تقرير: الشركات تتجه إلى «إعادة توطين» مهام الذكاء الاصطناعي مع نضج العمليات

من موجة التبني إلى مرحلة المراجعة

مرّت الشركات خلال السنوات الماضية بمرحلة اندفاع واسعة نحو الذكاء الاصطناعي، شبيهة بما حدث سابقاً مع الحوسبة السحابية. في البداية، كان التركيز على السرعة والمرونة وتخفيف التعقيد التشغيلي، ثم تحوّل السؤال تدريجياً من «كيف نستخدم الذكاء الاصطناعي؟» إلى «أين يصبح استخدامه مكلفاً أو غير ضروري؟».

هذه النقلة لا تعني تراجعاً عن التقنية، بل تعني أن المؤسسات بدأت تميّز بين حالات الاستخدام التي تحتاج فعلاً إلى استدلال احتمالي، وتلك التي يمكن تنفيذها عبر قواعد ثابتة ومسارات محددة. ومع نضج بعض العمليات، تصبح إعادة توزيع المهام بين الذكاء الاصطناعي والأنظمة التقليدية خطوة منطقية لخفض الكلفة وتحسين التحكم.

التشابه مع تجربة السحابة

الدرس الأقرب لفهم ما يحدث اليوم يأتي من الحوسبة السحابية. في بداياتها، بدت السحابة الخيار الطبيعي لكل شيء تقريباً، لأنها وفرت سرعة في النشر ومرونة في التوسع وسهولة في التجربة. لكن مع مرور الوقت، اكتشفت المؤسسات أن بعض الأحمال لم تكن بحاجة إلى هذا المستوى من المرونة، خاصة عندما أصبحت ثابتة ومتوقعة.

عند هذه النقطة ظهرت ما عُرف لاحقاً بـإعادة توطين الأحمال، أي إعادة نقل بعض الأعمال من السحابة إلى بيئات أخرى أكثر ملاءمة من حيث الكلفة أو الحوكمة أو الأداء. الإشارة الأهم هنا أن السحابة لم تكن خطأً، لكنها لم تعد مناسبة لكل شيء. وبالمنطق نفسه، قد لا يكون الذكاء الاصطناعي مناسبة تشغيلية مثالية لكل خطوة داخل المؤسسة.

مع نضج العمليات، تتضح أيضاً الفروقات بين ما يستحق المعالجة داخل بيئة احتمالية، وما يمكن تثبيته ضمن قواعد تشغيلية مباشرة. وحين تتكاثر المهام المتكررة، تصبح الكلفة، والزمن، ومتطلبات المراقبة عوامل حاسمة في إعادة التقييم.

لماذا يتغير موقف الشركات من الذكاء الاصطناعي

الطفرة الحالية في الإنفاق على الذكاء الاصطناعي حقيقية وليست نظرية. فالتقديرات تشير إلى أن الإنفاق العالمي على الذكاء الاصطناعي التوليدي سيواصل الصعود بقوة خلال 2025، في وقت أصبحت فيه التجارب والمنتجات والتطبيقات الذكية جزءاً ثابتاً من خطط التحول الرقمي لدى معظم القطاعات.

لكن الانتشار الواسع لا يعني بالضرورة نضجاً تشغيلياً. تشير بيانات بحثية حديثة إلى أن نسبة كبيرة من المؤسسات تستخدم الذكاء الاصطناعي بانتظام في وظيفة واحدة على الأقل، بينما لا تزال نسبة أقل تحقق أثراً مالياً واسعاً على مستوى المؤسسة. هذه الفجوة بين التبني والقيمة الفعلية هي ما يدفع الشركات إلى مراجعة الأسلوب وليس الأداة فقط.

في كثير من الحالات، تبدأ فرق العمل باستخدام الذكاء الاصطناعي على أنه طبقة عامة لمعالجة النصوص والقرارات الأولية والتصنيف. لكن بمجرد أن تتحول الأنماط إلى قواعد واضحة، يصبح الإبقاء على النموذج في موقع التنفيذ الكامل عبئاً لا ضرورة له. هنا يظهر ما يمكن تسميته بضريبة الاحتمال: أي الكلفة الإضافية الناتجة عن تشغيل الذكاء الاصطناعي في مهام لم تعد تحتاج إلى استدلال.

ما المقصود بالمهام الاحتمالية والحتمية

لفهم الاتجاه الجديد، يجب التمييز بين نوعين من العمل الرقمي:

• المهام الاحتمالية: وهي المهام التي تتطلب تفسير سياق أو فهم بيانات غير منظمة أو الوصول إلى ترجيح منطقي عند غياب قاعدة ثابتة.
• المهام الحتمية: وهي المهام التي تعمل وفق قاعدة واضحة، حيث يؤدي نفس المدخل إلى نفس المخرجات كل مرة.

الذكاء الاصطناعي يكون مفيداً في الحالات الأولى، لأنه يتعامل مع الغموض ويستخرج المعنى من المعلومات الناقصة أو المتداخلة. أما في الحالات الثانية، فإن الأنظمة الحتمية غالباً ما تكون أسرع وأرخص وأسهل في الحوكمة. لذلك، لا تكمن الكفاءة في اختيار طرف واحد، بل في توزيع العمل بالطريقة الصحيحة.

هذا الفهم مهم خصوصاً في العمليات المختلطة، مثل تحليل المكالمات، أو تصنيف التذاكر، أو استخراج نوايا العملاء من النصوص. قد يكون الذكاء الاصطناعي ضرورياً في مرحلة الفهم الأولي، ثم يصبح النظام الحتمي أفضل عندما تتحول النتائج إلى مسارات معروفة يمكن تكرارها.

متى يصبح الذكاء الاصطناعي عبئاً تشغيلياً

المشكلة لا تبدأ عندما تستخدم الشركات الذكاء الاصطناعي، بل عندما تستمر في استخدامه بالطريقة نفسها بعد أن تنضج العملية. كل استدعاء لنموذج ذكي يضيف زمناً للتنفيذ، وتكلفة للاستهلاك، وحاجة إلى مراقبة وضبط ومراجعة. كما أن النماذج تتغير بمرور الوقت، ما يفرض على المؤسسات متابعة الأداء باستمرار لتجنب التفاوت في النتائج.

في بيئات واسعة النطاق، قد يتحول هذا إلى ما يشبه التكرار غير الضروري: النموذج يعيد اكتشاف ما أصبح معروفاً بالفعل. فإذا كانت الشركة قد حددت، مثلاً، أكثر خمس مسارات شيوعاً لحل مشكلات الدعم الفني، فمن غير المنطقي الاستمرار في استخدام الذكاء الاصطناعي لاتخاذ القرار نفسه في كل مرة. الأفضل حينها هو تحويل هذه المسارات إلى قواعد تنفيذ مباشرة.

النتيجة ليست إقصاء الذكاء الاصطناعي، بل وضعه في المكان الصحيح. فهو يبقى مفيداً في الاستدلال والتفسير والفرز الأولي، بينما تتولى الأنظمة الحتمية التنفيذ، والإشعارات، والتحديثات، والربط بين التطبيقات. بهذا الشكل، تنخفض الكلفة ويصبح التشغيل أكثر استقراراً.

نموذج التشغيل الهجين هو المرجح

كما انتهى زمن الاعتماد المطلق على السحابة، قد لا يكون مستقبل الذكاء الاصطناعي في الاستخدام الشامل غير المميز، بل في النموذج الهجين. هذا النموذج يقسم العمل إلى طبقتين: طبقة تستنتج وتفهم وتتعامل مع الغموض، وطبقة تنفذ بشكل ثابت وسريع وقابل للتدقيق.

في هذا التصور، لا ينافس الذكاء الاصطناعي الأنظمة التقليدية، بل يكملها. فكلما كانت المهمة غير واضحة أو متغيرة، كان الاحتمال أفضل. وكلما أصبحت القاعدة مستقرة ومتكررة، كانت الحتمية أكثر كفاءة. هذا المزيج هو ما قد يحدد الجيل التالي من بنية التشغيل داخل المؤسسات.

وقد يثبت نجاح الشركات في هذا المجال من خلال قدرتها على تحديد اللحظة التي يجب فيها سحب المهمة من طبقة الذكاء الاصطناعي وإعادتها إلى مسار أبسط. الشركات الأكثر نضجاً لن تكون تلك التي تستخدم الذكاء الاصطناعي في كل مكان، بل تلك التي تعرف متى تتوقف عن دفع ضريبة الاحتمال.

إشارات عملية لمراجعة الاستخدام

هناك إشارتان واضحتان تساعدان المؤسسات على معرفة ما إذا كانت بحاجة إلى إعادة توطين بعض المهام:

1. إذا أصبحت المهمة واضحة، ومتكررة، ويمكن التنبؤ بنتائجها، فغالباً لم تعد بحاجة إلى معالجة احتمالية.
2. إذا امتلأ الكود أو سير العمل بالاستثناءات وحالات التفاوت، فقد تكون المشكلة في أن القاعدة نفسها تحاول تقليد الاستدلال، لا أن الذكاء الاصطناعي مستخدم بشكل خاطئ.

كما أن بعض المؤسسات بدأت تضع عتبات ثقة داخلية قبل اعتماد مخرجات النماذج، بحيث يكتمل القرار فقط عندما تتجاوز النتيجة مستوى معلوماً من الثقة، بينما تُحال الحالات الأقل وضوحاً إلى مسار مختلف. هذا النوع من التصميم يخلق توازناً بين السرعة والدقة والرقابة.

الخلاصة: النضج يعني التوزيع الذكي للعمل

المرحلة المقبلة في الذكاء الاصطناعي داخل الشركات ليست مزيداً من الضجيج حول التبني، بل مزيداً من الانضباط في الاستخدام. ومع نضج العمليات، ستبدأ المؤسسات في إعادة توزيع المهام بين النماذج الذكية والأنظمة الحتمية وفق معايير الكلفة والسرعة والحوكمة.

وهذا لا يقلل من أهمية الذكاء الاصطناعي، بل يعيد تعريف دوره. فالقيمة الحقيقية لن تأتي من تشغيله في كل خطوة، بل من معرفة متى يكون أداة استدلال، ومتى يكون من الأفضل أن يفسح المجال لعملية أكثر ثباتاً ووضوحاً. عندها فقط يتحول الذكاء الاصطناعي من تجربة واسعة إلى جزء ناضج من البنية التشغيلية.