حين تفكّر أربع تطبيقات بالعقل ذاته
ظلّت الشركات تبني لسنوات محافظ تقنية تبدو في ظاهرها متنوعة: أدوات مختلفة للمبيعات والعمليات والامتثال التنظيمي وتطوير البرمجيات وسلاسل الإمداد، وموردون متعددون وعقود منفصلة وفرق مستقلة. والبنية المرئية توحي باستقلالية حقيقية.
غير أن ثمة طبقة لا تلتقطها معظم جرد التقنيات المؤسسية: نموذج الذكاء الاصطناعي الذي يُغذّي كلًّا من تلك التطبيقات. فإذا كانت أربعة من كل عشر أدوات تعمل على النموذج الأساسي ذاته، أو على العائلة ذاتها من النماذج، أو على مزوّد واجهة برمجة التطبيقات ذاته، فإن التنويع المرسوم في الهيكل التنظيمي لا وجود له في المكان الفعلي الذي تُتخذ فيه القرارات. إنه موجود في الغلاف الخارجي، لا في منطق الاستدلال.
وهذا ما أسمته تدوينة حديثة في مجلس تقنية فوربس التركيز المعرفي: الظاهرة التي تنتهي بها المنظمات العاملة بتطبيقات ذكاء اصطناعي متعددة إلى الاعتماد على النظام المعرفي الأساسي ذاته، مع ما ينطوي عليه ذلك من خطر انتشار أي تغيير أو عطل في هذا النظام بصمت عبر عمليات تجارية تبدو مستقلة في ظاهرها. والمقالة، التي كتبتها مسؤولة تنفيذية رفيعة في مؤسسة مالية عالمية، تُقدَّم بوصفها تحذيرًا لإدارة المخاطر أكثر منها تقريرًا عن أزمة قائمة. بيد أن ما تصفه بوصفه فرضية محتملة تسنده بنية السوق الراهنة بما يكفي لأخذه بجدية تامة.
المشكلة التي لا تظهر على لوحة العمليات
للتركيز التقني الكلاسيكي ميزة غير متوقعة: حين يقع العطل تعرف به فورًا. فإذا توقف مزوّد سحابي، تتوقف الأنظمة. وإذا فشل خادم رئيسي، تُطلَق التنبيهات. الانقطاع مرئي وقابل للقياس وله ساعة عَدٍّ.
أما التركيز المعرفي فلا يسير على هذا النحو. إذ قد يواصل النظام عمله بصورة اعتيادية تامة من الناحية التقنية في حين تغيّرت الأحكام التي ينتجها. فتحديث النموذج الأساسي قد يُعيد ضبط الوزن الذي يمنحه النظام لمتغيرات بعينها في عملية الموافقة على الائتمان، أو في تصنيف تنبيهات الأمن السيبراني، أو في مراجعة العقود القانونية، أو في صياغة العروض التجارية، دون أن يُفعّل أيٌّ من هذه التغييرات أيَّ إنذار. تبقى لوحة التحكم خضراء، وتستجيب التطبيقات، ويواصل المستخدمون عملهم، بينما تتخذ المنظمة قرارات متترابطة مبنية على استدلال تغيّر للتو على جميع الأصعدة في آنٍ واحد.
وثمة شواهد من السوق تحوّل هذا السيناريو من حيّز التكهن إلى واقع ملموس. فقد كشف استطلاع أجراه بنك إنجلترا وهيئة السلوك المالي في المملكة المتحدة على 118 شركة مالية عام 2024 أن كبار الموردين الخارجيين الثلاثة يستأثرون بنسبة 73% من خدمات الحوسبة السحابية المُبلَّغ عنها و44% من موردي النماذج. وفي الوقت ذاته، تضمّن 55% من حالات استخدام الذكاء الاصطناعي في تلك الشركات مستوىً ما من اتخاذ القرار الآلي. هذان الرقمان معًا يرسمان ملامح المخاطرة: قرارات آلية كثيرة، ونماذج حقيقية قليلة في الخلفية.
وتُعزّز بنية سوق نماذج اللغة هذه القراءة. فتشير تقديرات مينلو فنتشرز المتعلقة بالإنفاق المؤسسي على الذكاء الاصطناعي التوليدي إلى أن ثلاثة موردين، هم أنثروبيك وأوبن إيه آي وجوجل، استحوذوا على نحو 88% من الإنفاق المؤسسي على نماذج اللغة في عام 2025. وليس هذا احتكارًا غير مشروع ولا سلوكًا منافيًا للمنافسة؛ إنه ببساطة مستوى النضج الذي بلغه السوق في هذه المرحلة. غير أن هذا مقترنًا بالسرعة التي تتبنى بها الشركات هذه القدرات، يُفضي رياضيًا إلى تركيز حقيقي للذكاء خلف واجهة تنوّع تطبيقي مُوهِم.
وارتفع الإنفاق المؤسسي على الذكاء الاصطناعي التوليدي من 1.7 مليار دولار عام 2023 إلى 11.5 مليار عام 2024 ثم 37 مليار عام 2025، وفقًا للبيانات ذاتها الصادرة عن مينلو. هذا المعدل المتسارع في التبني يعني أن كثيرًا من المنظمات قد أرسَت تبعيات عميقة قبل أن تتسنى لها الفرصة لرسم خريطتها بدقة. فقد بُنيت البنى التحتية بسرعة تحت ضغط إظهار النتائج، وظلّ جرد التبعيات المعرفية مؤجلًا. وفي معظم الحالات، لم يأتِ ذلك اليوم بعد.
ما الذي يتغيّر حين يكون العطل صامتًا ومتترابطًا
ثمة تمييز تشغيلي يستحق أن يُصاغ بدقة، إذ هو الذي يحدد ما إذا كانت هذه المخاطرة تستوجب اهتمامًا تنفيذيًا أم يمكن إحالتها إلى فريق الهندسة المعمارية.
التركيز التقليدي للموردين يُفضي إلى أعطال في التوافر. أما التركيز المعرفي فيُفضي إلى أعطال في جودة القرار. وهما فئتان متمايزتان من المخاطر بملفَّي كشف مختلفَين تمامًا.
يُكتشف عطل التوافر في غضون دقائق. أما عطل جودة القرار فقد يعيش في بيئة الإنتاج أسابيع أو أشهرًا قبل أن يرصده أحد، وذلك فقط إذا وُجد ثمة آلية تقييم مقارن قادرة على رصد الانحرافات. ولدى معظم المنظمات بروتوكولات قوية للنوع الأول، أما للنوع الثاني فالتغطية شحيحة أو معدومة.
يستشهد المقال بسيناريو يستحق اهتمامًا خاصًا: تحديثات النماذج. فحين يُطلق مزوّد إصدارًا جديدًا من نموذجه الأساسي، تَرث التطبيقات العاملة عبر واجهة برمجة التطبيقات ذاك التغيير، أحيانًا بشفافية تامة وأحيانًا دون إشعار واضح. وإذا كانت أربعة تطبيقات حيوية تشترك في هذا المزوّد، فإن أربعة عمليات تجارية تتغيّر في آنٍ واحد. بعض التغييرات ستكون محايدة أو مفيدة. لكن إذا كان النموذج الجديد يحمل معايَرة مختلفة تجاه فئات المخاطر أو أنواع المعاملات أو سياقات بعينها، فقد يكون التأثير جوهريًا قبل أن يقيسه أحد.
وهذا ليس سيناريو احتمالي ضعيف، بل هو الميكانيكا المعتادة لعمل النماذج بوصفها خدمة. إذ يُحدّث الموردون نماذجهم بصفة دورية، والمنظمات التي تستهلك تلك النماذج عبر واجهات برمجة التطبيقات تَرث هذه التحديثات ضمن المهل التعاقدية التي تفاوضت عليها، وهي في كثير من الحالات مهل دنيا. والمخاطرة لا تكمن في سوء نية المزوّد؛ بل تكمن في بنية التبعية وفي غياب ضوابط التقييم المستمر القادرة على رصد الانحرافات.
وقد نشر لجنة السياسة المالية لبنك إنجلترا في أبريل 2026 تحليلًا خلص إلى أن الذكاء الاصطناعي المتقدم لم يُتبنَّ بعد بصورة تُشكّل خطرًا نظاميًا على القطاع المالي، لكنه نبّه إلى أن هذه المخاطر قد تتصاعد بسرعة مع توسّع التطبيق. والتسلسل هنا مهم: بناء الضوابط أيسر قبل أن تتجذّر التبعيات. فإذا غدت ثماني وحدات أعمال تعتمد على النموذج ذاته في قرارات عالية التأثير، ارتفعت تكلفة استحداث آليات تحقق مستقلة ارتفاعًا ملحوظًا قياسًا بما لو جرى ذلك في طور تصميم النظام.
لماذا لا يلتقط معظم الجرد التقني هذه الظاهرة
كشف استطلاع أجراه معهد قيمة الأعمال التابع لشركة IBM عام 2026 على ألف مسؤول تنفيذي رفيع في 16 دولة أن 91% منهم اعترفوا بعدم فهمهم تبعياتهم المتعلقة بالذكاء الاصطناعي عبر الموردين والنماذج والبنية التحتية فهمًا كاملًا. وأكد 71% منهم أن تغيير مزوّدهم الرئيسي للذكاء الاصطناعي أو نموذجهم سيكون أمرًا عسيرًا. وهذان الرقمان معًا يصفان وضعًا بعينه: منظمات بنت تبعيات لا تستوعبها استيعابًا كاملًا، وسيكون التراجع عنها مُكلفًا.
ويعود جزء من التفسير إلى بنية الجرد ذاتها. فالجرد التقني التقليدي منظَّم حسب التطبيق أو مورّد البرمجيات، ويلتقط الطبقة المرئية بكفاءة: أيّ منصة، من أيّ شركة، بأيّ عقد. غير أنه لا يلتقط طبقة الذكاء الكامنة: أيّ نموذج أساسي، ومن أيّ عائلة، وعلى أيّ بنية حوسبة، وبأيّ بيانات تدريب، وبأيّ سياسة تحديث. وتلك الطبقة هي التي تحدد كيفية استدلال النظام، وهي التي قد تكون مركّزة حتى وإن بدت التطبيقات المرئية متنوعة.
والجزء الآخر من التفسير يتعلق بوتيرة العمل المؤسسي. فالضغط لاستعراض حالات استخدام الذكاء الاصطناعي في بيئات الإنتاج كان في كثير من المنظمات أشد من الضغط على توثيق التبعيات. نشرت الفرق بسرعة، وجاءت ضوابط الحوكمة لاحقًا حين جاءت. والنتيجة أن جرد التطبيقات وافٍ إلى حد بعيد في معظم الشركات المتوسطة والكبيرة، غير أن جرد التبعيات المعرفية —النماذج وعائلاتها وموردي واجهات برمجة التطبيقات ومصادر البيانات وأنظمة الاسترجاع— لا يوجد بالمستوى ذاته من التفصيل.
وهذا لا يُشكّل انتقادًا للفرق التي اتخذت تلك القرارات. فتحت قيود الوقت والموارد والضغط التنافسي السائدة بين عامَي 2023 و2025، كان التحرك السريع في أحيان كثيرة هو الخيار الصحيح. المشكلة أن التحرك السريع دون تسجيل التبعيات التي تنشأ يُفضي بالضبط إلى الوضع الذي وصفه 91% من المسؤولين التنفيذيين الذين استطلعت آراءهم IBM: تبعيات لا تُفهم كليًا وسيكون تغييرها عسيرًا.
السؤال الذي ينبغي أن تطرحه مجالس الإدارة
يقترح مقال فوربس أداةً تحليلية يُسمّيها مؤشر التركيز المعرفي، وهو مقياس لا معيار صناعيًا له بعد، لكن منطقه مباشر: رسم خريطة للنماذج وموردي واجهات برمجة التطبيقات ومصادر الحوسبة ومستودعات البيانات التي تشترك فيها تطبيقات الذكاء الاصطناعي في المنظمة، وتقاطع تلك المعلومات مع أهمية العمليات التجارية المعتمدة على كل طبقة، وتقييم المدة الزمنية اللازمة للتغيير في سيناريو العطل أو التدهور.
قيمة هذه الأداة لا تكمن في الرقم الذي تُنتجه، بل في العملية التي تفرضها. فأي منظمة تحاول بناء تلك الخريطة للمرة الأولى تكتشف بسرعة ما تعلمه فعلًا وما كانت تفترض معرفته حول تبعياتها. والفجوة بين الموثَّق والمفترَض هي عادةً موطن المخاطرة.
وثمة ثلاثة متغيرات تحدد متى يتحول التركيز المعرفي من مجرد إزعاج هندسي إلى مشكلة حوكمة تنفيذية. الأول هو حيوية العملية: فالتركيز في تطبيقات تسويقية منخفضة الخطورة مع توافر بدائل مشكلة صغيرة، أما التركيز في أنظمة الاكتتاب والموافقة الائتمانية وكشف الاحتيال وقرارات التسعير فذلك أولوية من نوع آخر. والثاني هو سرعة الاستبدال: كم يستغرق فعليًا تغيير نموذج أو مزوّد في عملية تجارية حقيقية، لا نظريًا بل مُختبَرًا في تمرين استمرارية فعلي. والثالث هو القدرة على رصد الانحرافات: هل تمتلك المنظمة آليات لرصد تغيّر سلوك النموذج قبل أن يُلحق ذلك التغيير ضررًا قابلًا للقياس أم لا.
وأفادت ماكنزي في استطلاعها العالمي لعام 2026 بأن 28% من المنظمات تُخصص أكثر من 10% من ميزانية التقنية والمعلومات للذكاء الاصطناعي. وحين تبلغ الاستثمارات هذا المستوى، تخرج التبعية من طور التجريب لتصبح هيكلية. والتبعية الهيكلية غير المرسومة ولا المُقيَّمة ودون بروتوكولات استمرارية هي تمامًا نوع المخاطرة التي تلتزم مجالس الإدارة بفهمها، وإن كان معظمها لا يمتلك بعد الإطار المفاهيمي الذي يُتيح صياغتها بدقة.
تنويع التطبيقات كان قرارًا تجاريًا. المرونة المعرفية قرار هندسي معماري. وهما قراران مختلفان خلطت بينهما كثير من المنظمات لأن أحدهما كان مرئيًا والآخر لم يكن. تصحيح هذا الالتباس في الوقت المناسب، حين لا تزال التبعيات قابلة للتعديل، أقل تكلفة بكثير من انتظار أن يُجبر عليه تغيير نموذج تموج تداعياته عبر ثماني عمليات أعمال في آنٍ واحد في وضع طوارئ حقيقي.
