تتعثر مشاريع الذكاء الاصطناعي عندما تُبقي الشركات نماذج التشغيل القديمة

الحجة ضد “الأفعال العشوائية في الذكاء الاصطناعي” تتعلق في الواقع بالبنية التنظيمية

تقول كثير من الشركات إنها تريد أن تصبح مهيأة للذكاء الاصطناعي، لكن المصدر المقدم يرى أنها تكرر الخطأ نفسه: التعامل مع الذكاء الاصطناعي بوصفه شيئًا يمكن إضافته ببساطة إلى منظمة قديمة صُممت من أجل قابلية التنبؤ، والتسلسل الهرمي، وبطء الموافقات. ومن هذا المنظور، فإن العقبة الحقيقية ليست نقص الأدوات، بل نموذج تشغيل بُني لقرن آخر.

الادعاء الأساسي في المصدر واضح. فمعظم المؤسسات تحاول تركيب الذكاء الاصطناعي فوق أنظمة لم تُبنَ من أجل الاستشعار المستمر، أو التعلم السريع، أو اتخاذ القرار الموزع. ونتيجة لذلك، تتعثر المشاريع التجريبية، ويتباطأ التبني، وأي سرعة يضيفها الذكاء الاصطناعي عند أطراف العمل تضيع في الوسط. وهذه صورة مألوفة في برامج التكنولوجيا المؤسسية. تبدأ الابتكار في مختبر أو فريق أو وحدة وظيفية، ثم تصطدم باحتكاك دورات الميزانية، وسلاسل الموافقة، والحوافز غير المتوافقة، والملكية المجزأة.

تنطلق فرضية المقال من أن الشركات التي تنجح في استخدام الذكاء الاصطناعي لا تفوز فقط لأنها اختارت برنامجًا أفضل. بل لأنها تصبح نوعًا مختلفًا من المؤسسات. وتصف Melissa Reeve، التي يُقتبس من كتابها في المصدر، هذه الشركات بأنها “hyperadaptive”. والمصطلح جديد، لكن الفكرة الأساسية مألوفة: لا يمكن للمؤسسة أن تستفيد بالكامل من ذكاء أسرع إذا كان تصميمها نفسه يبطئ كل إجراء مهم.

لماذا يكشف الذكاء الاصطناعي عن نقاط الضعف التنظيمية

صُممت نماذج التشغيل التقليدية من أجل الاتساق. تتدفق الاستراتيجية من الأعلى إلى الأسفل. وتتحرك الأعمال عبر جزر متخصصة. والعمليات الانتقالية شائعة. وغالبًا ما تتطلب القرارات عدة طبقات من المراجعة. وكانت هذه البنية منطقية في الأنظمة الصناعية حيث كان التوسع والتوحيد وضبط المخاطر هي الأولويات السائدة.

لكن الذكاء الاصطناعي يغيّر نقاط الضغط. فهو قادر على توليد التحليلات والتوصيات والمحتوى أسرع مما تستطيع كثير من العمليات التجارية القائمة استيعابه. وعندما يحدث ذلك، ينتقل العامل المحدِّد. لم تعد المشكلة فقط في ما إذا كانت الشركة تستطيع إنتاج الرؤى، بل في قدرتها على التصرف بناءً عليها. وإذا كان على الفرق الاستمرار في اجتياز هياكل هرمية جامدة، وأنظمة منفصلة، وحدود وظيفية، فقد يزيد الذكاء الاصطناعي الكفاءة المحلية دون تحسين الأداء العام.

ولهذا يقول المصدر إن المؤسسات غالبًا ما تصبح أسرع عند الأطراف بينما يظل الوسط بطيئًا كما كان دائمًا. وهذه صياغة مهمة لأنها تفسر لماذا تولد كثير من برامج الذكاء الاصطناعي حماسًا داخليًا دون أن تغيّر نتائج الشركة على مستوى المؤسسة كلها. قد تعمل التقنية، لكن المؤسسة قد لا تعمل بالشكل المطلوب.

فكرة “AI-native” أكبر من مجرد النشر

يطرح المصدر القضية على أنها مسألة التحول إلى “AI-native”، ما يشير إلى تحول أعمق من مجرد إطلاق برمجيات. وفي هذا التصور، تُبنى الشركة AI-native بحيث تستشعر أسرع، وتتعلّم باستمرار، وتختار خيارات أذكى مما يمكن للبشر اتخاذه منفردين. وحتى لو كان هذا الادعاء طموحًا، فإنه يلتقط تحولًا حقيقيًا في الأولويات. فالهدف ليس الأتمتة فقط، بل إعادة تصميم كيفية انتقال المعلومات وكيفية اتخاذ القرارات.

ويضع ذلك ضغطًا على وظائف كانت تُعامل غالبًا كأنها أنظمة خلفية ثابتة: طبقات الإدارة، والحوكمة، وتصميم العمل، وأنماط التعاون. فإذا أرادت شركة ما أن يحسن الذكاء الاصطناعي الإنتاجية أو القدرة على التكيف، فقد تحتاج إلى إزالة خطوات، وتقليل عمليات التسليم، وتوضيح الملكية، وتقريب الاستراتيجية من التنفيذ. وإلا فإن المؤسسة تخاطر باستخدام أدوات متقدمة داخل سير عمل متقادم.

هناك أيضًا بُعد سياسي داخل الشركات. فكثيرًا ما تُطلق برامج الذكاء الاصطناعي باعتبارها مبادرات ابتكار، لكن إعادة التصميم الهيكلي تمس السلطة. فهي تؤثر في من يوافق على العمل، ومن يسيطر على البيانات، وأي الفرق تمتلك النتائج، ومدى السرعة التي يمكن بها ممارسة الحكم. وهذا يفسر لماذا قد تنجح المشاريع التجريبية تقنيًا لكنها تتعثر تشغيليًا. فالصعوبة الحقيقية نادرًا ما تكون في أداء النموذج وحده، بل في مقدار ما تكون المؤسسة مستعدة لتغييره من نفسها.

من التجريب إلى التغيير التشغيلي

من أكثر الأفكار فائدة في المقتطف المقدم أن اختيار التقنية ليس الفاصل الرئيسي بين الرابحين والخاسرين. وهذا لا يعني أن اختيار النموذج غير مهم، بل يعني أن الهامش بين النجاح والفشل قد تحدده قدرة الشركة على تكييف بنيتها نفسها. والشركات التي تواصل السؤال عن الأداة التي ينبغي شراؤها قد تطرح السؤال الأول الخطأ.

والسؤال الأكثر إنتاجية هو ما إذا كانت المؤسسة قادرة على استيعاب التعلم الأسرع من دون دفعه مرة أخرى إلى قنوات بطيئة. فإذا كانت كل مبادرة لا تزال تتطلب التسلسل نفسه من الأعلى إلى الأسفل، والترجمة نفسها بين الإدارات، والإيقاع البيروقراطي نفسه، فسيتصرف الذكاء الاصطناعي كإضافة، لا كقدرة مدمجة في العمل.

وتعيد هذه النظرة أيضًا صياغة مسؤولية القادة التنفيذيين. فكثيرًا ما يرعى القادة المشاريع التجريبية ويطلبون إثبات القيمة. ويشير المصدر إلى أن القيمة قد تظل محدودة ما لم تغيّر القيادة النظام المحيط بالأدوات. عمليًا، قد يعني ذلك إعادة تصميم مسارات العمل، أو تحديث مقاييس الأداء، أو تقليص الموافقات غير الضرورية، أو بناء فرق متعددة الوظائف يمكنها التصرف بناءً على الإشارات في الوقت الحقيقي.

الرسالة الحقيقية لقادة الشركات

المادة المقدمة ليست خارطة طريق تقنية، بل نقد إداري. وتحذيرها الأساسي هو أن الشركات لا يمكنها توقع نتائج القرن الحادي والعشرين من نظام تشغيل من القرن العشرين. وهذه العبارة تبقى في الذاكرة لأنها تنقل المسؤولية بعيدًا عن وهم أن الذكاء الاصطناعي وحده سيحل بطء المؤسسات.

بالنسبة إلى التنفيذيين، هذه الرسالة مزعجة لكنها مفيدة. فهي توحي بأن الفشل في توسيع نطاق الذكاء الاصطناعي قد يعكس فشلًا في التصميم، لا مجرد فشل في التنفيذ. وإذا كان الأمر كذلك، فالحل ليس مشروعًا تجريبيًا آخر منفصلًا ولا فعلًا عشوائيًا آخر في الذكاء الاصطناعي، بل عملية أشد تطلبًا لإعادة توصيل المنظمة بنيويًا.

وسواء أصبح مصطلح “hyperadaptive” جزءًا دائمًا من مفردات الأعمال أم لا، فمن المرجح أن تستمر الحجة التي تقف وراءه. فالذكاء الاصطناعي يكشف الفجوة بين الذكاء السريع والمؤسسات البطيئة. والشركات التي تسد هذه الفجوة قد تبني ميزة حقيقية. أما التي لا تفعل فقد تواصل تجميع الأدوات بينما تتساءل لماذا لا يحدث التحول الكامل أبدًا.

هذا المقال مبني على تقرير من Fast Company. اقرأ المقال الأصلي.