وكيل الذكاء الاصطناعي الخاص بك لا يتفوق إلا على نظام الأرشفة الخاص بك

في 30 ديسمبر 2025، قامت خدمة البريد الدنماركية بتسليم آخر رسالة في تاريخها البالغ 401 سنة. تم سحب 1,500 صندوق بريد متبقي من الشوارع خلال ذلك العام. وفي الوقت نفسه، في يوليو 2026 أقر مجلس الوزراء الألماني GeDIG، قانون البيانات الصحية والابتكار الرقمي، الذي سيقضي على الفاكس في مكاتب الأطباء بحلول خريف 2029 ويجعل الإحالات الإلكترونية إلزامية.

فكيف يمكن لدولة أن تنفّذ مثل هذه التغييرات بينما لا تزال أخرى تزيل اعتمادها على آلات الفاكس في هذا القرن؟ إذا أخذنا في الاعتبار استخدام كل دولة للذكاء الاصطناعي في الأعمال، فقد استخدمت 42 ٪ من الشركات الدنماركية استخدمت على الأقل تقنية ذكاء اصطناعي واحدة في عام 2025، وهو أعلى نسبة في أوروبا. وكانت النسبة في ألمانيا 26 ٪، أعلى من المتوسط الأوروبي ولكن أقل بـ 16 نقطة من الدنمارك.

بالنسبة لي، يدفعنا هذا التباين إلى إعادة النظر في معتقداتنا حول تبني الذكاء الاصطناعي. خصوصًا الاعتقاد بأن اختيار النموذج هو نقطة الانطلاق لتبني الذكاء الاصطناعي، متجاهلين حالة الأنظمة المحيطة بالنموذج. كلا البلدين يمتلكان إمكانية الوصول إلى نفس النماذج ومقدمي الخدمات السحابية، لكن الفرق يكمن في ما إذا كانت العمليات التجارية والعامة تنتج سجلات رقمية موثوقة بالفعل. بما أن وكيل الذكاء الاصطناعي لا يتعامل مع الواقع مباشرة، بل مع نسخة الواقع المتوفرة في نظام ما، فإن ذلك بطبيعة الحال يفرض بعض القيود.

القيد الأول: لم يتم رقمنة المعلومات أبداً

لا يستطيع الوكيل استرجاع مستند لم يُدخل النظام أبدًا. شكل تدفق المعلومات في المؤسسة يحدد ما يمكن للوكيل أن يدركه كمهمة.

على المستوى الوطني، تُظهر بيانات Eurostat أن تبني الذكاء الاصطناعي في الأعمال يرتبط برقمنة العمليات الإدارية. لكن الآلية الأساسية هي أن الدول التي يتلقى مواطنوها المستندات الرسمية رقميًا لديها عدد أقل من التفاعلات خارج النظام التي تحتاج الشركات إلى تسويتها، مما يقلل من حجم العمل التفسيري المطلوب قبل أن يُستخدم الذكاء الاصطناعي بأمان في العمليات.

على مستوى الشركة، تُظهر دراسة IZA لعام 2026 التي شملت 1,907 شركة دنماركية أن زيادة معيار الانحراف المعياري الواحد في الرقمنة ترتبط بارتفاع احتمال تبني أنظمة الذكاء الاصطناعي الأساسية بمقدار 8 إلى 10 نقاط مئوية. وهذا يشير إلى أن تبني الذكاء الاصطناعي يعتمد على ما إذا كانت عمليات الشركة الداخلية منظمة بالفعل بطريقة رقمية قابلة للقراءة آليًا. إذا كانت العمليات مجزأة، فستكون المعلومات المستقرة للأنظمة أو الوكلاء قليلة.

قد يساعد هذا أيضًا في تفسير لماذا لا يتحول التحول الرقمي المدفوع بالسياسة تلقائيًا إلى جاهزية للذكاء الاصطناعي. فقد أنشأت الفوترة الإلكترونية B2B الإلزامية في إيطاليا قناة رقمية بالكامل، لكن تبني الذكاء الاصطناعي لا يزال أقل من المتوسط الأوروبي. فرقمنة خطوة واحدة لا تُزيل النظام التناظري المحيط.

القيد الثاني: المعلومات موجودة فقط في ذهن شخص ما

البشر يديرون العمليات، مما يعني أنهم غالبًا ما يعرفون تفاصيل لا يعرفها الذكاء الاصطناعي. يعرف مسؤول المالية أن المستأجر دفع نقدًا، لكن الدفع لم يُدخل أبدًا في نظام المحاسبة. وبالتالي لا تتطابق سجلات البنك مع النظام. يفهم المسؤول السبب، بينما يرى الذكاء الاصطناعي بيانات غير متسقة فقط. يتذكر مدير العقار أن المالك طلب عدم التواصل معه لمدة أسبوعين. يعرف فريق العمل حلاً بديلًا لمبنى أو عميل معين، لكن لا أحد وثّق ذلك.

ClarEval اختبرت مهامًا ذات أهداف مفقودة، ومقدمات غير موجودة، ومصطلحات غامضة. انخفض أداء النموذج من حوالي 89 ٪ بعد التوضيح إلى نحو 9 ٪ عندما بقيت الغموض دون حل. وفي الوقت نفسه، وجدت Ambig-SWE أن السماح للنموذج بطرح أسئلة على المستخدم الذي يمتلك المعلومات المفقودة استعاد ما يصل إلى 74 ٪ من الأداء المفقود. وهذا يعني أن المهندسين يجب أن يبنوا نظامًا قادرًا على طلب التوضيح من البداية.

القيد الثالث: المعلومات موجودة ولكن لا يمكن نقلها

بعض البيانات متوفرة داخل الشركة ولا يزال النموذج غير قادر على الوصول إليها بسبب قواعد الخصوصية أو ضوابط الأمان أو العقود أو السياسات الداخلية.

أظهرت دراسة استندت إلى سبع سنوات من بيانات السحابة أن اللائحة العامة لحماية البيانات (GDPR) – القانون الأساسي للخصوصية في الاتحاد الأوروبي – خفضت تخزين البيانات بنسبة 26 ٪ ومعالجة البيانات بنسبة 15 ٪ بين الشركات الأوروبية مقارنةً بالشركات الأمريكية المماثلة. بعبارة أخرى، جعلت التنظيمات الخصوصية الشركات أقل اعتمادًا على البيانات عبر الحد من كمية المعلومات التي يمكنها الاحتفاظ بها ومعالجتها للتحليلات والذكاء الاصطناعي. كان تبني الذكاء الاصطناعي التوليدي تقريبًا متساويًا، حيث بلغ 37 ٪ من الشركات الأوروبية و36 ٪ من الشركات الأمريكية. لكن الفجوة في عمق تبني الذكاء الاصطناعي واسعة، حيث يستخدم 81 ٪ من الشركات الأمريكية الذكاء الاصطناعي في عمليتين داخليتين على الأقل، مقابل 55 ٪ في الاتحاد الأوروبي. أحد الأسباب المحتملة هو أن المعلومات الموجودة داخل المؤسسات غالبًا ما تكون أصعب في إعادة استخدامها للذكاء الاصطناعي في أوروبا. فمثلاً، غالبًا ما تحتوي محادثات دعم العملاء على بيانات شخصية تُجمع لحل مشكلات العملاء. وفقًا لمبدأ تحديد الغرض في GDPR (المادة 5(1)(b))، لا يمكن إعادة استخدام هذه البيانات لتدريب الذكاء الاصطناعي دون أساس قانوني صالح. وتواجه الشركات الأمريكية عمومًا قيودًا اتحادية أقل مكافئة لإعادة استخدام هذه البيانات.

كيفية بناء النظام الصحيح

يعمل الاسترجاع فقط عندما يكون الجواب موجودًا في النظام. يجب على الوكلاء طلب المعلومات عندما تكون مفقودة، ولا يتخمين أبداً، وتحويل المكالمات أو القرارات غير الرسمية إلى سجلات منظمة. ينبغي على الشركات أيضًا إلغاء سير العمل الورقي المتوازي لأن أي مهمة يمكن أن تتم خارج النظام سيظل جزء من السياق غير مرئي.

يجب على كل شركة أن تواجه فجواتها الخاصة. قِس ما إذا كان الحقائق المطلوبة للتصرف بشكل صحيح موجودة داخل النظام أم لا. اختبر سير العمل مع وبدون حقول مراجعة الخصوصية المستبعدة. أخيرًا، بالنسبة لسير العمل الذي يمكن إكماله على الورق، فهذا هو الوكيل الذي يُبنى في النهاية.

قد يحسن الوكلاء من إنتاجية البشر، لكنهم لا يصلحون ما هو مفقود.