحوكمة وتحقيق تراكم مستمر في الأداء.

وتُبنى الميزة الاستراتيجية للمواهب في مؤسسة «الذكاء الاصطناعي أولًا» عبر ثلاثة أبعاد:

تنمية المواهب البشرية–الآلية: تطوير المهارات المطلوبة لتوجيه أنظمة الذكاء الاصطناعي وتقييمها وتحسينها.

تنظيم فرق البشر والذكاء الاصطناعي: هيكلة الفرق بحيث تدمج القدرات التقنية والتخصصية والتشغيلية، مع معايير عمل جديدة داخل فرق أصغر وأكثر تعددًا في الوظائف.

تطوير المؤسسة للتنفيذ القائم على الذكاء الاصطناعي أولًا: تصميم المؤسسة لتوسيع الذكاء عبر وحدات الأعمال وتدفقات العمل، مع ملكية موزعة للذكاء الاصطناعي، وهياكل أكثر تسطحًا، والقدرة على العمل بصورة مستمرة.

4.1 تنمية المواهب البشرية القادرة على العمل مع الذكاء الاصطناعي

في حين أن معظم الشركات لا تنشئ أدوارًا جديدة بالكامل، بدأت المؤسسات القائمة على الذكاء الاصطناعي أولًا بالفعل في التوظيف لملفات مهنية جديدة مثل:

– مهندسي التصميم
– مهندسي النشر المتقدم لدى العملاء
– متخصصي التقييم
– باحثي الذكاء الاصطناعي
– مهندسي السلامة

وهي أدوار لم يكن كثير منها موجودًا قبل سنوات قليلة.

ولا يكون كل مسمى وظيفي جديد مناسبًا لكل مؤسسة، لكن ظهور هذه الأدوار يشير إلى تحول في متطلبات قدرات الفرق، انعكاسًا لتغير طبيعة العمل.

وتظهر في هذه الملفات الجديدة تركيبة متكررة من القدرات تجمع بين الاتساع والعمق.

– الاتساع يمكّن الأفراد من صياغة المشكلات والتكيف مع الأدوات الجديدة، واكتساب التفكير النظمي المطلوب لتوجيه الذكاء الاصطناعي عبر مجالات مختلفة.

– العمق يوفر الخبرة التخصصية والحكم الذي لا يستطيع الذكاء الاصطناعي أن يحل محله.

– أما طبقة التنفيذ التقنية الموجودة بينهما، أي «الطبقة الوسطى» التقنية، فإن الذكاء الاصطناعي يستوعب جزءًا متزايدًا منها، وهو ما يجعل الاتساع والعمق أكثر أهمية في قرارات التوظيف.

شجرة المواهب على شكل T في مؤسسة الذكاء الاصطناعي أولًا

التعلم والتكيف

– التعلم المستمر
– الفضول والتجريب
– القدرة على التكيف مع الأدوات

الطلاقة في الذكاء الاصطناعي والتنفيذ

– الإلمام بالذكاء الاصطناعي
– تفكيك المهام
– صياغة الأوامر والتكرار
– دمج السياق وترميزه
– التنسيق المستمر لتدفقات العمل

الخبرة العميقة في المجال والوظيفة

– الخبرة المتخصصة
– الحرفة الوظيفية
– معرفة الصناعة
– التخصص التقني
– المعرفة المؤسسية
– الحكم المرتبط بالسياق

التعاون والتأثير

– التواصل
– التعاون متعدد الوظائف
– مواءمة أصحاب المصلحة
– ترجمة المعرفة بين المجالات
– تمكين التغيير

التفكير والحكم

– التفكير النظمي
– صياغة المشكلات
– ترتيب الأولويات
– اتخاذ القرار
– تقييم المخرجات

وهذه كلها قدرات قابلة للنقل بين مجالات مختلفة، إلى جانب الخبرة العميقة في مجال محدد.

كيف تتغير دورة حياة المهارة؟

في دورة المهارة التقليدية، يتعلم الشخص مهارة، ويطبقها، ثم يتوقف عن استخدامها في نهاية المطاف عندما يتغير العمل.

لكن الذكاء الاصطناعي يغير هذا المسار الخطي بطريقتين.

1. الأدوات تتطور أسرع من قدرة المهارات على الاستقرار.

قد تصبح عادات صياغة الأوامر وأنماط التنسيق والتقنيات الخاصة بأداة معينة، والمضمنة في تدفقات العمل اليومية، قديمة خلال أشهر، وأحيانًا بين ليلة وضحاها.

وقد تحتاج الأساليب التي بدت مستقرة إلى إعادة بناء مع تغير النماذج والواجهات والقدرات.

1. الخبرة العميقة قد تصبح مرتبطة بسياق قديم.

تتعزز قدرات الخبراء بناءً على السياق الذي عملوا فيه: الأدوار التي شغلوها، والأدوات التي استخدموها، والعمل الذي نفذوه.

وعندما يغير الذكاء الاصطناعي هذا السياق، تحتاج الخبرة إلى تحديث.

ممارسات تحافظ على الميزة

– ترميز الخبرة الفردية داخل مهارات ذكاء اصطناعي قابلة لإعادة الاستخدام.

أفضل المواهب في المؤسسات القائمة على الذكاء الاصطناعي أولًا تدمج حكمها وسياقها ومنطق تدفقات العمل ومعايير الجودة الخاصة بها داخل محرك الذكاء.

ويحول ذلك الخبرة الفردية إلى قدرات قابلة لإعادة الاستخدام يمكن تطبيقها مرارًا ومشاركتها وتحسينها بمرور الوقت.

– دمج الممارسات التنظيمية داخل أنظمة ذكاء اصطناعي مشتركة.

تُرمز الدروس التي تتعلمها الفرق والعمليات الوظيفية وطرق العمل داخل محرك الذكاء بحيث تعكس الطريقة التي تعمل بها المؤسسة.

ويمكن للجميع المساهمة في هذه «المهارات» المشتركة وتحسينها باستمرار، ما يسمح بتطبيق المعرفة المؤسسية وتوسيع نطاقها عبر الفرق.

– إدارة ضمور المهارات.

مع تولي الذكاء الاصطناعي جزءًا أكبر من التنفيذ، قد تبدأ القدرات البشرية في الضعف بسبب قلة الاستخدام.

وكثيرًا ما لا تكتشف المؤسسات مدى أهمية المعرفة الضمنية إلا عندما يفشل الذكاء الاصطناعي.

ولهذا تحرص المؤسسات القائمة على الذكاء الاصطناعي أولًا على إبقاء القدرات المستدامة نشطة، مثل صياغة المشكلات، والحكم، والتفكير النظمي، والتعامل مع الاستثناءات، والتقييم، حتى عندما يستطيع الذكاء الاصطناعي تنفيذ جزء كبير من العمل الظاهر.

يمكن إعادة تدريب المهارات، لكن استعادة الحكم أصعب.

4.2 تنظيم فرق البشر والذكاء الاصطناعي

يدرك القادة أن الوصول إلى ذكاء اصطناعي بمستوى إنتاجي يتطلب هياكل ومعايير جديدة للفرق.

وتكون أكثر فرق الذكاء الاصطناعي أولًا فاعلية عبارة عن وحدات صغيرة وسريعة الحركة تجمع بين القدرات التقنية والخبرة التخصصية والقدرات التشغيلية لبناء محرك الذكاء وصيانته والاستفادة منه داخل تدفقات العمل الحقيقية.

فعلى سبيل المثال، قد يتطلب بناء نموذج أولي نحو ألف مهارة أو مكوّن، لكن جعله يعمل بصورة موثوقة في الإنتاج قد يتطلب عشرة أضعاف ذلك.

والانتقال من نموذج أولي واعد إلى منتج موثوق يعتمد على كيفية تنظيم الفريق حول التكنولوجيا بقدر أكبر مما يعتمد على التكنولوجيا ذاتها.

ويكون الهيكل الأكثر فاعلية فريقًا متعدد الوظائف، غالبًا ما يضم أقل من عشرة أشخاص، ويُبنى حول منتج واحد أو تدفق عمل واحد أو مشكلة واحدة للعميل، ويعمل بهيكل إداري مسطح.

وتنظم المؤسسات فرقها بحيث يوجد محرك الذكاء في القلب ويعمل البشر عند الأطراف.

ويوفر المحرك لكل فريق السياق ومعلومات التوجيه المطلوبة للتنفيذ في الوقت الفعلي، ما يسمح للأشخاص بالتعامل مع عدم اليقين، واستخدام الحكم، وإضافة خبراتهم التخصصية، وتحويل الذكاء إلى نتائج أعمال.

وفي التطبيق العملي، تظهر ثلاثة أنواع من الفرق بوصفها ضرورية للمؤسسات القائمة على الذكاء الاصطناعي أولًا.

فرق التجربة والإنتاج

المشكلة التي تحلها: توسيع الذكاء الاصطناعي بموثوقية عبر المنتجات والخدمات والحلول الداخلية.

بنية الفريق قد تشمل:

فريق التجربة:
– باحثي الذكاء الاصطناعي
– المهندسين
– مدير منتج أو مشروع

وفريق الإنتاج:
– قائد عمليات
– خبيرًا في المجال
– خبرات البنية التحتية

معيار العمل:

– البناء من اليوم الأول بهدف الوصول إلى الإنتاج.

– تبادل مستمر بين فرق التجربة والإنتاج بدل تسليم منفصل في النهاية.

فرق الذكاء الاصطناعي المدمجة مع العميل

المشكلة التي تحلها: تسريع الوصول إلى السوق وتخصيص حلول العملاء.

التركيب:

– فريق مركزي صغير
– مهندسو نشر يعملون مباشرة مع العميل
– خبراء المجال

معايير العمل:

– تُصاغ المتطلبات بصورة حية.

– التغذية الراجعة المباشرة تكسر العزلة بين الفرق.

فرق سلامة الذكاء الاصطناعي

المشكلة التي تحلها: ضمان عمل النظام ضمن حدود محددة وسياسات داخلية ومعايير الصناعة.

التركيب قد يشمل:

– خبراء المجال
– مهندسي التقييم
– الفرق القانونية والامتثال
– فرق سلامة الذكاء الاصطناعي
– فرق الذكاء الاصطناعي المسؤول

معايير العمل:

– هندسة السلامة من البداية.

– تقييمات وضوابط محددة مسبقًا.

معايير فرق الذكاء الاصطناعي أولًا التي تمكن الأداء

لكل فريق سياقه الخاص وطريقته في التعامل مع الذكاء الاصطناعي، لكن الفرق المتقدمة تشترك في عدد من الديناميكيات.

معايير المجموعة

– يجب تجربة الذكاء الاصطناعي باعتباره الأداة الأولى لحل المشكلة.

– ينبغي للفرق أن تسأل دائمًا: هل يستطيع الذكاء الاصطناعي تنفيذ ذلك بصورة أفضل أو أسرع أو أدق؟

– ينبغي دائمًا اختبار مخرجات الذكاء الاصطناعي مقابل البيانات والأرقام المعروفة، والمنطق التجاري السليم، والحس العام.

– يمكن للذكاء الاصطناعي أن يقود التنفيذ، لكن البشر يحددون الاتجاه من خلال الإجابة عن سؤال «إلى أين نتجه؟»، بينما يساعد الذكاء الاصطناعي في تحديد كيفية الوصول.

مقاييس النجاح

– نسبة تبني الذكاء الاصطناعي في المهام المناسبة، مع هدف إرشادي يبلغ نحو 50%.

– تحسن الإنتاجية أو الكفاءة بأكثر من 20%.

– كسر العزلة بين الفرق: هل أصبح العمل بين الفرق يستغرق وقتًا أقل؟

– تصبح مراقبة الجودة والتقييم عناصر أساسية.

القيم الأساسية

– التوسع باستخدام الذكاء الاصطناعي هو الهدف والمشكلة الأساسية التي ينبغي حلها.

– الذكاء الاصطناعي أداة لتسريع الأهداف المهمة.

– التعلم من الآخرين الذين ينشرون حلول الذكاء الاصطناعي وكسر الحواجز بين الفرق.

– اليقظة تجاه الجودة والإبلاغ عن الهلوسات والأخطاء.

– التعلم المستمر والممارسات الرشيقة يفتحان المجال للسرعة.

دور الذكاء الاصطناعي

– الذكاء الاصطناعي أداة وليس صديقًا؛ إما أن ينتج المحتوى أو يفوض العمل وفق الوظيفة المحددة له مسبقًا.

– يدعم الذكاء الاصطناعي العمليات ويسهم في إعادة تصميمها، لكنه لا يحدد في هذه المرحلة ما الذي ينبغي القيام به؛ فالتفاعل البشري لا يزال مطلوبًا.

– يختفي أثر المضاعفة إذا لم يكن هناك خبراء حقيقيون في المجال قادرون على توجيه مخرجات الذكاء الاصطناعي.

معايير الجودة

– يجب أن تكون مخرجات الذكاء الاصطناعي أو العملية المدعومة به أفضل من الأداء البشري في المجالات التي يُستخدم فيها.

– تظل الحرفة البشرية والذوق البشري ضروريين لضمان التميز والجودة.

– ينبغي مراجعة كل ما يصنعه الذكاء الاصطناعي بمنظور بشري.

– يجب إعطاء الأولوية للسلامة والخصوصية أثناء بناء المنتجات وتحسينها.

– ينبغي الالتزام بإرشادات الإفصاح بشأن المحتوى الذي أنشأه الذكاء الاصطناعي والمحتوى الذي أنشأه البشر.

4.3 تطوير المؤسسة للتنفيذ القائم على الذكاء الاصطناعي أولًا

أصبح تصميم الطريقة التي يتحرك بها الذكاء داخل المؤسسة مصدرًا جديدًا للميزة التنظيمية.

ومع استخدام المؤسسات للذكاء الاصطناعي لجعل السياق والعمل والقرارات أكثر وضوحًا وقابلية للقراءة الآلية، تستطيع تجاوز الهياكل التي بُنيت تاريخيًا لتوجيه المعلومات وتنفيذ العمل في أوقات ثابتة.

وتسمح طبقات الذكاء المشتركة والملكية الموزعة والعمليات الذاتية للمؤسسات بالتنسيق بسرعة أكبر عبر الحواجز التنظيمية، وتقريب القرارات من مكان خلق القيمة، وتوسيع استخدام الذكاء الاصطناعي من دون فقدان السيطرة.

ولهذا السبب، يجب أن يمتلك الرئيس التنفيذي استراتيجية الذكاء الاصطناعي.

فإعادة تصميم العمل على مستوى المؤسسة لا يمكن تفويضها بالكامل إلى فريق تقني مركزي، ولا التعامل معها باعتبارها مبادرة جانبية.

التنفيذ اللامركزي والمنسق: النموذج الاتحادي لتصميم المؤسسة

أحد أكثر نماذج التشغيل فاعلية للمؤسسة القائمة على الذكاء الاصطناعي أولًا هو النموذج الاتحادي.

وفيه، يوفر فريق مركزي للذكاء يقوده الرئيس التنفيذي الأدوات المشتركة والبنية التحتية والحوكمة، بينما تحتفظ وحدات الأعمال بملكية الميزانيات والتنفيذ وقرارات الذكاء الاصطناعي، بحيث يظل التنفيذ قريبًا من المشكلة الفعلية.

ويعمل النموذج لأنه يفصل بين قرارين:

– يقرر المركز البنية التحتية التي ستعمل عليها المؤسسة، ويبني قدرات مشتركة مثل النماذج المعتمدة، ومنصات البيانات، وأدوات التقييم، وضوابط السلامة.

– تقرر وحدات الأعمال أين تطبق الذكاء الاصطناعي، وتمول حالات الاستخدام الخاصة بها، وتتحمل مسؤولية العائد الناتج عنها في حسابات الأرباح والخسائر.

ويزيد هذا الفصل السرعة والمساءلة.

فعندما يمتلك فريق مركزي خريطة الطريق بالكامل، تتراكم الطلبات، ويتباطأ التسليم، وتفقد الفرق الأقرب إلى العميل سيطرتها على ترتيب الأولويات.

وفي التطبيق العملي، يمكن تضمين مسؤولين متخصصين في الذكاء الاصطناعي داخل فرق قيادة كل وحدة أعمال.

وينقل هؤلاء المعايير المركزية والأدوات وأدلة النشر إلى الوحدة، بينما يعيدون الدروس المستفادة إلى المركز.

ويسمح ذلك بتوسيع الحلول الناجحة بين الوحدات، وتمويل احتياجات النماذج المشتركة، وحل اختناقات التبني باستخدام دعم متخصص.

وتدعم هذه المقاربة التنسيق على مستوى المؤسسة من دون التضحية بالسرعة أو الملكية أو الإبداع.

دراسة حالة: Rakuten وتمكين أكثر من 70 خدمة أعمال من خلال نهج اتحادي

يعمل قسم الذكاء الاصطناعي والبيانات في Rakuten، الذي يرفع تقاريره إلى الرئيس التنفيذي، باستخدام نموذج اتحادي صُمم لتسريع نشر الذكاء الاصطناعي عبر أكثر من 70 وحدة أعمال.

ويقوم هذا النموذج على ثلاث آليات تعزز بعضها بعضًا.

– يعمل القسم باعتباره مزود منصة ذكاء اصطناعي داخلية، ويطور قدرات مشتركة تشمل نماذج لغوية كبيرة وصغيرة مخصصة، ومنصات بحث مدعومة بالذكاء الاصطناعي، والتوصيات والتخصيص وخدمة العملاء ووكلاء متعددي اللغات تستطيع وحدات الأعمال تبنيهم بالخدمة الذاتية أو بدعم من القسم المركزي.

– يوجد مسؤولون للذكاء الاصطناعي مدمجون داخل كل وحدة أعمال مع خطوط رفع تقارير مزدوجة، إلى رئيس الوحدة وإلى مسؤول الذكاء الاصطناعي والبيانات على مستوى المجموعة. ويساعد ذلك على ترجمة استراتيجية المؤسسة إلى تنفيذ خاص بالوحدة، مع التنسيق عبر منظومة Rakuten الأوسع.

– تتيح أولوية الاستثمار التي تقودها وحدات الأعمال لتلك الوحدات، إلى جانب البنية التحتية المشتركة الممولة مركزيًا، ترتيب مبادرات الذكاء الاصطناعي الخاصة بها وتمويلها من ميزانياتها، بما يحافظ على ارتباط الاستثمار بأثر الأعمال والاحتياجات التشغيلية.

استخدام محرك الذكاء بوصفه العمود الفقري للتنسيق

يصبح محرك الذكاء العمود الفقري لتنسيق المؤسسة عندما تُربط المعرفة الضمنية والوثائق والقدرات التشغيلية من خلال طبقة سياق مشتركة، بما يسمح بالتقاط الإشارات الحية الناتجة عن العمل وتفسيرها والتصرف بناء عليها.

ويعمل المحرك كنظام تسجيل في الوقت الفعلي لنشاط المؤسسة، من خلال تجميع المعلومات وتوجيهها بعد أن كانت هذه الوظيفة تُنجز تقليديًا عبر الفرق والطبقات الإدارية.

ويحرك ذلك المؤسسة بعيدًا عن الهياكل متعددة الطبقات نحو أدوار موجهة بالنتائج، حيث يستطيع المساهمون الأفراد والأشخاص المسؤولون مباشرة الوصول إلى السياق والأصول التشغيلية اللازمة للتنفيذ.

ومع تولي النظام قدرًا أكبر من عبء التنسيق، تستطيع الفرق العمل باستقلالية أكبر، والاستفادة من ذكاء مشترك، واتخاذ القرارات في دورات أسرع.

اللبنة الخامسة: خلق قيمة جديدة

عندما تحدد المنتجات والتجارب الذكية الطريقة التي تُقدم بها القيمة، فإنها تخلق ديناميكيات جديدة في السوق.

ومع ذلك، تظل الأسس قائمة، وفي مقدمتها ضرورة وجود عرض قيمة قوي.

لا يتوقف محرك الذكاء عند حدود العمليات الداخلية.

فالطريقة التي تضع بها الشركة قدراتها في السوق، وما الذي تعرضه، وكيف يختبره العملاء، وكيف يتفاعلون معه، تحدد ما يعود إلى المحرك من بيانات وإشارات.

وتصمم المؤسسات القائمة على الذكاء الاصطناعي أولًا الطبقة المواجهة للسوق ليس فقط لاكتساب العملاء والاحتفاظ بهم، بل أيضًا لتوليد البيانات التي تجعل المحرك أكثر ذكاء مع كل دورة.

ويغير ذلك معنى امتلاك عرض قيمة قوي.

فقد يدفع عنصر الجِدة في الذكاء الاصطناعي المستخدمين إلى تجربة المنتج للمرة الأولى، لكن القيمة الواضحة والقابلة للتكرار وحدها هي التي تدفعهم إلى الاستمرار.

ويخفض الذكاء الاصطناعي تكاليف الانتقال بين المنتجات بدرجة كبيرة، ولذلك يصبح الاحتفاظ بالعملاء من أكبر التحديات.

وتعاني تطبيقات الذكاء الاصطناعي من معدلات مرتفعة لتخلي العملاء عن الاشتراك، إذ يدفع أقل من مشترك واحد من كل 16 مستخدمًا شهريًا، وهو أداء أسوأ بنحو 33% من التطبيقات غير القائمة على الذكاء الاصطناعي.

وبغض النظر عما إذا كانت الشركة مبنية أصلًا على الذكاء الاصطناعي، أو قائمة عليه أولًا، أو مجرد مدعومة به، يظل العملاء يطرحون الأسئلة نفسها:

هل تحل الأداة مشكلتي؟

هل يمكنني الوثوق بها؟

هل تستحق ما أدفعه؟

ولماذا أختارها بدلًا من البديل؟

وتضع المؤسسات القائمة على الذكاء الاصطناعي أولًا القدرات الجديدة لمحرك الذكاء في السوق من خلال ثلاثة عناصر:

– تصميم منتجات مبنية أصلًا حول الذكاء الاصطناعي.

– هندسة الثقة داخل النظام.

– أشكال جديدة للتموضع والدخول إلى السوق.

5.1 تصميم المنتج

ينبغي تصميم كيفية تغليف قدرات الذكاء عمدًا بحيث يستطيع الأشخاص استخدامها بصورة بديهية وفعالة وواثقة داخل تدفق عملهم.

ويعني ذلك تجاوز واجهات المحادثة والنظر إلى أهداف المستخدم أو العميل الفعلية، ورحلته، وبيئته، ثم تصميم تجربة يُدخل فيها الذكاء فقط عندما يضيف قيمة.

ولا يتمثل الهدف في تعظيم استخدام الذكاء الاصطناعي، بل في تطبيق الذكاء حيث يحسن النتائج.

فكلما ازدادت قدرات الذكاء الاصطناعي، لا يعني ذلك تلقائيًا أن النتائج ستكون أفضل.

وقد يؤدي التطبيق السيئ إلى الضوضاء والاحتكاك و«حشو الذكاء الاصطناعي»، أي المخرجات العامة منخفضة الجودة التي تقلل القيمة بدل زيادتها.

مبادئ تصميم منتجات الذكاء الاصطناعي أولًا

مطابقة المهمة مع وسيلة التفاعل

تعتمد الوسيلة المناسبة للذكاء الاصطناعي على السياق.

فقد تكون الصورة والتعليق عليها الأنسب للعمل الميداني، أو الإرشادات على الهاتف لمديري الخطوط الأمامية، أو الصوت دون استخدام اليدين في البيئات السريرية.

إنشاء نقاط بداية

لا يبدأ معظم المستخدمين بتعليمات مثالية.

وغالبًا ما تعمل الإجراءات السياقية والقوالب ونقاط الدخول الموجهة بصورة أفضل من شاشة فارغة تنتظر أمرًا.

وتساعد الهياكل والقوالب والمكونات المسبقة والأمثلة المستخدمين الجدد على البدء.

الكشف التدريجي

تكشف واجهات الذكاء الاصطناعي الجيدة التعقيد وتدفقات العمل خطوة بعد أخرى، بدل إغراق المستخدم بمخرجات طويلة دفعة واحدة.

ويمكن تحقيق ذلك من خلال الطوابير، وبناء الدعم التدريجي، والإرشادات المرحلية.

التغذية الراجعة والاسترجاع المخصصان

يتعلم النظام من التفاعلات السابقة ويقدم إرشادات واعية بالسياق تشجع التفكير الأعمق بدل الثقة العمياء.

وينبغي لأنظمة الذكاء الاصطناعي مساعدة المستخدمين على تنظيم أعمالهم السابقة والعودة إليها والبناء عليها، بدل دفن المخرجات المفيدة داخل سجل محادثات طويل.

بيئات تعاونية

ينبغي للذكاء الاصطناعي دعم الطريقة التي تستكشف بها الفرق خيارات مختلفة، ثم تتقارب وتراجع وتتفق، بما يحسن التواصل والتعاون حول الأهداف المشتركة من دون إضافة ضوضاء أو تشتت.

شخصية مقصودة

قد يميل المستخدمون إلى إضفاء صفات بشرية على الذكاء الاصطناعي وبناء علاقات مختلفة مع الأنظمة المختلفة.

ولهذا ينبغي للفرق أن تتعمد تحديد مقدار الشخصية التي تعكسها الواجهة.

تفضيلات التفاعل الثقافية

أنماط التفاعل ليست عالمية.

فما يبدو بديهيًا في سوق ما قد يبدو غير مألوف في سوق آخر.

ولهذا ينبغي اختبار محرك الذكاء وتكييفه عبر سياقات ثقافية مختلفة.

دراسة حالة: Contextere وتقديم استكشاف أعطال قائم على الذكاء الاصطناعي في أرضية المصنع

حسنت Contextere، وهي شركة متخصصة في الذكاء الاصطناعي الصناعي، استكشاف الأعطال على أرضية المصنع باستخدام واجهة صوتية صُممت حول الطريقة التي يعمل بها العاملون في الخطوط الأمامية بالفعل.

ومن خلال استبدال عملية لجمع المعلومات كانت تستغرق 47 دقيقة بتجميع شبه فوري للسياق، تمكن النظام من خفض وقت استكشاف الأعطال بنسبة تصل إلى 80%.

ويبين ذلك أن مكاسب أداء الذكاء الاصطناعي لا تأتي فقط من قوة التكنولوجيا، بل من مقابلة المستخدمين بالطريقة التي يعملون بها بدل إجبارهم على الانتقال إلى تدفقات عمل جديدة.

5.2 إعطاء الأولوية للثقة

ينبغي بناء الضوابط والحدود والشفافية التي تجعل العملاء مستعدين لتبني الذكاء الاصطناعي والاعتماد عليه.

وبالنسبة إلى الشركات القائمة على الذكاء الاصطناعي أولًا، لا تُضاف الثقة كطبقة بعد إطلاق المنتج، بل تكون جزءًا من كيفية تصميمه وتغليفه منذ البداية.

عمليًا، تجعل الفرق الثقة مرئية داخل المنتج نفسه.

ففي مساعد للتسوق، قد يعني ذلك إظهار سبب التوصية بمنتج معين، والمصدر الذي جاءت منه معلومات المقاس أو المراجعات، والمجالات التي لا تزال غير مؤكدة من خلال درجة ثقة، وطلب تأكيد المستخدم قبل إتمام عملية الشراء.

أربعة مبادئ للثقة في الذكاء الاصطناعي

1. حماية الهوية وبيانات الاعتماد والتحكم

لماذا يهم ذلك؟

عندما يتصرف الذكاء الاصطناعي نيابة عن العميل، تعتمد الثقة على الحد من تعرض البيانات الحساسة والحفاظ على تحكم العميل.

كيف يبدو ذلك في التطبيق؟

تحديد نطاق بيانات الاعتماد والصلاحيات وفق كل تفاعل، وتقليل البيانات المكشوفة، وتوضيح ما الذي يستطيع النظام الوصول إليه وما الذي يستطيع فعله.

وفي الاستخدامات الحساسة، يمكن إبقاء النماذج داخل بنية تحتية يسيطر عليها العميل.

2. مواءمة مستوى الدقة مع حجم المخاطر

لماذا يهم ذلك؟

كلما ارتفعت عواقب الفشل، زادت الحاجة إلى الدقة والرقابة والمراجعة البشرية.

كيف يبدو ذلك في التطبيق؟

تطبيق حدود أكثر صرامة ومشاركة بشرية أكبر في الاستخدامات المنظمة أو المواجهة للعملاء، مع السماح باستقلالية أكبر في المهام منخفضة المخاطر مثل العصف الذهني أو الجدولة.

3. جعل الثقة والحدود مرئية

لماذا يهم ذلك؟

تزداد الثقة عندما يفهم المستخدم ما يعرفه النظام، ومدى موثوقيته، وأين تقع حدوده.

كيف يبدو ذلك في التطبيق؟

إظهار مستويات الثقة، والتواصل بوضوح عندما ينخفض الأداء، ووضع حدود واضحة لما صُمم النظام للقيام به.

4. جعل النظام قابلًا للتحقق والتدقيق

لماذا يهم ذلك؟

يزداد استعداد المستخدمين للثقة في الذكاء الاصطناعي عندما يستطيعون التحقق من الكيفية التي أُنتجت بها المخرجات والأدلة التي تدعمها.

كيف يبدو ذلك في التطبيق؟

توفير إمكانية التتبع، وإشارات واضحة للتقدم أو المنطق المستخدم، وأدلة قابلة للتدقيق في القرارات عالية المخاطر.

دراسة حالة: منصة موحدة تغطي رحلة المريض

طورت Ant Group منصة ذكاء اصطناعي متعددة الوسائط صُممت لدعم اتخاذ القرار السريري واستشارات المرضى في مراحل مختلفة من الرعاية.

وفي قلب المنصة يوجد نموذج لغوي كبير بمستوى طبي يستطيع معالجة النصوص والصور الطبية والصوت والفيديو.

ويسمح ذلك للنظام بالاستدلال باستخدام الأعراض ونتائج المختبر وبيانات التصوير داخل إطار واحد.

وتقوم طبقة بيانات تحافظ على الخصوصية بتشفير المعلومات السريرية وتوحيدها من المستشفيات ومراكز الرعاية الأولية وأجهزة الصحة الاستهلاكية، بما يسمح باستخدامها بصورة آمنة في البيئات المنظمة.

وتساعد المنصة الأطباء والمرضى معًا.

فقبل الزيارة، يستطيع المرضى استخدام مساعد الذكاء الاصطناعي للمساعدة على تسجيل الأعراض وجدولة المواعيد.

وأثناء الزيارة، يوفر النظام دعمًا للمستخدمين عبر مراحل العلاج المختلفة ويقدم خدمات فرز ذكية مخصصة لتحسين تجربة الرعاية.

وبعد التشخيص والعلاج، يقدم النظام متابعة وإرشادات دوائية وخطط إعادة تأهيل، ما يخلق حلقة تغذية راجعة مستمرة بدل تفاعل يحدث مرة واحدة.

5.3 التموضع في السوق

تواجه كل شركة قائمة على الذكاء الاصطناعي أولًا، بغض النظر عن قطاعها أو نموذج أعمالها، السؤال نفسه:

كيف تتموضع قدرات الذكاء في السوق بحيث يتبناها العملاء ويثقون بها ويعودون لاستخدامها؟

تعتمد الإجابة على المكان الذي يوجد فيه الذكاء داخل العرض.

فقد يكون:

– تحسينًا لمنتج قائم.

– المنتج نفسه.

– عنصرًا يعيد تشكيل منصة أو تدفق عمل.

– أو بنية تحتية غير مرئية تعمل تحت تجربة العميل.

وتحدد هذه الخيارات ما الذي يدفع العملاء مقابله، وأين تتراكم القيمة، وما نوع النشاط التجاري الذي يتم بناؤه.

وهذا ينطبق على أي شركة قائمة على الذكاء الاصطناعي أولًا، سواء كانت شركة تصنيع تدمج الذكاء في خدمات ما بعد البيع، أو مؤسسة مالية تعيد تصميم الاكتتاب، أو شركة برمجيات تقدم منتجات مبنية أصلًا على الذكاء الاصطناعي.

والسؤال ليس ما إذا كان ينبغي تموضع الذكاء الاصطناعي، بل كيف يتم ذلك عن قصد.

خمسة أنماط لتموضع الذكاء الاصطناعي في السوق

الذكاء الاصطناعي كميزة

ما يعنيه عمليًا: جعل منتج قائم أكثر ذكاء.

مصدر القيمة: تجربة مستخدم وأداء أفضل.

الذكاء الاصطناعي بوصفه المنتج

ما يعنيه عمليًا: النموذج أو التطبيق نفسه هو ما يشتريه العميل.

مصدر القيمة: المنفعة المباشرة أو المخرجات أو الخبرة.

الذكاء الاصطناعي بوصفه عملية ومنصة

ما يعنيه عمليًا: إعادة تشكيل تدفقات العمل والتنسيق.

مصدر القيمة: الإنتاجية والتوحيد وعوائد التوسع المتزايدة.

الذكاء الاصطناعي بوصفه بنية تحتية

ما يعنيه عمليًا: تشغيل البنى والبروتوكولات وطبقات التنفيذ.

مصدر القيمة: تمكين الآخرين وخلق اعتماد على المنظومة.

الذكاء الاصطناعي غير المرئي

ما يعنيه عمليًا: لا يختبر المستخدم «الذكاء الاصطناعي» بوصفه منتجًا مباشرًا، بل واجهة أو سلوكًا أو وسيطًا جديدًا أصبح ممكنًا بفضله.

مصدر القيمة: إنشاء تجارب مستخدم وفئات منتجات جديدة لم تكن ممكنة سابقًا.

تطور القدرات الوكيلية في السوق

إلى جانب تموضعها الحالي، يجب على المؤسسات القائمة على الذكاء الاصطناعي أولًا الاستعداد لسوق يشارك فيه الوكلاء بصورة متزايدة في الاكتشاف والتقييم والمعاملات نيابة عن المستخدمين.

ولا يعني ذلك بالضرورة أن الشركة يجب أن تكون في نشاط بيع الوكلاء.

بل يعني ضرورة فهم الكيفية التي ستعيد بها التفاعلات التي تتوسط فيها الوكلاء تشكيل المكان والطريقة التي يكتشف من خلالها العملاء الخيارات ويتخذون القرارات ويشترون.

وسواء كانت الشركة تبيع معدات صناعية أو خدمات مالية أو برمجيات، فإن القناة التي يصل عبرها العميل ويتخذ قرار الشراء تتغير.

ويمكن تصور نضج مشاركة الوكلاء في الأسواق عبر خمسة مستويات.

المستوى الأول: إلغاء نماذج الويب

يكمل الوكيل الخطوات الروتينية للمعاملة بعد أن يكون المستخدم قد اتخذ قراره بالفعل.

المستوى الثاني: البحث الوصفي

يصف المستخدم احتياجاته، ويترجمها الوكيل إلى عملية بحث وخيارات.

المستوى الثالث: الاستمرارية

يتذكر الوكيل التفضيلات والقيود والتفاعلات السابقة.

المستوى الرابع: التفويض

يقيّم الوكيل الخيارات ويختار بينها ضمن حدود يحددها المستخدم.

المستوى الخامس: الاستباق

يتنبأ النظام بالاحتياجات ويتصرف قبل أن يقدم المستخدم طلبًا صريحًا.

ولا يزال المستوى الخامس في طور الظهور، بينما يوجد معظم السوق اليوم حول المستوى الثاني.

ومع ذلك، فإن المسار نحو مستويات أعلى من استقلالية الوكلاء يتقدم، وستحدد الطريقة التي تتموضع بها الشركات داخل هذا المسار بصورة متزايدة أين وكيف تستحوذ على القيمة.

سياق الشركات الموجهة إلى الشركات

يمثل سياق التعامل بين الشركات نقطة بداية طبيعية للمؤسسات التي تحاول التعامل مع هذا التحول.

فالمعاملات المؤسسية تعمل عادة ضمن قواعد أكثر وضوحًا، وتدفقات شراء محددة، ومعايير قرار معلومة، ما يمنح الوكلاء أدوارًا أوضح.

ويمكن الوثوق بالوكلاء للبحث والمقارنة والتنفيذ داخل حدود معروفة، بما يقلل الاحتكاك من دون الحاجة إلى مستوى الثقة الشخصية المطلوبة في أسواق المستهلكين.

أما الأسواق الاستهلاكية فهي أكثر تعقيدًا.

فالتفضيلات أقل ثباتًا، والبيانات الشخصية أكثر حساسية، والثقة يجب أن تُبنى عبر مجموعة أوسع من المستخدمين والمنصات والمزودين.

ثلاثة نماذج ناشئة لملكية الوكلاء

النموذج الأول: يمتلك المستخدم وكيله الخاص ويتحكم فيه، ويعمل الوكيل نيابة عنه عبر مزودين ومنصات متعددة.

النموذج الثاني: يدمج البائع أو السوق وكيلًا داخل منظومته الخاصة لتوجيه الاكتشاف والشراء داخل تلك البيئة.

النموذج الثالث: يعمل وسيط مستقل عبر تجار ومزودين مختلفين، ويقارن الخيارات وينسق القرارات نيابة عن المستخدم.

ولا تزال هذه النماذج في مراحلها الأولى، ومن المرجح أن تتعايش.

لكن السؤال الاستراتيجي المهم هو: لأي نموذج تبني الشركة نفسها، أو أي نموذج قد يعيد تشكيل موقعها في السوق؟

ويتمثل السؤال المركزي لخلق القيمة الجديدة في الكيفية التي يُصمم بها الذكاء ويُمنح الثقة ويتموضع بها في السوق.

ولا تزال هذه الحدود ناشئة مع وصول واجهات وتجارب وقدرات وكيلية ونماذج أعمال جديدة إلى السوق.

أما التحدي الاستراتيجي بالنسبة إلى المؤسسات القائمة على الذكاء الاصطناعي أولًا، فهو ربط هذه المنتجات والخدمات من جديد بمحرك الذكاء، بحيث توفر تفاعلات العملاء قيمة مباشرة، وفي الوقت نفسه تولد تغذية راجعة تعزز الأداء، وتحسن نتائج الأعمال، وتخلق أثرًا تراكميًا بمرور الوقت.

صمّم مخططك الخاص القائم على الذكاء الاصطناعي أولًا

أُجري هذا العمل لفهم الكيفية التي يغير بها التحول إلى نموذج «الذكاء الاصطناعي أولًا» طريقة إنشاء الأعمال للقيمة وتقديمها.

وقد شكلت «لوحة نموذج الأعمال» أداة مهمة لهذا الاستكشاف لأنها توفر لغة مشتركة يستطيع المؤسسون والقادة استخدامها لوصف كيفية إنشاء المؤسسات للقيمة وتقديمها والاستحواذ عليها، كما توفر عدسة منظمة لفحص ما الذي يتغير فعلًا في المؤسسة القائمة على الذكاء الاصطناعي أولًا.

وما ظهر هو أن اللبنات الأساسية للوحة نموذج الأعمال لا تزال قائمة.

فعروض القيمة والعملاء والعمليات ونماذج الإيرادات لا تزال تحدد كل نشاط تجاري.

لكن ما يتغير في مؤسسة الذكاء الاصطناعي أولًا هو كيفية تصميم كل لبنة، وما الذي تحتويه، وكيف تتفاعل داخل نظام شكله الذكاء، والأسئلة التي ينبغي طرحها لتحديدها وإعادة تصميمها.

توسيع لوحة نموذج الأعمال باستخدام أسس الذكاء الاصطناعي أولًا

توسع الأسس الخمسة للذكاء الاصطناعي أولًا لوحة نموذج الأعمال، وتحدثها لعالم أصبح فيه الذكاء وفيرًا وقابلًا للبرمجة.

ويرتبط كل أساس مباشرة بجزء رئيسي من اللوحة.

وعند الجمع بين لوحة نموذج الأعمال وأسس الذكاء الاصطناعي أولًا، يتكون مخطط عملي لتصميم الشركات القائمة على الذكاء الاصطناعي أولًا.

الشركاء الرئيسيون

– ما البيانات والنماذج والبنية التحتية التي تمثل أصولًا استراتيجية؟

– ما الذي ينبغي أن يكون مملوكًا للمؤسسة، وما الذي يمكن التعامل معه بوصفه سلعة متاحة؟

– ما الذي ينبغي بناؤه أو شراؤه أو تطويره بالشراكة عبر مكدس الذكاء الاصطناعي؟

هيكل التكاليف

– كيف يعيد الذكاء تشكيل هيكل التكاليف والاقتصاديات الهامشية لتقديم الخدمة أو المنتج؟

تدفقات الإيرادات

– في أي تدفقات الإيرادات تستطيع زيادة الرافعة التشغيلية من خلال دمج الذكاء الاصطناعي؟

– كيف يتيح الذكاء الاصطناعي نماذج تسعير وتدفقات إيرادات جديدة؟

الأنشطة الرئيسية

– أين يحسن الذكاء النتائج بصورة ملموسة؟

– أي الأنشطة ينبغي أتمتتها، وأيها ينبغي تعزيز البشر فيها، وأيها ينبغي أن تظل بقيادة الإنسان؟

– كيف تعيد تصميم المؤسسة لكي تعمل بفاعلية والذكاء الاصطناعي في قلبها؟

– ما الفرص المتاحة لاستخدام الذكاء الاصطناعي بعد انتهاء ساعات العمل البشرية؟

علاقات العملاء

– كيف يُدمج الذكاء داخل المنتجات والخدمات وتفاعلات العملاء؟

– ما التصاميم أو التجارب الجديدة التي تستطيع إنشاؤها باستخدام الذكاء الاصطناعي؟

شرائح العملاء

– ما الأسواق الرأسية الجديدة التي يمكنك دخولها عندما يصبح الذكاء الاصطناعي قادرًا على تقديم القيمة؟

– ما العملاء الذين لم يكن بإمكانك خدمتهم سابقًا بسبب حدود الحجم أو التكلفة أو التكنولوجيا؟

– أي العملاء يولدون أكثر التغذية الراجعة والسياق والبيانات فائدة بمرور الوقت؟

– من المستفيد الأكبر من التجارب الأسرع أو الأكثر تخصيصًا أو الأكثر ذكاء؟

القنوات

– أين ينبغي لوكلاء الذكاء الاصطناعي التفاعل مباشرة مع العملاء؟

– وما مستوى الاستقلالية المناسب لذلك؟

عرض القيمة

– ما القيمة الجديدة التي تصبح ممكنة فقط لأن الذكاء أصبح مدمجًا؟

– ما المشكلات التي يستطيع الذكاء حلها بصورة فريدة ولم يكن البشر قادرين على حلها سابقًا؟

– أين تسمح حلقات التغذية الراجعة للأداء بالتحسن بصورة مستمرة؟

– ما الذي يستطيع عملاؤك القيام به الآن ولم يكن بإمكانهم فعله قبل الذكاء الاصطناعي؟

الموارد الرئيسية

– ما المنصات الفريدة التي يمكنك بناؤها باستخدام ملكيتك الفكرية؟

– أين تريد أن يحقق الذكاء تراكمًا في الميزة بمرور الوقت؟

– ما الأدوار والقدرات التي تظل بشرية بصورة مميزة وعالية القيمة؟

– ما معايير العمل الجماعي الجديدة التي تنشئها لطريقة عمل قائمة على الذكاء الاصطناعي أولًا؟

– ما البيانات أو التغذية الراجعة أو السياق الخاص بالمؤسسة الذي تزداد قيمته كل شهر تعمل فيه؟

وتقع أسس الذكاء الاصطناعي أولًا الخمسة تحت هذه الأسئلة جميعًا:

محرك الذكاء.
المكدس التقني التكيفي للذكاء الاصطناعي.
إعادة تصميم العمليات.
العمل المشترك بين البشر والذكاء الاصطناعي.
خلق قيمة جديدة.

تعليمات استخدام لوحة نموذج الأعمال القائمة على الذكاء الاصطناعي أولًا

استخدم الأسئلة السابقة للتفكير في الكيفية التي سيعيد بها الذكاء الاصطناعي تشكيل كل جانب من جوانب الطريقة التي تنظر بها إلى نشاطك التجاري.

خصص 30 دقيقة للتفكير في هذه الأسئلة والإجابة عنها.

ثم راجع الإجابات لتحديد الموضوعات الرئيسية التي ظهرت.

ويمكن لهذه الملاحظات أن تشكل أساسًا لاستراتيجية قوية للذكاء الاصطناعي داخل مؤسستك.

الخاتمة

يُعد ظهور المؤسسات القائمة على الذكاء الاصطناعي أولًا واحدًا من أكثر التحولات التنظيمية أهمية في الوقت الراهن، ومع ذلك لا يزال في مراحله المبكرة.

ورغم أن المؤسسات القائمة على الذكاء الاصطناعي أولًا وتلك المبنية أصلًا عليه تُظهر أشكالًا جديدة من السرعة والتوسع والرافعة التشغيلية، لم يتضح بعد أي النماذج سيكون الأكثر قدرة على الصمود أو الهيمنة مع مرور الوقت.

والسؤال المطروح على القادة ليس ما إذا كان ينبغي التحول إلى نموذج الذكاء الاصطناعي أولًا، بل مدى سرعة التحول والمكان الذي ينبغي البدء منه.

ولا تزال نافذة بناء الأسس مفتوحة: محرك الذكاء، ونموذج التشغيل، والمواهب، والتموضع في السوق.

لكنها لن تبقى مفتوحة إلى أجل غير محدود.

والمؤسسات التي تتعامل مع هذه المرحلة باعتبارها مجرد فترة للتجريب قد تجد نفسها متأخرة هيكليًا عن المنافسين الذين بدأوا بالفعل تحقيق مكاسب تراكمية.

وبالنسبة إلى قادة الأعمال، لا يتمثل التحدي في افتراض وجود نموذج واحد فائز، بل في بناء القدرة على التعلم والتكيف.

وكجسر نحو الحالة النهائية، تتمثل إحدى المقاربات العملية في تشغيل نماذج تشغيل متوازية، بحيث تُطوّر تدفقات عمل وفرق وأنظمة قائمة على الذكاء الاصطناعي أولًا إلى جانب النماذج الحالية، مع قياس فروق الأداء بصورة منهجية.

ويسمح ذلك للمؤسسات بتحديد المجالات التي يخلق فيها الذكاء ميزة حقيقية، والمجالات التي تظل فيها النماذج التقليدية فعالة.

أما بالنسبة إلى رواد الأعمال، فتتسع الفرصة مع ازدياد إمكانية الوصول إلى الذكاء.

ومع انتشار قدرات الذكاء الاصطناعي على نطاق أوسع، سيأتي التميز بصورة متزايدة من الطريقة التي تصمم بها المؤسسات منتجاتها وتدفقات عملها ونماذج أعمالها، إلى جانب ملكيتها الفكرية الفريدة وخبرتها.

وسيُحدد التفوق من خلال التنفيذ المميز، والبصيرة العميقة في المجال، والقدرة على تحويل الذكاء إلى نتائج حقيقية في العالم الواقعي.

أما بالنسبة إلى واضعي السياسات، فتتمثل الأولوية في مراقبة كيفية تطور هذه الأساليب التشغيلية وآثارها الأوسع عن كثب.

ومن الضروري فهم المجالات التي تحقق فيها القيمة، والمناطق التي تظهر فيها المخاطر، وكيف تتطور المنافسة عندما يتراكم الذكاء بصورة مختلفة بين المؤسسات والمناطق الجغرافية، وكيف تؤثر هذه النماذج في القطاعات والفئات السكانية المختلفة مع مرور الوقت.

وسيواصل مسار «المؤسسات القائمة على الذكاء الاصطناعي أولًا» في المنتدى الاقتصادي العالمي جمع القادة من قطاعات الأعمال والحكومات والمجتمع المدني والأوساط الأكاديمية من أجل تتبع هذه التطورات، وتبادل الممارسات الناشئة، وتعميق فهم الطريقة التي يعيد بها الذكاء تشكيل المؤسسات والأسواق.

المصدر