يتخذ الذكاء الاصطناعي قرارات كل دقيقة، بينما لا تزال معظم أنظمة الحوكمة تعمل وفق دورة ربع سنوية

يمكن لنظام مدعوم بالذكاء الاصطناعي أن يؤثر في مئات القرارات التشغيلية قبل أن تحدد لجنة توجيهية موعد اجتماعها التالي. لم تُصمَّم الحوكمة القائمة على المراجعات ربع السنوية لمواكبة هذه السرعة، ويبدأ كثير من برامج الذكاء الاصطناعي المؤسسية بالتعثر بسبب هذا التباين.

نقضي وقتًا طويلًا في مناقشة النماذج التي ينبغي اعتمادها. ومع ذلك، تتوقع غارتنر أن تتخلى المؤسسات، حتى عام 2026، عن 60% من مشروعات الذكاء الاصطناعي التي تفتقر إلى بيانات مهيأة للذكاء الاصطناعي. ولا ترتبط معظم إخفاقات الذكاء الاصطناعي في المؤسسات بالنموذج نفسه إلا بقدر ضئيل جدًا؛ بل تنبع من مشكلة أعمق: افتقار المؤسسات إلى فهم موثوق ومتكامل لأعمالها.

التكلفة الخفية للبيانات «المهيأة للذكاء الاصطناعي»

تقلل معظم المؤسسات من حجم الجهد اللازم لترسيخ الملكية والحوكمة والثقة والسياق المرتبط ببياناتها. ولا تستثمر إلا قلة منها في الخبرات المشتركة بين الوظائف ونموذج التشغيل اللازمين لبناء أطر حوكمة توفر الشفافية وقابلية التفسير والمساءلة المطلوبة لتجاوز مرحلة المشروعات التجريبية في استخدام الذكاء الاصطناعي.

ثمة اختبار بسيط أحث العملاء على إجرائه: هل تستطيع المؤسسة أن توضح بجلاء من يملك البيانات، وكيف ترتبط بعمليات الأعمال، وما الضوابط التي تحكم استخدامها، ومن يظل مسؤولًا عن القرارات المدعومة بالذكاء الاصطناعي؟ إن لم تستطع، فمن غير المرجح أن تنجح مبادراتها في مجال الذكاء الاصطناعي، مهما بلغ حجم استثماراتها في المنصات أو البنية التحتية أو النماذج.

ينبغي أن تكون الخطوة الأولى في أي مسيرة مؤسسية نحو الذكاء الاصطناعي هي الاستثمار في الحوكمة ونموذج تشغيل عملي يرسخان بوضوح الملكية والمساءلة وصلاحيات اتخاذ القرار. وما أراه هو أن معظم المؤسسات تفعل ذلك على نحو معكوس، إذ تضع النماذج والبنية التحتية قبل إرساء الأسس اللازمة لتشغيل الذكاء الاصطناعي على نطاق واسع.

لكن القرارات المدعومة بالذكاء الاصطناعي لا تعتمد على نقاط بيانات منفردة فحسب، بل تتوقف أيضًا على فهم صلة المعلومات بعمليات الأعمال والسياسات والملكية والسياق التشغيلي. وعندما تكون هذه الروابط مجزأة، فلا ينبغي للمؤسسات أن تستغرب تضارب توصيات الذكاء الاصطناعي.

عندما تواجه تطبيقات الذكاء الاصطناعي حوادث وشيكة أو إخفاقات أو توصيات متضاربة، تكون الأسئلة المهمة تنظيمية لا تقنية: من يملك البيانات؟ من يملك صلاحية اتخاذ القرار؟ من يستطيع تجاوز توصية الذكاء الاصطناعي؟ وكيف تُرفع الحالات الاستثنائية إلى مستويات أعلى؟ ومن دون إجابات، تخاطر المؤسسات بإنشاء عمليات مؤتمتة من دون مساءلة.

تُبنى الثقة قبل النشر

تترسخ الثقة بالذكاء الاصطناعي قبل وقت طويل من تشغيل أي نموذج. وتتطلب الحوكمة الفعالة تعاونًا بين فرق التقنية ووظائف الأعمال وإدارات المخاطر والشؤون القانونية والامتثال والأمن، لأن أنظمة الذكاء الاصطناعي تعمل عبر الحدود التنظيمية، بينما تظل المساءلة في كثير من الأحيان محصورة في وحدات منفصلة. وكثير من تحديات الحوكمة المنسوبة إلى الذكاء الاصطناعي ليست سوى أعراض لمشكلات أقدم تتعلق بملكية البيانات وصلاحيات اتخاذ القرار، وقد كشفت عنها التقنية فحسب.

لدى معظم المؤسسات بالفعل أنظمة حوكمة تتضمن سياسات أمنية وأطرًا للامتثال وإجراءات للموافقة. لكن ما ينقصها غالبًا هو رؤية متكاملة لكيفية ترابط هذه العناصر.

تترسخ الثقة عندما يفهم أصحاب المصلحة مبررات التوصيات، ويثقون بالبيانات التي تستند إليها، ويعلمون بوجود ضوابط مناسبة وآليات للتصعيد. ولا يمكن إضافة أي من ذلك بأثر رجعي بعد وقوع حادث.

حين تلتقي الحوكمة ربع السنوية بالقرارات المتخذة لحظة بلحظة

تعتمد نماذج الحوكمة التقليدية على المراجعات الدورية واللجان التوجيهية والتقارير اللاحقة. أما الأنظمة المدعومة بالذكاء الاصطناعي فتولّد التوصيات باستمرار وعلى نطاق واسع. والأطر القائمة ليست خاطئة، لكنها بطيئة أكثر من اللازم ومنفصلة عن عملية اتخاذ القرارات التشغيلية. فلا تستطيع دورة مراجعة ربع سنوية أن تحكم قرارات تُتخذ كل ساعة من ساعات اليوم.

أرى أن أكبر النجاحات تتحقق لدى المؤسسات التي تدمج الحوكمة مباشرة في سير العمل التشغيلي، من خلال إنفاذ السياسات ومسارات الموافقة والمراقبة وقابلية التدقيق والإشراف البشري. وقد التزمت هذه المؤسسات بالانتقال من الحوكمة الدورية إلى الحوكمة المستمرة، حتى تتمكن من معرفة البيانات المستخدمة والقرارات التي تتأثر بها والجهة المسؤولة وموعد الحاجة إلى تدخل بشري، وذلك في الوقت الفعلي.

الحوكمة المستمرة أوسع من مجرد مراقبة مخرجات الذكاء الاصطناعي؛ فهي تعني فهم المعلومات التي يستخدمها، والتحقق من استمرار صلاحيتها، والتأكد من توافق القرارات مع سياسات الأعمال وأهدافها.

سيختلف الذكاء الاصطناعي مع نفسه

تتعامل المؤسسات الكبرى يوميًا مع أولويات متنافسة. ففرق الأمن تسعى إلى الحد من المخاطر، وفرق العمليات إلى الحفاظ على الاستقرار، وفرق الأعمال إلى تسريع الإنجاز، فيما تسعى فرق الشؤون المالية إلى كفاءة التكلفة. ثم تأتي أنظمة الذكاء الاصطناعي، المدرَّبة على مجموعات بيانات وأهداف مختلفة، لتعكس تلك الأولويات بطبيعة الحال.

قد يوصي نظام ذكاء اصطناعي أمني بمعالجة ثغرة أمنية حرجة فورًا، في حين يؤجل فريق العمليات التغيير لأن النظام المتأثر يدعم خدمة أساسية للأعمال. وقد يكون كلا الموقفين مبررًا. ويتطلب حل هذه التعارضات تحديدًا واضحًا لصلاحيات اتخاذ القرار، وتعيينًا لمسؤولية المخاطر، ووضع مسارات للتصعيد.

ينبغي أن يوفّر الذكاء الاصطناعي البيانات والسياق والتوصيات، لكن يجب أن تظل مسؤولية الموازنة بين اعتبارات الأعمال والعمليات والمخاطر على عاتق المؤسسة.

التعامل مع التشكيك عند ظهور أوجه عدم الاتساق

عندما يصدر الذكاء الاصطناعي توصية غير متسقة، فمن الواضح أن قطاع الأعمال سيتشكك فيها مستقبلًا. وتُستعاد الثقة عندما يفهم أصحاب المصلحة سبب تقديم التوصية، والبيانات التي استُخدمت، والجهة التي تظل مسؤولة عن النتيجة.

غالبًا ما يكشف الذكاء الاصطناعي عن مشكلات في جودة البيانات، وثغرات في تحديد المسؤوليات، وتضارب في الإجراءات، كانت موجودة أصلًا داخل المؤسسة. ومن الأجدى بكثير التعامل مع هذه اللحظات بوصفها فرصًا لتحسين الحوكمة وإجراءات التشغيل، بدلًا من الدفاع عن التقنية. ومع مرور الوقت، تُكتسب الثقة بالشفافية والاتساق والنتائج الملموسة على مستوى الأعمال.

الأساس المعلوماتي الجدير بالثقة

يميل النقاش حول الاستعداد للذكاء الاصطناعي إلى التركيز على النماذج والبنية التحتية والأدوات. لكن المؤسسات التي تحقق أكبر قدر من النجاح تستثمر عمليًا في أمر أكثر جوهرية: أساس معلوماتي جدير بالثقة. فهذا الأساس يوفر سياق الأعمال الذي يوضح كيفية ارتباط المعلومات بالإجراءات والسياسات وتحديد المسؤوليات والقرارات التشغيلية، ويمنح الذكاء الاصطناعي قاعدة أقوى لتقديم توصيات تستطيع المؤسسات فهمها وإخضاعها للحوكمة والثقة بها.

حتى أكثر نماذج الذكاء الاصطناعي تقدمًا لا يمكنه التعويض عن ضعف حوكمة المعلومات أو غموض المسؤوليات أو قصور سياق الأعمال. وما تحتاج المؤسسات إلى فعله هو بناء السياق والحوكمة والذاكرة المؤسسية وذكاء اتخاذ القرار اللازم لاستخدام الذكاء الاصطناعي بمسؤولية وفعالية وعلى نطاق واسع.

يستغرق هذا العمل وقتًا أطول ويكون أقل وضوحًا من نشر نموذج جديد، لكنه في نهاية المطاف هو ما يحدد ما إذا كان النموذج سيحقق قيمة مستدامة للأعمال.