Jason Wojahn، الرئيس التنفيذي لشركة KMS Technology – سلسلة مقابلات

Jason Wojahn هو الرئيس التنفيذي لشركة KMS Technology، ويتمتع بخبرة تقارب ثلاثة عقود في تأسيس شركات خدمات التكنولوجيا المؤسسية وتنميتها وتوسيع نطاقها. شارك في تأسيس Thirdera وقيادتها قبل استحواذ Cognizant عليها، وسبق له قيادة أعمال ServiceNow العالمية في Accenture، كما شغل مناصب قيادية في Cloud Sherpas وIBM Global Services. ويركز عمله على التحول المؤسسي، ونماذج التشغيل، وتحويل التطورات في الذكاء الاصطناعي إلى نتائج أعمال قابلة للقياس.

KMS Technology شركة متخصصة في الهندسة الرقمية والبيانات والذكاء الاصطناعي، تساعد المؤسسات على تطوير البرمجيات، وتحديث التطبيقات، وتعزيز أسس البيانات، ونشر الذكاء الاصطناعي في بيئات الإنتاج. وتشمل خدماتها الاستشارات التقنية، وهندسة المنتجات، وهندسة البيانات، وأتمتة سير العمل الذكية. في هذه المقابلة، يناقش Wojahn «اقتصاد التنفيذ»، والفجوة بين تجارب الذكاء الاصطناعي الأولية وتطبيقه في بيئات الإنتاج، وصلاحيات اتخاذ القرار الممنوحة للوكلاء، وكيف يمكن للشركات قياس التقدم من خلال النتائج الشاملة من البداية إلى النهاية.

أمضيت ثلاثة عقود في تأسيس مؤسسات التكنولوجيا المؤسسية وتنميتها وتوسيع نطاقها، بدءًا من تنمية Navigis وقيادة أعمال ServiceNow العالمية في Accenture، وصولًا إلى تأسيس Thirdera، وتتولى الآن منصب الرئيس التنفيذي لشركة KMS Technology. كيف شكّلت هذه التجارب رؤيتك للتحول المؤسسي، وما الذي جذبك إلى تحدي مساعدة المؤسسات على تبني الذكاء الاصطناعي بوصفه جزءًا أصيلًا من عملها؟

بدأت مسيرتي في IBM Global Services، حيث توليت إدارة تقديم الخدمات لعملاء مؤسسيين كبار. ثم عملت في Navigis وCloud Sherpas وAccenture وThirdera وCognizant، وكان معظم عملي في منظومة ServiceNow.

هذا هو النمط الذي تكرر أمامي. فقد وعدت كل موجة من المنصات بتحقيق التحول، لكن التكنولوجيا نادرًا ما كانت هي العامل الحاسم في تحديد الفائز. وكانت الشركات الفائزة هي التي غيّرت الطريقة التي ينتقل بها العمل فعليًا عبر المؤسسة.

علّمتني سنوات العمل مع ServiceNow أن القيمة تكمن في سير العمل، لا في لوحات المعلومات. فعلى مدى ثلاثين عامًا، أتقنت برمجيات المؤسسات إخبارنا بما يحدث، لكنها كانت أقل قدرة بكثير على اتخاذ أي إجراء حياله. وسدّ الناس هذه الفجوة، فأصبحوا فريق التكامل غير المدفوع الأجر، ينقلون العمل من نظام إلى آخر.

يغيّر الذكاء الاصطناعي ذلك. فالذكاء أصبح وفيرًا، أما النادر الآن فهو القدرة على تحويله إلى عمل منسق. وهذا ما جذبني إلى KMS: عمق الخبرة الهندسية اللازم لبناء أنظمة تنجز العمل بدلًا من الاكتفاء بتتبعه، والفرصة لأن نصبح مؤسسة تتبنى الذكاء الاصطناعي من صميمها، لا مجرد مؤسسة تُمكّنه.

نجحت مؤسسات كثيرة في إثبات إمكانات الذكاء الاصطناعي من خلال البرامج التجريبية، لكنها تواجه صعوبة في تحويل تلك المكاسب المبكرة إلى قيمة تتحقق على نطاق الإنتاج. ما أبرز العقبات التي تواجهها المؤسسات عادةً عند الانتقال إلى ما بعد التجريب، ولماذا لا تظهر هذه التحديات غالبًا إلا بعد أن تثبت التكنولوجيا جدواها؟

يثبت المشروع التجريبي أن النموذج يعمل، أما الإنتاج فيثبت أن المؤسسة تعمل.

وهذان اختباران مختلفان تمامًا. فالمشروع التجريبي يعتمد على بيانات نظيفة منتقاة بعناية، وراعٍ متحمس، وفريق صغير يتجاوز كل أوجه القصور. فهو مصمم لتفادي الجوانب الصعبة.

أما الإنتاج فلا يمكنه تفاديها. فعلى الوكيل الآن الوصول إلى خمسة أنظمة بدلًا من نظام واحد. ولا بد أن يتحمل أحدهم مسؤولية النتيجة عندما يخطئ الوكيل، وأن يحدد ما يُسمح له بالموافقة عليه، وأن يتحمل تكلفة تشغيله يوميًا.

لهذا تظهر هذه التحديات بعد أن تثبت التكنولوجيا جدواها. فهي لم تكن يومًا مشكلات تقنية، بل مشكلات تتعلق بالبيانات والتكامل والملكية والصلاحيات، وقد صُمم المشروع التجريبي لتجاوز كل واحدة منها.

يكمن الحل في التوقف عن التعامل مع المشاريع التجريبية على أنها عروض توضيحية، واعتبار المشروع التجريبي المرحلة الأولى من الإنتاج. اختر سير عمل مهمًا، واربطه بالأنظمة الفعلية، وحدد المسؤول عنه، وبيّن ما يمكن للوكيل أن يقرره منذ اليوم الأول. قد يكون البدء أبطأ، لكن التوسع سيكون أسرع بكثير.

تحدثت عن التحول نحو «اقتصاد التنفيذ»، حيث تعتمد الميزة التنافسية باطراد على قدرة المؤسسة على تحويل الذكاء إلى عمل منسق. ماذا يعني هذا المفهوم عمليًا، وكيف يغيّر الطريقة التي ينبغي للمؤسسات أن تتبعها في استثمارات الذكاء الاصطناعي؟

يمر كل عمل بالسلسلة نفسها: المعلومات، والرؤية، والقرار، والتنفيذ.

أمضت برمجيات المؤسسات عقودًا في التركيز على المرحلتين الأوليين، فيما يعمل الذكاء الاصطناعي على تحسين المراحل الثلاث الأولى بسرعة. أما التنفيذ، فلا تزال معظم المؤسسات عالقة عنده، وهو المجال الذي تنتقل إليه الميزة التنافسية.

عمليًا، يعني اقتصاد التنفيذ أن الذكاء لم يعد المورد النادر، بل أصبح إنجاز العمل هو النادر. قد تمتلك شركتان النماذج نفسها والبيانات نفسها والرؤى نفسها، لكن الفائزة هي التي تحوّل تلك الرؤى إلى عمل منسق، بصلاحيات واضحة ومسار تدقيق.

وهذا يغيّر طريقة الاستثمار. فمعظم ميزانيات الذكاء الاصطناعي اليوم تُنفق على الأدوات، مثل المساعدات الذكية والمساعدين وأدوات البحث الأفضل. وهي تجعل الأفراد أسرع، لكن المقترح الذي تعدّه أداة ذكاء اصطناعي في عشر دقائق قد يظل في انتظار الموافقة ثلاثة أيام. إن إنجاز المهام بسرعة أكبر لا يعني تحقيق النتائج بسرعة أكبر.

لذا، ينبغي تمويل مسارات العمل لا الأدوات، والبدء بطرح سؤال مختلف: ليس «كيف نجعل هذا الموظف أكثر إنتاجية بنسبة 20%؟»، بل «ما العمل الذي ينبغي ألا يتطلب بعد الآن تنسيقًا بشريًا؟»

مع تطور الذكاء الاصطناعي من مساعدة الموظفين في مهام فردية إلى تنفيذ سير العمل بالكامل بصورة مستقلة، كيف ينبغي للمؤسسات إعادة التفكير في عملياتها الحالية وهياكل صنع القرار ونماذج المساءلة؟

صُممت معظم عمليات المؤسسات بما يتناسب مع حدود القدرات البشرية. ولأن المعلومات كانت تنتقل ببطء، أنشأنا الاجتماعات. ولأن القرارات كانت تحتاج إلى إشراف، أنشأنا سلاسل الموافقات. وكثير مما نسميه عمليات ليس في الواقع سوى عمليات تسليم بين الأشخاص.

إذا أتمتت ذلك بصورته الحالية، فأنت تؤتمت الهيكل التنظيمي. ستحصل على عمليات تسليم أسرع، لا على عدد أقل منها.

تبدأ إعادة التفكير بالقرارات، لا بالمهام. ارسم خريطة القرارات التي يتضمنها كل سير عمل. ما القرارات التي يمكن للوكيل أن يوصي بها؟ وما الذي يمكنه أن يقرره؟ وما الذي يمكنه تنفيذه بمفرده؟ ومتى يجب أن يتدخل شخص؟

تُمنح الصلاحيات للقرارات، لا لسير العمل بأكمله. فقد يُمنح الوكيل ثقة كاملة لتسوية فاتورة، مع حاجته إلى موافقة شخص على أي دفعة تتجاوز حدًا معينًا.

لا تختفي المساءلة، بل تصبح أوضح. يتحمل البشر والوكلاء مسؤولية التنفيذ معًا: يتولى الوكلاء إنجاز العمل، ويحدد الأشخاص الصلاحيات، ويتعاملون مع الحالات الاستثنائية، ويتحملون مسؤولية النتائج. ويجب أن يكون لكل وكيل مسؤول محدد بالاسم، وأن يكون كل إجراء قابلًا للتتبع، وقابلًا للتراجع عنه حيثما أمكن.

يتحول دور القيادة من تنسيق العمل إلى تصميم الأنظمة التي تنفذه.

تركزون في KMS Technology على تحويل الهندسة الرقمية التقليدية إلى تنفيذ مؤسسي أصيل للذكاء الاصطناعي. كيف يبدو هذا التحول داخل الشركة، وكيف تتبع KMS نهجًا لدمج الذكاء الاصطناعي ومنصات البيانات والتنسيق الذكي لسير العمل من أجل تحقيق نتائج أعمال قابلة للقياس؟

نطبق هذا النهج على أنفسنا أولًا. نشأت KMS كشركة للهندسة الرقمية. أما فصلنا التالي فيتمثل في التنفيذ المؤسسي الأصيل للذكاء الاصطناعي: البناء والتحديث والتشغيل، مع تولي البشر والوكلاء مسؤولية التنفيذ معًا. وتظهر النتائج في الوقت والجهد:

البناء. أرادت Evergreen Telehealth إنشاء منصة للرعاية الصحية عن بُعد تستند إلى الذكاء الاصطناعي الوكيلي ومعيار FHIR للبيانات الصحية، ولم تكن في السوق أي منصة مماثلة. وباتباع نهج أصيل للذكاء الاصطناعي، مع دمج Claude في مراحل تحديد المتطلبات والتصميم والبناء والاختبار، أنجز فريقنا ومهندسو Evergreen المنصة الأساسية، من الفكرة إلى الإنتاج، خلال 75 يوم عمل. وشمل ذلك ثلاثة تطبيقات (للويب وiOS وAndroid)، وأربعة تكاملات مباشرة (السجل الصحي الإلكتروني، والتحقق من الهوية، والمدفوعات، والصيدلة)، ووكيلين قيد التشغيل في بيئة الإنتاج. كان النهج بقيادة البشر ومدعومًا بتسريع الذكاء الاصطناعي. أعدّ الوكلاء قصص المستخدمين، وولّدوا الشيفرة، وأجروا الاختبارات. وتولى المهندسون مسؤولية البنية، ومواءمة البيانات السريرية، وكل قرار مهم.

التحديث. ومن الأمثلة الأخرى شركة برمجيات بحرية احتاجت إلى استبدال منصة كانت تشغّلها محليًا لأكثر من 20 عامًا. ولم يكن بوسعها تبرير إعادة بناء تقليدية طويلة قبل أن يرى المستثمرون تقدمًا، لذا نفذنا مشروع تطوير قائمًا على الوكلاء ومحددًا بستة أسابيع. أُدرجت متطلبات العميل في السياق، فبنى الوكلاء وفقًا للمواصفات بدلًا من الاكتفاء بتوليد الشيفرة. وأنجز الفريق ما بين 35 و45 في المئة من نطاق المنتج الأولي القابل للتطبيق (MVP) في نحو 800 ساعة عمل للفريق، مقارنة بتقدير أولي يتراوح بين 6,000 و8,000 ساعة. وكتب الوكلاء الشيفرة وأكثر من 5,000 اختبار وحدات. ووضع المهندسون الضوابط الحاكمة وقيّموا الجودة.

التشغيل. ومنذ ذلك الحين، وسّعت Evergreen بنية الوكلاء لتشمل مختلف أقسام الشركة، مع وكلاء إشرافيين يراقبون النظام وأشخاص ضمن حلقة العمل لتقييمه وإصلاحه.

لا تقتصر إنجازاتنا على كتابة الشيفرة بسرعة أكبر، بل نغيّر حجم العمل الذي يستطيع الفريق إنجازه.

في الحالات الثلاث، يتولى البشر والوكلاء مسؤولية التنفيذ معًا. ويتعامل الوكلاء مع الأعمال المتكررة، فيما تتحمل فرق مهندسينا وفرق عملائنا مسؤولية القرارات والاستثناءات والنتائج.

يتيح لنا هذا التحول أيضًا تحقيق أثر أكبر في تقديم الخدمات. وهذا هو الفرق بين تقديم الخدمات بمنهج أصيل للذكاء الاصطناعي وتقديمها بدعم من الذكاء الاصطناعي.

تعتمد أنظمة الذكاء الاصطناعي المؤسسية بشكل متزايد على الوصول إلى المعلومات عبر تطبيقات قديمة متفرقة ومنصات سحابية وبيئات بيانات. ما حجم تحدي ربط هذه الأنظمة، وما الأسس المعمارية التي ينبغي للمؤسسات إرساؤها قبل محاولة نشر سير عمل مدعوم بالذكاء الاصطناعي على نطاق واسع؟

هذا هو التحدي المحوري. فمعظم المؤسسات لا تواجه مشكلة في الذكاء الاصطناعي، بل مشكلة في تشتت الأنظمة والبيانات، وهي مشكلة جعلها الذكاء الاصطناعي مستحيلة التجاهل.

انظر إلى طريقة إنجاز العمل اليوم. يبحث شخص عن معلومة في تطبيق، ويتابع طلب موافقة في تطبيق آخر، ثم ينسخ النتيجة إلى تطبيق ثالث. فالأشخاص هم طبقة التكامل. ولا يستطيع الوكيل إنجاز هذا العمل ما لم يتمكن من الوصول إلى تلك الأنظمة وفهم السياق والتصرف بالصلاحيات المناسبة.

لذلك، تكتسب الأسس أهمية تفوق أهمية النموذج. وهناك أربعة أسس تأتي أولًا:

• بنية بيانات حديثة تتيح للوكلاء الاستناد إلى سياق موثوق
• طبقة تكامل تمكّن الوكلاء من تنفيذ الإجراءات عبر الأنظمة، لا الاكتفاء بقراءة بياناتها
• هوية وصلاحيات مصممتان للوكلاء، لا للأشخاص وحدهم
• مراقبة تتيح لك معرفة ما فعله كل وكيل وأسباب ذلك

كما أن حزمة التقنيات تتقلص. ف منصات البيانات تتحول إلى منصات تشغيلية، ومنصات سير العمل تصبح ذكية، والتطبيقات تصبح بلا واجهة. وإذا كان سير العمل قادرًا على الانتقال عبر حزمة التقنيات، فلماذا يُضطر المستخدم إلى ذلك؟

لا تنتظر بنية مثالية. اختر سير عمل مهمًا وحدّث كل ما يتصل به، ثم انتقل إلى سير العمل التالي.

حين تبدأ وكلاء الذكاء الاصطناعي باتخاذ القرارات وتنفيذ الإجراءات في مختلف عمليات الأعمال، تزداد أهمية المسائل المتعلقة بالحوكمة والمساءلة والإشراف البشري. كيف ينبغي للمؤسسات تحديد القرارات التي يمكن تفويضها إلى الذكاء الاصطناعي وتلك التي يجب أن تظل تحت إشراف البشر؟

أبدأ بتغيير السؤال. فبدلًا من «هل يستطيع الذكاء الاصطناعي فعل ذلك؟»، وهو سؤال تتزايد الإجابة عنه بالإيجاب، ينبغي أن نسأل: «من منحه الإذن بالتصرف؟»

القدرة على التصرف وإمكانية الوصول لا تعنيان امتلاك الصلاحية. فعندما يستطيع وكيل الموافقة على ردّ المبالغ، أو تغيير جدول الإنتاج، أو الالتزام بإنفاق، لا بد أن يضع أحدهم حدودًا لذلك.

ومن الاختبارات العملية النظر إلى التكلفة وإمكانية التراجع. فالقرار الذي يتكرر بكثافة، ويستند إلى قواعد، ويسهل التراجع عنه، مرشح قوي للتفويض. أما القرار شديد التأثير أو الذي لا رجعة فيه أو الذي يحدد طبيعة العلاقة مع العميل، فينبغي أن يظل بيد شخص.

وينبغي أيضًا أن يُكتسب التفويض تدريجيًا. ابدأ بأن يقدم الوكلاء التوصيات ويوافق عليها شخص. ومع تراكم الأدلة، انتقل بهذا الشخص من الموافقة على كل إجراء إلى الإشراف على النظام والتعامل مع الحالات الاستثنائية.

ليس الهدف وجود إنسان في كل حلقة، بل وجوده في الحلقات المناسبة. توفر البيانات السياق، وتستدل النماذج، وينفذ الوكلاء، بينما يحدد الأشخاص الصلاحيات ويتحملون تبعات القرارات.

قدتَ أعمالًا كبرى لمنصات المؤسسات في Accenture وCognizant، حيث تطلب توسيع نطاق العمليات مواءمة التكنولوجيا والأفراد والعمليات في مؤسسات عالمية. ما الدروس المستفادة من تلك التجارب التي يمكن تطبيقها على جهود التحول إلى الذكاء الاصطناعي اليوم، ولا سيما عندما تصبح مقاومة المؤسسة أو نماذج التشغيل القديمة عائقًا أكبر من التكنولوجيا نفسها؟

تعلمت من التكامل أكثر من أي شيء آخر. ففي Cloud Sherpas، ثم Accenture ولاحقًا Cognizant، أمضيت سنوات في توحيد المؤسسات. وكان لا بد من أن تعمل الثقافات ونماذج تقديم الخدمات والحوافز والمناطق المختلفة جميعها كمنصة أعمال واحدة.

نادراً ما كانت التكنولوجيا هي العائق؛ بل كان نموذج التشغيل هو العائق.

هناك ثلاثة دروس تنطبق مباشرة على التحول إلى الذكاء الاصطناعي.

أولًا، غالبًا ما تكون المقاومة منطقية. فالناس يحمون ما يُقيَّمون على أساسه. وإذا أدخلت الوكلاء بينما لا تزال تقيس أداء الفرق بالساعات وعدد الموظفين ومستوى النشاط، فستحصل على امتثال شكلي لا على تغيير. غيّر معايير القياس، وسيتبع ذلك تغير السلوك.

ثانيًا، يجب تحديد صلاحيات اتخاذ القرار بوضوح. ففي كل عملية تكامل، كانت أصعب النقاشات تدور حول من يقرر ماذا. ويجعل الذكاء الاصطناعي هذا السؤال حتميًا، لأن بعض أصحاب القرار لم يعودوا بشرًا.

ثالثًا، وضّح ما سيبقى على حاله. يتقبل الناس التغيير على نحو أفضل حين يفهمون أسبابه ويعرفون ما لن يتغير.

التحول إلى الذكاء الاصطناعي هو تغيير في نموذج التشغيل، وإن كان يتضمن التكنولوجيا. وسيصاب القادة الذين يتعاملون معه على أنه مجرد إطلاق برنامج بخيبة أمل.

غالبًا ما تركز مقاييس نجاح الذكاء الاصطناعي التقليدية على معدلات الاعتماد وتحسين الإنتاجية والوقت الموفّر. فما المقاييس التي ينبغي أن يعطيها المسؤولون التنفيذيون الأولوية لتحديد ما إذا كان الذكاء الاصطناعي يحسّن تنفيذ الأعمال فعليًا؟ وكيف يمكن للمؤسسات التمييز بين مكاسب الكفاءة التدريجية والتحول التشغيلي الحقيقي؟

معدلات الاعتماد والوقت الموفّر من مقاييس المدخلات؛ فهي تخبرك بأن الناس يستخدمون الأداة، لا بأن الأعمال تسير بوتيرة أسرع.

إذا وفّر مهندس ساعتين، لكن الإصدار ظل ينتظر أسبوعًا للمراجعة، فلن يتغير شيء بالنسبة إلى العميل. إنجاز المهام بسرعة أكبر لا يعني تحقيق نتائج أسرع.

سأعطي الأولوية لثلاثة أنواع من المقاييس:

• الوقت من الحاجة إلى النتيجة: المدة التي يستغرقها تحويل الطلب إلى نتيجة، من البداية إلى النهاية.
• مواضع انتظار العمل: الوقت الذي تستغرقه القرارات، وعمليات التسليم، وفترات الانتظار بين الفرق.
• العمل من دون تنسيق: مقدار سير العمل الذي يُنجز من دون تنسيق بشري، مع بقاء تركيز الأشخاص على التقدير والحالات الاستثنائية.

ثم اربط هذه المقاييس بأداء الأعمال: تكلفة تقديم الخدمة والجودة والإيرادات.

اختبار التحول بسيط: هل أُنجزت المهمة بسرعة أكبر، أم تغيرت بنية سير العمل؟ تجعل المكاسب التدريجية العملية نفسها أسرع، أما التحول فيزيل الخطوات وعمليات التسليم والموافقات التي لم تعد ضرورية.

قِس الوقت من الحاجة إلى النتيجة. وحدد مواضع انتظار العمل. ثم غيّر ما يجعله عالقًا هناك.

بالنظر إلى السنوات الثلاث إلى الخمس المقبلة، كيف تتوقع أن تتطور العلاقة بين الذكاء الاصطناعي وبرمجيات المؤسسات والعاملين من البشر؟ وهل تتصور مستقبلًا تحل فيه الأنظمة المصممة أساسًا للذكاء الاصطناعي محل سير العمل المؤسسي التقليدي جذريًا؟ وما الذي ينبغي لقادة الأعمال فعله اليوم للاستعداد لهذا التحول؟

على مدى ثلاثين عامًا، كانت برمجيات المؤسسات تخبرنا بما يحدث. وخلال السنوات الثلاث إلى الخمس المقبلة، ستتولى هذه البرمجيات العمل بنفسها على نحو متزايد.

ما سيحلّ الذكاء الاصطناعي محله هو التنسيق: الملاحقة والنسخ والتسليم والمتابعة، وهي مهام تستغرق معظم يوم الناس. وسيتجه الناس إلى إصدار الأحكام والتعامل مع الحالات الاستثنائية وبناء العلاقات وتحمل مسؤولية النتائج. وهذا توظيف أفضل للخبرة البشرية، لكنه يتطلب قدرات جديدة، وعلى القادة تنميتها عن قصد.

ما الذي ينبغي للقادة فعله اليوم؟ اختاروا سير عمل واحدًا ذا أثر مهم، وحددوا القرارات التي يتضمنها. عالجوا مشكلات البيانات التي يستند إليها. وحددوا القرارات التي يُسمح للوكيل باتخاذها، وسمّوا الشخص المسؤول عن النتيجة. ثم انتقلوا إلى سير العمل التالي.

الشركات التي تتعامل مع الذكاء الاصطناعي بوصفه أداة ستحقق الكفاءة. أما الشركات التي تعيد تنظيم أعمالها حوله فستحقق أثرًا مضاعفًا. الذكاء الاصطناعي ليس الاستراتيجية؛ بل التنفيذ.

شكرًا على هذه المقابلة الرائعة. ويمكن للقراء الراغبين في استكشاف تنفيذ الأعمال في المؤسسات المعتمدة على الذكاء الاصطناعي، وسير العمل الذكي، والانتقال من المشروعات التجريبية للذكاء الاصطناعي إلى الإنتاج، زيارة KMS Technology.