لماذا لا ينجو 95% من مشاريع الذكاء الاصطناعي المؤسسي من مرحلة التجريب
ثمة فارق جوهري بين عرض توضيحي يُذهل الحضور في قاعة مجلس الإدارة، وبين نظام يعمل بانتظام من الاثنين حتى الجمعة دون أن يضطر أحد إلى إنقاذه. قضت صناعة الذكاء الاصطناعي عامين تبني الأول بمهارة عالية، لم تتمكن من نقلها إلى الثاني. والسبب لا يكمن في النماذج التي تزداد قوةً يوماً بعد يوم، بل يكمن في الطريقة التي اختارت بها الصناعة الحديثَ عنها، وبالتالي في الطريقة التي اختارت بها بناءها.
الرقم الذي يتداوله أكثر الفرق التقنية أمانةً في القطاع يصعب تجاهله: ما يصل إلى 95% من مشاريع الذكاء الاصطناعي التوليدي في الشركات لا تحقق عائداً استثمارياً قابلاً للقياس، وفقاً لمبادرة MIT NANDA، كما أشارت إليها منصة Iris.ai. إن نسبة فشل تتراوح بين 70 و95 بالمئة ليست إشارةً إلى أن السوق "لم ينضج بعد"، بل هي إشارة إلى أن ثمة خللاً هيكلياً عميقاً في طريقة البناء الراهنة.
يُشير إنريكي دانز، في مقال نشره في العاشر من يونيو 2026 في مجلة Fast Company، إلى موضع هذا الشرخ بالتحديد. ليس في القدرة التقنية لنماذج اللغة الكبيرة، ولا في مقاومة الموظفين للتغيير، بل في شيء أصعب اعترافاً به من صناعة تعيش على إقناع المستثمرين: بُني الذكاء الاصطناعي المؤسسي على استعارات بدلاً من نماذج رسمية. والاستعارات، مهما بلغت جدواها في البيع، لا تقبل التحويل إلى صناعة.
من اللغة الشعرية إلى بنية معمارية لا تتوسع
مخزون الاستعارات التي اكتظت بها خطابات الذكاء الاصطناعي خلال السنتين الماضيتين واسع وكاشف. فالأنظمة "تتذكر" و"تتأمل" و"تخطط"، وفي حالة تقنية "الحلم" التي وصفتها شركة Anthropic لعملائها الوكلاء، تنام حرفياً. وتصف وثائق واجهة برمجة تطبيقات Azure OpenAI Assistant "خيوطاً" تخزّن سجل الرسائل وتقلّصها حين تنفد نافذة السياق، مقدِّمةً ذلك باعتباره "ذاكرة". ويتحدث فريق هندسة Anthropic عن وكلاء "طويلي الأمد" يجب أن "يحافظوا على الاستمرارية بين الجلسات".
لا شيء من هذه الأوصاف خاطئ تقنياً. المشكلة أنها وصفية في حين أنها بحاجة إلى أن تكون صورية رسمية. الاستعارة تصف. النموذج الرسمي يُقنَّن. وهذا الفارق له تبعات اقتصادية مباشرة.
حين لا تكون "الذاكرة" نموذجاً للبيانات بل مجرد تشبيه تشغيلي، فلا توجد هوية محددة، ولا حالة مستمرة، ولا علاقات ذات صلاحيات صريحة، ولا قيود يضمن النظام تطبيقها بصرف النظر عمن يستخدمه أو عدد المرات. لا توجد، بالمصطلح التقني، ثوابت: تلك القواعد التي تحافظ عليها البنية المعمارية بغض النظر عن الظروف الخارجية. وبدون ثوابت، كل تنفيذ هو تفاوض جديد من الصفر. كل نشر يستلزم من شخص ما أن يترجم الواقع التشغيلي للشركة إلى اللغة التي يمكن للنظام معالجتها. وهذه الترجمة لا يمكن تفويضها إلى قالب جاهز.
النتيجة الملموسة هي أن كبار مزودي الذكاء الاصطناعي الحدّي، بما في ذلك OpenAI وAnthropic كما يصف ذلك دانز، باتوا يرسلون مهندسين وفرق ميدانية إلى عملائهم المؤسسيين لرسم مسارات العمل وتحديد القيود وربط الأنظمة. ما يبدو خدمةً ممتازة هو في الحقيقة إشارة هيكلية واضحة: المنصة لا تكفي وحدها. حين تصبح الترجمة المخصصة هي النمط السائد للتسليم، يتوقف المنتج عن كونه منصةً ويتحول إلى استشارة بواجهة تقنية.
تكلفة هذا النموذج على المشترين مزدوجة. أولاً، الإنفاق المباشر على تكاملات مخصصة يتعين تكرارها في كل مرة يتغير فيها نظام أو لائحة أو إجراء داخلي. وثانياً، تكلفة الفرصة الضائعة بسبب استحالة التوسع: إن كانت كل تطبيق جديد يستلزم التدخل اليدوي ذاته، فالعائد الهامشي على كل تنفيذ إضافي لا يتحسن بمرور الوقت. منحنى التكاليف لا ينخفض. وعد المنصة لا يتحقق.
النمط التاريخي الذي لم تجتازه صناعة الذكاء الاصطناعي بعد
يربط دانز اللحظة الراهنة للذكاء الاصطناعي المؤسسي بثلاثة تحولات تقنية نجحت فعلاً في التحول إلى صناعة، والمقارنة مزعجة لمن يفضل التفكير في أن عملاء الذكاء الاصطناعي ظاهرة بلا سابقة.
إدغار إف. كود طور النموذج العلائقي للبيانات في سبعينيات القرن الماضي. قبل ذلك العمل، كانت قواعد البيانات تنفيذات احتكارية، لكل منها لغتها الخاصة ومنطقها الخاص في التخزين وطريقتها الخاصة في الوصول. بعد كود، برزت تجريدات رسمية: علاقات، وسمات، ومفاتيح، وتبعيات وظيفية. على تلك الصياغة الرسمية نشأت لغة SQL، وعلى SQL نشأ سوق بمليارات الدولارات في البرمجيات والتكاملات والخدمات. ما أتاح ذلك السوق لم يكن أن قواعد البيانات أصبحت أقوى، بل أنها أصبحت قابلة للوصف بدقة كافية لكي يتفاهم نظامان مستقلان دون تفاوض مسبق.
الويب اتبع النمط ذاته. عرّف اتحاد W3C موارد يُعرِّفها URI، وبروتوكولاً عديم الحالة تم تقنينه في RFC 9110، وقواعد نحوية مشتركة لأساليب HTTP وأكواد الحالة وHTML. لم تخترع أي شركة المتصفح ثم تطلب من عملائها تعيين استشاريين لتفسير معنى صفحاتها. كانت القواعد النحوية علنية ورسمية ودقيقة بما يكفي لأي مطور كي يبني عليها دون الحاجة إلى الاتصال بأحد.
فعلت SAP الشيء ذاته مع عمليات الأعمال. لم يأتِ هيمنتها في تخطيط موارد المؤسسات من امتلاكها واجهات أفضل من مستشاري تلك الحقبة، بل جاءت من تقنينها للشركة كموضوع تقني: بيانات رئيسية، ومعاملات، ومنطق محاسبي، ومخزون، ومشتريات، وعلاقات تشغيلية. جعل ذلك التقنين التطبيقات قابلة للتكرار بما يكفي لوجود قوالب وشركاء معتمدين وامتدادات وسوق ثانوية راسخة. انخفض التباين بين عميل وآخر بما يكفي لكي ينقل المعرفة المتراكمة في تطبيق واحد قيمتها إلى التطبيق التالي.
القاسم المشترك بين هذه الحالات الثلاث هو أن القفز من القدرة إلى المنصة لم يحدث لأن التكنولوجيا تحسنت، بل حدث لأن أحدهم عرّف بدقة ما تمثله التكنولوجيا وبموجب أي قواعد تعمل. في الحالات الثلاث، كانت هناك لحظة تقنين سبقت لحظة التوسع.
الذكاء الاصطناعي المؤسسي لم يجتز تلك اللحظة بعد. لديه القدرة. ويفتقر إلى القواعد النحوية.
ما تؤكده ماكنزي وما تتجاهله معظم الفرق
أرقام MIT عن الفشل ليست الدليل الوحيد المتاح. تصل أبحاث ماكنزي حول حالة الذكاء الاصطناعي، المُشار إليها في مقال دانز، إلى خلاصة ينبغي أن تُقلق الفرق التي تقيس تقدمها بعدد المشاريع التجريبية المُطلقة: الشركات التي تجني فوائد ملموسة من الذكاء الاصطناعي ليست تلك التي تستخدمه أكثر، بل تلك التي أعادت تصميم مسارات عملها.
هذا الفرق ليس دلالياً. استخدام الذكاء الاصطناعي فوق عملية قائمة يُنتج في أفضل الأحوال مكاسب هامشية. أما إعادة تصميم العملية حول تمثيل رسمي للعمل، فتُنتج شيئاً مغايراً: نظاماً لا يكون فيه الذكاء الاصطناعي ملحقاً إضافياً بل شرطاً لعمل العملية ذاتها.
كتب مايكل هامر في مجلة Harvard Business Review أن الشركات ترتكب خطأ متكرراً عند تبنّي تقنية جديدة: تُسرّع العمليات القائمة عوضاً عن استبدالها. يستعيد دانز هذا الحجة في السياق الراهن. النسخة المعاصرة من خطأ هامر هي أخذ مسار موافقات مصمم لبشر يقرؤون وثائق ورقية، وإضافة نموذج لغوي يلخص تلك الوثائق، ثم تسمية ذلك تحولاً. البنية السببية للعملية تظل كما هي. ثمة مكوّن واحد أسرع في خطوة وسطى فحسب.
إعادة التصميم التي ترصدها ماكنزي في الشركات ذات العائد القابل للقياس لها خاصية هيكلية: هناك طبقة تحدد ما هو الكيان في العمل، وما الحالات التي يمكنه تبنيها، وما الانتقالات الصالحة، وما الصلاحيات المطلوبة لكل إجراء، وما القواعد التي لا يمكن انتهاكها بصرف النظر عن التعليمة التي يتلقاها النظام. هذا ليس توجيهاً مُصمَّماً بعناية. هو ما يسميه دانز الطبقة الرسمية التي لم تبنها الصناعة بعد بطريقة معيارية.
الفرق بين وجود تلك الطبقة وغيابها قابل للتحقق. بدونها، قد يُعطي النظام إجابة مختلفة للاستفسار ذاته بحسب سجل الجلسة، أو المستخدم الذي يسأل، أو طريقة صياغة التعليمة السابقة. بوجودها، تتشكل الثوابت: لا يمكن تعديل عقد العميل دون إذن المدير الإقليمي، بغض النظر عما "فهمه" الوكيل من البريد الإلكتروني الذي قرأه. هذا الضمان لا يأتي من نموذج اللغة. يأتي من البنية المعمارية التي تحتضنه.
بالنسبة للقطاعات الخاضعة للتنظيم، هذا الفارق ليس تفضيلاً تقنياً. في الخدمات المالية والرعاية الصحية والقطاع العام، لا يُعدّ غياب الثوابت القابلة للتحقق مجرد إزعاج تشغيلي، بل هو عائق أمام النشر على نطاق واسع، إذ لن يوقّع أي فريق قانوني على المسؤولية عن نظام لا يستطيع ضمان اتساق قراراته.
المعركة القادمة ليست بين النماذج، بل بين التجريدات
ينتهي تحليل دانز بتوقع يستحق الأخذ به جدياً باعتباره إشارة استراتيجية: الميزة التنافسية في المرحلة القادمة من الذكاء الاصطناعي المؤسسي لن يكسبها المزودون الذين يمتلكون أقوى النماذج، بل سيكسبها من يُعرّفون التجريد الرسمي الذي يبني عليه البقية.
هذا يفتح تساؤلاً ذا تبعات سوقية ملموسة، وإن لم تكن الإجابة واضحة بعد. المرشحون الطبيعيون لتعريف ذلك التجريد متعددون ولديهم حوافز متباينة. كبار مزودي الخدمات السحابية، مايكروسوفت وجوجل وأمازون، يمتلكون قنوات التوزيع والعلاقات المؤسسية، لكنهم يمتلكون أيضاً الحافز على الإبقاء على نموذج الاستشارة المكثفة الذي يُدرّ عليهم إيرادات من خدمات محترفة. مختبرات النماذج كـOpenAI وAnthropic تمتلك العمق التقني، لكنها بنت أعمالها حول قدرات النماذج لا حول تقنين العمليات المحيطة بها. وشركات البرمجيات المؤسسية الراسخة كـSAP وSalesforce وOracle تعمل أصلاً على طبقات رسمية من البيانات والعمليات، لكن سرعتها في التكيف مع البنى المعمارية الجديدة كانت تاريخياً بطيئة.
الفضاء الأكثر إثارة للاهتمام قد ينتمي إلى نوع من الفاعلين لا يملك بعد اسماً واضحاً في السوق: متخصص في البنية التحتية للمعرفة ومسارات العمل الذي لا تكون قيمته المقترحة نموذجَ اللغة بل الطبقة التي تجعله قابلاً للتشغيل داخل المؤسسة دون الحاجة إلى ترجمة يدوية في كل تطبيق. شيء مماثل لما كان عليه البرمجيات الوسيطة في التسعينيات، لكن بقدرة على التفكير في القواعد التي تحتويها.
الإشارة إلى أن هذا الفاعل يربح لن تكون إعلان منتج. ستكون اللحظة التي تستطيع فيها شركتان من قطاعين مختلفين مشاركة تطبيق واحد دون أن تحتاج أيٌّ منهما إلى استشاري يشرح ما تعنيه كلمة "موافق" داخل مؤسستها. حين تكون القواعد النحوية دقيقة بما يكفي لحدوث ذلك، تكون المرحلة الحرفية للذكاء الاصطناعي المؤسسي قد انتهت. حتى ذلك الحين، نسبة الفشل البالغة 95 بالمئة ليست حادثة إحصائية. إنها ثمن البناء على التشبيهات عوضاً عن التعريفات.
