ارتفع الإنفاق على الذكاء الاصطناعي بنسبة 110%، والأنظمة الأساسية لم تستطع تحمّل ذلك
ثلاث سنوات متتالية تقيس فيها شركة ServiceNow مستوى نضج الذكاء الاصطناعي في كبرى المؤسسات والشركات العالمية. وفي عام 2026، سجّل المؤشر الذي تبنيه الشركة استناداً إلى استطلاعات تشمل أكثر من 4500 مسؤول تنفيذي وما يزيد على 2000 موظف حول العالم، تحسناً لافتاً بلغ 16 نقطة، ليصل إلى 51 من أصل 100. يبدو هذا الرقم مشجعاً للوهلة الأولى، حتى تقرأ السطر التالي مباشرةً: ففي حين نما الإنفاق المؤسسي على الذكاء الاصطناعي بنسبة 110% على أساس سنوي، لم تواكب القدرات التأسيسية التي يحتاجها هذا الذكاء الاصطناعي للعمل على نطاق واسع هذا النمو المتسارع. الأموال وصلت، أما البنية التحتية فلم تصل.
هذا هو المعطى الذي ينبغي أن يُقلق كل مدير مالي وافق على ميزانية للذكاء الاصطناعي خلال الثمانية عشر شهراً الماضية دون أن يعيد النظر في البيانات وتدفقات العمل وبروتوكولات الحوكمة الكامنة في الأسفل. إنها ليست مشكلة تقنية في جوهرها، بل هي مشكلة تسلسل وترتيب أولويات.
حين يسبق الاستثمار البنيةَ التنظيمية
ثمة نمط متكرر يظهر في كل موجة تقنية كبرى: يتقدم الإنفاق على جاهزية التبني. حدث ذلك مع أنظمة تخطيط موارد المؤسسات (ERP)، وحدث مع الحوسبة السحابية، وحدث أيضاً مع برامج البيانات الضخمة في منتصف العقد الماضي. والفارق الآن يكمن في الحجم والنطاق. فوفقاً لتوقعات مؤسسة غارتنر للأبحاث، سيبلغ الإنفاق العالمي على الذكاء الاصطناعي 2.59 تريليون دولار في عام 2026، أي بارتفاع نسبته 47% مقارنةً بالعام السابق. ووثّق معهد ستانفورد للذكاء الاصطناعي الإنساني أن الاستثمار الخاص العالمي في الذكاء الاصطناعي بلغ 344.7 مليار دولار في عام 2025، بزيادة قدرها 127.5% مقارنةً بعام 2024. وفي الربع الأول من عام 2026 وحده، ضخّت كلٌّ من أمازون وجوجل ومايكروسوفت وميتا مجتمعةً 130.65 مليار دولار في البنية التحتية، وجزء كبير من هذا الاستثمار موجَّه نحو الذكاء الاصطناعي.
هذه الأرقام حقيقية وموثّقة. لكن المشكلة تكمن فيما لا تقيسه: هل الشركات التي تغذّي هذا الطلب المتصاعد تمتلك الأنظمة الداخلية الكافية لاستثمار ما تشتريه والاستفادة منه فعلياً؟
يضع مؤشر ServiceNow أصبعه بدقة على مواضع الانكسار. لقد اشترت المؤسسات نماذج وأدوات ومنصات للذكاء الاصطناعي. غير أن بياناتها لا تزال مشتتة في صوامع معزولة لا تتواصل فيما بينها، ولم تُعَد هندسة تدفقات عملها قبل أتمتتها، ولم يُدرَج موظفوها في مسار التحول بصورة استباقية ومبكرة كافية. والنتيجة البنيوية التي يمكن توقعها هي: يقدّم الذكاء الاصطناعي مخرجات غير متسقة، ويفقد الفرق الثقةَ في نتائج النظام، وتتعثر المشاريع في مراحل الإطار التجريبي إلى أجل غير مسمى، دون أن تبلغ مرحلة الإنتاج الفعلي أبداً.
وتصف هولي بريدس، نائب الرئيس الأول للصناعات والحلول العالمية في ServiceNow، هذا الواقع بصورة دقيقة ومعبّرة: فمعظم المؤسسات تحاول اليوم خوض سباقات الفورمولا 1 على بنية تحتية مصممة لسيارات الكارت الصغيرة. تعمل البيانات كرقع متناثرة وغير متصلة، وما إن تحاول تشغيل تدفقات عمل أفقية على هذه البيئة الهشة، حتى تنكشف تلك الفجوات على الفور.
المتقدمون حقاً اتخذوا قراراً قبل غيرهم
يحدد المؤشر مجموعة يسميها "رواد الوتيرة" (Pacesetters)، وهي تمثل 21% من المؤسسات المستطلعة التي حققت أعلى الدرجات في مستوى النضج. ما يميز هذه المجموعة ليس أنها أنفقت أكثر من سواها، بل أنها دمجت بياناتها وحدّثت بنيتها قبل نشر الذكاء الاصطناعي، لا بعده. فـ64% من هذه المجموعة تدمج بياناتها الرقمية وتُحسّنها باستمرار، في مقابل 14% فحسب من بقية المؤسسات. ولا تواجه هذه المجموعة مشكلات بيانات أقل من غيرها، بل تحلّها بوتيرة أسرع لأنها بنت القدرة على الكشف عن هذه المشكلات وتصحيحها كجزء أصيل من تصميم النظام منذ البداية.
كما تتميز هذه المجموعة في طريقة فهمها لغاية الذكاء الاصطناعي داخل بيئة الأعمال. فـ57% من رواد الوتيرة يرسمون رؤية استراتيجية مشتركة للذكاء الاصطناعي تتجاوز الكفاءة التشغيلية المجردة. إنهم لا يؤتمتون عمليات مكسورة ومختلة، بل يُعيدون تصميم آليات تدفق العمل من جذورها. والفرق هنا ليس لفظياً أو شكلياً: فأتمتة عملية سيئة التصميم لا تنتج إلا أخطاء أسرع وبنطاق أوسع.
ثمة قرار ضمني في هذا التوجه يستحق أن يُسمّى صراحةً. لقد تخلّى رواد الوتيرة فعلياً عن سرعة النشر على المدى القصير. آثروا بناء الأساسيات والأساسات قبل إقامة الطوابق فوقها. وفي البيئة الراهنة، حيث تطالب مجالس الإدارة بعرض حالات استخدام للذكاء الاصطناعي في كل تقديم ربع سنوي، فإن هذا التخلي يحمل تكلفة سياسية داخلية لا يُستهان بها. والذين صمدوا على هذا الاختيار يجنون الآن ميزة تنافسية لا يسهل تكرارها في ستة أشهر.
الحوكمة ليست عائقاً، بل هي ما يتيح التوسع
يُشير أحد أبرز ما كشفه المؤشر مباشرةً نحو فرق القيادة: فنصف الموظفين المستطلعين يعتقدون أن وظائفهم ستصبح أقل ضرورةً مع تطور الذكاء الاصطناعي الوكيل، ولا يشعرون أن مؤسساتهم تُعدّهم لما هو قادم. وتُسمّي بريدس هذا الواقع دون مواربة: هذه ليست فجوة مهارات، بل هي فجوة قيادة.
للأمر آلية عملية ملموسة وواضحة. حين لا يثق الموظفون في النتائج التي يقدمها الذكاء الاصطناعي، سيعملون حول التقنية لا معها. سيبتكرون اختصاراتهم الخاصة، وحلولهم البديلة الخاصة، وسجلاتهم الموازية الخاصة. يبقى نشر الذكاء الاصطناعي قائماً على الورق رسمياً، لكنه يتجوّف على الصعيد التشغيلي. والعائد على الاستثمار لا يظهر أبداً، ليس لأن التقنية أخفقت، بل لأن المؤسسة لم تتبنّها حقاً في الواقع العملي.
الحوكمة المصممة جيداً تعمل بمنطق معاكس تماماً لما يُقدَّم به في العادة. فهي ليست مجموعة من القيود التي تُبطئ الذكاء الاصطناعي؛ بل هي الإطار الداعم الذي تستطيع في ظله استقلالية النظام أن تعمل دون أن تُولّد انعدام الثقة. حين تكون البروتوكولات واضحة، يستطيع الفرق التمييز بين مخرج موثوق ومخرج يحتاج إلى مراجعة. وحين تغيب هذه الوضوح، يكون السلوك الإنساني الافتراضي هو الشك في كل شيء، فتبقى التقنية مستثمَرة بأقل بكثير من إمكانياتها الحقيقية.
ينطبق الأمر ذاته على البيانات. فبينما يستطيع الإنسان أن يتجاوز صومعة معلوماتية معزولة مستعيناً بحكمه الشخصي وسياقه المعرفي والروابط غير الرسمية التي راكمها على مدار سنوات من العمل، فإن الذكاء الاصطناعي لا يملك هذه القدرة. الذكاء الاصطناعي صُمِّم لحل المشكلات أفقياً، باجتياز الوظائف والأقسام وتجاوز حدودها. فإن لم تتدفق البيانات بين تلك الوظائف، عمل الذكاء الاصطناعي بجزء ضئيل من المعلومات التي يحتاجها وأدى جزءاً هزيلاً من القيمة التي يستطيع تقديمها.
ما يكشفه الفارق بين الإنفاق والنضج
النمط الذي يوثّقه مؤشر ServiceNow ليس جديداً في حد ذاته، لكنه يبلغ الآن حجماً تصبح فيه التبعات أعسر استيعاباً وأصعب امتصاصاً. فتتوقع مؤسسة Oxford Economics أن يرتفع الإنفاق العالمي على الذكاء الاصطناعي من 340 مليار دولار في 2025 إلى ما يقارب 3 تريليونات دولار في 2035، لتمثّل نحو 23% من إجمالي الإنفاق التقني المؤسسي العالمي. وتوثّق مجموعة بوسطن الاستشارية (BCG) أن الشركات الكبرى تتوقع مضاعفة إنفاقها على الذكاء الاصطناعي في 2026، بحيث ترتفع حصته من إيراداتها من 0.8% إلى 1.7%.
بهذا الحجم الهائل من الاستثمار، يتوقف عن كونه مشكلة تقنية ويتحول إلى مشكلة تخصيص رأس المال. فإن تضاعف الإنفاق دون أن يتقدم النضج التشغيلي بالقدر ذاته، فإن الشركات تُرسّخ عبئاً مالياً متنامياً فوق قاعدة لا تزال غير قادرة على تحمّله. والمشاريع التجريبية التي لا تبلغ مرحلة الإنتاج الفعلي ليست إخفاقات تعلّمية محايدة: فهي تستنزف الميزانيات، وتستهلك وقت الفرق التقنية، وتُنهك فوق كل ذلك رصيد المصداقية الداخلية اللازمة لدورات الاستثمار التالية.
والقطاعات التي تُظهر أكبر قدر من الإلحاح هي الأكثر عرضة للخسارة في حال التأخر والتقاعس. إذ تخطط شركات التكنولوجيا والمؤسسات المالية لتخصيص ما يقارب 2% من إيراداتها للذكاء الاصطناعي في 2026، وفق ما ترصده مجموعة BCG. وفي هذه القطاعات بالذات، لا تنتظر المنافسة المتأخرين حتى يُرتّبوا أوضاع بياناتهم. الوقت الفاصل بين قرار الاستثمار والنتيجة المرئية الملموسة لم يعد يتيح تصحيح ما كان ينبغي بناؤه سلفاً في وقت متزامن.
إن مؤشر ServiceNow، حين يُقرأ بوصفه وثيقة تشخيص قطاعي لا مجرد أداة تسويقية، يصف لحظة بعينها على منحنى تبني الذكاء الاصطناعي المؤسسي. لقد رسم الإنفاقُ رهانه وأعلن التزامه. وما يُحدد من يحوّل ذلك الرهان إلى ميزة تنافسية مستدامة ليس النموذج التالي الذي سيُشترى، ولا المشروع التجريبي التالي الذي سيُعلن عنه: بل هو ما إذا كانت بنية البيانات، والعمليات المُعاد تصميمها، والثقافة المؤسسية، قادرةً على الوفاء بما وعد به الميزانية أصلاً.
