استراتيجية الذكاء الاصطناعي مجموعة قصيرة من الخيارات: أين سيخلق الذكاء الاصطناعي قيمة لمؤسستك، وما الذي يجب أن يتحقّق لكي ينجح، وبأي ترتيب ستتحرك. رؤية 2030 والاستراتيجية الوطنية للبيانات والذكاء الاصطناعي التي تتولاها سدايا (SDAIA) تطلبان منك أن تتحرك، لكنهما لا تتخذان هذه الخيارات نيابةً عنك. والجائزة لمن يُحسن اتخاذها كبيرة: تتوقّع PwC أن يضيف الذكاء الاصطناعي نحو 135 مليار دولار إلى اقتصاد المملكة العربية السعودية بحلول 2030، وهو أكبر مكسب في الشرق الأوسط (PwC، عبر US ITA).
يتناول هذا المقال الأسئلة الثلاثة التي تجيب عنها الاستراتيجية الحقيقية، ومثالًا محسوبًا، والفخاخ التي نراها أكثر من غيرها، وكيف تبدأ في الربع القادم. وأولًا، ما الذي لا تكونه الاستراتيجية: ليست قائمة بمشاريع الذكاء الاصطناعي، ولا منصة من مورّد، ولا شريحة عرض تقول إنك «ستتبنى الذكاء الاصطناعي». كل ذلك نشاط لا أكثر. الاستراتيجية تقرّر أي نشاط تموّله وأيّه ترفضه.
الأسئلة الثلاثة التي تجيب عنها الاستراتيجية الحقيقية
كل استراتيجية ذكاء اصطناعي رأيناها تنجح تتّسع لصفحة واحدة، لأنها لا تجيب إلا عن ثلاثة أشياء. أما المنصة والفريق والتجارب فتتبع الإجابات.
flowchart TD
A(["استراتيجية الذكاء الاصطناعي"]) --> B{"أين يخلق الذكاء الاصطناعي قيمة لنا؟"}
A --> C{"ما الذي يجب أن يتحقّق لكي ينجح؟"}
A --> D{"بأي ترتيب نتحرك؟"}
B --> B2(["قائمة قصيرة مرتّبة من حالات الاستخدام"])
C --> C2(["البيانات، والنموذج التشغيلي، والحوكمة"])
D --> D2(["مكسب أول، ثم تسلسل"])
السؤال الأول: أين يخلق الذكاء الاصطناعي قيمة لنا
القيمة أولًا، والتقنية ثانيًا. ابدأ من العمل لا من النماذج: جلسة نصف يوم مع من يديرون العمليات والمالية وخدمة العملاء والمبيعات، تُحصون فيها المواضع التي يمكن أن يحرّك فيها الذكاء الاصطناعي رقمًا تقيسونه أصلًا. تكلفة المعاملة الواحدة، أو زمن خدمة العميل، أو نسبة الأخطاء، أو قدرة لا تملكها اليوم، مثل قراءة كل عقد بدل عيّنة منها.
ثم رتّب. درجتان لكل حالة استخدام، من 1 إلى 5:
- القيمة. كم ستحرّك رقمًا تراقبه القيادة أصلًا؟ فضّل البنود المملّة ذات الأحجام الكبيرة على البنود المثيرة ذات الأحجام الصغيرة.
- الجدوى. هل البيانات موجودة؟ هل هناك مالك من جهة الأعمال باسمه؟ هل «الإجابة الصحيحة» واضحة في أغلب الأحيان؟ وهل يستطيع إنسان مراجعة الحالات الاستثنائية؟ حالة الاستخدام بلا بيانات وبلا مالك تحصل على 1 مهما كانت الفكرة جيدة.
هذا الترتيب هو حيث تتسرّب معظم البرامج. تتوقّع Gartner أن يُهجر ما لا يقل عن 30% من مشاريع الذكاء الاصطناعي التوليدي بعد مرحلة إثبات المفهوم بنهاية 2025، بسبب رداءة جودة البيانات، أو قصور ضوابط المخاطر، أو التكاليف المتصاعدة، أو غموض القيمة التجارية (Gartner, 2024). كل سبب من هذه الأسباب الأربعة درجة جدوى لم يدوّنها أحد. الاستراتيجية المركّزة تقول «لا» أكثر بكثير مما تقول «نعم»، وتقولها مبكرًا، على الورق، قبل أن يتحرك المال.
السؤال الثاني: ما الذي يجب أن يتحقّق لكي ينجح
هذا هو الجزء الذي يتجاوزه التوجيه ويخفيه عرض المورّد. ثلاثة أشياء يجب أن تتحقّق، وعلى الاستراتيجية أن تسمّي الفجوة في كل منها.
- البيانات صالحة للاستخدام. لا «لدينا بيانات كثيرة». صالحة للاستخدام تعني أن الحقول التي تحتاجها موجودة، ومعبّأة باتساق، ويمكن الوصول إليها دون طلب يستغرق ثلاثة أسابيع لدى تقنية المعلومات، ولها مالك باسمه. في خبرتنا، تبالغ كل مؤسسة تقريبًا في تقدير جاهزيتها هنا، لذا فإصلاح الأساس لأعلى ثلاث حالات استخدام جزء من الخطة، لا مشكلة فريق آخر. لست متأكدًا من موقعك؟ فحص جاهزية الذكاء الاصطناعي لدينا يمرّ بالأسئلة واحدًا واحدًا.
- أحدهم يملك النموذج التشغيلي. من يبني، ومن يشغّل، ومن يحوكم؟ ما الذي يبقى داخليًا وما الذي يُنجز بالشراكة؟ كيف تُنشر النماذج وتُراقب ويُعاد تدريبها حين تنحرف دقتها؟ دوّن الإجابة لحالة الاستخدام الأولى، حتى لو كانت «مهندس واحد مع مورّد لاثني عشر شهرًا». الاستراتيجية بلا نموذج تشغيلي خلفها أمنية.
- الحوكمة مصمَّمة من البداية، لا مُلحقة في النهاية. في المملكة، هذا أمر ملموس. نظام حماية البيانات الشخصية (PDPL)، الذي تشرف عليه سدايا (SDAIA)، يحكم أي بيانات شخصية تلمسها نماذجك وأي نقل لها خارج البلاد. والضوابط الأساسية للأمن السيبراني من الهيئة الوطنية للأمن السيبراني (NCA) تنطبق على الأنظمة التي يعمل فيها الذكاء الاصطناعي. وفي القطاع المالي، يتوقع البنك المركزي السعودي (SAMA) أن يرى الضوابط قبل أن تتوسّع، وبيئته التجريبية التشريعية موجودة للاختبار تحت الإشراف. وإن كنت تبيع للجهات الحكومية عبر منصة اعتماد، فسيسألك المشتري أين تُخزَّن البيانات ومن يستطيع الاطلاع عليها. لا شيء من هذا سبب للانتظار؛ إنها قائمة متطلبات تُدمج في اختيار حالات الاستخدام (الجانب العملي في الذكاء الاصطناعي المسؤول ونظام PDPL).
السؤال الثالث: بأي ترتيب نتحرك
التسلسل هو الاستراتيجية. ابدأ بحالة استخدام محدودة وعالية القيمة تبني القدرة والثقة، وأثبتها، ثم توسّع إلى الحالات الأصعب حين تصبح البيانات والفريق قادرين على حملها. لا تراهن بالميزانية على برنامج يمتد سنوات قبل أن تُطلق شيئًا واحدًا.
flowchart LR A(["توجيه رؤية 2030"]) --> B(["ترتيب حالات الاستخدام بحسب القيمة والجدوى"]) B --> C(["إصلاح بيانات أعلى ثلاث حالات"]) C --> D(["تحديد من يبني ويشغّل ويحوكم"]) D --> E(["إطلاق أول مكسب محدود خلال 90 يومًا"]) E --> F(["القياس، ثم التوسّع"]) F -.-> B
العودة إلى البداية مهمة. بعد المكسب الأول تعيد الترتيب، لأنك بتّ تعرف كم كانت البيانات نظيفة فعلًا، وكم استغرق التكامل، وكم كلّفت الحوكمة. الاستراتيجية التي لا تعيد الترتيب أبدًا خطة من العام الماضي.
مثال محسوب: أربع عشرة فكرة، ومكسب أول واحد
لنفترض أنك تدير شركة توزيع فيها 300 موظف، ولديها نظام ERP ونظام CRM وثلاثة مستودعات على نظامي مخزون مختلفين. الأرقام هنا افتراضية لتوضيح الشكل.
تُنتج جلسة نصف اليوم أربع عشرة حالة استخدام مرشّحة. ثلاث منها تحصل على 4 أو أكثر في القيمة والجدوى معًا:
- استخراج فواتير الموردين. لنقل 1500 فاتورة شهريًا بنحو 5 دقائق لكل واحدة، أي قرابة 125 ساعة إدخال وتدقيق. مالك نظام ERP معروف باسمه، وبيانات الموردين ليست بيانات شخصية، فالتعرّض لنظام PDPL منخفض. القيمة 4، والجدوى 5.
- فرز تذاكر خدمة العملاء بالعربية والإنجليزية. سنتان من التذاكر محفوظتان في نظام CRM، والإجابة الصحيحة واضحة للنصف المتكرّر منها. القيمة 4، والجدوى 4.
- التنبّؤ بالطلب. قيمة عالية، لكن المستودعات الثلاثة تختلف على رموز المنتجات، وسجل المبيعات موزّع على نظامين. القيمة 5، والجدوى 2.
تكتب الاستراتيجية نفسها من الدرجات. الربع الأول: استخراج الفواتير مكسبًا أول، مع موظف يراجع الـ20% المُربكة، ويُقاس بالساعات المُزالة بعد خصم تكلفة البرمجيات والبناء. الربع الثاني: توسيعه والبدء بالفرز، مع فحص للحوكمة لأن التذاكر تحتوي بيانات عملاء. وبالتوازي، العمل غير اللامع لتوحيد رموز المنتجات بين المستودعات، لأنه ما يجب أن يتحقّق قبل أن يصبح التنبّؤ ممكنًا. الربع الرابع: التنبّؤ، وقد أصبحت درجتاه 5 و4. إحدى عشرة فكرة قيل لها «لا» كتابةً ومع السبب. وهذه الأسباب جزء من الاستراتيجية بقدر الموافقات الثلاث.
أين تخطئ استراتيجيات الذكاء الاصطناعي
الفخاخ واحدة في كل مكان، مع نكهتين محليتين.
- الاستراتيجية قائمة مشاريع. عشرون مبادرة بلا ترتيب وبلا فجوات مسمّاة. تُقرأ جيدًا ولا تُحقّق شيئًا، لأن أحدًا لم يقرّر ما الذي لن يُفعل.
- المنصة أولًا. شراء منصة ذكاء اصطناعي قبل تقييم حالة استخدام واحدة. تروح المنصة بعدها تبحث عن مشكلات، والترخيص يُحتسب وهي تبحث.
- بيانات مفترضة لا مفحوصة. تقول الاستراتيجية «نستثمر بياناتنا» ولم يفتح أحد الجداول. هذا أكثر سبب شيوعًا لتأخّر التجربة الأولى ستة أشهر.
- حوكمة مُلحقة في النهاية. تجربة مبنية على بيانات العملاء تصل إلى التدقيق قبل أن تصل إلى الإنتاج، وتتوقف هناك. وكان الإصلاح أسبوع عمل عند مرحلة الاختيار.
- مواءمة بالعبارات. لصق لغة رؤية 2030 في الشرائح بينما الخطة لا تغيّر شيئًا. تكافئ الأجندة الوطنية القدرة الحقيقية والكفاءات المحلية والنتائج القابلة للقياس، لا استعراض الذكاء الاصطناعي.
كيف تبدأ في الربع القادم
النمط الناجح ممل وموثوق. اختر حالة استخدام واحدة من قائمتك المرتّبة، الأعلى جدوى بين عالية القيمة، لا الأكثر إبهارًا. قِس ما تكلّفك اليوم بصدق، بالساعات والأخطاء. شغّل تجربة محدودة مع موظف يراجع عمل الذكاء الاصطناعي، وحاسبها على رقم تقيسه أصلًا. إن حقّقت عائدًا، فوسّعها وخذ الحالة التالية من القائمة. وإن لم تحقّق، فقد أنفقت قليلًا لتتعلّم شيئًا رخيصًا، وهذا هو الغرض من التجربة. أما كيف تدير تلك التجربة الأولى لتقود إلى ما بعدها فنغطّيه في إثبات مفهوم للذكاء الاصطناعي يقود إلى نتيجة.
استراتيجية الذكاء الاصطناعي الجيدة مركّزة، وصادقة بشأن فجوة البيانات والقدرة، ومحوكمة بالتصميم، ومرتّبة على مراحل لتُحقّق شيئًا مبكرًا وتنمو منه. التوجيه يقول: تحرّك. والاستراتيجية تقول: إلى أين، وبأي ترتيب، وما الذي سترفضه.
هل تحتاج إلى استراتيجية للذكاء الاصطناعي تُحقّق نتائج، لا مجرد واحدة تُرضي التوجيه؟ تساعد خدمة استشارات الذكاء الاصطناعي لدى SDCG المؤسسات على بناء استراتيجيات ذكاء اصطناعي مركّزة وقابلة للتنفيذ ومتوائمة مع رؤية 2030، مرتكزة على قيمة حقيقية ونظرة صادقة لما يتطلبه الأمر. نحن مستقلون، فالخطة مبنية حول نتائجك أنت، لا حول منتج نبيعه. احجز استشارة مجانية مدتها 30 دقيقة.