الذكاء الاصطناعي يغيّر قواعد السحابة
لفترة طويلة، بنت الشركات خططها السحابية على افتراضات تبدو مستقرة: نمو يمكن التنبؤ به، وأحمال عمل معروفة، وتكلفة يمكن التحكم فيها عبر سياسات واضحة. لكن دخول الذكاء الاصطناعي إلى بيئات العمل غيّر الصورة بسرعة. فما كان يُنظر إليه كإضافة تقنية جديدة، تحوّل إلى عامل ضغط يعيد تشكيل طريقة التخطيط والإنفاق والرقابة داخل المؤسسات.
المشكلة لم تكن في الفكرة نفسها، بل في أثرها العملي. فمشروعات الذكاء الاصطناعي لا تسير عادة ضمن الوتيرة التقليدية للتطبيقات المؤسسية. هي تستهلك موارد حوسبة بشكل غير متوقع، وتدفع الفرق إلى اختبار أدوات جديدة، وتفتح أسئلة معقدة حول أين تذهب البيانات ومن يملك صلاحية استخدامها وكيف يمكن تتبعها لاحقاً.
ومع توسع الاستخدام، بدأت الفجوة تظهر بين ما كانت خطط السحابة مصممة له، وبين ما تفرضه مشاريع الذكاء الاصطناعي فعلياً على البنية التحتية والميزانية والحوكمة. وهنا اكتشفت كثير من المؤسسات أن نجاح السحابة في الماضي لا يضمن بالضرورة قدرتها على استيعاب موجة الذكاء الاصطناعي الحالية.
أربعة افتراضات انهارت تحت الضغط
ما كشفته التجربة داخل الشركات ليس أن الذكاء الاصطناعي ألغى السحابة، بل أنه كسر مجموعة من الافتراضات التي كانت تعتمد عليها الاستراتيجية السحابية التقليدية. أول هذه الافتراضات يتعلق بالحوسبة. فالأحمال التقليدية غالباً ما تتحرك ضمن نطاق يمكن توقعه، بينما تتسبب نماذج الذكاء الاصطناعي في قفزات مفاجئة في الاستهلاك، خصوصاً عند التشغيل التجريبي أو عند الانتقال إلى الاستخدام الفعلي.
الافتراض الثاني كان مرتبطاً بالبيانات. كثير من المؤسسات اعتقدت أن امتلاك مستودعات بيانات أو منصات تحليلات يكفي للانطلاق نحو الذكاء الاصطناعي. لكن الواقع أظهر أن الجاهزية الحقيقية تتطلب تفاصيل أدق بكثير، مثل جودة البيانات، وسجل مصدرها، وحقوق الوصول، ومدة الاحتفاظ بها، وطريقة انتقالها بين الأنظمة. البيانات التي كانت مناسبة للتقارير ولوحات القياس لم تعد بالضرورة مناسبة لتغذية النماذج.
أما الافتراض الثالث فكان اقتصادياً. في مشاريع السحابة التقليدية، يمكن في العادة رصد التكلفة وربطها بخدمة أو وحدة أعمال. لكن الذكاء الاصطناعي أضاف طبقة من الغموض: يمكن إنفاق مبالغ كبيرة قبل أن تظهر قيمة واضحة، ويمكن أن يبدو المشروع صغيراً في مرحلة الاختبار ثم يتضخم سريعاً عند تبنيه من عدد أكبر من المستخدمين. هذا النوع من الإنفاق يصعب على فرق المالية التعامل معه إذا لم تكن لديه رؤية دقيقة منذ البداية.
الافتراض الرابع كان متعلقاً بالحوكمة. فالقواعد القديمة صُممت لضبط الأنظمة والوصول والخدمات، لكنها لم تكن كافية للإجابة عن أسئلة جديدة مثل: ما الذي يُحفظ من المحادثات؟ من وافق على هذا النموذج؟ ما البيانات التي دخلت إليه؟ كيف يمكن إثبات أن الاستخدام يلتزم بالمخاطر المقبولة؟ ومع انتشار الأدوات الخارجية والاعتماد على حلول سريعة، بدأت فجوات الحوكمة تظهر في أكثر من مكان.
علامات الخلل ظهرت في التشغيل اليومي
عادة لا تنهار الاستراتيجيات الكبرى دفعة واحدة، بل يبدأ التراجع على شكل أعراض يومية صغيرة. في حالة السحابة والذكاء الاصطناعي، كان أول مؤشر واضح هو المفاجآت المالية. فالفواتير بدأت ترتفع من دون تفسير سهل، ومعها زادت الأسئلة في اجتماعات المالية والتقنية حول مصدر هذه الزيادة وما إذا كانت مؤقتة أم أصبحت جزءاً دائماً من التشغيل.
بعد ذلك برزت مشكلة التنسيق الداخلي. فرق الهندسة تريد التجربة السريعة، وفرق الأمن تطالب بضوابط أشد، وفرق البيانات تريد الوصول إلى مصادر أكثر، فيما تحاول الإدارة المالية الحصول على توقعات قابلة للاعتماد. هذه التناقضات ليست جديدة، لكن الذكاء الاصطناعي جعلها أكثر حدة، لأنه جمع بين السرعة العالية والحساسية العالية في الوقت نفسه.
كما ظهر نوع آخر من الخلل يمكن وصفه بانحراف المعمارية. بعض الفرق كانت تلجأ إلى أدوات أو بيئات جانبية عندما تجد أن المسار المعتمد بطيء أكثر من اللازم. ومع تكرار هذا السلوك، تتوسع الفجوات بين ما هو موثق وما يجري فعلياً داخل المؤسسة. وهكذا تصبح الاستراتيجية الموجودة على الورق شيئاً مختلفاً عن البنية الحقيقية المستخدمة في العمل.
وفي كثير من الحالات، لم تكن المشكلة في غياب القواعد، بل في غياب الوضوح. فالمصطلحات نفسها كانت تُفهم بطرق مختلفة بين الفرق. ما تراه جهة ما استخداماً منخفض المخاطر قد تراه جهة أخرى حالة غير صالحة للإنتاج. وعندما تتسع هذه الفجوة، يصبح اتخاذ القرار أبطأ، وتزداد مساحة العمل غير المرئي أو غير المراقب.
إعادة التصميم بدأت من طريقة التفكير
الخطوة الأولى في التصحيح لم تكن تقنية، بل ذهنية. فالسؤال لم يعد: كيف نُدخل الذكاء الاصطناعي داخل نموذج السحابة الحالي؟ هذا السؤال كان يفترض أن الإطار القديم ما زال صالحاً، وأن الذكاء الاصطناعي مجرد حالة استثنائية. لكن الواقع كان مختلفاً: الذكاء الاصطناعي غيّر الظروف نفسها.
لذلك كان التحول الأهم هو طرح سؤال أدق: ما أنواع استخدامات الذكاء الاصطناعي لدينا، وما متطلبات كل نوع، وأين يجب أن يعمل، وتحت أي ضوابط، ولماذا؟ هذا التغيير في زاوية النظر سمح بفصل الحالات المختلفة عن بعضها، بدلاً من التعامل معها كلها كأنها مشروع واحد يحتاج إلى السياسة نفسها.
جرى بعد ذلك تقسيم الأعمال إلى فئات واضحة. فالتجارب الداخلية لم تعد تُعامل مثل الخدمات التشغيلية، والاستخدامات الحساسة لم تعد تُدار مثل الإضافات السريعة، والمشروعات التي تستهلك بيانات كثيفة لم تعد تخضع لنفس القواعد التي تنطبق على الميزات الخفيفة. هذا التمييز لم يحل كل شيء، لكنه جعل القرارات أكثر اتساقاً وأقل ارتجالاً.
الشفافية في التكلفة والبيانات أصبحت ضرورة
من أبرز الدروس التي خرجت بها المؤسسات أن الذكاء الاصطناعي يحتاج إلى شفافية أعلى من المعتاد، لا أقل. لذلك أصبح من الضروري فصل تكلفة التجارب عن تكلفة التشغيل، وربط كل مشروع بهدف واضح، لا بمجرد الفضول التقني. الفضول مفيد، لكن من دون قياس أو متابعة يتحول بسرعة إلى إنفاق غير مفهوم.
الأمر نفسه ينطبق على البيانات. فكلما زاد استخدام الذكاء الاصطناعي، أصبحت حركة البيانات أكثر حساسية، واحتاجت المؤسسات إلى قواعد أدق بشأن ما يمكن مشاركته، ومن يراجعه، وكيف يُسجل، ومدة الاحتفاظ به. هذه التفاصيل قد تبدو تشغيلية، لكنها في الواقع تمثل أساس الثقة الداخلية والخارجية.
كما احتاجت الشركات إلى تحديث آليات المراجعة بحيث لا يصبح كل طلب مادة لاجتماع طويل، ولا يبقى أي طلب بلا تقييم. الفكرة كانت وضع حدود مسبقة توضح متى يمكن للفرق التحرك بسرعة، ومتى يجب التوقف، ومن يملك صلاحية الحسم عند التعارض. بهذه الطريقة تقل مساحة الارتباك وتصبح سرعة التنفيذ أكثر انضباطاً.
القيادة التقنية هي نقطة الحسم
القضية في النهاية ليست تقنية فقط. الذكاء الاصطناعي وضع القيادة أمام اختبار حقيقي في كيفية إدارة التوازن بين السرعة والأمان، وبين الابتكار والاستقرار، وبين المرونة والالتزام، وبين الكفاءة والمسؤولية. هذه ليست شعارات نظرية، بل اختيارات يومية تحدد كيف ستعمل المؤسسة تحت الضغط.
وعندما تتعامل الإدارات المختلفة مع الذكاء الاصطناعي كلٌ من زاويته، تصبح الحاجة إلى تصميم القرار نفسه أكثر أهمية من تصميم البنية وحدها. لهذا فإن مشاركة فرق الأمن والبيانات والقانون والمالية من البداية لم تعد خياراً ثانوياً، بل جزءاً من طريقة العمل السليمة. فكل تأخير في إدخال هذه الأصوات مبكراً يعني غالباً قرارات أصعب لاحقاً.
الدرس الأوسع هو أن استراتيجية السحابة لم تعد مجرد خطة للبنية التحتية، بل أصبحت إطاراً لكيفية تصرف المؤسسة عندما تزداد الضغوط. إذا كانت الشركة تريد تبني الذكاء الاصطناعي من دون فوضى، فعليها أن تعيد بناء أسلوبها في اتخاذ القرار، وتحديد المسؤوليات، ومراجعة التكاليف، ومراقبة البيانات. من دون ذلك، يتحول الذكاء الاصطناعي إلى عامل يربك النظام بدل أن يطوره.
وبهذا المعنى، لم يكن ما حدث فشلاً للسحابة بقدر ما كان اختباراً لمرونتها. فالخطط الجيدة لا تفشل دائماً لأنها خاطئة، بل لأنها وُضعت لظروف لم تعد موجودة. وعندما تتغير الظروف بهذه السرعة، تصبح القدرة على التعديل المبكر أهم من الإصرار على نموذج لم يعد يتسع للواقع الجديد.