كيف سيغير الذكاء الاصطناعي عملية صنع القرار في عام 2026 وما بعده

ملخص سريع: يُعيد الذكاء الاصطناعي تشكيل عملية صنع القرار بشكل جذري من خلال تمكين تحليل البيانات بشكل أسرع، والحد من التحيزات البشرية، وأتمتة الخيارات الروتينية. ومع ذلك، تُظهر الأبحاث أن الذكاء الاصطناعي يُفاقم أوجه عدم المساواة القائمة، إذ يُحسّن أداء أصحاب الأداء العالي بنسبة تتراوح بين 10 و15 ضعفًا، بينما يُقلل من نتائج صانعي القرار الذين يواجهون صعوبات بنسبة تتراوح بين 8 و10 أضعاف. يكمن المستقبل في النماذج الهجينة حيث يتولى الذكاء الاصطناعي مهمة التعرف على الأنماط، بينما يُقدم البشر الأحكام والسياق والإشراف الأخلاقي.

لطالما كان اتخاذ القرارات هو الاختبار الأمثل للذكاء البشري. فمن اختيار الأسواق التي يجب دخولها، إلى توظيف الأشخاص المناسبين، إلى تخصيص رأس المال - كل نتيجة رئيسية تعود إلى شخص يتخذ قرارًا في ظل عدم اليقين.

والآن، بات الذكاء الاصطناعي يتدخل في هذه العملية، ولم يعد دوره يقتصر على تقديم التوصيات فقط.

تقوم أنظمة الذكاء الاصطناعي بتحليل ملايين البيانات في أجزاء من الثانية، وتكتشف أنماطًا لا يستطيع البشر رؤيتها، وفي بعض الحالات تتخذ قرارات نهائية دون موافقة بشرية. وقد وجدت دراسة تحليلية شملت 32 دراسة محكمة (2016-2025) أن نماذج اتخاذ القرار الهجينة التي تجمع بين الذكاء الاصطناعي والبشر تحقق أوقات استجابة أسرع بمقدار 38% مع الحفاظ على دقة تنبؤ تبلغ 89% في التقييمات السلوكية.

لكن ما يغفله معظم التغطية الإعلامية هو أن الذكاء الاصطناعي لا يُحسّن عملية اتخاذ القرار بالتساوي للجميع. فقد كشفت دراسات من كلية هارفارد للأعمال أن مساعدي الذكاء الاصطناعي يعززون أداء رواد الأعمال الناجحين بالفعل بنسبة تتراوح بين 10 و15 ضعفًا، بينما يُقلّلون في الواقع من نتائج صُنّاع القرار المتعثرين بنسبة تتراوح بين 8 و3 أضعاف.

لا يقتصر التحول على السرعة أو الدقة فحسب، بل يتعلق بمن يستفيد، ومن يتخلف عن الركب، وماذا يحدث عندما تبدأ الآلات في اتخاذ خيارات كانت تتطلب في السابق حكماً بشرياً.

ما يفعله الذكاء الاصطناعي فعلياً في عملية صنع القرار اليوم

إذا تجاهلنا الضجة الإعلامية، فإن دور الذكاء الاصطناعي في اتخاذ القرارات يتلخص في ثلاث وظائف أساسية: التعرف على الأنماط، والتنبؤ، والأتمتة.

يعني التعرف على الأنماط مسح مجموعات بيانات ضخمة لاكتشاف علاقات لا يمكن للبشر رصدها يدويًا. لم تعد شركات الخدمات المالية التي تحلل طلبات القروض تكتفي بالنظر إلى درجات الائتمان فقط، بل يقوم الذكاء الاصطناعي بفحص آلاف المتغيرات في وقت واحد، بدءًا من أنماط المعاملات وصولًا إلى بيانات تعريف الأجهزة، مما يكشف عن المخاطر أو الفرص التي قد يستغرق المحلل البشري أسابيع لاكتشافها.

يعتمد التنبؤ على هذه الأنماط. فبمجرد أن يحدد النظام العوامل المرتبطة بالنتائج، يتنبأ بما يُحتمل حدوثه لاحقًا. تستخدم فرق التسويق هذه البيانات للتنبؤ بالعملاء الذين سيتوقفون عن التعامل مع الشركة. كما يستخدمها مديرو سلاسل التوريد لاستباق الاضطرابات قبل تفاقمها.

في مجال الأتمتة، ينتقل الذكاء الاصطناعي من دور المستشار إلى دور صانع القرار. فعند بلوغ مستويات الثقة المطلوبة، يتصرف النظام دون انتظار موافقة بشرية. وتقوم أنظمة كشف الاحتيال بحظر المعاملات المشبوهة فوراً. كما يقوم الذكاء الاصطناعي لإدارة المخزون بإعادة طلب البضائع تلقائياً.

يتسارع التحول من اتخاذ القرارات البشرية فقط إلى اتخاذ القرارات الهجينة. فمنذ عام 2019، تضاعف عدد المؤسسات التي تبنت الذكاء الاصطناعي، على الرغم من أن معدل التبني استقر بين 50 و60 مليون مؤسسة في السنوات الأخيرة. وتحقق الشركات التي توظف الذكاء الاصطناعي بفعالية عوائد مالية أعلى من تلك التي لا تزال تعتمد كلياً على الأساليب التقليدية.

تحليل البيانات في الوقت الفعلي يغير كل شيء

تاريخياً، كانت القرارات التجارية تُتخذ على دفعات. جمع البيانات، وإعداد التقارير، وجدولة الاجتماعات، ومناقشة الخيارات، ثم اتخاذ القرار. وبحلول وقت اتخاذ القرار، كانت ظروف السوق غالباً ما تكون قد تغيرت.

يُقلّص الذكاء الاصطناعي هذا الإطار الزمني. فتحليل البيانات في الوقت الفعلي يعني اتخاذ القرارات في اللحظة نفسها التي تتغير فيها الظروف. وتُعدّل خوارزميات التسعير الديناميكي الأسعار كل بضع دقائق بناءً على إشارات الطلب. وتُنفّذ أنظمة التداول أوامر البيع والشراء في أجزاء من الثانية عند ظهور أنماط فنية.

لكن السرعة تخلق مشاكل جديدة. فالقرارات الأسرع تعني وقتًا أقل للرقابة البشرية. وعندما تعمل أنظمة الذكاء الاصطناعي في الوقت الفعلي، غالبًا ما يتحول البشر إلى مجرد مُصدِّقين آليين بدلًا من مُراجعين مُتأنِّين. والسؤال الذي يطرح نفسه: هل نتخذ قرارات أفضل، أم أننا نتخذ قرارات سيئة بسرعة أكبر؟

قم ببناء أدوات الذكاء الاصطناعي باستخدام AI Superior

متفوقة الذكاء الاصطناعي تُطوّر الشركة برمجيات ذكاء اصطناعي مُخصصة، ونماذج تعلّم آلي، وأدوات تحليل تنبؤية، وتطبيقات قائمة على الذكاء الاصطناعي. ويُمكن لفريقها المساعدة في تحديد مدى ملاءمة الذكاء الاصطناعي، ومراجعة البيانات المُتاحة، وبناء نموذج أولي أو منتج قابل للتطبيق، ودمج الحل النهائي في الأنظمة القائمة.

بالنسبة لسير عمل اتخاذ القرار، يمكن أن يدعم ذلك التنبؤ، وتقييم المخاطر، وتحليل السيناريوهات، وأدوات التوصية، أو الأنظمة القائمة على البيانات التي تساعد الفرق على العمل بمدخلات أكثر وضوحًا.

هل تحتاج إلى ذكاء اصطناعي مصمم لدعم قرارات الأعمال؟

يمكن أن تساعدك تقنية الذكاء الاصطناعي المتفوقة في:

• تقييم حالات استخدام الذكاء الاصطناعي
• بناء أدوات الذكاء الاصطناعي والتعلم الآلي المخصصة
• تطوير نماذج التحليلات التنبؤية
• دمج الذكاء الاصطناعي في سير العمل الحالي

👉 تواصل مع شركة AI Superior لمناقشة مشروعك.

مفارقة الأداء: الذكاء الاصطناعي يساعد أولئك الذين هم أقل حاجة إليه

وهنا يصبح البحث غير مريح.

أظهرت دراسة أجرتها كلية هارفارد للأعمال، وتتبعت رواد الأعمال في كينيا، أن مساعدي الذكاء الاصطناعي عززوا الأرباح والإيرادات بنسبة تتراوح بين 10 و15 ضعفاً لأصحاب الأعمال ذوي الأداء العالي. هؤلاء كانوا بالفعل يتخذون قرارات جيدة، لكن الذكاء الاصطناعي جعلها أفضل.

بالنسبة لرواد الأعمال ذوي الأداء المنخفض؟ انخفض الأداء بنسبة 8%.

تفاجأ الباحثون بما يكفي لإعادة التحقق من البيانات. لكن النمط ظلّ قائماً. فقد عزّز الذكاء الاصطناعي القدرات الموجودة بدلاً من تحقيق تكافؤ النتائج. استخدم صانعو القرار ذوو الأسس القوية - كوضوح تحديد المشكلة، وحُسن التقدير، والقدرة على تفسير السياق - اقتراحات الذكاء الاصطناعي كمدخلات عالية الجودة. أما أولئك الذين يفتقرون إلى هذه الأسس، فقد أخذوا توصيات الذكاء الاصطناعي على ظاهرها، وغالباً ما طبّقوا أفكاراً بدت جيدة لكنها لم تكن مناسبة لظروفهم الخاصة.

هذه ليست مجرد مسألة عدالة، بل هي ثغرة استراتيجية. فالمنظمات التي تفترض أن الذكاء الاصطناعي سيحسن تلقائيًا عملية صنع القرار لدى الجميع، تُعرّض نفسها لصدمة قاسية عندما يتباين الأداء وتتسع الفجوة بين صانعي القرار الأقوياء والضعفاء.

الفجوة بين الجنسين في تبني الذكاء الاصطناعي

كشف نفس البحث الذي أجرته جامعة هارفارد عن نمط آخر غير مريح: استخدمت رائدات الأعمال أدوات الذكاء الاصطناعي بنسبة أقل من الرجال بمقدار 10-40%، بمتوسط فجوة بين الجنسين يبلغ 25%.

انخفاض معدل تبني الذكاء الاصطناعي يعني انخفاض الفوائد، مما يعني أن أوجه عدم المساواة القائمة في نتائج الأعمال ستتأصل في عصر الذكاء الاصطناعي بدلاً من أن يحلها.

تتعدد الأسباب الكامنة وراء انخفاض معدل تبني هذه الأدوات، بدءًا من تصميمها الذي لا يراعي أنماط العمل المختلفة، مرورًا بنقص الثقة في المعرفة التقنية، وصولًا إلى ضيق الوقت لدى النساء اللواتي يوازنّ بين العمل المنزلي غير المدفوع الأجر. لكن النتيجة واضحة: أدوات دعم القرار القائمة على الذكاء الاصطناعي تُهدد بتفاقم الفوارق بين الجنسين في أداء الأعمال ما لم تُعالج عوائق التبني بفعالية.

النماذج الهجينة: حيث يلتقي الذكاء الاصطناعي والحكم البشري

لا تتحقق أفضل النتائج باستبدال البشر بالذكاء الاصطناعي، بل بتصميم أنظمة يقوم فيها كل فرد بما يجيده.

يتفوق الذكاء الاصطناعي في:

• معالجة مجموعات البيانات الضخمة بسرعة
• رصد الأنماط والشذوذات الإحصائية
• الحفاظ على الاتساق عبر آلاف القرارات المماثلة
• العمل دون إرهاق أو تحيز عاطفي
• التعامل مع الخيارات عالية التردد والحساسة للوقت

يتفوق البشر في:

• فهم السياق والفروق الدقيقة
• تطبيق الحكم الأخلاقي على الحالات الحدية
• إدراك متى يجب كسر القواعد
• دمج القيم والاستراتيجية طويلة الأجل
• تحمل المسؤولية والمساءلة

تشير الأبحاث إلى أن أنظمة الدعم المعرفي المدعومة بالذكاء الاصطناعي تُحسّن من قدرة الفريق على مواجهة الصدمات بنسبة 214% عند دمجها مع الذكاء العاطفي البشري. والكلمة المفتاحية هنا هي "دمج"، إذ لم يُحقق أيٌّ من العنصرين بمفرده هذه النتائج.

إليك كيف يبدو ذلك عمليًا. تستخدم شركة بيع بالتجزئة الذكاء الاصطناعي للتنبؤ بالطلب وإنشاء أوامر الشراء تلقائيًا. يتعامل النظام مع 90% من القرارات تلقائيًا، ويطلب المخزون القياسي بناءً على الأنماط التاريخية والاتجاهات الحالية. ولكن عندما يرصد الذكاء الاصطناعي أنماطًا غير معتادة - على سبيل المثال، ارتفاع مفاجئ في الطلب على فئة منتجات معينة - فإنه يحيل القرار إلى مشترٍ بشري يتحقق مما إذا كان هذا اتجاهًا حقيقيًا، أو خطأ في البيانات، أو مجرد تقلب مؤقت لا يستدعي تغيير أحجام الطلبات.

لا يقوم الإنسان بمراجعة كل قرار، فهذا من شأنه أن يُلغي ميزة السرعة. لكنهم يتعاملون مع مهمة 10% حيث يكون السياق هو الأهم.

تصميم حقوق اتخاذ القرار

يكمن الجزء الصعب في تحديد القرارات التي يمكن للذكاء الاصطناعي اتخاذها بشكل مستقل وتلك التي تتطلب موافقة بشرية.

إذا خفضت الحد الأدنى بشكل كبير، ستفقد مكاسب الكفاءة. وإذا طلبت مراجعة بشرية لعدد كبير جدًا من الخيارات، فستعود إلى كونك نقطة اختناق. أما إذا رفعته بشكل كبير، فسيتخذ النظام في النهاية قرارًا خاطئًا كارثيًا كان من الممكن أن يكتشفه الإنسان.

تُصنّف المؤسسات الذكية قراراتها وفقًا لبُعدين: التأثير والغموض. فالقرارات ذات التأثير الكبير والغموض المنخفض - مثل كشف الاحتيال حيث تكون الأنماط واضحة وتكلفة إغفال الاحتيال باهظة - يُمكن أتمتتها غالبًا باستخدام عتبات ثقة. أما القرارات ذات التأثير المنخفض والغموض العالي، فقد تُؤتمت أيضًا لأن تكلفة الخطأ أحيانًا مقبولة.

القرارات ذات التأثير الكبير والغموض الشديد؟ تبقى هذه القرارات مع البشر، على الرغم من أن الذكاء الاصطناعي يمكنه إظهار البيانات والخيارات ذات الصلة.

تحديد المشكلة: المهارة التي لا يمكن للذكاء الاصطناعي أن يحل محلها

إليكم ما يغفله معظم التغطية الإعلامية المتعلقة بصنع القرار باستخدام الذكاء الاصطناعي: جودة مخرجات الذكاء الاصطناعي تعتمد كلياً على جودة السؤال الذي تطرحه.

اسأل مساعد الذكاء الاصطناعي: "ما الذي يجب أن نبنيه في الربع القادم لتحسين الاحتفاظ بالعملاء؟" وسيقدم لك قائمة منسقة من الميزات والتكاملات وأفكار المنتجات. قم بتطبيقها وشاهد معدل الاحتفاظ بالعملاء يبقى ثابتًا أو حتى ينخفض.

لماذا؟ لأن السؤال يفترض أن مشكلة الاحتفاظ بالعملاء تتعلق بميزات المنتج. ربما تكون في الواقع متعلقة بصعوبة عملية التسجيل، أو غموض الأسعار، أو ضعف خدمة العملاء. لا يستطيع الذكاء الاصطناعي إعادة صياغة مشكلتك نيابةً عنك، بل يُحسّنها وفقًا للسؤال المطروح.

يُعدّ تحديد المشكلة مهارة أساسية تحدد ما إذا كان الذكاء الاصطناعي مفيدًا أم مضللًا. وهذا يعني:

• تحديد شكل النجاح الحقيقي بمصطلحات قابلة للقياس
• التمييز بين الأعراض والأسباب الجذرية
• تحديد القيود والمفاضلات مسبقًا
• التساؤل عما إذا كنت تحل المشكلة الصحيحة على الإطلاق

بصراحة: معظم المؤسسات سيئة للغاية في هذا الأمر. فهي تتلهف للوصول إلى الحلول لدرجة أنها تتجاهل الجهد الكبير المبذول في صياغة الأسئلة. ويزيد الذكاء الاصطناعي الأمر سوءًا لأنه بارع في توليد إجابات تبدو منطقية لأسئلة غير واضحة.

كيفية صياغة القرارات لدعم الذكاء الاصطناعي

ابدأ بتحديد مفهوم النجاح بلغة واضحة. إذا كان القرار يتعلق بتوسيع السوق، فقد يكون النجاح هو "دخول السوق بشكل مربح خلال 24 شهرًا بحصة سوقية لا تقل عن 15% في مدينتين مستهدفتين". هذا التعريف دقيق بما يكفي لقياسه ومحدد بما يكفي لتوجيه التحليل.

بعد ذلك، ميّز بين المؤشرات الرائدة والمؤشرات المتأخرة. المؤشرات الرائدة هي إشارات مبكرة تدل على نجاح القرار، مثل تكلفة اكتساب العملاء في السوق الجديدة أو محادثات الشراكة مع الموزعين المحليين. أما المؤشرات المتأخرة فهي نتائج نهائية مثل الربحية أو الحصة السوقية. يتميز الذكاء الاصطناعي بقدرته الفائقة على تتبع كلا النوعين، ولكن من الضروري تحديدهما مسبقًا.

حدد القيود بوضوح. حدود الميزانية، ومتطلبات الجدول الزمني، وتوافر الموارد، والقيود التنظيمية - أيًا كانت الحدود الموجودة. يمكن للذكاء الاصطناعي أن يُحسّن الأداء ضمن هذه القيود، ولكن فقط إذا كان على دراية بها.

وأخيرًا، اختبر صياغة مشكلتك من خلال السؤال: "إذا حللنا هذه المشكلة بشكل مثالي، فهل سيؤدي ذلك بالفعل إلى تغيير ما يهمنا؟" إذا كانت الإجابة غير واضحة، فأعد صياغة المشكلة قبل المتابعة.

تحدي الحوكمة: من المسؤول عندما يتخذ الذكاء الاصطناعي القرارات؟

مع تولي الذكاء الاصطناعي المزيد من سلطة اتخاذ القرار، يبرز سؤال شائك: من المسؤول عندما تسوء الأمور؟

عندما يرفض موظف قروض بشري منح الائتمان، يمكن مطالبته بتوضيح أسباب الرفض. أما عندما يرفض نظام ذكاء اصطناعي منح الائتمان بناءً على أنماط في البيانات التاريخية، يصبح تحديد المسؤولية أمراً غامضاً. هل يتحمل المسؤولية عالم البيانات الذي درّب النموذج؟ أم المدير التنفيذي الذي وافق على نشره؟ أم المورّد الذي باع البرنامج؟

بحسب بيانات جمعية معايير IEEE، تبلغ قيمة سوق حوكمة الذكاء الاصطناعي حاليًا 1.227.6 مليون دولار، ومن المتوقع أن ينمو بنسبة 35.71 تريليون دولار خلال السنوات الخمس المقبلة. وتدرك الشركات أن الذكاء الاصطناعي الأخلاقي ليس خيارًا، بل ضرورة لإدارة المخاطر.

بدأت تظهر عواقب حقيقية. يسمح قانون الذكاء الاصطناعي للاتحاد الأوروبي الآن بفرض غرامات تصل إلى 61 تريليون يورو من الإيرادات السنوية العالمية على الانتهاكات عالية الخطورة. وهذا كافٍ لجذب انتباه مجالس الإدارة.

بناء أنظمة ذكاء اصطناعي قابلة للمساءلة

تبدأ المساءلة بالشفافية. يحتاج صناع القرار إلى فهم، ولو بشكل عام، كيف توصل الذكاء الاصطناعي إلى استنتاجه. الأنظمة المبهمة التي لا تستطيع شرح منطقها تُشكل كابوساً قانونياً وشيكاً.

لكن الشفافية وحدها لا تكفي. يجب تعيين شخص مسؤول عن قرارات كل نظام ذكاء اصطناعي. ينبغي أن يتمتع هذا الشخص بسلطة تجاوز النظام، ومسؤولية مراقبة أدائه، وتحمل عواقب انحرافه عن مساره.

التوثيق أمر بالغ الأهمية. يجب أن يُخلّف كل قرار هام مدفوع بالذكاء الاصطناعي سجلاً تدقيقياً يُبيّن البيانات المستخدمة، وتوصيات النظام، وما إذا كان قد راجعه شخص ما، والإجراءات المتخذة. عندما يطرح المنظمون أو المحامون أسئلة، لن يكون جواب "الذكاء الاصطناعي هو من فعل ذلك" مقبولاً.

قام المعهد الوطني للمعايير والتكنولوجيا (NIST) بتطوير إطار عمل لإدارة مخاطر الذكاء الاصطناعي خصيصاً لمساعدة المؤسسات على بناء أنظمة جديرة بالثقة. وتؤكد إرشاداتهم أن إدارة مخاطر الذكاء الاصطناعي ليست مجرد مشكلة تقنية، بل تتطلب إسهامات من أصحاب المصلحة في المجالات القانونية والامتثال والأعمال والأخلاقيات.

تضخيم التحيز: عندما يتعلم الذكاء الاصطناعي أسوأ أنماطنا

ستستوعب أنظمة الذكاء الاصطناعي المدربة على البيانات التاريخية أي تحيزات موجودة في تلك البيانات وتضخمها.

ستُفضّل خوارزميات التوظيف المُدرّبة على قرارات التوظيف السابقة المرشحين الذين يشبهون الموظفين السابقين، وهو ما يعني غالبًا تفضيل الفئات الديموغرافية التي كانت ممثلة تمثيلًا زائدًا في السابق. أما خوارزميات الإقراض المُدرّبة على الموافقات السابقة على القروض، فستُكرّر أنماط التمييز التي كانت موجودة في تلك القرارات، سواءً أكانت مقصودة أم لا.

المشكلة دقيقة. لا أحد يبرمج الذكاء الاصطناعي على التمييز. ولكن عندما تعكس بيانات التدريب عالماً متحيزاً، يتعلم الذكاء الاصطناعي إدامة تلك التحيزات على نطاق واسع.

وهنا تكمن المشكلة: غالبًا ما تبدو القرارات التي يقودها الذكاء الاصطناعي أكثر موضوعية من القرارات البشرية. فهي تستند إلى البيانات والخوارزميات، لا إلى الحدس أو التحيزات الشخصية. هذه الموضوعية المتصورة قد تجعل أنظمة الذكاء الاصطناعي المتحيزة أكثر خطورة من البشر المتحيزين، لأن الناس أقل ميلًا إلى التشكيك فيها أو تجاوزها.

الحد من التحيز في أنظمة اتخاذ القرار بالذكاء الاصطناعي

ابدأ بمراجعة بيانات التدريب بحثًا عن أنماط تاريخية لا ينبغي تكرارها. إذا كانت قرارات الترقية السابقة قد فضّلت فئة ديموغرافية معينة، فلا تدرب الذكاء الاصطناعي على تلك القرارات دون معالجة التحيز الكامن وراءها.

اختبر وجود تفاوت في التأثير. قم بتحليل توصيات الذكاء الاصطناعي من خلال تحليل ديموغرافي لمعرفة ما إذا كانت النتائج تختلف بشكل منهجي حسب العرق أو الجنس أو العمر أو غيرها من الخصائص المحمية. إذا كان الأمر كذلك، فابحث عن السبب.

يجب تضمين مراجعة بشرية للقرارات المصيرية. يمكن للذكاء الاصطناعي أن يكشف عن المرشحين، ويحدد المخاطر، أو يقترح خيارات، لكن القرارات النهائية بشأن التوظيف، أو الإقراض، أو الرعاية الصحية، أو العدالة الجنائية يجب أن تتضمن حكماً بشرياً يأخذ في الاعتبار السياق الذي لا تغطيه البيانات.

لقد انتبهت الحكومة الأمريكية إلى ذلك. وتؤكد الأوامر التنفيذية الأخيرة الصادرة عن البيت الأبيض على منع التحيزات الأيديولوجية في أنظمة الذكاء الاصطناعي الفيدرالية، إدراكاً منها أنه عندما يلعب الذكاء الاصطناعي دوراً حاسماً في كيفية تعلم الناس واستهلاكهم للمعلومات وتسيير حياتهم اليومية، تصبح الموثوقية والإنصاف أمراً ضرورياً.

مستقبل اتخاذ القرارات بين الإنسان والذكاء الاصطناعي

إلى أين سيقودنا هذا؟

خلال السنوات الخمس المقبلة، من المتوقع أن يتولى الذكاء الاصطناعي المزيد من القرارات الروتينية عالية التردد حيث تكون الأنماط واضحة والمخاطر معتدلة. إدارة المخزون، وتوجيه خدمة العملاء الأساسية، وفحص الاحتيال، ومراقبة المحتوى - ستصبح هذه العمليات مؤتمتة بالكامل تقريبًا.

في القرارات المعقدة والمصيرية، ستسود النماذج الهجينة. سيُسهم الذكاء الاصطناعي في استخلاص الرؤى، ومحاكاة السيناريوهات، واقتراح الخيارات. أما البشر، فسيوفرون الحكم الاستراتيجي، والإشراف الأخلاقي، والمساءلة النهائية.

ستتغير المهارات الأساسية. سيقلّ تحليل البيانات أهميةً عندما يصبح الذكاء الاصطناعي قادرًا على إنجازه بسرعة وكفاءة أكبر. بينما تزداد أهمية تحديد المشكلة لأن الذكاء الاصطناعي لا يستطيع تحديد السؤال المطلوب. ستصبح المعرفة التقنية شرطًا أساسيًا، فالقادة الذين لا يفهمون كيفية عمل أنظمة الذكاء الاصطناعي سيواجهون صعوبة في إدارتها بفعالية.

لا يزال الذكاء العاطفي عنصراً بالغ الأهمية. تُظهر الأبحاث باستمرار أنه عند دمج الدعم المعرفي للذكاء الاصطناعي مع الذكاء العاطفي البشري، يتحسن أداء الفريق بشكل ملحوظ. ستتفوق المؤسسات التي تُجيد دمج قدرات الذكاء الاصطناعي التحليلية مع المهارات الشخصية على تلك التي تتعامل مع الأمر كمشكلة تقنية بحتة.

ما الذي ينبغي على المنظمات فعله الآن؟

أولاً، قم بحصر قراراتك. حدد القرارات التي تُتخذ بانتظام، ومن يتخذها، وما هي البيانات التي تستند إليها، وما هي عواقب الأخطاء. لا يمكنك تصميم استراتيجية لاتخاذ القرارات باستخدام الذكاء الاصطناعي دون معرفة بيئة اتخاذ القرارات لديك.

ثانيًا، ابدأ بالأتمتة منخفضة المخاطر. اختر القرارات المتكررة، والغنية بالبيانات، والتي لها مقاييس نجاح واضحة. ابنِ النظام، وراقبه عن كثب، وتعلّم قبل التوسع إلى خيارات ذات مخاطر أعلى.

ثالثًا، استثمر في بنية الحوكمة. حدد المسؤول عن كل نظام ذكاء اصطناعي. أنشئ آليات مراجعة للقرارات المصيرية. أنشئ سجلات تدقيق. ضع بروتوكولات لتحديد الحالات التي يجب فيها على البشر تجاوز توصيات الذكاء الاصطناعي.

رابعًا، درّب موظفيك. ليس فقط على كيفية استخدام أدوات الذكاء الاصطناعي، بل أيضًا على كيفية تحديد المشكلات، وتفسير مخرجات الذكاء الاصطناعي بشكل نقدي، والتعرف على متى تكون توصيات الذكاء الاصطناعي غير منطقية. الهدف ليس استبدال الحكم البشري، بل تعزيزه.

وأخيرًا، اختبر التحيز بانتظام. تتغير أنظمة الذكاء الاصطناعي بمرور الوقت مع ورود بيانات جديدة. ما كان يعمل بشكل جيد قبل ستة أشهر قد يُنتج نتائج متباينة اليوم. المراقبة المستمرة ليست اختيارية.

التحولات الخاصة بالصناعة

يختلف تأثير الذكاء الاصطناعي على عملية صنع القرار اختلافاً كبيراً باختلاف القطاعات. ويواجه كل قطاع فرصاً وقيوداً فريدة.

الرعاية الصحية: دعم القرار السريري

تُساهم أنظمة دعم القرار السريري القائمة على الذكاء الاصطناعي بالفعل في تشخيص الأمراض، والتوصية ببروتوكولات العلاج، والتنبؤ بنتائج المرضى. إلا أن الأبحاث التي أُجريت على هذه الأنظمة أسفرت عن نتائج متباينة؛ ففي بعض الأحيان يُحسّن الذكاء الاصطناعي عملية اتخاذ القرارات السريرية، وفي أحيان أخرى لا يُحسّنها، والأسباب ليست واضحة دائمًا.

يكمن التحدي في أن الطب يتطلب كلاً من التعرف على الأنماط والحكم السياقي. يتفوق الذكاء الاصطناعي في الجانب الأول. فنظام مُدرَّب على ملايين الصور الشعاعية قادر على رصد التشوهات التي قد يغفل عنها الإنسان. لكنه لا يستطيع تقييم ما إذا كان نمط حياة المريض أو تفضيلاته أو الأمراض المصاحبة له تجعل علاجًا معينًا غير مناسب.

تستخدم أفضل التطبيقات الذكاء الاصطناعي لتحديد المشكلات المحتملة وإبراز الأبحاث ذات الصلة، بينما يتخذ الأطباء قرارات العلاج النهائية مع مراعاة السياق الكامل للمريض.

التمويل: تقييم المخاطر والتداول

كانت الخدمات المالية من أوائل الجهات التي تبنت الذكاء الاصطناعي، حيث استخدمته في تقييم الجدارة الائتمانية، والكشف عن الاحتيال، والتداول الخوارزمي، وإدارة المحافظ الاستثمارية.

تُعدّ ميزة السرعة بالغة الأهمية هنا. تتخذ خوارزميات التداول قراراتها في أجزاء من الثانية، مستغلةً فروق الأسعار قبل أن تختفي. كما تقوم أنظمة مكافحة الاحتيال بحظر المعاملات المشبوهة قبل خروج الأموال من الحساب.

لكن الذكاء الاصطناعي المالي يواجه أيضاً تدقيقاً مكثفاً. فخوارزميات الإقراض التي تُنتج نتائج متباينة بحسب العرق أو الجنس تُعرّض صاحبها للمساءلة القانونية. كما أن خوارزميات التداول التي تُضخّم تقلبات السوق تُثير مخاوف بشأن المخاطر النظامية. وتُعدّ المساءلة قضيةً حيويةً، فمن يتحمّل المسؤولية عندما تتكبّد خوارزمية ما خسائر بالملايين؟

التصنيع وسلسلة التوريد

لقد تبنى قطاع التصنيع الذكاء الاصطناعي في مجالات الصيانة التنبؤية، ومراقبة الجودة، وتحسين سلسلة التوريد. هذه هي المجالات التي يتألق فيها الذكاء الاصطناعي، حيث يوفر كميات هائلة من بيانات المستشعرات، ومؤشرات نجاح واضحة، وقرارات يجب اتخاذها بسرعة تفوق قدرة المراجعة البشرية.

يُنتج مصنعٌ يضم مئات الآلات كميات هائلة من البيانات التشغيلية. يستطيع الذكاء الاصطناعي رصد الأنماط التي تُشير إلى احتمال تعطل إحدى الآلات قريبًا، مما يُفعّل الصيانة قبل أن تتعطل وتُوقف الإنتاج. وهذا مكسبٌ واضحٌ بعائد استثمارٍ قابلٍ للقياس.

تستفيد قرارات سلسلة التوريد - متى يتم الطلب، وكمية المخزون التي يجب الاحتفاظ بها، والموردين الذين يجب استخدامهم - من قدرة الذكاء الاصطناعي على معالجة إشارات الطلب وبيانات النقل وعوامل الخطر في وقت واحد.

خدمة العملاء والتسويق

تتولى أنظمة الذكاء الاصطناعي الآن العديد من قرارات خدمة العملاء الأولية، مثل توجيه الاستفسارات، والإجابة على الأسئلة الشائعة، وإحالة المشكلات المعقدة إلى الموظفين. كما تستخدم فرق التسويق الذكاء الاصطناعي لتحديد العملاء الذين يرون أي الرسائل، ومتى، وعبر أي قنوات.

هذه قرارات ذات أهمية منخفضة نسبياً تُتخذ بكميات كبيرة، ما يجعلها مناسبة تماماً للأتمتة. لكن تأثيرها التراكمي يُشكّل تجربة العملاء، وهو ما له أثر طويل الأمد على الأعمال.

يكمن الخطر في الإفراط في الأتمتة. يتقبل العملاء معالجة الذكاء الاصطناعي للطلبات البسيطة، ولكن عندما يحدث خطأ ما، فإنهم يرغبون في وجود شخص مخوّل لحل المشكلة. الشركات التي تفرط في الأتمتة ينتهي بها المطاف بعملاء محبطين عالقين في دوامة الذكاء الاصطناعي دون أي سبيل لحل حقيقي.

الأسئلة الشائعة