لماذا تفشل تجارب الذكاء الاصطناعي قبل كتابة سطر واحد

أفادت مبادرة NANDA في معهد ماساتشوستس للتقنية، ضمن دراستها لعام 2025 عن حالة الذكاء الاصطناعي في الأعمال، أن نحو 95% من التجارب المؤسسية للذكاء الاصطناعي التوليدي لم تُحدث أثراً قابلاً للقياس في قائمة الأرباح والخسائر. وتتوقع Gartner إلغاء أكثر من 40% من مشاريع الوكلاء الذكيين قبل نهاية 2027، لغياب وضوح القيمة أساساً. ويُستشهد بهذين الرقمين باستمرار ولغرض خاطئ غالباً: كدليل على أن التقنية مبالغ فيها.

وهما ليسا دليلاً على ذلك. ففي كل حالة فشل تقريباً طُلب منا فحصها، كان النموذج يعمل. صنّف التذاكر، واستخرج بنود الفواتير، وصاغ الردود. ومات المشروع رغم ذلك، ومات لأسباب تثبّتت قبل أسابيع من فتح أي مهندس محرّر الأكواد.

التجربة التي لا يمكن الحكم عليها تجربة ستُلغى. ومعظمها غير قابل للحكم بحكم بنائها.

الفشل الأول: لم يُسجَّل خط أساس أبداً

هذا أكثر الأسباب شيوعاً وأسهلها تجنّباً. يشغّل فريق تجربة، وتبدو التجربة ناجحة، ثم يسأل أحدهم هل هي فعلاً أفضل مما كان البشر يفعلونه. ولم يقس أحد ما كان البشر يفعلونه، فلا يمكن الإجابة عن السؤال.

وبلا خط أساس يصبح كل نقاش عن النظام مسألة انطباع. الراعي يظن أنه ساعد. والفريق المستخدم يقول إنه مثل السابق تقريباً. والمالية ترى فاتورة. وفي ذلك الجدال تفوز الفاتورة، لأنها الرقم الوحيد في الغرفة.

ما يجب أن يحتويه خط الأساس، مسجّلاً قبل بدء التجربة:

• الزمن لكل حالة. مقيساً عبر عدد كافٍ من الحالات الحقيقية ليكون ممثّلاً، بما فيها الحالات المحرجة التي يتجنّب الناس عرضها.
• الحجم. كم حالة في الأسبوع. وهذا ما يحوّل التوفير في الحالة الواحدة إلى رقم سنوي.
• معدل الخطأ وإعادة العمل. كم مرة تخطئ العملية الحالية، وكم تكلّف الإعادة. وهذا هو المرجع الذي تُقارَن به الدقة، وهو أسوأ دائماً تقريباً مما يفترض الناس.
• زمن الانتظار. كم تبقى الحالة بين عمليات التسليم. وهو غالباً أكبر توفير متاح، والذي لا يفكر أحد في قياسه.

إن لم تنتج التجربة رقماً تستطيع قياسه مجدداً بعد ستة أشهر، فقد كانت عرضاً لا تجربة.

الفشل الثاني: لم يملك أحد المؤشر

ترعى التجاربَ عادةً شخصية قيادية ويشغّلها شخص تقني. ولا أحد منهما يملك الرقم التشغيلي الذي يُفترض أن يحرّكه النظام. فحين تنتهي التجربة ويصبح السؤال من يموّلها ويشغّلها ويدافع عنها وقت الميزانية، تكون الإجابة لا أحد بعينه.

ولهذا تتعثّر برامج كثيرة تحديداً بين التجربة والإنتاج لا عند البداية. فالتقنية اجتازت عتبتها. والسؤال التنظيمي لم يُطرح أصلاً. والاختبار صريح: هل تستطيع تسمية الشخص الذي يتأثر تقييم أدائه بالرقم الذي يحرّكه هذا النظام؟ إن لم تستطع، فالتجربة بلا مالك ولن تنجو من أول دورة ميزانية.

الفشل الثالث: لم تُفحص البيانات مقابل المهمة

تقيّم الفرق جودة البيانات بشكل مجرّد، وتخلص إلى أنها «فوضوية لكنها صالحة»، وتبدأ البناء. والسؤال ذو الصلة أضيق بكثير: هل تستطيع الحقول المحدّدة التي تحتاجها هذه الحالة المحدّدة أن تدعمها؟

والإخفاقات محدّدة ومتكرّرة. حقل حالة نصّه حر، فيضطر النموذج لتفسير اثنتي عشرة طريقة لكتابة الحالة نفسها. ومعرّف عميل يعني شيئين مختلفين في نظامين. وسجلات تاريخية تفتقر إلى النتيجة التي تريد التنبؤ بها، لأن أحداً لم يسجّلها. ومستندات لا توجد إلا كصور لمطبوعات.

لا شيء من هذا يظهر في درجة جودة بيانات. وكلها توقف حالة الاستخدام. والصيغة المنتجة للسؤال هي: سمِّ الجداول، وسمِّ الحقول، وافحص هل تستطيع القيم فيها الإجابة عن السؤال الذي تنوي طرحه.

الفشل الرابع: لم يُتفق على هدف الدقة

في وقت متأخر من المشروع يسأل أحدهم ما مدى دقة النظام. تكون الإجابة 91%، وتنقسم الغرفة بين من يراها مبهرة ومن يراها غير مقبولة. وكلاهما يجادل بلا نقطة مرجعية.

الدقة بلا معنى كقيمة مطلقة. المرجع هو العملية الحالية. فإن كان فريقك يخطئ اليوم في تصنيف 12% من التذاكر، فنظام عند 6% مع حد ثقة يوجّه الحالات غير المؤكدة إلى إنسان تحسّن واضح، رغم أن 6% تبدو سيئة حين تُقال. والاتفاق على تلك المقارنة قبل البناء، كتابةً، يمنع قتل نظام ناجح برقم لم يوضع في سياقه أبداً.

والنصف الآخر من هذا هو تحديد موضع حد الثقة. فوقه يتصرّف النظام؛ وتحته يقرّر إنسان. وذلك الحد قرار عمل عن كلفة الخطأ لا قرار تقني، وينبغي أن يتخذه من يتحمّل تلك الكلفة.

الفشل الخامس: لم يتغيّر سير العمل

تُوزَّع التراخيص، ويُقدَّم التدريب، ولا يتغيّر شيء في يوم أحد. يفتح الناس الأداة، فلا يجدون لها مكاناً واضحاً في تسلسل ما يفعلونه فعلاً، فيتوقفون بهدوء.

إخفاقات التبنّي دائماً تقريباً إخفاقات تصميم عمليات ترتدي زيّ التدريب. فإن كانت الأتمتة تسكن في تطبيق منفصل يجب أن يتذكر الناس فتحه، سيتوقف استخدامها خلال ربع سنة مهما كان أداؤها. والأنظمة التي تنجو مدمجة في الأداة حيث يحدث العمل أصلاً، فلا يكون استخدامها قراراً يتخذه أحد كل صباح.

الفشل السادس: تُجنّب سؤال إعادة التوزيع

إن أزالت أتمتة سير عمل ست ساعات أسبوعياً من عبء فريق، فسيسأل أحد في ذلك الفريق ماذا يحدث لتلك الساعات الست، وغالباً ليس بصوت مسموع. والمنظمات التي لم تُجب عن هذا تجد أن معرفة العمليات تصبح صعبة المنال بشكل غريب أثناء البناء، وتُوصف حالات الاستثناء بغموض، وتظهر الحالات الحدّية متأخرة.

لا أحد يعرقل. الناس يتصرّفون بعقلانية تجاه سؤال رفض صاحب العمل الإجابة عنه. وحسمه كتابةً قبل البناء، أياً كانت الإجابة، يزيل نمط فشل يظهر لولا ذلك كتأخير تقني بلا تفسير.

الفشل السابع: لم يكن هناك مسار حوكمة أصلاً

تعمل التجربة في بيئة معزولة لا يحتاج فيها أحد موافقة. ثم يجب نقلها إلى الإنتاج، فيتبيّن أن لا أحد يعرف من يعتمد نموذجاً يتخذ قرارات بشأن العملاء، ولا ما الذي يجب تسجيله، ولا ماذا يحدث حين يخطئ.

وفي البيئات المنظَّمة قد يوقف هذا نظاماً يعمل بشكل دائم. وفي السعودية الإطار طبقات: نظام حماية البيانات الشخصية للبيانات الشخصية، ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي لنظام الذكاء الاصطناعي نفسه، وضوابط الهيئة الوطنية للأمن السيبراني للمنصة تحته، ثم أنظمة القطاع من البنك المركزي السعودي أو وزارة الصحة أو هيئة الاتصالات والفضاء والتقنية أو غيرها بحسب الجهة التي تخضع لها. وأي واحد منها قد يستبعد بنية كانت الخيار التقني البديهي لولا ذلك.

واكتشاف القيد بعد اختيار النموذج هو كيف تنتهي الفرق إلى إعادة بناء نظام كان أداؤه ممتازاً. ثبّته في تحديد النطاق فيصبح اختيار النموذج سؤالاً هندسياً مباشراً له عدة إجابات مقبولة.

كيف تبدو التجربة التي تنجو

لا شيء من هذه الإصلاحات صعب تقنياً. كلها قرارات تُتخذ قبل البناء، وتُتخذ كتابةً.

1. سير عمل واحد، مقيس أولاً. الزمن لكل حالة والحجم ومعدل الخطأ وزمن الانتظار مسجّلة قبل بناء أي شيء.
2. مالك مسمّى. شخص واحد يُفترض أن يحرّك النظام رقمه التشغيلي، وسيكون حاضراً وقت الميزانية.
3. بيانات مفحوصة على مستوى الحقل. الجداول والحقول المحدّدة التي تحتاجها الحالة، متحقَّق منها مقابل المهمة لا مقيَّمة بشكل عام.
4. هدف دقة وحد ثقة متفق عليهما. مضبوطان مقابل خط الأساس المسجّل، مع تحديد حدود الإنسان في الحلقة ممّن يتحمّل كلفة الخطأ.
5. مدمجة في الأداة القائمة. لا تطبيق جديد يجب أن يتذكر أحد فتحه.
6. سؤال إعادة التوزيع مُجاب عنه. كتابةً، وقبل البناء، أياً كانت الإجابة.
7. مسار حوكمة مؤكَّد. من يعتمد الإنتاج، وما الذي يُسجَّل، وأي جهة رقابية تنطبق، محسومة قبل اختيار النموذج.

افعل هذه السبعة فتصبح التجربة قابلة للحكم. والتجربة القابلة للحكم إن فشلت تكون رخيصة ومفيدة. أما التجربة غير القابلة للحكم إن نجحت فلا تُميَّز عن التي لم تنجح، وهذا تحديداً كيف ينتهي 95% منها في السلة نفسها.

من أين تبدأ

اختر العملية التي تستهلك أكبر عدد من ساعات فريقك وقِسها أسبوعين قبل أن تقرّر أي شيء. وذلك القياس مفيد سواء بنيت الأتمتة أم لا: فهو يخبرك بما تكلّفه العملية فعلاً، وهي معلومة لا تملكها معظم المنظمات عن عملياتها.

إن أردت تنفيذ ذلك باستقلالية، فـتدقيق سير العمل بالذكاء الاصطناعي لدينا هو نسخة الأسبوعين مع خط الأساس والفرص المرتّبة مكتوبة. وإن كانت المشكلة أوسع من عملية واحدة، فـتقييم جاهزية الذكاء الاصطناعي يقيّم خمسة أبعاد منفصلة وينشر الإطار لتشغّله بنفسك أولاً. وكلاهما تحت استشارات الذكاء الاصطناعي، وهناك نسخة سعودية تغطي سدايا ونظام حماية البيانات.