93% من ميزانية الذكاء الاصطناعي تذهب إلى الآلة وليس للعامل
هناك نوع من الأخطاء في الهندسة الهيكلية لا يظهر في المخططات حتى يصبح المبنى قائمًا. يُسمى فشل الحمل المؤجل: الهيكل يتحمل الوزن الأولي، ويبدو صلبًا، لكنه تجاهل متغيرًا حاسمًا يظهر فقط تحت ضغط حقيقي. الشركات التي تستثمر اليوم في الذكاء الاصطناعي ترتكب نفس الخطأ بالضبط، والأرقام توثق ذلك بوضوح مزعج.
وفقاً للبيانات التي جمعتها ديلويت، ووارن، وهارفارد — التي تناولتها مجلة فورتشن — تخصص المنظمات 93% من ميزانياتها في الذكاء الاصطناعي للتكنولوجيا و 7% فقط للبشر: تدريب، إعادة تصميم الأدوار، إدارة التغيير، وقدرة التكيف. ليست مجرد حالة من الثقافة المؤسسية. إنها قرار توزيع رأس المال الذي بدأ بالفعل يؤدي إلى عوائد سلبية على عدة جبهات.
السرد السائد حول مخاطر الذكاء الاصطناعي يدور حول الأتمتة الكارثية، والفقدان الجماعي للوظائف، أو الذكاء الفائق خارج السيطرة. هذا السرد يبيع العناوين، لكنه يصرف الانتباه عن الفشل الذي يحدث بالفعل داخل المنظمات: المشكلة ليست في أن الذكاء الاصطناعي يحل محل البشر، بل إن الشركات تنفذ أنظمة لا يعرفها، ولا يستطيع استخدامها، أو لا يريد استخدامها فرقها.
عندما يتفوق المحرك على الهيكل
محرك فورمولا 1 مثبت على هيكل سيارة سيدان لا ينتج عربة أسرع. بل ينتج مركبة لا يمكن السيطرة عليها. هذه هي الهندسة التي تبنيها معظم الشركات التي تنشر أدوات الذكاء الاصطناعي بدون إعادة تصميم العمليات البشرية حولها.
عدم التوازن 93/7 ليس مجرد قرار ميزانية سيء. إنه يكشف عن فرضية تجارية خاطئة في جوهرها: فكرة أن تبني التكنولوجيا يتم تلقائيًا بمجرد تثبيت الأداة. أي مهندس نظم يعرف أن التكامل بين المكونات هو، بلا استثناء، النقطة الأكثر احتكاكًا. ليس المكون بحد ذاته. الواجهة بين القطعة الجديدة والنظام الموجود مسبقًا هي حيث تنهار المشاريع.
تشتري المنظمات أغلى مكون — تراخيص، بنية تحتية، نماذج، طبقات من الأمان — وتخصص تمويلاً منخفضًا للواجهة الحرجة: الشخص الذي يجب أن يشغل هذا المكون بفاعلية ضمن سير العمل الحقيقي. النتيجة الملحوظة بالفعل توقعها سهل: أدوات ذات قدرة عالية بمعدلات اعتماد منخفضة، ومشاريع تجريبية لا تتوسع، ومديرون يبلغون عن إحباط مع عائد استثماراتهم في الذكاء الاصطناعي دون القدرة على تشخيص السبب بدقة.
هذه ليست أزمة تكنولوجيا. إنها أزمة تكامل أنظمة.
فشل الحمل الذي لم يُخصَّص له ميزانية
هناك آلية مالية وراء هذا الاختلال تستحق أن تُدقق ببرود. عندما تخصص شركة ميزانية للذكاء الاصطناعي، تكاليف التكنولوجيا تكون مرئية، قابلة للقياس، وسهلة التبرير أمام مجلس الإدارة: عقد مع بائع له رقم محدد. تدريب الفرق، إعادة تصميم العمليات، وإدارة التغيير التنظيمي، بالمقابل، تنتج قيمة مؤجلة وصعب نسبتها مباشرة إلى خط الميزانية. يعتمد المديرون الماليون ما يمكنهم قياسه على المدى القصير.
تولد هذه المنطق الميزاني معمارية تكاليف مع فشل هيكلي واضح: تتزايد النفقات الثابتة في التكنولوجيا منذ اليوم الأول، بينما الفوائد التشغيلية — التي تعتمد على أن تتبنى الفرق البشرية وتعمل الأنظمة — تأتي لاحقًا بكثير، إن جاءت. المبنى يستهلك الطاقة قبل أن يسكنه أحد، ولم يتم تدريب المستأجرين على استخدام التدفئة.
النتيجة المباشرة هي اقتصاد وحدة يتدهور قبل أن يتحسن. يرتفع الكلفة لكل وحدة قدرة مثبتة لأن الاستخدام الفعلي منخفض. وعندما يكون الاستخدام منخفضًا، تلقي الضغوط على فرق التكنولوجيا لتبرير الاستثمار، مما يؤدي عادةً إلى استجابة عكسية: المزيد من الأدوات، المزيد من طبقات البرمجيات، المزيد من النفقات التكنولوجية. يدور هذا الحلقة حول نفسها دون مواجهة المتغير الصحيح.
ما تشير إليه بيانات ديلويت، ووارن، وهارفارد ليس نقدًا فلسفيًا للرأسمالية التكنولوجية. إنها تدقيق للجدوى التشغيلية: النموذج الحالي للاستثمار في الذكاء الاصطناعي لديه عنق زجاجة هيكلي في العنصر البشري، وهذا العنق الزجاجة لا يختفي مع المزيد من الاستثمارات التكنولوجية.
العنصر الذي يولد عائدًا قابلًا للقياس
المنظمات التي تحقق عوائد ملموسة من تطبيقاتها في الذكاء الاصطناعي تشترك في خاصية معمارية يتجاهلها متوسط السوق: لقد اعتبرت إعادة تصميم الأدوار البشرية استثمارًا في المنتج، وليس مجرد تكلفة من الموارد البشرية.
هذا له دلالة تشغيلية دقيقة. الاستثمار في العنصر البشري ضمن تطبيق الذكاء الاصطناعي لا يعني تقديم دورة تدريبية مدتها ثماني ساعات حول كيفية استخدام واجهة جديدة. بل يعني إعادة تصميم سير العمل الكامل — ما القرارات التي تتخذها الآلة، أيها يصدقها الإنسان، وأيها يبقى حصريًا بيد الشخص — ثم بناء قدرة الفريق على العمل ضمن ذلك السير المعاد تصميمه. إنه تمرين في هندسة التنظيم، وليس مجرد تدريب.
الشركات التي نفذت هذه التسلسل بشكل صحيح تُظهر شيئًا لا تستطيع الأخرى تقديمه: يُعزز الذكاء الاصطناعي إنتاجية المشغل بدلاً من إنشاء طبقة موازية من العمل — إدارة الأداة بالإضافة إلى إدارة المهمة الأصلية. الفرق بين السيناريوين لا يكمن في الخوارزمية. إنه في ما إذا كان شخص ما قد أعاد تصميم النظام بالكامل قبل تثبيت العنصر الجديد.
النمط له أيضًا قراءة تجارية ذات دلالة للشركات التي تبيع حلول الذكاء الاصطناعي لمنظمات أخرى. segmento العملاء الذي ينتج أعلى احتفاظ وأقل احتكاك في التبني ليس هو الذي اشترى الترخيص الأغلى. بل هو الذي وظف، بجانب التكنولوجيا، الدعم الهيكلي لتكاملها. الشركات البرمجية التي فهمت هذا قد أعادت تشكيل عرضها: المنتج ليس النموذج، بل النموذج + عملية التبني. هذه إعادة التشكيل تتيح لهم فرض تكاليف أعلى، وتقليل معدل التخلي، وتوليد إيرادات متكررة من خدمات كانت سابقًا تقدم مجانًا كدعم.
القطعة المفقودة في كل اجتماع مجلس إدارة
المشكلة التشخيصية الأساسية هي أن معظم المنظمات تقيم استثماراتها في الذكاء الاصطناعي باستخدام مؤشرات خاطئة. يتم قياس سرعة التنفيذ، عدد الأدوات المنقولة، تغطية المستخدمين الذين يحصلون على وصول إلى النظام. لا تلتقط أي من هذه القياسات المتغير الذي يحدد ما إذا كانت الاستثمار تعود بالقيمة: معدل الاعتماد الفعلي مع أثر قابل للقياس على الإنتاجية لكل وحدة.
الشركة التي نشرت الذكاء الاصطناعي في 80% من فرقها لكنها تسجل استخدامًا نشطًا إنتاجيًا بنسبة 20% ليست أصلًا استراتيجيًا. لديها بنية تحتية غير مستخدمة بتكلفة ثابتة كاملة. النسبة 93/7 في الميزانية هي مصدر تلك النتيجة، وليست صدفة.
المنظمات التي ترغب في تصحيح فشل الحمل هذا بحاجة إلى استراتيجية جديدة للذكاء الاصطناعي. تحتاج إلى مراجعة المخططات التي لديها بالفعل وتحديد أين نسوا العامل. نماذج العمل لا تنهار بسبب نقص الأفكار أو نقص التكنولوجيا المتاحة: تنهار عندما لا تكون أجزاء النظام مصممة للعمل معًا وتوليد قيمة قابلة للقياس في كل نقطة تفاعل في العملية.
