تدخل المؤسسات مرحلة جديدة في التعامل مع الذكاء الاصطناعي، مرحلة لا يكفي فيها الحديث عن الإمكانات أو التجارب الأولية. فمع زيادة الاعتماد على النماذج التوليدية وأدوات التحليل والأتمتة، بدأت التكاليف ترتفع بوتيرة أسرع من قدرة بعض الشركات على تفسيرها أو تبريرها. هنا لم يعد السؤال الرئيسي هو ما إذا كان ينبغي الاستثمار في الذكاء الاصطناعي، بل أصبح يدور حول أفضل طريقة لإدارة هذا الاستثمار وقياس نتائجه.
هذه النقلة تشبه إلى حد كبير ما حدث في بدايات الحوسبة السحابية، عندما اندفعت الشركات نحو التبني السريع قبل أن تطور لاحقاً أدوات أكثر نضجاً لفهم الإنفاق ومراقبة الاستخدام. وفي حالة الذكاء الاصطناعي، تبدو المعادلة أكثر تعقيداً، لأن التكاليف لا تشمل البنية التحتية فقط، بل تمتد إلى الاستدلال، والتخزين، والعمالة المتخصصة، وأدوات البرمجيات، والتكامل مع الأنظمة القائمة.
الإنفاق يرتفع لكن العائد ليس واضحاً دائماً
تواجه إدارات التقنية والمالية معاً مشكلة متكررة: ميزانيات الذكاء الاصطناعي تنمو، لكن قياس العائد على الاستثمار لا يزال غير محسوم في كثير من الحالات. هذا الغموض ليس جديداً تماماً في عالم التقنية، إلا أن الذكاء الاصطناعي يضيف طبقة إضافية من عدم اليقين بسبب تغير الأسعار بين المزودين، وصعوبة توقع حجم الاستخدام الفعلي، والتطور المستمر في الأدوات والنماذج.
في عدد متزايد من المؤسسات، لم تعد مشاريع الذكاء الاصطناعي تُعامل كمبادرات تجريبية منفصلة، بل أصبحت جزءاً من خطط النمو ورفع الكفاءة. بعض الشركات تراهن على أن الوفورات الناتجة عن الأتمتة وتحسين العمليات ستعيد تمويل موجة جديدة من الابتكار. لكن هذا الافتراض يعتمد على شرط أساسي: أن تكون تلك الوفورات قابلة للقياس بالفعل، لا مجرد توقعات نظرية.
وفي الوقت نفسه، هناك مؤسسات تختار تمويل مشاريع الذكاء الاصطناعي عبر إعادة توزيع الميزانيات الحالية. هذا القرار يفرض أسئلة مباشرة حول الأولويات: ما الذي سيتم تقليصه لتمويل المبادرات الجديدة؟ وهل يقدم الذكاء الاصطناعي قيمة أعلى من بدائل استثمارية أخرى داخل المؤسسة؟
بداية التقييم من مشكلة العمل لا من بريق التقنية
أحد أبرز الأخطاء في تبني الذكاء الاصطناعي هو البدء بالأداة قبل تحديد المشكلة. فالمؤسسات التي تحقق نتائج أفضل هي التي تنطلق من أهداف أعمال واضحة وقابلة للقياس. على سبيل المثال، هل المطلوب تسريع اتخاذ القرار؟ أم زيادة القدرة التشغيلية؟ أم تحسين خدمة العملاء؟ أم تقليل الأعمال اليدوية في فرق محددة؟
الفرق هنا مهم، لأن الذكاء الاصطناعي يمكن أن يقدم قيمة في عشرات السيناريوهات، لكن الموارد ليست بلا حدود. لذلك يصبح ترتيب الأولويات مسألة أساسية. المشروع الناجح ليس بالضرورة الأكثر تعقيداً تقنياً، بل الأقرب إلى احتياج عمل حقيقي ويمكن ربطه بنتيجة قابلة للملاحظة، مثل زيادة الإنتاجية أو تقليص وقت إنجاز المعاملات أو رفع جودة المخرجات.
هذا النهج يساعد أيضاً على تجنب مطاردة حالات استخدام جذابة على الورق لكنها محدودة الأثر الاستراتيجي. فمع ارتفاع التكاليف، لم يعد هناك مجال واسع لمشاريع لا تملك مبرراً تشغيلياً أو مالياً واضحاً.
تعريف النجاح قبل ضخ الميزانية
قبل توسيع أي مبادرة، تحتاج المؤسسة إلى تحديد معنى النجاح بدقة. إذا كان الذكاء الاصطناعي يضيف قدرة جديدة بالكامل، فيجب وصف النتيجة المتوقعة بوضوح، مثل فتح مصدر إيرادات جديد أو إنشاء سير عمل أسرع أو تحسين طريقة تحليل البيانات. أما إذا كان الهدف هو تحسين قدرة موجودة بالفعل، فمن الضروري تحديد خط أساس للأداء الحالي، ثم قياس مقدار التحسن بعد إدخال الذكاء الاصطناعي.
هذا التحديد لا يفيد فقط في تقييم النتائج لاحقاً، بل يساعد أيضاً في إدارة التوقعات. بعض المشاريع قد تبدو محدودة الأثر في المدى القصير لكنها تبني قيمة أكبر على المدى الطويل. وعلى العكس، قد يؤدي نجاح مشروع معين وسرعة تبنيه داخل المؤسسة إلى ارتفاع مفاجئ في فواتير الاستخدام، خصوصاً في الخدمات التي تعتمد على الاستدلال أو استهلاك النماذج عبر واجهات برمجة التطبيقات.
لذلك، من المهم وضع عتبات قرار واضحة منذ البداية: متى تستمر المؤسسة في التوسع؟ ومتى تتوقف مؤقتاً؟ ومتى تعيد تقييم المشروع بالكامل؟ وجود هذه القواعد يقلل القرارات الارتجالية عندما تبدأ التكاليف في التحرك بسرعة.
مؤشرات الأداء في الذكاء الاصطناعي أكثر تعقيداً
قياس نجاح مشاريع الذكاء الاصطناعي لا يمكن اختزاله في رقم واحد. الاستخدام مهم، وكذلك الكفاءة، والأثر المالي، لكن أحياناً تظهر أنماط قيمة جديدة يصعب التقاطها بالمقاييس التقليدية. فقد يؤدي استخدام أداة ذكاء اصطناعي إلى تقليل الاعتماد على برامج أخرى، أو تقليص عدد التراخيص المطلوبة في منصات تحليل أو تشغيل قائمة، أو خفض الحاجة إلى بعض الأعمال الخارجية.
كما أن المقارنة بين مزودي خدمات الذكاء الاصطناعي نفسها ليست بسيطة. الأسعار قد تختلف باختلاف النموذج، أو حجم الطلبات، أو سرعة المعالجة، أو مكان تشغيل الأحمال، سواء داخل مراكز البيانات الخاصة أو في السحابة. ومع تغير الأسعار باستمرار، يصبح من الضروري امتلاك رؤية محدثة تسمح بالمقارنة بين الأدوات وتحديد ما إذا كان الإنفاق يتماشى فعلاً مع القيمة المتحققة.
إضافة إلى ذلك، يجب ألا يتم تقييم قيمة الذكاء الاصطناعي بشكل معزول عن بقية استثمارات التقنية. فالمؤسسة لا تختار فقط بين مشاريع ذكاء اصطناعي متعددة، بل تقارن أيضاً بين هذا النوع من الإنفاق وبين بدائل أخرى مثل تحديث البنية التحتية أو الأمن السيبراني أو تطوير المنتجات الرقمية.
إدارة استثمار الذكاء الاصطناعي تحتاج إلى إطار تشغيلي موحد
مع هذا التعقيد، يبرز توجه متزايد نحو استخدام أطر إدارة أعمال التقنية لربط البيانات المالية والتشغيلية ونتائج الأعمال في صورة واحدة. الفكرة الأساسية هنا هي الانتقال من مراقبة التكاليف بشكل مجزأ إلى إدارة الاستثمار في الذكاء الاصطناعي على مستوى المؤسسة ككل.
هذا النوع من الأطر يجمع بين إدارة المالية التقنية، وممارسات ضبط الإنفاق على أحمال الذكاء الاصطناعي، وإدارة المحافظ الاستراتيجية. النتيجة هي بناء قاعدة تكلفة أكثر وضوحاً تشمل العمالة والبنية التحتية والاستدلال والتخزين والتطبيقات، مع تتبع توزيع الإنفاق بين البيئات المحلية والسحابية.
القيمة العملية لهذا النهج لا تقتصر على جمع الأرقام، بل تمتد إلى ربط كل مبادرة بنتيجة أعمال محددة. عندها يمكن للإدارة معرفة ما إذا كانت الزيادة في الإنفاق ناتجة عن تبني صحي لمشروع ناجح، أم عن سوء تخصيص للموارد، أم عن استخدام غير مضبوط بدأ يتسع دون رقابة كافية.
رصد القفزات المفاجئة في التكاليف قبل أن تتحول إلى مشكلة
من أكثر ما يقلق الشركات في هذا المجال هو القفزات غير المتوقعة في التكاليف. فمشروع يبدو محدوداً في البداية قد يشهد استخداماً متسارعاً بعد إطلاقه داخلياً، ما يرفع فاتورة الاستدلال أو استهلاك الموارد بشكل كبير خلال فترة قصيرة. إذا لم تكن المؤسسة تملك لوحة متابعة دقيقة، فقد تكتشف المشكلة بعد فوات الأوان.
الرؤية الموحدة تساعد على التقاط هذه التحولات مبكراً. وعندما تظهر زيادة مفاجئة، تستطيع الإدارة التمييز بين ارتفاع يعكس نجاحاً يستحق تمويلاً إضافياً، وارتفاع آخر يدل على خلل في الحوكمة أو ضعف في الضبط التشغيلي. هذه النقطة مهمة لأن بعض الزيادات في الإنفاق قد تكون مبررة إذا قابلها نمو واضح في الإنتاجية أو الإيرادات أو جودة الخدمة.
بمعنى آخر، الهدف ليس خفض الإنفاق على الذكاء الاصطناعي بأي ثمن، بل التأكد من أن كل زيادة في الميزانية تقابلها قيمة يمكن شرحها والدفاع عنها أمام الإدارة العليا أو مجلس الإدارة.
الانتقال من التجارب إلى الاستثمار المنضبط
كثير من المؤسسات تجاوزت بالفعل مرحلة التجارب المحدودة. والمرحلة التالية تتطلب انضباطاً أكبر في التمويل والحوكمة. فمجالس الإدارات والإدارات المالية أصبحت تطلب بيانات أكثر موثوقية حول النطاق، والنتائج، ومحركات التكلفة، والجاهزية التشغيلية. هذا التحول طبيعي مع انتقال الذكاء الاصطناعي من خانة الابتكار الاستكشافي إلى خانة الاستثمار المؤثر في الميزانية.
الشركات الأقدر على التوسع ليست بالضرورة الأكثر إنفاقاً، بل الأكثر قدرة على التعامل مع الذكاء الاصطناعي كاستثمار مُدار بعناية. وهذا يعني فهم دورة الحياة الكاملة للمشروع، من الاختيار الأولي لحالة الاستخدام، إلى المراقبة المستمرة، إلى إعادة التقييم عند تغير الأسعار أو الأدوات أو أنماط الطلب الداخلي.
في النهاية، النجاح في الذكاء الاصطناعي داخل المؤسسات لن يُقاس فقط بمدى سرعة التبني، بل بقدرة الشركة على تحقيق توازن بين الطموح والوضوح المالي. ومع ازدياد حساسية التكاليف، ستصبح الأطر التي تربط التقنية بالأعمال عاملاً حاسماً في تحديد من ينجح في التوسع، ومن يبقى عالقاً في دوامة إنفاق يصعب تبريرها.