حلول الذكاء الاصطناعي المُدارة للمؤسسات من خلال نهج المخطط التفصيلي: التحول النموذجي في تكامل الذكاء الاصطناعي الصناعي

عندما يتعين على الشركات الكبرى أن تتعلم التخلي عن السيطرة - وتوفير المليارات في هذه العملية

لم يعد الذكاء الاصطناعي يُطوَّر في مشاريع ضخمة، بل يُنظَّم. تُغيِّر منصات الذكاء الاصطناعي المُدارة، كتلك الموصوفة هنا، المنطقَ السابقَ المتمثل في عمليات التنفيذ المطولة، وتُتيح الوصول إلى حلول ذكاء اصطناعي مُخصَّصة للغاية، مُغيِّرةً بذلك قواعد اللعبة للتحالفات الصناعية والائتلافات والمشاريع المشتركة. وعلى عكس مشاريع الذكاء الاصطناعي التقليدية، يُتيح نهج المخططات الأولية حلولاً جاهزة للإنتاج في غضون أسابيع إلى أيام - دون مشاركة البيانات، ودون تكاليف مُسبقة، ودون أي تنازلات تقنية.

مناسب ل:

• منصة الذكاء الاصطناعي الجاهزة للاستخدام للمؤسسات: أتمتة صناعية مدعومة بالذكاء الاصطناعي مع حل Unframe.AI

العملة الجديدة للتنافسية الصناعية: السرعة دون فقدان السيطرة

في اقتصاد تتعاون فيه شركة تقنية مع أخرى، وتطوّر فيه شركة كيميائية مع مُصنّع للمصانع، ويتعاون فيه مُصنّعو السيارات الرائدون في تطوير حزم برمجيات، لم يعد النجاح يُحدَّد بالحجم، بل بسرعة التكامل. تُقدّم منصات الذكاء الاصطناعي المُدارة ما تحتاجه هياكل التحالفات المُعقّدة بإلحاح: تطبيقات ذكاء اصطناعي سريعة وآمنة وقابلة للتطوير، تتكامل بسلاسة مع بيئات تكنولوجيا المعلومات المُتنوعة، مع الحفاظ على سيادة بيانات كل شريك على حدة.

لم يعد السؤال المطروح هو ما إذا كان سيتم استخدام الذكاء الاصطناعي، بل مدى سرعة استعداد الشركات لتغيير دورات ابتكارها. بالنسبة للمشاريع الصناعية الضخمة، قد يعني هذا الفرق بين النجاح العالمي والتقادم الباهظ التكلفة.

لم يعد الذكاء الاصطناعي وعدًا بالمستقبل، بل أصبح حجر الزاوية في بناء القيمة الصناعية. وبينما تبدو إمكاناته النظرية مبهرة، تشير استطلاعات أجراها معهد ماساتشوستس للتكنولوجيا إلى أن 95% من جميع تطبيقات الذكاء الاصطناعي في المؤسسات تفشل في الواقع. وتتعدد الأسباب: ضعف جودة البيانات، وضعف التكامل مع الأنظمة الحالية، ونقص الخبرة، والأهم من ذلك، دورات التطوير الطويلة لمشاريع الذكاء الاصطناعي التقليدية. وفي عصر تتعاون فيه شركات التكنولوجيا الكبرى في تحالفات مع متخصصين في الأتمتة أو جهات محلية متكاملة، تتفاقم هذه المشكلة. فتباين بيئات تكنولوجيا المعلومات، واختلاف متطلبات حماية البيانات، وتعقيد هياكل الحوكمة، تُعقّد تطبيق حلول الذكاء الاصطناعي لدرجة أن الأساليب التقليدية تُدفع إلى أقصى حدودها.

وهنا تحديدًا يأتي دور منصات الذكاء الاصطناعي المُدارة. فهي تُقدم نهجًا مختلفًا تمامًا: فبدلًا من تطوير أنظمة الذكاء الاصطناعي من الصفر، تُقدم حلول ذكاء اصطناعي مُدارة بالكامل وقابلة للتخصيص بدرجة عالية، وجاهزة للإنتاج في غضون أيام قليلة. وقد أتقن أحد المزودين الرائدين هذا النهج من خلال نموذج Blueprint الخاص به - وهي عملية تستبدل المراحل التقليدية لتحليل المتطلبات وهندسة البرمجيات والتنفيذ بعملية توليد آلية. والنتيجة هي تطبيقات ذكاء اصطناعي مُخصصة يُمكن دمجها بسلاسة في أنظمة تخطيط موارد المؤسسات (ERP) الحالية، أو أنظمة تنفيذ التصنيع، أو حتى مصادر البيانات غير المُهيكلة.

تتجلى أهمية هذا النهج بشكل خاص عند النظر في ديناميكيات المشاريع الصناعية واسعة النطاق. تُنفذ مشاريع البنية التحتية الحديثة - سواءً في بناء محطات الطاقة، أو البنية التحتية للسكك الحديدية، أو حلول الأتمتة الصناعية المعقدة - بشكل شبه حصري في اتحادات أو مشاريع مشتركة أو تحالفات. على سبيل المثال، في مارس 2025، حصلت مجموعة كبرى لتكنولوجيا الطاقة على عقد بقيمة 1.6 مليار دولار أمريكي لمحطات طاقة تعمل بالغاز في المملكة العربية السعودية، بالتعاون مع مورد دولي لمعدات محطات الطاقة كمقاول هندسة وتوريد وبناء. تُعد هذه الهياكل ضرورية لأن الشركات الفردية نادرًا ما تتمكن من تغطية جميع الكفاءات والموارد المطلوبة. ومع ذلك، فإنها تُشكل تحديات تنسيقية كبيرة - لا سيما فيما يتعلق بالتحول الرقمي وتكامل الذكاء الاصطناعي.

في هذا السياق، تُتيح منصات الذكاء الاصطناعي المُدارة شكلاً جديدًا كليًا من التعاون التكنولوجي. فهي تُوفر المرونة اللازمة لمختلف الشركاء دون الحاجة إلى نقل بيانات حساسة من الشركة. كما تُتيح لكل عضو في التحالف الوصول إلى البنية التحتية المتطورة نفسها للذكاء الاصطناعي مع الحفاظ الكامل على سيادة البيانات. وتُقلل هذه المنصات من مخاطر الاستثمار من خلال نماذج تسعير قائمة على النجاح، حيث تدفع الشركات فقط عند تحقيق نجاحات تجارية ملموسة.

تبحث هذه المقالة بشكل منهجي في كيفية تغيير منصات الذكاء الاصطناعي المُدارة لطريقة استخدام الذكاء الاصطناعي في المشاريع الصناعية واسعة النطاق. بدءًا من الجذور التاريخية للذكاء الاصطناعي كخدمة، مرورًا بآلياته التقنية وحالات استخدامه الحالية، ووصولًا إلى التحديات الحرجة والتطورات المستقبلية، ترسم المقالة صورة شاملة لهذه التقنية. وتُولي اهتمامًا خاصًا للمزايا الخاصة للتحالفات والائتلافات والمشاريع المشتركة وهياكل التعاقد من الباطن - وهي تحديدًا الأشكال التنظيمية السائدة في المشهد الصناعي الحديث.

من آلات الحوسبة المعزولة إلى الذكاء المنظم: تاريخ تطور الذكاء الاصطناعي المُدار

يرتبط تاريخ منصات الذكاء الاصطناعي المُدارة ارتباطًا وثيقًا بتطور الحوسبة السحابية وانتشار الذكاء الاصطناعي. تعود جذورها إلى أوائل القرن الحادي والعشرين، عندما بدأ كبار مزودي الخدمات السحابية بتقديم حلول المنصة كخدمة. مكّنت هذه المنصات الأولى المطورين من نشر التطبيقات لأول مرة دون الحاجة إلى تشغيل بنيتهم ​​التحتية الخاصة. وجاءت الخطوة التطورية التالية مع البنية التحتية كخدمة، التي أتاحت للعملاء توفير الأجهزة الافتراضية ووحدات التخزين بشكل مستقل.

لكن القصة الحقيقية للذكاء الاصطناعي كخدمة لم تبدأ إلا مع التقدم الهائل في التعلم الآلي في العقد الثاني من القرن الحادي والعشرين. شهدت الفترة من 2015 إلى 2018 نقطة تحول. خلال هذه المرحلة، تطورت تقنيات التعلم العميق من التجارب الأكاديمية إلى أدوات قابلة للتطبيق الصناعي. جعلت التحسينات الهائلة في التعرف على الكلام والصور الذكاء الاصطناعي مناسبًا للاستخدام الجماعي لأول مرة. في الوقت نفسه، ازداد حجم البيانات المتاحة بشكل هائل، وارتفعت الاستثمارات في الذكاء الاصطناعي من 80 مليار دولار في عام 2018 إلى 280 مليار دولار في غضون أربع سنوات.

أدرك كبار مزودي الخدمات السحابية هذه الإمكانات مبكرًا. وبدأت شركات التكنولوجيا الرائدة بتقديم خدمات مخصصة للتعلم الآلي والتعلم العميق بين عامي 2016 و2018. وفي عام 2018، طرحت إحدى شركات التكنولوجيا الكبرى نموذجها اللغوي الخاص، والذي كان الأكبر من نوعه آنذاك، بـ 17 مليار معلمة. وأعلنت شركة تكنولوجيا رائدة أخرى، تحت قيادة رئيسها التنفيذي، رسميًا عن تحول استراتيجي نحو نهج يُركز على الذكاء الاصطناعي في المقام الأول في عام 2016. وقد أرست هذه التطورات الأساس التكنولوجي لما عُرف لاحقًا باسم "الذكاء الاصطناعي كخدمة".

اتسمت الفترة من 2018 إلى 2020 بزيادة في اعتماد حلول الذكاء الاصطناعي كخدمة (AIaaS) وظهورها في قطاعات محددة. ورسخت شركات متخصصة في الذكاء الاصطناعي كخدمة (AIaaS) مكانتها بتركيزها على تطبيقات متخصصة. وسهّلت أدوات AutoML عملية تطوير النماذج والتدريب عليها بشكل ملحوظ، مما مكّن حتى المؤسسات التي تفتقر إلى خبرة متعمقة في علوم البيانات من دمج الذكاء الاصطناعي في تطبيقاتها. كما ساهم التوسع العالمي لعروض الذكاء الاصطناعي كخدمة (AIaaS) مع وجود مراكز بيانات في مناطق مختلفة في ضمان زمن وصول منخفض.

ومع ذلك، بدأ التحول الجذري الحقيقي في عام 2020 مع ظهور نماذج اللغات الكبيرة والذكاء الاصطناعي التوليدي. في مايو 2020، نشرت شركة رائدة في مجال أبحاث الذكاء الاصطناعي نموذجًا لغويًا يحتوي على 175 مليار معلمة، أي بزيادة عشرة أضعاف عن نموذج شركة التكنولوجيا الكبرى. أظهر هذا النموذج لأول مرة أن الذكاء الاصطناعي لا يقتصر على معالجة المهام المتخصصة فحسب، بل يشمل أيضًا توليد النصوص المعقدة، وإنشاء الأكواد البرمجية، والمهام الإبداعية. وقد مثّل إطلاق تطبيق ذكاء اصطناعي توليدي شهير في نوفمبر 2022 نقلة نوعية في الوعي العام، ففي غضون شهرين، وصل عدد مستخدميه إلى 100 مليون مستخدم، ليصبح أسرع تطبيقات المستهلكين نموًا على الإطلاق.

ومع ذلك، جلب هذا التطور تحديات جديدة للتطبيقات الصناعية. فبينما نمت قدرات نماذج الذكاء الاصطناعي بشكل كبير، ازدادت عمليات التنفيذ تعقيدًا. وواجهت الشركات خيارًا بين حلول سحابية خاصة من مزودين رئيسيين، تنطوي على مخاطر احتكار الموردين، أو تطويرات داخلية معقدة تتطلب استثمارات كبيرة وكوادر متخصصة. وظلت معدلات النجاح منخفضة بشكل مثير للقلق - حيث تشير الدراسات إلى أن 85% من مشاريع الذكاء الاصطناعي التقليدية تفشل، بينما يصل معدل نجاح التطويرات الداخلية إلى 33%.

في هذا المجال المتوتر، برزت منصات الذكاء الاصطناعي المُدارة كخيار ثالث ابتداءً من عام ٢٠٢٣. جمعت هذه المنصات بين قابلية التوسع والفعالية من حيث التكلفة للخدمات السحابية وقابلية تخصيص الحلول المُخصصة، ولكن دون العيوب المُعتادة لكلا النهجين. وقد طوّر رائد في هذا المجال نهج "المخطط الأزرق" الخاص به، الذي يُسدّ الفجوة بين أدوات الذكاء الاصطناعي العامة والتطويرات المُخصصة باهظة التكلفة. تُمكّن هذه المنصة من تقديم حلول ذكاء اصطناعي مُخصصة في غضون أيام بدلاً من أشهر من خلال تكوين وحدات بناء ذكاء اصطناعي معيارية باستخدام مواصفات مُنسقة.

يعكس هذا التطور تحولاً جذرياً في طريقة إدراك الشركات للذكاء الاصطناعي واستخدامها له. فمن تجارب معزولة في مختبرات علوم البيانات، تطور الذكاء الاصطناعي إلى ذكاء تشغيلي منظم ومتكامل بعمق في عمليات الأعمال. وقد تحول التركيز من سؤال "هل يمكننا بناء الذكاء الاصطناعي؟" إلى "ما مدى سرعة استخدام الذكاء الاصطناعي بشكل منتج؟" - وهو تحول بالغ الأهمية للاتحادات الصناعية، حيث يُعدّ ضيق الوقت وتخفيف المخاطر عاملين أساسيين.

لبنات بناء الذكاء: البنية التقنية لمنصات الذكاء الاصطناعي المُدارة الحديثة

يختلف الأساس التكنولوجي لمنصات الذكاء الاصطناعي المُدارة اختلافًا جوهريًا عن مناهج تطوير البرمجيات التقليدية. ويرتكز هذا النهج على نهج المخطط التفصيلي، وهو عملية مبتكرة لتحويل متطلبات الأعمال إلى حلول ذكاء اصطناعي وظيفية. يُلغي هذا النهج المراحل التقليدية لتحليل المتطلبات، وهندسة البرمجيات، والتنفيذ، ويستبدلها بعملية توليد آلية قائمة على وحدات بناء معيارية مُحددة مسبقًا.

تتكون بنية هذه المنصة من أربعة عناصر تقنية مركزية تترابط بسلاسة. تشمل الأولى قدرات بحث واستدلال متقدمة تُحوّل بيانات الشركات غير المنظمة إلى معلومات منظمة وقابلة للبحث. تُمكّن هذه الوظيفة الشركات الصناعية من الوصول إلى عقود من المعرفة المتراكمة في هذا المجال، والتي كانت مخفية سابقًا في رسائل البريد الإلكتروني والتقارير والأنظمة القديمة. بالنسبة للتحالفات، يعني هذا إمكانية الوصول إلى مصادر بيانات غير متجانسة من شركاء مختلفين واستخدامها بشكل منهجي دون الحاجة إلى تخزين مركزي للبيانات.

يركز العنصر الثاني على الأتمتة ووكلاء الذكاء الاصطناعي. تُنفّذ هذه الأنظمة المستقلة سير عمل مُعقّدة وتتخذ قرارات استباقية بناءً على بيانات آنية. في البيئات الصناعية، يُمكن لهذه الوكلاء، على سبيل المثال، تحسين فترات الصيانة، وإجراء فحوصات مراقبة الجودة، أو اتخاذ قرارات سلسلة التوريد دون الحاجة إلى تدخل بشري. وينطبق هذا بشكل خاص على المشاريع الكبيرة في هياكل الائتلافات، حيث يُمكن لهذه الوكلاء العمل عبر حدود الشركات مع الاحتفاظ بالسيطرة على القرارات الحاسمة مع الشركاء المعنيين.

يُشكل عنصر التجريد ومعالجة البيانات اللبنة التقنية الثالثة. تُحوّل المنصة المحتوى غير المُهيكل، مثل بيانات المستشعرات، وسجلات الآلات، أو وثائق الإنتاج، إلى صيغ مُهيكلة قابلة للاستخدام. تُعدّ هذه الإمكانية ذات أهمية خاصة للشركات الصناعية الألمانية، التي غالبًا ما تمتلك بيئات تقنية معلومات غير متجانسة ذات صيغ بيانات مُختلفة وأنظمة قديمة. في المشاريع المشتركة بين شركة كيميائية وشركة تصنيع مصانع تُطوّر تقنيات نزع الهيدروجين بشكل مُشترك، تُمكّن هذه اللبنة الأساسية من دمج مصادر بيانات مُختلفة من تطوير المُحفّزات الكيميائية وهندسة مصانع العمليات.

يتضمن المكون الرابع وظائف التحديث التي تُحوّل الأنظمة القديمة إلى برمجيات مُدمجة بالذكاء الاصطناعي. يُعالج هذا أحد أكبر التحديات التي تواجه الشركات الصناعية الألمانية: دمج تقنيات الذكاء الاصطناعي الحديثة في بيئات الإنتاج الحالية دون تغييرات جذرية في النظام. عندما تتعاون ثلاث شركات كبرى لتصنيع السيارات على تطوير حزم برمجيات مفتوحة المصدر للمركبات المتصلة، يجب أن تكون هذه الأنظمة الجديدة قادرة على التواصل مع أنظمة الإنتاج القديمة - وهنا تحديدًا يأتي دور عنصر التحديث.

تلعب الحوسبة الطرفية دورًا محوريًا في بنية المنصة، على الرغم من أنها مصممة أساسًا كحل سحابي. غالبًا ما تتطلب التطبيقات الصناعية معالجة آنية بزمن انتقال أقل من ميلي ثانية. تُقرّب الحوسبة الطرفية معالجة البيانات من أجهزة الاستشعار ومعدات الإنتاج، مما يُمكّن من اتخاذ قرارات حاسمة دون تأخير ناتج عن عمليات نقل البيانات عبر الشبكة. في المشاريع الكبيرة، مثل مصانع التحليل الكهربائي للهيدروجين التي يبنيها مورد طاقة مع شركاء مثل مُصنّع أجهزة التحليل الكهربائي ومُقدّم خدمات صناعية، تُعد هذه القدرة الطرفية أساسية للتحكم في عمليات الإنتاج الحساسة.

تتبع بنية الأمان مبدأ الثقة الصفرية. بيانات العملاء لا تُنقل أبدًا من بيئة الشركة الآمنة، إذ يُمكن نشر المنصة في السحابات الخاصة وفي مقر الشركة. يُعدّ هذا القرار الهيكلي ذا أهمية خاصة للشركات الصناعية الألمانية، التي تخضع للوائح صارمة لحماية البيانات، ويتعيّن عليها حماية بيانات الإنتاج الحساسة. عندما تُقدّم شركة دفاع وتكنولوجيا دعمًا لوجستيًا لعمليات الانتشار العسكري، تخضع البيانات المعنية لأعلى متطلبات الأمان، وتضمن بنية الثقة الصفرية تلبية هذه المتطلبات دون أي تنازلات.

من الميزات التقنية المبتكرة الأخرى قدرات التكامل التي تتمتع بها المنصة. فهي قادرة على الاتصال بأي نظام تقريبًا: أنظمة تخطيط موارد المؤسسات (ERP)، وأنظمة تنفيذ التصنيع، وقواعد البيانات، وحتى مصادر البيانات غير المنظمة. يُزيل هذا الاتصال الشامل إحدى أكبر عقبات التنفيذ في مشاريع الذكاء الاصطناعي التقليدية. تُعد هذه المرونة أمرًا بالغ الأهمية في التحالفات التي يستخدم فيها الشركاء أنظمة تكنولوجيا معلومات مختلفة. عندما يتعاون مزود خدمات التحليل الكهربائي PEM مع مزود خدمات صناعية، يجب أن تتواصل أنظمتهما بسلاسة، وتُتيح المنصة هذا التوافق التشغيلي دون الحاجة إلى تطوير مُخصص مُعقد.

تُمكّن البنية المعيارية أيضًا من التطوير التكراري والتحسين المستمر. يمكن أن تنعكس تغييرات متطلبات العمل فورًا في البرنامج من خلال تعديلات على المخطط، دون الحاجة إلى إعادة برمجة معقدة. تُعد هذه المرونة بالغة الأهمية للشركات الصناعية الألمانية العاملة في أسواق ديناميكية وتحتاج إلى الاستجابة السريعة للمتطلبات المتغيرة. في تحالفات مثل التحالف بين متخصص في المواد اللاصقة وشركة مصنعة للبوليمرات للمواد اللاصقة المستدامة في البناء الخشبي، حيث تتطور المتطلبات التقنية وأهداف الاستدامة باستمرار، تُمكّن هذه المرونة من التكيف المستمر دون الحاجة إلى تطوير جديد.

من الجوانب المهمة، والتي غالبًا ما تُغفل، طبيعة المنصة المستقلة عن نموذج اللغة الكبير. فبينما ترتبط العديد من تطبيقات الذكاء الاصطناعي ارتباطًا وثيقًا بنموذج لغة كبير محدد، تُمكّن بنية منصات الذكاء الاصطناعي المُدارة من التبديل المرن بين النماذج المختلفة. وهذا يحمي الشركات من الاحتكار من قِبل الموردين، ويضمن لها دائمًا استخدام النماذج الأمثل لحالات استخدامها - وهي ميزة بالغة الأهمية في سوق سريع التطور، حيث قد تصبح النماذج المهيمنة اليوم قديمة غدًا.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تنفيذ حلول الذكاء الاصطناعي المخصصة بسرعة وأمان وبدون حواجز دخول عالية.

منصة الذكاء الاصطناعي المُدارة هي حلك الشامل والمريح للذكاء الاصطناعي. فبدلاً من التعامل مع التقنيات المعقدة والبنية التحتية المكلفة وعمليات التطوير الطويلة، ستحصل على حل جاهز مُصمم خصيصًا لتلبية احتياجاتك من شريك متخصص - غالبًا في غضون أيام قليلة.

الفوائد الرئيسية في لمحة:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق العملي في أيام، لا أشهر. نقدم حلولاً عملية تُحقق قيمة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن لك معالجة آمنة ومتوافقة مع القوانين دون مشاركة البيانات مع جهات خارجية.

💸 لا مخاطرة مالية: أنت تدفع فقط مقابل النتائج. يتم الاستغناء تمامًا عن الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على عملك الأساسي: ركّز على ما تتقنه. نتولى جميع مراحل التنفيذ الفني، والتشغيل، والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 مواكب للمستقبل وقابل للتطوير: ينمو الذكاء الاصطناعي لديك معك. نضمن لك التحسين المستمر وقابلية التطوير، ونكيف النماذج بمرونة مع المتطلبات الجديدة.

المزيد عنها هنا:

• منصة الذكاء الاصطناعي المُدارة

التنسيق الصناعي: الذكاء الاصطناعي المُدار في ممارسات الاتحادات والتحالفات الحالية

التنسيق الصناعي: الذكاء الاصطناعي المُدار في ممارسات اليوم من اتحادات وتحالفات - الصورة: Xpert.Digital

تتجلى الأهمية العملية لمنصات الذكاء الاصطناعي المُدارة بشكل خاص في المشهد الحالي للمشاريع الصناعية واسعة النطاق. تُنفَّذ هذه المشاريع الآن بشكل شبه حصري من خلال شراكات معقدة تتخذ أشكالًا تنظيمية متنوعة: تجمع التحالفات عدة شركات لمشاريع محددة كمجتمعات مشاريع مُلزمة قانونًا؛ وتُنشئ المشاريع المشتركة شركات مشتركة لأسواق محددة أو تعاونات طويلة الأمد؛ وتُمكّن هياكل التعاقد من الباطن كبار الموردين من تولي إدارة المشاريع وتفويض المهام الفرعية إلى شركاء متخصصين.

تُقدم صناعة السيارات مثالاً بارزاً على هذا الشكل الجديد من التعاون. في يونيو 2025، وقّعت إحدى عشرة شركة رائدة في صناعة السيارات الأوروبية مذكرة تفاهم للتطوير المشترك لنظام برمجيات مفتوح المصدر للسيارات المتصلة. تهدف هذه المبادرة إلى تطوير برمجيات سيارات غير تمييزية تعتمد على حزمة برمجيات مفتوحة وقابلة للاعتماد، مما يُسرّع عملية التحول إلى المركبات المُعرّفة برمجياً. ما يميزها: بينما تواصل كل شركة مصنعة تطوير واجهات المستخدم وأنظمة المعلومات والترفيه الخاصة بها، فإنها تتشارك البنية التحتية الأساسية.

توفر منصات الذكاء الاصطناعي المُدارة العديد من المزايا الرئيسية لهذه المجموعات. أولًا، تُمكّن من تطوير النماذج الأولية بسرعة دون الحاجة إلى عمليات تنسيق مطولة بين الشركاء. يمكن لكل شركة اختبار حلول الذكاء الاصطناعي في غضون أيام، والتي يمكن دمجها بسلاسة في النظام البيئي المشترك. ثانيًا، يتم الحفاظ على سيادة البيانات لكل شريك على حدة - فلا يلزم مشاركة بيانات التطوير الحساسة من جهة تصنيع واحدة مع بيانات منافس، حتى لو كان كلاهما يعمل على البنية التحتية نفسها للذكاء الاصطناعي. ثالثًا، يُقلل نموذج التسعير القائم على النجاح بشكل كبير من المخاطر المالية لشركاء التحالف.

يتجلى مسارٌ مماثل في قطاع الطاقة. إذ يُطوّر مورد طاقة رئيسي محطات طاقة تعمل بالغاز قادرة على توليد الهيدروجين في ألمانيا بالتعاون مع شركاء أوروبيين. وقد شكّل المورد تحالفًا إيطاليًا-إسبانيًا لإنشاء محطة طاقة تعمل بالدورة المركبة قادرة على توليد الهيدروجين في أحد مواقعه، بطاقة اسمية تُقارب 800 ميجاوات. وتشمل الاتفاقية التعاقدية بين الشركاء الثلاثة، كخطوة أولى، تخطيط تصريح محطة الطاقة. وبالتوازي مع ذلك، يُنفّذ مورد الطاقة محطة تحليل كهربائي بقدرة 300 ميجاوات للهيدروجين الأخضر في موقع آخر. ويُورّد مُصنّع أجهزة التحليل الكهربائي جهاز تحليل كهربائي بقدرة 100 ميجاوات، بينما يتولى مُقدّم خدمات صناعية دمج وحدة التحليل الكهربائي الثالثة، بالإضافة إلى تخطيط وتركيب الأنظمة المساعدة والمساندة.

في مثل هذه المشاريع الضخمة المعقدة، حيث يتعاون مورد طاقة، ومصنّع أجهزة تحليل كهربائي، ومقدّم خدمات صناعية، تبرز تحديات تنسيقية هائلة. تُعالج منصات الذكاء الاصطناعي المُدار هذه التحديات من خلال إنشاء أساس رقمي مشترك يُمكّن جميع الشركاء من العمل عليه دون المساس باستقلاليتهم التكنولوجية. تستطيع المنصة دمج البيانات اللحظية من مختلف الأنظمة الفرعية، وتقديم اقتراحات للتحسين، ونشر وكلاء مستقلين يعملون عبر حدود الشركة، مع الحفاظ دائمًا على سيادة بيانات كل طرف.

تُبرهن صناعة الكيماويات أيضًا على كيفية مساهمة الذكاء الاصطناعي المُدار في خلق قيمة مضافة في الشراكات القائمة. وقّعت شركة كيميائية عالمية ومجموعة صناعية متنوعة اتفاقية تطوير مشترك لتوسيع تعاونهما في عملية نزع هيدروجين خاصة. تُنتج هذه العملية البروبيلين من البروبان، أو الأيزوبوتيلين من الأيزوبيوتان، باستخدام مُحفِّز مستقر للغاية. تُركّز المجموعة الصناعية على تطوير العملية، بينما تُركّز شركة الكيماويات على تطوير المُحفِّز. ويتمثل الهدف المشترك في زيادة كفاءة العملية بشكل ملحوظ من حيث استهلاك الموارد والطاقة من خلال تحسينات مُستهدفة على المُحفِّز وتصميم المصنع.

في هذا التكوين، يمكن لمنصات الذكاء الاصطناعي المُدارة تسريع دورات التطوير بشكل ملحوظ. ويمكن للمحاكاة المُعززة بالذكاء الاصطناعي اختبار تصاميم مُختلفة للمحفزات وتكوينات المصانع افتراضيًا قبل بناء نماذج أولية مادية باهظة الثمن. ويمكن لنماذج التعلم الآلي تحليل بيانات العمليات من المصانع التجريبية وتحديد فرص التحسين التي قد يفوتها المهندسون البشريون. ويمكن للوكلاء المستقلين تولي المراقبة المستمرة والضبط الدقيق للمصانع العاملة لضمان أقصى قدر من الكفاءة.

من الأمور ذات الأهمية الخاصة للتحالفات الصناعية قدرة منصات الذكاء الاصطناعي المُدارة على دمج مصادر بيانات متنوعة مع الحفاظ على التحكم في المعلومات الحساسة. عندما يتعاون مُصنِّع مواد لاصقة ومتخصص في البوليمرات لإنتاج مواد لاصقة مستدامة للإنشاءات الخشبية، يُساهم كل شريك بخبرة مُحددة: يُوفر متخصص البوليمرات موادًا قائمة على البولي يوريثان مُشتقة من مواد خام مُعزاة بيولوجيًا، بينما يستخدم مُصنِّع المواد اللاصقة هذه المواد في حلول لاصقة عالية الأداء. مع ذلك، تُعتبر عمليات التصنيع والتركيبات الكيميائية المُستخدمة أسرارًا تجارية بالغة الحساسية. تُتيح منصات الذكاء الاصطناعي المُدارة تدريب نماذج الذكاء الاصطناعي واستخدامها على هذه البيانات دون الحاجة إلى تبادل البيانات الخام بين الشريكين.

من الجوانب المهمة الأخرى في الممارسات الحالية سرعة التنفيذ. فبينما تستغرق مشاريع الذكاء الاصطناعي التقليدية عادةً من 12 إلى 18 شهرًا للوصول إلى جاهزية الإنتاج، تُمكّن منصات الذكاء الاصطناعي المُدارة من النشر في غضون أسابيع أو حتى أيام. يُعدّ هذا التوفير في الوقت ذا قيمة هائلة في اتحادات الشركات، حيث قد يؤدي التأخير بسرعة إلى ارتفاع التكاليف وفرض غرامات تعاقدية. أما بالنسبة للمشاريع الضخمة، مثل عقد محطة الطاقة البالغة قيمته 1.6 مليار دولار في المملكة العربية السعودية، والذي تُنفّذه شركة كبرى لتكنولوجيا الطاقة، والذي يتضمن اتفاقية صيانة لمدة 25 عامًا، فإنّ حتى المكاسب الطفيفة في الكفاءة الناتجة عن الصيانة التنبؤية بمساعدة الذكاء الاصطناعي يُمكن أن تُحقق وفورات بالملايين.

ينعكس التطبيق العملي أيضًا في نجاحات ملموسة للعملاء. أفاد مزود خدمات عقارية عالمي أن العمل مع مزود المنصة قد حسّن بشكل كبير قدرته على اكتساب رؤى قيّمة وتحقيق نتائج ملموسة للعملاء. وتمكن عميل آخر من أتمتة عملية عرض المبيعات بالكامل، مما قلّص وقت المعالجة من 24 ساعة إلى ثوانٍ معدودة. وتُعدّ هذه المكاسب في الكفاءة ذات أهمية أيضًا للتجمعات الصناعية، حيث يُعدّ إعداد العرض بسرعة وحساب التكاليف بدقة أمرًا بالغ الأهمية لتحقيق ميزة تنافسية.

الابتكار الذي تم اختباره ميدانيًا: دراستان حالتان من مشاريع اتحاد صناعي

ولتوضيح الأهمية العملية لمنصات الذكاء الاصطناعي المُدارة للمشاريع الصناعية واسعة النطاق، من المفيد إلقاء نظرة مفصلة على حالات الاستخدام الملموسة التي توضح التحديات المحددة ومنهجيات الحل في هياكل الكونسورتيوم.

تتمثل أول حالة استخدام في مجال إنتاج الهيدروجين الأخضر، حيث أبرمت شركة مزودة لتكنولوجيا التحليل الكهربائي باستخدام غشاء التبادل البروتوني (PEM) وشركة دولية مزودة لخدمات المنشآت الصناعية شراكة استراتيجية لتطوير مشاريع فعّالة واسعة النطاق في أوروبا. يركز هذا التعاون على مشاريع التحليل الكهربائي واسعة النطاق، ويجمع بين القدرات المتكاملة لكلتا الشركتين: إحداهما كمزود رائد لتكنولوجيا التحليل الكهربائي باستخدام غشاء التبادل البروتوني (PEM)، والأخرى كمزود دولي لخدمات المنشآت الصناعية.

يكمن التحدي في مثل هذه المشاريع في تعقيد الواجهات بين منطقة التحليل الكهربائي الأساسية، والتي عادةً ما تغطيها شركة تصنيع المعدات الأصلية (OEM)، والعناصر المتعلقة بالمصنع والتي عادةً ما يُكلف العملاء بها مُقدم خدمات الهندسة والمشتريات والبناء والإنشاء والإدارة (EPC/EPCM) أو مُدمج المصنع. وقد أدرك الشركاء أن الواجهات المحددة بوضوح والمفاهيم المُوحدة والمُفصلة للمصنع تُمثل قيمة مضافة كبيرة لجميع الأطراف المعنية. ولذلك، فإن جوهر تعاونهم هو التطوير المشترك لمفاهيم مشاريع الهيدروجين الأخضر وتنسيق الواجهات التقنية والتجارية بين الطرفين.

يمكن لمنصة الذكاء الاصطناعي المُدارة أن تؤدي عدة وظائف أساسية في هذا السيناريو. أولًا، يمكنها تسريع تطوير تصاميم المصانع الموحدة بشكل كبير من خلال استخلاص الأنماط من بيانات المشروع التاريخية واقتراح التكوينات المثلى. ثانيًا، يمكنها أتمتة التكامل التقني بين أنظمة الشريكين من خلال العمل كبرنامج وسيط ذكي يُحوّل البيانات ويتبادلها آنيًا. ثالثًا، يمكنها مراقبة معايير المشروع باستمرار خلال مرحلتي التخطيط والتنفيذ، وتنبيههم إلى المشاكل المحتملة مبكرًا قبل أن تؤدي إلى تأخيرات مكلفة.

من أهمّ ما يُميّز المنصة قدرتها على تجميع المعرفة عبر حدود المشاريع دون الكشف عن بيانات حساسة. تعمل الشركتان على شراكة استراتيجية غير حصرية، ما يعني إمكانية تعاونهما مع شركاء آخرين بالتوازي. يمكن لمنصة الذكاء الاصطناعي المُدارة تجميع الرؤى من مشاريع مختلفة واستخلاص أفضل الممارسات العامة دون الحاجة إلى مشاركة تفاصيل خاصة بالمشروع بين الشركات المتنافسة. وهذا يُتيح التعلم والتحسين المستمرين في محفظة المشاريع بأكملها مع الحفاظ على الحساسيات التجارية.

تتجلى الفوائد الملموسة أيضًا في توسيع نطاق العمل. كلتا الشركتين مقتنعتان بأن الهيدروجين الأخضر سيلعب دورًا محوريًا في تحول سوق الطاقة، وأن التعاون بين الجهات المعنية سيكون أساسيًا في دفع عجلة اقتصاد الهيدروجين. ومع توقع زيادة الطلب العالمي على الهيدروجين الأخضر بشكل ملحوظ في السنوات والعقود القادمة، يرى الشريكان إمكانات تجارية واعدة في الاستفادة من هذا السوق. وبفضل مهاراتهما المتكاملة، يمكنهما المساهمة بشكل كبير في هذا التحول. ومن شأن منصة الذكاء الاصطناعي المُدارة أن تُسهّل هذا التوسع بشكل كبير من خلال جعل أنماط المشاريع المُجرّبة قابلة للتكرار، وتقليل المهلة الزمنية للمشاريع الجديدة بشكل كبير.

أما حالة الاستخدام الثانية فتتعلق بصناعة السيارات، وتتعلق بمبادرة البرمجيات المذكورة آنفًا. وتتعاون إحدى عشرة شركة رائدة في صناعة السيارات الأوروبية، بما في ذلك مصنّعون للسيارات وموردون رئيسيون، في قيادة مبادرة مفتوحة المصدر. وتهدف المبادرة إلى تطوير برمجيات سيارات غير تمييزية، استنادًا إلى حزمة برمجيات مفتوحة وقابلة للاعتماد، لتسريع عملية التحول إلى المركبات المُعرّفة برمجيًا.

التحدي واضح: تمتلك كلٌّ من هذه الشركات المصنّعة أنظمة تكنولوجيا معلومات وبنى تحتية إنتاجية بالغة التعقيد، طُوّرت على مدى عقود. في الوقت نفسه، تتنافس هذه الشركات بشراسة في السوق، ويجب عليها الحفاظ على سماتها المميزة. لذلك، يُركّز تحالف البرمجيات عمدًا على المكونات التي لا يدركها السائقون أو الركاب مباشرةً، مثل مصادقة مكونات السيارة، والتواصل بينها، بالإضافة إلى الخدمات السحابية، وواجهات العملاء، وأنظمة التشغيل عالية المستوى. سيستمر تطوير واجهات المستخدم وأنظمة المعلومات والترفيه الخاصة بكل شركة مصنّعة داخليًا، وستبقى متمايزة تمامًا عن بعضها البعض.

من خلال هذا التعاون، تأمل الشركتان في خفض تكاليف تطوير البرمجيات مع تقصير أوقات تسليم الطرازات الجديدة للحفاظ على قدرتها التنافسية في السوق العالمية. صُممت هذه المنصة المعيارية لدعم القيادة الذاتية، وستكون متاحة للمشاركين الآخرين في الصناعة بحلول عام 2026. ومن المتوقع توفير مئات الملايين من الدولارات من تكاليف التطوير، ومن المقرر إنتاج أول مركبة مزودة بهذه التقنية في عام 2030.

في هذا السيناريو المعقد، يمكن لمنصة الذكاء الاصطناعي المُدارة أن تُشكل أساسًا تكنولوجيًا مشتركًا، تؤدي عدة وظائف أساسية. أولًا، يمكن أن تعمل كطبقة تنسيق مركزية، تُنسق تكامل مكونات البرامج المختلفة من شركاء مختلفين دون إلزامهم بالكشف عن شفرتهم البرمجية الخاصة. ستعمل المنصة كبرنامج وسيط ذكي، يُوحد الواجهات ويضمن التوافق، بينما يحتفظ كل شريك بأدواته وعملياته التطويرية الخاصة.

ثانيًا، يُمكن للمنصة تمكين أتمتة الاختبارات المتقدمة. يُمثل ضمان التوافق والموثوقية مع حزم البرامج التي طورتها إحدى عشرة شركة مختلفة تحديًا كبيرًا. يُمكن لبرامج الذكاء الاصطناعي إجراء اختبارات آلية باستمرار، وتحديد أوجه عدم التوافق المحتملة، بل وحتى اقتراح حلول قبل وصول المشكلات إلى أنظمة الإنتاج. وسيكون هذا مفيدًا بشكل خاص للمكونات الحساسة للسلامة والمتعلقة بالقيادة الذاتية.

ثالثًا، يُمكن للمنصة تمكين تجميع المعرفة بين جميع الشركات الشريكة. إذا وجد أحد الشركاء حلاً مُحددًا لمشكلة تقنية، يُمكن للذكاء الاصطناعي تلخيص هذا النهج وإتاحته للشركاء الآخرين دون الكشف عن تفاصيل التنفيذ الخاصة بذلك الشريك. سيُعزز هذا التعلم الجماعي مع الحفاظ على المزايا التنافسية - وهو توازن يصعب تحقيقه في التكتلات.

رابعًا، يمكن لنماذج التسعير القائمة على الأداء لمنصة الذكاء الاصطناعي المُدارة أن تُقلل من المخاطر المالية لشركاء التحالف. فبدلًا من الاستثمار المُسبق الكبير في البنية التحتية للذكاء الاصطناعي، ستدفع الشركات فقط مقابل النتائج الملموسة، مثل تقليل وقت التطوير، وتحسين جودة الكود، وتسريع دورات الاختبار. وهذا أمرٌ مُغريٌّ للغاية في قطاعٍ يواجه حاليًا تحدياتٍ ماليةً هائلةً بسبب التحول إلى الكهرباء والتحول في البرمجيات.

يوضح كلا حالتي الاستخدام نمطًا مشتركًا: تتطلب المشاريع الصناعية واسعة النطاق في اتحادات الشركات توازنًا بين التعاون والتنافس، وبين التوحيد القياسي والتميز، وبين السرعة والاجتهاد. توفر منصات الذكاء الاصطناعي المُدارة البنية التحتية التكنولوجية اللازمة للتوفيق بين هذه المتطلبات المتضاربة. فهي تُمكّن من الابتكار السريع دون فقدان السيطرة، والاستخدام المشترك للموارد دون الكشف عن الأسرار التجارية، والتعلم الجماعي دون إضعاف المزايا التنافسية.

الجانب الآخر من العملة: المخاطر والخلافات في تطبيقات الذكاء الاصطناعي المُدارة

تُعدّ جودة البيانات وحوكمتها من القضايا الحرجة. تَعِد منصات الذكاء الاصطناعي المُدارة بالقدرة على التعامل مع مصادر بيانات غير مُهيكلة ومتباينة. ومع ذلك، يبقى المبدأ الأساسي قائمًا: البيانات الضعيفة تُؤدي إلى نتائج ضعيفة في مجال الذكاء الاصطناعي. تُظهر دراسة أن 42% من قادة الأعمال يخشون عدم امتلاكهم بياناتٍ خاصة كافية لتدريب نماذج الذكاء الاصطناعي أو تكييفها بفعالية. في اتحادات الشركات، تتفاقم هذه المشكلة بسبب تجزئة البيانات: حيث تُوزّع المعلومات ذات الصلة على شركاء مُختلفين، وتُخزّن بصيغ مُختلفة، وغالبًا ما تكون غير مُتاحة لنماذج الذكاء الاصطناعي المُشتركة.

يتفاقم التحدي بسبب حواجز البيانات. ففي تحالفات الشركات، لا تقتصر الحواجز التقنية على المؤسسات الفردية فحسب، بل تشمل أيضًا حواجز قانونية وتجارية بين الشركاء. وحتى لو كانت منصة الذكاء الاصطناعي المُدارة قادرة تقنيًا على دمج مصادر بيانات متنوعة، فإن اتفاقيات السرية ومخاوف المنافسة غالبًا ما تحول دون تبادل البيانات الضروري. وهذا يُقوّض ميزة أساسية للذكاء الاصطناعي: القدرة على التعلم من مجموعات بيانات ضخمة ومتنوعة.

تتعلق مشكلة أخرى بشفافية قرارات الذكاء الاصطناعي وإمكانية تفسيرها. تعمل العديد من نماذج الذكاء الاصطناعي كصناديق سوداء، يصعب فهم عمليات اتخاذ القرار فيها. وهذا أمر بالغ الأهمية بشكل خاص في الصناعات الخاضعة للتنظيم، مثل تكنولوجيا الطاقة أو الدفاع، حيث يجب أن تكون القرارات مبررة وقابلة للتدقيق. عندما يتخذ أحد موظفي الذكاء الاصطناعي في مشروع اتحادي قرارًا حاسمًا - مثل تعديل معايير الإنتاج في مصنع كيميائي أو إعادة توجيه تدفقات الطاقة في محطة توليد الطاقة - يجب على جميع الشركاء فهم سبب اتخاذ هذا القرار والقدرة على استيعابه.

يُشدد قانون الذكاء الاصطناعي الأوروبي، الذي سيدخل حيز التنفيذ تدريجيًا في أغسطس 2025، هذه المتطلبات بشكل كبير. تخضع أنظمة الذكاء الاصطناعي عالية المخاطر لالتزامات صارمة بالتوثيق والشفافية. ويجب على منصات الذكاء الاصطناعي المُدارة ضمان استيفاء أنظمتها لهذه المتطلبات، وهي مهمة معقدة عندما يعمل الذكاء الاصطناعي عبر حدود الشركات ويتخذ قرارات تؤثر على كيانات متعددة منفصلة قانونيًا.

يتعلق الخطر الثالث بالأمن وسطح الهجوم الإلكتروني. تُوسّع أنظمة الذكاء الاصطناعي بشكل كبير سطح هجوم الشركات. يُمكن للمُدخلات المُنافسة التلاعب بنماذج الذكاء الاصطناعي، مما يؤدي إلى اتخاذ قرارات خاطئة أو ضارة. في التجمعات الصناعية التي تخضع فيها البنية التحتية الحيوية للرقابة، قد تُسفر هذه الهجمات عن عواقب وخيمة. يُمكن لنظام ذكاء اصطناعي مُخترق في مشروع تحليل كهربائي للهيدروجين أن يتجاوز آليات الأمن، ويُسبب ظروف تشغيل خطيرة.

يتفاقم التحدي بسبب استقلالية وكلاء الذكاء الاصطناعي. فعندما يُمكَّن الوكلاء من تنفيذ إجراءات بشكل مستقل - كالمعاملات المالية، أو تعديلات النظام، أو التعديلات التشغيلية - فإن القرارات المُتلاعب بها أو الخاطئة قد تُسفر عن عواقب وخيمة قبل أن تتدخل الرقابة البشرية. يجب على منصات الذكاء الاصطناعي المُدارة تطبيق حواجز حماية قوية تُقيِّد الاستقلالية وتضمن أن القرارات الحاسمة تتطلب موافقة بشرية.

المشكلة الرابعة تتعلق بالجمود التنظيمي وقبول الحلول. حتى حلول الذكاء الاصطناعي المتطورة تقنيًا غالبًا ما تفشل بسبب نقص تبني المستخدمين لها ومقاومة المؤسسات لها. ويتضاعف هذا التحدي في التكتلات، إذ لا يقتصر الأمر على إقناع الشركات الفردية فحسب، بل يتطلب أيضًا إقناع شبكات الشركاء المنسقة. فإذا رفض أحد شركاء التكتلات حل الذكاء الاصطناعي أو لم يستخدمه بفعالية، فقد يؤثر ذلك على المشروع بأكمله.

تُفاقم الاختلافات الثقافية بين المؤسسات هذه المشكلة. فشركة هندسة ميكانيكية ألمانية، تعتمد على عملية صنع قرار يقودها المهندس، لديها ثقافة مختلفة جذريًا عن شركة ناشئة في مجال التكنولوجيا الرشيقة أو شركة توريد طاقة ذات هيكل بيروقراطي. يجب على منصات الذكاء الاصطناعي المُدارة التكيف مع هذه السياقات المتنوعة، وهو تحدٍّ غالبًا ما يُستهان به.

يتعلق الخطر الخامس بالتحيز الخوارزمي والإنصاف. قد ترث نماذج الذكاء الاصطناعي التحيزات والتشوهات من بيانات تدريبها وتُرسخها. في التطبيقات الصناعية، قد يؤدي هذا إلى اتخاذ قرارات غير مثالية بشكل منهجي. على سبيل المثال، إذا تم تدريب نظام ذكاء اصطناعي لتخطيط القوى العاملة في مشروع تحالف، وأظهرت البيانات التاريخية نقصًا في تمثيل فئات معينة، فقد يُرسخ الذكاء الاصطناعي هذا التحيز ويُعززه.

أخيرًا، هناك مسألة جوهرية تتعلق بشفافية التكاليف وعائد الاستثمار. فبينما تُعلن منصات الذكاء الاصطناعي المُدارة عن نماذج تسعير قائمة على النجاح، غالبًا ما يظل من غير الواضح كيفية قياس النجاح بدقة ومن يتحكم في هذا القياس. في التكتلات، حيث تُخصص التكاليف عادةً وفقًا لصيغ معقدة، قد يكون توزيع الفوائد المُولّدة من الذكاء الاصطناعي على الشركاء الأفراد أمرًا مثيرًا للجدل. فإذا أدى تحسين الذكاء الاصطناعي إلى زيادة كفاءة عملية مشتركة بنسبة 15%، فكيف تُوزّع هذه الفائدة بين مورد التكنولوجيا، ومُدمج المصنع، والمُشغّل؟

لا تعني هذه التحديات أن منصات الذكاء الاصطناعي المُدارة غير مناسبة للاتحادات الصناعية. ومع ذلك، فإنها تُبرز الحاجة إلى بذل عناية واجبة دقيقة، وضمانات تعاقدية متينة، وتوقعات واقعية. لا يتطلب التنفيذ الناجح تميزًا تقنيًا فحسب، بل يتطلب أيضًا هياكل حوكمة مدروسة جيدًا، وخطوط مساءلة واضحة، ومراقبة مستمرة.

آفاق الذكاء

التطورات المستقبلية في نظام الذكاء الاصطناعي المُدار - الصورة: Xpert.Digital

بدأ تطوير منصات الذكاء الاصطناعي المُدارة للتو. وتشير العديد من الاتجاهات المتقاربة إلى أن النظام البيئي سيشهد تغييرات جذرية في السنوات القادمة، مع تداعيات كبيرة على الاتحادات الصناعية والمشاريع الضخمة.

الاتجاه الأبرز هو صعود الذكاء الاصطناعي الوكيل، وهو عبارة عن عمال رقميين مستقلين قادرين على أداء مهام معقدة بأقل تدخل بشري. تتوقع شركة رائدة في أبحاث السوق أنه بحلول عام 2026، ستتضمن أكثر من 30% من التطبيقات الجديدة وكلاء مستقلين مدمجين. يحدد هؤلاء الوكلاء الأهداف، ويتخذون القرارات، ويجمعون المعرفة، وينجزون المهام بشكل مستقل إلى حد كبير. بالنسبة للتجمعات الصناعية، قد يعني هذا أن الوكلاء يعملون بشكل روتيني عبر الحدود التنظيمية - على سبيل المثال، وكيل يُحسّن سلسلة التوريد الخاصة بمشروع مشترك من خلال التفاعل بشكل مستقل مع أنظمة تابعة لشركاء متعددين.

قامت شركة استشارات عالمية بنشر أكثر من 50 وكيل ذكاء اصطناعي في مختلف الأقسام، وتتوقع تشغيل أكثر من 100 وكيل بحلول نهاية العام. يقدم مزود وكلاء الذكاء الاصطناعي تسعيرًا قائمًا على النجاح لوكلائه، مؤكدًا: "لا نتقاضى أجرًا إلا عند تحقيق نتائج حقيقية". يمكن أن يصبح هذا النموذج معيارًا لمنصات الذكاء الاصطناعي المُدارة، ويساهم في تقليل المخاطر المالية للتحالفات الصناعية.

الاتجاه المهم الثاني هو تزايد الذكاء العاطفي لأنظمة الذكاء الاصطناعي. يدمج الذكاء الاصطناعي التحادثي الذكاء العاطفي لفهم المشاعر البشرية والاستجابة لها بشكل أفضل، مما يُحسّن تجربة المستخدم. بالنسبة للتطبيقات الصناعية، قد يعني هذا أن أنظمة الذكاء الاصطناعي لا تقترح تحسينات تقنية فحسب، بل تأخذ أيضًا في الاعتبار العوامل التنظيمية والبشرية الضرورية لنجاح التنفيذ. يمكن لوكيل الذكاء الاصطناعي اكتشاف المقاومة المتزايدة لتغيير عملية مقترحة داخل فريق ائتلاف، واقتراح مناهج بديلة أقل إزعاجًا.

الاتجاه المهم الثالث هو سيادة البيانات والذكاء الاصطناعي المُركّز على الخصوصية. مع تزايد استثمار المؤسسات في الذكاء الاصطناعي المُولّد، يتزايد الوعي بمخاطر خصوصية البيانات والحاجة إلى حماية المعلومات الشخصية ومعلومات العملاء. سيؤدي ذلك إلى زيادة التركيز على نماذج الذكاء الاصطناعي المُركّزة على الخصوصية، حيث تتم معالجة البيانات محليًا أو مباشرةً على أجهزة المستخدمين. تُميّز إحدى شركات التكنولوجيا والأجهزة الكبرى نفسها بإعطاء الأولوية لخصوصية البيانات، ومن المُرجّح أن تحذو شركات أخرى مُصنّعة ومُطوّرة لأجهزة الذكاء الاصطناعي حذوها في عام ٢٠٢٦.

هذا مهمٌّ بشكل خاص للاتحادات الصناعية. إن القدرة على تدريب نماذج الذكاء الاصطناعي على البيانات المُجمّعة - حيث يصل النموذج إلى البيانات، وليس العكس - قد تُحلّ التحدي الأساسي المتمثل في مشاركة البيانات بين الشركاء. يمكن لنموذج الذكاء الاصطناعي أن يتعلم من بيانات شركة كيميائية، أو مُصنّع مصانع، أو شركاء آخرين دون الحاجة إلى الكشف عن بياناتهم الخام.

الاتجاه الرابع يتعلق بالبيانات التركيبية للتحليل والمحاكاة. فإلى جانب توليد النصوص والصور، يتزايد استخدام الذكاء الاصطناعي التوليدي لتوليد البيانات الأساسية اللازمة لفهم العالم الحقيقي، ومحاكاة أنظمة مختلفة، وتدريب خوارزميات إضافية. وهذا يُمكّن البنوك من نمذجة مخططات الاحتيال دون المساس ببيانات العملاء الحقيقية، ويسمح لمقدمي الرعاية الصحية بمحاكاة العلاجات والتجارب دون المساس بخصوصية المرضى.

في الاتحادات الصناعية، يُمكن أن يُحدث توليد البيانات الاصطناعية ثورةً في تطوير واختبار العمليات الجديدة. يُمكن للشركاء تدريب نماذج الذكاء الاصطناعي بشكل مشترك على بيانات اصطناعية تعكس خصائص أنظمتهم الواقعية دون الكشف عن معلومات تشغيلية حساسة. سيُتيح هذا الابتكار التعاوني مع الحفاظ على الحساسيات التجارية.

الاتجاه الخامس هو التوحيد والتوحيد المستمر لسوق الذكاء الاصطناعي كخدمة (AIaaS). من المتوقع أن ينمو سوق الذكاء الاصطناعي كخدمة العالمي من 16.08 مليار دولار أمريكي في عام 2024 إلى 105.04 مليار دولار أمريكي بحلول عام 2030، بمعدل نمو سنوي مركب قدره 36.1%. وتتوقع إحدى شركات أبحاث السوق نموًا من 20.26 مليار دولار أمريكي في عام 2025 إلى 91.20 مليار دولار أمريكي بحلول عام 2030، بمعدل نمو سنوي مركب قدره 35.1%.

من المرجح أن يؤدي هذا التوسع الهائل في السوق إلى زيادة عمليات الدمج، حيث ستستحوذ بعض المنصات على مراكز مهيمنة بينما تخرج أخرى. بالنسبة للتحالفات الصناعية، يعني هذا ضرورة اختيار الموردين بعناية، مع مراعاة ليس فقط القدرات الحالية، بل أيضًا الجدوى على المدى الطويل. في الوقت نفسه، سيُسهّل ازدياد النضج والتوحيد القياسي التكامل، وربما يُقلّل تكاليف التبديل بين المنصات.

التوجه الرئيسي السادس هو التخصص في قطاعات محددة. تقود القطاعات الخاضعة للتنظيم، مثل الخدمات المالية والتأمين والرعاية الصحية والتصنيع، تبني الذكاء الاصطناعي. تتمتع هذه القطاعات بأسس متينة في مجال الحوكمة وحماية البيانات، مما يجعل الانتقال إلى الذكاء الاصطناعي استثمارًا صغيرًا ولكنه بالغ الأثر. ستعمل منصات الذكاء الاصطناعي المُدارة بشكل متزايد على تطوير حلول متخصصة لقطاعات محددة، مما يعكس فهمًا عميقًا لسير العمل والتحديات والبيئات التنظيمية الخاصة بكل منها.

بالنسبة للاتحادات الصناعية، قد يعني هذا إنشاء منصات مصممة خصيصًا لتلبية احتياجات المشاريع متعددة الشركاء - مع آليات حوكمة متكاملة، وأطر حماية البيانات، ونماذج الفوترة التي تأخذ في الاعتبار تعقيد هياكل الاتحاد.

يتعلق التوجه السابع بالتكامل مع التقنيات الناشئة مثل الجيل الخامس وإنترنت الأشياء. وتكمن الفرص المستقبلية في تطوير حلول ذكاء اصطناعي أكثر قابلية للتخصيص، وتحسين حماية البيانات، والتكامل مع التقنيات الناشئة مثل إنترنت الأشياء والجيل الخامس. وبالنسبة للمشاريع الصناعية واسعة النطاق، حيث يتعين تنسيق آلاف المستشعرات والمشغلات آنيًا، قد يكون لهذا التقارب أثرٌ بالغ. إذ يمكن لبرامج الذكاء الاصطناعي التواصل مباشرةً مع الأجهزة الطرفية، واتخاذ قرارات في غضون أجزاء من الثانية، والتعلم المستمر من تدفقات البيانات الناتجة.

أخيرًا، يشير الاتجاه الثامن إلى تحول جذري في نماذج أعمال البرمجيات. يُمكن لتكامل الذكاء الاصطناعي أن يُتيح نماذج إيرادات جديدة - مثل التسعير القائم على الاستخدام والتسعير القائم على النجاح - التي توفر مرونة أكبر وتتماشى بشكل أوثق مع القيمة التي يحصل عليها العملاء. وقد طبّق مزود منصة سحابية لسير عمل المؤسسات نظامي تسعير قائمين على الاستخدام والتسعير القائم على النجاح، مما يسمح للعملاء بالدفع لكل حل آلي للحوادث أو لكل سير عمل مُدار بالذكاء الاصطناعي، مع ربط التسعير أيضًا بانخفاض أوقات حل التذاكر وانخفاض تكاليف العمالة.

بالنسبة للتحالفات الصناعية، يمكن لهذه النماذج أن تُبسّط توزيع التكاليف بشكل كبير. فبدلاً من الاتفاقيات المسبقة المعقدة بشأن الاستثمارات وتقاسم المخاطر، سيدفع الشركاء ببساطة مقابل الفوائد الفعلية المُحققة - مُقاسةً بساعات العمل المُوفّرة، أو انخفاض تكاليف الطاقة، أو تحسّن معدلات الإنتاج. وهذا لن يُقلّل المخاطر المالية فحسب، بل سيُحسّن أيضًا مواءمة الحوافز: سيستفيد جميع الشركاء مباشرةً من نجاح تطبيق الذكاء الاصطناعي.

تشير هذه الاتجاهات المتقاربة إلى مستقبل ستصبح فيه منصات الذكاء الاصطناعي المُدارة طبقات تنسيق أساسية للتعاون الصناعي. لن توفر هذه المنصات البنية التحتية التقنية فحسب، بل ستؤدي أيضًا دور الوسيط الذكي بين الشركاء، مُوازنةً بين التعاون والتنافس، ومُجمعةً المعرفة دون كشف الأسرار، ومُتيحةً التعلم المستمر عبر حدود المشاريع. ستتمتع التحالفات التي تستبق هذا التطور مُبكرًا وتستثمر في بناء القدرات ذات الصلة بميزة تنافسية كبيرة.

التصنيف المنهجي: ما يعنيه الذكاء الاصطناعي المُدار للتعاون الصناعي

يكشف تحليل منصات الذكاء الاصطناعي المُدارة عن تحول جذري في نموذج تصميم وتنفيذ المشاريع الصناعية واسعة النطاق. ويمكن تحليل النتائج الرئيسية عبر عدة أبعاد.

أولاً، تُمكّن هذه المنصات من سرعة غير مسبوقة في تكامل الذكاء الاصطناعي. فبينما تستغرق التطبيقات التقليدية من ١٢ إلى ١٨ شهرًا، وتبلغ نسبة الخطأ فيها ٨٥٪، تُمكّن الأساليب القائمة على المخططات من إنتاج حلول جاهزة للإنتاج في غضون أيام أو أسابيع. وهذا يُحدث نقلة نوعية في التحالفات الصناعية، حيث تُترجم التأخيرات مباشرةً إلى زيادات في التكاليف وغرامات تعاقدية. ويُظهر مشروع مجموعة تكنولوجيا الطاقة في المملكة العربية السعودية، بحجمه البالغ ١.٦ مليار دولار أمريكي ومدته ٢٥ عامًا، مدى التأثير المالي الكبير الذي يُمكن أن تُحدثه حتى التحسينات الطفيفة في الكفاءة.

ثانيًا، تُحلّ منصات الذكاء الاصطناعي المُدارة المعضلة الأساسية المتمثلة في سيادة البيانات في المشاريع متعددة الشركاء. تُتيح بنى الثقة الصفرية وخيار النشر المحلي أو السحابي الخاص للشركات استخدام الذكاء الاصطناعي دون الكشف عن بيانات حساسة. وهذا مهمٌّ بشكل خاص في سيناريوهات مثل التعاون بين شركة كيميائية وشركة مصنعة في تطوير المحفزات، حيث يجب على كل شريك حماية أسرار تجارية بالغة الحساسية مع ضرورة تحقيق تكامل تقني وثيق في الوقت نفسه.

ثالثًا، تُسهّل هذه المنصات الوصول إلى قدرات الذكاء الاصطناعي المتقدمة. فبينما كانت الشركات التي تمتلك فرقًا واسعة في مجال علوم البيانات وميزانيات ضخمة هي الوحيدة القادرة على استخدام الذكاء الاصطناعي بفعالية، تُمكّن النُهُج المُدارة أيضًا الشركات المتوسطة الحجم والموردين المتخصصين من الوصول إلى ذكاء اصطناعي على مستوى المؤسسات. وفي التكتلات، حيث يعمل المقاول الرئيسي الكبير عادةً مع العديد من المقاولين الفرعيين الأصغر حجمًا، يُسهم هذا في تسوية الاختلالات التكنولوجية ويُتيح تكاملًا رقميًا حقيقيًا عبر سلسلة التوريد بأكملها.

رابعًا، تُحدث نماذج التسعير القائمة على النجاح تحولًا في هيكل مخاطر استثمارات الذكاء الاصطناعي. فبدلًا من الاستثمارات الأولية الباهظة ذات النتائج غير المؤكدة، تدفع الشركات فقط مقابل نجاح أعمالها الملحوظ. وهذا أمرٌ جذابٌ للغاية في ظل المناخ الاقتصادي الحالي، حيث تتعرض الشركات الصناعية لضغوط هامش الربح، ويتزايد اعتماد قرارات الاستثمار على عائد الاستثمار. ويهدف تحالف برمجيات شركات تصنيع السيارات صراحةً إلى خفض تكاليف التطوير، ومن شأن منصات الذكاء الاصطناعي المُدارة ذات النماذج القائمة على النجاح أن تدعم هذا الهدف.

خامسًا، تُمكّن البنى التحتية غير المرتبطة ببرامج ماجستير القانون من الاستعداد للمستقبل، وهو أمر بالغ الأهمية في سوق سريعة التطور. فالشركات غير مقيدة بنماذج أو موردين محددين، ويمكنها الاستجابة بمرونة للتطورات التكنولوجية. وهذا يحمي المؤسسات من مصير المؤسسات التي تعتمد على تقنيات قديمة، ثم تضطر إلى القيام بعمليات انتقال مكلفة.

سادسًا، تُعالج هذه المنصات التحدي التنظيمي لحوكمة الذكاء الاصطناعي في التكتلات. فمن خلال مسارات التدقيق المتكاملة، وآليات الشفافية، وميزات الامتثال، يُمكن للمشاريع متعددة الشركاء تلبية المتطلبات التنظيمية المتزايدة الصرامة، مثل قانون الذكاء الاصطناعي للاتحاد الأوروبي، دون الحاجة إلى إنشاء هياكل حوكمة منفصلة لكل شريك.

ومع ذلك، سيكون من السذاجة تجاهل المخاطر والتحديات المُحددة. فمخاطر احتكار الموردين، ومخاوف حماية البيانات وأمنها، ومشاكل الشفافية وسهولة التفسير، وتحديات تبني الحلول على مستوى المؤسسات، لا تزال قائمة وتتطلب معالجة دقيقة. وتتطلب عمليات التنفيذ الناجحة أكثر من مجرد التميز التكنولوجي، بل تتطلب اتفاقيات تعاقدية مدروسة بعناية، وهياكل حوكمة متينة، ومراقبة مستمرة، والتزامًا بالتغيير المؤسسي من قِبل جميع شركاء التحالف.

يجب أن يكون التقييم النهائي دقيقًا. منصات الذكاء الاصطناعي المُدارة ليست حلاً سحريًا يُعالج تلقائيًا جميع تحديات دمج الذكاء الاصطناعي الصناعي. ومع ذلك، فهي تُمثل تقدمًا ملحوظًا مقارنةً بالمناهج التقليدية، وتُعالج العديد من المشكلات الهيكلية التي ساهمت في ارتفاع معدل فشل مشاريع الذكاء الاصطناعي. بالنسبة للتجمعات الصناعية والمشاريع واسعة النطاق، تُوفر هذه المنصات حلاً وسطًا عمليًا بين التطرف في التطوير الذاتي والاعتماد الكامل على خدمات السحابة العامة.

من المرجح أن تستمر الأهمية الاستراتيجية لهذه المنصات في النمو خلال السنوات القادمة. يشير النمو الهائل في السوق من 16 مليار دولار إلى أكثر من 100 مليار دولار بحلول عام 2030، والتطور المتزايد للذكاء الاصطناعي الوكيل، والتوحيد القياسي المستمر، إلى منظومة متكاملة آخذة في النضج. ستكون الشركات التي تكتسب خبرة مبكرة في هذه المنصات وتطور قدراتها المناسبة في وضع جيد لقيادة الموجة القادمة من الابتكار الصناعي.

بالنسبة للشركات الصناعية الألمانية، الرائدة تقليديًا في مجالات كالهندسة الميكانيكية، والكيماويات، وصناعة السيارات، يُمكن أن تُمثل منصات الذكاء الاصطناعي المُدارة مفتاحًا للحفاظ على التنافسية العالمية في عالمٍ رقميٍّ متزايد. تُشير أمثلة الشركات الكيميائية والصناعية الكبرى، وشركات تصنيع السيارات، وموردي الطاقة، وشركائهم، إلى أن هذه الشركات تعمل بالفعل بنشاط على مستقبل الابتكار التعاوني. يُمكن، بل ينبغي، أن تكون منصات الذكاء الاصطناعي المُدارة جزءًا لا يتجزأ من هذا المستقبل - ليس كبديلٍ للخبرة البشرية والحكم الريادي، بل كعاملٍ مُضاعفٍ قويٍّ يُعزز بشكلٍ جذريٍّ سرعة الابتكار التعاوني ودقته وقابليته للتوسع.

Konrad Wolfenstein

سأكون سعيدًا بالعمل كمستشار شخصي لك.

الاتصال بي تحت Wolfenstein ∂ xpert.digital

اتصل بي تحت +49 89 674 804 (ميونيخ)

ينكدين