قيادة الذكاء الاصطناعي هي قيادة سير العمل: امتلك نقاط التسليم

شاهدت النمط نفسه يتكرر عبر المصانع، والأجهزة المتصلة، وSaaS، وfintech: نادراً ما تكون التقنية هي عنق الزجاجة. نقاط التسليم هي المشكلة.

الذكاء الاصطناعي يجعل ذلك صارخاً ومؤلماً. قد يكون النموذج مبهراً، ومع ذلك لا يحقق أي أثر تجاري إذا كان سير العمل المحيط به غير واضح. من يوفّر المدخلات؟ من يعتمد المخرجات؟ ماذا يحدث عند الاستثناءات؟ من يتحمّل المسؤولية عندما يفشل؟ إذا كانت الإجابات ضبابية، يتحوّل «مشروع الذكاء الاصطناعي» إلى تجربة دائمة لا تنتهي.

عندما قدتُ مؤسسات R&D عبر البرمجيات المضمنة، والسحابة، والإلكترونيات، والميكانيك، وQA، تعلمت قاعدة بسيطة: المخرجات تتبع الملكية. لا الحماس. ولا كثافة المواهب. الملكية. وفي عصر الذكاء الاصطناعي، الملكية تدور في معظمها حول سير العمل، خصوصاً الأجزاء الفوضوية بين الفرق.

هذه قناعتي الأساسية: قيادة الذكاء الاصطناعي هي قيادة سير العمل. الفرق التي تربح تمتلك نقاط التسليم.

سوء الفهم: الذكاء الاصطناعي أداة ترشّها فوق كل شيء

يحاول معظم القادة «إضافة الذكاء الاصطناعي» بالطريقة نفسها التي يضيفون بها لوحة مؤشرات. يختارون حالة استخدام، ويموّلون نموذجاً، ثم ينتظرون المعجزة. ثم تصطدم الفكرة بالواقع:

• تصل البيانات متأخرة، أو ناقصة، أو غير متسقة.
• لا تتفق الأعمال على تعريف واضح لما يعنيه «جيد».
• يتم إدخال الشؤون القانونية أو الالتزام في آخر لحظة.
• تكتشف العمليات أن النموذج يفشل تحديداً حيث تكون العملية هشة أصلاً.
• يلوم الجميع النموذج.

في الأتمتة الصناعية، لا أحد يقبل بهذا. لن تنشر ذراعاً روبوتية من دون تحديد وحدة التغذية، والحساسات، وتعشيقات السلامة، وحاوية الرفض، وخطة الصيانة، وتعليمات المشغّل. الذكاء الاصطناعي يستحق الجدية نفسها.

الجزء غير المريح هو أن هذا ليس في الأساس مشكلة تقنية. إنه مشكلة operating model. سؤال «من يمتلك سير العمل؟» هو ما يحسم إن كان الذكاء الاصطناعي سيصبح رافعة أم ضجيجاً.

من أين تأتي قيمة الذكاء الاصطناعي فعلاً: الحلقة المغلقة

كل نظام ذكاء اصطناعي يخلق قيمة قابلة للقياس يأخذ الشكل نفسه: حلقة مغلقة مع ملكية صريحة في كل خطوة.

1. عقد المدخلات: ما الذي يدخل، ومن أين، وبأي تنسيق، وبأي فحوصات جودة.
2. نقطة القرار: ما الذي يُسمح للذكاء الاصطناعي أن يقرره، أو يوصي به، أو يصوغه.
3. الاعتماد والتصعيد: من يعتمد، ومتى يمكن التنفيذ تلقائياً، ومتى يجب التوقف.
4. التعامل مع الاستثناءات: كيف تُوجَّه الحالات الطرفية، وتُصنَّف، وتُحل.
5. التغذية الراجعة: كيف تُلتقط النتائج كي يتحسن النظام، أو على الأقل لا يكرر الأخطاء.

إذا كانت أي حلقة من هذه مفقودة، فأنت لا تملك منتج ذكاء اصطناعي. أنت تملك ميزة ذات ملف مخاطر لا تفهمه.

وهذا أيضاً سبب فوز الفرق متعددة التخصصات. ليس لأنها «صيحة»، بل لأن سير العمل يتجاوز الحدود بحكم التعريف: من المبيعات إلى العمليات، ومن العمليات إلى المالية، ومن الدعم إلى الهندسة، ومن الالتزام إلى المنتج. إذا تُركت نقاط التسليم بلا إدارة، فسيرث نظام الذكاء الاصطناعي أسوأ ما في الهيكل التنظيمي لديك.

نقاط التسليم هي المنتج

حين كنتُ CEO لوحدة أعمال في المباني الذكية وأتمتة المنازل، لم تكن أكثر الإخفاقات إيلاماً في الحساس أو السحابة غالباً. كانت في الفجوات: بين المنتج والتصنيع، وبين التصنيع والمورّدين، وبين الدعم وR&D. الأنظمة المتصلة تجعل نقاط التسليم مرئية لأن كل شيء قابل للتتبع، بما في ذلك التأخير، وإعادة العمل، وتبادل اللوم.

الذكاء الاصطناعي يفعل الشيء نفسه، لكن أسرع. إنه يضخّم ما أنت عليه أصلاً:

• إذا كانت مدخلاتك منضبطة، يضاعف الذكاء الاصطناعي هذا الانضباط.
• إذا كانت الاعتمادات سياسية، يتحول الذكاء الاصطناعي إلى ساحة صراع جديدة.
• إذا كان التعامل مع الاستثناءات ارتجالياً، فسيفيض الذكاء الاصناعي بـ«حالات خاصة» وتغرق فرقك.

لهذا أتعامل مع نقاط التسليم كجزء من تصميم المنتج. لا كـ«إدارة تغيير». ولا كـ«تدريب». بل كتجربة مصممة.

هذا المنظور حاضر أيضاً في مشاريعي. عند بناء منتجات مثل Shopeno وIBHQ، الهدف ليس الإبهار بالذكاء الاصطناعي. الهدف هو إزالة الاحتكاك عبر سير عمل كامل: الإعداد، والتحقق، والعمليات اليومية، والدعم، والضبط. وهذا يفرض نوعاً مختلفاً من القيادة. لا يمكنك الاختباء خلف نموذج إذا انكسر سير العمل لمستخدم حقيقي عند 7:30 صباحاً يوم الاثنين.

operating model عملي: مالك واحد، مسار واحد، وزر إيقاف واحد

إذا كنت تريد تحسينات قابلة للقياس في المخرجات، فأنا أقترح operating model صريحاً. ليس الوحيد، لكنه النموذج الذي رأيته يصمد أمام الواقع.

1) سمِّ مالكاً لسير العمل، لا «قائداً للذكاء الاصطناعي»

اختر سير عمل واحداً ذا أهمية (تحصيل النقد، فرز تذاكر دعم العملاء، معالجة supplier NCR، مطالبات الضمان، تنسيق backlog). عيّن مسؤولاً واحداً عن النتيجة من طرف إلى طرف.

يجب أن يكون هذا الشخص قادراً على التنسيق عبر الوظائف. إذا لم يستطع التأثير في المدخلات والاعتمادات، سيفشل—وأنت ستلوم السبب الخطأ.

2) حدّد المسار: توصية، مسودة، أم تنفيذ

تفشل معظم تطبيقات الذكاء الاصطناعي لأن المسار غير محدد. اجعله صريحاً:

• توصية: يقترح الذكاء الاصطناعي، ويقرر الإنسان. مناسب للإطلاق الأول.
• مسودة: يجهّز الذكاء الاصطناعي مخرجات العمل (بريد إلكتروني، تقرير، شيفرة، ملخص مطالبة)، ويعتمدها الإنسان.
• تنفيذ: يتصرف الذكاء الاصطناعي تلقائياً ضمن حدود وضوابط صارمة.

إن لم تستطع القول بوضوح في أي مسار أنت، فستتأرجح بين ثقة مفرطة وتحكم مفرط. كلاهما يقتل التبني.

3) صمّم مسار الاستثناءات قبل الإطلاق

الاستثناءات ليست حالات طرفية. هي عبء العمل الحقيقي. أسرع طريقة لحرق المصداقية هي نشر ذكاء اصطناعي يعمل «غالباً»، ثم يجبر أفضل الناس لديك على تنظيف الإخفاقات يدوياً.

قسّمها إلى ثلاث فئات:

• استثناءات معروفة (مفهومة مسبقاً): تُوجّه وفق قواعد.
• استثناءات غير معروفة (أنماط جديدة): تُوجّه إلى البشر مع نموذج لالتقاط البيانات.
• إجراءات محظورة: إيقاف صارم. بلا نقاش. وبلا «لمرة واحدة فقط».

وهنا أيضاً تقرر سرعة التعلم. إذا لم تُصنّف الاستثناءات غير المعروفة ولم تُغذَّ النتائج راجعاً، فأنت تدفع تكلفة التعلم من دون أن تصبح أذكى.

4) ضع زر إيقاف داخل سير العمل، لا في وثيقة سياسات

في المصانع وخطوط الإنتاج، تُصمَّم السلامة داخل النظام. ليست عرض شرائح. الذكاء الاصطناعي يحتاج التفكير نفسه. تحتاج إلى آلية إيقاف عملية يستطيع المشغّل استخدامها من دون طلب إذن.

قد يكون زر الإيقاف بسيطاً مثل مفتاح تبديل، أو عتبة ثقة تفرض مراجعة بشرية، أو بوابة اعتماد عند تحقق شروط معينة. المهم أن تكون الآلية حقيقية، فورية، ومملوكة.

إذا أردت زاوية أعمق من منظور المشغّل، فالفكرة ترتبط مباشرة بمقال AI value isn’t in the org chart. It’s in the stop button.

5) قِس التدفق وإعادة العمل، لا «الساعات الموفَّرة»

«الساعات الموفَّرة» KPI تجميلي لأنه يتجاهل الجودة وتكاليف ما بعد التنفيذ. في التصنيع، لا أحد يحتفل بخط أسرع إذا تضاعفت العيوب. والأمر نفسه ينطبق على الذكاء الاصطناعي في العمل المعرفي.

تابع:

• زمن الدورة من المدخلات إلى المخرجات المعتمدة.
• معدل القبول من أول مرة (كم مرة تُقبل مخرجات الذكاء الاصطناعي دون إعادة عمل).
• معدل التصعيد وأبرز أسباب الاستثناءات.
• معدل العيوب لاحقاً (مبالغ مستردة، إعادة فتح، إشارات التزام، شكاوى العملاء).

هذا ينسجم مع الحجة في Stop Measuring AI by Hours Saved. الهدف ليس أن نعمل أقل. الهدف هو تسليم نتائج صحيحة أكثر لكل وحدة جهد.

مثال من الواقع: ما الذي فعلته بشكل مختلف بعد سنوات في الجودة الصناعية

قضيتُ 11 عاماً في إلكترونيات القدرة وجودة السوق. هذا النوع من البيئات يعلّمك احترام أنماط الفشل. قد يعمل drive بشكل مثالي في المختبر ثم يفشل في الميدان بسبب تفاوتات التركيب، أو الظروف البيئية، أو سماحات المورّد، أو الخطأ البشري. نادراً ما يكون الحل جهداً هندسياً بطولياً. غالباً ما يكون نظاماً أكثر إحكاماً: مواصفات أوضح، تغطية اختبار أفضل، حلقات تغذية راجعة أقوى، وملكية لا لبس فيها للإجراءات التصحيحية.

لاحقاً، عندما قدتُ R&D ثم أدرتُ وحدة أعمال تبني حساسات متصلة وأنظمة تحكم للمباني، نقلتُ الانضباط نفسه إلى عمل البرمجيات والبيانات. عندما ينكسر شيء، لم يكن السؤال «من كتب الشيفرة؟». بل «أين سمح سير العمل بالغموض؟». تعريفات المدخلات. حدود الملكية. معايير الاعتماد. تسليم الدعم. بوابات الإطلاق.

مشاريع الذكاء الاصطناعي تحتاج الموقف نفسه تماماً. إذا تعاملت مع الذكاء الاصطناعي كأتمتة، ستطرح تلقائياً الأسئلة الصحيحة: ما حدود السماحات، ما مسار الرفض، من الذي يُستدعى، ما خطة الاحتواء، وما المعادل لـCAPA عند قرار سيئ.

لهذا أعود دائماً إلى قيادة سير العمل. إنها الشكل الوحيد من قيادة الذكاء الاصطناعي القابل للتوسع.

منظور القرار الذي أستخدمه اليوم

عندما يقترح فريق مبادرة في الذكاء الاصطناعي، أمرّرها عبر خمسة أسئلة. إذا لم نستطع الإجابة عنها بدقة، فنحن غير جاهزين للإطلاق.

• ما وحدة المخرجات التي نحاول زيادتها (مطالبات مغلقة، عروض أسعار مُرسلة، تذاكر محلولة، فواتير مُطابقة، طلبات مُعالجة).
• من يمتلك سير العمل من طرف إلى طرف، بما في ذلك الأجزاء غير الجميلة.
• ما المسار (توصية، مسودة، تنفيذ)، وما هي نقاط الإيقاف الصارمة.
• إلى أين تذهب الاستثناءات، وكيف تتحول إلى تعلّم.
• ما المقياس الذي يعاقبنا على إعادة العمل، لا الذي يكافئنا على السرعة وحدها.

وإذا أردت مكملًا أكثر تقنية لهذا المنظور التشغيلي، فهو يتكامل جيداً مع AI Architecture Isn’t a Diagram. It’s an Operator’s Checklist.

رأيي: الفائزون سيبدون «غير رومانسيين»

الفرق التي ستفوز بالذكاء الاصطناعي ليست التي تقدم أكثر العروض التجريبية إثارة. بل التي تمتلك أكثر موثوقية مملة. مدخلات واضحة. اعتمادات صريحة. تعامل مصمم مع الاستثناءات. آليات إيقاف حقيقية. ومالك واحد مسؤول عن التدفق والجودة.

هذه هي قيادة سير العمل. وهذا هو نمط القيادة الذي ينتقيه عصر الذكاء الاصطناعي.

ستصبح النماذج أرخص وأكثر قدرة. أما نقاط التسليم لديك فلن تُصلح نفسها.

امتلك سير العمل. امتلك نقاط التسليم. عندها يصبح الذكاء الاصطناعي ميزة تراكمية، لا بنداً إضافياً في ميزانية الابتكار.