قادة الفكر
كسر الدائرة: كيف يمكن للمنظمات تجنب دومبرومبتينج وتحقيق النجاح

النقاط الرئيسيةيمكن لأنظمة الذكاء الاصطناعي الفاعلة التعامل مع المهام المعقدة بشكل مستقل والقضاء على…
عرض المزيد
- يمكن لأنظمة الذكاء الاصطناعي الفاعلة التعامل مع المهام المعقدة بشكل مستقل والقضاء على الإيعازات المتكررة التي تغذي التوجيهات الهدامة.
- يعد إنشاء أطر حوكمة قوية أمراً بالغ الأهمية لمواءمة مشاريع الذكاء الاصطناعي مع الأهداف التجارية ومنع دورات التحسين اللانهائية.
- يساعد تدريب الموظفين على الإيعاز الأمثل وتحديد الأهداف الواضحة في تجنب العمل الرديء وتدني العوائد الناتج عن التنقيح المفرط.
منذ طرح مفهومه النظري في الخمسينيات، فتح الذكاء الاصطناعي (AI) الطريق أمام الشركات لتحقيق فرص وزيادة الإنتاجية من خلال تقنيات مختلفة، خاصة أنظمة التعلم الآلي. حسّنت هذه الأدوات والتقنيات التنبؤات وعمليات اتخاذ القرارات، ووضعت الأسس للتقدمات التقنية في المستقبل. في الآونة الأخيرة، وعد الذكاء الاصطناعي التوليدي بثورة كل ما نعرفه عن العمل ودمقرطة تجربة الذكاء الاصطناعي. يستخدم المستخدمون الآن نماذج الذكاء الاصطناعي مثل ChatGPT، من خلال “التحفيز”، أي صياغة تعليمات يتفاعل الشخص من خلالها مع نموذج الذكاء الاصطناعي بشكل متبادل. ومع ذلك، تأتي هذه المنافع مع تحدي جديد: دومبرومبتينج. هذا يعادل التمرير المستمر على المحتوى عبر الإنترنت بدون هدف محدد، مما يؤدي إلى حصول المستخدمين في حفرة الأرنب. ومع ذلك، فإن حفرة الأرنب تتكلم مع الذكاء الاصطناعي. هذا الفعل من التكرار المستمر لتحسين التحفيز للنماذج التوليدية والوكالة، مدفوعًا بالطموح لتحقيق الإخراج المثالي (وفي بعض الأحيان من خلال التحفيز بدون هدف محدد)، يؤدي إلى زيادة التكاليف والمنافع المتناقصة. يخلق هذا عائقًا كبيرًا للنجاح ويبطل غرض استخدام تكنولوجيا الذكاء الاصطناعي نفسها.
مع زيادة الشركات لميزانياتها المتعلقة بالذكاء الاصطناعي، يحتاج صناع القرار إلى فهم مسار العائدات الحقيقية على استثماراتهم وما هي القيمة التي تولدها. تقرير IEEE لعام 2025، “التكاليف الخفية للذكاء الاصطناعي: كيف تتراكم غير الكفاءات الصغيرة إلى عبء اقتصادي كبير،” يظهر كيف يمكن للتعديلات الصغيرة أن تتراكم إلى عبء اقتصادي كبير. لتجنب أن تصبح جزءًا من هذه النضال المكلف، يجب على المنظمات تحسين تدريب موظفيها باستخدام نماذج اللغة الكبيرة لتحقيق الإمكانات الكاملة لاستثماراتهم في الذكاء الاصطناعي.
يعد الذكاء الاصطناعي التوليدي وعدًا بالتحسين والكفاءة. ومع ذلك، عندما يتعثر الفريق في دورة التحسين المستمر (أو التائه بدون هدف)، فإن عدم الكفاءة يؤثر على هذا الأساس.
تنظيف المحتوى الرديء الناتج عن الذكاء الاصطناعي (Workslop)
أحد الأسباب التي تجعل الفرق تكرر تحسين الإخراج لتحقيق استجابة مثالية هو المحتوى الرديء الناتج عن الذكاء الاصطناعي (workslop). وُصف هذا المصطلح لأول مرة في مجلة هارفارد للأعمال، ويشمل المحتوى الذي ينتجه الذكاء الاصطناعي ويبدو جيدًا ولكنه يفتقر إلى المادة التي يمكن أن تسهم بشكل فعّال في مهمة معينة.
هذا المحتوى الرديء الذي ينتجه الذكاء الاصطناعي هو الأول في سلسلة طويلة من الأحداث التي تخلق دورة دومبرومبتينج. بينما يعد تعديل المحتوى الرديء من خلال التكرار أو التعديل أمرًا مهمًا، يجب على الفريق أن يفهم متى يتوقف، قبل أن يصل إلى نقطة العائدات المتناقصة. يجب على المنظمات أن تتعامل مع استثمارها في الوقت في تدريب الذكاء الاصطناعي بتوازن دقيق. من ناحية، يجب على الفرق أن يكونوا على دراية بالجودة المطلوبة؛ من ناحية أخرى، يجب أن يعرفوا متى يكون الأمر أكثر من اللازم. سيكون تدريب الموظفين على استخدام نماذج الذكاء الاصطناعي بفعالية من خلال صياغة التعليمات المثلى والأهداف الواضحة مفيدًا أيضًا.
استخدام الذكاء الاصطناعي الوكيل لتجنب دومبرومبتينج
في السنوات الأخيرة، زادت الشركات بشكل كبير اهتمامها واستثماراتها في الذكاء الاصطناعي الوكيل، الذي يتميز بقدرته على تحسين الفعالية التشغيلية. يمكن للذكاء الاصطناعي الوكيل أن يؤدي مهام معقدة، ويتعاون مع وكلاء متعددين (بما في ذلك وكلاء التوليد المعزز بالاسترجاع (RAG) ووكلاء الفعل) لتحديد مسار العمل، وتنفيذ المهام بشكل مستقل.
قد تساعد هذه الخصائص الذكاء الاصطناعي على التغلب على دومبرومبتينج، أو تجنبه تمامًا. يمكن أن يزيل هذا الحاجة إلى توجيه واجهات الذكاء الاصطناعي التوليدي من خلال تعليمات متعددة لتحقيق المهمة. مثال على ذلك يمكن أن يكون في عمليات تكنولوجيا المعلومات التي تعمل بالذكاء الاصطناعي (AIOps)، والتي تحديث تكنولوجيا المعلومات عن طريق دمج الذكاء الاصطناعي في المهام اليومية. تقليديًا، يقضي الفرق وقتًا في تعديل الأنظمة يدوياً. يتميز أقسام القرن الحادي والعشرين بتوجيه الذكاء الاصطناعي لتحليل الأعطال والاستجابة للحوادث وتخصيص الموارد بشكل مستقل.
مثال آخر مناسب هو كيف يمكن لأنظمة الذكاء الاصطناعي الوكيل أن تتعامل مع حوادث معقدة بشكل مستقل. هؤلاء الوكلاء، جنبًا إلى جنب مع وكلاء تكنولوجيا المعلومات، قادرون على فهم سياق المشكلة، وتنسيق الإجراءات مع وكلاء التفكير لتحديد مسار العمل، واستخدام وكلاء الفعل لتنفيذ الإصلاحات النهائية على أنظمة تكنولوجيا المعلومات، وأخيرًا، توظيف وكلاء التعلم لفهم الحل وتطبيقه بشكل أكثر فعالية في حوادث مستقبلية.
تساعد الأتمتة الذكية للذكاء الاصطناعي الوكيل في تقليل التفاعل البشري وتنفيذ المهام بشكل مستقل. لتلبية الطلبات التجارية المتطورة، يجب أن يتم نقل المهام المتكررة والعمليات إلى الذكاء الاصطناعي المستقل. يزيل هذا التمكين دورة التكرار المستمر والتحفيز المتكرر التي غالبًا ما تغذي دومبرومبتينج. تسمح العمليات المستقلة للنماذج الذكية بالتحسين المستمر والاستجابة للمتغيرات المتغيرة بدون مدخلات يدوية، مما يؤدي إلى نتائج أسرع مع تدخل بشري أقل.
سيظل المهنيون المدربون يؤدون دورًا محوريًا في العمليات اليومية من خلال نهج يُبقي البشر مشاركين في الإشراف، لكن وقتهم سيُستثمر بصورة أفضل في التحقق من النتائج. ويقلل هذا النهج خطر إدخال أخطاء أو إجراء تعديلات مفرطة.
دور الحوكمة في منع دومبرومبتينج
في استطلاع حديث أجراه مكينسي، أشار 88% من المستجيبين إلى استخدام الذكاء الاصطناعي في واحد على الأقل من وظائف الأعمال. كانت هذه قفزة بنسبة 10% من عام 2024 وزيادة بنسبة 33% منذ عام 2023. بالنسبة للذكاء الاصطناعي الوكيل، كان هذا القفز أكثر إثارة، من 33% فقط في عام 2023 إلى ما يقرب من 80% في عام 2025.
تؤدي هذه الزيادة الواسعة في استخدام الذكاء الاصطناعي الشركات إلى البحث عن حلول جديدة لدومبرومبتينج. واحدة من هذه الأدوات هي إطلاق إطارات الحوكمة القوية. يجب تصميم هذه الإطارات بعناية لضمان أن مشاريع الذكاء الاصطناعي تظل متوافقة مع أهداف الأعمال ولا تقع في فخ دومبرومبتينج. عند تطوير هذه الإطارات، يجب على الفرق أن تأخذ في الاعتبار:
- إنشاء المبادئ التوجيهية: تزداد تدفقات البيانات إلى و من نماذج الذكاء الاصطناعي تعقيدًا بشكل متزايد. لتسهيل هذا، يجب أن تخلق مبادئ توجيهية إطارًا للفرق لتعامل البيانات واتخاذ القرارات وإدارة مخرجات الذكاء الاصطناعي بشكل مسؤول.
- تدريب المستخدمين: التدريب الصحيح في استخدام التحفيز يمكن أن يساهم في تحقيق الإنتاجية المثلى.
- استخدام نماذج متخصصة: من المرجح أن توفر نماذج الذكاء الاصطناعي المخصصة للصناعة أو الغرض مخرجات سياقية ومعنوية بشكل أسرع.
- تدريب نماذج الذكاء الاصطناعي: تدريب نماذج الذكاء الاصطناعي على بيانات محددة للصناعة أو المهمة أو المنظمة (حيثما أمكن) يمكن أن يؤدي إلى تقليل المحتوى الرديء الناتج عن الذكاء الاصطناعي والحصول على مخرجات مناسبة بشكل أسرع.
- تطوير القواعد: صياغة وتنفيذ مجموعة واضحة من القواعد أمر ضروري لتوجيه تطوير وتطبيق الذكاء الاصطناعي. عند وضع الفرق حدود تشغيلية، يضمنون أن الأنظمة المعتمدة تتوافق مع أهداف المنظمة والمعايير الأخلاقية والمتطلبات التنظيمية.
رغم ارتفاع معدل تبني حلول الذكاء الاصطناعي، لم تواكب الحوكمة هذا الارتفاع. ووفقًا لتقرير PEX Industry لعام 2025، فإن أقل من النصف لديهم سياسة لحوكمة الذكاء الاصطناعي. وكان 25% فقط في طور تطبيق سياسة، بينما لم تكن لدى نحو الثلث أي سياسة. وقد تكون هذه الأطر العامل الحاسم لمساعدة الشركات على تحديد حدود واضحة للأداء المقبول.
الخروج من دومبرومبتينج
لتجنب الوقوع في دورة دومبرومبتينج، يجب أن تتبنى الشركات استراتيجيات للذكاء الاصطناعي تعطي الأولوية للنتائج على الكمال. ويمكن للتدريب على صياغة التعليمات، واستخدام نماذج مخصصة لأغراض محددة ونماذج مدربة على بيانات المؤسسة السياقية، أن يقلل الحاجة إلى تكرار التعليمات على نطاق واسع. وتستطيع الشركات التي تستفيد من الذكاء الاصطناعي الوكيلي وعمليات تكنولوجيا المعلومات المستقلة وأطر الحوكمة القوية إعادة تخصيص الموارد الحيوية لتحقيق أهداف أعمالها من دون الغرق في دورات تحسين لا تنتهي. ويتحقق النجاح عندما تنتقل الفرق من عقلية التنقيح المستمر إلى التنفيذ المركّز والنتائج القابلة للقياس.












