الذكاء الاصطناعي في المنشأة: من التجربة إلى الأثر
كثير من المنشآت جرّبت الذكاء الاصطناعي، وقليل منها جعله جزءًا من عملها اليومي. الفجوة نادرًا ما تكون في النموذج؛ إنها في الطريق من العرض الأول إلى التشغيل.
صار من النادر أن تجد منشأة لم تجرّب الذكاء الاصطناعي بشكل أو بآخر: نموذج يلخّص التقارير، أو مساعد يجيب عن أسئلة الموظفين، أو تجربة لتصنيف طلبات العملاء. العرض الأول يكون مبهرًا في الغالب، ثم يحدث شيء مألوف: تبقى التجربة تجربة.
هذه المقالة عن تلك المسافة بين العرض الأول والتشغيل اليومي: لماذا يقطعها بعض المشاريع ويتوقف عندها أكثرها، وما الذي يمكن فعله من اليوم الأول ليصل المشروع إلى أثر يُقاس.
لماذا تتوقف التجارب عند العرض الأول؟
حين نراجع تجارب لم تكتمل، نجد الأسباب تتكرر بصيغ مختلفة. نادرًا ما يكون السبب أن النموذج لم يكن ذكيًا بما يكفي؛ الأسباب في الغالب أبسط من ذلك، وأصعب في الوقت نفسه:
- البداية من التقنية: يبدأ المشروع بسؤال «ماذا نستطيع أن نفعل بهذا النموذج؟» بدل «أيّ عمل نريده أسرع وأدق؟».
- غياب المالك: التجربة يملكها فريق التقنية وحده، ولا يوجد في جهة العمل من يعدّ نجاحها جزءًا من مسؤوليته.
- بيانات غير جاهزة: ما نجح على عيّنة منتقاة يتعثّر حين يواجه البيانات الحقيقية بكل ما فيها من نقص وتكرار.
- نجاح بلا تعريف: لم يُتّفق مسبقًا على ما يعنيه النجاح، فيصبح الحكم على التجربة انطباعًا لا قياسًا.
التجربة الناجحة تقنيًا قد تكون فاشلة تشغيليًا، والعكس نادر. لذلك يستحق الطريق إلى التشغيل أن يُصمَّم من البداية، لا أن يُترك لما بعد العرض.
ابدأ من القرار لا من النموذج
أفضل نقطة بداية ليست قائمة بالتقنيات المتاحة، بل قائمة بالقرارات والمهام التي تتكرر كل يوم وتكلّف وقتًا أو تحتمل خطأً مكلفًا. مراجعة الطلبات، وتصنيف المستندات، والإجابة عن الأسئلة المتكررة، واكتشاف الحالات الشاذة مبكرًا — كلها أمثلة على عمل متكرر يمكن وصفه بوضوح.
قبل أي حديث عن النماذج، نطرح أسئلة بسيطة:
- من يتخذ هذا القرار اليوم، وكم مرة يتخذه؟
- ما الذي يحتاج أن يعرفه ليتخذه، ومن أين يأتي بهذه المعرفة؟
- ما كلفة الخطأ فيه، وما كلفة التأخير؟
- كيف سنعرف بعد ثلاثة أشهر أن الحل الجديد أفضل مما كان؟
السؤال الصحيح ليس «ماذا يستطيع الذكاء الاصطناعي أن يفعل؟» بل «أيّ قرار نريده أسرع وأدق، ومن سيستفيد من ذلك غدًا صباحًا؟»
البيانات: الطبقة التي لا يراها أحد
يتحدث الجميع عن النماذج، لكن الجزء الأكبر من العمل يقع في طبقة لا تظهر في العروض: البيانات. أين توجد؟ من يملك صلاحية الوصول إليها؟ ما جودتها؟ وما الذي يجوز استخدامه منها أصلًا؟
في السياق العربي تحديدًا تظهر تفاصيل لا تظهر في الأمثلة الجاهزة: مستندات ممسوحة ضوئيًا، ولهجات متعددة في محادثات العملاء، وأسماء تُكتب بأكثر من طريقة. الحل الذي لم يُبنَ على هذه التفاصيل من البداية سيصطدم بها لاحقًا.
من النموذج إلى المنتج
النموذج وحده لا يغيّر طريقة العمل؛ المنتج هو ما يفعل. والفرق بينهما يظهر في أسئلة عملية:
| التجربة | التشغيل | |
|---|---|---|
| المستخدمون | فريق صغير متحمّس | كل من يؤدي العمل يوميًا |
| البيانات | عيّنة منتقاة | البيانات الحقيقية كما هي |
| مكان الحل | أداة منفصلة | داخل الأنظمة التي يعمل عليها الفريق |
| الخطأ | ملاحظة في اجتماع | حالة لها مسار مراجعة واضح |
| المسؤولية | فريق التقنية | مالك من جهة العمل مع فريق التقنية |
الحل الذي يجبر الموظف على مغادرة نظامه المعتاد إلى أداة أخرى سيُستخدم أقل مما يُتوقّع. لذلك نضع الحل حيث يعمل الناس فعلًا، ونصمّم مسارًا واضحًا للحالات التي يكون فيها النموذج غير واثق: إنسان يراجع ويصحّح، ويتعلّم النظام من تصحيحه.
قِس الأثر بلغة العمل
دقّة النموذج رقم مهم لفريق التقنية، لكنها ليست الرقم الذي يهمّ الإدارة. الأثر يُقاس بلغة العمل: كم من الوقت اختُصر في إنجاز المهمة؟ كم خطأً تُجنّب؟ هل تحسّنت تجربة العميل أو الموظف؟
ولكي يكون القياس عادلًا، يُحدَّد خط الأساس قبل الإطلاق: كيف يُنجَز العمل اليوم، وفي كم من الوقت، وبأيّ نسبة خطأ. من دون هذا الخط تتحول كل نتيجة إلى رأي.
قبل أن تبدأ مشروعك القادم
إن كان عليك أن تحتفظ بشيء واحد من هذه المقالة فليكن هذه القائمة:
- حدّد القرار أو المهمة التي تريد تحسينها، لا التقنية التي تريد تجربتها.
- سمِّ مالكًا من جهة العمل يعدّ نجاح المشروع جزءًا من عمله.
- افحص البيانات الحقيقية مبكرًا، بكل ما فيها.
- اتفق على مقياس النجاح وخط الأساس قبل كتابة أول سطر.
- ضع الحل داخل سير العمل، وصمّم مسار المراجعة البشرية من البداية.
الذكاء الاصطناعي في المنشأة ليس مشروعًا تقنيًا بقدر ما هو تغيير في طريقة العمل. وحين يُعامَل بهذه الطريقة، تتحوّل التجربة إلى أثر.
