النموذج الذكي لا يصنع نظاما مؤسسيا
51% من المؤسسات أبلغت عن حادثة سلبية واحدة على الأقل مرتبطة بالذكاء الاصطناعي خلال الأشهر الاثني عشر الماضية، بحسب أحدث استطلاع لماكنزي لعام 2025. وأوضحت أن هذه الحوادث ناتجة عن غياب البنية التي تحكم كيفية عملها داخل المؤسسة.
الخلاصة التنفيذية
- النموذج يفهم الطلب، لكنه لا يعرف وحده من يملك صلاحية تنفيذه.
- الفارق بين "إجابة ذكية" و"نظام مؤسسي موثوق" هو طبقة الحوكمة المحيطة بالنموذج: البيانات، الصلاحيات، الأدوات، ومسارات التصعيد.
- في الوكلاء الرقميين، لا يتوقف الخطأ عند توصية غير دقيقة؛ وإنما يمتد إلى إجراء فعلي تحديث سجل، أو تنفيذ معاملة.
- 68% من الرؤساء التنفيذيين يرون أن بنية البيانات المتكاملة على مستوى المؤسسة حاسمة للتعاون، بحسب دراسة IBM لعام 2025 لكن نصفهم فقط يملكون بنية تدعم ذلك فعليًا.
- المؤسسات الأعلى أداءً في تبني AI هم الأكثر إعادة لتصميم مسارات العمل والرقابة البشرية.
نموذج يفهم الطلب، لكنه لا يعرف حدوده
يمكن لنموذج الذكاء الاصطناعي أن يقرأ طلب العميل ويفهم مقصده بدقة لافتة. لكنه لا يعرف، من تلقاء نفسه: هل هذا العميل موثّق؟ هل يحق له الاطلاع على هذه البيانات تحديدًا؟ هل الطلب متوافق مع سياسات المؤسسة؟ وهل يُنفَّذ مباشرة، أم يُحوَّل إلى موظف للمراجعة؟
هذه الأسئلة لا يجيب عنها النموذج. تجيب عنها المؤسسة. وهنا يكمن نوع من التمايز بين نموذج قادر على إنتاج إجابة، ونظام مؤسسي قادر على تنفيذ عمل يمكن الوثوق به. النموذج يمثّل طبقة الذكاء وحدها؛ أما المنظومة التي تحيط به فهي التي تحدد نطاق البيانات المتاحة له، والأدوات التي يستخدمها، والصلاحيات التي يملكها، والإجراءات التي يحق له تنفيذها، ومتى يجب أن يتوقف ليطلب تدخل الإنسان.
مثال من قسم المشتريات: أين ينتهي دور النموذج؟
لنتخيل مساعدا ذكيا يعمل داخل قسم المشتريات: يقرأ طلب الشراء، يتحقق من بيانات المورد، يقارن الأسعار، ويعدّ التوصية. حتى هنا، أداؤه ممتاز. لكن السؤال الحقيقي: هل يستطيع اعتماد الطلب بنفسه؟
ههنا لا يتوقف الأمر على دقة النموذج، بل على عوامل لا علاقة لها بقدراته اللغوية: قيمة الطلب، صلاحية المستخدم الذي قدّمه، سياسة المشتريات المعمول بها، الميزانية المتاحة، احتمال تعارض المصالح، وسلسلة الاعتماد المعتمدة داخليًا. بعبارة أخرى، الذكاء لا يعمل في فراغ؛ إنه يعمل داخل سياق تشغيلي وقانوني وتنظيمي كامل، والنموذج نفسه لا يملك أدوات لقراءة هذا السياق ما لم تُبنى له عمدا.
هذه ليست ملاحظة نظرية. تشير دراسة IBM لعام 2025، التي شملت 2000 رئيس تنفيذي حول العالم، إلى أن 68% منهم يعتبرون بنية البيانات المتكاملة على مستوى المؤسسة عنصرا حاسما للتعاون بين الوظائف والابتكار. لكن نصف هؤلاء الرؤساء أنفسهم يقرّون بأن وتيرة الاستثمار المتسارعة تركت مؤسساتهم بأنظمة بيانات مجزأة وغير متكاملة. أي أن الوعي بأهمية التكامل يسبق بمراحل القدرة الفعلية على تحقيقه
والتكامل وحده، حين يتحقق، لا يكفي أيضًا. فربط النموذج بعدد أكبر من الأنظمة دون ضبط الوصول قد يمنحه صلاحية أوسع من اللازم، وربطه بمسارات التنفيذ دون حدود واضحة قد يحوّل خطأً في الإجابة إلى خطأ في الإجراء الفعلي. في أنظمة AI التقليدية، تنتهي المشكلة غالبا عند توصية غير دقيقة يراجعها إنسان. أما مع الوكلاء الرقميين المتصلين بأنظمة التنفيذ، فقد ينتقل الخطأ مباشرة إلى تحديث سجل، أو إرسال رسالة، أو قبول معاملة، أو استدعاء خدمة خارجية، أو حتى بدء إجراء مالي.
القدرة والرقابة يجب أن تتحركا معا
هذا ما يفسر لماذا يجب أن تتحرك القدرة والرقابة بالتوازي، لا بالتتابع. كل قدرة جديدة يحصل عليها النظام يجب أن يقابلها: نطاق صلاحية محدد بدقة، تحقق فعلي من هوية المستخدم، سياسة واضحة لاستخدام البيانات، سجل كامل للقرارات والإجراءات، حدود صريحة للتنفيذ الآلي، ومسار محدد للتصعيد إلى الإنسان عند تجاوز تلك الحدود.
وهذا بدوره ما يجعل الحوكمة بنية تشغيلية تُبنى مع النظام من أول يوم. الحوكمة الفعالة لا تكتفي بالإجابة عن سؤال "ما الذي لا يُسمح للنظام بفعله؟"، وإنما تجيب أيضًا عن سؤال أكثر أهمية للنمو: "كيف نسمح له بالعمل بأمان وعلى نطاق أوسع؟" إطار NIST لإدارة مخاطر الذكاء الاصطناعي (AI RMF) يقدّم بالفعل لغة مشتركة لهذا التوازن بين تمكين الاستخدام وضبط الخطر يمكن للمؤسسات البناء عليها بدل اختراع إطارها من الصفر.
إعادة تصميم مسارات العمل، لا فقط تبني النموذج
تُظهر بيانات ماكنزي لعام 2025 نمطًا واضحًا: المؤسسات الأعلى تحقيقًا للقيمة من الذكاء الاصطناعي لا تتميز باستخدام نماذج أفضل فقط، بل بإعادة تصميم مسارات العمل، وبناء بنية البيانات والتقنية التي تسندها، وتحديد مواضع المراجعة البشرية بدقة. وكانت هذه المؤسسات عالية الأداء أكثر ميلًا بنحو ثلاثة أضعاف إلى إعادة تصميم مسارات العمل بصورة جوهرية، مقارنة بمن يكتفون بإضافة الذكاء الاصطناعي فوق العمليات القائمة دون تغييرها.
بعبارة أخرى: الأداء العالي ليس نتيجة نموذج أقوى، بل نتيجة قرار تنظيمي بإعادة بناء كيفية سير العمل نفسه حول قدرات الذكاء الاصطناعي قرار يسبق أي اختيار تقني.
الهدف ليس منح الذكاء الاصطناعي أكبر قدر ممكن من الوصول، بل منحه القدر المناسب تمامًا لإنجاز مهمة محددة، ضمن حدود يمكن للمؤسسة أن تفهمها وتراقبها وتراجعها. النموذج يقدّم الذكاء. لكن التكامل، والصلاحيات، والسياسات، والمراقبة هي ما يحوّله من أداة استجابة إلى نظام مؤسسي يمكن الاعتماد عليه فعليًا.
المصادر: McKinsey The State of AI in 2025: Agents, Innovation, and Transformation؛ IBM Institute for Business Value 2025 CEO Study؛ NIST AI Risk Management Framework.
