لقد بنت الذكاء الاصطناعي الأدوات. والصعب هو جعلها تؤتي ثمارها في العمل.

السؤال بعد العرض

قد لا يكون السؤال الأهم في الذكاء الاصطناعي اليوم هو ما إذا كانت الأنظمة مبهرة. بل ما إذا كانت قادرة على إنتاج قيمة اقتصادية موثوقة بعد خروجها من العرض التوضيحي، ومن اختبار البرمجة المعياري، ومن عرض المستثمرين. هذا هو الطرح الذي يدور حوله تحليل جديد من MIT Technology Review، والذي يصف لحظة الذكاء الاصطناعي الحالية بوصفها خيالًا مألوفًا من ثلاث مراحل: بناء التكنولوجيا، وافتراض أن الربح سيتبع ذلك، وترك الجزء الأوسط الصعب بلا تفسير.

يعتمد النص الأصلي على نكتة معروفة من South Park: “المرحلة 1: جمع الملابس الداخلية. المرحلة 2: ؟ المرحلة 3: الربح.” في هذه الصياغة الجديدة، يكون الذكاء الاصطناعي قد أكمل المرحلة الأولى بالفعل عبر إنتاج أنظمة قوية، بينما تعد الصناعة بصوت عالٍ بالمرحلة الثالثة في صورة التحول والمكاسب الاقتصادية. أما الجزء غير المحسوم فهو المرحلة الثانية: العمل الفوضوي المتمثل في تحويل القدرة إلى قيمة روتينية في مكان العمل.

يصبح هذا الإطار مقنعًا لأنه يلتقط التناقض في قلب طفرة الذكاء الاصطناعي الحالية. فالنماذج تستطيع الكتابة، والتلخيص، والتصنيف، وتوليد الشيفرة، والتعامل مع مجموعة متزايدة من المهام المعتمدة على اللغة. ومع ذلك، فإن القدرة المبهرة في اختبار معياري أو تجربة محدودة لا تتحول تلقائيًا إلى إنتاجية، أو توسع في الهوامش، أو عائد مستدام على الاستثمار داخل مؤسسة حقيقية.

ويشير المقال إلى أن حتى أفضل أنظمة الذكاء الاصطناعي، خارج البرمجة، ما زالت تواجه صعوبة في أن تكون مجدية اقتصاديًا في مكان العمل. وهذا التمييز مهم. فقد برزت البرمجة كأحد أقوى المنافذ التجارية المبكرة للذكاء الاصطناعي التوليدي لأن المخرجات رقمية، وسير العمل تكراري، والمستخدمين غالبًا ماهرون جدًا في تقييم النتائج. أما كثير من المجالات الأخرى فهي أقل تسامحًا. فالأخطاء أعلى تكلفة، والإشراف أبطأ، والمهام أقل تنظيمًا، والدمج مع العمليات القائمة أصعب.

ويشير التحليل إلى دراستين حديثتين بوصفهما مثالين على هذه الفجوة. الأولى، من Anthropic، توقعت أنواع الوظائف التي قد تتأثر أكثر بالنماذج اللغوية الكبيرة، مع إبراز أدوار مثل المديرين والمعماريين والعاملين في الإعلام، مع الإشارة إلى تأثير أقل على عمال البستنة والبناء والضيافة. لكن المقال يؤكد أن مثل هذه التوقعات لا تزال، في جوهرها، مجرد تخمينات حول ملاءمة المهام، وليست دليلًا على الأداء الفعلي في مكان العمل.

وهذا تمييز بالغ الأهمية. فقد يبدو النموذج قادرًا من حيث المبدأ على المساعدة في مهمة ما، ثم يفشل أمام العقبات العملية التي تحدد ما إذا كان صاحب العمل سينشره على نطاق واسع. وتشمل هذه العقبات الموثوقية، والامتثال، وتكلفة المراقبة، وثقة المستخدم، وإعادة تصميم سير العمل، والسؤال البسيط عما إذا كان استخدام النظام أسرع أو أرخص من التمسك بالطرق الحالية.

وتظل المشكلة نفسها تلقي بظلالها على كثير من أكبر ادعاءات الذكاء الاصطناعي. يمكن للمديرين التنفيذيين والباحثين وصف التكنولوجيا بأنها مُحدثة لتحول اقتصادي، وربما يكونون محقين في ذلك. لكن التحول لا يُحسب إلا عندما تتمكن المؤسسات من التقاط هذه القيمة بصورة متكررة في بيئة الإنتاج. وهذا يعني أن المنافسة الحقيقية قد لا تكون على من يملك النموذج الأكثر تقدمًا. بل على من يستطيع تعريف الطبقة الوسطى المفقودة بين مخرجات النموذج ونتيجة الأعمال، وتفعيلها، وتوسيعها.

وقد تشمل هذه الطبقة إعادة تصميم العمليات، والتنظيم، وآليات الإشراف، وواجهات البرمجيات، ونماذج التسعير، والتدريب، وفهمًا أوضح للمجالات التي يعزز فيها الذكاء الاصطناعي العمل البشري بصورة ملموسة بدلًا من تعقيده. ويشير نص MIT Technology Review إلى أن معسكرات مختلفة تسقط بالفعل إجابات مختلفة في هذا الفراغ الوسيط. فالناشطون المرتبطون بحملة Pause AI يرون أن التنظيم ضروري. أما المؤيدون فيتجاوزون حالة عدم اليقين غالبًا لأنهم يركزون على الوجهة أكثر من الطريق.

في الواقع، الطريق هو القصة. فكل موجة كبرى من موجات التكنولوجيا في مكان العمل اعتمدت على أنظمة مكملة تحيط بالأداة نفسها. كانت جداول البيانات مهمة، لكن كانت كذلك العمليات التجارية التي استوعبتها. وكان الإنترنت مهمًا، لكن كانت كذلك المدفوعات واللوجستيات والمعايير وعادات المستخدمين. ومن المرجح أن يسلك الذكاء الاصطناعي النمط نفسه. فالنموذج ليس سوى جزء من سلسلة القيمة.

ولهذا يبدو السوق الحالي مشحونًا بالتوتر. فقد أنفقت الشركات بالفعل مبالغ كبيرة على النماذج والحوسبة والتكاملات والتجارب الأولية. وهي الآن تحت ضغط لإثبات أن هذا الإنفاق ينتج أكثر من مجرد الجِدة. وإذا ظل الأساس الاقتصادي الأقوى محصورًا في نطاق ضيق من التطبيقات، فإن الطريق من الضجيج إلى الربحية الواسعة سيكون أبطأ وأكثر انتقائية مما تفترضه كثير من التوقعات.

إذن فالخطوة المفقودة ليست تفصيلًا تنفيذيًا ثانويًا. إنها مشكلة الأعمال المركزية في عصر الذكاء الاصطناعي. وحتى تتمكن الشركات من شرح، بالأدلة، كيف تنتقل من الإمكانية التقنية إلى مكاسب قابلة للتكرار في مكان العمل، سيظل القطاع يتأرجح بين الاختراقات الحقيقية والتوقعات المبالغ فيها. لقد وصل الذكاء الاصطناعي إلى المرحلة التي لم يعد فيها التحدي الأصعب هو بناء مزيد من القدرة، بل جعل القدرة تؤتي ثمارها.

هذه المقالة مبنية على تقرير من MIT Technology Review. اقرأ المقال الأصلي.