دخل الذكاء الاصطناعي المؤسسي مرحلة جديدة لم يعد فيها السؤال الأساسي هو ما إذا كانت الشركات الكبرى ستتبناه، بل ما إذا كانت قادرة على تحويله إلى قيمة أعمال قابلة للقياس قبل أن يسبقها المنافسون إلى بناء أفضلية يصعب تقليصها.
هذه النقطة أصبحت أكثر أهمية لأن معدلات الاستخدام ترتفع بوتيرة أسرع بكثير من معدلات تحقيق العائد. فقد أظهرت مراجعات لعدة دراسات عالمية شملت عشرات الآلاف من القادة التنفيذيين أن الذكاء الاصطناعي بات حاضرًا في معظم المؤسسات، لكن الفوائد المالية ما تزال مركزة في شريحة صغيرة فقط.
وتوضح أرقام حديثة هذا الاختلال بجلاء: غالبية المؤسسات توظف الذكاء الاصطناعي في وظيفة واحدة على الأقل، واستخدام الذكاء التوليدي أصبح شائعًا على نطاق واسع، لكن نسبة ضئيلة من الرؤساء التنفيذيين تقول إنها حققت خفضًا في التكاليف وزيادة في الإيرادات في الوقت نفسه. بالنسبة لبقية الشركات، لا يزال الأثر محدودًا أو غير واضح.
النتيجة هي ما يمكن وصفه بفجوة التبني والعائد، وهي اليوم من أبرز ملفات التقنية المؤسسية في 2026. هذه الفجوة لا تعني أن الذكاء الاصطناعي لا يعمل، بل تعني أن الشركات لا تزال تتعامل معه كأداة منفصلة بدلًا من إعادة تصميم طريقة العمل نفسها حوله.
المشكلة ليست في الوصول إلى الأدوات
أحد أهم التحولات في السوق أن الوصول إلى نماذج الذكاء الاصطناعي لم يعد نادرًا أو مكلفًا بالمعنى الذي كان عليه سابقًا. فالأدوات متاحة، والحلول السحابية متعددة، وتجارب الاستخدام تنتشر داخل الأقسام كافة، من التسويق والموارد البشرية إلى المالية وخدمة العملاء وتقنية المعلومات.
لكن توفر الأدوات لا يعني تلقائيًا إنتاج قيمة. كثير من الشركات تقع في فخ الاعتقاد بأن كثرة التجارب تعني التقدم. في الواقع، قد تتيح التجارب إثبات أن النموذج قادر على أداء مهمة محددة، لكنها لا تثبت أن المؤسسة قادرة على استيعابه داخل العمليات اليومية، أو ربطه بالأنظمة الأساسية، أو قياس أثره على الأرباح والخسائر.
لهذا السبب لا تتحول معظم المشاريع التجريبية إلى برامج تشغيلية واسعة النطاق. فالمشكلة ليست في جودة المخرجات بقدر ما هي في قدرة المؤسسة على دمج الذكاء الاصطناعي في سير العمل الحقيقي، مع قواعد واضحة للحوكمة والبيانات والمسؤوليات والتغيير التنظيمي.
وتشير بيانات من مؤسسات بحثية واستشارية إلى أن نسبة كبيرة من الشركات تواجه صعوبات في نقل مبادرات الذكاء الاصطناعي من مرحلة الاختبار إلى بيئة الإنتاج وتحقيق عائد ملموس. كما أن الشركات الأعلى أداءً لا تلاحق عددًا كبيرًا من حالات الاستخدام، بل تركز على عدد محدود من العمليات ذات الأثر المباشر.
التركيز على عدد أقل من حالات الاستخدام يرفع العائد
الرسالة التي تبرز من السوق واضحة: الاتساع لا يساوي الفاعلية. الشركات التي تحقق نتائج أفضل تميل إلى تضييق نطاق رهاناتها واختيار مجموعة صغيرة من السيناريوهات التي ترتبط بمؤشرات أداء واضحة، بدلًا من توزيع الجهد على عشرات الأفكار المتفرقة.
هذا النهج يمنح فرق العمل قدرة أكبر على بناء خبرة متراكمة، وضبط البيانات، وتوحيد القياس، وتخفيف التشتت التنفيذي. أما الشركات التي تكثر فيها حالات الاستخدام غير المنسقة، فعادة ما تبدو أكثر نشاطًا على الورق، لكنها تحصل على عائد أقل بكثير.
ومن أمثلة المجالات التي تحقق أثرًا ملموسًا عند تنفيذها جيدًا: تقليص تكلفة خدمة العملاء، تسريع معالجة المطالبات، تحسين دقة التنبؤ في سلاسل الإمداد، رفع سرعة تطوير البرمجيات، وزيادة الإنتاجية في المبيعات. القاسم المشترك هنا ليس النموذج نفسه، بل وضوح النتيجة التجارية المطلوبة.
بمعنى آخر، السؤال الصحيح لا يبدأ بـ"أي نموذج نستخدم؟" بل بـ"أي عملية نعيد تشكيلها، وأي مؤشر أعمال سنحسن؟"
العقبة الحقيقية داخل المؤسسة
بعد موجة الحماس الأولى حول قدرات النماذج، اتضح أن الاختناق الحقيقي في معظم المؤسسات لا يتعلق بالذكاء الاصطناعي ذاته، بل بالبنية التنظيمية المحيطة به. فالمعضلة الأساسية أصبحت مرتبطة بالمهارات والحوكمة والبيانات والتغيير التشغيلي.
تُظهر الدراسات أن نقص المهارات والخبرات المتخصصة يأتي في مقدمة العوائق، يليه تحدي إعادة تصميم سير العمل، ثم جودة البيانات وتكاملها، ثم المخاوف المتعلقة بالأمن والمخاطر، ثم نضج الحوكمة والمسؤولية، ثم صعوبة قياس العائد الحقيقي، وأخيرًا تحدي إدارة التغيير داخل القوى العاملة.
هذه القائمة تكشف أن الذكاء الاصطناعي لا يتعثر غالبًا لأن المخرجات ضعيفة، بل لأن المؤسسة نفسها لم تُبْنَ بعد لتستوعبه على نطاق واسع. قد تمتلك الشركة جيوبًا من الخبرة هنا وهناك، لكنها تفتقر إلى عدد كافٍ من مالكي المنتجات، ومهندسي البيانات، ومسؤولي الامتثال، ومصممي العمليات، والمديرين الميدانيين القادرين على تحويل الأداة إلى قدرة تشغيلية.
كما أن فجوة التوقعات بين القيادة والموظفين تمثل خطرًا آخر. فالحماس التنفيذي لا يتحول تلقائيًا إلى ثقة أو استخدام فعلي داخل الصفوف الأمامية، خاصة إذا لم يفهم الموظفون كيف سيؤثر الذكاء الاصطناعي على أدوارهم ومساراتهم المهنية.
البيانات والتكامل لم يعودا مرحلة لاحقة
أحد الأخطاء المتكررة أن المؤسسات تتعامل مع جاهزية البيانات والتكامل مع الأنظمة على أنها خطوات يمكن تأجيلها حتى تنتهي مرحلة التجربة. غير أن الواقع يثبت العكس تمامًا: هذه الشروط يجب أن تكون جاهزة منذ اليوم الأول.
فالذكاء الاصطناعي الذي يبقى خارج الأنظمة التي تُنجز فيها الأعمال سيظل محدود الأثر. قد ينجح مساعد دردشة في تلخيص المستندات أو كتابة الرسائل، لكن القيمة الحقيقية تظهر عندما يرتبط الذكاء الاصطناعي بأنظمة إدارة علاقات العملاء، وتخطيط الموارد، والموارد البشرية، وإدارة المطالبات، وسلاسل الإمداد، وغيرها من الأنظمة التشغيلية.
بدون بيانات نظيفة، وصلاحيات وصول واضحة، وتتبع دقيق لمصدر البيانات، وتكامل آمن مع الأنظمة الأساسية، سيبقى الذكاء الاصطناعي على هامش المؤسسة بدلًا من أن يصبح جزءًا من قلبها التشغيلي. لذلك فإن الاستثمار في البيانات والبنية التحتية لم يعد عنصر دعم، بل شرطًا أساسيًا لتحقق القيمة.
الذكاء الاصطناعي الوكالي يوسع الإمكانات والمخاطر
المرحلة التالية من التطور المؤسسي تبدو مرتبطة بما يُعرف بالذكاء الاصطناعي الوكالي، أي الأنظمة القادرة على تنفيذ خطوات متعددة، وتفعيل إجراءات داخلية، والتعامل مع التطبيقات، واتخاذ قرارات ضمن حدود محددة.
هذه النقلة كبيرة لأنها تنقل الذكاء الاصطناعي من مستوى المساعدة إلى مستوى التنفيذ. في خدمة العملاء يمكن للأنظمة أن تختصر زمن الحل. وفي المبيعات يمكنها تحديث السجلات واقتراح الخطوة التالية. وفي تقنية المعلومات يمكنها تصنيف التذاكر ومراقبة الحوادث وتفعيل إجراءات الاستجابة.
لكن كلما زادت درجة الاستقلالية، زادت الحاجة إلى الضبط. فالوكيل الذي يكتب بريدًا إلكترونيًا ليس مثل وكيل قادر على إصدار استرداد مالي، أو تغيير صلاحيات مستخدم، أو إنشاء أمر شراء، أو التفاعل مع حادث أمني. هنا تصبح الحوكمة عنصرًا تشغيليًا لا يمكن تأجيله.
وتشير أبحاث حديثة إلى أن الأمن والمخاطر يمثلان أكبر حاجز أمام التوسع في هذا النوع من الأنظمة، كما أن كثيرًا من المؤسسات لا تزال تفتقر إلى نموذج ناضج لحوكمة الوكلاء. والأسوأ أن جزءًا كبيرًا منها يقر بأن وكلاءه ارتكبوا بالفعل سلوكًا محفوفًا بالمخاطر، فيما لا يزال معظمها غير مستعد لاجتياز تدقيق حوكمة أساسي.
هذا لا يعني التوقف عن الاستثمار، بل يعني بناء طبقة تحكم واضحة تشمل الأذونات، وسجلات التدقيق، والمراقبة، ومسارات التصعيد، وحدود البيانات، وآليات التعامل مع الاستثناءات، والرقابة المالية. فالأتمتة بلا مساءلة قد تتحول بسرعة إلى عبء بدل أن تكون ميزة.
الإنفاق يتوسع رغم ضعف العائد
من اللافت أن ضعف العائد في بعض الحالات لم يوقف الاستثمار، بل دفع الشركات إلى إشراك الإدارة العليا بشكل أعمق في قرارات الذكاء الاصطناعي. فالرؤساء التنفيذيون وكبار مسؤولي التقنية والمالية باتوا أكثر حضورًا في رسم أولويات هذا الملف.
وتشير التقديرات إلى أن الإنفاق المؤسسي على الذكاء الاصطناعي مرشح للارتفاع بقوة خلال الفترة المقبلة، بعد أن تجاوزت الاستثمارات الإجمالية في مرحلة الذكاء التوليدي عشرات المليارات. كما تعتزم غالبية كبار مسؤولي المعلومات زيادة الإنفاق، في إشارة إلى أن الشركات ترى في الذكاء الاصطناعي بنية أفقية ستعيد تشكيل التكاليف وتجربة العملاء وتطوير المنتجات وإدارة المخاطر وإنتاجية الموظفين.
المخاطرة الحقيقية ليست في الاستثمار نفسه، بل في توسيعه دون تغيير نموذج التشغيل. ولهذا لم يعد ملف الذكاء الاصطناعي حكرًا على فرق تقنية المعلومات. فالقيمة المقبلة ستأتي من قيادة الأعمال، مدعومة بفرق قوية في البيانات والهندسة والحوكمة.
مستقبل متعدد النماذج يحتاج انضباطًا معماريًا
يتجه سوق الذكاء الاصطناعي المؤسسي أيضًا نحو بنية متعددة النماذج، بدل الاعتماد على نموذج واحد افتراضي لكل المهام. هذا التحول منطقي، لأن طبيعة العمل تختلف من وظيفة إلى أخرى، ومن مستوى مخاطر إلى آخر.
فالشركات التي تستخدم أكثر من عائلة نماذج في الاختبار أو الإنتاج باتت تمثل الأغلبية في كثير من الدراسات. والاعتماد على مزود واحد يحمل مخاطر واضحة، من بينها تركّز التسعير، وتباطؤ التطوير النسبي، وهشاشة الامتثال أو التدقيق.
لهذا أصبح من الحكمة أن تعتمد المؤسسات طبقة وسيطة أو بوابة مستقلة عن النموذج، بما يسمح بتوجيه الطلبات، والتحكم في التكاليف، وتطبيق السياسات، ومراقبة الأداء، والحفاظ على قابلية النقل بين المزودين. النموذج المناسب لمهمة تلخيص عالية الحجم ومنخفضة المخاطر قد لا يكون مناسبًا لمهمة منظمة ومقيدة تشمل بيانات مالية أو معلومات حساسة.
ثلاثية عملية لتحويل الذكاء الاصطناعي إلى قيمة
لردم الفجوة بين التبني والعائد، تحتاج المؤسسات إلى إطار عملي يقوم على ثلاثة عناصر: المواءمة، والبناء، والتحكم.
المواءمة تعني أن تبدأ المؤسسة بتحديد عدد محدود من العمليات ذات الأثر المرتفع المرتبطة مباشرة بمؤشرات الأرباح والخسائر، مع إشراك فرق الأعمال والبيانات والتقنية والمخاطر منذ البداية. كما تعني اعتبار جاهزية البيانات والتكامل جزءًا من المرحلة الأولى، لا مطلبًا مؤجلًا.
البناء يعني تنفيذ المبادرات باعتبارها قدرات أعمال مستمرة، لا تجارب مؤقتة. وهذا يتطلب مالكًا واضحًا، وخريطة طريق، وخطة تبني، ومقاييس محددة، ودورة هندسية تشمل الاختيار والدمج والاختبار والنشر والمراقبة والتحسين المستمر.
التحكم يعني بناء الحوكمة قبل التوسع، لا بعده. فالسياسات، وسجلات التدقيق، والمراقبة، والتصعيد البشري، والتشغيل الآمن، والرقابة المالية، كلها عناصر يجب أن تكون حاضرة منذ البداية. كما يجب أن تعتمد المؤسسة مقاييس تعكس القيمة الفعلية مثل تقليص زمن الدورة، وخفض تكلفة الخدمة، ورفع الإيراد لكل موظف، وتحسين دقة التوقعات، وتقليل الاستثناءات، ورفع رضا العملاء.
الشركات التي تنجح في هذه المعادلة ستراكم أفضلية يصعب اللحاق بها. فكل تحسن في جودة البيانات يعزز أداء الذكاء الاصطناعي، وكل تحسن في سير العمل يرفع معدلات الاستخدام، وكل تحسن في الحوكمة يبني الثقة، وكل تحسن في القياس يوجه الاستثمار بدقة أكبر.
وهكذا يتحول الذكاء الاصطناعي من مجرد انتشار واسع إلى ميزة تنافسية حقيقية. في هذه المرحلة لم يعد التحدي هو من يملك الأدوات، بل من يعرف كيف يحولها إلى نتائج تشغيلية ومالية دائمة.