كسر الحلقة المفرغة: كيف يمكن للمؤسسات تجنب التلقين السلبي وتحقيق النجاح

منذ ظهور مفهومها النظري في خمسينيات القرن الماضي، مهدت تقنيات الذكاء الاصطناعي الطريق أمام الشركات لتحقيق فرص وإنتاجية محسّنة، لا سيما من خلال أنظمة التعلم الآلي. وقد ساهمت هذه الأدوات والتقنيات في تحسين التنبؤ واتخاذ القرارات، مما وضع الأساس لتطورات تقنية مستقبلية. وفي الآونة الأخيرة، وعد الذكاء الاصطناعي التوليدي بتغيير جذري في أساليب العمل، وجعل تجربة الذكاء الاصطناعي متاحة للجميع. يتفاعل المستخدمون الآن مع نماذج الذكاء الاصطناعي، مثل ChatGPT، من خلال "التوجيه"، حيث يتفاعلون ذهابًا وإيابًا مع النموذج. إلا أن هذه المزايا تأتي مصحوبة بتحدٍ جديد: التوجيه السلبي. وهو أشبه بالتصفح العشوائي للمحتوى الإلكتروني دون هدف محدد، مما يوقع المستخدمين في فخ التصفح العشوائي. مع الذكاء الاصطناعي، يصبح هذا التصفح العشوائي بمثابة رد فعل. يؤدي هذا التحسين المستمر لتوجيهات الذكاء الاصطناعي، سواء للنماذج التوليدية أو النماذج الآلية، بدافع السعي لتحقيق أفضل النتائج (وأحيانًا من خلال التوجيه دون هدف محدد)، إلى زيادة التكاليف وتناقص العائدات. إنه يشكل عائقًا كبيرًا أمام النجاح، ويُفقد تقنية الذكاء الاصطناعي جدواها.

مع زيادة الشركات لميزانياتها المتعلقة بالذكاء الاصطناعي، يحتاج صناع القرار إلى فهم مسار تحقيق عوائد حقيقية على استثماراتهم والقيمة التي تُولّدها. تقرير صادر عن معهد مهندسي الكهرباء والإلكترونيات (IEEE) عام 2025، التكاليف الخفية للذكاء الاصطناعي: كيف تتراكم أوجه القصور الصغيرةيوضح هذا كيف يمكن للتعديلات الطفيفة أن تتراكم لتشكل أعباءً اقتصادية كبيرة. ولتجنب الوقوع في هذا الصراع المكلف، يجب على المؤسسات تحسين تدريب موظفيها باستخدام نماذج التعلم الآلي لتحقيق أقصى استفادة من استثماراتها في الذكاء الاصطناعي.

يحمل الذكاء الاصطناعي التوليدي وعداً بالتحسين والكفاءة. ومع ذلك، عندما تقع الفرق في دوامة التحسين المستمر (أو التخبط العشوائي)، فإن عدم الكفاءة يقوض هذا الأساس.

تنظيف "مخلفات العمل"

أحد أسباب سعي الفرق المستمر لتحسين مخرجاتها للوصول إلى استجابة مثالية هو "العمل غير المتقن". وقد وُصف هذا المفهوم لأول مرة في مجلة هارفارد بزنس ريفيو، وهو يشمل "محتوى العمل الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي والذي يتظاهر بأنه عمل جيد ولكنه يفتقر إلى الجوهر اللازم لتحقيق تقدم حقيقي في مهمة معينة".

يُعدّ هذا المحتوى الرديء الناتج عن الذكاء الاصطناعي بمثابة حجر الدومينو الأول في سلسلة طويلة تُؤدي إلى حلقة مفرغة من التحسين المستمر. وبينما يُعدّ تحسين المحتوى دون المستوى المطلوب من خلال التكرار والتعديل أمرًا بالغ الأهمية، فمن الضروري فهم متى يجب التوقف قبل أن يبدأ الأمر في التناقص التدريجي للعائد. يجب على المؤسسات أن تُوازن بدقة بين استثمارها للوقت في تدريب الذكاء الاصطناعي. فمن جهة، ينبغي أن تُدرك الفرق الجودة المطلوبة، ومن جهة أخرى، ينبغي أن تعرف متى يكون الأمر مُبالغًا فيه. كما أن تدريب الموظفين على الاستخدام الأمثل لنماذج الذكاء الاصطناعي من خلال التوجيه الأمثل والأهداف الواضحة سيكون مفيدًا للغاية.

تسخير الذكاء الاصطناعي الوكيل لتجنب التسبب في الهلاك

في السنوات الأخيرة، ازداد اهتمام الشركات واستثماراتها بشكل ملحوظ في الذكاء الاصطناعي الوكيل، المعروف بقدرته على تحسين الكفاءة التشغيلية. يستطيع الذكاء الاصطناعي الوكيل التعامل مع المهام المعقدة، والتنسيق مع عدة وكلاء (بما في ذلك وكلاء RAG ووكلاء الإجراءات) لتحديد مسار العمل، وتنفيذ المهام لإنجاز المهمة الكلية بشكل مستقل.

قد تُساعد هذه الخصائص الذكاء الاصطناعي على التخفيف من حدة التوجيهات المُرهِقة، أو حتى تجنبها تمامًا. وهذا يُغني عن الحاجة إلى توجيه واجهات الجيل الجديد من الذكاء الاصطناعي عبر توجيهات مُتعددة لإنجاز المهمة. ومن الأمثلة على ذلك عمليات تكنولوجيا المعلومات المدعومة بالذكاء الاصطناعي (AIOps)، والتي تُحدث نقلة نوعية في مجال تكنولوجيا المعلومات من خلال دمج الذكاء الاصطناعي في المهام اليومية. ففي السابق، كانت الفرق تُهدر وقتها في ضبط الأنظمة يدويًا. أما اليوم، فتعتمد أقسام القرن الحادي والعشرين على الذكاء الاصطناعي لإدارة الوظائف الحيوية بشكل مستقل، مثل استكشاف الأخطاء وإصلاحها، والاستجابة للحوادث، وتخصيص الموارد.

ومن الأمثلة المناسبة الأخرى كيفية تعامل أنظمة الذكاء الاصطناعي الوكيلة مع الحوادث المعقدة بشكل مستقل. فهذه الوكلاء، إلى جانب فرق عمليات تكنولوجيا المعلومات، قادرة على فهم المشكلة في سياقها، والتنسيق مع وكلاء الاستدلال لتحديد مسار العمل، واستخدام وكلاء التنفيذ لإجراء الإصلاحات النهائية على أنظمة تكنولوجيا المعلومات، وأخيرًا، توظيف وكلاء التعلم لفهم الحل وتطبيقه بشكل أكثر فعالية في الحوادث المستقبلية.

تُسهم الأتمتة الذكية للذكاء الاصطناعي في تقليل التدخل البشري، وتُنجز المهام بشكل مستقل. ولمواكبة متطلبات الأعمال المتغيرة، ينبغي إسناد المهام والعمليات المتكررة إلى الذكاء الاصطناعي المستقل. يُلغي هذا التفويض دورة إعادة التوجيه والتحسين المتكرر التي غالبًا ما تُؤدي إلى نتائج عكسية. تُمكّن العمليات المستقلة نماذج الذكاء الاصطناعي من التحسين المستمر والاستجابة للمتغيرات المتغيرة دون تدخل يدوي، مما يُؤدي إلى نتائج أسرع بأقل قدر من التدخل البشري.

مع أن المتخصصين المدربين سيظلون يؤدون دورًا محوريًا في العمليات اليومية من خلال نهج التدخل البشري، إلا أن وقتهم سيُستغل بشكل أفضل في فحص النتائج والتحقق منها. هذا النهج يقلل من مخاطر حدوث أخطاء أو تعديلات زائدة.

دور الحوكمة في منع التسبب في الهلاك

في الآونة الأخيرة مسح ماكينزيأفاد 88% من المشاركين في الاستطلاع باستخدام الذكاء الاصطناعي في وظيفة واحدة على الأقل من وظائف أعمالهم. ويمثل هذا زيادة بنسبة 10% مقارنةً بعام 2024، وارتفاعًا مذهلاً بنسبة 33% منذ عام 2023. أما بالنسبة للذكاء الاصطناعي الآلي، فقد كانت هذه الزيادة أكثر وضوحًا، إذ ارتفعت النسبة من 33% فقط في عام 2023 إلى ما يقارب 80% في عام 2025.

يدفع هذا الانتشار الواسع النطاق الشركات إلى البحث عن حلول جديدة للتأثير السلبي على نتائج الأبحاث. ومن هذه الأدوات أطر حوكمة متينة. ينبغي تصميم هذه الأطر بعناية لضمان توافق مشاريع الذكاء الاصطناعي مع أهداف العمل، وعدم وقوعها ضحيةً لدائرة التحسين المستمر. عند تطوير هذه الأطر، ينبغي على الفرق مراعاة ما يلي:

• وضع المبادئ التوجيهيةتزداد تعقيداً تدفقات البيانات من وإلى نماذج الذكاء الاصطناعي. ولتبسيط ذلك، ينبغي أن توفر إرشادات الذكاء الاصطناعي إطاراً للفرق للتعامل مع البيانات، واتخاذ القرارات، وإدارة مخرجات الذكاء الاصطناعي بمسؤولية.
• تدريب المستخدمين: يمكن أن يساعد التدريب المناسب على الاستخدام الفوري في تحقيق الإنتاجية المثلى.
• استخدام نماذج متخصصة: من المرجح أن توفر نماذج الذكاء الاصطناعي الخاصة بالصناعة والغرض مخرجات سياقية وذات مغزى بشكل أسرع
• تدريب نماذج الذكاء الاصطناعي: إن تدريب نماذج الذكاء الاصطناعي باستخدام بيانات خاصة بالصناعة/المهمة/المنظمة (حيثما أمكن ذلك) يمكن أن يؤدي إلى تقليل الهدر في العمل والحصول على مخرجات أكثر ملاءمة بشكل أسرع.
• تطوير القواعديُعدّ وضع وتنفيذ مجموعة واضحة من القواعد أمرًا أساسيًا لتوجيه تطوير ونشر الذكاء الاصطناعي. فعندما تحدد الفرق حدودًا تشغيلية، فإنها تضمن توافق الأنظمة المعتمدة مع أهداف المؤسسة ومعاييرها الأخلاقية ومتطلباتها التنظيمية.

بينما يتزايد معدل تبني حلول الذكاء الاصطناعي، فإن الحوكمة لم تشهد نفس القدر من التطور. وفقًا لتقرير صناعة PEX لعام 2025أقل من النصف يجب أن يكون لدى الشركات سياسة حوكمة للذكاء الاصطناعي. في المقابل، كانت 25% فقط في طور تطبيق سياسة كهذه، بينما لم يكن لدى ما يقرب من ثلث الشركات أي سياسة حوكمة للذكاء الاصطناعي. يمكن أن تكون هذه الأطر عاملاً حاسماً في مساعدة الشركات على وضع حدود واضحة لما يُعتبر أداءً مقبولاً.

الهروب من حلقة الهلاك

لتجنب الوقوع في دوامة التلقين المُرهِق، يجب على الشركات تبني استراتيجيات الذكاء الاصطناعي التي تُعطي الأولوية للنتائج على حساب الكمال. يُمكن استخدام التدريب الفوري، ونماذج الذكاء الاصطناعي المُخصصة للأغراض، والنماذج المُدرَّبة على بيانات المؤسسة السياقية، مما يُقلل الحاجة إلى التلقين المُطوّل. تستطيع الشركات التي تُوظِّف الذكاء الاصطناعي الفاعل، وعمليات تكنولوجيا المعلومات المُستقلة، وأُطر الحوكمة القوية، إعادة توجيه الموارد الحيوية نحو تحقيق أهدافها التجارية دون الانشغال بدورات التحسين المُستمرة. سيتحقق النجاح عندما تُغيِّر الفرق طريقة تفكيرها من التحسين المُستمر إلى التركيز على التنفيذ والنتائج القابلة للقياس.