لماذا سيفشل الذكاء الاصطناعي العامل بدون بيانات أصول موثوقة

ينتقل الذكاء الاصطناعي العامل بسرعة من المناقشة إلى التنفيذ في الصناعات التي تعتمد على الأصول. على عكس الذكاء الاصطناعي التوليدي، الذي يلخص المعلومات أو يُعدّ مقترحات، يمكن للذكاء الاصطناعي العامل أن يأخذ هدفًا، ويقسمه إلى خطوات، ويستخرج بيانات من أنظمة متعددة، ويتخذ إجراءات. يمكنه استعراض سجل الصيانة، وتحقق من أوامر العمل المفتوحة، ومقارنة جداول الطواقم وتوليد توصية دون الحاجة إلى شخص لربط كل قطعة من المعلومات يدويا.

هذه القدرة هي السبب في أن العديد من المنظمات تتحرك بسرعة لاعتمادها. وفقًا لمسح مسح 2026 لجارت너 لتقنيات المعلومات والرؤساء التنفيذيين، لم تُشرع إلا 17٪ من المنظمات وكلاء ذكاء اصطناعي، بينما يتوقع أكثر من 60٪ القيام بذلك في غضون السنوات القليلة القادمة. هذا أسرع من أي технологيا ناشئة أخرى مدرجة في المسح.

في عمليات التنفيذ التي دعمتها، قامت الفرق بإنفاق الكثير من الوقت في التبديل بين الأنظمة والجداول والملحوظات التفتيشية والبريد الإلكتروني فقط لاتخاذ قرار تشغيلي واحد. يعدّ الذكاء الاصطناعي العامل بوعده لتقليل هذا الاحتكاك، مما يساعد المخططين على إعداد العمل بشكل أسرع وإعطاء الفنيين صورة أوضح لتاريخ الأصول دون الاعتماد فقط على الذاكرة المؤسسية.

لكن هذا الوعد يأتي مع شرط يسهل تجاهله في عجلة التنفيذ: من ما لاحظته، فإن الذكاء الاصطناعي العامل ليس مشكلة نمذجة بل مشكلة ثقة تشغيلية.

في الصناعات التي تعتمد على الأصول مثل المرافق والنقل والتعدين والاتصالات والتصنيع، لا يكون وكيل الذكاء الاصطناعي جيدًا إلا بنسبة إلى البيانات التي يعتمد عليها. إذا كانت هذه البيانات غير كاملة أو متقادمة أو غير متسقة، فإن الوكيل لا يفشل بالضرورة بصوت عال. قد يفشل بثقة، ويوصي بالعمل على الأصل الخاطئ، أو يتجاهل التبعية، أو يقلل من المخاطر، أو يُغفل ما يجب إعطاؤه الأولوية.

إطعام وكيل ببيانات سيئة لن يوسع الذكاء. سوف يوسع المخاطر التشغيلية.

نفس المشاكل القديمة للبيانات، بسرعة جديدة

مشاكل جودة البيانات التي يكشف عنها الذكاء الاصطناعي العامل ليست جديدة. في أكثر من 17 عامًا من العمل على الأنظمة وإدارة الأصول المؤسسية، رأيت نفس القضايا تظهر بشكل متكرر: سجلات مكررة، علاقات أصول مفقودة، اتفاقيات تسمية غير متسقة، تصنيفات حرجة متقادمة، وتشفير فشل سيئ لسنوات.

ما تغير هو ليس طبيعة هذه المشاكل، بل نطاقها المحتمل.

قد يلتقط فني متمرس سجل سيئ قبل اتخاذ إجراء، مستندًا إلى سنوات من المعرفة المؤسسية التي لم يتم أبدًا تسجيلها في النظام. لا يمتلك وكيل الذكاء الاصطناعي تلك الفطنة. يمكنه معالجة آلاف السجلات بسرعة أكبر من التي يمكن لفرد أن يراجعها يدويا، مع تطبيق نفس الفرض الخاطئ على نطاق واسع قبل أن يلاحظ أي شخص.

المشكلة الأكبر في التنفيذ المؤسسي已经 واضحة. وجد تقرير تقرير 2025 لمشروع MIT NANDA أن 95٪ من المنظمات التي تمت دراستها لم تحقق تأثيرًا ملموسًا على الأرباح والخسائر من مبادرات الذكاء الاصطناعي التوليدي. ويعزى التقرير الفجوة بشكل كبير إلى فجوات التعلم والتكامل، بما في ذلك الأدوات التي لا تحتفظ بالسياق أو تتكيف بشكل فعال مع سير العمل الحالية. في عمليات الأصول الحساسة حيث يمكن أن يؤثر التوصية السيئة على المعدات الفعلية بدلاً من مجرد لوحة القيادة، فإن الفجوة بين طموح الذكاء الاصطناعي وواقع البيانات أكثر خطورة.

حيث تصبح البيانات السيئة قرارًا غير آمن

في الإعدادات التشغيلية، تصبح العواقب ملموسة.

خذ ترتيب الصيانة على سبيل المثال. إذا لم يتمكن الوكيل من رؤية فشل حديث أو أمر عمل متأخر أو تغيير في حالة الأصل، فقد يخصص الأولوية الخاطئة. يمكن أن يخلق ذلك عملًا غير ضروري في منطقة معينة بينما يسمح لمخاطر أكثر أهمية بالبقاء دون حل في مكان آخر.

ترتفع المخاطر بشكل أكبر عندما تكون علاقات الأصول نفسها غير صحيحة. هذا هو السيناريو الذي يرفع علم تحذير. إذا لم يكن النظام يعكس بدقة الأصول المرتبطة، أو المعدات التي يجب عزلها قبل بدء العمل، أو القيود التي تنطبق في موقع معين، فإن توصياته يمكن أن تصبح غير آمنة حقًا.

لهذا السبب، يجب على المنظمات التفكير بحذر قبل منح الذكاء الاصطناعي العامل الحكم الكامل على القرارات الحاسمة. يوفر إطار إدارة مخاطر الذكاء الاصطناعي التطوعي من NIST هيكلاً لدمج الثقة في جميع أنحاء دورة حياة نظام الذكاء الاصطناعي بدلاً من معالجتها فقط بعد التنفيذ. يمكن للذكاء الاصطناعي جمع المعلومات بسرعة، وتمهيد الخيارات، و تلخيص الأدلة التي تدعم التوصية. ومع ذلك، عندما تكون السلامة أو الامتثال أو موثوقية الخدمة على المحك، يحتاج الناس إلى البقاء على اتصال.

على الأقل في البداية، يجب أن يكون الهدف هو الذكاء الاصطناعي الذي يدعم القرارات، وليس الذكاء الاصطناعي الذي يتخذها بمفرده.

لماذا إدارة الأصول المؤسسية هي الأساس، وليس المكتب الخلفي

إدارة الأصول المؤسسية، أو EAM، هي حيث يتم تنظيم الواقع التشغيلي. यह حيث يتم تسجيل أوامر العمل، واستراتيجيات الصيانة، والفحوصات، والموافقات، و علاقات الأصول، وتاريخ المعدات.

تؤمن أسس إدارة الأصول المؤسسية القوية لوكيل الذكاء الاصطناعي بيانات تشغيلية موثوقة للعمل معها. الأسس الضعيفة من المحتمل أن يتم الكشف عنها على الفور. يشدد تحليل EY للنظم المؤسسية لإدارة الأصول مدعومة بالذكاء الاصطناعي أيضًا على دور البيانات والتحليلات في الوقت الفعلي في نقل المنظمات من الصيانة التفاعلية إلى الصيانة التوقيعية.

بدلاً من معاملة إدارة الأصول المؤسسية كنظام مكتب خلفي، يجب على المنظمات التي تستعد للذكاء الاصطناعي العامل معاملتها كجزء من طبقة التحكم التشغيلية. إنها تشكل ما يمكن للذكاء الاصطناعي الوصول إليه، والعمليات التي يجب اتباعها، والأدلة التي يعتمد عليها، والمواضع التي لا تزال الموافقة البشرية مطلوبة.

تساعد إدارة الأصول المؤسسية أيضًا في توفير السياق خلف قرار تشغيلي. يجب ألا تستند توصية الصيانة فقط إلى حالة الأصل الفردية. قد تعتمد أيضًا على حرجة الأصل، والفشل الأخير، والمعدات المرتبطة، والأجزاء المتاحة، وإجراءات السلامة، ومتاحة الطواقم، وتأثير توقف العمل على العملية الأوسع.

بدون هذا السياق، قد يوصي حتى وكيل الذكاء الاصطناعي المتقدم بمرور الوقت بالمسار الخاطئ.

هل بياناتك فعلاً “جاهزة للذكاء الاصطناعي”؟

بدلاً من إطلاق مراجعة جودة بيانات شاملة ومجردة، المنظمات أفضل خدمة من خلال البدء بحالة استخدام محددة، مثل التخطيط للصيانة بمساعدة الذكاء الاصطناعي، والأسئلة المستهدفة.

هذه هي الأسئلة التي أطرحها أولاً: هل نثق بالهرمية الأصل؟ هل تاريخ الفشل موثوق؟ هل خطط الوظيفة حديثة؟ هل توافر الطواقم دقيق؟ هل خطط السلامة محدثة؟

لا تحتاج البيانات إلى الكمال. لن تحصل المنظمات على بيانات تشغيلية مثالية أبدًا. تحتاج إلى أن تكون دقيقة، وحديثة، ومدارة جيدًا بما يكفي لدعم الناس الذين يتخذون القرارات.

يجعل هذا النهج تحسين البيانات أكثر إدارة. بدلاً من محاولة تنظيف كل سجل في المنظمة، يمكن للفرق التركيز على المعلومات التي تؤثر مباشرة على حالة الاستخدام المحددة.

مخاطر الخطأ في هذا ليسا متساويين. الصناعات التي تؤثر فيها القرارات الرقمية على العمليات الفعلية تحمل أكبر تعرض، وهو السبب في أن NIST تطور ملفًا مخصصًا لإطار إدارة مخاطر الذكاء الاصطناعي لتوجيه مشغلي البنية التحتية الحاسمة الذين يستخدمون القدرات المدعومة بالذكاء الاصطناعي. في عملية منخفضة المخاطر، قد تسبب توصية الذكاء الاصطناعي الرديئة إزعاجًا أو عملًا إضافيًا. في شبكة طاقة، أو نظام مائي، أو منجم، أو شبكة نقل، أو بيئة اتصالات، يمكن أن تؤثر على السلامة، أو تسبب توقفًا، أو تُحدث مشاكل امتثال، أو تعطل الخدمة.

هذا لا يعني أن هذه الصناعات يجب أن تتجنب الذكاء الاصطناعي العامل. بل يعني أنها تحتاج إلى أن تكون أكثر عمدية في جودة البيانات، والحوكمة، والرقابة البشرية قبل زيادة مسؤولياتها.

مسار عملي إلى الذكاء الاصطناعي العامل

يبدأ مسار التنفيذ العملي بحالة استخدام محددة حيث يمكن للذكاء الاصطناعي إضافة قيمة دون تقديم مخاطر زائدة.

من هناك، يجب على المنظمة رسم خريطة البيانات التي تعتمد عليها حالة الاستخدام، وتقييم بصدق ما إذا كان يمكن الثقة بذلك المعلومات. يجب على الفرق تصحيح بيانات الأصول الأكثر أهمية، وتعيين ملكية واضحة، وتنسيق كيفية تسجيل العمل، والفشل، والتغييرات التشغيلية.

يجب أن يعمل الذكاء الاصطناعي داخل عمليات الحوكمة الحالية بدلاً من تجاوزها. في المراحل الأولى، يمكن للوكيل دعم المخططين، وفرق الموثوقية، والفنيين من خلال جمع المعلومات، وتحديد الأنماط، وتوصية إجراءات ممكنة.

هذا يمنح المنظمة وقتًا لمقارنة توصيات الوكيل بنتائج فعلية، وتحديد فجوات البيانات، وتأكيد أن التحكمات اللازمة تعمل.

فقط بعد فهم النتائج يجب على المنظمة النظر في منح الذكاء الاصطناعي مسؤولية أكبر. يجب أن تزيد الاستقلالية تدريجياً فقط عند وضوح المخاطر، والسيطرة عليها، ويمكن تدقيقها.

يربط استراتيجية الذكاء الاصطناعي العامل الناجحة الذكاء الاصطناعي بالبيانات الأصلية الموثوقة، وعمليات إدارة الأصول المؤسسية القوية، مدعومة بالحوكمة الواضحة والمساءلة البشرية. يصل تقرير 2026 لشركة Deloitte عن حالة الذكاء الاصطناعي في المؤسسات إلى نفس الاستنتاج من الأعلى إلى الأسفل، واصفًا أساس البيانات الموثوقة الموحد بأنه ضروري لتحسين الذكاء الاصطناعي. تظل المنظمات مسؤولة عن الإجراءات التي يوصي بها الذكاء الاصطناعي أو يتخذها. لا تختفي هذه المسؤولية فقط لأن القرار تم توليده بواسطة خوارزمية.

يجب أن يكسب الذكاء الاصطناعي العامل طريقه إلى العمليات، وليس أن يُمنحها. ابدأ بضيق، وافحص توصياته مقابل ما يحدث في الواقع، واصحح فجوات البيانات التي تظهر، ووسع دوره فقط عند تبريره الأدلة. أفضل رؤية وكيل يكسب قدرًا صغيرًا من الثقة ويحافظ عليها بدلاً من منحه قدرًا كبيرًا منها ويفقدها. في الصناعات التي تعتمد على الأصول، تلك هي الفرق بين الذكاء الاصطناعي الذي يكسب الثقة والذكاء الاصطناعي الذي يفقد الثقة بهدوء.