حلول الذكاء الاصطناعي المُدارة للمؤسسات بنهج المخططات: التحول النموذجي في تكامل الذكاء الاصطناعي الصناعي

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

لم يعد تطوير الذكاء الاصطناعي يتم عبر مشاريع ضخمة، بل أصبح يتم إدارته بشكل منظم. تُحدث منصات الذكاء الاصطناعي المُدارة، كتلك الموصوفة هنا، نقلة نوعية في منطق التنفيذ المطوّل، وتُتيح الوصول إلى حلول ذكاء اصطناعي مُخصصة للغاية، مما يُغير قواعد اللعبة جذريًا للتحالفات الصناعية والتكتلات والمشاريع المشتركة. على عكس مشاريع الذكاء الاصطناعي التقليدية، يُتيح نهج المخططات حلولًا جاهزة للإنتاج في غضون أسابيع أو حتى أيام، دون الحاجة إلى مشاركة البيانات، أو تكاليف مُسبقة، أو تنازلات تقنية.

ذو صلة بهذا الموضوع:

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

العملة الجديدة للتنافسية الصناعية: السرعة دون فقدان السيطرة

في اقتصاد تتعاون فيه شركات التكنولوجيا، وتطور فيه شركات الكيماويات منتجاتها بالتعاون مع شركات تصنيع المصانع، وتتشارك فيه كبرى شركات تصنيع السيارات في إنشاء حزم برمجية، لم يعد النجاح يُقاس بالحجم، بل بسرعة التكامل. توفر منصات الذكاء الاصطناعي المُدارة ما تحتاجه هياكل التكتلات المعقدة بشدة: تطبيقات ذكاء اصطناعي سريعة وآمنة وقابلة للتوسع، تتكامل بسلاسة مع بيئات تكنولوجيا المعلومات المتنوعة، مع الحفاظ على سيادة بيانات كل شريك على حدة.

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

لم يعد الذكاء الاصطناعي مجرد وعدٍ للمستقبل، بل أصبح عنصرًا أساسيًا في خلق القيمة الصناعية. ومع ذلك، فبينما يبدو إمكاناته النظرية مبهرة، فإن نسبة مذهلة تصل إلى 95% من تطبيقات الذكاء الاصطناعي في المؤسسات تفشل عمليًا، وفقًا لبحثٍ أجراه معهد ماساتشوستس للتكنولوجيا. وتتعدد الأسباب: عدم كفاية جودة البيانات، وعدم كفاية التكامل مع الأنظمة القائمة، ونقص الخبرة، وقبل كل شيء، طول دورات تطوير مشاريع الذكاء الاصطناعي التقليدية. وفي عصرٍ تتعاون فيه شركات التكنولوجيا الكبرى في تحالفات مع متخصصين في الأتمتة أو شركات تكامل محلية، تتفاقم هذه المشكلة. فتباين بيئات تكنولوجيا المعلومات، واختلاف متطلبات حماية البيانات، وهياكل الحوكمة المعقدة، كلها عوامل تُعقّد تطبيق حلول الذكاء الاصطناعي إلى درجةٍ تجعل الأساليب التقليدية تصل إلى حدودها القصوى.

هنا تحديدًا تبرز أهمية منصات الذكاء الاصطناعي المُدارة. فهي تُقدم نهجًا مختلفًا جذريًا: فبدلًا من تطوير أنظمة الذكاء الاصطناعي من الصفر، تُوفر حلولًا مُدارة بالكامل وقابلة للتخصيص بدرجة عالية، وجاهزة للاستخدام في غضون أيام. وقد أتقن أحد المزودين الرائدين هذا النهج من خلال نموذج "بلوبرينت" الخاص به، وهو عملية تستبدل المراحل التقليدية لتحليل المتطلبات، وهندسة البرمجيات، والتنفيذ، بعملية توليد آلية. والنتيجة هي تطبيقات ذكاء اصطناعي مُصممة خصيصًا تتكامل بسلاسة مع أنظمة تخطيط موارد المؤسسات (ERP) الحالية، وأنظمة تنفيذ التصنيع، أو حتى مصادر البيانات غير المهيكلة.

تتضح أهمية هذا النهج بشكل خاص عند النظر في ديناميكيات المشاريع الصناعية الضخمة. فمشاريع البنية التحتية الحديثة - سواء في إنشاء محطات توليد الطاقة، أو البنية التحتية للسكك الحديدية، أو حلول الأتمتة الصناعية المعقدة - تُنفذ الآن بشكل شبه حصري من خلال اتحادات أو مشاريع مشتركة أو تحالفات. على سبيل المثال، في مارس 2025، فازت شركة رائدة في مجال تكنولوجيا الطاقة بعقد قيمته 1.6 مليار دولار أمريكي لإنشاء محطات توليد طاقة تعمل بالغاز في المملكة العربية السعودية، وذلك بالتعاون مع مورد دولي لمعدات محطات الطاقة كمقاول للهندسة والمشتريات والإنشاء. وتُعد هذه الهياكل ضرورية لأن الشركات الفردية نادرًا ما تستطيع توفير جميع الكفاءات والموارد المطلوبة. ومع ذلك، فإنها تُشكل أيضًا تحديات كبيرة في التنسيق، لا سيما فيما يتعلق بالتحول الرقمي وتكامل الذكاء الاصطناعي.

في هذا السياق، تُتيح منصات الذكاء الاصطناعي المُدارة شكلاً جديداً كلياً من التعاون التقني. فهي توفر المرونة التي يحتاجها مختلف الشركاء دون الحاجة إلى نقل البيانات الحساسة خارج الشركة. كما تُتيح لكل عضو في المجموعة الوصول إلى نفس البنية التحتية المتطورة للذكاء الاصطناعي مع الحفاظ الكامل على سيادة البيانات. وتُقلل هذه المنصات من مخاطر الاستثمار من خلال نماذج التسعير القائمة على النجاح، حيث لا تدفع الشركات إلا عند تحقيق نتائج أعمال ملموسة.

تتناول هذه المقالة بشكل منهجي كيف تُحدث منصات الذكاء الاصطناعي المُدارة تحولاً جذرياً في طريقة استخدام المشاريع الصناعية الضخمة للذكاء الاصطناعي. بدءاً من الجذور التاريخية لمفهوم الذكاء الاصطناعي كخدمة، مروراً بآلياته التقنية وحالات استخدامه الحالية، وصولاً إلى التحديات الجوهرية والتطورات المستقبلية، تُقدم المقالة صورة شاملة لهذه التقنية. ويُركز البحث بشكل خاص على المزايا المحددة للتحالفات، والائتلافات، والمشاريع المشتركة، وهياكل المقاولين من الباطن - وهي تحديداً تلك الأشكال التنظيمية التي تُهيمن على المشهد الصناعي الحديث.

من أجهزة الحوسبة المعزولة إلى الذكاء المنسق: تاريخ الذكاء الاصطناعي المُدار

يرتبط تاريخ منصات الذكاء الاصطناعي المُدارة ارتباطًا وثيقًا بتطور الحوسبة السحابية وإتاحة الذكاء الاصطناعي للجميع. تعود جذورها إلى أوائل العقد الأول من الألفية الثانية، عندما بدأت كبرى شركات الحوسبة السحابية بتقديم حلول المنصة كخدمة (PaaS). مكّنت هذه المنصات المبكرة المطورين، ولأول مرة، من نشر التطبيقات دون الحاجة إلى تشغيل بنيتهم ​​التحتية الخاصة. وجاءت الخطوة التطورية التالية مع البنية التحتية كخدمة (IaaS)، التي سمحت للعملاء بتوفير الأجهزة الافتراضية ووحدات التخزين بشكل مستقل.

لكن لم تبدأ القصة الحقيقية للذكاء الاصطناعي كخدمة إلا مع تحقيق طفرة في مجال التعلم الآلي في العقد الثاني من الألفية. وشكّلت الفترة من 2015 إلى 2018 نقطة تحول حاسمة، حيث تطورت خلالها تقنيات التعلم العميق من مجرد تجارب أكاديمية إلى أدوات قابلة للتطبيق في الصناعة. كما ساهمت التحسينات الهائلة في التعرف على الكلام والصور في جعل الذكاء الاصطناعي مناسبًا للاستخدام الجماهيري لأول مرة. وفي الوقت نفسه، ازداد حجم البيانات المتاحة بشكل كبير، وارتفعت الاستثمارات في الذكاء الاصطناعي من 80 مليار دولار في عام 2018 إلى 280 مليار دولار في غضون أربع سنوات فقط.

أدركت كبرى شركات الحوسبة السحابية الإمكانات الكامنة مبكراً. وبدأت شركات التكنولوجيا الرائدة بتقديم خدمات متخصصة في التعلم الآلي والتعلم العميق بين عامي 2016 و2018. وفي عام 2018، كشفت إحدى كبرى شركات التكنولوجيا عن نموذجها اللغوي الخاص، الذي كان الأكبر من نوعه آنذاك، إذ احتوى على 17 مليار مُعامل. كما أعلنت شركة تكنولوجيا رائدة أخرى رسمياً في عام 2016، تحت قيادة رئيسها التنفيذي، عن تحول استراتيجي نحو نهج يعتمد على الذكاء الاصطناعي بشكل أساسي. وقد أرست هذه التطورات الأساس التكنولوجي لما عُرف لاحقاً باسم الذكاء الاصطناعي كخدمة (AIaaS).

تميزت الفترة من 2018 إلى 2020 بتزايد تبني الذكاء الاصطناعي وظهور حلول متخصصة لقطاعات محددة. وقد رسخت شركات متخصصة في خدمات الذكاء الاصطناعي كخدمة (AIaaS) مكانتها، مركزةً على تطبيقات خاصة بكل قطاع. وقد ساهمت أدوات التعلم الآلي المؤتمت (AutoML) في تبسيط عملية تطوير النماذج وتدريبها بشكل كبير، مما مكّن حتى المؤسسات التي تفتقر إلى خبرة متعمقة في علوم البيانات من دمج الذكاء الاصطناعي في تطبيقاتها. كما ساهم التوسع العالمي لعروض خدمات الذكاء الاصطناعي كخدمة، مع وجود مراكز بيانات في مناطق مختلفة، في ضمان انخفاض زمن الاستجابة.

لكن التحول الجذري الحقيقي حدث ابتداءً من عام 2020 مع ظهور نماذج اللغة الضخمة والذكاء الاصطناعي التوليدي. ففي مايو 2020، نشرت شركة رائدة في أبحاث الذكاء الاصطناعي نموذجًا لغويًا يحتوي على 175 مليار مُعامل، أي بزيادة عشرة أضعاف مقارنةً بنموذج شركة التكنولوجيا الكبرى. وقد أثبت هذا النموذج لأول مرة قدرة الذكاء الاصطناعي ليس فقط على التعامل مع المهام المتخصصة، بل أيضًا على توليد النصوص المعقدة، وكتابة البرامج، والأعمال الإبداعية. وشكّل إطلاق تطبيق شهير للذكاء الاصطناعي التوليدي في نوفمبر 2022 نقطة تحول في نظرة الجمهور، إذ وصل عدد مستخدمي التطبيق إلى 100 مليون مستخدم في غضون شهرين فقط، ليصبح بذلك أسرع تطبيقات المستهلكين نموًا على الإطلاق.

مع ذلك، جلب هذا التطور تحديات جديدة للتطبيقات الصناعية. فبينما نمت قدرات نماذج الذكاء الاصطناعي نموًا هائلاً، أصبحت عمليات التنفيذ أكثر تعقيدًا. وواجهت الشركات خيارًا بين حلول سحابية احتكارية من مزودين كبار، والتي تنطوي على مخاطر التقييد بالمورد، أو تطوير حلول داخلية مكلفة تتطلب استثمارات ضخمة وكوادر متخصصة. وظلت معدلات النجاح منخفضة بشكل مثير للقلق، إذ تشير الدراسات إلى أن 85% من مشاريع الذكاء الاصطناعي التقليدية تفشل، بينما لا تتجاوز نسبة نجاح الحلول المطورة داخليًا 33%.

في هذا المشهد المعقد، برزت منصات الذكاء الاصطناعي المُدارة كخيار ثالث بدءًا من عام 2023. جمعت هذه المنصات بين قابلية التوسع والفعالية من حيث التكلفة لخدمات الحوسبة السحابية، مع إمكانية تخصيص الحلول المصممة خصيصًا، ولكن دون العيوب المعتادة لأي من النهجين. وقد طوّر أحد الرواد في هذا المجال منهجية "بلوبرينت" التي تسد الفجوة بين أدوات الذكاء الاصطناعي العامة والتطوير المخصص المكلف. تُمكّن هذه المنصة من تقديم حلول ذكاء اصطناعي مُخصصة في غضون أيام بدلًا من شهور، وذلك من خلال تكوين وحدات بناء الذكاء الاصطناعي المعيارية عبر مواصفات مُنسقة.

يعكس هذا التطور تحولاً جذرياً في كيفية إدراك الشركات للذكاء الاصطناعي واستخدامه. فبعد أن كان مجرد تجارب معزولة في مختبرات علوم البيانات، تطور الذكاء الاصطناعي ليصبح ذكاءً تشغيلياً متكاملاً ومنسقاً، ومدمجاً بعمق في عمليات الأعمال. وقد تحول التركيز من السؤال "هل يمكننا بناء ذكاء اصطناعي؟" إلى "ما مدى سرعة استخدامنا للذكاء الاصطناعي بشكل مثمر؟"، وهو تحول بالغ الأهمية بالنسبة للتكتلات الصناعية، حيث يُعد ضغط الوقت وتقليل المخاطر عاملين أساسيين.

لبنات بناء الذكاء: البنية التقنية لمنصات الذكاء الاصطناعي المُدارة الحديثة

تختلف البنية التكنولوجية لمنصات الذكاء الاصطناعي المُدارة اختلافًا جوهريًا عن مناهج تطوير البرمجيات التقليدية. ويكمن جوهرها في منهجية المخططات - وهي طريقة مبتكرة لتحويل متطلبات الأعمال إلى حلول ذكاء اصطناعي وظيفية. تلغي هذه المنهجية المراحل التقليدية لتحليل المتطلبات، وهندسة البرمجيات، والتنفيذ، وتستبدلها بعملية توليد آلية تعتمد على وحدات بناء معيارية مُحددة مسبقًا.

تتألف بنية هذه المنصة من أربعة مكونات تقنية أساسية تتكامل بسلاسة. يشمل المكون الأول إمكانيات بحث واستدلال متقدمة تحوّل بيانات المؤسسة غير المهيكلة إلى معلومات مهيكلة قابلة للبحث. تُمكّن هذه الوظيفة الشركات الصناعية من الوصول إلى عقود من الخبرة المتراكمة في مجال تخصصها، والتي كانت مخفية سابقًا في رسائل البريد الإلكتروني والتقارير والأنظمة القديمة. بالنسبة للتحالفات، يعني هذا إمكانية الوصول المنهجي إلى مصادر البيانات المتنوعة من مختلف الشركاء واستخدامها دون الحاجة إلى تخزين مركزي للبيانات.

يركز المكون الثاني على الأتمتة وأنظمة الذكاء الاصطناعي. تُنفذ هذه الأنظمة المستقلة عمليات معقدة وتتخذ قرارات استباقية بناءً على بيانات آنية. في البيئات الصناعية، على سبيل المثال، يمكن لهذه الأنظمة تحسين فترات الصيانة، وإجراء فحوصات مراقبة الجودة، أو اتخاذ قرارات بشأن سلسلة التوريد دون الحاجة إلى تدخل بشري. يُعد هذا الأمر بالغ الأهمية للمشاريع واسعة النطاق ضمن هياكل التكتلات، حيث يمكن لهذه الأنظمة العمل عبر حدود الشركات مع احتفاظ الشركاء المعنيين بالسيطرة على القرارات الحاسمة.

يشكل مكون التجريد ومعالجة البيانات اللبنة التقنية الثالثة. تعمل المنصة على تحويل المحتوى غير المهيكل، مثل بيانات المستشعرات وسجلات الآلات ووثائق الإنتاج، إلى تنسيقات مهيكلة قابلة للاستخدام. وتكتسب هذه الإمكانية أهمية خاصة للشركات الصناعية الألمانية، التي غالبًا ما تمتلك بيئات تقنية معلومات متباينة ذات تنسيقات بيانات وأنظمة قديمة مختلفة. وفي المشاريع المشتركة بين شركة كيميائية وشركة هندسة مصانع تعملان معًا على تطوير تقنيات نزع الهيدروجين، تُمكّن هذه اللبنة من دمج مصادر بيانات متنوعة من تطوير المحفزات الكيميائية وهندسة مصانع العمليات.

يتضمن المكون الرابع وظائف التحديث التي تحوّل الأنظمة القديمة إلى برمجيات متوافقة مع الذكاء الاصطناعي. ويعالج هذا أحد أكبر التحديات التي تواجه الشركات الصناعية الألمانية: دمج تقنيات الذكاء الاصطناعي الحديثة في بيئات الإنتاج الحالية دون إحداث تغييرات جذرية في الأنظمة. فعندما تتعاون ثلاث شركات تصنيع سيارات كبرى على تطوير حزم برمجية مفتوحة المصدر للمركبات المتصلة، يجب أن تكون هذه الأنظمة الجديدة قادرة على التواصل مع أنظمة الإنتاج القديمة التي يعود تاريخها إلى عقود مضت - وهنا تحديدًا يبرز دور مكون التحديث.

يلعب الحوسبة الطرفية دورًا محوريًا في بنية المنصة، على الرغم من تصميمها الأساسي كحل سحابي. غالبًا ما تتطلب التطبيقات الصناعية معالجة فورية بزمن استجابة لا يتجاوز جزءًا من الألف من الثانية. تُقرّب الحوسبة الطرفية معالجة البيانات من أجهزة الاستشعار ومرافق الإنتاج، مما يُتيح اتخاذ القرارات الحاسمة دون تأخيرات ناتجة عن عمليات نقل البيانات عبر الشبكة. في المشاريع الضخمة، مثل محطات التحليل الكهربائي للهيدروجين التي تُنفذها إحدى شركات الطاقة بالتعاون مع شركاء كشركة مُصنّعة لأجهزة التحليل الكهربائي ومُقدّم خدمات صناعية، تُعدّ هذه الإمكانية الطرفية ضرورية للتحكم في عمليات الإنتاج الحساسة.

تعتمد بنية الأمان على مبدأ انعدام الثقة. لا تغادر بيانات العملاء بيئة الشركة الآمنة مطلقًا، إذ يمكن نشر المنصة في كلٍ من السحابات الخاصة والمواقع المحلية. يُعدّ هذا القرار المعماري بالغ الأهمية للشركات الصناعية الألمانية، الخاضعة لأنظمة صارمة لحماية البيانات، والتي يجب عليها حماية بيانات الإنتاج الحساسة. فعندما تُقدّم شركة دفاعية وتقنية الدعم اللوجستي لعمليات عسكرية، تخضع البيانات المعنية لأعلى متطلبات الأمان، وتضمن بنية انعدام الثقة تلبية هذه المتطلبات دون أي تنازلات.

تكمن ميزة تقنية مبتكرة أخرى في قدرات التكامل التي تتمتع بها المنصة. فهي قادرة على الاتصال بأي نظام تقريبًا: أنظمة تخطيط موارد المؤسسات (ERP)، وأنظمة إدارة عمليات التصنيع، وقواعد البيانات، وحتى مصادر البيانات غير المهيكلة. يزيل هذا الاتصال الشامل إحدى أكبر عقبات التنفيذ في مشاريع الذكاء الاصطناعي التقليدية. وفي التحالفات التي يستخدم فيها الشركاء أنظمة تقنية معلومات مختلفة، تُعد هذه المرونة بالغة الأهمية. فعندما يتعاون مورد لأنظمة التحليل الكهربائي PEM مع مزود خدمات صناعية، يجب أن تتواصل أنظمتهما بسلاسة تامة، وتحقق المنصة هذه التوافقية دون الحاجة إلى تطوير مخصص مكلف.

تتيح البنية المعيارية أيضًا التطوير التكراري والتحسين المستمر. ويمكن عكس التغييرات في متطلبات العمل مباشرةً في مخطط البرنامج من خلال التعديلات، دون الحاجة إلى إعادة برمجة معقدة. وتُعد هذه المرونة بالغة الأهمية للشركات الصناعية الألمانية العاملة في أسواق ديناميكية تتطلب استجابة سريعة للمتطلبات المتغيرة. وفي تحالفات مثل التحالف بين شركة متخصصة في المواد اللاصقة وشركة مصنعة للبوليمرات المستخدمة في المواد اللاصقة المستدامة للبناء الخشبي، حيث تتطور المتطلبات الفنية وأهداف الاستدامة باستمرار، تسمح هذه المرونة بالتكيف المستمر دون الحاجة إلى إعادة التطوير.

من الجوانب المهمة التي غالبًا ما يتم تجاهلها، استقلالية المنصة عن نماذج اللغة الكبيرة. فبينما ترتبط العديد من تطبيقات الذكاء الاصطناعي ارتباطًا وثيقًا بنموذج لغة كبير محدد، تسمح بنية منصات الذكاء الاصطناعي المُدارة بالتبديل المرن بين النماذج المختلفة. وهذا يحمي الشركات من التبعية لمورد واحد، ويضمن لها استخدام النماذج الأمثل لحالات استخدامها، وهي ميزة حاسمة في سوق سريع التطور، حيث قد تصبح النماذج السائدة اليوم قديمة غدًا.

ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.

تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.

المزايا الرئيسية باختصار:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.

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

💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.

للمزيد من المعلومات، انقر هنا:

• منصة الذكاء الاصطناعي المُدارة

التنسيق الصناعي: الذكاء الاصطناعي المُدار في الممارسة الحالية للتحالفات والتكتلات

تتجلى الأهمية العملية لمنصات الذكاء الاصطناعي المُدارة بشكل خاص في المشهد الحالي للمشاريع الصناعية واسعة النطاق. تُنفذ هذه المشاريع الآن بشكل شبه حصري من خلال شراكات معقدة تتخذ أشكالاً تنظيمية متنوعة: تجمع التكتلات عدة شركات لمشاريع محددة ككيانات مشروعية ملزمة قانونًا، وتُنشئ المشاريع المشتركة شركات مشتركة لأسواق محددة أو تعاونات طويلة الأجل، وتُمكّن هياكل المقاولين من الباطن كبار الموردين من تولي إدارة المشاريع وإسناد المهام الفرعية إلى شركاء متخصصين.

تُقدّم صناعة السيارات مثالاً بارزاً على هذا النمط الجديد من التعاون. ففي يونيو 2025، وقّعت إحدى عشرة شركة أوروبية رائدة في صناعة السيارات مذكرة تفاهم لتطوير منظومة برمجية مفتوحة المصدر للسيارات المتصلة. تهدف هذه المبادرة إلى تطوير برمجيات موحدة للسيارات، تعتمد على بنية برمجية مفتوحة وقابلة للاعتماد، مما يُسرّع التحوّل إلى السيارات المُعرّفة برمجياً. الميزة الأساسية: بينما يواصل كل مصنّع تطوير واجهات المستخدم وأنظمة المعلومات والترفيه الخاصة به، فإنه يتشارك البنية التحتية الأساسية.

توفر منصات الذكاء الاصطناعي المُدارة العديد من المزايا الرئيسية لمثل هذه السيناريوهات. أولًا، تُتيح هذه المنصات إمكانية إنشاء نماذج أولية سريعة دون الحاجة إلى عمليات تنسيق مطولة بين الشركاء. إذ يُمكن لكل شركة اختبار حلول الذكاء الاصطناعي في غضون أيام، والتي يُمكن دمجها بسلاسة في النظام البيئي المشترك. ثانيًا، تبقى سيادة البيانات محفوظة لكل شريك على حدة، فلا يُشترط مشاركة بيانات التطوير الحساسة من مُصنِّع مع بيانات منافسه، حتى لو كان كلاهما يعمل على نفس البنية التحتية للذكاء الاصطناعي. ثالثًا، يُقلل نموذج التسعير القائم على النجاح بشكل كبير من المخاطر المالية لشركاء التحالف.

يتجلى ديناميكية مماثلة في قطاع الطاقة. إذ تعمل إحدى كبرى شركات توريد الطاقة، بالتعاون مع شركاء أوروبيين، على تطوير محطات توليد طاقة تعمل بالغاز الطبيعي وتعتمد على الهيدروجين في ألمانيا. ولإنشاء محطة توليد طاقة ذات دورة مركبة تعمل بالهيدروجين في أحد مواقعها، بقدرة اسمية تبلغ حوالي 800 ميغاواط، شكّلت الشركة تحالفًا إيطاليًا إسبانيًا. ويتضمن الاتفاق التعاقدي بين الشركاء الثلاثة، كخطوة أولى، إجراءات الحصول على التراخيص اللازمة للمحطة. بالتوازي مع ذلك، تقوم الشركة بإنشاء محطة تحليل كهربائي بقدرة 300 ميغاواط لإنتاج الهيدروجين الأخضر في موقع آخر. وتتولى شركة متخصصة في تصنيع أجهزة التحليل الكهربائي توريد جهاز تحليل كهربائي بقدرة 100 ميغاواط، بينما تتولى شركة خدمات صناعية دمج وحدة التحليل الكهربائي الثالثة، بالإضافة إلى تخطيط وتركيب المرافق المساعدة والمساندة.

في مثل هذه المشاريع المعقدة واسعة النطاق، حيث يتعاون مورد الطاقة، ومصنّع أجهزة التحليل الكهربائي، ومقدّم الخدمات الصناعية، تبرز تحديات تنسيقية هائلة. تعالج منصات الذكاء الاصطناعي المُدارة هذه التحديات من خلال إنشاء بنية رقمية مشتركة تُمكّن جميع الشركاء من العمل دون التخلي عن استقلاليتهم التقنية. تستطيع المنصة دمج البيانات الآنية من مختلف الأنظمة الفرعية، وتقديم اقتراحات للتحسين، ونشر وكلاء مستقلين يعملون عبر حدود الشركات، مع الحفاظ دائمًا على سيادة البيانات.

يُظهر قطاع الصناعات الكيميائية كيف يُمكن للذكاء الاصطناعي المُدار أن يُضيف قيمةً إلى الشراكات القائمة. فقد وقّعت شركة كيميائية عالمية ومجموعة صناعية متنوعة اتفاقية تطوير مشتركة لتوسيع نطاق تعاونهما في عملية نزع الهيدروجين الخاصة بهما. تُنتج هذه العملية البروبيلين من البروبان والإيزوبوتيلين من الإيزوبيوتان باستخدام مُحفز عالي الاستقرار. تُركز المجموعة الصناعية على تطوير العملية، بينما تُركز الشركة الكيميائية على تطوير المُحفز. والهدف المشترك هو تحسين كفاءة استخدام الموارد والطاقة في العملية بشكلٍ كبير من خلال إدخال تحسينات مُحددة على المُحفز وتصميم المصنع.

في هذا السياق، يمكن لمنصات الذكاء الاصطناعي المُدارة أن تُسرّع دورات التطوير بشكلٍ ملحوظ. إذ يُمكن لعمليات المحاكاة المدعومة بالذكاء الاصطناعي اختبار تصميمات المحفزات المختلفة وتكوينات المصانع افتراضيًا قبل بناء النماذج الأولية المادية المكلفة. كما يُمكن لنماذج التعلّم الآلي تحليل بيانات العمليات من المحطات التجريبية وتحديد فرص التحسين التي قد يغفل عنها المهندسون. بالإضافة إلى ذلك، يُمكن للأنظمة المستقلة تولي المراقبة المستمرة والضبط الدقيق للمحطات العاملة لضمان أقصى قدر من الكفاءة.

تكتسب منصات الذكاء الاصطناعي المُدارة أهمية خاصة في التحالفات الصناعية لقدرتها على دمج مصادر البيانات المتنوعة مع الحفاظ على السيطرة على المعلومات الحساسة. فعندما يتعاون مُصنِّع مواد لاصقة مع متخصص في البوليمرات لتطوير مواد لاصقة مستدامة للبناء الخشبي، يُسهم كل شريك بخبرته المتخصصة: إذ يُوفر متخصص البوليمرات موادًا أساسها البولي يوريثان مُشتقة من مواد خام حيوية المصدر، بينما يستخدم مُصنِّع المواد اللاصقة هذه المواد في حلول لاصقة عالية الأداء. ومع ذلك، تُعد عمليات التصنيع والتركيبات الكيميائية الخاصة بكل منهما 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.

يُعدّ عامل سرعة التنفيذ جانبًا بالغ الأهمية في الممارسات الحالية. فبينما تستغرق مشاريع الذكاء الاصطناعي التقليدية عادةً من 12 إلى 18 شهرًا لتصبح جاهزة للإنتاج، تُمكّن منصات الذكاء الاصطناعي المُدارة من نشرها في غضون أسابيع أو حتى أيام. ويُعتبر هذا التوفير في الوقت ذا قيمة لا تُقدّر في المشاريع التشاركية، حيث يُمكن أن تُؤدي التأخيرات بسرعة إلى تجاوزات في التكاليف وغرامات. وفي المشاريع الضخمة، مثل عقد محطة توليد الطاقة في المملكة العربية السعودية بقيمة 1.6 مليار دولار أمريكي، والذي نفّذته شركة رائدة في مجال تكنولوجيا الطاقة، ويتضمن اتفاقية صيانة لمدة 25 عامًا، يُمكن حتى للمكاسب الطفيفة في الكفاءة من خلال الصيانة التنبؤية المدعومة بالذكاء الاصطناعي أن تُترجم إلى وفورات بملايين الدولارات.

يتجلى التطبيق العملي أيضًا في قصص نجاح العملاء الملموسة. فقد أفادت إحدى شركات الخدمات العقارية العالمية بأن التعاون مع مزود المنصة قد حسّن بشكل ملحوظ قدرتها على اكتساب رؤى قيّمة وتحقيق نتائج ملموسة للعملاء. كما تمكن عميل آخر من أتمتة عملية إعداد عروض المبيعات بالكامل، وتقليص وقت المعالجة من 24 ساعة إلى ثوانٍ معدودة. وتُعدّ هذه المكاسب في الكفاءة ذات أهمية بالغة أيضًا للتحالفات الصناعية، حيث يُمكن أن يكون تقديم العروض بسرعة وحساب التكاليف بدقة أمرًا حاسمًا لتحقيق ميزة تنافسية.

الابتكار المجرب والمختبر: دراستان حالة من مشاريع التكتلات الصناعية

ولتوضيح الأهمية العملية لمنصات الذكاء الاصطناعي المُدارة للمشاريع الصناعية الكبيرة، يجدر بنا إلقاء نظرة تفصيلية على حالات استخدام محددة توضح التحديات والحلول المحددة في هياكل التكتلات.

يأتي أول مثال عملي من مجال إنتاج الهيدروجين الأخضر، حيث دخلت شركة رائدة في مجال تكنولوجيا التحليل الكهربائي باستخدام أغشية تبادل البروتونات (PEM) وشركة دولية متخصصة في خدمات المصانع الصناعية في شراكة استراتيجية لتطوير مشاريع واسعة النطاق وفعالة في أوروبا. ويركز هذا التعاون على مشاريع التحليل الكهربائي واسعة النطاق، ويجمع بين القدرات المتكاملة للشركتين: الأولى كمزود رائد لتكنولوجيا التحليل الكهربائي باستخدام أغشية تبادل البروتونات، والأخرى كمزود دولي لخدمات المصانع الصناعية.

يكمن التحدي في مثل هذه المشاريع في تعقيد التداخلات بين عملية التحليل الكهربائي الأساسية، التي عادةً ما تتولى مسؤوليتها الشركة المصنعة الأصلية، والعناصر المتعلقة بالمحطة، والتي عادةً ما يتعاقد معها العملاء مع مزود خدمات الهندسة والمشتريات والإنشاء أو شركة تكامل المحطات. وقد أدرك الشركاء أن التداخلات المحددة بوضوح ومفاهيم المحطات المتطورة والموحدة توفر قيمة مضافة كبيرة لجميع الأطراف المعنية. ولذلك، فإن جوهر تعاونهم يكمن في التطوير المشترك لمفاهيم مشاريع الهيدروجين الأخضر وتنسيق التداخلات التقنية والتجارية بين الطرفين.

في هذا السياق، يمكن لمنصة ذكاء اصطناعي مُدارة أن تؤدي وظائف حيوية متعددة. أولًا، يمكنها تسريع تطوير مفاهيم المصانع المعيارية بشكل ملحوظ من خلال استخلاص الأنماط من بيانات المشاريع السابقة واقتراح التكوينات المثلى. ثانيًا، يمكنها أتمتة التكامل التقني بين أنظمة الشريكين من خلال العمل كوسيط ذكي يُحوّل البيانات ويتبادلها في الوقت الفعلي. ثالثًا، يمكنها مراقبة معايير المشروع باستمرار خلال مرحلتي التخطيط والتنفيذ، وتقديم إنذارات مبكرة بالمشاكل المحتملة قبل أن تؤدي إلى تأخيرات مكلفة.

من أهم مزايا المنصة قدرتها على تجميع المعرفة عبر مختلف المشاريع دون الكشف عن البيانات الحساسة. وتعمل الشركتان على شراكة استراتيجية غير حصرية، ما يتيح لكلتيهما التعاون مع شركاء آخرين في الوقت نفسه. ويمكن لمنصة الذكاء الاصطناعي المُدارة أن تُحلل الرؤى المستقاة من مشاريع متنوعة، وأن تستخلص أفضل الممارسات العامة دون الحاجة إلى تبادل تفاصيل المشاريع بين الشركات المتنافسة. وهذا يُمكّن من التعلم والتحسين المستمر في جميع مشاريع المنصة، مع الحفاظ في الوقت نفسه على سرية المعلومات التجارية.

تتجلى الفوائد الملموسة أيضًا في قابلية التوسع. وتؤمن الشركتان إيمانًا راسخًا بأن الهيدروجين الأخضر سيؤدي دورًا محوريًا في تحول سوق الطاقة، وأن التعاون بين الجهات المعنية سيكون مفتاحًا لتقدم اقتصاد الهيدروجين. ونظرًا لتوقع زيادة الطلب العالمي على الهيدروجين الأخضر بشكل ملحوظ في السنوات والعقود القادمة، يرى الشريكان إمكانات تجارية واعدة في تطوير هذا السوق. وبفضل قدراتهما 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 المُثبتة قابلة للتكرار، وتقليص الوقت اللازم للمشاريع الجديدة بشكل جذري.

يأتي الاستخدام الثاني من قطاع صناعة السيارات، ويتعلق بمبادرة البرمجيات المذكورة آنفًا. إذ تعمل إحدى عشرة شركة أوروبية رائدة في مجال صناعة السيارات - بما في ذلك شركات تصنيع السيارات وموردين رئيسيين - معًا على تطوير مبادرة مفتوحة المصدر. والهدف هو تطوير برمجيات سيارات موحدة تعتمد على بنية برمجية مفتوحة وقابلة للاعتماد، وذلك لتسريع التحول إلى السيارات المُعرّفة برمجياً.

التحدي واضح: يمتلك كلٌّ من هؤلاء المصنّعين أنظمة تقنية معلومات وبنى تحتية إنتاجية بالغة التعقيد، طُوِّرت على مدى عقود. وفي الوقت نفسه، تتنافس هذه الشركات بشدة في السوق، ويتعين عليها الحفاظ على خصائصها المُميِّزة. ولذلك، يُركِّز تحالف البرمجيات عمدًا على المكونات التي لا يدركها السائقون أو الركاب بشكل مباشر، مثل التحقق من مكونات المركبة، والتواصل بين هذه المكونات ومع الخدمات السحابية، وواجهات المستخدم، وأنظمة التشغيل عالية المستوى. وستستمر واجهات المستخدم وأنظمة المعلومات والترفيه الخاصة بكل مصنّع في التطوير داخليًا، وستبقى متميزة تمامًا عن بعضها البعض.

من خلال هذا التعاون، تأمل الشركتان في خفض تكاليف تطوير البرمجيات مع تقليص مدة تسليم الطرازات الجديدة للحفاظ على القدرة التنافسية في السوق العالمية. صُممت المنصة المعيارية لدعم القيادة الذاتية، وستُتاح لشركات أخرى في هذا القطاع بحلول عام ٢٠٢٦. ومن المتوقع توفير مئات الملايين من تكاليف التطوير، مع التخطيط لإنتاج أول سيارة مزودة بهذه التقنية في عام ٢٠٣٠.

في هذا السيناريو المعقد، يمكن لمنصة ذكاء اصطناعي مُدارة أن تُشكّل أساسًا تقنيًا مشتركًا، مُؤديةً وظائف حيوية متعددة. أولًا، يُمكنها أن تعمل كطبقة تنسيق مركزية، تُنسّق دمج مُكوّنات برمجية مُتنوعة من شركاء مُختلفين دون إلزامهم بالكشف عن شفراتهم البرمجية الخاصة. ستعمل المنصة كوسيط برمجي ذكي، يُوحّد الواجهات ويضمن التوافق، بينما يحتفظ كل شريك بأدواته وعملياته التطويرية الخاصة.

ثانيًا، يمكن للمنصة أن تُتيح أتمتة متقدمة للاختبارات. فمع وجود حزم برمجية طورتها إحدى عشرة شركة مختلفة، يُمثل ضمان التوافق والموثوقية تحديًا كبيرًا. ويمكن لأنظمة الذكاء الاصطناعي إجراء اختبارات مؤتمتة باستمرار، وتحديد حالات عدم التوافق المحتملة، بل واقتراح حلول قبل وصول المشكلات إلى أنظمة الإنتاج. وسيكون هذا ذا قيمة خاصة للمكونات بالغة الأهمية للسلامة والمتعلقة بالقيادة الذاتية.

ثالثًا، يمكن للمنصة أن تُمكّن من تجميع المعرفة بين جميع الشركات الشريكة. فإذا وجد أحد الشركاء حلًا محددًا لمشكلة تقنية، يمكن للذكاء الاصطناعي استخلاص هذا الحل وإتاحته للشركاء الآخرين دون الكشف عن تفاصيل التنفيذ الخاصة بذلك الشريك. وهذا من شأنه أن يعزز التعلم الجماعي مع الحفاظ على المزايا التنافسية، وهو توازن يصعب تحقيقه في التكتلات.

رابعًا، يمكن لنماذج التسعير القائمة على النجاح لمنصة الذكاء الاصطناعي المُدارة أن تُقلل المخاطر المالية لشركاء التحالف. فبدلًا من استثمار مبالغ طائلة مُسبقًا في بنية الذكاء الاصطناعي التحتية، ستدفع الشركات فقط مقابل النتائج الملموسة، مثل تقليل وقت التطوير، وتحسين جودة الكود، وتسريع دورات الاختبار. وهذا يُعدّ جذابًا بشكل خاص في قطاع يواجه حاليًا تحديات مالية هائلة نتيجةً للتحول الرقمي والتحول البرمجي.

تُجسّد كلتا الحالتين نمطًا مشتركًا: تتطلب المشاريع الصناعية واسعة النطاق ضمن تحالفات تحقيق توازن بين التعاون والمنافسة، والتوحيد والتمييز، والسرعة والدقة. توفر منصات الذكاء الاصطناعي المُدارة البنية التحتية التقنية 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.

الوجه الآخر للعملة: المخاطر والخلافات في تطبيقات الذكاء الاصطناعي المُدارة

تُعدّ جودة البيانات وحوكمتها من القضايا الحاسمة. تعد منصات الذكاء الاصطناعي المُدارة بالتعامل مع مصادر البيانات غير المهيكلة والمتنوعة. ومع ذلك، يبقى المبدأ الأساسي قائماً: البيانات الرديئة تؤدي إلى نتائج ضعيفة للذكاء الاصطناعي. تُشير دراسة إلى أن 42% من قادة الأعمال يخشون افتقارهم إلى بيانات خاصة كافية لتدريب نماذج الذكاء الاصطناعي أو تكييفها بفعالية. وفي التكتلات، تتفاقم هذه المشكلة بسبب تشتت البيانات: إذ تُوزّع المعلومات ذات الصلة على شركاء مختلفين، وتُخزّن بتنسيقات متباينة، وغالباً ما تكون غير متاحة لنماذج الذكاء الاصطناعي المشتركة.

يتفاقم التحدي بسبب وجود حواجز البيانات. ففي التحالفات المؤسسية، لا تقتصر هذه الحواجز على الجوانب التقنية داخل المؤسسات فحسب، بل تشمل أيضاً العوائق القانونية والتجارية بين الشركاء. وحتى لو كانت منصة الذكاء الاصطناعي المُدارة قادرة تقنياً على دمج مصادر بيانات متنوعة، فإن اتفاقيات السرية والاعتبارات التنافسية غالباً ما تحول دون تبادل البيانات الضروري. وهذا يُقوّض إحدى المزايا الأساسية للذكاء الاصطناعي: قدرته على التعلم من مجموعات البيانات الكبيرة والمتنوعة.

تتمثل المشكلة الثانية في شفافية قرارات الذكاء الاصطناعي وقابليتها للتفسير. تعمل العديد من نماذج الذكاء الاصطناعي كصناديق سوداء، يصعب فهم عمليات اتخاذ القرار فيها. ويُعدّ هذا الأمر بالغ الأهمية في القطاعات الخاضعة للتنظيم، مثل الطاقة والدفاع، حيث يجب أن تكون القرارات قابلة للتبرير والتدقيق. فإذا اتخذ نظام ذكاء اصطناعي في مشروع مشترك قرارًا حاسمًا - على سبيل المثال، تعديل معايير الإنتاج في مصنع كيميائي أو إعادة توجيه تدفقات الطاقة في محطة توليد كهرباء - يجب على جميع الشركاء فهم أسباب اتخاذ هذا القرار وتتبعها.

يُشدد قانون الذكاء الاصطناعي الأوروبي، الذي سيدخل حيز التنفيذ تدريجياً بدءاً من أغسطس 2025، هذه المتطلبات بشكل كبير. وتخضع أنظمة الذكاء الاصطناعي عالية المخاطر لالتزامات صارمة فيما يتعلق بالتوثيق والشفافية. ويتعين على منصات الذكاء الاصطناعي المُدارة ضمان استيفاء أنظمتها لهذه المتطلبات، وهو أمر بالغ التعقيد عندما يعمل الذكاء الاصطناعي عبر حدود الشركات ويتخذ قرارات تؤثر على كيانات قانونية منفصلة متعددة.

ثمة خطر ثالث يتعلق بالأمن ونطاق الهجمات الإلكترونية. إذ تُوسّع أنظمة الذكاء الاصطناعي نطاق الهجمات الإلكترونية على الشركات بشكل كبير. ويمكن للمدخلات المُضللة التلاعب بنماذج الذكاء الاصطناعي، ما قد يؤدي إلى قرارات خاطئة أو ضارة. وفي التكتلات الصناعية التي تُسيطر على البنية التحتية الحيوية، قد تكون لهذه الهجمات عواقب وخيمة. فعلى سبيل المثال، قد يؤدي اختراق نظام ذكاء اصطناعي في مشروع لتحليل الهيدروجين كهربائيًا إلى تجاوز آليات الأمان وخلق ظروف تشغيل خطيرة.

يتفاقم التحدي بسبب استقلالية أنظمة الذكاء الاصطناعي. فعندما تُمنح هذه الأنظمة صلاحية تنفيذ إجراءات بشكل مستقل، كالمعاملات المالية أو تعديلات الأنظمة أو التعديلات التشغيلية، قد تترتب على القرارات الخاطئة أو المُتلاعب بها عواقب وخيمة قبل تدخل الرقابة البشرية. لذا، يجب على منصات الذكاء الاصطناعي المُدارة تطبيق ضوابط صارمة تحدّ من استقلاليتها وتضمن أن القرارات الحاسمة تتطلب موافقة بشرية.

تتمثل المشكلة الرابعة في جمود المؤسسات وقبولها. فحتى حلول الذكاء الاصطناعي المتطورة تقنيًا غالبًا ما تفشل بسبب نقص قبول المستخدمين ومقاومة المؤسسات. ويتضاعف هذا التحدي في التحالفات، إذ لا يقتصر الأمر على إقناع الشركات الفردية فحسب، بل يشمل أيضًا إقناع شبكات الشركاء المنسقة. فإذا رفض أحد شركاء التحالف حل الذكاء الاصطناعي أو لم يستخدمه بفعالية، فقد يُعرّض ذلك المشروع بأكمله للخطر.

تُفاقم الاختلافات الثقافية بين المؤسسات هذه المشكلة. فشركة هندسة ميكانيكية ألمانية تعتمد في اتخاذ قراراتها على أسس هندسية، تختلف ثقافتها اختلافًا جذريًا عن ثقافة شركة تقنية ناشئة سريعة النمو أو شركة توريد طاقة ذات هيكل بيروقراطي. لذا، يجب أن تتكيف منصات الذكاء الاصطناعي المُدارة مع هذه السياقات المختلفة، وهو تحدٍّ غالبًا ما يُستهان به.

يتمثل الخطر الخامس في التحيز الخوارزمي والإنصاف. إذ يمكن لنماذج الذكاء الاصطناعي أن تتبنى وتُديم التحيزات والتشوهات الموجودة في بيانات التدريب. وفي التطبيقات الصناعية، قد يؤدي ذلك إلى اتخاذ قرارات دون المستوى الأمثل بشكل منهجي. على سبيل المثال، إذا تم تدريب نظام ذكاء اصطناعي لتخطيط القوى العاملة في مشروع مشترك، وأظهرت البيانات التاريخية نقصًا في تمثيل بعض الفئات، فقد يُديم الذكاء الاصطناعي هذا التحيز ويُضخّمه.

أخيرًا، يبرز السؤال الجوهري حول شفافية التكاليف والعائد على الاستثمار. فبينما تُعلن منصات الذكاء الاصطناعي المُدارة عن نماذج تسعير قائمة على النجاح، غالبًا ما يبقى غير واضح كيف يُقاس النجاح تحديدًا ومن يتحكم في هذا القياس. وفي التكتلات، حيث تُقسّم التكاليف عادةً وفقًا لمعادلات معقدة، قد يكون توزيع فوائد الذكاء الاصطناعي على الشركاء أمرًا مثيرًا للجدل. فإذا أدى تحسين الذكاء الاصطناعي إلى زيادة كفاءة عملية مشتركة بنسبة 15%، فكيف تُقسّم هذه الفائدة بين مُزوّد ​​التكنولوجيا، ومُكامل المصنع، والمُشغّل؟

لا تعني هذه التحديات أن منصات الذكاء الاصطناعي المُدارة غير مناسبة للتحالفات الصناعية، بل إنها تُؤكد على ضرورة بذل العناية الواجبة، ووضع ضمانات تعاقدية قوية، وتحديد توقعات واقعية. ولا يقتصر نجاح عمليات التنفيذ على التميز التقني فحسب، بل يتطلب أيضاً هياكل حوكمة مُصممة جيداً، ومسؤوليات واضحة، ومراقبة مستمرة.

آفاق الذكاء

لا يزال تطوير منصات الذكاء الاصطناعي المُدارة في مراحله الأولى. وتشير عدة اتجاهات متقاربة إلى أن النظام البيئي سيشهد تغييراً جذرياً في السنوات القادمة، مما سيكون له آثار كبيرة على التكتلات الصناعية والمشاريع واسعة النطاق.

يُعدّ صعود الذكاء الاصطناعي الوكيل أبرز الاتجاهات، وهو عبارة عن عمال رقميين مستقلين قادرين على أداء مهام معقدة بأقل قدر من التدخل البشري. وتتوقع إحدى شركات أبحاث السوق الرائدة أن أكثر من 30% من التطبيقات الجديدة ستتضمن بحلول عام 2026 وكلاءً مستقلين مدمجين. يقوم هؤلاء الوكلاء بتحديد الأهداف، واتخاذ القرارات، واسترجاع المعلومات، وإنجاز المهام بشكل مستقل إلى حد كبير. بالنسبة للتحالفات الصناعية، قد يعني هذا أن يعمل الوكلاء بشكل روتيني عبر حدود الشركات، فعلى سبيل المثال، يقوم وكيل بتحسين سلسلة التوريد لمشروع مشترك من خلال التفاعل بشكل مستقل مع الأنظمة لدى شركاء متعددين.

قامت شركة استشارات عالمية بنشر أكثر من 50 نظام ذكاء اصطناعي في مختلف أقسامها، وتتوقع تشغيل أكثر من 100 نظام بحلول نهاية العام. ويقدم أحد مزودي أنظمة الذكاء الاصطناعي تسعيرًا قائمًا على النجاح، موضحًا: "لا نتقاضى أجرًا إلا عند تحقيق نتائج ملموسة". قد يصبح هذا النموذج معيارًا لمنصات الذكاء الاصطناعي المُدارة، مما يُسهم في تقليل المخاطر المالية للتحالفات الصناعية.

ثمة اتجاه مهم آخر يتمثل في تزايد الذكاء العاطفي لأنظمة الذكاء الاصطناعي. يدمج الذكاء الاصطناعي التفاعلي الذكاء العاطفي لفهم المشاعر البشرية والاستجابة لها بشكل أفضل، مما يُحسّن تجربة المستخدم. بالنسبة للتطبيقات الصناعية، قد يعني هذا أن أنظمة الذكاء الاصطناعي لا تقتصر على اقتراح تحسينات تقنية فحسب، بل تأخذ في الاعتبار أيضًا العوامل التنظيمية والبشرية الحاسمة لنجاح التنفيذ. يمكن لوكيل الذكاء الاصطناعي أن يكتشف متى تتزايد المقاومة لتغيير مقترح في عملية ما داخل فريق عمل، ويقترح بدائل أقل تأثيرًا.

الاتجاه الثالث المهم هو سيادة البيانات والذكاء الاصطناعي الذي يركز على الخصوصية. مع تزايد استثمار المؤسسات في الذكاء الاصطناعي التوليدي، يتزايد الوعي بمخاطر خصوصية البيانات وضرورة حماية المعلومات الشخصية ومعلومات العملاء. سيؤدي هذا إلى تركيز أكبر على نماذج الذكاء الاصطناعي الموجهة نحو الخصوصية، حيث تتم معالجة البيانات محليًا أو مباشرةً على أجهزة المستخدمين. تتميز إحدى كبرى شركات التكنولوجيا والأجهزة بإعطائها الأولوية لخصوصية البيانات، ومن المرجح أن تحذو شركات تصنيع وتطوير أجهزة الذكاء الاصطناعي الأخرى حذوها في عام 2026.

يُعدّ هذا الأمر بالغ الأهمية بالنسبة للتحالفات الصناعية. فالقدرة على تدريب نماذج الذكاء الاصطناعي على البيانات الموحدة - حيث يأتي النموذج إلى البيانات، وليس العكس - من شأنها أن تحلّ التحدي الأساسي المتمثل في تبادل البيانات بين الشركاء. إذ يمكن لنموذج الذكاء الاصطناعي أن يتعلم من بيانات شركة كيميائية، وشركة هندسة مصانع، وشركاء آخرين، دون أن تضطر هذه الشركات إلى الكشف عن بياناتها الأولية.

أما الاتجاه الرابع فيتعلق بالبيانات الاصطناعية لأغراض التحليل والمحاكاة. فإلى جانب توليد النصوص والصور، يُستخدم الذكاء الاصطناعي التوليدي بشكل متزايد لإنتاج البيانات الأساسية اللازمة لفهم العالم الحقيقي، ومحاكاة الأنظمة المختلفة، وتدريب خوارزميات إضافية. وهذا يمكّن البنوك من نمذجة عمليات الاحتيال دون المساس ببيانات العملاء الحقيقية، ويتيح لمقدمي الرعاية الصحية محاكاة العلاجات والدراسات دون المساس بخصوصية المرضى.

في التكتلات الصناعية، يُمكن لتوليد البيانات الاصطناعية أن يُحدث ثورة في تطوير واختبار العمليات الجديدة. إذ يُمكن للشركاء تدريب نماذج الذكاء الاصطناعي بشكل مشترك على بيانات اصطناعية تُحاكي خصائص أنظمتهم الواقعية دون الكشف عن معلومات تشغيلية حساسة. وهذا من شأنه أن يُتيح الابتكار التعاوني مع الحفاظ على سرية المعلومات التجارية.

الاتجاه الخامس هو استمرار توحيد سوق الذكاء الاصطناعي كخدمة (AIaaS) ودمج معاييره. 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% أيضًا.

من المرجح أن يؤدي هذا التوسع الهائل في السوق إلى زيادة عمليات الاندماج والاستحواذ، حيث ستستحوذ بعض المنصات على مواقع مهيمنة بينما تنسحب منصات أخرى من السوق. بالنسبة للتكتلات الصناعية، يعني هذا ضرورة اختيار الموردين بعناية، مع مراعاة ليس فقط القدرات الحالية، بل أيضًا الجدوى على المدى الطويل. في الوقت نفسه، سيسهم ازدياد نضج المنصات وتوحيد معاييرها في تسهيل التكامل، وربما تقليل تكاليف الانتقال بينها.

يتمثل الاتجاه الرئيسي السادس في التخصص القطاعي. وتقود القطاعات الخاضعة للتنظيم، مثل الخدمات المالية والتأمين والرعاية الصحية والتصنيع، مسيرة تبني الذكاء الاصطناعي. تتمتع هذه القطاعات بأطر حوكمة وحماية بيانات قوية، مما يجعل الانتقال إلى الذكاء الاصطناعي استثمارًا صغيرًا ولكنه ذو أثر بالغ. وستعمل منصات الذكاء الاصطناعي المُدارة بشكل متزايد على تطوير حلول متخصصة لقطاعات محددة، مما يعكس فهمًا عميقًا لسير العمل والتحديات والبيئات التنظيمية الخاصة بكل قطاع.

بالنسبة للتحالفات الصناعية، قد يعني هذا ظهور منصات مصممة خصيصًا لتلبية احتياجات المشاريع متعددة الشركاء - مع آليات حوكمة متكاملة، وأطر لحماية البيانات، ونماذج فوترة تأخذ في الاعتبار تعقيد هياكل التحالفات.

يتمثل الاتجاه السابع في التكامل مع التقنيات الناشئة مثل الجيل الخامس وإنترنت الأشياء. وتكمن الفرص المستقبلية في تطوير حلول ذكاء اصطناعي أكثر مرونة، وتحسين حماية البيانات، والتكامل مع التقنيات الناشئة مثل إنترنت الأشياء والجيل الخامس. بالنسبة للمشاريع الصناعية واسعة النطاق، حيث يلزم تنسيق آلاف أجهزة الاستشعار والمحركات في الوقت الفعلي، قد يكون هذا التقارب تحولاً جذرياً. إذ يمكن لوكلاء الذكاء الاصطناعي التواصل مباشرة مع الأجهزة الطرفية، واتخاذ قرارات في أجزاء من الثانية، والتعلم باستمرار من تدفقات البيانات الناتجة.

أخيرًا، يشير الاتجاه الثامن إلى تحول جذري في نماذج أعمال البرمجيات. إذ يُمكن لتكامل الذكاء الاصطناعي أن يفتح آفاقًا جديدة لنماذج الإيرادات، مثل التسعير القائم على الاستخدام والتسعير القائم على النجاح، مما يوفر مرونة أكبر ويتوافق بشكل أوثق مع القيمة التي يحصل عليها العملاء. وقد طبّق أحد مزودي منصات الحوسبة السحابية لسير العمل المؤسسي كلا النوعين من التسعير، حيث يتقاضى رسومًا من العملاء مقابل كل عملية حل آلية للحوادث أو مقابل كل سير عمل مدعوم بالذكاء الاصطناعي، مع ربط التسعير أيضًا بتقليل أوقات معالجة التذاكر وخفض تكاليف العمالة.

بالنسبة للتحالفات الصناعية، يمكن لهذه النماذج أن تُبسط عملية توزيع التكاليف بشكل كبير. فبدلاً من الاتفاقيات المعقدة المسبقة بشأن الاستثمارات وتقاسم المخاطر، سيدفع الشركاء ببساطة مقابل الفوائد المحققة فعلياً، والتي تُقاس بساعات العمل الموفرة، أو انخفاض تكاليف الطاقة، أو تحسين معدلات الإنتاج. وهذا من شأنه ألا يقلل المخاطر المالية فحسب، بل سيُحسّن أيضاً من توافق الحوافز، حيث سيستفيد جميع الشركاء بشكل مباشر من نجاح تطبيق الذكاء الاصطناعي.

تشير هذه التوجهات المتقاربة إلى مستقبل تصبح فيه منصات الذكاء الاصطناعي المُدارة طبقات تنسيق لا غنى عنها للتعاون الصناعي. فهي لن تقتصر على توفير البنية التحتية التقنية فحسب، بل ستعمل أيضًا كوسيط ذكي بين الشركاء، مُوازنةً بين التعاون والتنافس، ومُجمّعةً المعرفة دون الكشف عن الأسرار، ومُمكّنةً من التعلم المستمر عبر حدود المشاريع. وستتمتع التحالفات التي تستشرف هذا التطور مبكرًا وتستثمر في بناء القدرات اللازمة بميزة تنافسية كبيرة.

التصنيف المنهجي: ماذا يعني الذكاء الاصطناعي المُدار للتعاون الصناعي؟

يكشف تحليل منصات الذكاء الاصطناعي المُدارة عن تحول جذري في كيفية تصميم وتنفيذ المشاريع الصناعية واسعة النطاق. ويمكن تصنيف النتائج الرئيسية وفقًا لعدة أبعاد.

أولًا، تُتيح هذه المنصات سرعةً غير مسبوقة في دمج الذكاء الاصطناعي. فبينما تستغرق عمليات التنفيذ التقليدية من 12 إلى 18 شهرًا، وتصل نسبة فشلها إلى 85%، تسمح المناهج القائمة على المخططات بتوفير حلول جاهزة للإنتاج في غضون أيام أو أسابيع. وهذا يُعدّ نقلةً نوعيةً بالنسبة للتحالفات الصناعية، حيث تُترجم التأخيرات مباشرةً إلى زيادات في التكاليف وغرامات. ويُجسّد مشروع شركة تكنولوجيا الطاقة في المملكة العربية السعودية، الذي تبلغ قيمته 1.6 مليار دولار أمريكي ويمتد على مدى 25 عامًا، النطاق الذي يُمكن أن تُحدث فيه حتى مكاسب الكفاءة الطفيفة آثارًا ماليةً كبيرة.

ثانيًا، تُسهم منصات الذكاء الاصطناعي المُدارة في حل المعضلة الأساسية المتعلقة بسيادة البيانات في المشاريع متعددة الشركاء. إذ تُمكّن بنى الثقة الصفرية وخيار النشر المحلي أو السحابي الخاص الشركات من الاستفادة من الذكاء الاصطناعي دون الكشف عن البيانات الحساسة. ويُعدّ هذا الأمر بالغ الأهمية في حالات مثل التعاون بين شركة كيميائية وشركة هندسية متخصصة في تطوير المحفزات، حيث يتعين على كل شريك حماية أسرار تجارية بالغة الحساسية مع اشتراط التكامل التقني الوثيق في الوقت نفسه.

ثالثًا، تُسهّل هذه المنصات الوصول إلى إمكانيات الذكاء الاصطناعي المتقدمة. فبينما كان بإمكان الشركات التي تمتلك فرقًا ضخمة في علوم البيانات وميزانيات كبيرة الاستفادة الفعّالة من الذكاء الاصطناعي، تُتيح المناهج المُدارة الآن للشركات المتوسطة الحجم والموردين المتخصصين الوصول إلى تقنيات الذكاء الاصطناعي المُخصصة للمؤسسات. وفي إطار التكتلات، حيث يتعاون عادةً مقاول رئيسي كبير مع العديد من المقاولين الفرعيين الأصغر حجمًا، يُسهم ذلك في تقليل الاختلالات التكنولوجية ويُمكّن من التكامل الرقمي الحقيقي عبر سلسلة التوريد بأكملها.

رابعًا، تُغيّر نماذج التسعير القائمة على النجاح هيكل المخاطر لاستثمارات الذكاء الاصطناعي. فبدلًا من الاستثمارات الأولية الضخمة ذات النتائج غير المؤكدة، تدفع الشركات فقط مقابل النجاح التجاري الملموس. ويُعدّ هذا الأمر جذابًا للغاية في ظل الظروف الاقتصادية الراهنة، حيث تُعاني الشركات الصناعية من ضغوط على هوامش الربح، وتُصبح قرارات الاستثمار مدفوعة بشكل متزايد بعائد الاستثمار. ويهدف تحالف برمجيات مُصنّعي السيارات صراحةً إلى خفض تكاليف التطوير، ومن شأن منصات الذكاء الاصطناعي المُدارة بنماذج قائمة على النجاح أن تدعم هذا الهدف.

خامساً، توفر البنى غير المرتبطة بنماذج إدارة دورة حياة المنتج (LLM) ضماناً للمستقبل، وهو أمر بالغ الأهمية في سوق سريع التطور. فالشركات غير مقيدة بنماذج أو موردين محددين، ويمكنها الاستجابة بمرونة للتطورات التكنولوجية. وهذا يحميها من مصير المؤسسات التي اعتمدت على تقنيات قديمة، ثم اضطرت إلى القيام بعمليات نقل مكلفة.

سادساً، تعالج هذه المنصات التحدي التنظيمي لحوكمة الذكاء الاصطناعي في التحالفات. فمن خلال سجلات التدقيق المتكاملة، وآليات الشفافية، وميزات الامتثال، يمكن للمشاريع متعددة الشركاء تلبية المتطلبات التنظيمية المتزايدة الصرامة مثل قانون الاتحاد الأوروبي للذكاء الاصطناعي دون أن يضطر كل شريك إلى بناء هياكل حوكمة منفصلة.

مع ذلك، من السذاجة تجاهل المخاطر والتحديات المحددة. فمخاطر الاعتماد على مورد واحد، ومخاوف خصوصية البيانات وأمنها، وقضايا الشفافية وقابلية التفسير، فضلاً عن تحديات قبول المؤسسات، لا تزال قائمة وتتطلب عناية فائقة. ولا يقتصر نجاح عمليات التنفيذ على التميز التقني فحسب، بل يتطلب اتفاقيات تعاقدية مدروسة جيداً، وهياكل حوكمة متينة، ومراقبة مستمرة، والتزاماً بالتغيير المؤسسي لدى جميع شركاء التحالف.

يجب أن يكون التقييم النهائي دقيقًا ومتأنيًا. لا تُعدّ منصات الذكاء الاصطناعي المُدارة حلًا سحريًا يُزيل تلقائيًا جميع تحديات دمج الذكاء الاصطناعي في الصناعة. مع ذلك، فهي تُمثل تحسنًا ملحوظًا مقارنةً بالأساليب التقليدية، وتُعالج العديد من المشكلات الهيكلية التي ساهمت في ارتفاع معدل فشل مشاريع الذكاء الاصطناعي. بالنسبة للتحالفات الصناعية والمشاريع واسعة النطاق، تُوفر هذه المنصات حلًا وسطًا عمليًا بين طرفي نقيض: التطوير الذاتي والاعتماد الكامل على خدمات الحوسبة السحابية العامة.

من المرجح أن تزداد الأهمية الاستراتيجية لهذه المنصات في السنوات القادمة. ويشير النمو الهائل للسوق من 16 مليار دولار إلى أكثر من 100 مليار دولار بحلول عام 2030، والتطور المتزايد للذكاء الاصطناعي الوكيل، والجهود المستمرة لتوحيد المعايير، إلى نضوج النظام البيئي. وستكون الشركات التي تكتسب خبرة مبكرة في هذه المنصات وتطور القدرات اللازمة في وضعٍ ممتاز لقيادة الموجة القادمة من الابتكار الصناعي.

بالنسبة للشركات الصناعية الألمانية، الرائدة تقليديًا في قطاعات مثل الهندسة الميكانيكية والكيماويات وصناعة السيارات، قد تكون منصات الذكاء الاصطناعي المُدارة مفتاحًا للحفاظ على القدرة التنافسية العالمية في عالم يزداد رقمنة. وتُظهر أمثلة كبرى شركات الكيماويات والصناعة، ومصنّعي السيارات، وموردي الطاقة، إلى جانب شركائهم، أن هذه الشركات تعمل بالفعل بنشاط على مستقبل الابتكار التعاوني. ويمكن، بل ينبغي، أن تكون منصات الذكاء الاصطناعي المُدارة جزءًا لا يتجزأ من هذا المستقبل، ليس كبديل عن الخبرة البشرية والحكمة الريادية، بل كعامل مُضاعف قوي يُعزز بشكل جذري سرعة ودقة وقابلية التوسع في الابتكار التعاوني.

يسعدني أن أكون مستشارك الشخصي.

يمكنكم التواصل معي عبر البريد الإلكتروني wolfenstein∂xpert.digital أو

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن