المسافة الحقيقية بين التجربة والتشغيل
النمط يتكرّر بصيغة واحدة تقريباً: فريق يجرّب أداة توليدية على مهمة واحدة، تظهر نتيجة مبهرة في اجتماع الإدارة، ثم لا يصل شيء إلى التشغيل الفعلي بعد ستة أشهر. سبب التوقّف نادراً ما يكون النموذج نفسه. التجربة تحتاج مثالاً جيداً واحداً، أما التشغيل فيحتاج مصدر بيانات يُحدَّث، وصلاحيات تحترم من يرى ماذا، ومساراً واضحاً للمراجعة البشرية، وسلوكاً محدّداً في الحالات الشاذة، وتكلفة شهرية معروفة قبل التوقيع لا بعده.
الفرق الجوهري في طريقة القياس. التجربة تُقيَّم بأفضل مخرج، والتشغيل يُقيَّم بأسوأ مخرج مقبول. حين نبني مساعداً داخلياً لفريق خدمة عملاء، السؤال الذي يحسم بقاءه ليس «ما جودة أفضل إجابة؟» بل «ماذا يفعل حين لا تكون الإجابة موجودة في المصادر: هل يعلن ذلك ويحوّل الطلب إلى موظف، أم يصوغ إجابة تبدو صحيحة؟». هذا السلوك قرار تصميمي يُبنى ويُختبر، ولا يأتي جاهزاً مع أي منصّة.
الاستنتاج العملي مباشر: لا تبدأ بسؤال «أي أداة نشتري؟»، بل بسؤال «أي عملية عندنا مكلفة ومتكرّرة ويمكن التحقّق من مخرجها؟». اختيار الأداة قرار متأخر وقابل للتراجع بتكلفة معقولة. اختيار العملية الخاطئة يُستهلك معه شيء أثمن من الميزانية، وهو صبر المؤسسة على المحاولة التالية.
خمسة معايير لاختيار الحالة الأولى
أكثر قرار مؤثّر في مبادرة الذكاء الاصطناعي هو اختيار الحالة الأولى، وليس اختيار المزوّد. نستخدم مع العملاء خمسة معايير، ونطلب تحقّق أربعة منها على الأقل قبل الالتزام بأي بناء.
التكرار: المهمة تتكرّر يومياً أو أسبوعياً بحجم يستحقّ الأتمتة، لا مرة كل ربع. قابلية التحقّق: يستطيع موظف مختص أن يحكم على صحة المخرج خلال دقيقة أو دقيقتين دون تحقيق طويل. حدود الخطأ: الخطأ الأول لا يصل مباشرة إلى العميل ولا يُبنى عليه قرار مالي، بل يمرّ على مراجعة. توفّر البيانات: المدخلات موجودة اليوم داخل نظام قائم ولا تستدعي مشروع بيانات كاملاً قبل البدء. المالك: يوجد شخص واحد داخل الشركة يتحسّن يومه فعلياً إذا نجحت الحالة، وهو مستعدّ لتخصيص وقت أسبوعي للمراجعة.
المعيار الأخير هو الذي يُهمَل أكثر من غيره، وهو الأكثر حسماً. المبادرات التي تُدار من قسم تقنية المعلومات وحده، دون مالك تشغيلي يشعر بالألم الذي تعالجه، تنتهي غالباً إلى أداة يستخدمها من بناها فقط. وإذا سقطت الحالة في معيارين أو أكثر فمكانها الموجة الثانية لا الأولى؛ هذا ترتيب لا رفض.
ومن الأخطاء المتكرّرة اختيار «حالة معرض»: شيء يبدو لافتاً في عرض تقديمي لكن لا أحد يمارسه يومياً. المؤشر البسيط للتمييز أن تسأل من ينفّذ المهمة كم مرة تتكرّر في الأسبوع. إن لم يستطع أحد أن يعطيك رقماً تقريبياً، فهذه ليست الحالة الأولى، لأنك لن تستطيع لاحقاً إثبات أن شيئاً تغيّر.
أربعة أنماط تصمد بعد الإطلاق
المساعد المعرفي الداخلي: طبقة بحث وإجابة فوق وثائق الشركة — السياسات والإجراءات وكتيّبات المنتجات وأرشيف العقود. القيمة ليست في «الدردشة» بل في تقليل الأسئلة المتكرّرة التي تُوجَّه دائماً إلى ثلاثة أشخاص يعرفون كل شيء. والشرط الذي يفصل بين النجاح والفشل هنا هو الاستشهاد: كل إجابة تشير إلى المستند والفقرة، وإلا فلن يثق بها أحد بعد الأسبوع الأول.
معالجة المستندات: استخراج حقول منظّمة من الفواتير وأوامر الشراء وسندات القبض والعقود، ثم إدخالها في النظام المحاسبي أو نظام تخطيط الموارد. هذا النمط سهل القياس لأن الحقل إما صحيح أو خطأ، ويعمل جيداً حتى بحجم بيانات محدود. وأغلب العائد يأتي من الحالات المملّة عالية التكرار، لا من الحالات المعقّدة النادرة.
فرز الطلبات وتوجيهها: تصنيف رسائل العملاء حسب النوع والأولوية، وتلخيص سياق المحادثة السابقة للموظف، وصياغة مسودّة ردّ يعتمدها هو أو يعدّلها. الفارق بين هذا وبين روبوت محادثة مفتوح أن الموظف يبقى داخل المسار، فتتحسّن السرعة دون فقدان السيطرة على ما يصل إلى العميل باسم الشركة.
التحليل والتنبؤ: توقّع الطلب على المخزون، اكتشاف الشذوذ في المصروفات أو المطالبات، ترتيب العملاء المحتملين حسب احتمال الإغلاق. وهنا ملاحظة تستحقّ الوقوف عندها: جزء كبير ممّا يُطلب اليوم تحت عنوان «الذكاء الاصطناعي» يُحلّ بنموذج إحصائي بسيط أو بقاعدة عمل واضحة، بتكلفة أقل وصيانة أسهل ونتيجة أسهل في التفسير أمام المراجع الداخلي.
وفي المقابل، النمط الذي رأيناه يتعثّر باستمرار هو محاولة استبدال حكم مهني كامل — تسعير، تقييم ائتماني، قرار توظيف — بمخرج نموذج دون مراجعة بشرية. المسألة ليست قدرة التقنية، بل أن تبعة الخطأ تبقى على الشركة ولا تُفوَّض إلى نظام.
العربية ليست بنداً في قائمة التوطين
أغلب المنصات تُبنى وتُختبر على الإنجليزية أولاً. حين تصل إلى بيئة عمل عربية تظهر فجوات لا تراها في العرض التوضيحي. محادثات العملاء تأتي بلهجة محكية لا بفصحى، والأرشيف المستندي كثيراً ما يكون صوراً ممسوحة ضوئياً لا نصاً قابلاً للبحث، والمستند الواحد يخلط العربية والإنجليزية في السطر نفسه — وهذا شائع في العقود والمواصفات الفنية وأوامر التغيير.
وهناك تفاصيل أصغر لكنها تكسر الأنظمة عملياً: تعدّد صور كتابة الاسم الواحد، والاختلاف في الهمزات والتاء المربوطة والألف المقصورة، والتواريخ الهجرية والميلادية داخل الحقل نفسه، وأرقام الهوية والسجل التجاري التي تُكتب بصيغ متفاوتة. أي نظام استخراج لا يعالج هذه الحالات صراحةً سينتج بيانات تبدو نظيفة وهي ليست كذلك، وهذا أخطر من فشل ظاهر.
القاعدة التي نطبّقها قبل أي التزام: ابنِ مجموعة تقييم عربية من مستنداتك أنت، بخط اليد إن لزم. مئة إلى مئتي حالة حقيقية مع الإجابة الصحيحة لكل حالة تكفي للتمييز بين خيارين يبدوان متطابقين في العرض التقديمي. ولا تقبل تقييماً مبنياً على أمثلة إنجليزية مترجمة، لأن الترجمة تُخفي بالضبط المشكلات التي أنشأت المجموعة لاكتشافها.
جاهزية البيانات تسبق اختيار المنصة
السؤال الذي يُطرح عادة هو «هل بياناتنا كافية؟»، والسؤال الأنفع هو «من يملك تصحيحها؟». نظام جيد فوق بيانات لا يتحمّل أحد مسؤولية تحديثها ينتج أخطاء واثقة النبرة، وهي أسوأ أثراً من عدم وجود نظام أصلاً، لأنها تُصدَّق وتُبنى عليها قرارات.
فحص سريع يمكن إجراؤه هذا الأسبوع دون أي إنفاق: هل لكل حقل مهم مصدر واحد معتمد، أم توجد ثلاث نسخ متعارضة في ثلاثة أنظمة؟ هل تعرف تاريخ آخر تحديث لكل مصدر؟ هل الصلاحيات محدّدة على مستوى المستند والصف، أم أن الوصول إلى النظام يعني الوصول إلى كل ما فيه؟ هل أرشيف المستندات نصّي أم صور؟ وهل لديك سياسة مكتوبة للاحتفاظ والحذف؟
الصلاحيات تحديداً هي البند الذي يُكتشف متأخراً ويكلّف كثيراً. مساعد معرفي يقرأ كل ما في مجلد المشاركة سيجيب موظفاً في المستودع عن رواتب الإدارة ما لم تُنقل قواعد الوصول إلى طبقة الاسترجاع نفسها، لا إلى واجهة الاستخدام فقط. ترتيب الصلاحيات قبل البناء أرخص بكثير من إصلاحه بعد حادثة، وأسهل في الشرح لاحقاً.
وهناك نقطة ثانية تُغفَل: جودة البيانات ليست حالة تُنجَز مرة واحدة. المصادر تتغيّر باستمرار — يُضاف حقل، يُعاد تسمية منتج، تُدمج شركة تابعة، يُستبدل نظام. لذلك اربط كل مصدر يعتمد عليه النظام بمسؤول محدّد وبمراجعة دورية قصيرة. بغير ذلك ستكتشف تدهور الجودة من شكوى مستخدم بعد أشهر، لا من تنبيه في حينه.
الحوكمة: ما يجب أن يكون مكتوباً قبل الانتشار
التعامل مع البيانات الشخصية في المملكة يخضع لنظام حماية البيانات الشخصية، وتتولّى الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) الإشراف على تطبيق أحكامه. كما أصدرت سدايا مبادئ لأخلاقيات الذكاء الاصطناعي تغطّي محاور من بينها الخصوصية والأمان والشفافية والمساءلة. هذه المراجع نقطة انطلاق للنقاش الداخلي فقط؛ وأي ترتيب فعلي يمسّ بيانات شخصية أو نشاطاً في قطاع منظّم يخضع لمراجعة مستشار قانوني مؤهل قبل الاعتماد.
على المستوى العملي، أربع وثائق تكفي للانطلاق ولا تحتاج شهوراً من العمل. الأولى: سياسة استخدام تحدّد ما يُمنع إدخاله في الأدوات العامة — بيانات عملاء، عقود، شيفرة مصدرية، ملفات موظفين. الثانية: قائمة الحالات التي تستوجب مراجعة بشرية قبل أن يصل المخرج إلى عميل أو يُبنى عليه قرار. الثالثة: سجلّ يوضّح من استخدم الأداة ولأي غرض. الرابعة: بنود صريحة في عقد المزوّد حول مكان معالجة البيانات، وهل تُستخدم في تدريب نماذجه، ومدة الاحتفاظ، وآلية الحذف عند انتهاء العلاقة.
ملاحظة من التجربة: اكتب هذه الوثائق قبل أن ينتشر الاستخدام، لا بعده. الموظفون يستخدمون الأدوات العامة اليوم سواء وُجدت سياسة أم لم توجد، وغياب السياسة لا يعني غياب المخاطرة، بل يعني أنك لا تراها ولا تستطيع قياسها.
القياس ومعيار الإيقاف
قبل الإطلاق سجّل خط الأساس. كم يستغرق تنفيذ المهمة اليوم؟ كم عدد الحالات التي تُعاد؟ من ينفّذها وبأي كلفة وقت؟ إن لم يكن هذا الرقم بين يديك قبل التغيير فلن تستطيع إثبات الأثر بعده، وستنتهي المناقشة إلى انطباعات متعارضة في اجتماع الميزانية.
ثلاثة مؤشرات تكفي للحكم في أول تسعين يوماً: زمن دورة المهمة من الاستلام إلى الإنجاز؛ نسبة المخرجات المقبولة دون تعديل جوهري؛ وتكلفة التشغيل لكل مهمة منجزة شاملة استهلاك النموذج ووقت المراجعة البشرية. المؤشر الثالث هو الذي يُسقط أكثر المشاريع بعد التوسّع، ونادراً ما يُحسب في مرحلة التجربة لأن الأحجام تكون صغيرة والتكلفة غير محسوسة.
وأضف مؤشراً رابعاً غير تقني: كم شخصاً استخدم الأداة في الأسبوع الرابع مقارنة بالأسبوع الأول؟ الانخفاض الحاد إشارة صريحة إلى أن الأداة تحلّ مشكلة لم يكن أحد يعاني منها فعلاً، مهما بدت النتائج جيدة في الاختبار.
وأخيراً اكتب معيار الإيقاف قبل البدء: ما الرقم الذي إذا لم يتحقّق خلال مدة محدّدة نُوقف عنده؟ المبادرات بلا معيار إيقاف لا تنتهي، بل تذبل ببطء وتستهلك ثقة الفريق في المحاولة التالية. إيقاف تجربة في وقتها قرار إداري جيد، لا اعتراف بالفشل.
خلاصة عملية
- اختر الحالة الأولى بمعيار قابلية التحقّق ووجود مالك تشغيلي، لا بحداثة التقنية.
- ابنِ مجموعة تقييم عربية من مستنداتك الفعلية قبل الالتزام بأي مزوّد أو منصّة.
- رتّب الصلاحيات وملكية تصحيح البيانات قبل بناء أي مساعد معرفي داخلي.
- اكتب سياسة الاستخدام وحدود المراجعة البشرية قبل انتشار الأدوات بين الموظفين.
- حدّد خط الأساس ومعيار الإيقاف قبل الإطلاق، واحسب التكلفة لكل مهمة لا لكل شهر.
الأسئلة الشائعة
من أين نبدأ إذا كانت بياناتنا غير مرتّبة؟
ابدأ من حالة استخدام لا تعتمد على ترتيب البيانات كله. معالجة المستندات مثال جيد: المدخل ملف والمخرج حقول، ولا يحتاج مستودع بيانات موحّداً. أما المساعد المعرفي فوق وثائق الشركة فيتطلّب حدّاً أدنى من الترتيب والصلاحيات، لأن جودة الإجابة تساوي جودة المصدر. رتّب نطاقاً واحداً محدوداً بدل انتظار مشروع بيانات شامل.
هل نستخدم نموذجاً جاهزاً أم نبني نموذجاً خاصاً بنا؟
ابدأ بنموذج جاهز في أغلب الحالات. بناء نموذج خاص له ما يبرّره حين تكون لديك بيانات مُعنونة كثيرة وخاصة بمجالك، أو قيد يمنع إرسال البيانات خارج بيئتك، أو حجم استخدام يجعل تكلفة التشغيل عاملاً حاسماً. غير ذلك، الاستثمار في تجهيز المصادر وتصميم المراجعة يعطي أثراً أكبر من تدريب نموذج.
أين تُعالَج بياناتنا وهل تخرج من المملكة؟
يعتمد على المزوّد وإعدادات النشر، ويجب أن يكون بنداً مكتوباً في العقد لا وعداً شفهياً: مكان المعالجة والتخزين، وهل تُستخدم مدخلاتك في تدريب نماذج المزوّد، ومدة الاحتفاظ، وآلية الحذف. إذا كانت البيانات شخصية أو خاضعة لمتطلبات قطاعية، فراجع الترتيب مع مستشار قانوني مؤهل قبل الاعتماد.
كم يستغرق الوصول إلى أول نتيجة تشغيلية؟
لحالة واحدة محدّدة النطاق مع بيانات متاحة ومالك متفرّغ جزئياً، نطاق أسابيع لا أشهر للوصول إلى استخدام حقيقي بمراجعة بشرية. المدة تطول حين تكون المستندات صوراً ممسوحة، أو الصلاحيات غير محسومة، أو الحالة مرتبطة بأكثر من إدارة ولا مالك واحد لها.
المصادر
- نظام حماية البيانات الشخصية — هيئة الخبراء بمجلس الوزراء — المملكة العربية السعودية · https://laws.boe.gov.sa/BoeLaws/Laws/LawDetails/b7cfae89-828e-4994-b167-adaa00e37188/1
- مبادئ أخلاقيات الذكاء الاصطناعي — الصادرة عن سدايا — هيئة الحكومة الرقمية · https://dga.gov.sa/en/AI-Ethics-Principles
- الأنظمة واللوائح — الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) · https://sdaia.gov.sa/en/SDAIA/about/Pages/RegulationsAndPolicies.aspx