لم يعد مجرد استخدام الذكاء الاصطناعي داخل الشركة أمرًا يثير الاستغراب. ووفقًا لبيانات McKinsey، كانت 88% من المؤسسات التي شملها الاستطلاع تستخدم AI في عام 2025 في وظيفة واحدة على الأقل من وظائف الأعمال. ومع ذلك، لم تنتقل إلى تطبيقه على نطاق واسع سوى نحو ثلث المؤسسات، بينما أفاد 39% فقط من المشاركين بأن التكنولوجيا أثرت في أرباح الشركة على مستوى المؤسسة ككل.
ومن السهل تفسير هذه الفجوة. ففي معظم الحالات، يُقصد باستخدام AI تسريع إعداد الرسائل والتقارير، أو توليد عدة خيارات للعناوين بمساعدته، لكن نادرًا ما يُقصد به تحسين جودة القرارات، أو تغيير تجربة العميل، أو التأثير في اقتصاديات الشركة. أي إن AI يُستخدم بلا شك في معظم الشركات ويحقق فائدة فعلية، لكنه لا يزال في كثير من الأحيان عند مستوى زيادة الإنتاجية الشخصية لموظف بعينه.
ولهذا، لم تعد درجة نضج ممارسات AI اليوم تُقاس بعدد التراخيص التي اشترتها الشركة ولا بعدد الأوامر التي صاغها الموظفون. فالأهم بكثير هو المشكلة التي تحلها التكنولوجيا، والبيانات التي تعمل عليها، وما إذا كانت مدمجة في سير العمل، وما إذا كانت الشركة قادرة على إثبات أن النتيجة أصبحت بالفعل أفضل.
1. هل يحل AI مشكلة فعلية أم يشارك فقط في العمل؟
تحققي:
- هل يمكن تحديد مشكلة تجارية واضحة يُستخدم AI من أجل حلها؟
- ما المؤشر الذي تغير بعد تطبيقه؟
- ما الذي سيتدهور إذا تم إيقاف AI غدًا؟
عبارة «نحن نستخدم AI في التسويق» لا تقول تقريبًا شيئًا عن القيمة التي يقدمها. فقد تعني التقسيم الآلي لقاعدة العملاء إلى شرائح بما يؤثر في المبيعات، وقد تعني ببساطة إعداد عشرة خيارات للنص الإعلاني نفسه.
والسيناريو الثاني يوفر الوقت أيضًا، لكنه لا يغير بالضرورة نتائج الأعمال. ولهذا تحديدًا، تميل الشركات التي تحقق أعلى عائد من AI إلى ربطه ليس فقط بخفض التكاليف، بل أيضًا بالنمو، وتطوير المنتجات، وتحسين تجربة العميل. كما أنها تعيد بناء سير العمل حول التكنولوجيا بمعدل يقارب ثلاثة أضعاف مقارنة بالشركات التي تكتفي بإضافة أداة جديدة إلى طريقة العمل القديمة.
ويبدأ الاستخدام الناضج عندما تستطيع الشركة أن تحدد، لا الوظيفة التي يؤديها AI، بل المشكلة التي لم تعد مضطرة إلى حلها بالطريقة السابقة.
2. هل يعرف AI شركتك، أم يبدأ في كل مرة من الصفر؟
تحققي:
- إلى أي مصادر داخلية تستند إجابات النظام؟
- هل يستطيع الموظف معرفة مصدر المعلومات التي ظهرت في الإجابة؟
- هل يأخذ AI في الاعتبار القواعد الحالية للشركة، ومنتجاتها، وسجل قراراتها؟
يعرف النموذج المتاح للعامة الكثير عن العالم، لكنه لا يعرف لماذا تخلت شركة بعينها عن منتج معين، أو ماذا وعدت أحد عملائها المهمين، أو ما الاستثناءات المعمول بها في قواعدها الداخلية. وإذا كان الموظف يضطر في كل مرة إلى إعادة شرح هذا السياق يدويًا في محادثة جديدة، يظل AI مساعدًا شخصيًا، ولا يتحول إلى جزء من المعرفة المؤسسية.
وقدمت نور الحسن، مؤسسة والرئيسة التنفيذية لشركتي Tarjama وArabic.AI، مثالًا معبرًا على ذلك خلال جلسة «حمّى الذهب في عصر الذكاء الاصطناعي: كيف يمكن للنساء أن يصبحن الجيل القادم من المليارديرات؟»، التي عُقدت ضمن WE Convention 2025 في دبي يومي 1 و2 نوفمبر 2025.
فعلى مدار سنوات من العمل، راكمت شركتها المتخصصة في الترجمة مليارات الكلمات التي ترجمها البشر. وتحولت هذه المجموعة الضخمة من النصوص العربية التي أعدها متخصصون إلى أصل خاص بالشركة، وأتاحت لها تحسين جودة النموذج اللغوي رغم امتلاكها ميزانيات أصغر بكثير من ميزانيات المنافسين العالميين.
فالنموذج نفسه متاح لآلاف الشركات. أما الميزة التنافسية الحقيقية، فتتمثل في السياق الذي راكمته الشركة بنفسها وتعرف كيف تربطه بعمل AI بصورة آمنة.

3. هل AI مدمج في سير العمل أم يعمل في علامة تبويب منفصلة؟
تحققي:
- هل يضطر الموظف إلى نسخ البيانات يدويًا إلى نافذة المحادثة؟
- هل يحتاج بعد ذلك إلى نقل الإجابة مرة أخرى إلى CRM أو إلى نظام آخر؟
- هل تغير سير العمل نفسه، أم أصبحت بعض الإجراءات المنفصلة أسرع فقط؟
يساعد روبوت المحادثة الشخص الذي يتذكر استخدامه ويعرف كيف يصوغ طلبه بطريقة صحيحة. لكن إذا بقيت الإجراءات اليدوية المحيطة بالنموذج كما هي، فإن الشركة تكون قد حصلت على أداة جديدة، لا على عملية جديدة.
وفي وحدة إدارة الثروات الخاصة في Morgan Stanley، تم دمج مساعد AI في بيئة عمل المستشارين الماليين وربطه بقاعدة المعرفة المؤسسية. ويساعد النظام على العثور على المعلومات داخل المستندات الداخلية، بينما تحول أدوات أخرى مواد الاجتماعات إلى ملاحظات ومسودات للخطوات اللاحقة. واليوم، يستخدم هذا المساعد أكثر من 98% من فرق المستشارين في الشركة.
ولا تكمن أهمية هذا الحل في تلخيص المعلومات بسرعة أكبر فحسب. فـAI يختصر الطريق من محادثة العميل والمعرفة الداخلية إلى الخطوة التالية التي يتخذها المتخصص. وهذا التكامل تحديدًا هو ما يجعل توفير الوقت نتيجة قابلة للتكرار على مستوى الوظيفة بأكملها.
4. هل تقيسين النتيجة أم الدقائق التي تم توفيرها فقط؟
تحققي:
- هل يؤخذ في الحسبان الوقت الذي يتم إنفاقه على التصحيحات؟
- هل تغيرت جودة النتيجة النهائية؟
- هل يرتبط مؤشر قياس أداء AI بالعميل، أو المال، أو دقة القرار؟
السرعة هي أسهل ما يمكن ملاحظته. فإذا أصبح إعداد مستند يستغرق عشرين دقيقة بدلًا من ساعتين، فمن السهل اعتبار التجربة ناجحة. لكن هذا الرقم لا يقول شيئًا عن الوقت الذي استغرقه بعد ذلك التحقق من المستند، واعتماده، وتصحيح الأخطاء.
ولهذا، بدلًا من عدد النصوص التي تم إنشاؤها، من الأهم تقييم نسبة المواد التي تم اعتمادها. وبدلًا من سرعة الرد الأول، ينبغي قياس الوقت الكامل اللازم لحل الطلب. وبدلًا من عدد المستخدمين، يجب النظر إلى التأثير المستدام في جودة العملية أو تكلفتها.
فعلى سبيل المثال، أنشأت Morgan Stanley منظومة للتقييم حتى قبل الإطلاق الواسع لأدوات AI الخاصة بها. واختبر الخبراء الإجابات باستخدام سيناريوهات حقيقية، وقيّموا موثوقية البحث وتلخيص المعلومات وإعادة صياغتها. وفي قطاع مالي يخضع لتنظيم صارم، كان ضبط الجودة، وليس السرعة وحدها، هو ما أتاح توسيع استخدام النظام ليشمل المؤسسة بأكملها.
ولا يتحول توفير الوقت إلى نتيجة تجارية حقيقية إلا عندما لا يتم دفع ثمنه لاحقًا في صورة أعمال تصحيح إضافية أو زيادة في مستوى المخاطر.
5. من يتحمل المسؤولية عندما يخطئ AI؟
تحققي:
- في أي مرحلة يجب على الإنسان التحقق من النتيجة؟
- هل يستطيع AI أن يرسل شيئًا أو يعدّله أو يرفضه بصورة مستقلة؟
- من يتحمل المسؤولية إذا اتبع الموظف توصية خاطئة؟
ما دام AI يُعد مسودة داخلية، فإن تكلفة الخطأ تقتصر عادةً على وقت الموظف. لكن الوضع يتغير عندما يبدأ النظام في الرد على العميل، أو تحليل عقد، أو تقييم مرشح لوظيفة، أو اقتراح قرار مالي.
ولا تعني مشاركة الإنسان في هذه الحالة ضرورة إعادة التحقق يدويًا من كل سطر. بل يجب أن يعتمد مستوى الرقابة على حجم العواقب المحتملة: فتصنيف الرسائل الواردة ورفض تقديم خدمة إلى عميل يتطلبان مستويين مختلفين من الإشراف.
وتتعامل المنظومة الإطارية التي وضعها NIST، المعهد الوطني للمعايير والتكنولوجيا في الولايات المتحدة، مع إدارة مخاطر AI باعتبارها عملية مستمرة تشمل تحديد السياق، والقياس، والإدارة، والاستجابة. وينبغي تحديد المسؤولية قبل وقوع أي حادث، من خلال تعيين شخص مسؤول عن العملية، ووضع قواعد واضحة للتحقق، وتحديد إجراءات مفهومة يجب اتباعها عند حدوث خطأ.
كما تعتبر McKinsey التحديد الواضح للحالات التي تتطلب فيها النتيجة مراجعة بشرية من الممارسات التي تتبعها الشركات التي تحقق أعلى أثر من استخدام AI.

6. هل توجد حدود مشتركة لاستخدام AI، أم يضع كل موظف حدوده بنفسه؟
تحققي:
- هل من الواضح ما البيانات التي لا يجوز تحميلها إلى الخدمات المتاحة للعامة؟
- هل تختلف القواعد باختلاف الأدوات والمهام؟
- هل تعرف الشركة خدمات AI التي يستخدمها الموظفون بالفعل من تلقاء أنفسهم؟
غياب الحدود الرسمية لا يعني أن AI لا يُستخدم. بل يعني ببساطة أن موظفًا قد يحمّل عقدًا إلى خدمة محادثة متاحة للعامة، بينما يتجنب موظف آخر استخدام أي بيانات خاصة بالعمل تمامًا، ويستخدم موظف ثالث النموذج في عملية التوظيف من دون إبلاغ زملائه بذلك.
ونادرًا ما يحل الحظر الشامل المشكلة. فالأهم بكثير هو مراعاة نوع البيانات، والأداة المستخدمة، والعواقب المحتملة للخطأ. فلا يمكن إخضاع اقتراح عنوان إعلاني وتحليل معلومات طبية أو مالية للقواعد نفسها.
ووفقًا لبيانات McKinsey، سبق أن واجه 51% من ممثلي المؤسسات التي تستخدم AI أثرًا سلبيًا واحدًا على الأقل، وكانت المشكلة الأكثر شيوعًا هي عدم دقة النتائج. ومن جانبه، يسلط NIST الضوء بصورة منفصلة على مخاطر تتعلق بالخصوصية، والملكية الفكرية، والإجابات غير الموثوقة، والثقة المفرطة في النموذج.
ولا تؤدي الحدود الواضحة إلى إبطاء استخدام التكنولوجيا. بل على العكس، فهي تسمح للموظفين الأكثر حذرًا باستخدام AI من دون خوف، وتمنع المستخدمين الأكثر نشاطًا من تحويل التجارب إلى مصدر لمخاطر غير خاضعة للسيطرة.
7. هل تصبح الممارسة الناجحة ملكًا للشركة أم تظل مرتبطة بموظف متحمس واحد؟
تحققي:
- أين يتم حفظ سيناريوهات العمل وقواعد التحقق؟
- هل يستطيع موظف آخر تكرار النتيجة نفسها؟
- ماذا سيحدث إذا غادر صاحب الحل الشركة؟
في كثير من المؤسسات، يبدأ استخدام AI بفضل عدد قليل من الموظفين المتحمسين. فهم يعثرون على سيناريوهات ناجحة للاستخدام، ويصوغون الأوامر، ويساعدون زملاءهم. لكن إذا ظلت كل هذه الخبرة محفوظة في سجل المحادثات الشخصي، فستستمر الشركة في الاعتماد على شخص بعينه.
وعند تطبيق ChatGPT Enterprise، أنشأت شركة التكنولوجيا الحيوية Moderna برامج تدريبية، واستشارات دورية، وشبكة داخلية من الموظفين الذين يقودون استخدام AI ويساعدون على نشر خبراته داخل الشركة. وكان المنتدى الداخلي يجمع نحو ألفي مشارك نشط أسبوعيًا، بينما طور الموظفون خلال الشهرين الأولين 750 نموذج GPT متخصصًا. وفي الوقت نفسه، بدأت بعض الحلول تُدمج في العمل السريري والقانوني وأعمال التواصل.
ولا يثبت عدد المساعدين في حد ذاته أن الشركة وصلت إلى مستوى ناضج في استخدام التكنولوجيا. فالأهم هو إمكانية اختبار الحل الناجح، ونقله إلى الآخرين، وضمان استمرارية عمله. ولذلك، ينبغي للشركة ألا تحتفظ بنص الأمر الموجّه للنموذج فقط، بل أيضًا بالمهمة التي صُمم من أجلها، ومصادر البيانات، والقيود، ومعايير الجودة، والشخص المسؤول عنه.
فإذا ظلت التكنولوجيا موجودة في علامة تبويب منفصلة، وكان تأثيرها لا يوصف إلا بعدد النصوص التي تم إنشاؤها، فهي لا تزال تعزز قدرات موظف منفرد. أما عندما يغير AI سير العمل، ويستخدم معرفة الشركة، ويخضع للتحقق، ويحقق نتيجة قابلة للقياس، فعندها فقط يبدأ بالفعل في العمل لمصلحة الشركة.