الميزانية الخاصة بالذكاء الاصطناعي التي تُؤلم حقاً ليست تلك التي تُهدر، بل تلك التي لا تصل إلى حيث تُهم
تبخّرت تقييمات تزيد على 1.5 تريليون دولار من قيمة برمجيات المؤسسات خلال العامين الماضيين. لم يكن ذلك بسبب شُح الاستثمار في الذكاء الاصطناعي، بل لأن هذا الاستثمار هبط في المكان الخطأ. هذه هي المفارقة التي تُعرِّف اللحظة الراهنة: لم تُنفق الشركات قطّ ما تُنفقه اليوم على الذكاء الاصطناعي، وفي الوقت ذاته لم يكن من الصعب قطّ إثبات أين تكمن القيمة.
صاغ روهيت كيديا، الرئيس التنفيذي لشركة Xoriant، هذه المسألة بدقة في تحليل حديث: إذ تتراكم الحصة الأكبر من ميزانية الذكاء الاصطناعي المؤسسي في طبقة النموذج، أي في تراخيص المنصات، وبنية الحوسبة التحتية، والشراكات مع الموردين، وتطوير نماذج إثبات المفهوم. هذه الطبقة تستأثر بالاهتمام، وتُولّد الإعلانات، وتُنتج العروض التوضيحية. غير أنها لا تُنتج، بصورة منتظمة، نتائج تظهر في قائمة الأرباح والخسائر.
قدّرت مؤسسة Gartner في فبراير 2025 أنه حتى عام 2026، سيُهجر 60% من مشروعات الذكاء الاصطناعي بسبب افتقارها إلى بيانات جاهزة للمعالجة. وهذا ليس إخفاقاً تقنياً، بل هو إخفاق في البنية الميزانياتية: إذ جرى تمويل النموذج دون تمويل البنية التحتية التي تُسنده.
والسؤال الذي ينبغي لقادة التكنولوجيا أن يطرحوه على أنفسهم ليس ما إذا كانوا سيستثمرون في الذكاء الاصطناعي؛ فذلك القرار قد اتُّخذ بالفعل. السؤال هو: هل يبني المال قدرةً تشغيلية حقيقية، أم أنه يموّل مجرد مظهر من مظاهر الحداثة؟
المسرح المُكلف الذي لا يريد أحد تسميته
ثمة نمط يتكرر بانتظام لافت في قاعات المديرين. كل أسبوع يحمل معه إعلاناً جديداً عن تحالف مع مورد نماذج، وعرضاً توضيحياً لوكلاء مستقلين، ووعداً بتحويل سير العمل. الضجيج عالٍ. والمسرح مُقنع.
لكن حين ينظر المرء إلى ما هو أبعد من البيانات الصحفية، ويسأل عما تغيّر بشكل ملموس في طريقة خلق الشركة لقيمة لعملائها، تكون الإجابة الصادقة مُخيِّبة للآمال في الغالب. فقد أفادت دراسة McKinsey "حالة الذكاء الاصطناعي 2025" بأن ثلث الشركات فحسب بدأ في توسيع نطاق برامج الذكاء الاصطناعي على المستوى المؤسسي، رغم أن 88% تُفيد بوجود استثمار نشط. أما الباقون فيُنفقون، لكن ليس حيث يجدر.
لهذه الظاهرة بنية يمكن التعرف عليها. عاشت ميزانيات الذكاء الاصطناعي في عامَي 2023 و2024 في الغالب ضمن خطوط الابتكار أو البحث والتطوير، مع اشتراطات متساهلة للعائد ومراجعة مالية خفيفة. وقد أوجد ذلك الظروف المثالية لانتشار الأدوات المتداخلة، والمشروعات التجريبية على مستوى الأقسام دون أي ارتباط بالعمليات المحورية، وعقود البنية التحتية التي لم يقِسها أحد بالنسبة إلى نتيجة أعمال بعينها.
المشكلة ليست في أن الشركات تُجرّب؛ فللتجريب قيمته. المشكلة تكمن حين يصبح التجريب هو المنتج ذاته، حين يحلّ العرض التوضيحي محل النشر الفعلي، وحين يعمل ميزانية الابتكار كوسيلة للظهور بمظهر حديث دون الالتزام بأي شيء ملموس.
وجدت Deloitte أن نحو 66% من المنظمات التي تبنّت الذكاء الاصطناعي المؤسسي تُفيد بتحسينات في الإنتاجية والكفاءة باعتبارها الفائدة الرئيسية المُحققة. وهذا رقم مقبول، لكن لا بد من قراءته بعناية: فالإنتاجية والكفاءة مقاييس للعمليات، وليست بالضرورة مؤشرات على الأثر الاقتصادي الهيكلي. إذ إن تقليص الوقت الذي يستغرقه محلل ما في إعداد تقرير ليس مثل إعادة هيكلة سلسلة القرارات التي تجعل ذلك التقرير ذا أهمية أصلاً.
إن الفرق بين "استخدام الذكاء الاصطناعي" و"تطبيق الذكاء" هو في جوهره فرق ميزانياتي. يعني استخدام الذكاء الاصطناعي وضع الأدوات فوق سير العمل القائم: مساعد ذكي هنا، وروبوت دردشة هناك، وطبقة تحليلية فوق لوحة معلومات كانت موجودة من قبل. أما تطبيق الذكاء فيعني شيئاً مختلفاً جذرياً: تضمين قدرة اتخاذ القرار الآلي داخل طريقة إنتاج الشركة وتسليمها للقيمة، مع إمكانية تتبع هذا القرار وصولاً إلى النتيجة التي يؤثر فيها.
يتطلب الخيار الثاني تمويل أشياء لا تُولّد عناوين بارزة: تنظيف البيانات، وإعادة تصميم العمليات، وتحديث الهياكل التقنية الموروثة، وتكوين الفرق. أشارت Goldman Sachs في تقريرها الصادر في مارس 2026 إلى أن الذكاء الاصطناعي لا يلتهم سوق البرمجيات، بل يوسّعه، لأنه يُقلّل تكلفة كتابة الشيفرة البرمجية في الوقت الذي يرفع فيه سقف ما يمكن لتلك الشيفرة أن تُؤديه. وهذا يعني أن فضاء القيمة القابلة للتطبيق قد اتّسع. لكن الاستفادة منه تستلزم بناء الأسس التي تُسنده مسبقاً.
الأسس الأربعة التي تتجاهلها الميزانية
ثمة أربعة مجالات يصل فيها الاستثمار باستمرار متأخراً أو منقوصاً، وهي الأربعة التي تُحدد ما إذا كان أي إنفاق على النماذج سيُنتج قيمة أم مجرد نشاط.
العمليات هي نقطة الفشل الأولى. فالذكاء الاصطناعي المُطبَّق على سير عمل مختلّ يُنتج نتائج مختلة بسرعة أكبر. كل دولار يُستثمر في النموذج دون إعادة تصميم العملية المحيطة به هو دولار يُولّد سرعة لا اتجاهاً. وأكثر الأخطاء شيوعاً في برامج الذكاء الاصطناعي المؤسسي هو افتراض أن ذكاء النموذج سيُعوّض عن خلل العملية. لن يُعوّض. بل سيُضخّمه.
البنية التقنية هي المشكلة الثانية. إذ لا تستطيع الأنظمة الموروثة المتشظية حمل الذكاء المُضمَّن في نقطة القرار. فشراء نموذج أكثر قوة لا يحل مشكلة تكامل. وما يبدو مشكلة في قدرة الذكاء الاصطناعي كثيراً ما يكون في حقيقته مشكلة دين تقني متراكم لم تمسّه ميزانية الذكاء الاصطناعي قط، لأن الدين التقني لا يُولّد عروضاً توضيحية جذابة.
المهارات تحتل المرتبة الثالثة، وربما تكون العجز الأكثر كُلفةً بسبب خفائها. ثمة فرق بين قوة عاملة تعرف ما هو الذكاء الاصطناعي وأخرى تعرف كيف تعمل معه. الأولى قادرة على الإجابة عن استطلاع للتبني. أما الثانية فقادرة على إعادة تعريف طريقة اتخاذ فريق العمليات أو فريق المخاطر أو فريق خدمة العملاء لقراراته. ولا تزال تنمية الكفاءات من أكثر بنود الميزانية إهمالاً في برامج الذكاء الاصطناعي المؤسسي، إذ تُعامَل باعتبارها إدارةً للتغيير في نهاية مشروع، بدلاً من اعتبارها شرط تسليم منذ البداية.
البيانات تُكمل الصورة. لا يُنتج أي نموذج، مهما بلغت درجة تطوره، ذكاءً موثوقاً انطلاقاً من بيانات غير موثوقة. ومع ذلك، تنال إعداد البيانات حصةً ضئيلة من الاستثمار مقارنةً بما يُخصَّص لاختيار النماذج واقتناء المنصات. إن ما خلصت إليه Gartner ليس مجرد إحصاء: بل هو تشخيص للأولويات. فالشركات تستثمر حيث تتوافر الرؤية والتقدير. والبيانات النظيفة، المُحكمة الحوكمة والمُرتبطة بالعمليات الصحيحة، لا تُولّد عروضاً توضيحية مبهرة، بل تُولّد نتائج. وهذا الفرق تحديداً هو ما يُفسّر لماذا لا يصمد 60% من المشروعات.
تُقدّر دراسة تكاليف نُشرت عام 2026 أن أنظمة الذكاء الاصطناعي الجاهزة للإنتاج، مع الامتثال التنظيمي وقابلية التوسع الحقيقية، تكلف ما بين 250,000 دولار وما يزيد على مليون دولار لكل نظام، حين تُحتسب عناصر الهندسة والعمل على البيانات والحوكمة والتكامل. ويشمل هذا الرقم تكاليف صيانة النماذج المتكررة وإعادة تدريبها ومراقبتها. وكاد أي مشروع تجريبي يُصمَّم لتحمّل هذه البنية. وهذا ما يُفسّر لماذا لا ترقى المشروعات التجريبية إلى مستوى التوسع.
البنية الميزانياتية التي تُميّز من يلتقط القيمة ممن يراقبها
الفرق بين الشركات التي تلتقط قيمة مستدامة من الذكاء الاصطناعي وتلك التي تراكم ديون التطبيق لا يكمن في النماذج التي اختارتها، بل في الطريقة التي بنت بها البنية الاستثمارية حول تلك النماذج.
تتقاسم الشركات التي تُحقق عائداً قابلاً للقياس نمطاً من ثلاث طبقات. الطبقة الأولى هي استثمار التأسيس: العمل على إعداد البيانات، وإعادة تصميم العمليات، وتحديث الأنظمة الموروثة، وبرامج التدريب مع مقاييس التبني. هذا هو العمل غير المُبهج الذي يُحدد ما إذا كان كل شيء آخر سيعمل أم لا. الطبقة الثانية هي نشر الذكاء: ذكاء اصطناعي مُدمج بصورة طبيعية في سير العمل الفعلي، لا بوصفه أداةً موازية، بل بوصفه قدرةً داخل المنصة أو المنتج أو مسار تجربة العميل، مع إمكانية التتبع المباشر وصولاً إلى نتيجة أعمال محددة. الطبقة الثالثة هي التنسيق، سواء أكان بشرياً أم وكيلياً، لكنه لا يكتسب قيمة إلا حين تكون الطبقتان السابقتان قد اكتملتا.
يُشير تقدير Deloitte إلى أن عدد الشركات التي يكون أكثر من 40% من مشروعاتها في الذكاء الاصطناعي في مرحلة الإنتاج سيتضاعف في دورة التخطيط القادمة. وهذا الرقم أقل أهمية بوصفه مؤشراً على التبني منه بوصفه إشارةً إلى نوع الشركة التي ستكون قادرة على المنافسة على قاعدة تكاليف مختلفة هيكلياً.
يبدأ المديرون الماليون في تحويل ميزانيات الذكاء الاصطناعي من خطوط الابتكار ذات المراجعة المتساهلة إلى ميزانيات التشغيل التقنية بالمتطلبات ذاتها المُطبَّقة على الاستثمار في أنظمة تخطيط موارد المؤسسات أو منصات إدارة علاقات العملاء. وهذا يترتب عليه نتيجتان فوريتان: الأولى أن المشروعات التي لا تستطيع إثبات عائد تشغيلي قابل للقياس ستفقد تمويلها. والثانية أن الموردين والمُكاملين الذين سيصمدون هم الذين يستطيعون ربط عروضهم بمقاييس العمليات المحددة، لا بوعود التحول المجرد.
إن الحجة الجوهرية في تحليل كيديا، والأكثر إزعاجاً لفرق التكنولوجيا، هي أن استثمار الذكاء الاصطناعي الأكثر أهمية في العام القادم هو ذلك الذي يبدو اليوم الأقل جاذبية. وهذه ليست مفارقة بلاغية، بل هي وصف دقيق لطريقة توزع القيمة في الأسواق ذات تفاوت المعلومات العالي: فالذين يستثمرون في ما لا يمكن إثباته في عرض تقديمي هم من يلتقطون القيمة التي لا يصفها غيرهم إلا في تقاريرهم السنوية.
إن البنية الميزانياتية التي تبني ذكاءً تطبيقياً حقيقياً هي بحكم تعريفها أقل ظهوراً من تلك التي تموّل تجارب مع نماذج متقدمة. لكنها الوحيدة التي تُنتج نتائج تصمد أمام تدقيق حقيقي في القيمة. وفي بيئة باتت فيها مجالس الإدارة تطلب ذلك تحديداً، فقد كفّت رؤية الإنفاق عن كونها ميزته الرئيسية.
