لماذا تمتلك 97% من الشركات مشاريع ذكاء اصطناعي بينما 5% فقط لديها بيانات جاهزة لاستخدامها
ثمة إحصائية ينبغي أن توقف أي اجتماع لمجلس إدارة يتناول الذكاء الاصطناعي: وفقاً لاستطلاع أجرته شركة Dun & Bradstreet على عشرة آلاف شركة عام 2026، فإن 97% من الشركات تُعلن امتلاكها مبادرات نشطة في مجال الذكاء الاصطناعي، في حين أن 5% فحسب تعتبر أن بياناتها مُهيَّأة فعلاً لدعم هذه المبادرات. هذه الهوة ليست تفصيلاً تقنياً ثانوياً، بل هي المسافة الحقيقية الفاصلة بين الاستثمار في البنية التحتية وبين الحصول على شيء يعمل بصورة موثوقة في بيئة الإنتاج الفعلية.
ما يصفه هذا الرقم هو نمط مألوف لمن تابعوا كيفية اتخاذ قرارات التكنولوجيا في المنظمات الكبرى: أولاً تُوافَق على المشروع التجريبي، ثم يُبحث لاحقاً عن المشكلة التي تُبرر الموافقة عليه. يُبهر العرضُ التوضيحي الحاضرين، فيصفق الجميع، ويحصل المشروع على تمويله. وفي مرحلة ما بين تلك اللحظة والعمل اليومي المعتاد، ينقطع شيء ما دون أن يُعلن أحد فشله رسمياً.
وثّقت BCG هذا بدقة: 5% فقط من الشركات تحقق قيمة جوهرية من الذكاء الاصطناعي، في حين تُفيد 60% منها بعدم تحقيق أي أثر مادي ملموس. أما McKinsey فقد وجدت أن أكثر من 80% من المستطلَعين لم يُلاحظوا أي تأثير ملموس على الأرباح قبل الفوائد والضرائب جرّاء الذكاء الاصطناعي التوليدي، حتى مع استمرار نمو معدلات التبني المُعلنة. هذه الأرقام ليست حكماً بالإدانة على التكنولوجيا، بل هي صورة واضحة لكيفية إدارة الاستثمار.
وهم المشروع التجريبي الدائم
ثمة نمط صامت من الإخفاق المؤسسي لا يظهر في الميزانيات ولا يُولّد بيانات صحفية: المشروع التجريبي الذي لا يموت. يتسلل تحت مسمى "الابتكار"، ويستنزف الموارد التقنية والبشرية بصورة مزمنة، ويُنتج عروضاً داخلية مقبولة الشكل، ولا يتحول قط إلى شيء يُغير سطراً واحداً في قائمة الدخل. تعلّمت المنظمات الأكثر نضجاً في مجال التحول الرقمي على مدى سنوات أن هذه الديناميكية ليست عرضية، بل هي بنيوية في جوهرها.
تبدأ المشكلة من أصل المشروع ذاته. حين تُوافَق مبادرة الذكاء الاصطناعي لأن "حالة الاستخدام مثيرة للاهتمام" أو لأن مزوداً ما قدّم عرضاً توضيحياً مقنعاً، فإنها تفتقر منذ البداية إلى ما ينبغي أن يتضمنه كل برنامج استثماري: خط أساس قابل للقياس، ومالك واضح للنتائج، ومعيار للخروج في حال لم تتحقق القيمة المرجوة. وبغياب هذه العناصر الثلاثة، لا يملك المشروع التجريبي وسيلة للتوقف بشكل لائق، ولا للتوسّع بشكل قابل للتتبع.
حددت BCG أن الشركات ذات النتائج الأفضل في الذكاء الاصطناعي تُركّز على ثلاث إلى أربع حالات استخدام في المتوسط، مقارنةً بست أو سبع حالات في المنظمات ذات العوائد الأضعف. هذا الفارق لا ينشأ من الميزانية المتاحة ولا من حجم الفريق التقني، بل ينشأ من الاستعداد لرفض المبادرات التي لا تستطيع إثبات توافقها الاستراتيجي وجدواها الاقتصادية منذ اللحظة التي تطلب فيها التمويل. التركيز ليس فضيلة إدارية مجردة؛ في هذا السياق هو الشرط الوحيد الذي يجعل التوسع ممكناً.
ما يكشفه تقريرا BCG وMcKinsey مجتمعَين هو أن غالبية المنظمات تمر بمرحلة يمكن تسميتها مسرح الذكاء الاصطناعي: نشاط مرئي مرتفع، وتحول تشغيلي شبه منعدم. تتحدث البيانات الصحفية عن التبني، فيما تُخبر المقاييس الداخلية قصة مختلفة تماماً.
المشكلة ليست في النموذج، بل فيما يقع تحته
ثمة ميل مفهوم لتحليل أداء الذكاء الاصطناعي من زاوية النموذج ذاته: أي بنية معمارية استُخدمت، وأي مزود، وأي إصدار من النظام. هذا التحليل مفيد في سياقات البحث العلمي، غير أن عنق الزجاجة في معظم البيئات التجارية لا يقع في النموذج. يقع فيما يحتاجه النموذج لكي يعمل بشكل موثوق: بيانات نظيفة، وتعريفات مشتركة، وتدفقات عمل مُعاد تصميمها، ومسؤولية واضحة عن القرارات التي يُفترض أن يدعمها النظام.
يضع استطلاع Dun & Bradstreet المذكور آنفاً هذه المسألة في صياغة لا تحتمل كثيراً من التأويل البديل: إذا كانت تقريباً لا توجد شركة تعتقد أن بياناتها جاهزة، فإن المشكلة الجوهرية ليست في التجريب التكنولوجي، بل في الأسس. الذكاء الاصطناعي الذي يتلقى بيانات مجزأة، دون مصدر حقيقة وحيد، مع قواعد أعمال مدفونة في جداول بيانات وعمليات استثناء لم يوثقها أحد، لا يُولّد توصيات أكثر موثوقية من النظام الذي يُفترض أنه يُحسّنه. في حالات كثيرة، هو يُسرّع الأخطاء القائمة لا أكثر.
رصدت PwC هذا النمط من زاوية مختلفة: تأتي النتائج الأكثر متانة حين تُعيد الشركات تصميم تدفقات العمل بدلاً من إضافة الذكاء الاصطناعي فوق العمليات الموروثة. هذا التمييز ذو أهمية اقتصادية بالغة. إضافة مكوّن الذكاء الاصطناعي إلى عملية غير فعّالة قد يجعل تلك العملية أسرع، لكنه لا يُغير منطق التكلفة ولا البنية التشغيلية. يبقى الاقتصاد العمالي على حاله، يُنفَّذ فحسب بوتيرة أعلى.
الحالة في البيئات الرقابية عالية المتطلبات واضحة بشكل خاص. التمويل، والامتثال التنظيمي، والمراجعة القانونية، وسلاسل التوريد: هذه سياقات يشكّل فيها الحصول على إجابتين مختلفتين لنفس الاستفسار مشكلةً ضبطٍ حقيقية، لا مؤشراً على مرونة النظام. للموثوقية في بيئة الإنتاج معيار مختلف تماماً عن معيار التجريب. وهذا الفارق هو ما يفصل الأنظمة التي تُعتمد عن تلك التي تُهجر صامتةً بعد انتهاء المرحلة التجريبية.
حين تأتي 70% من القيمة من عوامل لا تظهر في خارطة الطريق التكنولوجية
وثّقت BCG أمراً كثيراً ما يُزعج فرق التكنولوجيا: في التحولات التي قادها الذكاء الاصطناعي وحققت نتائج حقيقية، جاءت 70% من القيمة من إجراءات مرتبطة بالأفراد، لا بالتكنولوجيا. يشمل ذلك إعادة تعريف الأدوار، والتغييرات في حوافز العمل، والإدارة الفاعلة لعملية التبني، وبناء القدرات في الفرق التي ينبغي أن تستخدم الأنظمة في بيئة الإنتاج.
لا ينبغي قراءة هذا الاستنتاج باعتباره حجةً ضد الاستثمار التقني، بل ينبغي قراءته بوصفه خريطةً توضح موقع الانسداد الحقيقي في الغالب. يستطيع نموذج اللغة الكبير معالجة آلاف العقود في ساعة واحدة؛ غير أنه إذا لم يثق الفريق القانوني في مخرجاته، وإذا لم تتغير حوافز القسم، وإذا لم يُعِد أحد تعريف ما يعنيه "مراجعة عقد" حين يكون ثمة نظام يقوم بالقراءة الأولى، فلن يحدث التبني بصورة مستدامة. النظام موجود. القيمة غائبة.
الشركات المنتمية إلى قائمة الألف الأولى عالمياً التي تُبلّغ فعلاً عن تأثيرات قابلة للقياس تتشارك في سمات تشغيلية بعينها: أعادت تصميم عمليات محددة قبل تنفيذ الأنظمة، وأرست مقاييس مقارنةً بخطوط أساس موثقة، وأسندت ملكية النتائج إلى أشخاص يتحملون مسؤولية حقيقية تجاه تلك الأرقام. وفي حالات موثقة بعينها، كانت النتائج مادية وملموسة: زيادات بنسبة تصل إلى 30% في الكفاءة التصنيعية، وتخفيض بنسبة 80% في أوقات تحليل المستندات، وتحسينات بمقدار 1.7 مرة في معدلات تحويل المبيعات. هذه الأرقام لا تنبثق من نماذج متفوقة، بل من عمليات تكامل متفوقة.
الفارق بين شركة تستخدم الذكاء الاصطناعي وشركة تعمل بالذكاء الاصطناعي لا يكمن في مزود النموذج ولا في حجم ميزانية الابتكار. يكمن في ما إذا كانت المنظمة قادرة على ربط مخرجات النظام بقرار ملموس، ضمن عملية مُعاد تصميمها، مع وجود شخص مسؤول عن قياس ما إذا كان ذلك يُحرّك الرقم المفترض أن يتحرك.
التحول الحقيقي الذي تكشفه هذه الأرقام
المرحلة الراهنة من دورة الأعمال للذكاء الاصطناعي لا تتشكّل من خلال التقدم في نماذج الأساس. تتشكّل من خلال قدرة المنظمات على الانتقال من شرعية التجربة إلى صرامة النتيجة. وهذا التحول لم يصبح بعد ظاهرة غالبة.
ما تصفه بيانات BCG وMcKinsey وPwC وDun & Bradstreet مجتمعةً هو سوق ذو توزيع غير متماثل: أقلية صغيرة من الشركات تُولّد قيمة قابلة للقياس ومتراكمة من الذكاء الاصطناعي، في حين لا تزال أغلبية أوسع تُراكم المشاريع التي لا تلمس قائمة الدخل. هذه الهوة لا تُردم بمزيد من التكنولوجيا. تُردم بانضباط محفظة المشاريع، وبأسس البيانات الغائبة بوضوح عن معظم السوق اليوم، وباستعداد مؤسسي لقبول أن التبني الحقيقي يستلزم إعادة التصميم، لا الإضافة فوق ما هو قائم.
التحول الجاري، رغم أنه لا يزال غير مكتمل، يسير في اتجاه محدد: يكف الذكاء الاصطناعي عن كونه علامةً على الحداثة ليتحول إلى مطالبة بالدليل. المنظمات التي لن تستطيع الإجابة بأرقام على سؤال ما الذي تغيّر تشغيلياً منذ تطبيق أنظمتها ستواجه ضغطاً متصاعداً، في البداية داخلياً، ثم من مجالس إدارتها ومستثمريها. رأس المال الذي كان يتدفق نحو التجربة سيبدأ في الهجرة نحو حيث أثبتت التجربة أنها شيء أكثر من ذلك.
