تبنّي الذكاء الاصطناعي هو في الأساس ملكية سير العمل، لا النماذج

لديّ اختبار بسيط لمعرفة ما إذا كانت المؤسسة جادة في الذكاء الاصطناعي: هل تستطيع أن تشير إلى مالك سير العمل؟

ليس مالك منتج chatbot. وليس رئيس البيانات. بل المشغّل الذي يملك العملية من طرف إلى طرف، وحدّ الأخطاء، ومسار التصعيد عندما يخطئ الذكاء الاصطناعي.

في الدنمارك، يمكنك رؤية الفرق بين «مسرح الذكاء الاصطناعي» والذكاء الاصطناعي التشغيلي في الطريقة التي تعاملت بها شركة تأمين كبيرة مع الذكاء الاصطناعي بوصفه زملاء جدد يتولون المهام الروتينية، ما يحرّر وقت البشر. ليست حكاية قفزة خيالية. بل سنوات من تحسين سير العمل، مهمة روتينية تلو أخرى، مع تحسين مستمر وملكية واضحة.

هذه هي الحالة التي أريد من مزيد من مجالس الإدارة والمشغّلين أن يستوعبوها. «تبنّي الذكاء الاصطناعي» هو غالباً ملكية سير العمل إضافة إلى الضوابط. والضوابط ليست لجنة. إنها الأشياء نفسها التي حوّلناها إلى ممارسة صناعية منذ عقود في التصنيع: نقاط تسليم محددة، وتعريفات للعيوب، وتصعيد سريع. ثم تقيس ما يهم: زمن دورة المطالبات، والتسرب، ومعدل الشكاوى. لا تصفيق العروض التجريبية.

إعادة صياغة المشغّل: الذكاء الاصطناعي محطة في عمليتك

حين قضيت أحد عشر عاماً في إلكترونيات القدرة، لم تكن الجودة موضوعاً لشرائح PowerPoint. كانت واقعاً إنتاجياً. تصمّم الخط بحيث يحدث العمل الصحيح في المحطة الصحيحة، مع معايير قبول واضحة. وإذا فشلت وحدة ما، فلا تدخل في جدل فلسفي. تحتوِي المشكلة، وتعيد العمل، وتعالج السبب الجذري.

تفتقد معظم برامج الذكاء الاصطناعي هذه الغريزة الصناعية. تبدأ بنموذج ثم تبحث عن حالة استخدام. المشغّلون يفعلون العكس. يبدأون بسير عمل موجود أصلاً وله ألم معروف: تراكم، أو إعادة عمل، أو إحباط العملاء، أو تسرب. ثم يقررون أين يمكن للذكاء الاصطناعي أن يعمل كمحطة، وما شكل «الجيد» في تلك المحطة.

وتترتب على ذلك ثلاث نتائج عملية:

• الذكاء الاصطناعي لا «يحوّل» وظيفة كاملة. إنه يغيّر نقاط تسليم بعينها. هناك تربح أو تخسر.
• مخرجات الذكاء الاصطناعي ليست قراراً. إنها مُدخل ضمن سلسلة اتخاذ قرار ذات مسؤولية صريحة.
• الضوابط ليست عبئاً. هي ما يجعل الإنتاجية قابلة للاستدامة.

لهذا أيضاً أعود باستمرار إلى منظور قائمة تحقق للمشغّل عند التعامل مع الذكاء الاصطناعي. وإذا أردت تأطيراً تقنياً أعمق، فقد كتبت مادة مكملة حول لماذا تكون بنية الذكاء الاصطناعي قائمة تحقق للمشغّل. المنطق نفسه ينطبق هنا، لكن على مستوى سير العمل.

عرّف نقاط التسليم بين الإنسان والذكاء الاصطناعي، ثم دوّن القواعد

إذا لم تفعل شيئاً سوى أمر واحد هذا الربع، فافعل التالي: ارسم سير عمل واحداً من طرف إلى طرف وحدد كل نقطة يتسلم فيها العمل طرفاً من طرف. إنسان إلى إنسان. نظام إلى إنسان. إنسان إلى نظام. ثم قرر أين يجلس الذكاء الاصطناعي، وماذا يحدث عندما تكون النتيجة غير مؤكدة.

أتعمد استخدام لغة التصنيع لأنها تفرض الوضوح. في المصنع، لن تقول أبداً: «المحطة ستتعامل مع الأمر». أنت تحدده.

وفي أعمال المعرفة، المقابل هو مجموعة قصيرة من قواعد التشغيل:

1. معايير الدخول: ما المدخلات المطلوبة كي يتصرف الذكاء الاصطناعي؟ ما الحد الأدنى لاكتمال البيانات؟ وما الحد المقبول لحداثتها؟
2. معايير الخروج: ما شكل المخرج المقبول؟ ما الحقول التي يجب ملؤها؟ وما الدليل الذي يجب إرفاقه؟
3. تصميم التسليم: متى يُكمل الذكاء الاصطناعي تلقائياً، ومتى يقدّم مسودة، ومتى يوصي فقط؟ ومن يوافق؟
4. حدّ الأخطاء: ما أنواع الأخطاء المقبولة وبأي معدل؟ وما الأخطاء غير المقبولة إطلاقاً؟
5. مسار التصعيد: إلى أين تذهب الحالات غير المؤكدة؟ وبأي سرعة؟ وإلى من؟ وبأي سياق؟

هنا تموت غالبية جهود تبنّي الذكاء الاصطناعي بصمت. ليس لأن النموذج ضعيف، بل لأن أحداً لا يريد امتلاك التفاصيل غير المريحة. خصوصاً حدّ الأخطاء.

حدود الأخطاء: توقّف عن ادعاء أنك تستطيع «إلغاء الأخطاء»

كل عملية حقيقية فيها عيوب. سؤال المشغّل ليس هل توجد عيوب، بل هل صممت العملية للتعامل معها.

عندما قدت التشغيل في سياقات صناعية، استخدمنا تعريفات واضحة للعيوب وآليات للاحتواء. وفي أدوار R&D وQA، تعاملنا مع الجودة كخاصية للنظام: وقاية، وكشف، وتصحيح. لا تحصل على مخرجات متينة بمطالبة الناس «أن ينتبهوا». تحصل عليها بجعل الخطوة التالية واضحة وسريعة.

الذكاء الاصطناعي يحتاج المعاملة نفسها. حدّد فئات قليلة تهم تشغيلياً:

• أخطاء حرجة: إجراء خاطئ يسبب ضرراً للعميل، أو مخاطر تنظيمية، أو خسارة مالية. هذه تتطلب بوابات صارمة وموافقة بشرية.
• أخطاء مكلفة: مشكلات تولّد إعادة عمل، أو تأخيراً، أو تسرباً. هذه تتطلب أخذ عينات، وحدوداً، وتحديثات سريعة للنموذج أو القواعد.
• أخطاء شكلية: تنسيق، أو صياغة، أو انحراف طفيف في التصنيف. لا ينبغي أن توقف التدفق.

ثم حوّل ذلك إلى سياسة صريحة: عندما تهبط الثقة تحت X، تُحوَّل الحالة لمراجعة بشرية. وعندما يكون نوع الحالة Y، لا تُنفّذ تلقائياً أبداً. وعندما تكون البيانات ناقصة، اطلب الحقول المفقودة قبل المتابعة. ليست جذابة. لكنها تعمل.

تحب مجالس الإدارة أن تسأل: «ما المخاطر؟» سؤال أفضل هو: «ما الاستجابة المصممة لدينا عندما يخطئ الذكاء الاصطناعي؟» إن لم تستطع الإجابة، فأنت لا تملك نظام ذكاء اصطناعي. بل نموذجاً أولياً يعمل في الإنتاج.

قِس التبنّي بعين المشغّل: زمن الدورة، التسرب، معدل الشكاوى

إذا قست الذكاء الاصطناعي بعدد التجارب، فستحصل على تجارب. وإذا قسته برضا العرض التجريبي، فستحصل على عروض لطيفة. المشغّلون يقيسون الإنتاجية والجودة.

في مطالبات التأمين، يعني ذلك مؤشرات مثل زمن الدورة، والتسرب، ومعدل الشكاوى. وفي التصنيع: العائد من المرور الأول، والهالك، والمرتجعات. وفي SaaS: زمن الحل، وتقليل التذاكر دون تواصل متكرر، وإشارات churn. يختلف المجال، والمنطق التشغيلي واحد.

إليك مجموعة KPI عملية تعمل عبر صناعات متعددة:

• زمن الدورة: الوسيط والـ 90th percentile من الاستقبال حتى القرار.
• معدل إعادة العمل: نسبة الحالات التي تعود للوراء بعد خطوة ذكاء اصطناعي أو خطوة بشرية.
• مؤشر بديل للتسرب: أي «قيمة مفقودة» قابلة للقياس داخل العملية (مدفوعات زائدة، أو فواتير ناقصة، أو استردادات فائتة، أو رسوم مُعفاة، أو إرسال ميداني غير ضروري).
• معدل الشكاوى: مُطبَّع حسب الحجم، مع مستويات للحدة.
• حجم التصعيد: كم مرة يطلق الذكاء الاصطناعي مراجعة بشرية، ولماذا.

اثنان من هذه المؤشرات يمثلان نظام الإنذار المبكر: إعادة العمل والتصعيدات. عندما يرتفعان، لا تدخل في نقاش. افحص المحطة: جودة المدخلات، منطق prompts، انجراف النموذج، سلوك المستخدم، أو سياسة غير واضحة. ثم أصلح العملية.

مثال من الواقع: تعلمت ذلك بصعوبة وأنا أبني الفرق وأوسعها

عندما أعدتُ بناء منظمة R&D ووسّعتها إلى نحو 22 متخصصاً عبر embedded software وcloud والإلكترونيات والميكانيكا وQA، كان القيد نادراً ما يكون نقص الموهبة الخام. كان القيد هو الواجهات. من يملك نقطة التسليم من الإلكترونيات إلى firmware؟ ما تعريف «منجز» لنسخة release candidate؟ ماذا يحدث عندما يعثر QA على مشكلة منهجية في وقت متأخر؟

في اللحظة التي دوّنا فيها معايير القبول ومسارات التصعيد، تحسنت الإنتاجية. وتحسنت الجودة. وتراجع الضغط. ليس لأن الناس عملوا أقل، بل لأن الغموض انخفض.

أطبق العقلية نفسها اليوم في مشاريعي. عندما أبني منتجات مثل IBHQ أو Shopeno، أتعامل مع الذكاء الاصطناعي التطبيقي كجزء من operating system: ما المسموح له أن يفعله، وما الذي يجب ألا يفعله مطلقاً، وما الدليل الذي يجب أن يرفقه لكي يتمكن الإنسان من التحقق سريعاً أو تجاوز القرار. الفوز ليس «ذكاء اصطناعي في كل مكان». الفوز هو نقاط تسليم أقل غموضاً وقرارات أسرع مع ضبط.

ولهذا أيضاً لا يتحمسني أن يخبرني أحدهم أنه «عمّم الذكاء الاصطناعي على المؤسسة». أسأل: أي سير عمل؟ أي محطة؟ أي حدّ أخطاء؟ من مالك التصعيد؟ وأي مؤشر تحرك؟

قائمة تحقق لمجلس الإدارة والمشغّل لهذا الربع

إذا أردت خطة ملموسة قابلة للتنفيذ خلال 90 يوماً، استخدم هذه القائمة.

1. اختر سير عمل واحداً ذا حجم. استقبال المطالبات. مطابقة الفواتير. فرز دعم العملاء. تهيئة الموردين. سير عمل واحد، لا إدارة كاملة.
2. سمِّ مالك سير العمل. شخص واحد مسؤول عن التدفق من طرف إلى طرف وعن النتائج.
3. ارسم المحطات ونقاط التسليم. أين ينتقل العمل بين الأطراف، وأين يتعطل؟
4. أدخل الذكاء الاصطناعي كمحطة لا كطبقة. حدّد معايير الدخول والخروج.
5. اكتب حدّ الأخطاء ومسار التصعيد. بما في ذلك حالات «عدم التنفيذ التلقائي أبداً».
6. اربط القياس. زمن الدورة، إعادة العمل، مؤشر التسرب، معدل الشكاوى.
7. أجرِ مراجعات تشغيل أسبوعية. كما في اجتماع إنتاج: أبرز العيوب، أبرز التصعيدات، الأسباب الجذرية، والإصلاحات التي تم شحنها.

وإذا احتجت نموذجاً ذهنياً من مجال آخر: في طاقة الشبكات على نطاق واسع، تُبنى bankability على الضوابط والأداء المتوقع. والانضباط التشغيلي نفسه هو السبب الذي دفعني لكتابة playbook لجعل التخزين على نطاق الشبكة قابلاً للتمويل. الذكاء الاصطناعي ليس مختلفاً. الثقة تُهندَس.

رأيي: توقّف عن شراء الذكاء الاصطناعي. وابدأ تشغيله.

الحالة الدنماركية «مملة» بأفضل معنى للكلمة. سنوات من تحسين سير العمل وتحرير الوقت عبر إسناد المهام الروتينية إلى الذكاء الاصطناعي، لا بوصفه سحراً، بل كقدرة إنتاجية تحسّنها باستمرار.

هذا هو المعيار الذي أريد من مجالس الإدارة أن تطالب به. ليس مختبراً للابتكار. ولا كومة تجارب. بل مالك لسير العمل بالاسم. ونقاط تسليم محددة. وحدود أخطاء. وتصعيدات. ومؤشرات تضرب في P&L وتجربة العميل.

عندها تصبح النماذج، تقريباً، الجزء الأسهل. الجزء الأصعب هو القيادة: امتلاك سير العمل كما لو أنه خط إنتاجك، لأنه كذلك.