أصبحت أدوات الذكاء الاصطناعي بسرعة جزءًا قياسيًا من عمليات ووظائف الأعمال اليومية. ومع ذلك، على الرغم من اعتماده على نطاق واسع، فإن العديد من المؤسسات تعاني من نفس القيد: يولد الذكاء الاصطناعي رؤى ولكنه لا يقدم بالضرورة نتائج أعمال قابلة للقياس.
تظهر أبحاث ماكينزي أنه في حين أن 88% من المؤسسات تستخدم الذكاء الاصطناعي في وظيفة عمل واحدة على الأقل، فقد اعتمد حوالي الثلث فقط التكنولوجيا في جميع أنحاء المؤسسة، وأفاد 39% فقط عن تأثير مالي قابل للقياس، مما يسلط الضوء على الفجوة بين التنفيذ الفردي والتنفيذ على مستوى الفريق أو المؤسسة والذي يترجم إلى نتائج.
مدير هندسة الحلول، APAC، Smartsheet.
وتبقى معظم التطبيقات في ما يمكن وصفه بـ “مرحلة الدردشة”، حيث يكون الذكاء الاصطناعي في يد كل شخص لتلخيص المعلومات والإجابة على الأسئلة. هذه الأدوات مفيدة بلا شك، مما يقلل من الوقت الذي تقضيه في البحث المعلومات، مع تسريع العمل المعرفي وخفض حاجز التفاعل مع البيانات.
ومع ذلك، هناك انقطاع عندما يتعلق الأمر بالمحادثات المدعومة بالذكاء الاصطناعي، والتي غالبًا ما تتم خارج الأنظمة التي يتم فيها تخطيط العمل فعليًا وتتبعه وتسليمه. يمكن لمساعد الذكاء الاصطناعي تحديد مخاطر المشروع أو تلخيص حالة التنفيذ أو اقتراح الخطوات التالية، ولكن تحويل هذه المعرفة إلى عمل لا يزال يتطلب تدخلاً بشريًا.
لا يزال هناك اعتماد كبير على التنسيق بين الأدوات لتحديث الخطط يدويًا، أو تعيين المهام، أو تشغيل سير العمل. ويظل التنفيذ مجزأ ويعتمد على الإنسان. كما أنه يحد من تأثير الذكاء الاصطناعي على المستوى الفردي. في حين أن الناس قد يشعرون بأنهم أكثر إنتاجية، فإن المنظمة ككل قد لا تتحرك بالضرورة بشكل أسرع أو تتخذ قرارات أفضل.
وسرعان ما أصبحت هذه الفجوة واحدة من أهم التحديات في توسيع نطاق الذكاء الاصطناعي بما يتجاوز الإنتاجية الفردية للتأثير على مستوى الفريق والتحول التنظيمي في نهاية المطاف.
لماذا السياق أمر بالغ الأهمية
يتمثل العائق الرئيسي أمام التقدم في أن معظم أنظمة الذكاء الاصطناعي لا تزال تفتقر إلى الوصول إلى سياق تشغيلي ذي معنى. على الرغم من قوتها، تعمل النماذج غالبًا دون فهم البيانات المنظمة التي تحدد العمل اليومي وخطط المشروع والتبعيات والمخاطر والموارد. وبدون أساس بيانات موثوق به وخاضع للرقابة، يزداد خطر فشل مشروع الذكاء الاصطناعي.
وعندما ينتقل نصف (54%) فقط من مشاريع الذكاء الاصطناعي من المرحلة التجريبية إلى مرحلة الإنتاج، فإن ذلك يسلط الضوء على مدى صعوبة انتقال المؤسسات من مرحلة التجريب إلى التأثير التشغيلي القابل للتطوير.
وبدون هذا السياق، يمكن للذكاء الاصطناعي أن يصدر توصيات، لكنه لا يستطيع دعم تنفيذها بسهولة. يجب على الفرق تفسير النتائج وترجمتها إلى عمل باستخدام أدوات متعددة. تؤدي هذه الترجمة اليدوية إلى إبطاء العمل وتسبب عدم الاتساق والمخاطر.
يتطلب الاعتماد الناجح للذكاء الاصطناعي بعد مرحلة الدردشة من المؤسسات الاستثمار في الوصول الموثوق والمنظم إلى الأنظمة التي يمكنها إدارة مشكلات العالم الحقيقي المعقدة مثل البيانات غير المنظمة وسير العمل متعدد الوظائف. عندما تتمكن فرق العمل والذكاء الاصطناعي من رؤية نفس البيانات والتفاعل معها بشكل آمن، ستتمكن المؤسسات من الانتقال من توليد الرؤى إلى قيادة التنفيذ.
أحد الأمثلة على هذا النهج هو ظهور الانفتاح بنية تمكن أدوات الذكاء الاصطناعي من الاتصال بسهولة ببيانات المؤسسة وسير العمل. لقد أطلقنا مؤخرًا خادم بروتوكول السياق النموذجي (MCP) الخاص بنا لسد هذه الفجوة عن طريق ربط أدوات الذكاء الاصطناعي بشكل آمن مباشرةً ببيانات الأعمال المباشرة. وهذا يعني أنه يمكن للفرق الجمع بين أدواتها المفضلة ودمج الذكاء الاصطناعي في الأنظمة التي يتم فيها العمل فعليًا.
يوضح الاستخدام المبكر كيف يمكّن ذلك من الانتقال من الرؤية إلى العمل: 48% من جميع الإجراءات التي اتخذها المستخدمون الأوائل باستخدام Claude من خلال خادم MCP الخاص بنا تحرك العمل إلى الأمام بشكل فعال من خلال إنشاء المهام تلقائيًا أو إجراء التحديثات، بدلاً من مجرد طلب المعلومات. ومن خلال القيام بذلك، يمكن للمؤسسات الانتقال من الرؤى المعزولة إلى الذكاء الاصطناعي باعتباره طبقة الذكاء التي تربط كل وظيفة ونظام. عندما يعمل الذكاء الاصطناعي بهذه الطريقة عبر المؤسسة، تزيد الأرباح.
قياس عائد الاستثمار بالذكاء الاصطناعي
مع نضوج وتوسع اعتماد الذكاء الاصطناعي في المؤسسات، تتعرض المؤسسات لضغوط متزايدة لإظهار عائد واضح على الاستثمار، وليس مجرد نموذج مقاييس الأداء أو الاستخدام.
ويتحول التركيز نحو كيفية تحقيق الذكاء الاصطناعي لنتائج أعمال قابلة للقياس. بدلاً من التركيز على اعتماد الذكاء الاصطناعي على المستوى الفردي، تقوم المؤسسات الرائدة بقياس التأثير على مستوى الفريق والمستوى التنظيمي. يطرحون أسئلة مختلفة: هل يقلل الذكاء الاصطناعي من أوقات الدورة؟ هل يكشف عن المخاطر في وقت سابق؟ هل يحسن جودة القرارات في الفرق؟
وفي الوقت نفسه، يؤدي اعتماد الذكاء الاصطناعي على مستوى المؤسسة إلى ظهور تكاليف الذكاء الاصطناعي بشكل متزايد. ويتطلع صناع السياسات إلى ما هو أبعد من التجريب لفهم كيفية توسيع نطاق الذكاء الاصطناعي بشكل فعال ومستدام. وهذا يضع تركيزًا أكبر على القدرة على التنبؤ بالتكلفة، بالإضافة إلى نماذج الذكاء الاصطناعي الأكثر كفاءة التي تعمل على تحسين طريقة مشاركة البيانات ومعالجتها.
تعمل هذه الأولويات معًا على تغيير الطريقة التي تقيم بها المؤسسات الذكاء الاصطناعي، وموازنة الأداء مع الإنفاق المنضبط لضمان تأثير طويل المدى وقابل للتطوير.
مستقبل أكثر تشغيلية للذكاء الاصطناعي
تشير هذه الاتجاهات مجتمعة إلى تحول أوسع في الذكاء الاصطناعي المؤسسي. المستقبل لا يتعلق بإضافة المزيد من الأدوات المستقلة، بل يتعلق بوضع الذكاء الاصطناعي كأداة رئيسية طبقة الذكاء التي تربط كل شخص ووظيفة ونظام في المؤسسة.
سيتم تحديد المرحلة التالية من التنفيذ بشكل أقل من خلال قدرات النموذج وحدها وبشكل أكبر من خلال مدى فعالية دمج الذكاء الاصطناعي في نسيج العمل اليومي. وهذا يعني الجمع بين المعرفة والتنفيذ، مع الحفاظ على الحوكمة والسياق اللازمين للعمل على نطاق واسع.
وفي المرحلة التالية أيضًا، لن تأتي الميزة التنافسية من الوصول إلى الذكاء الاصطناعي فحسب، بل من فعالية المؤسسات في دمجه مع أنظمة التشغيل والبيانات وأطر الإدارة الخاصة بها.
ومع انتقال الصناعة إلى ما بعد “مرحلة الدردشة”، فإن المؤسسات التي ستنجح هي تلك التي تتعامل مع الذكاء الاصطناعي ليس فقط كأداة إنتاجية، بل كجزء من بنيتها التحتية التشغيلية، وتحقيق التوازن بين الاستقلالية مع السيطرة والابتكار مع المساءلة لتحقيق نتائج قابلة للقياس.
لدينا أفضل أدوات تصور البيانات.
تم إنشاء المقالة كجزء من توقعات TechRadar بروتعرض قناتنا أفضل وألمع العقول في صناعة التكنولوجيا اليوم.
الآراء الواردة هنا هي آراء المؤلف وليست بالضرورة آراء TechRadarPro أو Future plc. إذا كنت مهتمًا بالتعاون، يمكنك العثور على مزيد من المعلومات هنا: https://www.techradar.com/pro/perspectives-how-to-submit
