الذكاء الاصطناعي التطبيقي لا يجدي نفعاً

الجزء الأول: التاريخ وما يشبهه

في عام 1990، كتب أستاذ علوم الحاسب السابق في معهد ماساتشوستس للتكنولوجيا، مايكل هامر، مقالاً لمجلة هارفارد بزنس ريفيو. لقد أمضى سنوات داخل شركات أنفقت مبالغ طائلة على أجهزة الكمبيوتر دون تحقيق عائد استثماري يُذكر، وكان من بين الأوائل الذين اكتشفوا السبب.

"أسفرت الاستثمارات الضخمة في تكنولوجيا المعلومات عن نتائج مخيبة للآمال، ويرجع ذلك إلى حد كبير لأن الشركات تميل إلى استخدام التكنولوجيا لميكنة الطرق القديمة في ممارسة الأعمال. فهي تترك العمليات الحالية كما هي وتستخدم أجهزة الكمبيوتر فقط لتسريعها."

هذا اقتباس حقيقي. هل تمزح معي؟ لو استبدلت "تكنولوجيا المعلومات" بـ "الذكاء الاصطناعي"، لاستطعت نشر هذا غداً وظهر على الصفحة الأولى من Business Insider. في نفس المقال، كتب أنه حان الوقت للتوقف عن رصف مسارات الأبقار. لقد مرت 36 عاماً منذ ذلك الحين، وخمن ماذا لا نزال نفعل؟

ملاحظة: "رصف مسارات الأبقار" يعني أتمتة أو إضفاء الطابع الرسمي على عملية غير فعالة بدلاً من إعادة تصميمها بالطريقة التي يجب أن تعمل بها. وفرت عليك عناء السؤال لـ Claude، على الرحب والسعة.

في هذه الأثناء، تم إنفاق أكثر من تريليون دولار على النفقات الرأسمالية لبناء الذكاء الاصطناعي (مايكروسوفت، وألفابت، وأمازون، وميتا وحدها أنفقت 410 مليار دولار في 2025؛ مذهل، أعلم)، ومع ذلك، أنفقت الشركات 37 مليار دولار فقط على استخدامه فعلياً. ما يعنيه هذا عملياً: أجرت وزارة الأعمال والتجارة البريطانية تجربة لـ Microsoft 365 Copilot ونشرت النتائج. تم توزيع 1,000 ترخيص على مدى 3 أشهر، وكان متوسط إجراءات Copilot 1.14 لكل مستخدم يومياً. تم إنتاج شرائح PowerPoint أسرع بـ 7 دقائق (من 18 دقيقة إلى 11)، ولكن بنصف جودة التقييم. تم إكمال تحليل Excel بشكل أبطأ (وبجودة أسوأ أيضاً). التوفير في وقت البريد الإلكتروني كان، وأنا أقتبس، "صغيراً للغاية". استنتاجهم الخاص، حرفياً: "لم نجد أدلة قوية تشير إلى أن توفير الوقت يؤدي إلى تحسين الإنتاجية." ومع ذلك، قال 72% من المستخدمين إنهم راضون أو راضون جداً.

باختصار: الناس أحبوا ذلك، لكنهم كانوا ينتجون بالضبط ما كانوا ينتجونه من قبل. إيثان موليك (أستاذ مشارك في وارتون وباحث في الذكاء الاصطناعي) صاغها بشكل أفضل: "استخدام الذكاء الاصطناعي الذي يعزز الأداء الفردي لا يترجم بشكل طبيعي إلى تحسين الأداء التنظيمي." ستعمل هذه المقالة على توسيع نطاق شرح سبب ذلك، وتقديم حلول رأيناها ناجحة معنا عملياً.

للتوضيح، أنا فاس، الرئيس التنفيذي لـ @varickagents. نحن نعمل مع شركات ضخمة جداً (بين 500 مليون دولار و 100 مليار دولار في الإيرادات، من 1,000 إلى 100,000 موظف)، نساعدهم في تبني الذكاء الاصطناعي، من الاستراتيجية العامة، إلى إعادة هندسة العمليات، إلى بناء ونشر وإدارة وكلائهم. تستند هذه المقالة إلى الدروس المستفادة: ما يميز مشاريع الذكاء الاصطناعي التجريبية الفاشلة (بدون عائد استثماري قابل للقياس) عن تلك الناجحة (يتم التعامل مع 80%+ من العمل بالكامل بواسطة وكيل، مما يوفر الوقت والمال).

السبب في استمرار حدوث هذا ليس الغباء المحض. بعضه كذلك بالطبع، لكن معظمه هو الجمود والتصميم. من يوقع عقد ذكاء اصطناعي اليوم قد يمتلك أدوات واختيار البائعين، لكنه بالتأكيد لا يمتلك العملية. لا أحد في تلك السلسلة مخول بالذهاب إلى المالية، على سبيل المثال، والقول إن عمليتهم المكونة من 14 خطوة يجب أن تكون فقط 5 خطوات. لذلك لا أحد يفعلها. بدلاً من ذلك، "تطبق الذكاء الاصطناعي" على ما لديك حالياً، وتنتهي بهراء أسرع.

الذكاء الاصطناعي ليس من المفترض أن "يُطبق". هذا لا يعمل. أنت "تطبق" طبقة طلاء. الكثير من الناس يفكرون في الذكاء الاصطناعي كطبقة طلاء جديدة، والطلاء لا يصلح ما تحته. لم يقل أحد قط "السحابة المطبقة" أو "الرقمي المطبق". لا، بدلاً من ذلك قالوا التحول الرقمي، تحديث السحابة، لأن الجميع فهم أن تلك كانت تحولات، وأن التكنولوجيا كانت جزءاً منها فقط. الذكاء الاصطناعي يأخذ نفس الشكل.

بالعودة إلى هامر: أفضل رقم لديه من شركة تأمين درسها. استغرق الطلب 22 يوماً للتنقل عبر الشركة. من تلك الـ 22 يوماً، كان إجمالي الوقت الذي قضاه أي شخص في العمل عليه 17 دقيقة. افترض، اليوم، أن مسؤول الذكاء الاصطناعي لديك ينشر أفضل نموذج في العالم على تلك العملية ويجعل كل خطوة فردية أسرع بمرتين. لقد وفر الآن 8 دقائق ونصف. يعتبر هذا توفيراً بنسبة 50% في الوقت، ويحصل على ترقيته ومكافأته، ويختفي في الأفق. إنها 8 دقائق.

التوفير لم يكن في العمل على الطلب. كان في قوائم الانتظار وعمليات التسليم، في فترات الانتظار للفرق الأخرى، والجولة الثانية من المراجعات. إنفاق طاقتك لتسريع الـ 17 دقيقة أسوأ من عدم فعل أي شيء؛ لقد أنفقت ميزانيتك للتو، وأثبتت لمجلس إدارتك أن "الذكاء الاصطناعي لا يعمل". قد تعتقد أن هذا من مخلفات التسعينيات، لكنه ليس كذلك. لقد عملنا مع شركة مرت بهذه المشكلة بالضبط، من سجلات نظامها الخاصة. استغرق فتح حالة عميل جديدة 25 دقيقة من العمل الفعلي. الوقت المنقضي، من إدخال الحالة إلى تفعيلها، تراوح بين يومين وأسبوعين. يمكن أن يكون العمل دقائق بينما لا تزال العملية أسابيع.

عندما أقول إن معظم برامج الذكاء الاصطناعي تجعل الهراء أسرع، فإنني أعني ذلك حرفياً. العملية هراء. الذكاء الاصطناعي يجعلها أسرع. وقد سمعت رداً: "حسناً، نحن شركة ضخمة، لذا من الواضح أننا نفعل شيئاً صحيحاً، ولا نحتاج إلى التغيير." "تكيف أو مت" لا يزال حياً وبصحة جيدة اليوم، أكثر من أي وقت مضى، وهذا هو المجال الوحيد الذي يختلف فيه الذكاء الاصطناعي عن الرقمي والسحابة. عند استخدامه بشكل صحيح، يمنحك الذكاء الاصطناعي أفضلية على منافسيك لم تمنحك إياها تلك التقنيات من قبل. سواء كان ذلك لخفض أسعارك، أو التوسع بلا حدود دون زيادة عدد الموظفين، أو الوصول إلى العالم بأسره قبل أن تتمكن من تجميع قائمة عملاء محتملين، سيسحقونك. في أفضل الأحوال، تستمر في النمو، والآن يتضاعف عدد موظفيك بشكل هائل. 3 محللين يصبحون 6 لكن الـ 6 يحتاجون الآن إلى مدير، ونظراً لأنهما فريقان، يحتاجون إلى تسليم لم يكن موجوداً من قبل، والآن هذا التسليم يحتاج إلى اجتماع حالة ومدير مشروع، وهكذا. لهذا السبب ترتفع الرسوم البيانية لعدد الموظفين، بينما لا ترتفع الإيرادات لكل موظف. "تكيف أو مت"، لكن لا تتظاهر بأن الذكاء الاصطناعي لا يحدث. منافسوك لا يتوانون عن معرفة كيفية القيام بذلك.

الجزء الثاني: ما يجب فعله اليوم

بياناتك في حالة فوضى وأنظمتك لا تتواصل مع بعضها البعض، لذا قد تكون غريزتك الأولى هي إصلاح هذا قبل لمس أي شيء آخر. تحتاج فقط إلى نظام ERP واحد، ونظام CRM واحد، ومنصة بيانات واحدة، ثم الذكاء الاصطناعي فوقها. يبدو هذا رائعاً من الناحية النظرية، لكن متخصصي تكنولوجيا المعلومات يدركون أنه ليس بهذه البساطة أبداً. ألق نظرة على التكلفة الفعلية لهذا، من حيث المال والوقت.

أنفقت TSB 318 مليون جنيه إسترليني على ترحيل النظام المصرفي الأساسي، وتكبدت حوالي 200 مليون جنيه إسترليني إضافية في تكاليف الحوادث، وغرّمت بمبلغ 48.65 مليون جنيه إسترليني من قبل FCA و PRA في ديسمبر 2022، وتسببت في تعطيل الخدمات المصرفية لـ 5.2 مليون عميل. شركة Zimmer Biomet، وهي شركة مصنعة بقيمة 8 مليارات دولار، رفعت دعوى قضائية بقيمة 172 مليون دولار ضد Deloitte في سبتمبر 2025، بعد "ترحيل ودمج" فاشل تركها غير قادرة على أداء الوظائف الأساسية، مثل شحن منتجاتها، أو إصدار فواتير لعملائها، أو إنتاج تقارير مبيعات وظيفية. وهذان مجرد مثالين وصلوا إلى الأخبار؛ حوادث مثل هذه أكثر شيوعاً مما قد تعتقد.

ما يجب أن تركز على تسويته هو العملية، بدلاً من ذلك. لنفترض أنك اشتريت 9 شركات على مدار العشرين عاماً الماضية، مما يعني أن لديك الآن نفس العملية التي تعمل بـ 9 طرق مختلفة عبر شركاتك التابعة التسع. إذا كنت تريد "تطبيق" الذكاء الاصطناعي عبر شركتك، فسيتعين عليك بناء نفس الوكيل بـ 9 طرق مختلفة، ثم تضطر إلى صيانة جميع المجموعات التسع من الوكلاء، إلى الأبد. لتجنب هذا المطهر، تحتاج أولاً إلى تحديد العملية الواحدة التي تعمل عالمياً، والتي تقوم بنشرها عبر كيانك بالكامل، قبل أن تفكر حتى في تطبيق الذكاء الاصطناعي فوق ذلك.

على العكس من ذلك، أنت لا تحتاج بالضرورة إلى نظام ERP واحد. كانت عمليات التكامل الحتمية تنهار في اللحظة التي يختلف فيها نظامان حول ماهية سجل البائع. ومع ذلك، فإن الوكلاء يتحملون هذا التناقض، لذا فإن طبقة التنسيق التي تقع عبر الأنظمة التي تمتلكها بالفعل هي الحل للأنظمة المتباينة. لا تحتاج أنظمتك فقط إلى التحدث مع بعضها البعض، بل تحتاج إلى أن تكون متزوجة بسعادة، متسامحة مع عيوب بعضها البعض.

ابدأ برسم الخرائط

لإعادة تصميم عملك، تحتاج أولاً إلى فهمه. لا تصل إلى هذا المستوى من الفهم باختيار سير عمل واحد، حيث تقضي 8 أسابيع في إتقان شيء يتبين أنه مقيد بعملية شقيقة في المراحل العليا، وتنتهي بصافي عائد استثماري صفري.

في نفس الوقت، مع ذلك، لا يمكنك ببساطة استيعاب العمل بأكمله مرة واحدة، يجب أن تبدأ من مكان ما. ابدأ على مستوى القسم. لن يكون مثالياً - المالية تلمس المبيعات في كل مرة يعتمد فيها الاعتراف بالإيرادات على كيفية بيع شيء ما. الموارد البشرية تلمس تكنولوجيا المعلومات والعمليات مع كل موظف جديد. لكن على الأقل بهذه الطريقة، تحدد "حزم" سير العمل التي تغذي نفس القسم (على سبيل المثال، المالية تحتوي على الحسابات الدائنة، والحسابات المدينة، والتخطيط والتحليل المالي، والفواتير، والخدمات المصرفية، والتسويات، إلخ)، ويمكنك البدء في رسم الخرائط للتفاصيل السبعة التالية:

1. المسار المثالي: ما هي مسؤولية سير العمل هذا، وماذا يحدث في السيناريو الأكثر مثالية. بالنسبة لمعظم الشركات، هذا هو الشيء الوحيد الموثق بشكل كامل.
2. الاستثناءات: هذا هو المكان الذي يذهب فيه معظم وقتك. لا تصف فقط ما يحدث، بل اذهب واحسب حصة الحجم الذي يغادر المسار المثالي، وأين يذهب، ومن يتم إشراكه، وما هو وقت الدورة لمعالجة هذه الاستثناءات، وما هي تكلفة الخطأ هنا.
3. ما هو المنبع والمصب لسير العمل هذا؟ كيف تتفاعل هذه العملية مع تلك، عندما تتأخر الأمور أو تسوء في كل منها؟
4. ما هي جميع أنظمة التسجيل المعنية، وأي منها يفوز عندما يختلف اثنان منها؟
5. كيف يختلف هذا حسب المنطقة، الكيان، الشركة التابعة، أي عملية استحواذ جاء من خلالها؟
6. ما هو وقت اللمس مقابل الوقت المنقضي، وكيف تختلف الفجوة في كل خطوة؟
7. ما هي قدرة الذكاء الاصطناعي لكل شخص في الوظيفة، وما درجة الملكية التي يجب أن تكون لديهم على نظام الذكاء الاصطناعي في الحالة المستقبلية؟ (حساب هذا شخصي ويختلف بشكل كبير).

هناك إجراءان مطلوبان لاستخراج المعلومات المذكورة أعلاه:

• التنقيب في العمليات ضد أنظمة التسجيل لاستخراج الإجراءات والطوابع الزمنية والإنتاجية والتعديلات والواقع الذي لا يتطابق مع التوثيق.
• المقابلات، لأن ما سبق سيعطيك بيانات لكن المحادثات مع المشغلين ستخبرك بالضبط أين يكمن الألم. واقع مؤسستك يعيش في رؤوس 10-20 شخصاً قاموا بهذا العمل بالضبط لشركتك بالضبط لسنوات، وفي النهاية يحتاج الذكاء الاصطناعي الخاص بك إلى أن يتبناه هؤلاء الأشخاص حتى يعمل بفعالية.

القيام بواحدة فقط من هذه الخطوات يتركك بصورة غير مكتملة، وهو أكبر سبب لفشل اكتشاف الذكاء الاصطناعي. لقد رأيت شركات الذكاء الاصطناعي التطبيقية تحاول أخذ اختصارات بـ "مقابلات الذكاء الاصطناعي"، أو بإرسال مهندسين لإجراء المقابلات. هذا لا يعمل. نصف المهمة هو تطوير علاقة قوية مع المشغلين، ومعرفة الأسئلة التي يجب طرحها عليهم، حتى تترك بفهم جيد لما يجب بناؤه وكيفية نشره.

الوكلاء الفعالون ليسوا مجرد استدعاءات LLM

إعادة تصميم العملية هي تمرين فرز يتطلب خبرة في البرمجيات والذكاء الاصطناعي. كل خطوة تقع في واحدة من 3 فئات:

حتمي. إذا كان X ثم Y، بدون أي حكم. على سبيل المثال، إذا كانت الفاتورة أقل من حد معين للمبلغ وتطابق أمر الشراء وإيصال استلام البضائع، فإنك تدفعها. إذا كان الإفصاح يذكر منافساً، فقم بتوجيهه إلى فريق تضارب المصالح. هذه الإجراءات هي الأفضل كبرمجيات عادية قديمة. لا تحتاج إلى استدعاء LLM فاخر إذا كان بإمكانك القيام بذلك بدلاً من ذلك باستخدام كود عادي، وهو رخيص، وقابل للتدقيق، وحتمي (لا يهلوس أبداً)، وسريع.

وكيل. إذا كان لديك آلاف الأمثلة السابقة لبشر يتخذون قراراً حكمياً مع تسجيل النتيجة، وهذه الخطوة منخفضة المخاطر بما فيه الكفاية (على سبيل المثال، موافقات مكتب الصفقات، أو ترميز دفتر الأستاذ العام)، فيجب عليك بالتأكيد استخدام LLM للحكم. خاصة إذا كان الناتج هو نعم/لا، أو توجيه إلى هذا الفريق، أو وضع علامة/عدم وضع علامة، أو تطابق/عدم تطابق، قم بشحن هذا مع وكيل وقياس كل ناتج. من ناحية أخرى، إذا كان الناتج المطلوب هو 5 صفحات من مستند يجب على الإنسان قراءتها بالكامل للتحقق منها على أي حال، فمن الأفضل اتباع نهج هجين. هنا، تحتاج إلى الحكم على صعوبة الإجراء، وليس صعوبة التفكير.

إنسان في الحلقة. بالنسبة للخطوات شديدة الخطورة، أو التي لا تحتوي على سياق تاريخي كافٍ، فمن الأفضل إبقاء الإنسان في الحلقة، لأن تكلفة قيام الوكيل بإجراء خاطئ مرتفعة للغاية. بدلاً من ذلك، ضع كل دليل ذي صلة أمام ذلك الإنسان في اللحظة التي يقرر فيها. على سبيل المثال، سيكتشف الوكيل عدم تطابق بين فاتورة وأمر شراء، ثم يقدم للإنسان 3 خيارات: الموافقة على أي حال، أو الرفض بشكل قاطع، أو تقديم ملاحظات وتوجيه إلى شخص آخر. لقد وفر الوكيل للتو 40 دقيقة من البحث في رسائل البريد الإلكتروني وسجلات الفواتير والمزيد، حتى يتمكن بدلاً من ذلك من اتخاذ قرار في 30 ثانية. لكن الإجراء النهائي لا يزال مقيداً بذلك الإنسان.

بمجرد فرز كل خطوة في واحدة من الفئات الثلاث المذكورة أعلاه، يمكنك تحويل شيء مثل عملية من 25 خطوة إلى مجموعة من 3 وكلاء، مع خطوات حتمية قبلها وبعدها، وأخيراً نقطتان من إجراءات الإنسان في الحلقة لإزالة العوائق. عمل إعادة هندسة العملية هذا، بالاقتران مع الوكلاء أنفسهم، هو المكان الذي يعيش فيه كل عائد الاستثمار.

بعد ذلك، تقوم بقياس مؤشرات الأداء الرئيسية قبل بناء أي شيء. هدفك هو حساب الأرقام الكامنة وراء العملية التي تحلها، بما في ذلك أين وكيف يتم قياس هذه الأرقام اليوم. إذا لم تستطع فعل ذلك، فإن هذا المشروع مقدر له الفشل. يجب أن تكون قادراً على النظر إلى الوراء بعد 12 شهراً من الآن والقول: كنا عند X، والآن نحن عند 3X، أو 10X، أو 100X، بفضل الوكلاء الذين بنيناهم. عندها فقط يمكنك القول إن هذا المشروع كان نجاحاً حقيقياً.

أخيراً، تقوم بتحديد الأولويات وتسلسل البناء الخاص بك. أولاً، تعامل مع سير العمل الذي يحتوي على أكبر عدد من عمليات التسليم، حيث أن هذا على الأرجح أقل الثمار علواً حيث يمكنك رؤية أوضح النتائج. التمييز الرئيسي هو أن هذا ليس بالضرورة نفس سير العمل ذي الحجم الأكبر.

كيف يبدو هذا عملياً؟

أعدنا هندسة شركة عالمية كانت تسوي أكثر من 300 حساب بنكي كل شهر. تم التعامل مع ثلثيها بواسطة فريق خارجي، وتم تقسيم الباقي عبر منطقتين أخريين في 3 تنسيقات مختلفة، ولكن بالكامل في Excel. كان هناك أكثر من 12,000 بند تسوية مفتوح، و 4 أيام في بداية كل شهر كانت تُقضى في الحصول على البيانات المصرفية. استغرقت عملية التسوية الخاصة بهم الشهر بأكمله تقريباً، كل شهر.

كان سير العمل الخاص بهم قبل إعادة الهندسة على النحو التالي (وقبل أن تسخر منهم، أدرك أن لديك بالتأكيد عمليات مثل هذه، إن لم تكن أسوأ، في شركتك الخاصة):

1. ملاحقة وجمع البيانات المصرفية من كل بنك، بأي تنسيق يقدمونه
2. توحيدها في دفتر العمل الإقليمي
3. سحب كشف دفتر الأستاذ
4. المطابقة سطراً بسطر
5. وضع علامة على ما لا يتطابق
6. إرسال بريد إلكتروني إلى مراقب محلي للحصول على سياق حول العناصر التي تم وضع علامة عليها
7. انتظار ردهم
8. متابعة الرد إذا لم يتم الرد
9. الحصول على الرد أخيراً، ثم ترحيل التعديل
10. دمج المنطقة في الملف الموحد
11. تكرار عملية الخطوات من 1 إلى 10 بأكملها لكل من المنطقتين الأخريين، كل منها بتنسيقها الخاص.
12. الإغلاق.

إذا جعلت كل خطوة من هذه الخطوات أسرع، تصبح المطابقة أسرع. المشكلة هي أن المطابقة لم تكن المشكلة أبداً. أيام الانتظار الأربعة للحصول على البيانات المصرفية، والبريد الإلكتروني إلى المراقب في منطقة زمنية أخرى، والرد الذي لا يزال يستغرق 3 أيام، هي المشكلة. من خلال جعل المطابقة أسرع، ستوفر ساعات من عملية تُقاس بالأسابيع.

بدلاً من ذلك، أعدنا تصميم عمليتهم لتكون 3 خطوات.

1. تصل البيانات المصرفية عبر تغذية، على غرار الحزام الناقل، بدلاً من ملاحقتها. هذا لا علاقة له بالذكاء الاصطناعي على الإطلاق.
2. كل ما يمكن مطابقته بناءً على القواعد سيتم مطابقته تلقائياً، وإذا لم يكن الأمر كذلك، فسيقوم الوكيل بتجميع الحالة من البداية إلى النهاية: مع العنصر نفسه، والتصنيفات التاريخية، والأدلة التي تم جمعها من أنظمة التسجيل المختلفة، والخطوة التالية المقترحة.
3. أخيراً، يعمل الإنسان من خلال قائمة الانتظار الخاصة به من الاستثناءات، مع إعداد الأدلة لمراجعته، بدلاً من الاضطرار إلى غربلة البيانات المتناثرة عبر أنظمة ERP وجداول البيانات يدوياً.

تم القضاء على الملاحقة وإرسال البريد الإلكتروني والانتظار وإعادة الإدخال والتجميع الإقليمي بالكامل. هذا هو الفرق بين نظام وكيل يوفر الدقائق والساعات، ونظام وكيل يوفر الأسابيع.

الجزء الثالث: لماذا هذا ليس أكثر شيوعاً؟

لقد تم الكذب عليك

كان عرض الذكاء الاصطناعي الذي تلقينه مضللاً منذ البداية. الذكاء الاصطناعي المعتمد كحل نقطي ليس شيئاً تستمد منه القيمة. لا يمكنك القيام بذلك من تكنولوجيا المعلومات فقط، ولا يمكنك القيام بذلك من "وظيفة ابتكار" بميزانية مليون دولار وبدون سلطة. إعادة تصميم عملية تمتد عبر 4 أقسام تتطلب شخصاً يمكنه إخبار جميع الأقسام الأربعة أن العملية تتغير. هناك فقط حفنة من الأشخاص في الشركة يمكنهم فعل هذا حقاً؛ يجب أن يأتي من القمة.

لكن درجة أخرى من التعقيد: الأشخاص الذين يقومون بالعمل الفعلي اليوم، على سبيل المثال، رئيس الحسابات الدائنة، والمشغلين والمحللين عبر المالية، يحتاجون أيضاً إلى أن يتم تضمينهم. يجب أن يرغبوا في نظام الذكاء الاصطناعي الجديد، لأنهم سيتبنونه ويدفعونه غداً. يجب أن يرغبوا في الكشف عن المعلومات التي يعتقدون أنها قد تحل محلهم، حتى لو لم يكن هذا هو الحال في معظم الأوقات.

والأهم من ذلك، أن تبني الذكاء الاصطناعي يُنظر إليه على أنه محفوف بالمخاطر. الوضع الراهن "آمن" لمعظم الناس، الذين لا يحصلون على ترقية إذا نجح الذكاء الاصطناعي، لكنهم يُطردون إذا فشل، حتى لو كان التمسك بالوضع الراهن يعني ترك الشركة تموت ببطء بمرور الوقت.

إعادة الهندسة صعبة للغاية

تقدير هامر وتشامبي الخاص في عام 1993 كان أن ما يصل إلى 50% إلى 70% من المؤسسات التي حاولت إعادة هندسة العمليات لم تحقق النتائج التي كانت تنويها. (من الواضح أن الكثير لم يتغير منذ التسعينيات). قال هامر نفسه لاحقاً إنه كان "غير مقدر بشكل كافٍ للبعد الإنساني." ما عناه هو أن "إزالة عملية تسليم"، في ذلك الوقت، كانت تعني فصل الشخص المسؤول عن عملية التسليم تلك (كانت تلك وظيفته بأكملها)، ثم مطالبة الجميع الآخرين بتغيير عملهم، بينما "البرمجيات" في ذلك الوقت لم تكن تدعم مثل هذا التغيير. مما يعني أنه بعد أن جاء المستشارون وذهبوا، عاد هيكل المؤسسة والعملية بسرعة إلى حالتها الأصلية: حالة مليئة بعدم الكفاءة والأخطاء.

اليوم، مع ذلك، هناك شيئان مختلفان جوهرياً. أولاً، تقدم الأدوات الأصلية للذكاء الاصطناعي حالة برمجية سائلة غير مسبوقة: حالة يمكنها التكيف مع التغييرات المحيطة بها. الوكيل الموجود في نظام التسجيل الخاص بك يمكنه تشغيل عمليات التسليم التي كانت تعتمد على الأشخاص، والتعامل في نفس الوقت مع التناقضات المحيطة به من البرمجيات الحتمية، وهو أيضاً محصن ضد التباين الشائع لدى البشر. ثانياً، العمل الذي تقوم بإزالته أولاً هو التنسيق بالكامل تقريباً، أي: الملاحقة، والانتظار، والتصعيد، والفرز، إلخ. بعد هذه التحسينات في العملية، وتحول الذكاء الاصطناعي الحقيقي، كل ما يتبقى هو العمل عالي الحكم وعالي الرافعة، والذي يجب أن يقضي أفضل موظفيك كل وقتهم في القيام به على أي حال.

عالم جديد شجاع

الشركات الاستشارية التقليدية جيدة في العمل على العمليات، سأعترف بذلك. في الواقع، إذا كنت تريد رسم توضيحي متقن لعملية من 15 خطوة تمتد عبر 10 دول و 3 كيانات، فإن شركة الاستشارات العادية ستنتج أجمل شريحة رأيتها على الإطلاق، مقابل 300,000 دولار. ما لا تستطيع هذه الشركة الاستشارية فعله هو النصف الثاني الأكثر أهمية، وهو معرفة ما يمكن الوثوق به وما لا يمكن الوثوق به في النموذج، وما هي تكلفة الوكيل الذي يعمل 40,000 مرة في الشهر، وأي نموذج (Fable 5.1، مقابل Gemini 3.8 Flash) لاستخدامه لأي نمط من المهام (ترميز دفتر الأستاذ العام مقابل توجيه مكتب الصفقات)، وكيفية تصميم مجموعة تقييم مثالية لعملية معينة، وأي من الفئات الثلاث المذكورة أعلاه (حتمي، وكيل، إنسان في الحلقة) تنتمي إليها خطوة معينة في العملية حقاً. وبالتالي، إذا اتبعت هذا المسار، فسيتم إنشاء إعادة التصميم الخاصة بك بواسطة مستشارين يخمنون، بدلاً من الاستراتيجيين والمهندسين ذوي الخبرة في الذكاء الاصطناعي الأصلي، وبعد 6 أشهر تتساءل لماذا تحطمت طائرتك التجريبية.

مختبرات وشركات الذكاء الاصطناعي، على الجانب الآخر، لديها المشكلة المعاكسة. يمكنهم بناء وكيل (في معظم الأحيان، على الأقل)، لكنهم لم يجلسوا أبداً مع كل من المالية والعمليات لتحليل سير عمل حيث يختلف كلا القسمين حول الملكية ومن هو المنبع لمن، لذا بدلاً من ذلك سيلصقون الذكاء الاصطناعي على عملية معطلة ويسمونها آلية، بدلاً من تفكيك وإعادة تصميم تلك العملية كما كان يجب أن تكون منذ أشهر. علاوة على ذلك، فإن أكبر مختبرات "الذكاء الاصطناعي التطبيقي" مثل OpenAI (DeployCo) و Anthropic (Ode) ستجبرك على الزواج من نماذجهم مدى الحياة. المراهنة على مجموعة الذكاء الاصطناعي الكاملة لشركتك بمزود واحد هو انتحار. غداً، عندما يحددون معدل الاستخدام، ويقللون الدقة، ويرفعون الأسعار، ويتقاعدون من النموذج الذي تعمل عليه، ستترك مع الفوضى والفاتورة. قد تعتقد أن الأمر بسيط مثل تبديل نقطة نهاية من Claude إلى GLM أو Gemini أو DeepSeek، لكنه ليس كذلك. إعادة تشغيل التقييمات وإعادة تحديد مستوى التفكير الذي يجب استخدامه لكل استدعاء نموذج هي عملية شاقة، ولن تساعدك المختبرات في القيام بذلك.

ما تحتاجه بدلاً من ذلك هو أفضل ما في العالمين مجتمعين: أشخاص قاموا بالفعل بتشغيل وظيفة مالية أو عمليات أو مبيعات أو موارد بشرية، بالإضافة إلى المواهب الهندسية لشحن برمجيات بجودة إنتاجية إلى أنظمة ERP مثل Microsoft Dynamics أو أنظمة CRM مثل Salesforce، بالإضافة إلى مهندسي الذكاء الاصطناعي الذين يمكنهم بناء أحزمة شركة محايدة للنماذج مع حوكمة مدمجة على مستوى المؤسسات ومجموعات تقييم. يشير البعض إلى هؤلاء الأشخاص باسم "مهندسي النشر الأمامي"، لكن الحقيقة هي أن معظم مهندسي النشر الأمامي اليوم هم مهندسون متوسطون، ومستشارون متوسطون، بدون أي قدرة على الذكاء الاصطناعي على الإطلاق، وتنتهي بعدم القيام بأي شيء بشكل جيد.

كيف يبدو هذا عندما تفعله بشكل صحيح؟

هناك 4 روافع مهمة عندما تقوم بتحويل شركة باستخدام الذكاء الاصطناعي: التكلفة (يُفضل تقليلها)، والإيرادات (يُفضل زيادتها)، والوقت (يُفضل أن يكون أسرع)، والمخاطرة (يُفضل أن تكون أقل). عبر عمليات النشر لدينا، نصفها تقريباً في الشركات العامة، إليك أمثلة على ما تحرك بالفعل، رافعة تلو الأخرى:

• الوقت. قمنا بتقليص عملية إغلاق نهاية الشهر من 18-22 يومًا إلى 7-9 أيام. الآن يتم التعامل مع اضطرابات سلسلة التوريد في أقل من 6 ساعات، بدلاً من عدة أيام.
• الإيرادات. كانت الصفقات تظل معلقة لمدة 23 يومًا في المتوسط؛ الآن أصبح المتوسط 6 أيام، وانخفض الوقت الإداري لمندوبي المبيعات من 38% من الأسبوع إلى 14%. وقد تم توجيه هذا الوقت مباشرة إلى البيع.
• التكلفة. انخفض التعامل مع استثناءات الحسابات الدائنة من 600-800 فاتورة شهريًا إلى أقل من 50 فاتورة. في قسم التسويق، تم استرداد 8-12% من ميزانية الإعلام من أخطاء الوتيرة التي كانت تظهر فقط في نهاية الشهر، مما وفر الملايين كل ربع سنة.
• المخاطر. انخفضت تصحيحات الرواتب بنسبة 90%، لأن التسوية بين الأنظمة أصبحت تتم قبل كشوف الرواتب بدلاً من بعدها. تمت الإجابة على 80% من استفسارات دعم الموظفين من وثائق سياسات الشركة الخاصة، بينما لا تزال الحالات الاستثنائية تُحال إلى موظف بشري في قسم الموارد البشرية.

إجمالاً، تجاوزت القيمة المحققة عبر هذه المجموعة من عمليات النشر 100 مليون دولار. أفضل ما في الأمر أن هذا الرقم تم إنشاؤه بالتعاون مع عملائنا؛ ليس فقط نحن من نقوله، بل تم قياسه.

كيف تبدو شركة التحول بالذكاء الاصطناعي الحقيقية؟

كل ما تم وصفه أعلاه هو كيف نقوم بالأمور في Varick، وهو النهج الوحيد الذي نجح مع الشركات التي طبقنا الذكاء الاصطناعي لها. هذه شركات ضخمة للغاية، تضم آلاف الموظفين وعشرات أنظمة التسجيل وتعقيدات لا حصر لها، ومع ذلك فإن دليل اللعب هو نفسه، وهو يعمل في كل مرة.

يأتي فريقنا من الاستراتيجيين والمهندسين على مستوى الأقسام أولاً لرسم خريطة لكيفية حدوث العمل الفعلي، وليس فقط قبول كيفية توثيقه، من خلال مزيج من التنقيب في العمليات والمقابلات، وحساب الوقت المنقضي مقابل وقت اللمس، ورسم خرائط الاستثناءات والتأثيرات الأولية واللاحقة، وفهم من يملك ماذا. بدلاً من أشهر، نكمل هذه العملية في غضون أسابيع قليلة فقط، وعندها تتلقى عمليتك المعاد تصميمها، والقيمة التي سيتم تحقيقها، ومؤشرات الأداء الرئيسية المخصصة والمقاسة، وترتيب الأولويات الذي سيتم بناء الوكلاء بناءً عليه. بعد ذلك، نبدأ في بناء الوكلاء، المجهزين بحوكمة على مستوى المؤسسات، وقابلية التدقيق، ومجموعات التقييم، والمراقبة الجاهزة للاستخدام.

نحن نعمل مع شركات تحقق إيرادات تزيد عن 500 مليون دولار، لمعالجة أصعب سير العمل لديهم، عبر المنتجات والمالية والمبيعات والمشتريات والعمليات والموارد البشرية وغيرها. إذا كنت تريد أن ترى كيف يبدو هذا الأمر مقابل أحد عملياتك الخاصة، احجز مكالمة على موقعنا الإلكتروني، وتعال مستعدًا للحديث عن سير العمل الأقل تفضيلاً لديك، وما الذي يجعله معقدًا للغاية. وإذا وجدت هذا المحتوى مفيدًا، اشترك في نشرتنا الإخبارية، حيث ننشر تقارير أسبوعية عن أحدث ما توصل إليه الذكاء الاصطناعي التطبيقي، وكل ما تعلمناه من خلال الممارسة.

الخلاصة

• معظم الإنفاق على الذكاء الاصطناعي في المؤسسات اليوم يتم تطبيقه فوق نفس العمليات الموجودة بالفعل، مما يعني أن كل ما تفعله حقًا هو جعل عملية سيئة تعمل بشكل أسرع. قال مايكل هامر هذا عن تكنولوجيا المعلومات في عام 1990، وأثبتته الحكومة البريطانية بشكل أساسي مرة أخرى في عام 2025 باستخدام 1000 ترخيص Copilot: 1.14 إجراء لكل مستخدم يوميًا، دون أي زيادة في الإنتاجية تمكنوا من العثور عليها، ومع ذلك كان 72% من المستخدمين راضين على أي حال.
• الوقت لم يكن أبدًا في العمل نفسه، بل كان في قوائم الانتظار وعمليات التسليم. طلب تأمين هامر ظل لمدة 22 يومًا في العملية، مع 17 دقيقة فقط من العمل الفعلي فيه. حتى لو جعلت العمل أسرع بمرتين، فإنك قد وفرت 8 دقائق فقط.
• دمج أنظمتك أولاً (نظام ERP واحد، CRM واحد، منصة بيانات واحدة) هو طريقة موثقة جيدًا لخسارة عامين و9 أرقام قبل أن ترى دولارًا واحدًا من القيمة. ما تحتاجه حقًا هو تعريف واحد للعملية ومالك واحد، لأن الوكلاء يمكنهم تحمل الأنظمة التي تتعارض مع بعضها البعض، وهو ما لم تستطع التكاملات الحتمية فعله أبدًا.
• ابدأ على مستوى القسم، ونقب في أنظمة التسجيل وقابل المشغلين، ثم صنف كل خطوة إلى واحدة من 3 فئات: برنامج حتمي، أو وكيل، أو إنسان في الحلقة مع الأدلة المعدة له. عند القيام بذلك بشكل صحيح، تتحول عملية من 25 خطوة إلى 3 وكلاء مع نقطتي تفتيش بشريتين.
• عندما فعلنا ذلك بهذه الطريقة، انخفض إغلاق نهاية الشهر من 18-22 يومًا إلى 7-9، وانخفضت استثناءات الحسابات الدائنة من 600-800 شهريًا إلى أقل من 50، وانخفضت تصحيحات الرواتب بنسبة 90%، وبلغ الإجمالي عبر عمليات النشر لدينا أكثر من 100 مليون دولار، تم قياسها مع العملاء.
• لا شيء من هذا ينجح إلا إذا جاء من القمة، وكان المشغلون يريدونه بالفعل، وكان لدى من توظفه أشخاص متخصصون في العمليات ومهندسو برمجيات ومهندسو ذكاء اصطناعي جميعهم في نفس الغرفة، ولا يمتلك أي شخص تقريبًا الثلاثة جميعًا.