Normatic.لنتحدث عن تحول مؤسستك بالذكاء الاصطناعي
EN
جميع الرؤى →
وجهة نظر

التحول بالذكاء الاصطناعي يحدث على مستوى مسار العمل

يغير الذكاء الاصطناعي أداء المؤسسة عندما تعيد قدراته تشكيل طريقة إنتاج النتائج. ويربط مسار العمل تحسين المهام بقيمة الأعمال والتقدير البشري ونموذج التشغيل اللازم لاستدامة التغيير.

قد تتيح المؤسسة الذكاء الاصطناعي لكل موظف، ومع ذلك تبقى طريقة عملها الأساسية على حالها إلى حد كبير. فقد تُكتب التقارير أسرع، وتُلخص المستندات بسهولة أكبر، وتُنتج التحليلات بجهد أقل. لكن القرارات قد تظل بطيئة، والمعلومات مجزأة، والعملاء ينتظرون نتيجة لا يتحمل أي فريق بمفرده مسؤوليتها كاملة.

لهذا التمييز أهمية؛ فتحسين إنتاج المعلومات ليس سوى جانب من تحسين أداء المؤسسة. إذ يعتمد الأداء أيضاً على ما يحدث لتلك المعلومات: من يثق بها، ومن يتصرف بناءً عليها، وأي أنظمة ينبغي أن تتغير، وكيف تنتقل المسؤولية بين الأفراد.

ترى نورماتيك أن مسار العمل هو الوحدة العملية للتحول بالذكاء الاصطناعي. فهو يربط مقصد الأعمال بنتيجة قابلة للملاحظة عبر تفاعل المعلومات والقرارات والأفراد والأنظمة. وإعادة تصميم هذا التفاعل هي ما يحول قدرة تقنية جديدة إلى طريقة تشغيل مختلفة.

ولا ينتقص ذلك من أهمية النماذج؛ فقدراتها وحدودها تحدد ما يمكن تحقيقه. لكنه يضع قدرة النموذج داخل المنظومة الأوسع التي يجب أن تنتج النتيجة.

من إتاحة الأدوات إلى التغيير المؤسسي

انخفضت تكلفة الوصول إلى قدرات مفيدة للذكاء الاصطناعي انخفاضاً كبيراً. فقد وثّق مؤشر ستانفورد للذكاء الاصطناعي لعام 2025 انخفاض تكلفة الاستدلال بأكثر من 280 ضعفاً بين نوفمبر 2022 وأكتوبر 2024، للوصول إلى أداء يقارب مستوى GPT-3.5 على معيار MMLU. وهذه مقارنة عند مستوى محدد من القدرة، وليست قياساً للتكلفة الكلية للنشر المؤسسي. لكنها توضح سرعة انتشار إمكانية الوصول إلى مستوى معين من قدرات النماذج. مؤشر ستانفورد للذكاء الاصطناعي، 2025

مع اتساع إتاحة النماذج القادرة، تصبح الإتاحة وحدها أساساً أقل استدامة للتميز. ونرى أن جانباً أكبر من الميزة سيعتمد على قدرة المؤسسة على الجمع بين هذه النماذج ومعرفتها وعلاقاتها التشغيلية وقدرتها على التغيير. ويظل اختيار النموذج مؤثراً؛ فقد تجعل الموثوقية والتكلفة وزمن الاستجابة وقيود النشر حلاً مناسباً وآخر غير ملائم. لكن اختيار النموذج لا يحسم كيف ينبغي للأعمال أن تعمل.

غالباً ما تُجمع أربعة أنواع مختلفة من التغيير تحت عنوان تبني الذكاء الاصطناعي. تبني النموذج يتيح للأفراد قدرة جديدة. وتعزيز المهام يحسّن نشاطاً، مثل صياغة رد أو استخراج معلومات. وتحويل مسار العمل يعيد تصميم الأنشطة المترابطة التي تنتج النتيجة، وقد يلغي بعض المهام وعمليات تسليم العمل كلياً. أما تحويل نموذج التشغيل فيغير المسؤوليات وصلاحيات القرار والقدرات والهياكل وآليات الإدارة التي تدعم ذلك العمل.

تصف هذه الفروق نطاق التغيير، ولا تفرض تسلسلاً إلزامياً للنضج. فقد يكون تحسين مهمة محددة مجدياً بمفرده. وقد يتطلب مسار عمل معاد التصميم حسم المسؤولية قبل بناء أي نظام. ويتمثل الخطر الاستراتيجي في اعتبار النجاح على مستوى واحد دليلاً على تحقق التغيير على المستويات الأربعة.

الفجوة بين مهمة أسرع ونتيجة أفضل

توجد أدلة موثوقة على أن المساعدة بالذكاء الاصطناعي يمكن أن تحسّن الأداء دون إعادة تصميم مؤسسي شامل. ففي دراسة شملت 5,172 موظف دعم عملاء، وجد إريك برينجولفسون ودانييل لي وليندسي ريموند أن إتاحة مساعد توليدي زادت عدد المشكلات المحلولة في الساعة بنسبة 15% في المتوسط، مع فروق كبيرة بين العاملين. وكان ذلك نشراً داخل بيئة خدمة قائمة، لا مجرد تمرين كتابي مختبري. الذكاء الاصطناعي التوليدي في العمل

تضع هذه النتيجة حداً مهماً للحجة. فتحويل مسار العمل ليس شرطاً لكل منفعة اقتصادية؛ وحيث تؤثر المهمة المحسنة مباشرة في النتيجة، قد يكون تعزيزها ذا قيمة بالفعل. لكن الدراسة لا تثبت زيادة مماثلة في إنتاجية الشركة ككل، ولا أن المنافع ستنتقل دون تغيير إلى سياقات أخرى.

تنشأ الصعوبة عندما يكون النشاط المحسّن حلقة واحدة في سلسلة أطول. لنتأمل مثالاً توضيحياً لإجراء موافقة داخلي. يمكن الآن إعداد طلب كان يستغرق ساعة في دقائق. لكنه ما زال يدخل قائمة انتظار، ويصل بأدلة ناقصة، ويتنقل بين مسؤولين غير واضحين، وينتظر قراراً. قد يقل جهد الإعداد دون تغير يُذكر في زمن الإنجاز. وإذا زاد حجم الطلبات، فقد يتصاعد الضغط على اختناق الموافقات الذي لم يُحل.

وتظهر مشكلة مشابهة عندما يجعل الذكاء الاصطناعي إنتاج المزيد من التحليلات قليل التكلفة. فقد تكسب المؤسسة رؤى مفيدة، أو تنتج مواد إضافية يتعين على آخرين التحقق منها والتوفيق بينها. وتعتمد النتيجة جزئياً على تطور القدرة على التقدير والتصرف إلى جانب القدرة على التوليد.

لذلك فالوقت الموفر مقياس وسيط. ويمكن أن يتحول إلى إنتاجية أعلى، أو خدمة أفضل، أو اهتمام أكبر بالحالات الصعبة، أو تكلفة تشغيل أقل. وتتطلب هذه النتائج خيارات تنظيمية مختلفة. ولا يكشف جمع الدقائق التي وفرها الموظفون أي منفعة تحققت فعلاً.

السؤال المؤثر للقادة هو: هل تغير التحسينات الموضعية أداء التدفق الكامل للعمل؟ والإجابة تتطلب النظر إلى ما وراء النشاط الذي يظهر فيه الذكاء الاصطناعي بوضوح أكبر.

مسار العمل يربط القدرة بأثرها

لمسار العمل بداية ونتيجة واعتماديات تربطهما. فقد تُحل مشكلة عميل، أو يُنفذ طلب، أو يُتخذ قرار تشغيلي ويُطبق. ويساعد تحديد هذه الحدود على فحص القيمة المتحققة والجهد والتأخير والخطأ والمخاطر المصاحبة.

لنعد إلى مثال الموافقة. يمكن لمسار معاد التصميم أن يساعد مقدم الطلب على توضيح الاحتياج، وجمع الأدلة الناقصة من مصادر مخوّلة، وتجميع السياق الذي يحتاجه صاحب القرار. ويمكن لقواعد محددة توجيه الطلب إلى الشخص المناسب. ثم يُسجل القرار، وتُنفذ الإجراءات المسموح بها في الأنظمة المترابطة، وتُعاد النتيجة إلى مقدم الطلب. وتكون للحالات الغامضة والاستثناءات من السياسات مسارات واضحة تُحيلها إلى التقدير البشري.

يتجاوز التغيير مجرد مسودة أسرع. فالمعلومات تُجمع مبكراً، والمسؤولية تصبح أوضح، ويرتبط القرار بالتنفيذ. وقد تختفي بعض أعمال التنسيق لأن النظام المعاد تصميمه لا يعود يتطلب إعادة بناء السياق عند كل انتقال للعمل. وهذا تصميم توضيحي، وليس حالة عميل لنورماتيك أو ادعاءً بتحقيق وفورات.

يظهر نجاحه في مسار العمل المكتمل: زمن تلبية الطلب، وجودة القرار، وإعادة العمل، وتراكم الاستثناءات، ودقة الإجراءات المنفذة. وتظل دقة النموذج ذات صلة، لكنها مساهم واحد في هذه النتائج. وقد يجمع التصميم الذكاء الاصطناعي لتفسير الطلبات المتنوعة، والبرمجيات التقليدية للتحقق والتوجيه، والأفراد للقرارات التي تتطلب صلاحية أو تقديراً للسياق.

لهذا يُعد التكامل جزءاً من التحول نفسه. فالنظام الذي يعد توصية مقنعة لكنه لا يستطيع الوصول إلى السجلات الصحيحة أو نقل القرار المخوّل إلى النظام المعتمد يترك عملاً أساسياً خارج حدوده. وتحدد إتاحة البيانات والصلاحيات والروابط المؤسسية إمكان تشغيل طريقة العمل المقترحة فعلياً.

وتجعل الحدود نفسها متابعة التبني أكثر دلالة. ففتح المساعد دليل على الاستخدام. أما إتمام العمل عبر العملية المعاد تصميمها، ومعالجة الاستثناءات، واستدامة الجودة، فهي أدلة على تغير الممارسة التشغيلية. وإذا عاد الموظفون باستمرار إلى البريد أو جداول موازية، فقد يكون التصميم الرسمي لا يزال يفتقد عنصراً أساسياً.

ويمنح مسار العمل المساءلة موضوعاً ملموساً. يمكن لشخص أن يمتلك مسؤولية أدائه عبر مراحل انتقاله، بينما يحتفظ المختصون بمسؤولية قراراتهم وضوابطهم. وبدون هذا الربط، قد تحسّن كل وظيفة نشاطها بينما تبقى النتيجة الكلية مخيبة للتوقعات.

التقدير البشري جزء من التصميم

يغير الذكاء الاصطناعي مواضع الحاجة إلى التقدير والمعلومات المتاحة لدعمه. لكنه لا يلغي ضرورة تحديد من يحق له التصرف، وبناءً على أي أدلة، وبأي تبعات.

وتحذر الأبحاث أيضاً من افتراض تجانس القدرة. ففي تجربة مسجلة مسبقاً شملت 758 مختصاً من مجموعة بوسطن الاستشارية، وجد فابريتسيو ديل أكوا وزملاؤه أن المساعدة بالذكاء الاصطناعي حسنت الأداء في المهام الواقعة ضمن قدرات النموذج المختبر، لكنها قللت صحة الإجابات في مهمة إدارية معقدة خارج تلك الحدود. استخدمت التجربة GPT-4؛ وهي لا تحدد حدود نماذج اليوم. لكنها توضح لماذا لا يثبت النجاح في مهمة واحدة الموثوقية عبر مسار عمل كامل. التعامل مع الحدود التقنية المتفاوتة

والاستنتاج لدى نورماتيك هو أن الصلاحية والمساءلة البشريتين ينبغي تصميمهما وفق التبعات وعدم اليقين والموثوقية المثبتة للنظام. وقد تناسب الأتمتةُ الإجراءات الروتينية القابلة للعكس ضمن حدود محددة. بينما قد تتطلب الأحكام الغامضة والالتزامات المؤثرة شخصاً محدداً يملك صلاحية القرار ومعلوماته.

ولا تحل إضافة مراجع بشري وحدها المشكلة. فالشخص الذي يُطلب منه اعتماد مخرج دون الأدلة الداعمة أو الوقت الكافي لفحصه أو القدرة على الاعتراض عليه يوفر رقابة ضعيفة. وبالمثل، قد يستهلك فحص كل إجراء محدود التبعات القدرة اللازمة للقرارات التي يكون فيها التقدير أهم.

لذلك تعتمد الرقابة الفعالة على بنية العمل: ما المسموح للنظام فعله، وأي ظروف تستدعي التصعيد، وما الذي يستطيع المراجع رؤيته، وماذا يحدث عند قصور الثقة أو الأدلة. وتبقى المسؤولية بشرية حتى عندما تؤتمت إجراءات منفردة.

وثمة سؤال أطول أجلاً عن القدرات. فإذا تولى الذكاء الاصطناعي كثيراً من العمل الروتيني الذي كان الموظفون يتعلمون من خلاله، فعلى المؤسسة أن تنظر في كيفية تطوير الخبرة اللازمة لفهم الاستثناءات ومساءلة التوصيات. إذ تتطلب استدامة التقدير البشري فرصاً مقصودة لبنائه.

إعادة تصميم مسارات العمل تغير نموذج التشغيل

عندما يتغير العمل عبر الحدود الوظيفية، تصبح أسئلة نموذج التشغيل حتمية. من يستطيع تغيير مسار العمل؟ ومن يموّل تحسينات تقع تكاليفها في وظيفة وتظهر منافعها في أخرى؟ ومن يصون مصادر المعرفة ويقيّم الأداء ويقرر توسيع صلاحية النظام أو تقليصها؟

قد يحتاج الهيكل المبني حول مراحل منفصلة للعمل إلى مسؤول أقوى عن النتيجة الكاملة. وقد تقضي الفرق المتخصصة وقتاً أقل في معالجة الحالات الروتينية، ووقتاً أكبر في حل الاستثناءات وتحسين القواعد وصون الجودة. وقد تحتاج الحوافز إلى تقدير النتائج المكتملة بدلاً من حجم النشاط الوسيط. وهذه تبعات محتملة لإعادة التصميم، وليست توقعاً بأن تتبنى جميع المؤسسات الهيكل نفسه.

لهذا المنطق الاقتصادي سابقة. يشرح بحث برينجولفسون ودانييل روك وتشاد سيفرسون حول منحنى الإنتاجية على شكل J كيف قد تتطلب التقنيات العامة استثمارات مكملة كبيرة، معظمها غير ملموس، قبل أن تنعكس منافعها بالكامل في الإنتاجية المقاسة. ويتناول نموذجهم نمطاً اقتصادياً أوسع؛ ولا يثبت أن أي برنامج ذكاء اصطناعي بعينه سيحقق عائداً في النهاية. منحنى الإنتاجية على شكل J

وفي التحول بالذكاء الاصطناعي، نرى تصميم مسارات العمل والمعرفة التشغيلية وممارسات التقييم والقدرة التنظيمية أشكالاً مهمة لذلك الاستثمار المكمل. وينبغي بناؤها إلى جانب التقنية، مع استمرار اختبار قيمتها بالنتائج. فالتغيير المؤسسي جزء من مبرر الاستثمار، وليس سبباً لتعليق تمحيصه.

ويغير ذلك أجندة القيادة أيضاً. فالمعرفة بالذكاء الاصطناعي وإتاحته تساعدان الأفراد على اكتشاف الممكن. وعلى القيادة ربط هذه الاكتشافات بأولويات الأعمال وحل الاعتماديات التي لا يستطيع الأفراد تغييرها بمفردهم. وقد يحد تمويل مساعد مع إبقاء المسؤولية مجزأة من العائد، حتى عندما تؤدي التقنية جيداً.

وقد تتراكم الميزة الناتجة. فالمؤسسة التي تتعلم من الأخطاء والاستثناءات والاستخدام الفعلي تستطيع تحسين مصادر المعرفة والضوابط وتصميم العمل. وقد يشتري منافس الوصول إلى النموذج نفسه، لكن إعادة إنتاج المعرفة التشغيلية والممارسات المنسقة المحيطة به قد تكون أصعب. وهذا طرح نورماتيك الاستراتيجي، وليس نتيجة أثبتتها الدراسات المشار إليها.

حيث يصبح التحول واقعاً

يقع مسار العمل بين قدرات النموذج وطموحات المؤسسة. وهو محدد بما يكفي للبناء والتقييم والقياس، وواسع بما يكفي لكشف القرارات التنظيمية التي قد تتركها تحسينات المهام المنعزلة دون حسم.

لذلك نتوقع أن تعتمد الميزة المستدامة في الذكاء الاصطناعي بصورة متزايدة على جودة إعادة تصميم إنتاج النتائج وحوكمته. فالغاية ليست أتمتة كل نشاط أو إلغاء التقدير البشري، بل إنشاء طريقة عمل أقدر، بصلاحيات واضحة وأنظمة مترابطة وأداء قابل للملاحظة وقدرة على التحسن.

يصبح التحول بالذكاء الاصطناعي واقعاً عندما تغير قدرة جديدة طريقة إنتاج النتيجة، وتستطيع المؤسسة تحمل مسؤولية استدامة ذلك التغيير.

المصادر