الذكاء الاصطناعي التجاري يغادر المختبر ويكشف من يمتلك أسساً راسخة ومن يمتلك شرائح عروض فحسب
إن اللحظة التي تتخلى فيها تقنية ما عن وضع التجريب وتدخل في نطاق العمليات الفعلية هي ذاتها اللحظة التي تنكشف فيها البنى الهشة وتتعرى أمام الأعيان. تواظب شركة أكسنتشر منذ أشهر على ترديد هذه الرسالة في المنطقة: إذ يمثّل عام 2026 العام الذي يتوقف فيه الذكاء الاصطناعي التجاري عن كونه تجربة داخلية ليصبح واجهةً مباشرة أمام العميل. تقدّم الشركة الاستشارية هذا التحول باعتباره نقلة نوعية للقطاع. بيد أنه، إذا قُرئ بعناية أكبر، يغدو وصفاً دقيقاً للشرخ الفاصل بين الشركات التي تمتلك عموداً فقرياً تقنياً متيناً وتلك التي شيّدت بنيتها فوق افتراضات لم تُختبر قط.
أوضح أنوب ساغو، الرئيس التنفيذي لأكسنتشر في جنوب شرق آسيا، الأمر دون مواربة لصحيفة بانكوك بوست: إن اعتماد الذكاء الاصطناعي يتحول من مرحلة التجريب إلى مرحلة النشر واسع النطاق، مع دخول الأنظمة العاملة والحلول الموجّهة نحو العميل في نطاق العمليات الفعلية. هذه التصريح ليس بريئاً أو محايداً، إذ يصدر عن شركة تضع نفسها صراحةً باعتبارها المُدمِج لهذه المرحلة الانتقالية، وتمتلك كل الحوافز لكي تُدرَك هذه المرحلة باعتبارها ملحّة وتقنياً مطلبية وعسيرة التنفيذ دون مساعدة خارجية. غير أن ذلك لا يعني أن التشخيص خاطئ.
ثلاثة عوائق تكشف أين تقع الثغرات الحقيقية
يحدد ساغو ثلاثة عقبات تُعيق تطبيق الذكاء الاصطناعي التجاري على نطاق واسع. ويستحق كل منها التمحيص والتفكيك، لأن كلاً منها يشير إلى عنصر مختلف في النموذج وإلى خلل مغاير في طبيعته.
أولاها غياب قاعدة بيانات وبنية تحتية متينة. تعمل المشاريع التجريبية للذكاء الاصطناعي في عزلة تامة: فهي تتمتع ببيانات نظيفة وبيئات خاضعة للسيطرة وفرق مخصصة. أما التوسع نحو العمليات الحقيقية فيقتضي الترحيل إلى السحابة وتحديث التطبيقات وتهيئة بيئات بيانات موحّدة لا يحتاجها أي مشروع تجريبي. وصلت كثير من شركات المنطقة إلى عام 2026 وهي تحتفظ بمشاريع تجريبية ناجحة دون أن تحلّ إشكالية هذه البنية التحتية. كان المشروع التجريبي حقيقياً؛ لكن الوعد بالتوسع كان يفتقر إلى أي أساس مادي.
والعقبة الثانية هي غياب قواعد المعرفة التجارية، وهو ما تسميه أكسنتشر بـ"الدماغ الذكي". فلكي يعمل نظام الذكاء الاصطناعي بدقة ضمن سياق تجاري، فإنه يحتاج إلى الوصول إلى الإجراءات الداخلية والسياسات وتدفقات العمل وقواعد الامتثال. إن نظام ذكاء اصطناعي للمحادثة يجهل قواعد الامتثال لدى الشركة أو إجراءات خدمة العملاء لا يمكن نشره في مواجهة عملاء حقيقيين دون أن يُشكّل خطراً جسيماً. هذه الثغرة أقل وضوحاً من الثغرة في البنية التحتية التقنية، لكنها أشد كلفةً في معالجتها: إذ تستلزم عملاً تنظيمياً عميقاً لا مجرد برمجيات جديدة.
أما العقبة الثالثة فهي الحوكمة وإعادة تأهيل القوى العاملة. يقول ساغو ذلك صراحةً: كثير من الشركات تستهين بحجم التغيير التنظيمي الذي يفرضه اعتماد الذكاء الاصطناعي. هذه ليست مشكلة تقنية في جوهرها، بل هي إشكالية في البنية التشغيلية: فتدفقات العمل المصممة أصلاً للبشر لا تنتقل تلقائياً إلى أنظمة تضم وكلاء مستقلين. وإعادة تصميم هذه التدفقات وإعادة تدريب الكوادر البشرية وبناء ضوابط الاستخدام المسؤول تستغرق وقتاً وإرادة سياسية داخلية لم تختبرها المشاريع التجريبية يوماً.
ما تكشفه هذه العقبات الثلاثة مجتمعةً ليس مجرد قائمة بالمهام العالقة. بل إنها تكشف أن غالبية المشاريع التجريبية للذكاء الاصطناعي التجاري بُنيت بصورة متعمدة لتفادي هذه العقبات الثلاثة بالذات. فقد جرى اختيار حالات الاستخدام التي لا تستلزم بيانات متكاملة، ولا تعتمد على المعرفة المؤسسية العميقة، ولا تهدد تدفقات العمل القائمة. وقد أُحرز النجاح فيها تحديداً لأنها تحاشت شروط التشغيل الحقيقية. أما الآن وقد بات القطاع يسعى إلى التوسع، فلم تعد هذه الشروط قابلة للتحاشي.
الذكاء الاصطناعي العامل بوصفه اختباراً صارماً للنموذج التشغيلي
تتجاوز أكسنتشر حدود المشاريع التجريبية لتضع الذكاء الاصطناعي العامل في مقام العتبة التالية من التعقيد. فخلافاً للذكاء الاصطناعي التوليدي التقليدي الذي يُجيب عن الأسئلة أو يولّد المحتوى بناءً على توجيه بشري، فإن الأنظمة العاملة تتخذ القرارات وتنسّق بين وكلاء متعددين وتُنجز مهاماً معقدة باستقلالية تامة: من إدارة الحملات التسويقية إلى تحسين سلاسل الإمداد. الوعد حقيقي. وكذلك نقاط التوتر البنيوية.
إن نظاماً عاملاً مُنتشراً في العمليات الفعلية لا يحظى بمراجعة بشرية لكل خطوة يخطوها. وهذا يعني أن أخطاء البيانات وانحيازات النموذج والثغرات في سياسات الحوكمة لا تُكتشف قبل إحداث الضرر، بل تُكتشف بعده. بالنسبة لشركة تعاني من تشرذم البيانات، وتفتقر إلى قاعدة معرفة مؤسسية متكاملة، وتمتلك قوى عاملة لم تُعَد تدريبها للعمل مع وكلاء مستقلين، فإن نشر الذكاء الاصطناعي العامل لا يُسرّع العمليات، بل يُعرّضها للانكشاف الكامل.
هذه هي القراءة التي لا تُصرّح بها أكسنتشر صراحةً، لكن تشخيصها للعقبات الثلاثة يستدعيها ضرورةً: إن الانتقال إلى الذكاء الاصطناعي العامل هو في آنٍ واحد أعظم رافعة للقيمة وأقوى مُضخّم لمواطن الهشاشة البنيوية. الشركات التي حلّت إشكالية البنية التحتية، وبنت قواعد معرفة محكومة، وأعادت تصميم تدفقات عملها، يمكنها توظيفه لتقليص دورات تشغيلية كانت تستغرق أسابيع. أما تلك التي لم تفعل فقد حوّلته إلى ناقل لأخطاء واسعة النطاق.
نشرت أكسنتشر داخلياً ما بين 70 و100 وكيل ذكاء اصطناعي في الموارد البشرية والمالية والتسويق. وفي تايلاند، وظّفت الذكاء الاصطناعي لفرز 7000 طلب تقديم للتدريب الداخلي من أجل 70 منصباً. هذه ليست بيانات عملاء بل بيانات الشركة ذاتها. ما تكشفه هو أن الاعتماد ليس مجرد رسالة ترويجية. إذ تبني أكسنتشر أدلةً داخلية على أن البنية التي تروّجها تعمل في ظروف حقيقية. هذا لا ينفي الدافع التجاري للتشخيص، لكنه يجعله قابلاً للتحقق من الناحية التشغيلية.
سيادة البيانات بوصفها مُصفّياً لتحديد المواقع لا مجرد متطلب تنظيمي
من أكثر الأبعاد إثارةً للاهتمام في تحليل أكسنتشر للمنطقة ذلك المتعلق بالذكاء الاصطناعي السيادي. يصف ساغو سباقاً إقليمياً تتنافس فيه الحكومات على السيطرة على بياناتها ونماذجها وبنيتها التحتية، مدفوعةً بالاحتكاكات الجيوسياسية والمخاوف المتعلقة بإقامة البيانات. تتصدر سنغافورة المشهد في الرقابة الإدارية والسياسات المتقدمة. تتساءل ماليزيا عما إذا كانت مراكز البيانات الأجنبية ذات الطلب المرتفع على الموارد توفر عائداً اقتصادياً كافياً. تتمسك إندونيسيا بنهجها القائم على توطين البيانات. وتستثمر تايلاند موقعها الاستراتيجي لاستقطاب الفاعلين التقنيين الغربيين والصينيين على حدٍّ سواء.
إذا قُرئت ظاهرة الذكاء الاصطناعي السيادي من منظور نموذج عمل أكسنتشر، تتضح أنها ليست مجرد اتجاه تنظيمي، بل هي آلية للتقسيم الشرائحي. الشركات التي تحتاج إلى الامتثال لمتطلبات إقامة البيانات، والتي تعمل وفق لوائح قطاعية صارمة، أو التي تمتلك حساسيات جيوسياسية صريحة، لا يمكنها ببساطة اعتماد أرخص حلول الذكاء الاصطناعي أو أكثرها توافراً. فهي تحتاج إلى بنى معمارية تستوفي شروطاً محددة من السيطرة والتوطين. وهذا يُضيّق دائرة الموردين المؤهلين ويرفع قيمة المُدمِجين القادرين على التعامل مع هذا التعقيد.
إن التعاون الذي أعلنت عنه أكسنتشر مع شركة Mistral AI في فبراير 2026، وإن كان يتمحور حول أوروبا، يسير في هذا الاتجاه: إذ كانت الحجة الصريحة هي تمكين المنظمات من المضي قدماً نحو عمليات نشر الذكاء الاصطناعي واسعة النطاق بالاستقلالية الاستراتيجية دون الاعتماد على مورد بنية تحتية واحد. وتحمل هذه الحجة ذاتها ثقلاً كبيراً في آسيا، حيث قد يتحول الاعتماد على مورد سحابة وحيد أو مورد نماذج واحد إلى نقطة ضعف تنظيمية أو جيوسياسية. تبني أكسنتشر عرضاً يمزج بين الكفاءة التقنية وإدارة مخاطر السيادة. وبالنسبة لشرائح معينة من العملاء، فإن هذا المزيج يُسوّغ سعراً مرتفعاً وعلاقة طويلة الأمد لا يستطيع أي مورد منصة تقديمها بمفرده.
القطاع المصرفي بوصفه تحققاً من الصحة وقطاع التجزئة بوصفه الرهان القادم
يتصدر القطاع المالي قائمة الاعتماد على الذكاء الاصطناعي في المنطقة، مدفوعاً باستثمار تقني مستدام وضغط تنافسي نابع من البنوك الرقمية والافتراضية. وهذا ليس محض صدفة. فالقطاع المصرفي يتمتع بثلاثة شروط بنيوية تُيسّر توسيع نطاق الذكاء الاصطناعي: بيانات تاريخية وفيرة ومنظمة نسبياً، وعمليات قابلة للتكرار وفق قواعد واضحة، ولوائح تنظيمية تُلزم بتوثيق ما تقوم به الأنظمة على نحو يبدو متناقضاً مع المنطق التجاري المعتاد. وهذه الشروط الثلاثة هي بالضبط ما يفتقر إليه سائر القطاعات حتى الآن.
يبرز قطاعا التجزئة والطاقة باعتبارهما قطاعين ذوَي إمكانات عالية لكن في مراحل أبكر. وفيما يتعلق بالتجزئة، يُشير ساغو إلى أن سوق المستهلكين في تايلاند قد يستفيد من الابتكارات التي يُتيحها الذكاء الاصطناعي والتي تطبّقها الصين بالفعل في قطاع التجارة بالتجزئة. والإشارة هنا ليست ترسيمية: فقد أمضى التجارة الإلكترونية الصينية سنوات في استخدام الذكاء الاصطناعي للتخصيص وإدارة المخزون التنبؤية وتحسين الأسعار في الوقت الفعلي، وعلى نطاق لم تبلغه معظم المشغّلين في جنوب شرق آسيا. الفجوة ليست في الأدوات المتاحة، بل في البيانات المتكاملة والإرادة التنظيمية لإعادة تصميم تدفقات عمل تسير بأسلوب مغاير منذ عقود.
أما في قطاع الطاقة، فالحجة أكثر تحديداً: تحليل الفيديو والبيانات التشغيلية وأجهزة الاستشعار للتنبؤ بأعطال المعدات وتحسين أعمال الصيانة. وهو حالة استخدام يمتلك فيها الذكاء الاصطناعي العامل ميزة واضحة على الإشراف البشري: إذ يستطيع معالجة إشارات متزامنة أكثر بكثير مما يستطيع فريق من المهندسين رصده. لكنه في الوقت ذاته حالة استخدام تترتب على أي خلل فيه عواقب مادية لا مجرد تجارية. فالحوكمة هنا ليست اختيارية؛ بل هي شرط وجود النشر من الأساس.
ما لا يضمنه سباق الاعتماد وحده
تلخّص باتاما تشانتارك، المديرة العامة لأكسنتشر في تايلاند، موقف البلاد بصياغة تستحق التأمل والانتباه: تايلاند تمتلك طموحاً لاستخدام الذكاء الاصطناعي لتحسين تجربة العميل وتعزيز المرونة التشغيلية وفتح أبواب النمو، غير أن النجاح سيتوقف على ربط الاستراتيجية بالتنفيذ وبناء الأسس اللازمة لتوسيع الأثر.
النصف الثاني من هذه العبارة أهم من النصف الأول. يمكن توثيق الطموح الإقليمي في مجال الذكاء الاصطناعي: استراتيجيات وطنية، واستثمار في البنية التحتية السحابية، وبرامج تدريبية، وأطر تنظيمية في طور التطوير. لكن ما لا يضمنه هذا الطموح هو قدرة التنفيذ على مستوى الشركة الفردية. قد تعمل شركة ما في بلد يمتلك سياسة ذكاء اصطناعي متقدمة، وتظل رهينة بيانات مشتتة، وعمليات غير موثقة، وقوى عاملة لم تُعَد تأهيلها. السياسة الوطنية لا تحل محلّ البنية الداخلية للعمل.
تدرك أكسنتشر ذلك جيداً وتبني عرضها حول هذه الفجوة بالذات. فهي لا تتنافس في سوق نماذج الذكاء الاصطناعي ولا في سوق البنية التحتية السحابية. بل تتنافس في سوق التنفيذ: في القدرة على نقل منظمة ما من بنية صُمّمت للعمل بدون ذكاء اصطناعي إلى بنية قادرة على تشغيله على نطاق واسع، مع حوكمة سليمة وبيانات متكاملة وقوى عاملة تستوعب دورها الجديد. إنها فضاء يتسم بارتفاع القيمة وارتفاع الاحتكاك في آنٍ واحد، وسعر الدخول إليه هو ذلك الثقة المؤسسية المتراكمة على مدى سنوات من الحضور الدائم مع العملاء أنفسهم.
تشير البيانات التي تُقدّمها الشركة ذاتها في اتجاه محدد وحاسم: الشركات التي أطلقت بنجاح مبادرة استراتيجية واحدة على الأقل في مجال الذكاء الاصطناعي تكاد تكون ثلاثة أضعاف أكثر احتمالاً من أقرانها لتحقيق عوائد تتخطى التوقعات. هذه ليست حجة حول من يمتلك أكثر تقنية متطورة. إنها حجة حول من يمتلك البنية الملائمة لتشغيل تلك التقنية في ظروف حقيقية. وهذا التمييز، بين امتلاك الوصول إلى الذكاء الاصطناعي وامتلاك البنية الكافية لتشغيله، هو الخط الفاصل بين الشركات التي ستُرسمل هذا الدورة وتلك التي ستظل تراكم مشاريع تجريبية دون أي عائد قابل للقياس.
