لا يحتاج الذكاء الاصطناعي إلى بيانات مثالية: المفهوم الخاطئ الذي يكلف الشركات سنوات – ضع حدًا لخرافة الهجرة

نهاية التحضيرات التي لا تنتهي: كيف يُقدّم الذكاء الاصطناعي أخيراً قيمة مضافة حقيقية

يحمل الذكاء الاصطناعي إمكانات هائلة، إلا أنه في الممارسة العملية غالبًا ما يتحول إلى وهم مكلف. والسبب بسيط بقدر ما هو كارثي: إذ تُحوّل الشركات، دون وعي، مبادراتها الطموحة في مجال الذكاء الاصطناعي إلى مشاريع ضخمة لنقل البيانات تستهلك موارد هائلة. ويتحول الهدف الأصلي المتمثل في تحقيق نتائج أعمال سريعة وقابلة للقياس إلى صراع طويل الأمد من أجل بنية تحتية مثالية للبيانات وتوحيدها بسلاسة في مستودعات بيانات مركزية. وبينما تُضخ مليارات الدولارات في التحضير، يبقى ثلثا الشركات عالقين في المرحلة التجريبية، وتتلاشى القيمة الحقيقية المُضافة.

تكشف هذه المقالة لماذا يؤدي التمسك الصارم باستراتيجية "البنية التحتية أولاً" إلى الفشل في كثير من الأحيان، ولماذا لا يُعدّ نقل البيانات بالكامل شرطًا أساسيًا لنجاح الذكاء الاصطناعي. كما تُبيّن تحولًا نموذجيًا ضروريًا: فمن يخططون انطلاقًا من نتائج الأعمال الملموسة ويعتمدون على الوصول الموحد للبيانات، ليسوا مضطرين لانتظار إنجاز مشاريع تقنية معلومات ضخمة تستغرق سنوات. تعرّف على كيفية الحفاظ على البيانات في مكانها، وتزويد الذكاء الاصطناعي بالسياق المحدد الذي يحتاجه فقط، وتحقيق نجاح ملموس من خلال "مكاسب سريعة" مُستهدفة في وقت قصير جدًا. لقد حان الوقت لتحويل التركيز من السعي وراء الكمال المطلق للبيانات إلى خلق قيمة عملية للذكاء الاصطناعي.

ذو صلة بهذا الموضوع:

• UNFRAME.AI: لم تكن عملية نقل البيانات هي الهدف أبدًا، بل كانت نتائج الذكاء الاصطناعي هي الهدف.

الهروب من فخ البيانات: التفكير في الذكاء الاصطناعي من منظور النتيجة

أكبر عائق أمام الذكاء الاصطناعي هو نقل البيانات

لا تفشل مشاريع الذكاء الاصطناعي عادةً بسبب التكنولوجيا نفسها، بل لأنها تتحول إلى مجرد مشاريع بنية تحتية لتكنولوجيا المعلومات. ويُعتبر توحيد جميع البيانات، خطأً، شرطاً إلزامياً.

التفكير انطلاقاً من النتيجة (الهندسة العكسية)

بدلاً من السؤال عن كيفية إعداد جميع البيانات للذكاء الاصطناعي، فإن السؤال الأساسي هو: ما هو سياق البيانات المحدد الذي يحتاجه الذكاء الاصطناعي في الوقت الحاضر لتحقيق نتيجة عمل ملموسة؟

السياق بدلاً من النسخة (الوصول الموحد)

لا تحتاج تقنيات الذكاء الاصطناعي إلى مستودع البيانات بأكمله. فتقنيات مثل الوصول الموحد للبيانات، ومحاكاة البيانات، وتقنية RAG (الاسترجاع والتوليد المعزز) تُتيح الاحتفاظ بالبيانات في أنظمة المصدر الخاصة بها، وتجميع السياق فقط عند الاستعلام. وهذا يوفر وقتاً وتكاليف باهظة.

التشغيل المتوازي بدلاً من التوقف

يمكن أن تستمر عمليات نقل البيانات طويلة الأجل (عمليات استخراج البيانات وتحويلها وتحميلها لأغراض إعداد التقارير، والسجلات التاريخية، وما إلى ذلك). ومع ذلك، لا يتعين على مبادرة الذكاء الاصطناعي انتظار ذلك، بل يمكنها الوصول إلى البيانات الموزعة الموجودة بالتوازي.

المرونة تتفوق على الكمالية

إن محاولة بناء مخطط بيانات شامل أمر غير فعال. أما نماذج السياق الموجهة نحو المجال والخاصة بحالة الاستخدام (على غرار نهج شبكة البيانات) فهي أكثر جدوى بشكل ملحوظ.

قوة "الانتصارات السريعة"

لاستعادة ثقة أصحاب المصلحة التي غالبًا ما تتآكل، يجب أن تُظهر مشاريع الذكاء الاصطناعي عائدًا سريعًا على الاستثمار. ويُحقق الاستخدام الأولي المثالي (بتردد عالٍ، وأساس قابل للقياس، وبيانات موجودة) نتائج ملموسة في غضون أسابيع قليلة، مما يُبرر المزيد من الاستثمار.

لماذا تنفق الشركات مليارات الدولارات على البنية التحتية بدلاً من تقديم قيمة مضافة في نهاية المطاف؟

أدى التحول الرقمي في السنوات الأخيرة إلى ظهور نمط متناقض يشمل جميع القطاعات. تستثمر الشركات مبالغ طائلة في الذكاء الاصطناعي، إلا أن القيمة الفعلية المُضافة في معظم الحالات لا ترقى إلى مستوى التوقعات. ونادرًا ما يكمن السبب في التكنولوجيا نفسها، بل في الطريقة التي تتبعها المؤسسات في تبني الذكاء الاصطناعي. فبدلًا من التركيز على نتائج أعمال قابلة للقياس، تتحول مبادرات الذكاء الاصطناعي تدريجيًا إلى مشاريع ضخمة للبنية التحتية للبيانات، تتطور بشكل مستقل وتفقد هدفها الأصلي. وما بدأ كمبادرة استراتيجية للاستفادة من الذكاء الاصطناعي غالبًا ما ينتهي بسنوات من نقل البيانات دون أي عائد ملموس على الاستثمار.

وفقًا لتوقعات غارتنر الصادرة في ديسمبر 2025، سيبلغ الإنفاق العالمي على الذكاء الاصطناعي حوالي 1.8 تريليون دولار أمريكي في عام 2025، ومن المتوقع أن ينمو إلى 4.7 تريليون دولار أمريكي بحلول عام 2029. في الوقت نفسه، يُظهر استطلاع ماكينزي العالمي لعام 2025 حول وضع الذكاء الاصطناعي أن 88% من الشركات التي شملها الاستطلاع تستخدم بالفعل الذكاء الاصطناعي في وظيفة تجارية واحدة على الأقل، لكن ما يقرب من ثلثي الشركات لا تزال في المرحلة التجريبية أو الرائدة. وتصنف حوالي 6% فقط من الشركات ضمن ما يُسمى بالشركات عالية الأداء في مجال الذكاء الاصطناعي، حيث يُعزى أكثر من 5% من أرباحها قبل الفوائد والضرائب إلى الذكاء الاصطناعي. تُوضح هذه الأرقام تباينًا جوهريًا بين الأموال المُستثمرة في الذكاء الاصطناعي والقيمة المُضافة في نهاية المطاف. ويكشف تحليل هذا التباين عن مشكلة هيكلية تتجاوز بكثير الجوانب التقنية.

كيف ابتلع مشروع البنية التحتية مبادرة الذكاء الاصطناعي

تبدو سلسلة المنطق التي تقود الشركات إلى هذا الوضع منطقية للوهلة الأولى. فالذكاء الاصطناعي يحتاج إلى بيانات، وهذه البيانات متناثرة عبر أنظمة عديدة، لذا يجب توحيدها. ويتطلب التوحيد نقل البيانات، ونقل البيانات بدوره يتطلب تحويلها، والتحويل بدوره يتطلب حوكمة، والحوكمة تتطلب برامج لضمان جودة البيانات. كل قرار في هذه السلسلة منطقي بحد ذاته، ولكن عند جمعها معًا، فإنها تحوّل مبادرة الذكاء الاصطناعي إلى برنامج بنية تحتية للبيانات يستغرق سنوات قبل أن تظهر أي نتيجة ملموسة للذكاء الاصطناعي.

تتجلى هذه الظاهرة بوضوح في البيانات. فبحسب تقرير كايلنت لترحيل البيانات لعام 2025، أفادت 6% فقط من الشركات التي شملها الاستطلاع بإتمام مشاريع ترحيل البيانات الأكثر تعقيدًا في الموعد المحدد. وقد عانى ما يقرب من نصف المشاركين من توقف الخدمة لأكثر من خمس ساعات خلال عمليات الترحيل الحرجة، مما أدى إلى مشاكل في تجربة العملاء، وخسائر في الإيرادات، وتأخيرات تشغيلية. ويكشف تحليل لأكثر من 500 مراجعة للشركات أن حوالي 73% من مشاريع ترحيل البيانات تفشل بسبب عدم كفاية التخطيط، وثغرات الحوكمة، ونقص الخبرة المتخصصة في المنصات. أما تجاوزات الوقت، التي تصل في المتوسط ​​إلى 150%، فهي ليست استثناءً، بل هي القاعدة.

تُطوّر مشاريع الترحيل هذه ديناميكية خاصة بها. فهي تجذب فرقًا متخصصة، وتُنشئ مؤشرات أداء رئيسية خاصة بها، وتحظى برعاة على مستوى مجلس الإدارة، الذين يراهنون بسمعتهم على إنجاز المشروع. تُؤجّل حالات استخدام الذكاء الاصطناعي الأصلية إلى المرحلة التالية، ثم إلى فترة ما بعد الترحيل، وأخيرًا، تختفي بهدوء من مناقشات التخطيط. لا أحد يُخطط لهذه النتيجة. إنها ناتجة عن آلاف القرارات الصغيرة، كل منها مُبرّر على حدة، ولكنها مجتمعة تُؤدي إلى سوء تخصيص استراتيجي للموارد والاهتمام.

يوضح سيناريو نموذجي المشكلة. يبدأ استعراض الأعمال ربع السنوي كما جرت العادة خلال العامين الماضيين. يعرض فريق تحويل البيانات تقدمه. اكتملت عملية الترحيل بنسبة 73%. تحسنت مؤشرات جودة البيانات في ستة مجالات. اجتازت بنية مستودع البيانات آخر تدقيق لها. يومئ الراعي التنفيذي موافقًا على مخططات الإنجازات. ثم يسأل أحدهم السؤال الذي كان الجميع يتجنبه: متى سيتم تفعيل الذكاء الاصطناعي؟ يسود الصمت. يذكر أحدهم المرحلة الثانية. ويشير آخر إلى التبعيات. أصبح الجدول الزمني الأصلي، الذي وعد برؤى مدعومة بالذكاء الاصطناعي في غضون ثمانية عشر شهرًا، مجرد هامش في مشروع بنية تحتية للبيانات اتخذ مسارًا مستقلًا.

مشروع فاشل بقيمة مليار دولار بسبب الاستعدادات غير المكتملة

يُعدّ البُعد الاقتصادي لهذه المشكلة بالغ الأهمية. تتوقع مؤسسة غارتنر أنه بحلول نهاية عام 2026، ستشهد المؤسسات التي تفتقر إلى بيانات جاهزة للذكاء الاصطناعي فشل أكثر من 60% من مشاريعها في هذا المجال، ما يؤدي إلى التخلي عنها. وتشير مجلة هارفارد بزنس ريفيو إلى أن معدل الفشل الإجمالي لمشاريع الذكاء الاصطناعي يبلغ 80%، أي ما يقارب ضعف معدل فشل مشاريع تكنولوجيا المعلومات التي لا تتضمن الذكاء الاصطناعي. ووفقًا لدراسة استقصائية أجرتها مؤسسة إس آند بي غلوبال ماركت إنتليجنس عام 2025، تخلّت 42% من الشركات عن غالبية مبادراتها في مجال الذكاء الاصطناعي، وهو ارتفاع كبير مقارنةً بـ 17% فقط في العام السابق. وقد تخلّت المؤسسات في المتوسط ​​عن 46% من نماذج إثبات المفهوم الخاصة بها في مجال الذكاء الاصطناعي قبل حتى أن تصل إلى مرحلة الإنتاج.

تتوقع غارتنر أيضًا أن ما لا يقل عن 30% من مشاريع الذكاء الاصطناعي التوليدي ستُهمل بعد مرحلة إثبات المفهوم بسبب ضعف جودة البيانات، وعدم كفاية ضوابط المخاطر، وارتفاع التكاليف، أو عدم وضوح القيمة التجارية. ويُحدد استطلاع إنفورماتيكا لرؤى كبار مسؤولي البيانات لعام 2025 بوضوح أكبر العقبات التي تعترض طريق نجاح الذكاء الاصطناعي: جودة البيانات ونضجها (43%)، ونقص النضج التقني (43%)، ونقص الكوادر المؤهلة (35%).

تُسلّط هذه الأرقام الضوء على سوء فهم جوهري شائع في العديد من المؤسسات. لا تكمن المشكلة في فشل تطبيقات الذكاء الاصطناعي، بل في أن عملية نقل البيانات أصبحت هي المهمة بحد ذاتها، بدلاً من كونها وسيلة لتحقيق غاية. فقد أصبح دمج جميع البيانات في مستودع بيانات مركزي غاية في حد ذاته، بينما تتلاشى القيمة التجارية الأصلية. في الوقت نفسه، يشهد الاستثمار في البيانات الجاهزة للذكاء الاصطناعي نموًا هائلاً. تتوقع مؤسسة غارتنر أن ينمو سوق بيانات الذكاء الاصطناعي من 134 مليون دولار في عام 2024 إلى 14.6 مليار دولار بحلول عام 2029، ما يُمثل معدل نمو سنوي مُركّب قدره 155%. صحيح أن الأموال تتدفق، لكنها تُوجّه في الاتجاه الخاطئ إذا ما تم التعامل مع توفير البيانات كمشروع تحضيري ضخم بدلاً من كونه عملية تكرارية.

فكّر من منظور النتيجة، بدلاً من التخطيط من منظور البنية التحتية

يبدأ النهج البديل بسؤال مختلف جذرياً. فبدلاً من السؤال عن كيفية إعداد البيانات للذكاء الاصطناعي، ينبغي السؤال عن السياق الذي يحتاجه الذكاء الاصطناعي لتحقيق نتيجة تجارية محددة. هذا التغيير في المنظور يُغير بنية المشروع بأكملها.

تتطلب معظم حالات استخدام الذكاء الاصطناعي سياقًا من ثلاثة إلى خمسة أنظمة، وليس مجموعة بيانات كاملة مُرحّلة. متطلبات السياق محددة. يحتاج الذكاء الاصطناعي لتحليل العقود إلى العقود وتعديلاتها والأطراف والالتزامات، وليس إلى مستودع البيانات بأكمله. يحتاج الذكاء الاصطناعي لخدمة العملاء إلى سجلات التفاعل وبيانات المنتجات وسجلات إدارة الحالات، وليس إلى كل جدول في كل نظام مصدر.

عادةً ما يكون الحد الأدنى لمسار البيانات المطلوب أضيق من نطاق مشروع الترحيل. يُحسَّن الترحيل ليُلبي جميع الاستعلامات المستقبلية المُحتملة. يحتاج الذكاء الاصطناعي إلى السياق المناسب لحالات الاستخدام المُحددة في الوقت الحاضر. هذان المتطلبان مختلفان جوهريًا، والتعامل معهما على أنهما مُتكافئان هو تحديدًا الآلية التي تلتهم بها مشاريع البنية التحتية مبادرات الذكاء الاصطناعي.

عند العمل عكسيًا انطلاقًا من نتائج الذكاء الاصطناعي، غالبًا ما نجد أن البيانات اللازمة متاحة بالفعل. لا حاجة لنقلها، بل يكفي ربطها وتنظيمها بما يتناسب مع حالة الاستخدام، وإتاحتها أثناء التشغيل. تبدأ الإدارة الفعّالة لبيانات الذكاء الاصطناعي بهذا الإدراك: أولًا، تحديد النتيجة، ثم إيجاد أبسط مسار للوصول إلى السياق الذي يُتيح تحقيق تلك النتيجة.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

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

الوصول الموحد للبيانات كنموذج معماري بديل

لا يُعدّ الذكاء الاصطناعي بدون ترحيل البيانات حلاً سريعاً، بل هو بنية مختلفة تعكس كيفية عمل الذكاء الاصطناعي فعلياً في بيئات الإنتاج. وتتسم هذه المقاربة بثلاثة مبادئ أساسية.

أولًا، يربط الوصول الموحد الذكاء الاصطناعي بأنظمة المصدر التي تحتوي على البيانات دون الحاجة إلى مركزية مسبقة. تبقى بيانات إدارة علاقات العملاء (CRM) في نظام إدارة علاقات العملاء، وتبقى المستندات في مستودع المستندات، وتبقى البيانات التشغيلية في نظام تخطيط موارد المؤسسات (ERP). يمكن لطبقة الذكاء الاصطناعي الوصول إلى كل هذا دون انتظار المزامنة. يحافظ الوصول الموحد للبيانات على البيانات في موقعها الأصلي، ويستفيد من تقنيات المحاكاة الافتراضية لتوفير رؤية موحدة، ويتيح الحصول على رؤى فورية عند الطلب. على عكس مستودعات البيانات، حيث تُنقل البيانات فعليًا إلى موقع مركزي، يُزيل الوصول الموحد المخاطر والتكاليف المرتبطة بتكرار البيانات، ويُحسّن الكفاءة التشغيلية.

ثانيًا، تُحدد نماذج السياق الخاصة بكل حالة استخدام احتياجات كل تطبيق ذكاء اصطناعي على وجه التحديد. فبدلًا من بناء مخطط شامل يُحاول تغطية كل شيء، يُحدد النظام الكيانات والعلاقات والإشارات الخاصة بكل حالة استخدام على حدة. ويتماشى هذا المبدأ مع مفهوم بنية شبكة البيانات، حيث تُدير الفرق المتخصصة في مجال معين بياناتها بشكل مستقل، وتحافظ على معايير حوكمة مُخصصة تُراعي متطلبات العمل المحددة.

ثالثًا، يقوم التجميع أثناء التشغيل بتجميع السياق لحظة اتخاذ القرار، بدلًا من تجميعه مسبقًا عبر مسارات معالجة الدفعات. فعندما يحتاج الذكاء الاصطناعي للإجابة عن سؤال، يقوم بتجميع السياق ذي الصلة من جميع المصادر، أينما وُجد. لا يوجد تأخير في المزامنة، ولا توجد لقطات قديمة. بيانات محدّثة، يتم تجميعها عند الطلب. وقد شهد هذا المبدأ نضجًا تقنيًا مع انتشار تقنية التوليد المعزز بالاسترجاع (RAG). تُمكّن بنى RAG أنظمة الذكاء الاصطناعي من استرجاع المعلومات الخارجية ذات الصلة لحظة الاستعلام وتضمينها في السياق، بدلًا من الاعتماد فقط على المعرفة المُدرّبة مسبقًا. وبحلول منتصف عام 2026، سيستخدم أكثر من 66% من تطبيقات الذكاء الاصطناعي التوليدي في المؤسسات بنى RAG.

يتجلى التطبيق العملي لهذه البنية في بيئات المؤسسات الواقعية. فعلى سبيل المثال، تستفيد مكتبة التعلم الآلي الموحدة من SAP من بنية توحيد البيانات في SAP Datasphere لعرض بيانات SAP وغير SAP بذكاء لأغراض التعلم الآلي دون الحاجة إلى نسخ البيانات أو نقلها. وقد طبقت شركات مثل داونر، إحدى أكبر مزودي الخدمات المتكاملة في أستراليا، منصة موحدة للبيانات والذكاء الاصطناعي تجمع بين المرونة اللامركزية والحوكمة المركزية، مما يُمكّن وحدات الأعمال من الابتكار بشكل مستقل مع مشاركة بيانات المؤسسة بسلاسة وأمان.

مقارنة بين تقنية المحاكاة الافتراضية للبيانات ومعالجة البيانات على دفعات

لا يُعدّ الاختيار بين الوصول الموحد عبر تقنية المحاكاة الافتراضية للبيانات والدمج التقليدي القائم على عمليات استخراج البيانات وتحويلها وتحميلها (ETL) خيارًا ثنائيًا، بل هو مسألة تتعلق بمواءمته مع متطلبات عبء العمل المعني. توفر تقنية المحاكاة الافتراضية للبيانات أوقات استجابة أسرع عند الاستعلام عن مجموعات بيانات أصغر حجمًا وموزعة. مع ذلك، ومع تزايد أحجام البيانات ومتطلبات التحويل المعقدة، قد تكون عمليات استخراج البيانات وتحويلها وتحميلها (ETL) أكثر كفاءة نظرًا لقدرتها على معالجة مجموعات البيانات الكبيرة باستخدام قواعد تحويل محددة مسبقًا.

يكمن جوهر المقايضة في أن تقنية المحاكاة الافتراضية للبيانات تستبدل التجميع المادي بالتكامل المنطقي. ستحصل على بيانات أحدث، حيث تصل الاستعلامات إلى أنظمة المصدر مباشرةً، وستتجنب تكلفة وتعقيد نسخ جميع البيانات إلى مستودع بيانات واحد. في الوقت نفسه، ستصبح معتمدًا على توافر وأداء كل نظام أساسي. بالنسبة للاستعلامات التحليلية الضخمة التي تصل إلى نطاق البيتابايت، تتفوق مستودعات البيانات ذات التجميعات المحسوبة مسبقًا والتخزين العمودي على الاستعلامات الموحدة عبر الشبكات بعشرة أضعاف أو أكثر.

الحل الأمثل هو استخدام كلا النهجين بطريقة تكاملية. تتولى عملية استخراج البيانات وتحويلها وتحميلها (ETL) معالجة البيانات التاريخية المنظمة لأغراض إعداد التقارير، وتضمن اتساقها. بينما تُمكّن تقنية محاكاة البيانات من الوصول السريع إلى البيانات الحية أو الموزعة لإجراء الاستعلامات العاجلة. عند دمج مصدر بيانات جديد، قد يستغرق تعديل عمليات ETL أيامًا أو أسابيع. في المقابل، تسمح تقنية محاكاة البيانات بالدمج الفوري لمصادر البيانات المؤقتة أو التجريبية. يُحسّن هذا النهج الهجين الأداء والتكلفة والمرونة على حد سواء.

أقصر طريق لتحقيق نتائج قابلة للقياس في مجال الذكاء الاصطناعي

المنطق الاقتصادي الكامن وراء النهج الموجه نحو النتائج مقنع للغاية. يتبع متوسط ​​مدة مشاريع الذكاء الاصطناعي نمطًا مألوفًا: ثلاثة أشهر للتخطيط، وستة أشهر للتطوير، وستة أشهر للاختبار، وثلاثة أشهر للنشر، ليصبح المجموع ثمانية عشر شهرًا حتى تحقيق عائد الاستثمار. ووفقًا لشركة غارتنر، فإن 48% فقط من مشاريع الذكاء الاصطناعي تصل إلى مرحلة الإنتاج، وتستغرق عملية الانتقال من النموذج الأولي إلى الإنتاج ثمانية أشهر. ولا تصل سوى 35% من مشاريع الذكاء الاصطناعي إلى مرحلة الجاهزية للإنتاج.

لكن ثمة طريقة أخرى. فبحسب دراسة أجرتها مؤسسة IDC، تحقق 92% من تطبيقات الذكاء الاصطناعي الناجحة عائدًا إيجابيًا على الاستثمار خلال اثني عشر شهرًا، بينما تُبلغ 40% من الشركات عن عائد إيجابي خلال ستة أشهر. ويكمن السر في اختيار حالة الاستخدام الأولية المناسبة وتجنب الاستعدادات المفرطة للبنية التحتية.

يرتكز إطار العمل لتحقيق عائد سريع على الاستثمار في الذكاء الاصطناعي على أربعة مبادئ. يتميز الاستخدام الأمثل الأول بتكرار عالٍ؛ حيث تُنفذ المهمة المعنية يوميًا أو أسبوعيًا. كما يتميز بوجود أساس واضح، وإمكانية قياس الأداء الحالي. وتتوفر البيانات مسبقًا، ويعتمد الاستخدام بشكل محدود على الأنظمة الأخرى. إذا تحققت هذه المعايير، يمكن تحقيق نتائج ملموسة في غضون أسابيع قليلة.

يتجاوز أثر هذه النجاحات السريعة العائد المالي المباشر. فقد طبّقت إحدى شركات الاتصالات روبوت محادثة يعمل بالذكاء الاصطناعي للإجابة على أكثر خمسة استفسارات شيوعًا من العملاء حول الفواتير. وفي غضون 60 يومًا، حلّ الروبوت 35% من الاستفسارات دون تدخل بشري، وخفّض متوسط ​​وقت الحل من 24 ساعة إلى 10 دقائق، ورفع مستوى رضا العملاء بنسبة 22%. كما طبّقت شركة تصنيع متوسطة الحجم نظام صيانة تنبؤية مدعومًا بالذكاء الاصطناعي على خط إنتاج حيوي. وحقق المشروع التجريبي الذي استمر 45 يومًا انخفاضًا بنسبة 62% في وقت التوقف غير المخطط له، وتجنب خسائر إنتاجية بقيمة 157 ألف دولار، وانخفاضًا بنسبة 28% في تكاليف الصيانة. وقد حلّ مساعد الذكاء الاصطناعي من كلارنا ثلثي استفسارات العملاء عبر الدردشة في الشهر الأول، وخفّض متوسط ​​وقت الحل من 11 دقيقة إلى أقل من دقيقتين.

لماذا تُعد ثقة أصحاب المصلحة العملة الأصعب؟

تُحقق هذه المكاسب السريعة فائدة تتجاوز مجرد توفير التكاليف، فهي تُعيد ثقة أصحاب المصلحة التي تآكلت على مر السنين بسبب مشاريع البنية التحتية التي لم تُسفر عن نتائج ملموسة. تُقدم هذه النجاحات السريعة دليلاً سريعاً وملموساً على أن الذكاء الاصطناعي يُضيف قيمةً تجاريةً، مما يُعزز ثقة صُنّاع القرار، ويُقلل من مقاومة التبني، ويُمهد الطريق لاستثمارات أكبر في مجال الذكاء الاصطناعي.

تُسهم المكاسب السريعة الناجحة في خلق حلقات تغذية راجعة إيجابية تُسرّع من تبني الذكاء الاصطناعي. ويُولد النجاح الأولي حماسًا وموارد لتطبيق أوسع نطاقًا. ويُضيف توسيع نطاق التطبيق قيمةً إضافيةً وتعلمًا تنظيميًا، مما يُتيح تطبيقات أكثر تطورًا وفوائد أكبر. وتُبرر هذه الفوائد الأكبر زيادة الاستثمار في قدرات الذكاء الاصطناعي.

تؤكد بيانات ماكينزي هذه الآلية. فالشركات ذات الأداء المتميز في مجال الذكاء الاصطناعي - والتي تمثل 6% من الشركات التي تحقق مساهمة ملموسة في أرباحها قبل الفوائد والضرائب من الذكاء الاصطناعي - هي أكثر عرضة بثلاث مرات من غيرها للإبلاغ عن نيتها استخدام الذكاء الاصطناعي لإحداث تغيير جذري. كما أن هذه الشركات أكثر عرضة بثلاث مرات تقريبًا من غيرها لإعادة تصميم سير العمل بشكل جذري، وتُظهر هذه الإعادة المتعمدة لسير العمل أحد أقوى العوامل المساهمة في تحقيق تأثير ملموس على الأعمال. وتُطبّق الشركات ذات الأداء المتميز الذكاء الاصطناعي بانتظام في وظائف أعمال أكثر من نظيراتها، وهي أكثر عرضة بثلاث مرات لتوسيع نطاق استخدام وكلاء الذكاء الاصطناعي.

التشغيل المتوازي بدلاً من التبعية التسلسلية

لا داعي لإيقاف مشروع الترحيل. قد يخدم أغراضًا تتجاوز الذكاء الاصطناعي. فالتقارير التنظيمية، والتحليلات التاريخية، ولوحات معلومات الإدارة التنفيذية ضمن الخطة الداخلية، قد تتطلب بالفعل بيانات موحدة. وبالتالي، فإن الاستثمار في بناء هذه البنية التحتية لن يذهب سدىً لهذه الأغراض.

لكن الذكاء الاصطناعي ليس مضطراً لانتظار اكتمال عملية الترحيل. يمكن تشغيل العمليتين بالتوازي. تستمر عملية الترحيل وفق جدولها الزمني الخاص لتحقيق أهدافها المرجوة. بينما يقدم الذكاء الاصطناعي نتائجه فوراً، استناداً إلى البيانات المتوفرة حالياً.

يبدأ النهج العملي بتحديد حالتين أو ثلاث حالات استخدام للذكاء الاصطناعي تُحقق قيمة تجارية قابلة للقياس. يلي ذلك تحديد سياق البيانات المطلوب لكل حالة استخدام. ثم، يتم التحقق من إمكانية الوصول المباشر إلى هذا السياق دون الحاجة إلى نقل البيانات. وأخيرًا، يتم تجربة الذكاء الاصطناعي على أقصر مسار بيانات ممكن.

يتماشى هذا النهج مع نتائج المحللة هاريثا خانداباتو من شركة غارتنر، التي تصف تحولاً تدريجياً من التركيز على الذكاء الاصطناعي التوليدي إلى التركيز على العوامل التمكينية الأساسية التي تدعم نشر الذكاء الاصطناعي المستدام، بما في ذلك البيانات الجاهزة للذكاء الاصطناعي ووكلاء الذكاء الاصطناعي. وتتحول الاستثمارات من استراتيجية تركز على البنية التحتية أولاً إلى بنية تركز على البيانات والقدرات أولاً. أما المؤسسات التي تُهمل جاهزية البيانات فهي الأكثر عرضة للبقاء ضمن نسبة الـ 94% التي لا تتجاوز المرحلة التجريبية.

إعادة تنظيم منطق الاستثمار

تكشف بيانات الإنفاق الصادرة عن مؤسسة غارتنر عن تحول جذري في منطق الاستثمار. فبينما لا تزال البنية التحتية للذكاء الاصطناعي تشكل الفئة الأكبر من الإنفاق بفارق كبير، حيث بلغت قيمتها 965 مليار دولار في عام 2025، فإن معدل نموها معتدل نسبيًا، إذ يبلغ 29% سنويًا. أما التسارع فيحدث في مجالات أخرى: فبيانات الذكاء الاصطناعي تنمو بنسبة 155% سنويًا، والأمن السيبراني للذكاء الاصطناعي بنسبة 74%، ونماذج الذكاء الاصطناعي بنسبة 68%. فالاستثمارات تتجه نحو معالجة التحديات، لا نحو ما يُنشر في وسائل الإعلام.

في سوق بيانات الذكاء الاصطناعي، تتضح محركات النمو بشكلٍ جليّ. إذ ينمو توليد البيانات الاصطناعية بمعدل سنوي قدره 178%، من 41 مليون دولار إلى 6.8 مليار دولار بحلول عام 2029. أما مجموعات البيانات الجاهزة للذكاء الاصطناعي - أي البيانات المُنسقة مسبقًا والمُهيكلة خصيصًا لسير عمل الذكاء الاصطناعي - فتنمو بمعدل سنوي قدره 136%. وتُبدي الشركات استعدادًا للدفع مقابل اختصار عمليات الإنتاج، ما يُشير بوضوح إلى أن السوق يُفضّل سرعة جاهزية البيانات على عملية الترحيل البطيئة والشاملة.

تستثمر المؤسسات الفائزة، تلك التي تجني ثمار هذا التحول، في القدرات التي تُمكّن أنظمة الذكاء الاصطناعي من العمل بكفاءة على مستوى المؤسسات: جاهزية البيانات، والحوكمة، والتكامل، والأمان. وتُغيّر هذه المؤسسات نسب الإنفاق المعتادة، إذ تُخصّص ما بين 50 و70 بالمئة من وقتها وميزانيتها لجاهزية البيانات، أي استخراجها، وتوحيدها، وبيانات تعريف الحوكمة، ولوحات معلومات الجودة، وضوابط الاحتفاظ بها. ومع ذلك، لا يُنظر إلى جاهزية البيانات هذه على أنها مشروع ترحيل شامل، بل كعملية تكرارية قائمة على حالات الاستخدام.

من الكمالية في البيانات إلى براغماتية الذكاء الاصطناعي

يمكن تلخيص النتيجة الرئيسية لهذا التحليل في مبدأ واحد: لم يكن الهدف أبدًا بنية تحتية مثالية، بل كان الهدف هو تحقيق نتائج من الذكاء الاصطناعي، ولحسن الحظ، لا يتطلب ذلك توحيدًا كاملًا للبيانات. الفرق التي تُدرك ذلك تتوقف عن اعتبار عملية الترحيل شرطًا أساسيًا، وتبدأ في النظر إلى نتائج الذكاء الاصطناعي باعتبارها المقياس الأهم.

البيانات تتحدث عن نفسها. 88% من الشركات تستخدم الذكاء الاصطناعي، لكن ثلثها فقط بدأ بتوسيع نطاقه. 73% من مشاريع الترحيل تفشل بسبب مشاكل في التنفيذ، وليس بسبب التكنولوجيا نفسها. 42% من الشركات ستتخلى عن معظم مبادراتها في مجال الذكاء الاصطناعي بحلول عام 2025. في الوقت نفسه، تُظهر نسبة الـ 6% الأولى أن طريق النجاح يكمن في الأهداف الطموحة، وإعادة تصميم سير العمل، والتوسع السريع، وليس في إتمام مشاريع الترحيل.

يمثل هذا دعوة واضحة لاتخاذ إجراءات من قبل مديري تقنية المعلومات ومديري التكنولوجيا. لم يعد السؤال هو كيفية توحيد جميع البيانات قبل تطبيق الذكاء الاصطناعي، بل السؤال هو ما هو سياق البيانات المحدد المطلوب لحالة استخدام الذكاء الاصطناعي التالية، وكيف يمكن توفير هذا السياق بأسرع وقت وأقل تكلفة. الوصول الموحد، ونماذج السياق الخاصة بكل حالة استخدام، والتجميع أثناء التشغيل هي الأدوات المعمارية التي تُمكّن هذا النهج. فهي تستبدل نموذج الإعداد الكامل بنموذج خلق القيمة التكراري.

الشركات التي تنظر إلى الذكاء الاصطناعي ليس كمستفيد ثانوي من مشاريع البنية التحتية، بل كقوة دافعة تحدد متطلبات البيانات، ستكون الأسرع تقدماً من المرحلة التجريبية إلى مرحلة التوسع. يمكن لمشروع الترحيل أن يستمر، لكن الذكاء الاصطناعي ليس مضطراً للانتظار.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

التواصل معي عبر wolfenstein ∂ xpert.digital

اتصل بي على الرقم +49 89 89 674 804 (ميونخ) .

لينكد إن