أهم قدرات الذكاء الاصطناعي للشركات في عام 2026

ملخص سريع: تشمل قدرات الذكاء الاصطناعي التي ستُحدث تحولاً جذرياً في عالم الأعمال بحلول عام 2026: الأتمتة، والتحليلات التنبؤية، ومعالجة اللغة الطبيعية، واتخاذ القرارات المستقلة. وتشير بيانات موثوقة إلى أن إنفاق الشركات على الجيل الجديد من الذكاء الاصطناعي يقترب من 1440 مليار دولار، ومع ذلك، فإن 951 تريليون مشروع تجريبي متكامل لا يحقق عائدًا ملموسًا على الاستثمار. وتشمل أهم هذه القدرات: أتمتة سير العمل، وفهم احتياجات العملاء، وإنشاء المحتوى، والتنبؤ القائم على البيانات، ولكن النجاح يتطلب تطبيقًا استراتيجيًا يتماشى مع أطر إدارة المخاطر المعتمدة من معايير المعهد الوطني للمعايير والتكنولوجيا (NIST) ومعهد مهندسي الكهرباء والإلكترونيات (IEEE).

لقد تجاوز الذكاء الاصطناعي المشاريع التجريبية ليصبح جزءًا أساسيًا من العمليات التجارية. ولكن الحقيقة هي: في حين أن الإنفاق يتزايد بشكل كبير، فإن معظم المؤسسات تكافح من أجل استخلاص قيمة حقيقية من استثماراتها في الذكاء الاصطناعي.

بحسب تقرير حديث صادر عن معهد ماساتشوستس للتكنولوجيا، ورغم إنفاق الشركات على الذكاء الاصطناعي من الجيل الجديد ما يقارب 140 مليار دولار، فإنّ 951 تريليون مشروع تجريبي متكامل لا يحقق أي عائد ملموس. ليست هذه مشكلة تقنية، بل مشكلة في التنفيذ.

الإمكانيات موجودة. السؤال هو أي منها يهم فعلاً لتحقيق نتائج الأعمال، وكيفية نشرها دون أن تصبح مجرد رقم آخر في إحصائيات الفشل 95%.

فهم قدرات الذكاء الاصطناعي في سياق الأعمال

عندما تتحدث الشركات عن قدرات الذكاء الاصطناعي، غالباً ما ينحرف الحديث نحو الميزات البراقة بدلاً من القيمة التشغيلية. والحقيقة هي أن القدرات لا تُهم إلا عندما تحل مشاكل تجارية محددة.

يركز إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا (NIST) على تعزيز الثقة في تقنيات الذكاء الاصطناعي، مع تشجيع الابتكار والحد من المخاطر. ويكتسب هذا الإطار أهمية بالغة لأنه يميز بين القدرات الحقيقية والضجة الإعلامية التي يروج لها البائعون.

أصدر البيت الأبيض في يوليو 2025 وثيقة بعنوان "الفوز في سباق الذكاء الاصطناعي: خطة عمل أمريكا للذكاء الاصطناعي"، والتي حددت أكثر من 90 إجراءً سياسياً فيدرالياً ضمن ثلاثة محاور رئيسية. لكن بالنسبة لقادة الأعمال، فإن السؤال الاستراتيجي لا يكمن في ما يمكن للذكاء الاصطناعي فعله نظرياً، بل في ما هي القدرات التي تُحقق نتائج ملموسة في بيئات العمل الحقيقية.

التمييز بين القدرة والميزة

الميزات هي ما يبيعه البائعون، أما القدرات فهي ما تبنيه المؤسسات. واجهة اللغة الطبيعية ميزة، بينما القدرة على استخلاص رؤى منظمة من تعليقات العملاء غير المنظمة على نطاق واسع قدرة.

هذا التمييز مهم لأن القدرات تتطلب التكامل والتدريب والتغيير التنظيمي، بينما لا تتطلب الميزات سوى اشتراك.

طوّر قدرات الذكاء الاصطناعي مع AI Superior

متفوقة الذكاء الاصطناعي تُطوّر الشركة تطبيقات تعتمد على الذكاء الاصطناعي، ومنتجات برمجية مخصصة، وأنظمة تعلّم آلي. وتشمل خدماتها تطوير برمجيات الذكاء الاصطناعي، والاستشارات في مجال الذكاء الاصطناعي، والبحث والتطوير، والتدريب، ورؤية الحاسوب، ومعالجة اللغات الطبيعية، والتحليلات التنبؤية، وذكاء الأعمال، وتحليلات البيانات الضخمة.

بالنسبة للشركات التي تراجع قدرات الذكاء الاصطناعي، يمكن أن يساعد هذا في الانتقال من فكرة عامة إلى مشروع محدد النطاق، ونموذج أولي قابل للتطبيق تم اختباره، وحل متكامل.

هل تحتاج إلى تصميم ذكاء اصطناعي لحالة استخدام تجارية حقيقية؟

يمكن أن تساعدك تقنية الذكاء الاصطناعي المتفوقة في:

• تقييم حالات استخدام الذكاء الاصطناعي
• بناء أدوات الذكاء الاصطناعي والتعلم الآلي المخصصة
• اختبار الأفكار من خلال تطوير نموذج إثبات المفهوم أو المنتج الأولي القابل للتطبيق
• دمج الذكاء الاصطناعي في سير العمل اليومي

👉 تواصل مع شركة AI Superior لمناقشة مشروعك.

أتمتة سير العمل وذكاء العمليات

تمثل الأتمتة القدرة الأكثر نضجًا وقابلية للقياس للذكاء الاصطناعي في مجال الأعمال. إنها ليست مجرد أتمتة بسيطة تعتمد على مبدأ "إذا-ثم" كما في العقود الماضية، بل أتمتة ذكية تتكيف مع السياق، وتتعلم من الاستثناءات، وتنسق بين الأنظمة المختلفة.

أظهرت دراسة أجرتها مؤسسة بروكينغز، شملت بيانات تفصيلية عن إعلانات الوظائف والموظفين الأفراد، تمثل ما يصل إلى 641 مليار عامل في الولايات المتحدة، أن الذكاء الاصطناعي قد حفز نمو الشركات وزاد من فرص العمل، خلافًا لمخاوف فقدان الوظائف. لكن المنظمات التي حققت هذه المكاسب تشترك في أنماط معينة: فهي تعمل على أتمتة الأعمال المعرفية المتكررة، وليس فقط المهام الميكانيكية.

تنسيق الأنظمة المتعددة

لا تكمن القدرة الحقيقية في أتمتة مهمة واحدة، بل في تنسيق سير العمل عبر أنظمة منفصلة. وهنا تكمن نقطة ضعف الأتمتة التقليدية، ولذا تشير تقارير القطاع إلى أن 781% من المؤسسات تواجه صعوبة في دمج الذكاء الاصطناعي مع بنيتها التقنية الحالية.

تربط منصات الذكاء الاصطناعي الحديثة أنظمة إدارة علاقات العملاء (CRM) وأنظمة تخطيط موارد المؤسسات (ERP) وأدوات الاتصال ومستودعات البيانات في سير عمل موحد. يقوم النظام بسحب بيانات العملاء من Salesforce، ومقارنة المخزون في NetSuite، والتحقق من لوجستيات الشحن، وإبلاغ العميل عبر البريد الإلكتروني - كل ذلك دون تدخل بشري.

أليس هذا مألوفاً؟ ينبغي أن يكون كذلك. هذا ما كانت الشركات تطمح إليه طوال عقدين من الزمن. الفرق الآن يكمن في معالجة اللغة الطبيعية التي تتعامل مع اختلافات تنسيقات البيانات، والتعلم الآلي الذي يُحسّن قرارات التوجيه بناءً على النتائج.

معالجة الاستثناءات والحالات الحدية

هنا يكمن الفرق بين الأتمتة الذكية ونظيراتها السابقة. فالأتمتة التقليدية تفشل في الحالات الاستثنائية، بينما تتعلم الأتمتة الذكية منها.

عندما يواجه سير العمل مدخلات غير متوقعة - كطلب شراء بشروط غير قياسية، أو تذكرة دعم تجمع عدة مشكلات - يمكن للنظام الإشارة إليها لمراجعتها من قبل المختصين أثناء تعلم نمط الحل. وبمرور الوقت، يتعامل النظام مع الاستثناءات المماثلة تلقائيًا.

تُحوّل حلقة التعلّم هذه الأتمتة من هشة إلى مرنة. تُظهر الأبحاث أن الشركات التي تستثمر في قدرات الذكاء الاصطناعي تشهد نموًا في التوظيف مع تحوّل العاملين من معالجة الاستثناءات المتكررة إلى حلّ المشكلات ذات القيمة الأعلى.

التحليلات التنبؤية وذكاء الأعمال

تُساهم القدرات التنبؤية في تحويل الشركات من العمليات التفاعلية إلى العمليات الاستباقية. ليس الأمر مجرد تخمين، بل هو تنبؤ احتمالي قائم على الأنماط التاريخية والإشارات الخارجية وتدفقات البيانات في الوقت الفعلي.

بحسب بحث أجرته مؤسسة بروكينغز حول تأثيرات الذكاء الاصطناعي على الشركات والعاملين، يرتبط تطبيق الذكاء الاصطناعي بتحسينات ملموسة في الأعمال. لكن الذكاء الاصطناعي التنبؤي لا يُجدي نفعاً إلا عندما تمتلك المؤسسات قنوات بيانات دقيقة وأطر عمل واضحة لاتخاذ القرارات.

توقعات الطلب

اعتمدت التنبؤات التقليدية على المتوسطات التاريخية والأنماط الموسمية. أما التنبؤات المدعومة بالذكاء الاصطناعي فتتضمن مئات المتغيرات: اتجاهات السوق، وتحركات المنافسين، وأنماط الطقس، والرأي العام، وإشارات سلسلة التوريد، والمؤشرات الاقتصادية.

تستخدم عمليات البيع بالتجزئة نماذج تنبؤية لتحسين إدارة المخزون في مختلف المواقع، مما يقلل من حالات نفاد المخزون وتراكمه. أما عمليات التصنيع، فتتنبأ بأعطال المعدات قبل حدوثها، وتجدول الصيانة خلال فترات التوقف المخطط لها بدلاً من الاستجابة للأعطال.

تتجاوز هذه القدرة مجرد التنبؤ لتشمل تقديم توصيات توجيهية. فالنظام لا يكتفي بتوقع ذروة الطلب، بل يقترح أيضاً التسعير الأمثل، ومستويات التوظيف، وتوزيع المخزون لتحقيق أقصى هامش ربح مع الحفاظ على مستويات الخدمة المطلوبة.

نمذجة سلوك العملاء

أفادت أمازون بأن عمليات البيع المتبادل والبيع الإضافي المدفوعة بالتوصيات التنبؤية تُشكّل ما يصل إلى 351 تريليون روبية من إيراداتها. هذا ليس سحراً، بل هو تحليل منهجي لأنماط الشراء وسلوك التصفح وأوجه التشابه بين مجموعات العملاء.

تُطبّق الشركات قدرات مماثلة على نطاق أصغر. يحدد النظام العملاء المعرضين لخطر التخلي عن الخدمة بناءً على أنماط الاستخدام ومؤشرات التفاعل ومرحلة دورة حياة العميل. كما يُبرز فرص البيع الإضافي عندما تُشير أنماط الاستخدام إلى استعداد العميل للاستفادة من الميزات المتميزة.

تُستخدم توقعات القيمة الدائمة للعميل في توجيه الإنفاق على اكتساب العملاء، والاستثمار في الاحتفاظ بهم، وتحديد أولويات شرائح العملاء. وتُحسّن النماذج نفسها باستمرار مع تأكيد السلوك الفعلي للتوقعات أو تناقضها.

معالجة اللغة الطبيعية وفهمها

تطورت قدرات معالجة اللغة الطبيعية من مجرد مطابقة الكلمات المفتاحية إلى فهم حقيقي للسياق والنية والفروق الدقيقة. هذا التحول يُمكّن تطبيقات كانت تُعتبر ضرباً من الخيال العلمي قبل خمس سنوات.

لا تقتصر هذه القدرة على تحليل الجمل فحسب، بل تشمل استخراج المعنى المنظم من النصوص غير المنظمة، وفهم المشاعر والنبرة، والتعرف على الكيانات والعلاقات، وتوليد استجابات مناسبة للسياق.

التواصل مع العملاء على نطاق واسع

تتعامل الشركات مع آلاف التفاعلات مع العملاء يوميًا عبر البريد الإلكتروني، والدردشة، ووسائل التواصل الاجتماعي، وتذاكر الدعم. تقوم أنظمة معالجة اللغة الطبيعية بتصنيف الرسائل الواردة حسب درجة الاستعجال، والمشاعر، والتعقيد. تتلقى الطلبات البسيطة ردودًا آلية، بينما تُحال المشكلات المعقدة إلى متخصصين مع ملخصات سياقية.

يتعلم النظام المصطلحات الخاصة بالشركة، وأسماء المنتجات، والمشاكل الشائعة، وأنماط حلها. ولا يقتصر الأمر على مطابقة الكلمات المفتاحية فحسب، بل يفهم أن عبارتي "الأداة لا تتم مزامنتها" و"فشل المزامنة على الجهاز" تصفان المشكلة نفسها.

من خلال تحليل المشاعر وتقييم آراء العملاء، تساعد تقنيات الذكاء الاصطناعي الشركات على فهم أنماط رضا العملاء عبر مختلف نقاط التفاعل. وتُستخدم هذه المعلومات في تطوير المنتجات، وتدريب فريق الدعم، واستراتيجيات التواصل.

استخبارات الوثائق واستخراج البيانات

تغرق المؤسسات في كميات هائلة من المستندات غير المنظمة: العقود، والفواتير، ورسائل البريد الإلكتروني، والتقارير، والمقترحات. وتستخرج إمكانيات معالجة اللغة الطبيعية البيانات المنظمة من هذه المصادر على نطاق واسع.

تستخدم الفرق القانونية الذكاء الاصطناعي لمراجعة العقود بحثًا عن البنود القياسية، وتحديد الشروط غير القياسية، واستخراج التواريخ والالتزامات الرئيسية. أما الفرق المالية فتقوم بمعالجة الفواتير تلقائيًا، ومطابقة أوامر الشراء مع الإيصالات، وتحديد أي اختلافات.

تمتد هذه الإمكانية لتشمل إدارة المعرفة. تقوم أنظمة معالجة اللغة الطبيعية بفهرسة الوثائق الداخلية، مما يجعل المعرفة المؤسسية قابلة للبحث والوصول إليها. يطرح الموظفون أسئلة باللغة الطبيعية ويتلقون إجابات مُجمّعة من وثائق متعددة مع توثيق المصادر.

رؤية الحاسوب والذكاء البصري

تُمكّن تقنيات الرؤية الحاسوبية الشركات من استخلاص رؤى قيّمة من الصور والفيديوهات على نطاق واسع يفوق قدرة الإنسان على مراجعتها. وتوظف قطاعات التصنيع والتجزئة والأمن والرعاية الصحية هذه التقنيات في مجالات مراقبة الجودة وإدارة المخزون ومراقبة السلامة.

فحص الجودة والكشف عن العيوب

تستخدم عمليات التصنيع تقنية الرؤية الحاسوبية لفحص المنتجات بسرعة الإنتاج. يفحص النظام كل وحدة بحثًا عن عيوب قد يغفل عنها المفتشون البشريون أو يحددونها بشكل غير متسق.

يتعلم الذكاء الاصطناعي من بيانات التدريب ما يُعتبر عيبًا، ثم يعمم هذه المعرفة لاكتشاف المشكلات المشابهة. فهو لا يكتفي بالإبلاغ عن العيوب فحسب، بل يصنف أنواعها، ويتتبع الأنماط عبر عمليات الإنتاج، ويحدد مشكلات العمليات الأولية التي تُسبب مشاكل في الجودة.

تتيح حلقة التغذية الراجعة هذه التحسين المستمر. فعندما ترتفع معدلات العيوب لمكونات معينة أو خلال نوبات عمل محددة، يكشف النظام عن تلك الأنماط للتحقيق فيها.

البحث والتعرف البصري

تستخدم عمليات البيع بالتجزئة إمكانيات البحث المرئي التي تتيح للعملاء العثور على المنتجات عن طريق تحميل الصور. يحدد النظام المنتجات بناءً على خصائصها المرئية، ويقترح منتجات مطابقة تمامًا أو بدائل مشابهة.

تستخدم عمليات المستودعات تقنية التعرف البصري لإدارة المخزون. إذ تقوم الأنظمة بتحديد المنتجات التي لا تحتوي على رموز شريطية، والتحقق من محتويات الشحنات، واكتشاف العناصر المفقودة. وهذا يقلل من عمليات المسح اليدوي ويحسن دقة المخزون.

الذكاء الاصطناعي التفاعلي وقدرات الصوت

تطورت تقنيات الذكاء الاصطناعي التفاعلي من أنظمة المكالمات الهاتفية المعقدة إلى أنظمة تُجري حوارات طبيعية وسياقية. وتجمع هذه التقنية بين التعرف على الكلام، وفهم اللغة الطبيعية، وإدارة الحوار، وتوليف الكلام، لتوفير تفاعلات سلسة.

أتمتة خدمة العملاء

يتولى وكلاء خدمة العملاء عبر الصوت معالجة مكالمات خدمة العملاء الروتينية بشكل كامل: استفسارات الحسابات، وجدولة المواعيد، والتحقق من حالة الطلبات، وحل المشكلات البسيطة. وتفهم هذه الأنظمة اللهجات المختلفة، وتتعامل مع المقاطعات، وتدير المحادثات متعددة الأدوار.

عندما تتجاوز المحادثات قدرات النظام الآلي، يتم تحويلها إلى موظفين بشريين مع توفير السياق الكامل. لا يبدأ الموظف البشري من الصفر، بل يطلع على نص المحادثة والمعلومات المستخرجة وتقييم النظام الآلي للمشكلة.

يُحسّن هذا النهج الهجين التكلفة ورضا العملاء. وتُحلّ التفاعلات الروتينية تلقائيًا. أما المشكلات المعقدة فتحظى باهتمام بشري فوري مع سياق أفضل مما توفره أنظمة الرد الصوتي التفاعلي التقليدية.

العمليات والدعم الداخلي

لا يقتصر الذكاء الاصطناعي التفاعلي على التطبيقات الموجهة للعملاء فقط، بل يتفاعل الموظفون مع الأنظمة الداخلية عبر الصوت أو الدردشة: التحقق من أرصدة الإجازات المدفوعة، وتقديم تقارير المصروفات، والوصول إلى سياسات الموارد البشرية، وطلب الدعم التقني.

يتكامل النظام مع تطبيقات المؤسسة، وينفذ المعاملات ويسترجع المعلومات عبر الأنظمة. وهو يفهم المصطلحات الخاصة بالشركة والسياق التنظيمي الذي تفتقر إليه المساعدات العامة.

توليد المحتوى والذكاء الاصطناعي الإبداعي

تُتيح إمكانيات الذكاء الاصطناعي التوليدي إنشاء النصوص والصور والبرمجيات وغيرها من المحتويات بناءً على التوجيهات وبيانات التدريب. وتُسرّع هذه الإمكانيات إنتاج المحتوى، وتُمكّن من تخصيصه على نطاق واسع، وتُعزز العمل الإبداعي.

لكن إليكم الأمر: لا يُحقق إنتاج المحتوى قيمةً إلا عند دمجه في سير العمل مع مراجعة دقيقة، ومواءمة العلامة التجارية، ومراقبة الجودة. أما الإنتاج الخام دون إدارة فعّالة فيُسبب مشاكل أكثر مما يحل.

كتابة المحتوى التسويقي والإعلاني

تستخدم فرق التسويق تقنيات الذكاء الاصطناعي التوليدي لإنشاء محتوى أولي عبر مختلف القنوات: حملات البريد الإلكتروني، ومنشورات وسائل التواصل الاجتماعي، ومقالات المدونات، ونصوص الإعلانات، ووصف المنتجات. وتتعلم هذه الأنظمة أسلوب العلامة التجارية، وإرشادات الرسائل، وتفضيلات الجمهور.

لا تُغني هذه التقنية عن كتّاب المحتوى، بل تُسرّع عملية إعداد المسودات الأولية. يُحدد المسوّق النقاط الرئيسية وموقع العلامة التجارية، ثم يُنشئ الذكاء الاصطناعي مسودات متنوعة. بعد ذلك، يقوم المسوّق بتنقيحها وتعديلها واعتمادها. تُقلل هذه الآلية من وقت الإنتاج مع الحفاظ على الجودة واتساق العلامة التجارية.

تتدرج التخصيصات عبر الأجيال. فبدلاً من إرسال بريد إلكتروني جماعي واحد، يُنشئ النظام نسخًا مُخصصة لشرائح العملاء، وسجل الشراء، وأنماط التفاعل. وتتكيف عناوين الرسائل ومحتواها وعبارات الحث على اتخاذ إجراء مع خصائص المُستلم.

المساعدة في توليد وتطوير البرامج

تستخدم فرق التطوير تقنية توليد التعليمات البرمجية بالذكاء الاصطناعي لتسريع عملية التنفيذ. يصف المطورون الوظائف بلغة طبيعية أو يقدمون جزءًا من التعليمات البرمجية؛ يقوم النظام بتوليد عمليات تنفيذ كاملة، ويقترح تحسينات، ويحدد الأخطاء المحتملة.

تتجاوز هذه القدرة مجرد إكمال التعليمات البرمجية. إذ تقوم أنظمة الذكاء الاصطناعي بمراجعة طلبات السحب، وشرح قواعد البيانات المعقدة، وإنشاء الوثائق، وتصميم حالات الاختبار. وتشير الأبحاث إلى أن العاملين ذوي مهارات الذكاء الاصطناعي يحصلون على رواتب مجزية، حيث تُظهر مهارات TensorFlow نسبة ارتباط تبلغ 0.9 مع القدرات الأساسية للذكاء الاصطناعي، ما يعني أن 90% من إعلانات الوظائف التي تتطلب TensorFlow تتطلب أيضًا مهارات أساسية في الذكاء الاصطناعي.

تشير التقارير التي تفيد بأن المنظمات التي تتبنى هذه القدرات تحقق مكاسب في الإنتاجية من حيث سرعة التطوير وجودة الكود وسرعة انضمام أعضاء الفريق الجدد.

وكلاء الذكاء الاصطناعي والأنظمة المستقلة

تمثل أنظمة الذكاء الاصطناعي قفزة نوعية من مجرد أدوات إلى متعاونين مستقلين. تسعى هذه الأنظمة لتحقيق أهداف عبر خطوات متعددة، وتتخذ قرارات ضمن معايير محددة، وتنسق بين الأدوات ومصادر البيانات دون توجيه بشري مستمر.

وفقًا لتقييمات معيارية حديثة، يركز جاهزية وكلاء الذكاء الاصطناعي للأعمال على السلامة والفعالية في المهام الواقعية. وتؤكد المعايير على الاستقلالية المُتحكَّم بها، حيث يعمل الوكلاء ضمن ضوابط محددة، وليس بشكل غير محدود.

وكلاء المبيعات وتوليد العملاء المحتملين

تستخدم فرق المبيعات أنظمة ذكاء اصطناعي للبحث عن العملاء المحتملين، وتأهيلهم، والتواصل معهم. يحدد النظام العملاء المحتملين الذين يطابقون مواصفات العميل المثالي، ويبحث في تحديات أعمالهم ومبادراتهم، ويصمم رسائل تواصل مخصصة.

أظهرت الاختبارات أن هذه الأنظمة قادرة على إنشاء قوائم عملاء محتملين مؤهلين في غضون 20 دقيقة، بعد أن كانت تتطلب ساعات من البحث اليدوي، كما هو موضح في دراسات حالة ليندي. يقوم النظام بالبحث في قواعد البيانات، واستخراج المعلومات العامة، وتحديد صناع القرار، وتجميع ملفات تعريف تفصيلية للعملاء المحتملين.

عندما يستجيب العملاء المحتملون، يتولى الوكيل الرد على استفساراتهم الأولية، وجدولة الاجتماعات، وإطلاع مندوبي المبيعات على التفاصيل. يركز الموظف على بناء العلاقات وإتمام الصفقات، بينما يتولى الوكيل البحث والترتيبات اللوجستية.

وكلاء نجاح العملاء والاحتفاظ بهم

تقوم فرق دعم العملاء بنشر برامج آلية تراقب مؤشرات حالة العملاء، وتحدد الحسابات المعرضة للخطر، وتُفعّل إجراءات الاحتفاظ بالعملاء. ويتتبع البرنامج الآلي استخدام المنتج، وأنماط تذاكر الدعم، وسجل الدفع، ومقاييس التفاعل.

عندما تشير المؤشرات إلى خطر فقدان الخدمة - مثل انخفاض الاستخدام، وزيادة اتصالات الدعم، وتأخر المدفوعات - يبدأ الموظف المختص بالتدخل. وقد يشمل ذلك إرسال رسائل بريد إلكتروني شخصية للاطمئنان على العملاء، أو جدولة مكالمات مع مدير نجاح العملاء، أو تقديم موارد محددة لمعالجة ثغرات الاستخدام.

يقوم الموظف بالتنسيق بين الأنظمة المختلفة: تحديث سجلات إدارة علاقات العملاء، وإنشاء مهام لأعضاء الفريق البشري، وتسجيل جميع التفاعلات، وقياس فعالية التدخل. ويضمن هذا التنسيق عدم إغفال أي شيء.

أطر التنفيذ وإدارة المخاطر

لا قيمة للقدرات التقنية بدون أطر تنفيذ مناسبة. وهنا تحديداً تقع معظم المؤسسات في فخ معدل الفشل 95% الذي وثّقته أبحاث معهد ماساتشوستس للتكنولوجيا.

يوفر إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا (NIST) هيكلاً لبناء الثقة وتعزيز الابتكار. ويركز هذا الإطار على المناهج القائمة على المخاطر والتي توازن بين الفوائد المحتملة والأضرار المحتملة.

النهج التنظيمية عبر المناطق

تتبنى السلطات القضائية المختلفة مناهج متباينة في إدارة الذكاء الاصطناعي:

• يتبنى الاتحاد الأوروبي نهجاً قائماً على المخاطر مع التركيز على احتمالية حدوث الضرر
• تعتمد الولايات المتحدة نهجاً لا مركزياً مع إشراف وكالات متخصصة في قطاعات محددة.
• تُفضّل سنغافورة وكندا النهج القائم على المبادئ والذي يركز على المبادئ التوجيهية الأخلاقية.
• تُطبّق الصين نظاماً تنظيمياً بقيادة الحكومة مع سيطرة مركزية.
• اليابان تؤكد على التنظيم الذاتي الذي تقوده الصناعة

يتعين على المنظمات العاملة في مختلف المناطق التعامل مع هذه الأطر المختلفة. هذا التعقيد يدفع إلى طلب مناهج موحدة مثل معيار ISO/IEC 42001:2023، وهو المعيار الدولي لأنظمة إدارة الذكاء الاصطناعي.

المشتريات وتقييم الموردين

توفر معايير معهد مهندسي الكهرباء والإلكترونيات (IEEE) إرشادات منظمة لشراء أنظمة الذكاء الاصطناعي. يتضمن هذا الإطار ست خطوات مصممة لمساعدة الفرق على إعداد طلبات العروض وتحديد الأضرار المرتبطة بأنظمة الذكاء الاصطناعي عالية المخاطر والتخفيف منها ومراقبتها.

1. تعريف المشكلة: تحديد احتياجات العمل ومعايير النجاح بوضوح
2. إعداد طلب العروض: وضع متطلبات تتناول الوظائف والمخاطر
3. تقييم الموردين: تقييم قدرات المورد وسجله الحافل وحوكمته
4. تقييم الحل: اختبار الأداء مقابل المتطلبات والحالات الاستثنائية
5. التفاوض على العقد: تحديد معايير الأداء والمسؤولية والمراقبة
6. مراقبة العقود: تقييم النتائج باستمرار والتدخل عند الحاجة

تحدد معايير الشراء IEEE 3119 بنودًا محددة تتناول مخاطر الذكاء الاصطناعي عبر هذه المراحل. وتتجنب المؤسسات التي تتبع الشراء المنظم المزالق الشائعة: المتطلبات المبهمة، والاختبارات غير الكافية، ومراقبة الأداء غير الملائمة.

قياس تأثير الذكاء الاصطناعي وعائد الاستثمار

لا تُعتبر القدرات ذات قيمة إلا إذا حققت قيمة تجارية قابلة للقياس. وهذا يتطلب وضع معايير واضحة قبل التنفيذ، وليس تبريرها بعد النشر.

المؤشرات الرائدة مقابل المؤشرات المتأخرة

يجمع القياس الفعال بين المؤشرات الرائدة التي تتنبأ بالنجاح والمؤشرات المتأخرة التي تؤكد تأثير الأعمال.

تشمل المؤشرات الرئيسية معدلات التبني، وتفاعل المستخدمين، ومعدلات الأخطاء، وتكرار التدخل. وتشير هذه المؤشرات إلى ما إذا كانت الإمكانية تُستخدم بشكل صحيح وتؤدي وظيفتها كما هو مصمم لها.

تقيس المؤشرات المتأخرة نتائج الأعمال: خفض التكاليف، وزيادة الإيرادات، وتحسين رضا العملاء، أو تقليل وقت دورة العمل. تُثبت هذه المؤشرات عائد الاستثمار، لكنها تتأخر عن التنفيذ.

تُساعد المنظمات التي تتابع كلا النوعين على تحديد المشكلات مبكراً. انخفاض معدلات التبني يُنبئ بنتائج أعمال ضعيفة. ارتفاع معدلات الخطأ يُشير إلى وجود ثغرات في التدريب أو مشكلات تقنية. يُتيح رصد المؤشرات الرائدة تصحيح المسار قبل أن تُؤكد المؤشرات المتأخرة الفشل.

الإسناد والتزايدية

لا يكمن التحدي في قياس الذكاء الاصطناعي في تتبع المقاييس فحسب، بل في عزل مساهمة الذكاء الاصطناعي عن العوامل الأخرى. هل تحسّن رضا العملاء بسبب برنامج الدردشة الآلي الجديد، أم بسبب مبادرة الخدمة التي تم إطلاقها في الوقت نفسه؟

يتطلب القياس الدقيق مجموعات ضابطة، واختبارات A/B، وتحليل الزيادة التدريجية. تقوم المؤسسات بتطبيق قدرات الذكاء الاصطناعي على شرائح محددة مع الحفاظ على مجموعات ضابطة باستخدام الأساليب السابقة. وتحدد هذه المقارنة المساهمة المحددة للذكاء الاصطناعي.

أظهرت دراسة أجرتها مؤسسة بروكينغز، حللت بيانات على مستوى الشركات، أن الشركات التي تستثمر في قدرات الذكاء الاصطناعي تشهد تحسينات ملموسة في النمو والتوظيف. إلا أن هذه الدراسات تراعي العديد من العوامل المؤثرة. وغالبًا ما تعكس التحسينات غير الموثقة، دون ضوابط مناسبة، ارتباطًا وليس علاقة سببية.

القدرات الناشئة والتوجهات المستقبلية

تتطور قدرات الذكاء الاصطناعي بوتيرة متسارعة. ما هو تجريبي اليوم يصبح جاهزاً للإنتاج غداً. لكن على المسؤولين التنفيذيين التمييز بين التطورات الحقيقية في القدرات وبين دعايات الموردين.

أنظمة الذكاء الاصطناعي متعددة الوسائط

تقوم الأنظمة الناشئة بمعالجة وإنتاج البيانات عبر وسائط متعددة: النصوص، والصور، والصوت، والفيديو، والبيانات المنظمة. وتفهم هذه الأنظمة العلاقات بين الوسائط المختلفة، حيث تحلل الصور أثناء قراءة النصوص المصاحبة لها، أو تولد مقاطع فيديو من أوصاف نصية.

تشمل تطبيقات الأعمال دعمًا أغنى للعملاء (تحليل الصور التي يرسلها العملاء مع وصف المشكلة)، وإنشاء محتوى محسّن (إنشاء صور ونصوص متطابقة)، وتحليل بيانات أكثر شمولاً (الجمع بين الاتجاهات الرقمية وسياق المستند والبيانات المرئية).

القدرات على التفكير والتخطيط

يتفوق الذكاء الاصطناعي الحالي في التعرف على الأنماط، لكنه يواجه صعوبات في الاستدلال متعدد الخطوات والتخطيط طويل الأجل. وتعالج القدرات الناشئة هذه القيود من خلال تقنيات تُجزّئ المشكلات المعقدة، وتتحقق من الخطوات الوسيطة، وتُعدّل الخطط بناءً على التغذية الراجعة.

تتيح هذه التطورات وجود وكلاء أكثر استقلالية قادرين على التعامل مع عمليات الأعمال المعقدة والمتعددة الخطوات: التحليل الاستراتيجي الذي يتطلب توليفًا عبر مصادر متعددة، والمفاوضات المعقدة ذات الاستراتيجيات التكيفية، وتخطيط المشاريع على المدى الطويل مع تقييم المخاطر.

بناء قدرات الذكاء الاصطناعي: البناء مقابل الشراء

تواجه المؤسسات قرارات مصيرية بشأن تطوير قدرات الذكاء الاصطناعي داخلياً مقابل شراء حلول جاهزة. ولا يوجد نهج مثالي، فالخيار الأمثل يعتمد على الظروف الخاصة بكل حالة.

متى تبني

يُعد التطوير الداخلي أمراً منطقياً عندما تتطلب القدرات خبرة عميقة في المجال، أو تميزاً تنافسياً، أو تكاملاً وثيقاً مع الأنظمة والبيانات الخاصة.

غالباً ما تقوم المؤسسات التي تمتلك أصول بيانات فريدة وعمليات متخصصة ببناء نماذج مخصصة تتفوق على الحلول العامة. وينطبق هذا بشكل خاص على القطاعات الخاضعة للتنظيم حيث تتطلب متطلبات الامتثال أنظمة شفافة وقابلة للتدقيق.

يتطلب بناء القدرات في مجال الذكاء الاصطناعي كفاءات عالية تستحق رواتب مجزية. تشير الأبحاث إلى أن العاملين ذوي مهارات الذكاء الاصطناعي يكسبون أكثر بكثير من غيرهم، مع حصول مهارات متخصصة مثل TensorFlow على رواتب أعلى، ولا تزال المنافسة على هذه الكفاءات شديدة. لذا، يتعين على المؤسسات الملتزمة ببناء القدرات الاستثمار في التوظيف والاحتفاظ بالموظفين وتطوير مهاراتهم باستمرار.

متى تشتري

تُعدّ الحلول التجارية خيارًا مناسبًا للوظائف التجارية الشائعة، حيث يحقق الموردون وفورات الحجم والتحسين المستمر لدى العديد من العملاء. أما تصنيف البريد الإلكتروني، واستخراج المستندات، وبرامج الدردشة الآلية الأساسية، والتحليلات التنبؤية لحالات الاستخدام القياسية، فنادرًا ما تبرر الحاجة إلى تطوير حلول مخصصة.

تساهم الحلول المشتراة في تسريع عملية النشر، وتقليل المخاطر التقنية، وتشمل الصيانة والتحديثات المستمرة. أما المقابل فهو قلة خيارات التخصيص واحتمالية الاعتماد على مورد واحد.

غالباً ما تكون الأساليب الهجينة هي الأفضل: شراء إمكانيات المنصة مع بناء نماذج مخصصة لتلبية المتطلبات الفريدة. وهذا يوازن بين السرعة والمرونة من جهة، والتميز والتحكم من جهة أخرى.

الجاهزية التنظيمية وإدارة التغيير

لا تكفي القدرات التقنية دون جاهزية تنظيمية. وقد كشفت الأبحاث التي تناولت عمليات سير العمل عن فجوات كبيرة بين الممارسات الموثقة والممارسات الفعلية عالية الأداء في مختلف الأدوار الوظيفية. وتُظهر هذه الفجوة كيف يكشف الذكاء الاصطناعي عن المعرفة التنظيمية الضمنية بدلاً من الموثقة.

المهارات والتدريب

يتطلب نشر الذكاء الاصطناعي مهارات جديدة في مختلف الأدوار. يحتاج مستخدمو الأعمال إلى هندسة سريعة، وتقييم للمخرجات، وإتقان للأدوات. يحتاج الموظفون التقنيون إلى قدرات تطوير النماذج ونشرها ومراقبتها. يحتاج القادة إلى فهم استراتيجي للقدرات والقيود والمخاطر.

لا يمكن أن يقتصر التدريب على عملية تعريفية لمرة واحدة. تتطور القدرات باستمرار، مما يتطلب تطويرًا متواصلًا للمهارات. تعمل المؤسسات التي تُنشئ مراكز تميز في مجال الذكاء الاصطناعي على خلق بيئة تعليمية مشتركة، وأفضل الممارسات، وهياكل دعم فعّالة.

إعادة تصميم العمليات

يُمكّن الذكاء الاصطناعي من تحويل العمليات، وليس مجرد أتمتة سير العمل الحالي. فالمؤسسات التي تحقق قيمة حقيقية تعيد تصميم عملياتها بالاعتماد على قدرات الذكاء الاصطناعي بدلاً من إضافة الذكاء الاصطناعي إلى العمليات القديمة غير الفعالة.

تتطلب عملية إعادة التصميم هذه تعاونًا متعدد الوظائف. فقسم تقنية المعلومات يفهم الإمكانيات التقنية، ووحدات الأعمال تفهم المتطلبات التشغيلية، وخبراء العمليات يحددون فرص التحسين. ويتطلب النجاح مراعاة جميع هذه الجوانب الثلاثة.

الاعتبارات الأخلاقية والذكاء الاصطناعي المسؤول

تثير قدرات الذكاء الاصطناعي تساؤلات أخلاقية حول التحيز والخصوصية والشفافية والمساءلة. ويتعين على المؤسسات التي تستخدم الذكاء الاصطناعي معالجة هذه الاعتبارات بشكل استباقي بدلاً من رد الفعل.

كشف التحيز والتخفيف من حدته

تتعلم أنظمة الذكاء الاصطناعي الأنماط من بيانات التدريب. وعندما تعكس هذه البيانات تحيزات تاريخية - في التوظيف أو الإقراض أو غيرها من القرارات - فإن النماذج تُديم تلك التحيزات وربما تُضخمها.

يتطلب النشر المسؤول اختبار التحيز عبر مختلف الفئات الديموغرافية، والرصد المستمر للتأثيرات غير المتناسبة، ووضع استراتيجيات للتخفيف من حدة التحيز عند ظهوره. وهذا ليس مجرد أمر أخلاقي، بل هو في كثير من الأحيان مطلوب قانونيًا بموجب قوانين مكافحة التمييز.

الشفافية وقابلية التفسير

تعمل العديد من أنظمة الذكاء الاصطناعي كصناديق سوداء، حيث تتخذ قرارات دون تفسيرات واضحة. هذا الغموض يخلق مشاكل تتعلق بالمساءلة وتصحيح الأخطاء والامتثال.

توفر تقنيات الذكاء الاصطناعي القابلة للتفسير رؤى ثاقبة حول منطق النموذج: ما هي السمات التي أثرت على القرارات، ومدى ثقة النظام، وما هي التغييرات التي من شأنها أن تغير النتائج. وتتيح هذه التفسيرات الإشراف والتدخل البشري.

تتطلب الأطر التنظيمية بشكل متزايد إمكانية التفسير، لا سيما فيما يتعلق بالقرارات المصيرية التي تؤثر على الأفراد. ينبغي للمؤسسات إعطاء الأولوية للنماذج القابلة للتفسير وقدرات التفسير حتى في حال عدم إلزام اللوائح بذلك.

التكامل مع مجموعات التقنيات الحالية

يجب أن تتكامل قدرات الذكاء الاصطناعي مع الأنظمة القائمة: منصات إدارة علاقات العملاء، وأنظمة تخطيط موارد المؤسسات، ومستودعات البيانات، وأدوات الاتصال، وحزم برامج الإنتاجية. يؤدي ضعف التكامل إلى الحد من فائدة الذكاء الاصطناعي وإنشاء جزر بيانات معزولة.

بنى معمارية تعتمد على واجهات برمجة التطبيقات أولاً

تُركز منصات الذكاء الاصطناعي الحديثة على تصميم يعتمد على واجهات برمجة التطبيقات (APIs)، مما يُتيح التكامل البرمجي مع الأنظمة الأخرى. ويمكن للمؤسسات تفعيل قدرات الذكاء الاصطناعي من خلال سير العمل الحالي، ونقل البيانات بين الأنظمة، ودمج مخرجات الذكاء الاصطناعي في لوحات المعلومات التشغيلية.

يُمكّن هذا التكامل الذكاء الاصطناعي من تعزيز العمليات الحالية بدلاً من الحاجة إلى مسارات عمل منفصلة. ويستطيع مندوبو المبيعات الوصول إلى رؤى الذكاء الاصطناعي ضمن نظام إدارة علاقات العملاء (CRM). ويرى موظفو الدعم توصيات الذكاء الاصطناعي في نظام التذاكر الخاص بهم. ويُفعّل المطورون إمكانيات الذكاء الاصطناعي من خلال مسارات التكامل المستمر/التسليم المستمر (CI/CD).

بنية خط أنابيب البيانات

تتطلب أنظمة الذكاء الاصطناعي تدفقات بيانات مستمرة. أما عمليات المعالجة الدفعية التي كانت تُستخدم في التحليلات التقليدية فتؤدي إلى ركود البيانات وتأخرها. بينما تضمن خطوط نقل البيانات في الوقت الفعلي أو شبه الفعلي مواكبة أنظمة الذكاء الاصطناعي للواقع التشغيلي.

تستثمر المؤسسات التي تعمل على تطوير قدرات الذكاء الاصطناعي في بنية تحتية حديثة للبيانات: منصات البث المباشر، ومستودعات البيانات، ومخازن الميزات، وأدوات التنسيق. تخدم هذه البنية التحتية الذكاء الاصطناعي اليوم، وتمكّن من تطوير قدراته المستقبلية غدًا.

الأسئلة الشائعة