تتعامل كثير من الشركات مع الذكاء الاصطناعي بوصفه أداة سريعة لخفض التكاليف وتحسين الإنتاجية. لكن التجربة العملية داخل المؤسسات الكبرى تشير إلى أن هذه المعادلة لا تعمل إلا بشروط صارمة. فحين يُضاف الذكاء الاصطناعي إلى عملية متعثرة أصلاً، فإن النتيجة قد تكون تسريع الخلل بدلاً من إصلاحه.
الفكرة الأساسية بسيطة لكنها غالباً ما تُهمل: التقنية لا تعالج الفوضى التنظيمية من تلقاء نفسها. وإذا كانت سلسلة العمل تعتمد على موافقات متكررة، وأنظمة متفرقة، ومسؤوليات غير واضحة، فإن الأتمتة قد تكشف تلك التناقضات بسرعة أكبر، لكنها لن تزيلها.
التقنية لا تعوض عن ضعف التصميم التشغيلي
مرّت بيئات العمل خلال العقود الماضية بعدة موجات تقنية كبرى، من الحواسيب الشخصية إلى الإنترنت ثم الهواتف الذكية. وفي كل مرة، كان الوعد هو رفع الكفاءة وتقصير الزمن وتقليل الجهد. لكن الواقع داخل الشركات كان أكثر تعقيداً. كثير من المؤسسات رقمنت العمل بدلاً من إعادة تصميمه. انتقلت الملفات من الورق إلى الأنظمة، والمذكرات من المكاتب إلى البريد الإلكتروني، لكن قواعد القرار والهيكل الإداري بقيت كما هي.
هذا النمط تكرر مع الذكاء الاصطناعي، مع فارق مهم: هذه التقنية لا تتعامل فقط مع المعلومات، بل تتدخل في التفكير نفسه وفي طريقة اتخاذ القرار. لذلك فإن أثرها المحتمل على المؤسسة أعمق من أثر أي موجة تقنية سابقة. غير أن هذا الأثر يمكن أن يكون سلبياً إذا جرى تركيبها فوق بنية تشغيلية لم تُفحص جيداً.
المشكلة ليست في غياب الخوارزميات أو ضعف النماذج، بل في الاعتقاد أن كل ما هو مكلف أو بطيء يصلح تلقائياً للأتمتة. في كثير من الحالات، ما يبدو كعملية بطيئة ومنظمة هو في الحقيقة شبكة من الاستثناءات والتسويات البشرية التي تمنع الانهيار. وعندما تتولى الآلة جزءاً من هذه العملية، يظهر الخلل المخفي فجأة.
عندما تكشف الأتمتة التناقضات بدل أن تلغيها
من أكثر الأخطاء شيوعاً في مشاريع الذكاء الاصطناعي افتراض أن تسريع خطوة واحدة سيحسن المنظومة كلها. لكن الواقع أن الخطوات المحيطة قد لا تكون قادرة على مجاراة هذا التسارع. عندها تتضخم قوائم الانتظار، وتزداد طلبات التصعيد، وتضطر الفرق التشغيلية إلى العودة للتدخل اليدوي كي لا يتوقف العمل.
هنا يتحول الذكاء الاصطناعي من أداة خفض تكلفة إلى مصدر عبء إضافي. فبدلاً من معالجة السبب الجذري، تبدأ المؤسسة بشراء أدوات إضافية، وطبقات أكثر من المراقبة، وتكاملات جديدة، وضوابط جديدة. وبمرور الوقت، تتراكم التكاليف التقنية والمالية فوق المشكلة الأصلية.
لهذا السبب يصف بعض الخبراء ما يحدث بأنه ليس تحولاً رقمياً، بل تسريع للمشهد القديم نفسه. فالعملية المعطوبة تبقى معطوبة، لكن بوتيرة أعلى. وهذا ما يجعل وعود الوفورات السريعة من الذكاء الاصطناعي مبالغاً فيها إذا لم تسبقها مراجعة بنيوية لطريقة العمل.
دين العمليات: المشكلة التي تسبق الدين التقني
تتحدث المؤسسات كثيراً عن الدين التقني، أي كلفة الأنظمة القديمة والتراكمات البرمجية التي يصعب إصلاحها. لكن هناك نوعاً أعمق يبدأ قبل ذلك: دين العمليات. وهو يتشكل عندما تتحول الحلول المؤقتة إلى قواعد دائمة، وعندما تُضاف الضوابط من دون إزالة ما سبقها، وعندما تصبح الإجراءات انعكاساً لتاريخ المؤسسة لا لحاجتها الفعلية.
هذا الدين لا يظهر في شكل سطر برمجي، بل في شكل عدد كبير من الموافقات، وتداخل الصلاحيات، ومسارات اتخاذ القرار التي لا يعرفها إلا عدد محدود من الموظفين. وعندما يُدخل الذكاء الاصطناعي إلى هذه البيئة، فإنه يواجه مشكلات لا تستطيع النماذج حلها وحدها، لأن جوهرها تنظيمي وليس تقنياً.
ومن هنا تأتي أهمية السؤال الذي يجب أن يسبق أي مشروع أتمتة: هل هذه العملية تستحق أن تستمر أصلاً؟ فبعض الإجراءات لا تحتاج إلى تحسين بقدر ما تحتاج إلى إلغاء أو دمج أو إعادة تعريف.
أسئلة يجب أن تسبق أي مشروع ذكاء اصطناعي
قبل تنفيذ أي مبادرة قائمة على الذكاء الاصطناعي، تحتاج قيادة التقنية والإدارة إلى الإجابة عن مجموعة أسئلة أساسية. هذه الأسئلة ليست تقنية فقط، بل ترتبط بالحوكمة والملكية والمسؤولية:
- هل العملية ضرورية فعلاً؟ بعض الخطوات موجودة فقط بسبب تراكمات تاريخية أو قرارات سابقة لم تُراجع.
- من يملك العملية من البداية إلى النهاية؟ غياب الملكية الواضحة يؤدي غالباً إلى تشتت القرارات وتعدد النسخ التشغيلية.
- أين تُتخذ القرارات فعلياً؟ ما يحدث على أرض الواقع قد يختلف كثيراً عما تنص عليه الوثائق الرسمية.
- أي أجزاء من المسار نشأت بسبب الحذر المفرط أو الحوادث السابقة؟ ليس كل ضابط تنظيمي ما زال ضرورياً اليوم.
- أين تنتقل المسؤولية بين الفرق من دون اعتراف واضح؟ هذه النقاط هي أكثر الأماكن التي يتعثر فيها الذكاء الاصطناعي عند التطبيق.
الإجابة عن هذه الأسئلة تسبق اختيار النموذج أو المورد أو المنصة. فالنظام الذكي لا يستطيع إصلاح غياب الوضوح داخل المؤسسة، بل سيعيد إنتاجه بشكل أسرع وأكثر كلفة.
ثلاث طبقات للحَوْكمة قبل التوسع
لكي يكون نشر الذكاء الاصطناعي قابلاً للاستمرار، يحتاج إلى إطار حوكمة متعدد الطبقات. الطبقة الأولى تتعلق بالمؤسسة نفسها: هل هناك حاجة حقيقية إلى هذا المسار؟ ومن يتحمل مسؤوليته؟ وما تعريف المخاطر والجودة بين الإدارات المختلفة؟
الطبقة الثانية تتعلق بالأداة أو نقطة التنفيذ: كيف تُفسَّر مخرجات الذكاء الاصطناعي؟ أين يبقى التدخل البشري إلزامياً؟ ومتى يجب تصعيد الحالات الاستثنائية إلى خبراء مختصين؟ هذه الأسئلة تحدد ما إذا كانت الأتمتة ستبقى تحت السيطرة أم ستصبح مصدراً لقرارات غامضة.
أما الطبقة الثالثة فهي طبقة المنصة والبنية الأساسية: الخصوصية، والأمن، وضوابط النشر، واختيار النماذج، وسياسات البيانات، والمتطلبات التنظيمية. لكن هذه الطبقة ينبغي أن تأتي بعد وضوح العملية نفسها، لا قبلها. فالمؤسسات تميل عادة إلى البدء بالتقنية، بينما المشكلة الحقيقية تكون في التصميم التشغيلي.
مثال يوضح الفرق بين السرعة والكفاءة
في إحدى الحالات، كانت مؤسسة منظمة تخضع لعدة مراجعات وموافقات متتابعة وتعتقد أن المشكلة الأساسية هي بطء التقنية. بدا المسار مثاليًا للأتمتة من الخارج، لأن العمل كان مليئاً بالتكرار والتأخير. لكن عند مراجعة التفاصيل، اتضح أن كل فريق يعرف دوره الجزئي فقط، بينما لا أحد يملك الصورة الكاملة للعملية.
ثم ظهر أن كل طبقة من الموافقات أضيفت لسبب مختلف: تدقيق سابق، أو إعادة هيكلة، أو حادثة قديمة. لم تكن أي من هذه الإضافات غير منطقية منفردة، لكنها مجتمعة أنتجت مساراً لا يملكه أحد ولا يستطيع أحد تبريره بشكل متماسك.
في مثل هذا الوضع، لا يكون السؤال الصحيح هو: كيف نؤتمت هذا الجزء أولاً؟ بل: هل يجب أن يبقى هذا الجزء موجوداً؟ فإضافة الذكاء الاصطناعي قبل إعادة التصميم ستجعل العملية أسرع، لكنها ستجعل أيضاً الفوضى أكثر وضوحاً وتكلفة.
عندما تنجح إعادة الهندسة وتبدأ الوفورات الحقيقية
على الجانب الآخر، عندما تُستخدم أدوات الذكاء الاصطناعي كجزء من إعادة تصميم شاملة، يمكن أن تتحقق وفورات حقيقية. في تجربة أخرى داخل مؤسسة كانت تعتمد على إدخال البيانات والتحقق من المستندات يدوياً، نجح فريق التقنية في تقليص زمن استخراج البيانات بنسبة كبيرة. لكن النجاح الأولي كشف عن عنق زجاجة في المراحل التالية، حيث بقيت المراجعات اليدوية والأنظمة القديمة تعمل بالوتيرة نفسها.
الحل لم يكن في إضافة أداة جديدة، بل في إعادة ترتيب التدفق بالكامل. جرى إلغاء بعض المراجعات غير الضرورية، وتحويل جزء من التنبيهات إلى استثناءات فقط، وتعديل حدود المخاطر بالتنسيق مع الجهات القانونية والامتثال. عندها فقط بدأت المؤسسة تحقق وفراً فعلياً، لأن العملية أصبحت متسقة مع سرعة التقنية وليس مناقضة لها.
هذه النتيجة تلخص جوهر المسألة: الذكاء الاصطناعي لا يخلق الانضباط التشغيلي، لكنه ينجح عندما يجد منظومة مصممة بوضوح وقادرة على استيعاب سرعته.
الخلاصة: الذكاء الاصطناعي يحتاج إلى مؤسسة مستعدة له
الرسالة الأهم لقادة التقنية واضحة: لا يمكن التعامل مع الذكاء الاصطناعي كأنه طبقة تجميل فوق عملية قديمة. فإذا كانت المؤسسة تعاني من تداخل الصلاحيات، وتكرار المراجعات، وتراكم الأدوات، وغموض المسؤوليات، فإن الأتمتة لن تحل المشكلة من تلقاء نفسها.
الوفورات الحقيقية تأتي من إعادة الهندسة أولاً، ثم الأتمتة، ثم التوسع. أما البدء بالعكس فيعني غالباً نقل الفوضى إلى سرعة أعلى، ورفع التكلفة، وتعميق الاعتماد على أدوات إضافية لحماية عملية كان ينبغي إعادة تصميمها منذ البداية.
لهذا، فإن السؤال الحاسم ليس كم نموذج ذكاء اصطناعي يمكن نشره هذا الربع، بل أي العمليات تستحق أن تستمر، وأيها يجب أن يُعاد بناؤه، وأيها يجب أن يختفي تماماً.