أصبح الذكاء الاصطناعي الوكِيلي واحداً من أكثر الاتجاهات التقنية إثارة في المؤسسات، لكنه في الوقت نفسه يكشف عن مشكلة تنظيمية عميقة: هذه الأنظمة لم تعد تعتمد على البيانات وحدها كي تعمل بكفاءة. فهي تحتاج إلى فهم أوسع للسياق الذي يربط بين التطبيقات والعمليات والسياسات التشغيلية والمعرفة المتراكمة داخل المؤسسة.
هذا التحول يفرض إعادة النظر في الطريقة التي تُدار بها مبادرات الذكاء الاصطناعي داخل الشركات. فالنموذج التقليدي الذي وضع "البيانات والذكاء الاصطناعي" في خانة واحدة كان مناسباً في مرحلة التعلم الآلي الكلاسيكي، عندما كانت الأولوية لجمع البيانات وتنظيفها وبناء النماذج الإحصائية. أما اليوم، ومع صعود النماذج التوليدية والوكلاء الأذكياء، لم يعد النجاح مرتبطاً بحجم البيانات فقط، بل بقدرة النظام على استخدام هذه البيانات ضمن سياق تشغيلي حيّ.
من الأتمتة التقليدية إلى الوكلاء الأذكياء
شهدت المؤسسات قبل سنوات موجة واسعة من الأتمتة الروبوتية للعمليات، والتي نجحت في تنفيذ المهام المتكررة داخل التطبيقات القائمة. غير أن هذا النوع من الأتمتة كان يواجه صعوبات كلما أصبحت العمليات متغيرة أو غامضة أو مرتبطة بتقدير بشري. فالأتمتة الروبوتية كانت تنفذ ما يُطلب منها، لكنها لم تكن تفهم النية التنظيمية أو تدرك الفروق الدقيقة بين الحالات المختلفة.
اليوم، تقدم أنظمة الذكاء الاصطناعي الوكِيلي مستوى أعلى بكثير من الفهم اللغوي والاستدلال، لكنها لا تزال تصطدم بعائق آخر: نقص الارتباط بالواقع التشغيلي. فالنموذج قد يجيب بصورة دقيقة لغوياً، لكنه قد لا يعرف ترتيب خطوات العمل، أو مسارات التصعيد، أو قواعد الامتثال، أو الحالة الراهنة للمعاملة، أو السياسة التي تحكم القرار داخل المؤسسة. وهنا يظهر الفارق بين الذكاء النظري والتنفيذ المؤسسي الموثوق.
المشكلة ليست في البيانات وحدها
في كثير من المؤسسات، يُنظر إلى الذكاء الاصطناعي باعتباره امتداداً لفرق البيانات. لكن هذه النظرة أصبحت محدودة. فالوكلاء الأذكياء لا يكتفون باسترجاع المعلومات، بل يتفاعلون مع واجهات برمجة التطبيقات، ويستدعون الأنظمة الداخلية، ويقرأون التعليمات والسياسات، ويتعاملون مع مسارات العمل، وأحياناً يشاركون في اتخاذ قرارات تؤثر مباشرة في تجربة العميل أو في كفاءة التشغيل.
لهذا السبب، لم يعد السؤال الصحيح هو: ما البيانات التي يحتاجها النموذج؟ بل أصبح: ما السياق الكامل الذي يحتاجه النظام كي يتصرف بشكل سليم وآمن ومتسق؟ هذا السياق لا يأتي من مصدر واحد. بل يتوزع بين طبقات متعددة تشمل البيانات، والتطبيقات، والعمليات، والأمن، والحوكمة، والمعرفة التنظيمية غير المكتوبة أحياناً.
ومن هنا، يبدأ الذكاء الاصطناعي الوكِيلي في تجاوز الإطار التقليدي لفرق البيانات، لأنه يحتاج إلى تنسيق بين أكثر من وظيفة داخل المؤسسة، وليس إلى خطوط أنابيب بيانات ونماذج تدريب فقط.
السياق الدلالي المفقود داخل المؤسسات
تستطيع فرق البيانات في العادة إدارة الجودة، والأنساب البيانية، والتحليلات، وتحويل المعلومات الخام إلى أصول قابلة للاستخدام. وتبرع فرق التطبيقات في بناء الأنظمة، وواجهات الاستخدام، وقواعد الأعمال المبرمجة، وسرعة التسليم. بينما تركز فرق العمليات على استمرارية الخدمة، والتعامل مع الاستثناءات، والالتزام بالإجراءات، وحل المشكلات عند وقوعها.
لكن ما يظل غائباً في كثير من الأحيان هو ما يمكن وصفه بالسياق الدلالي: المعرفة الحية التي تربط بين السياسات المتغيرة، والتجارب السابقة، والقرارات التراكمية، والخبرة المكتسبة داخل الفرق، والوثائق التي لا تعكسها قواعد البيانات وحدها. هذا النوع من المعرفة هو الذي يسمح للموظف البشري باتخاذ قرار صحيح في اللحظة المناسبة، وهو نفسه ما تحتاجه الأنظمة الوكِيلية إذا أرادت أن تعمل بثبات داخل بيئة المؤسسة.
في مراكز خدمة العملاء مثلاً، لا يعتمد الموظف على سجل المعاملة فقط. بل يراجع حالة الطلب، ومصدر المشكلة، والسياسات المحدثة، والنتائج السابقة في الحالات المشابهة، وما إذا كان هناك استثناء مسموح به أو مسار تصعيد محدد. إذا غابت هذه العناصر، يصبح القرار آلياً ظاهرياً لكنه هش عملياً.
لماذا تنجح بعض البيئات التقنية أكثر من غيرها
من الملاحظ أن أنظمة الذكاء الاصطناعي تعمل بكفاءة أفضل في بيئات هندسية منظمة، مثل مستودعات الشيفرة البرمجية الناضجة، مقارنة ببعض البيئات التشغيلية المبعثرة، حتى عندما تكون هذه البيئات الأخيرة أكثر غنى بالبيانات. السبب ليس وفرة المعلومات، بل وضوح المعنى، وتماسك البنية، وتحديد المسؤوليات، وتوثيق القرارات، وربط السلوك التقني بالسياق الذي صُمم من أجله.
في بيئات التطوير الجيدة، توجد عادةً وثائق واضحة، وسجل للنسخ، وملاحظات معمارية، وتعليقات على المراجعات، وتعريفات دقيقة للاعتماديات، وسياق غني يسمح للأدوات الذكية بفهم النية التقنية. هذا النوع من التنظيم يمنح الذكاء الاصطناعي أرضية أفضل للاستنتاج، لأن النظام لا يقرأ الشيفرة فقط، بل يفهم البيئة التي وُلدت فيها الشيفرة.
أما في كثير من العمليات المؤسسية، فقد تكون البيانات متوافرة بالفعل، لكن السياق غير مكتمل أو موزع بين أنظمة متعددة وفِرَق متباعدة. لذلك قد يفشل الوكيل الذكي ليس لأنه يفتقر إلى البيانات، بل لأنه لا يملك الربط الدلالي الذي يفسر تلك البيانات في الزمن الحقيقي.
الذكاء الاصطناعي كقدرة عابرة للوظائف
مع ازدياد اعتماد المؤسسات على الوكلاء الأذكياء، يبدو من غير الكافي وضع هذه القدرات حصرياً داخل إدارة البيانات أو داخل فرق التطبيقات. فالمسألة لم تعد تقنية بحتة، بل أصبحت مسألة تشغيلية وتنظيمية وحوكمية أيضاً. النجاح هنا يعتمد على القدرة على بناء طبقة ذكاء مؤسسية تربط بين مصادر المعرفة، ومسارات العمل، وسياسات الاستخدام، وآليات الأمن، وحدود التصعيد، والمسؤوليات الوظيفية.
هذا لا يعني تقليص دور فرق البيانات. على العكس، تبقى البيانات أساساً ضرورياً. لكنه لم يعد كافياً. كما أن فرق التطبيقات لا تستطيع وحدها بناء تجربة وكيلية موثوقة إذا لم تكن مرتبطة بسياق الأعمال والحوكمة. وفرق العمليات، بدورها، تحتاج إلى أن تكون جزءاً من التصميم لا مجرد جهة تستقبل المشكلات بعد وقوعها.
النتيجة هي أن الذكاء الاصطناعي الوكِيلي يبدو أقرب إلى قدرة مؤسسية مشتركة، تتقاطع فيها التخصصات بدل أن تنعزل. وكلما زاد مستوى الاستقلالية في النظام، زادت الحاجة إلى تنسيق أعلى بين هذه التخصصات.
ما الذي يعنيه ذلك لقادة التقنية
تدفع هذه التحولات قادة التقنية إلى طرح أسئلة مختلفة عن تلك التي كانت تُطرح في موجة التحول الرقمي السابقة. لم يعد السؤال حول حجم البيانات أو دقة النموذج فقط، بل حول جاهزية المؤسسة لبناء سياق تشغيلي ودلالي موحد. هل توجد سياسات واضحة يمكن للوكلاء الاعتماد عليها؟ هل يمكن للنظام الوصول إلى حالة العمل الفعلية؟ هل تتكامل التطبيقات مع المعرفة التشغيلية؟ هل تُدار الاستثناءات بطريقة تسمح للذكاء الاصطناعي بالتعامل معها دون تعريض المؤسسة للمخاطر؟
الجهات التي ستنجح في المرحلة المقبلة قد لا تكون بالضرورة تلك التي تمتلك أكبر قواعد بيانات أو أكثر النماذج تقدماً. الأرجح أنها ستكون المؤسسات القادرة على خلق تماسك أعلى بين البيانات، والعمليات، والتطبيقات، والحوكمة، والمعرفة المؤسسية. فالمعيار الحقيقي لم يعد القدرة على تخزين المعلومات فقط، بل القدرة على تشغيل الذكاء داخل سياق موحد يمكن الوثوق به.
وبهذا المعنى، لم يعد الذكاء الاصطناعي الوكِيلي مجرد موضوع لفرق التقنية، بل أصبح اختباراً لقدرة المؤسسة على تحويل المعرفة المبعثرة إلى سياق قابل للتنفيذ، وقابل للضبط، وقابل للتوسع.