فوضى أدوات الذكاء الاصطناعي في الشركات الدنماركية الصغيرة والمتوسطة ليست مشكلة ذكاء اصطناعي. إنها مشكلة ملكية للمال والمخاطر.

أعطِ أشخاصاً أذكياء أداة قوية، وسيستخدمونها. هذا جزء متوقع.

وما هو متوقع أيضاً، لكنه أقل تداولاً، هو ما يحدث بعد ذلك: تتحول الأداة إلى 10 أدوات، ثم 20. تتسلل التراخيص إلى تقارير المصروفات. تُلصق نصوص حساسة داخل prompts. تبني الفرق تدفقات عمل صغيرة لا يراجعها أحد. لا أحد يتصرف بسوء نية. ولا أحد “يمارس shadow IT” عمداً. هم ببساطة يحاولون إنجاز أعمالهم.

لهذا لا يفاجئني أن كل شركة دنماركية صغيرة أو متوسطة ثانية فقدت السيطرة على استخدام الذكاء الاصطناعي لديها، ولا أن شركة واحدة من كل ثلاث لديها استراتيجية للذكاء الاصطناعي لا تزال عاجزة عن ضبط الاستخدام. العنوان يقدّمها بوصفها فشلاً قيادياً. وأنا أوافق. لكن ليس بمعنى أخلاقي؛ بل هو فشل في التصميم.

معظم الشركات تحاول معالجة فوضى أدوات الذكاء الاصطناعي عبر السياسات والتدريب. هذا ضروري، لكنه غير كافٍ. عنق الزجاجة هو operating model: من يملك الإنفاق، من يملك المخاطر، وكيف يبدو “الجيد” على شكل مخرجات قابلة للقياس.

النمط الذي يقف خلف فوضى أدوات الذكاء الاصطناعي: مسار أقل مقاومة هو الذي ينتصر

فوضى أدوات الذكاء الاصطناعي ليست لغزاً. إنها النتيجة الطبيعية لتصادم ثلاثة حوافز.

• يُكافأ الموظفون على السرعة لا على انضباط الأدوات. إذا وفّر مساعد جديد 30 دقيقة اليوم، فسيُعتمد اليوم.
• الميزانيات مجزأة. لكل فريق هامش تصرف محدود، فلا يرى أحد الإجمالي إلا عندما يصبح محرجاً.
• المخاطر تبقى نظرية إلى أن تتحول إلى واقع. تسرب البيانات ومتطلبات الامتثال تبدو افتراضية حتى أول حادثة أو تدقيق.

اجمع هذه العوامل معاً وستحصل على ما وصفه المقال عن الشركات الدنماركية الصغيرة والمتوسطة: الموظفون يختارون أدواتهم، بينما لا تستطيع الإدارة رؤية الاستخدام أو التحكم فيه أو توحيده حتى حين تكون “الاستراتيجية” موجودة على الورق.

هنا قاعدة بسيطة: إذا لم تستطع خلال خمس ثوانٍ الإجابة عن “من يملك الفاتورة؟” و“من يستطيع إيقافها؟” فأنت لم تطبق governance على أي شيء. أنت فقط وثّقت نوايا.

توقفوا عن تسميتها “استراتيجية للذكاء الاصطناعي” إذا كانت في الواقع مشتريات + أمن + إنتاجية

تفشل معظم عمليات نشر الذكاء الاصطناعي بصمت لأنها تُدار كخيار تقني أو كمبادرة ابتكار. عملياً، الاستخدام اليومي للذكاء الاصطناعي أقرب إلى ثلاث وظائف تعمل معاً:

• المشتريات: ما الأدوات المسموح بها، وبأي شروط تعاقدية، ومع أي شروط تجديد وخيارات خروج.
• الأمن وdata governance: ما الذي يمكن مشاركته، وأين يمكن معالجته، وما الذي يجب تسجيله.
• إدارة الإنتاجية: ما النتائج المتوقعة وكيف تقيس ما إذا كانت الأدوات تستحق مكانها.

إذا أدرت هذه المحاور كحوارات منفصلة، ستحصل على فوضى. وإذا أدرتها كنظام واحد، ستحصل على تعلم متراكم ومخاطر أقل.

ولهذا أفضل توصيف “فقدان السيطرة” على “نقص تبنّي الذكاء الاصطناعي”. التبني لم يعد المورد النادر. الاستخدام المتماسك هو النادر.

كتبت سابقاً أن sovereign compute هو operating model وليس مجرد استبدال مزود. الذكاء الاصطناعي في الشركات الصغيرة والمتوسطة من النوع نفسه من المشكلات. الأدوات هي السطح الظاهر؛ أما الملكية والعملية فهما الآلة الحقيقية.

أبسط حل فعّال: عيّن مالكاً لإنفاق الذكاء الاصطناعي

أكبر خطأ أراه هو التعامل مع تكلفة الذكاء الاصطناعي بوصفها “صغيرة جداً ولا تستحق الإدارة”. كان ذلك صحيحاً عندما كان الأمر مجرد تجربة واحدة. ويتوقف عن كونه صحيحاً عندما يصبح الطريقة الافتراضية التي يكتب بها الناس، ويلخّصون، ويبرمجون، ويصممون، ويحللون.

لذلك هذه توصية مباشرة: سمِّ مالكاً لإنفاق الذكاء الاصطناعي. شخص واحد مسؤول عن إجمالي الفاتورة وإجمالي القيمة. ليس كحارس يمنع كل prompt، بل كمن يجعل المفاضلات مرئية وقابلة للنقاش.

هذا المالك يلتزم بثلاثة أمور باستمرار:

1. يحدد مجموعة الأدوات المسموح بها (والمسار لإضافة أداة جديدة).
2. يحدد فئات البيانات وأي الفئات يُسمح بها في أي أدوات.
3. يقود مراجعة شهرية تُقارن فيها النفقات بمخرجات قابلة للقياس، إضافة إلى الوضع الأمني.

هذا كل شيء. بلا استعراض. وبلا “center of excellence” إلا إذا كنتم بحجم يبرر ذلك. مجرد مساءلة مرتبطة بالمال والمخاطر.

مثال واقعي: شاهدت مرة منظومة أدوات سحابية تتكاثر داخل منظمة منتج لأن كل فريق كان يحسن قراراته محلياً. احتجنا ربع سنة لاكتشاف أن لدينا ثلاثة عقود متداخلة، وضبط وصول غير متسق، وصفر تسجيلات مشتركة. الجانب التقني كان قابلاً للحل خلال أسابيع. أما التنظيف فاستغرق أشهراً لأن أحداً لم يكن يستطيع أن يقول بمصداقية: “هذا هو المسار المعتمد الوحيد، وهذه هي الفاتورة إن لم نوحّد.” في اليوم الذي عيّنا فيه مالكاً واحداً للإنفاق ومالكاً واحداً لحدود البيانات، تغيّرت النقاشات. ليس بسحر. لكن بشكل ملموس.

عرّف “الأدوات المسموح بها” و“فئات البيانات” وكأنك تقصد ذلك فعلاً

تفشل معظم سياسات الذكاء الاصطناعي لأنها إما عامة جداً (“كونوا حذرين مع البيانات الحساسة”) أو صارمة جداً (“لا تستخدموا الذكاء الاصطناعي مطلقاً”). أنت بحاجة إلى شيء قابل للتطبيق والإنفاذ.

1) الأدوات المسموح بها (قائمة قصيرة لا موسوعة)

أنشئ قائمة متعددة المستويات:

• Tier A (افتراضي): معتمدة للاستخدام العام، مدمجة مع SSO، ويجري تسجيلها، وبشروط تعاقدية واضحة.
• Tier B (مقيدة): مسموح بها لأدوار أو مشاريع محددة، مع ضوابط إضافية.
• Tier C (محجوبة): غير مسموح بها بسبب طريقة التعامل مع البيانات، أو غياب ضوابط مؤسسية، أو غموض الشروط.

لا تستهدف الكمال. استهدف الوضوح. الناس يلتزمون بقواعد يمكنهم تذكرها.

2) فئات البيانات (5 عادةً تكفي)

عرّف عدداً محدوداً من التصنيفات. على سبيل المثال:

• عام: نصوص تسويقية، وثائق منشورة.
• داخلي: معلومات تشغيلية غير حساسة.
• سري: بيانات العملاء، التسعير، العقود، البيانات المالية الداخلية.
• خاضع للتنظيم: أي شيء عليه التزامات قانونية خاصة.
• أسرار: بيانات اعتماد، مفاتيح خاصة، تفاصيل أمنية.

ثم ضع مصفوفة واضحة: أي فئة بيانات مسموح بها في أي Tier من الأدوات. إذا كان “السري” مسموحاً فقط في Tier A، يصبح ذلك بسيطاً في التواصل والإنفاذ.

ولفهم الفكرة: اعتبرها نسخة الذكاء الاصطناعي من قاعدة “ما الذي يمكن أن يُرسل عبر البريد الإلكتروني”. الجميع يدرك أن بعض الأشياء لا مكان لها في القناة الخطأ.

قِس المخرجات لا الحماس: عقد الإنتاجية

من السهل الاحتفاء بتبني الذكاء الاصطناعي لأنه يبدو نشاطاً. ما تحتاجه هو عقد إنتاجية يحوّل الاستخدام إلى نتائج.

اختر عدداً قليلاً من تدفقات العمل المهمة وقِسها قبل وبعد. ليس كل شيء؛ فقط حيث يكون الوقت والجودة مرئيين.

• المبيعات: زمن إنتاج المسودة الأولى لعرض، معدل تحويل حملات التواصل الخارجي، الزمن من lead إلى فرصة مؤهلة.
• دعم العملاء: زمن أول رد، زمن الحل، معدل التحويل الذاتي (deflection)، معدل التصعيد.
• الهندسة: cycle time للتغييرات الصغيرة، تسرب العيوب، الوقت المستغرق في مراجعة الكود.
• المالية والعمليات: زمن الإغلاق، جهد المطابقة، معدلات التعامل مع الاستثناءات.

الهدف ليس إثبات أن الذكاء الاصطناعي “يعمل”. الهدف هو التعلم: أين يحقق عائداً، أين يخلق مخاطر جديدة، وأين لا يتجاوز كونه ترفيهاً مع رسوم اشتراك.

وهنا أيضاً تعلق كثير من الشركات في demos. الـ demo يعرض الإمكانية. أما workflow فيفرض المساءلة. وإذا أردت نمطاً أعمق لتحويل الذكاء الاصطناعي إلى قدرة مُسلّمة فعلياً، فإن playbook يتفوق على demo.

أدره شهرياً: إيقاع governance خفيف

لا يلزم أن تكون governance ثقيلة. يلزم أن تكون متقاربة بما يكفي لالتقاط الانحراف مبكراً.

هذه وتيرة شهرية تناسب الشركات الأصغر من دون خنق المبادرة:

• مراجعة الإنفاق: إجمالي إنفاق الذكاء الاصطناعي حسب الأداة وحسب الفريق، الاشتراكات الجديدة، التجديدات المستحقة خلال الـ 60 يوماً القادمة.
• استثناءات الأدوات: من يستخدم أدوات غير معتمدة ولماذا، والقرار: اعتماد أو استبدال أو حجب.
• حوادث حدود البيانات: أي مخالفات مُبلّغ عنها للسياسة، أو near misses، أو حالات ملتبسة تحتاج قاعدة أوضح.
• مقاييس المخرجات: من 2 إلى 5 مقاييس workflow، اتجاهات، ما الذي تغيّر، وما الذي سيجري اختباره الشهر المقبل.
• قائمة الإيقاف: أدوات أو تجارب سيتم إيقافها، بتاريخ صريح.

هذا هو الجزء الذي تتجنبه معظم الشركات. إيقاف الأشياء يبدو وكأنه اعتراف بالفشل. في الواقع، هذه هي الطريقة التي تُبقي بها التعلم منخفض التكلفة.

رابط إضافي على الفكرة نفسها من زاوية أخرى: المشتريات بلا مخارج هي كيف تتحول تكاليف الذكاء الاصطناعي إلى التزام دائم حتى عندما لا تظهر القيمة.

رأيي: اتركوا حرية التجربة لأسبوعين، ثم تحتاجون إلى نظام

لست ضد التجريب. اتركوا الناس يستكشفون. هكذا تكتشفون حالات استخدام غير متوقعة.

لكن للاستكشاف عمر نصف. بعد الدفعة الأولى، يتحول الاستخدام غير المُدار إلى ثلاث كلف حقيقية:

• مالية: اشتراكات مكررة، تجديدات غير واضحة، وفاتورة لا يستطيع أحد تفسيرها.
• أمنية وامتثال: تذهب البيانات إلى أماكن لا ينبغي أن تذهب إليها، ولا تستطيع إثبات ما الذي حدث.
• تنظيمية: يتعلم الناس أدوات مختلفة، ويبنون أساليب عمل غير متوافقة، وتفقدون إمكانية إعادة الاستخدام.

لذا نعم، سمّوها فشلاً قيادياً إن شئتم. أنا أسميها بشكل أكثر قابلية للتنفيذ: فشلاً في الملكية.

عيّنوا مالكاً لإنفاق الذكاء الاصطناعي. عرّفوا الأدوات المسموح بها. عرّفوا فئات البيانات. راجعوا شهرياً. قيسوا المخرجات. أوقفوا ما لا يستحق مكانه.

بهذه الطريقة يبقى الذكاء الاصطناعي مفيداً وآمناً وميسوراً. ليس عبر مطالبة الموظفين بأن يديروا ذاتياً مشكلة مشتريات وأمن بحسن نوايا.