الشركات أعادت بناء كل شيء للذكاء الاصطناعي. باستثناء طريقة اتخاذها للقرارات.

اسأل قادة الأعمال عما يمنح شركتهم ميزة تنافسية، ومن المرجح أن يشيروا إلى البيانات أو التكنولوجيا أو المواهب. نادراً ما سيقولون إن ذلك هو قراراتهم.

ومع ذلك، تتخذ كل شركة آلاف القرارات يوميًا، بدءًا من ما يجب تسعيره، إلى من يجب الاتصال به، وما يجب تخزينه، أو أين يجب الاستثمار، وتظل معظمها بطيئة ومشتتة وتعتمد على وجود الشخص المناسب في الغرفة. لقد أمضت المؤسسات سنوات في الاستثمار في منصات البيانات وبرامج التحليلات ومبادرات الذكاء الاصطناعي لتحسين تلك القرارات، لكن النتائج كانت متفاوتة. مسح ماكينزي لعام 2025 حول حالة الذكاء الاصطناعي وجد أن 88٪ من المستجيبين قالوا إن مؤسساتهم تستخدم الذكاء الاصطناعي بانتظام في وظيفة تجارية واحدة على الأقل، ومع ذلك أبلغ فقط 39٪ عن أي تأثير ملموس على مستوى المؤسسة في الأرباح قبل الفوائد والضرائب (EBIT)، وهو مقياس شائع لهامش التشغيل. لا يلتقط هذا الاكتشاف كل أشكال قيمة الذكاء الاصطناعي، لكنه يوضح الصعوبة الأوسع في تحويل الاعتماد الواسع إلى نتائج تجارية قابلة للقياس.

الذكاء الاصطناعي للقرارات (Decision Intelligence) يهدف إلى سد تلك الفجوة: تحويل عملية اتخاذ القرار نفسها إلى قدرة. فهو يأخذ البيانات والتحليلات والذكاء الاصطناعي التي تمتلكها المؤسسة ويربطها معًا، بحيث تحدث القرارات بصورة أذكى وأسرع وأكثر اتساقًا عبر كامل الأعمال. بدلاً من التركيز على إنتاج المزيد من الرؤى، يركز على ضمان وصول الرؤية الصحيحة إلى القرار الصحيح في اللحظة المناسبة.

يكشف أكثر من عقد من عملي عبر برامج العملاء والبيانات والتحولات أن النمط نفسه يظهر في صناعات وبيئات تشغيل مختلفة: المؤسسات التي تخلق أكبر قيمة من الذكاء الاصطناعي ليست بالضرورة تلك التي تنتج أكبر عدد من الرؤى. بل هي التي تربط تلك الرؤى مباشرةً بالقرارات والإجراءات. وبالمثل، كل قرار يُعلم النظام شيئًا. تصبح النتائج تغذية راجعة، ويتحسن القرار التالي، وعلى مر الوقت تطور المؤسسة ذاكرة مؤسسية تتراكم بدلاً من أن تُعاد ضبطها عند انتهاء الاجتماع.

الرؤية ليست سوى البداية

بالنسبة للعديد من الشركات، ليس توليد الرؤى هو الجزء الأصعب. المهمة الأصعب هي بناء مسار واضح من الرؤية إلى التنفيذ.

قد يرى القادة أين تتشكل الفرص وأين تظهر المخاطر، لكن عملية اتخاذ القرار غالبًا ما تظل دون تغيير لأن المعلومات تتواجد في جزء من المؤسسة بينما السلطة والتنفيذ في جزء آخر.

الشركات التي تكسر هذا النمط تطبق اختبارًا عمليًا على كل نموذج ومقياس وتوصية: ما هو القرار الذي سيُغيّر هذا، ومن سيُنفّذه، ومتى؟ بدون إجابات واضحة، يبقى الناتج تقريرًا وليس أداة لدفع الأعمال إلى الأمام.

هذا الاختبار يغيّر التركيز من تحسين الرؤية إلى تحسين ما يحدث بعد ذلك.

عندما يصبح أذكى شخص في الغرفة عنق زجاجة

عندما يعتمد اتخاذ قرار التسعير على توفر أحد المتخصصين ذوي الخبرة، ينتظر كل قرار دعوة تقويمية، مثل طريق سريع من عشر مسارات يندمج في طريق ذو مسار واحد. كل مؤسسة لديها أشخاص يتمتعون بحكم أفضل من المتوسط، سواء كانوا يعرفون متى يصبح التخفيض عميقًا جدًا، أو أي عميل من المرجح أن يستجيب لعرض ما، أو متى يجب استثناء قرار ما. تُخلق هذه الخبرة قيمة حقيقية، لكنها تتحول إلى عنق زجاجة عندما تعتمد قرارات كثيرة على توفر نفس الشخص.

الذكاء الاصطناعي للقرارات يجعل هذه الخبرة متاحة على نطاق أوسع من خلال دمج النماذج والقواعد التجارية وحكم المؤسسة مباشرةً في الأدوات التي يستخدمها الناس بالفعل. بدلاً من طلب مشاركة المتخصص شخصيًا في كل قرار، تلتقط المؤسسة الأنماط والحدود والمنطق وراء تلك القرارات بحيث يمكن لأفضل تفكير لديها توجيه المعاملات اليومية على نطاق واسع، وليس فقط الحالات التي تُصعد.

الميزة المتراكمة للمؤسسة المتعلمة

قد يتلاشى قرار اللجنة عندما ينتهي الاجتماع، بينما يظل حلقة قرار مصممة جيدًا تتذكر ما تم اتخاذه، وتتابع ما حدث بعد ذلك، وتعيد تغذية تلك النتيجة إلى النموذج والعملية. كل ترقية، عرض احتفاظ، تخصيص، وتدخل يصبح دليلًا يحسن القرار التالي، مما يسمح لحكم المؤسسة بأن يصبح أكثر اتساقًا مع مرور الوقت.

معظم المؤسسات جيدة في تسجيل النتائج، لكن القليل منها يتعلم منها منهجيًا. تُعاد المناقشات نفسها، وتُعاد الاستثناءات، وتُعاد الدروس، بينما تبني المؤسسات التي تتقدم التعلم مباشرةً في عملية اتخاذ القرار بحيث يصبح التحسين مستمرًا وليس متقطعًا.

السماح للذكاء الاصطناعي بالتصرف مع الحفاظ على سيطرة البشر

الحد الفاصل التالي هو الانتقال من التوصيات إلى التنفيذ. يمكن للنماذج التنبؤية الإشارة إلى ما من المحتمل أن يحدث، بينما يمكن للأنظمة الوكيلة أن تتصرف بناءً على ذلك التنبؤ من خلال تحفيز التواصل، أو تعديل التخفيض، أو إعادة موازنة تخصيص، أو بدء الإجراء الأفضل التالي ضمن حدود يحددها الأشخاص.

وفقًا لجارتنر، بحلول عام 2027، سيتم تعزيز أو أتمتة 50٪ من قرارات الأعمال بواسطة وكلاء الذكاء الاصطناعي كجزء من مبادرات الذكاء الاصطناعي للقرارات، لكن الشركة تؤكد أيضًا أن هذه الأنظمة تتطلب حوكمة فعّالة وإدارة مخاطر وإشرافًا بشريًا. هذه النقطة الدقيقة مهمة لأن المؤسسات تحتاج إلى تحديد أي القرارات تستفيد من الأتمتة، وأيها تحتاج إلى موافقة، وأيها يجب أن يظل قيادتها بشرية.

يتحول دور الفريق تدريجيًا إلى تحديد النية، وتعريف الحدود، وإنشاء مسارات التصعيد، والإشراف على النتائج، مما يسمح للناس بقضاء وقت أقل في الموافقة على إجراءات فردية ووقت أكثر في تحديد الحدود التي يعمل ضمنها الذكاء الاصطناعي.

من برامج الذكاء الاصطناعي الضخمة إلى بدء مركز ومراحل

نادراً ما يبدأ الناجحون في اعتماد الذكاء الاصطناعي بتحول شامل على مستوى المؤسسة. يبدأون بقرارين أو ثلاثة يمكن أن تُحسّن فيها الدعوات بشكل واضح، ثم يطابقون مستوى الاستقلالية مع مستوى المخاطرة.

عادةً ما تبدأ القرارات ذات المخاطر العالية في وضعية تعزيز، حيث يقدم الذكاء الاصطناعي توصيات، ويتخذ الناس القرار، وتُبنى كل نتيجة سجل أداء. غالبًا ما تكون القرارات ذات المخاطر المنخفضة والقابلة للعكس هي الأولى التي تتحول إلى أتمتة لأن عواقب الخطأ فيها أسهل في احتوائها والتعلم منها، مما يسمح باكتساب الاستقلالية قرارًا بقرار.

تدعم دراسة PwC لعام 2026 حول أداء الذكاء الاصطناعي هذا النهج. المؤسسات التي تحقق أقوى النتائج المدفوعة بالذكاء الاصطناعي كانت أكثر احتمالًا بـ2.8 مرة أن تكون قد زادت عدد القرارات التي تُتخذ دون تدخل بشري، وفي الوقت نفسه كانت أكثر احتمالًا بشكل كبير أن تكون لديها أطر ذكاء اصطناعي مسؤول وهياكل حوكمة عابرة للوظائف، مما يُظهر كيف يمكن للحوكمة القوية أن تدعم الأتمتة المسؤولة على نطاق واسع.

الذكاء الاصطناعي للقرارات إلى التنفيذ

يصبح الذكاء الاصطناعي للقرارات أسهل فهماً عندما يُنظر إليه من خلال عدسة قرارات تجارية محددة.

في قطاع التجزئة، غالبًا ما تكون القيمة في العروض والتخفيضات: أي المنتجات التي يجب الترويج لها، ومتى يجب الترويج لها، ومدى عمق الخصم. يمكن للنماذج التحسينية المتصلة بإشارات الطلب، ومواقع المخزون، وأهداف الهامش أن توصي أو تعدل العروض ضمن حدود محددة مسبقًا. تقدر شركة Bain أن التغييرات المدعومة بالذكاء الاصطناعي عبر إدارة البضائع، بما في ذلك تحسين العروض، يمكن أن تحسن صافي ربحية تاجر التجزئة بنسبة نقطة إلى نقطتين مئويتين عبر تكلفة البضائع وتكاليف عمليات التجزئة. لا تكمن القيمة فقط في التحليلات الأفضل، بل في تحويل تلك التحليلات إلى آلاف القرارات المتسقة التي تحدث في الوقت المناسب.

في قطاع الاتصالات، غالبًا ما يكون القرار هو الحد من فقدان العملاء. قد يشير نموذج إلى عميل طويل الأمد ارتفعت فاتورته بعد تغيير الخطة، وتواصل مع الدعم مرتين بسبب انقطاع الخدمة، وانخفض استخدامه للتطبيق خلال الشهر الماضي. السؤال التشغيلي أكثر تحديدًا من مجرد ما إذا كان العميل معرضًا للخطر: هل يجب على الشركة حل مشكلة الخدمة أولاً، أم تقديم رصيد على الفاتورة، أم التوصية بخطة أكثر ملاءمة، أم تحويل الحالة إلى أخصائي الاحتفاظ؟ يجمع الذكاء الاصطناعي للقرارات إشارة الخطر مع قيمة العميل، وأهلية العرض، وسجل التواصل، وقواعد القنوات لاختيار التدخل، والوقت، ومستوى المشاركة البشرية الأكثر احتمالًا للاحتفاظ بالعميل دون اللجوء إلى خصم غير ضروري.

في قطاع الرعاية الصحية، القرار الأساسي هو مسار الرعاية: أي تدخل يجب أن يتلقاه المريض ومتى. تتكامل السجلات التاريخية، والإشارات الفورية، والنماذج التنبؤية، وتتبع النتائج لدعم قرارات أكثر اتساقًا حول العلاج، والتواصل، وإدارة الرعاية. عبر هذه الصناعات المختلفة جدًا، قد تكون التقنية متشابهة، لكن القرار الذي تدعمه يحدد أين يظهر الأثر التجاري.

ضبط الأسس بشكل صحيح

لا يعمل أي من ذلك بدون الأسس الصحيحة، والتي هي بقدر ما هي تنظيمية بقدر ما هي تقنية. هناك خمس قدرات تُعَدّ ذات أهمية خاصة عندما تبدأ المؤسسات في تطبيق الذكاء الاصطناعي للقرارات.

السياق التنظيمي والخبرة. أهم مدخل للذكاء الاصطناعي للقرارات غالبًا ما يكون المعرفة المؤسسية: الحكم، الخبرة، والقواعد غير المكتوبة التي توجه أفضل الأشخاص في المؤسسة. على سبيل المثال، قد يوصي نموذج تاجر التجزئة بتخفيض أعمق بناءً على المخزون والطلب، بينما يعرف التاجر الخبير أنه لا يجب تخفيض منتج رئيسي فورًا قبل حملة كبرى أو مطابقة منافس يمتلك مخزونًا مؤقتًا. يساعد توثيق تلك الاستثناءات في منطق القرار والحدود النظام على عكس ما يقترحه البيانات بصورة منفصلة.

بيانات متصلة وقابلة للتنفيذ. وجدت أبحاث Bain لعام 2026 أن 60٪ من التنفيذيين يقولون إن أساس بياناتهم ليس قويًا بما فيه الكفاية و/أو أن تقنيتهم غير جاهزة لتوسيع نطاق الذكاء الاصطناعي بفعالية. لذا فإن أساس بيانات موثوق، سهل الوصول، عالي الجودة، ومتصّل بما فيه الكفاية يُعد شرطًا أساسيًا. يربط الذكاء الاصطناعي للقرارات تلك البيانات بلحظة اتخاذ القرار بحيث يمكن للمؤسسات التحرك بناءً عليها في الوقت الفعلي.

الدمج في سير العمل الحالي. يجب أن تصل القرارات إلى الأنظمة التي يعمل فيها الناس بالفعل أو تُطلق إجراءات تلقائيًا. توفر واجهات برمجة التطبيقات (APIs) والدمج الوكيل ذلك الاتصال النهائي بين النموذج والقيمة التجارية.

حدود للسلطة المستقلة المسؤولة. تسمح الحدود مثل الحد الأدنى للهامش، ومتطلبات الامتثال، ومعايير العلامة التجارية، ومسارات التصعيد للذكاء الاصطناعي باتخاذ قرارات سريعة دون التضحية بالتحكم.

الثقة والحوكمة. تُنشئ المساءلة الواضحة، والقدرة على الشرح، والرقابة، والحوكمة الثقة في القرارات المدفوعة بالذكاء الاصطناعي وتوفر الضوابط اللازمة لتوسيع نطاقها بمسؤولية.

القياس والتعلم. يتطلب الذكاء الاصطناعي للقرارات طريقة واضحة لقياس ما إذا كانت القرارات تُنتج النتائج المرجوة. يخلق ربط الإجراءات بالنتائج حلقات تغذية راجعة تسمح للنماذج والقواعد ومنطق القرار بالتحسن مع مرور الوقت.

إذن، ما التالي؟

المؤسسات التي ستتفوق خلال السنوات القليلة القادمة ستعامل عملية اتخاذ القرار نفسها كقدرة يمكن تصميمها، قياسها، تمكينها بالذكاء الاصطناعي، وتحسينها باستمرار مثل أي وظيفة تجارية أخرى. النماذج تتحسن بسرعة، والعديد من المؤسسات تمتلك بالفعل البيانات التي تحتاجها. التحدي التالي هو ربط تلك البيانات والذكاء بالقرارات بصورة متسقة وعلى نطاق واسع.

مكان جيد للبدء هو تحديد القرارات الأكثر أهمية وفحص كيفية اتخاذها اليوم. إذا كان الجواب يعتمد على من هو موجود في الغرفة، فهنا يبدأ العمل.