52% من مشاريع الذكاء الاصطناعي المؤسسي لا تصل إلى الإنتاج، والمشكلة ليست تقنية
ثمة رقم ينبغي أن يُقلق أي مجلس تنفيذي أقرّ هذا العام ميزانية للذكاء الاصطناعي: فوفقًا لبحث صادر عن CIO&Leader لعام 2026، أفاد 52% من الشركات المشمولة بالاستطلاع بأن أقل من واحد من كل أربعة مشاريع تجريبية للذكاء الاصطناعي يتحول إلى نظام تشغيلي فعلي. ولم ينجح سوى 8% منها في إيصال أكثر من ثلاثة أرباع تجاربها إلى ما وراء تلك العتبة. فضلًا عن ذلك، لم يتمكن سوى 12% من إثبات عائد استثمار ملموس وقابل للقياس.
يحدث هذا في الوقت الذي تتوقع فيه مؤسسة Gartner أن يبلغ الإنفاق العالمي على الذكاء الاصطناعي 2.52 تريليون دولار في عام 2026، بزيادة قدرها 44% مقارنةً بالعام السابق. تُوظّف المنظمات رأس المال بوتيرة غير مسبوقة، وفي الوقت ذاته تُهدر الجزء الأكبر من العمل الذي يموّله هذا الرأسمال. ليس بسبب تقنية غير ناضجة، بل لأن الطريقة التي تُصمّم بها معظم الشركات مشاريع الذكاء الاصطناعي وتُوافق عليها وتديرها تضمن، بشكل هيكلي، ألا تنجو سوى مبادرات قليلة من لحظة مواجهة الواقع التشغيلي.
هذا الواقع يستحق نظرة أعمق وأكثر إزعاجًا مما تحظى به عادةً هذه النقاشات داخل قاعات مجالس الإدارة.
مشاريع تجريبية مُصممة للإبهار، لا للاستمرار
المشروع التجريبي للذكاء الاصطناعي في ظروف خاضعة للسيطرة هو، بطبيعة تصميمه، نسخة مُنتقاة من الواقع. البيانات نظيفة، والنطاق محدود كي يتألق النظام، والجدول الزمني مُهيَّأ لإظهار تقدم ملموس قبل أن يسأل أحد عن النتائج. إنه بيئة دفيئة يمكن فيها لأي مقترح تقني مُنفَّذ بشكل معقول أن يبدو واعدًا.
الإنتاج هو النقيض التام لذلك. هنا تظهر البيانات الناقصة، والأنظمة القديمة التي لم يوثّقها أحد بشكل صحيح، والعمليات التي تسير في الواقع بخلاف ما هو مكتوب في الدليل، والمتطلبات التنظيمية التي اكتشفها فريق الامتثال قبل ثلاثة أسابيع من الإطلاق، والمستخدمون الذين لم يتلقَّ أي منهم تدريبًا لأن ميزانية إدارة التغيير كانت أول ما يُختزل حين يضيق الجدول الزمني.
الهوة بين هذين العالمين ليست تقنية، بل هي هوة تنظيمية. والسبب في موت الكثير من المشاريع عند هذه الهوة ليس فشل التقنية، بل أن المنظمة لم تُبنَ أصلًا لاستقبالها.
يصوغ كامران أوزير، الرئيس التنفيذي لشركة Visionet Systems، هذا الأمر بدقة: تميل الفرق إلى معاملة الإنتاج باعتباره المرحلة الأخيرة من المشروع، في حين ينبغي أن يكون نقطة البداية في التصميم. إذا لم تُشكّل قيود العالم الحقيقي — ضوابط الأمان، وتدفقات الاستثناءات، ومتطلبات قابلية التدقيق، والتكامل مع الأنظمة القائمة — جزءًا من قرارات الهندسة المعمارية منذ البداية، فإن اكتشافها في وقت متأخر لا يمثّل عقبة عارضة، بل حكمًا بالإعدام على المشروع.
ما يكشفه هذا النمط، من منظور الديناميكيات التنظيمية، يتجاوز كونه مجرد إخفاق منهجي: إنه إشارة إلى أن كثيرًا من مشاريع الذكاء الاصطناعي تُموَّل لإثبات أن الشركة تفعل شيئًا ما، لا لحل مشكلة تشغيلية بمؤشرات نجاح متفق عليها مسبقًا. المشروع التجريبي موجود لكي يتمكن مدير التقنية أو مدير التحول الرقمي من عرض إنجازات في المراجعة الفصلية. وهذا، على صعيد الحوافز، يُنتج بالضبط النتائج التي نرصدها اليوم.
حين يتحول الذكاء الاصطناعي إلى دليل على النشاط الإداري
ثمة نقاش لا يجري عادةً قبل إقرار مشروع ذكاء اصطناعي: ذلك الذي يُحدد بصدق أي عملية بعينها ستتغير، وكيف سيُقاس هذا التغيير، ومن هو المسؤول عن هذه النتيجة داخل المنظمة، وماذا يحدث إن لم يُسلّم النظام ما وعد به في التسعين يومًا الأولى.
لهذا النقاش تكاليفه. فهو يُلزم بالتعهد بمؤشرات ستخضع لاحقًا للمراجعة، ويكشف مقدار ما كان من الحماس الأولي مجرد خطاب، ويستلزم أن يضع أحد المسؤولين التنفيذيين اسمه إلى جانب نتيجة ملموسة لا إلى جانب مبادرة فحسب. وفي المنظمات التي يترتب على الفشل تداعيات سياسية داخلية، يغدو تمويل مشروع تجريبي مفتوح الأمد أكثر أمانًا من تحمّل مسؤولية نظام في الإنتاج بمؤشرات أداء قابلة للرصد والتحقق.
البيانات الصادرة عن Camunda كاشفة في هذا الصدد: أكثر من 70% من المنظمات المُستطلعة أفادت بأنها نشرت عوامل ذكاء اصطناعي خلال العام السابق، غير أن 11% فحسب من تلك الحالات وصل إلى مرحلة الإنتاج. ثمة هوة شاسعة بين قول "لقد طبّقنا الذكاء الاصطناعي" وبين "لدينا نظام يعمل ويُقدّم قيمة يوميًا". تُعلن الشركات عن الأول بيسر تام، أما الثاني فهو قابل للتحقق بصورة يصعب تجاهلها.
يصف أوزير هذه المشكلة بأنها الخلط بين القدرة والأثر: تستثمر المنظمات في قدرات النظام قبل أن تُحدد المشكلة التجارية التي تسعى إلى حلها. وفي غياب الوضوح حول أي العمليات يُغيّرها النظام وكيف يُقاس هذا التغيير، يغدو الناتج الأرجح قطعةً تقنية مُكلفة لم يطلبها أحد في الإدارة التشغيلية، ويصعب على أي شخص تبنّيها بشكل مستدام.
والحوكمة التي تُعامَل باعتبارها قائمة تحقق تأتي بعد مرحلة التطوير تُعدّ إشارة أخرى على هذه الديناميكية ذاتها. حين تُكتشف متطلبات الخصوصية وقابلية التدقيق والضبط التنظيمي بعد بناء النظام، فإن الثمن لا يقتصر على البُعد التقني، بل يمتد إلى البُعد السياسي. فإعادة التصميم المتأخرة تُآكل ثقة الفرق التي آمنت بالمشروع، وتُفرز احتكاكات مع أقسام الامتثال التي لم تُستشَر في وقت مناسب، وتُولّد حالة الشلل المزمن التي كثيرًا ما تُسمّيها المنظمات "مراجعة المخاطر"، في حين أنها في الواقع مشروع لا يرغب أحد في إنهائه رسميًا ولا يملك أحد الصلاحية لإنقاذه.
لمنطق الفشل الهيكلي عقلانية داخلية راسخة تمامًا
ما يجعل تصحيح هذه المشكلة أمرًا عسيرًا أنها لا تنشأ عن كفاءة منقوصة، بل تنبثق من حوافز منسجمة تمامًا مع الطريقة التي تدير بها معظم الشركات استثماراتها التقنية.
تُقيَّم فرق الابتكار بعدد المشاريع التجريبية التي تُطلقها، لا بعدد الأنظمة التي تصل إلى الإنتاج. وموردو التقنية أقدر على بيع وعد من على مرافقة التحول التشغيلي الذي يستلزمه ذلك الوعد. والمسؤولون التنفيذيون الذين يُقرّون الميزانيات بحاجة إلى إظهار حركة قبل نهاية السنة المالية. والموظفون الذين سيستخدمون النظام نادرًا ما يُستشارون في مرحلة التصميم، مما يضمن أن تكون الاعتمادية في أفضل الأحوال إجبارية وفي أسوئها منعدمة.
النموذج الذي تقترحه Visionet — تحديد مخرج الأعمال قبل كتابة سطر واحد من الكود، وقياس الأداء مقابل هذا المخرج في التسعين يومًا الأولى، وبناء الحوكمة والأمان منذ الهندسة المعمارية الأولى، ودمج الأنظمة في أدوات تستخدمها الفرق بالفعل — ليس متطورًا على الصعيد التقني. إنه انضباط تشغيلي أساسي يُطبَّق على مجال سامحت فيه الصناعة، حتى الآن، بغياب هذا الانضباط لأن الحماس تجاه التقنية كان يملأ الفراغ الذي تتركه النتائج.
السؤال الذي يضعه الإنفاق البالغ 2.52 تريليون دولار على طاولة أي مجلس إدارة ليس ما إذا كان الذكاء الاصطناعي يعمل؛ فهذا ثبت بما يكفي. السؤال هو ما إذا كانت المنظمة تمتلك النضج التشغيلي اللازم لتحويل القدرة التقنية إلى قيمة قابلة للتحقق. وهذا النضج لا يُشترى بالميزانية، بل يُبنى بالاستعداد لخوض محادثات مُزعجة قبل إقرار المشروع التجريبي التالي.
حين تُظهر البيانات أن 88% من الشركات عاجزة عن إثبات عائد قابل للقياس على مبادراتها في الذكاء الاصطناعي، فإن الأرجح ليس أن جميعها تستخدم تقنية رديئة. الأرجح أن معظمها يتجنب النقاش الذي يُحوّل التجربة إلى مسؤولية.
