توسيع نطاق الذكاء الاصطناعي لا ينبغي أن يعني إعادة بناء أسس البيانات في كل مرة

مع اقتراب موسم التخطيط لعام 2027، تعود الاستثمارات في الذكاء الاصطناعي إلى صدارة نقاشات الإدارة التنفيذية العليا في الشركات. وأظهر استطلاع Akeneo الأخير لصنّاع القرار في مجال تكنولوجيا المعلومات أن 93% أفادوا بتحقيق مكاسب في الإنتاجية بفضل الذكاء الاصطناعي، فيما قال 43% إن الذكاء الاصطناعي أضاف أيضًا مسؤوليات جديدة إلى أدوارهم.

تُبرز هذه النتائج حجم العمل التأسيسي الكبير اللازم لإطلاق مشروعات الذكاء الاصطناعي. ويشكّل إعداد البيانات، على وجه الخصوص، جزءًا كبيرًا من هذا العمل. فمن بين قادة تكنولوجيا المعلومات الذين شملهم استطلاع Akeneo، قال 36% إن مؤسساتهم تنفق أكثر من نصف إجمالي الجهد المخصص لمشروع ذكاء اصطناعي على إعداد البيانات. وأفاد 53% آخرون بأنهم ينفقون ما بين 26% و50% من الجهد المخصص لمشروعات الذكاء الاصطناعي على إعداد البيانات. ورغم ضرورة هذا الإعداد، تكمن الفرصة في ضمان إمكانية إعادة استخدام العمل المنجز لنشر أحد حلول الذكاء الاصطناعي دعمًا لنشر الحل التالي.

قد يزيل الذكاء الاصطناعي بعض المهام في جانب من جوانب الأعمال، لكنه قد ينشئ في الوقت نفسه مجموعة مختلفة من المهام لفرق تكنولوجيا المعلومات، إذ تهيئ البيانات وتعيد بناء السياق مع كل عملية نشر جديدة. وتتمثل الفرصة الآن في جعل قدر أكبر من هذا العمل قابلًا لإعادة الاستخدام، بحيث تستند كل عملية نشر إلى سابقتها بدلًا من البدء من الصفر.

السياق البشري في صميم الذكاء الاصطناعي

يظل البشر محورًا أساسيًا في جميع المشروعات التجريبية لِلذكاء الاصطناعي وعمليات نشره. وتشارك فرق تكنولوجيا المعلومات في جميع مراحل دورة حياة التقنيات الجديدة، بدءًا من فهم احتياجات الأعمال وتقييم الحلول، وصولًا إلى التنفيذ والتدريب وتطوير العمليات والأمن المستمر. ومع مرور الوقت، قد لا توثّق الفرق الاستثناءات والقواعد غير المكتوبة التي تصادفها، بما في ذلك الحالات التي يُعرَّف فيها المصطلح نفسه على نحو مختلف بين الأنظمة. وغالبًا ما يتحول هذا السياق إلى معرفة مؤسسية يحتفظ بها أفراد الفريق، بدلًا من أن يكون معلومات تستطيع المؤسسة الأوسع نطاقًا الوصول إليها على نحو موثوق.

قد يستمر هذا العمل إلى أن يتعذر الوصول إلى الشخص الذي يعرف الإجابة. فعندما ينتقل الموظفون إلى أدوار أخرى، أو يغادرون المؤسسة، أو لا يكونون متاحين ببساطة عند ظهور مشكلة، يضيع السياق. ويتيح توثيق تلك المعرفة في صيغة منظمة يمكن الوصول إليها رقميًا الاستفادة منها خارج نطاق أي شخص بعينه. كما يمكّن الفرق من الاحتفاظ بملكية خبراتها، مع ضمان إمكانية الوصول إلى المعرفة وإعادة استخدامها على مستوى المؤسسة، بدلًا من اكتشافها من جديد مع كل عملية نشر.

البيانات الجيدة ليست دائمًا جاهزة للذكاء الاصطناعي

قد يكون من المغري وصف كل هذا بأنه مشكلة أخرى تتعلق بجودة البيانات، لكن أبحاث Akeneo تشير إلى أن الأمر أكثر تعقيدًا. إذ يقيّم 92% من قادة تكنولوجيا المعلومات بيانات المنتجات والبيانات التشغيلية التي تستخدمها أنظمة الذكاء الاصطناعي لديهم على أنها جيدة أو ممتازة. رغم أن الغالبية العظمى تنفق أكثر من ربع إجمالي الجهد المخصص لمشروع ذكاء اصطناعي على إعداد البيانات.

لا تضمن جودة البيانات أنها جاهزة للذكاء الاصطناعي، ولا سيما أن ما يُعد «جيدًا» قد يتوقف على الجهة أو النظام الذي يستخدم البيانات. فالنماذج والوكلاء يحتاجون إلى أكثر من مجرد معلومات دقيقة؛ إذ عليهم فهم مصدر البيانات، وكيفية ارتباطها بالمعلومات الأخرى، والمصدر الذي له الأولوية، والظروف التي يجوز فيها استخدامها. وقد يسهل إغفال هذه القواعد لأنها غالبًا ما تكون ضمنية في أساليب العمل التي اعتادت عليها الفرق ذات الخبرة.

وتؤكد أبحاث McKinsey الأخيرة حول جاهزية البيانات للذكاء الاصطناعي أهمية السياق بالقدر نفسه. فليست كل المعلومات ذات قيمة للنماذج أو الوكلاء. لكن عندما تكون المعلومات ذات قيمة، يجب أن يكون سياقها قابلًا للنقل. وعندما تنتقل المعلومات إلى خارج مصدرها الأصلي، يجب أن تظل أصولها وعلاقاتها بالبيانات المحيطة واضحة، كيلا يضيع معناها.

هنا تبدأ بنية الذكاء الاصطناعي الأساسية في اكتساب أهمية لا تقل عن أهمية النموذج نفسه. فعلى خلاف البرمجيات التقليدية، تستطيع نماذج اللغة الكبيرة غالبًا العمل عبر بيانات مجزأة وأنظمة غير مترابطة، حتى عندما تختلف بنية المعلومات أو تسمياتها بين المصادر. كما يمكنها تحديد علاقات لم يسبق تعريفها صراحةً. لكن التحدي الأكبر يتمثل في غياب البيانات من الأساس. فعندما تعمل النماذج والوكلاء عبر الأنظمة، لا بد أولًا من وجود المعلومات والسياق اللازمين وإمكانية الوصول إليهما.

وخلصت أبحاث PwC لعام 2026 حول فجوة تنفيذ الذكاء الاصطناعي إلى أن التكامل لا يزال السبب الرئيسي لعدم بلوغ الاستثمارات التقنية التوقعات. ويستغرق ربط شبكة واسعة من البيانات غير المهيكلة وقتًا، ما يؤدي غالبًا إلى إبطاء المشروعات قبل أن تصل إلى مرحلة النشر الكامل.

يمكن أن يجعل العمل اللازم لحل هذه المشكلات في تنفيذ أحد المشروعات عملية التنفيذ التالية أيسر.

بنية تحتية للذكاء الاصطناعي قابلة لإعادة الاستخدام

في مشروع واحد للذكاء الاصطناعي، يمكن إنجاز جانب كبير من هذا الإعداد في الخلفية. فتعمل فرق تكنولوجيا المعلومات على معالجة أوجه التضارب، وتهيئة المعلومات التي يحتاج إليها التطبيق، وربطه بأنظمة أخرى لنقل المشروع إلى مرحلة الإنتاج.

تكمن المشكلة عندما لا يعالج هذا العمل سوى حالة الاستخدام الآنية. سيظل إعداد البيانات جزءًا من نشر الذكاء الاصطناعي، لكن ينبغي أن يستمر أثر جانب كبير من هذا الجهد. فإذا اكتشف فريق أن الحقل أو المصطلح نفسه يحمل معاني مختلفة في نظامين، ينبغي أن تؤدي معالجة هذا الالتباس إلى وضع تعريف يمكن للتطبيقات المستقبلية إعادة استخدامه. وإذا حدد الفريق المصدر الذي ينبغي الوثوق به عند تعارض الأنظمة، فينبغي أن يستمر العمل بهذا القرار في عمليات النشر المستقبلية.

وينطبق المبدأ نفسه على عمليات التكامل. فبدلًا من إنشاء مسار جديد للوصول إلى المنتجات والمعلومات لكل نموذج أو وكيل، ينبغي للمؤسسات وضع أساليب موحّدة تمكّن أنظمة الذكاء الاصطناعي من العثور على المعلومات الموثوقة واستخدامها.

قد يظل التنفيذ الأول يتطلب عملًا كبيرًا، إذ تكشف الفرق عن تعريفات وعلاقات واستثناءات كانت في السابق جزءًا من خبرات الأفراد. ويمكن البناء على هذا الجهد مع تزايد ترسّخ المعرفة المؤسسية ضمن البنية التحتية للمؤسسة. وقد تستفيد عمليات النشر المتعاقبة من ذلك العمل، ويتوقف مدى الاستفادة على مقدار القواسم المشتركة بين بياناتها وحالات استخدامها.

تزداد أهمية ذلك مع تجاوز الذكاء الاصطناعي مرحلة توليد الإجابات وبدئه باتخاذ إجراءات عبر أنظمة المؤسسة. وتسلّط مبادرة NIST لمعايير وكلاء الذكاء الاصطناعي الضوء على أهمية تمكّن الوكلاء من التفاعل بأمان مع البيانات الداخلية والأنظمة الخارجية. ومع تولّي الوكلاء مزيدًا من المسؤوليات وتفاعلهم مع عدد أكبر من الأنظمة والنماذج، يتعين على المؤسسات ضمان تهيئة السياق والضوابط المناسبة لكل حالة استخدام، من دون الحاجة إلى البدء من جديد بالكامل.

يجب أن تصبح الحوكمة جزءًا من بيئة التشغيل

تتطلب البنية التحتية القابلة لإعادة الاستخدام حوكمةً قابلةً لإعادة الاستخدام أيضًا. ووجد مسح EY لمخاطر الذكاء الاصطناعي وحوكمته لشهر سبتمبر 2026 أن 91% من كبار المسؤولين التنفيذيين في مجال الذكاء الاصطناعي قالوا إن مؤسساتهم تختبر الذكاء الاصطناعي القائم على الوكلاء أو تنشره، ومع ذلك قال 49% من المشاركين الذين تستخدم مؤسساتهم الوكلاء إن أطر الحوكمة القائمة لم تُحدّث لتلبية متطلبات الذكاء الاصطناعي القائم على الوكلاء ومخاطره على وجه التحديد.

كلما تولّى الذكاء الاصطناعي مسؤوليات أكبر ضمن عملية تجارية، وجب أن تصبح القواعد الناظمة لهذه العملية جزءًا من بيئة عمله. فقد يتمكن الوكيل من الوصول إلى معلومات معينة بشكل مستقل، في حين قد تتطلب مراحل أخرى من العملية مراجعة بشرية أو موافقة قبل أن يتمكن من المتابعة. ولا يمكن أن تظل هذه القرارات محصورة في وثيقة سياسات أو في فهم أحدهم لكيفية سير العملية المفترضة.

ينبغي أن تتجاوز قرارات الحوكمة المراجعات الداخلية لتشمل الأنظمة التي يعمل الذكاء الاصطناعي ضمنها. ويجب تحديد السياسات والأذونات ونقاط الموافقة التي توجّه النظام بوصفها جزءًا من عملية نشره نفسها. ومن دون تضمين هذه الضوابط في النظام، ستُضطر الفرق إلى إعادة تفسير السياسات والأذونات في كل مرة تُنشر فيها حالة استخدام جديدة للذكاء الاصطناعي.

الاستعداد للموجة التالية من الذكاء الاصطناعي

مع توظيف المؤسسات ميزانياتها المتزايدة للذكاء الاصطناعي في عام 2027، ستتولى فرق تقنية المعلومات مسؤولية مجموعة آخذة في الاتساع من النماذج وعمليات التكامل والأنظمة. وسيكون الاختبار الأهم هو ما إذا كانت المؤسسات ستبني بنية تحتية قادرة على دعم ما يأتي لاحقًا.

إذا ظلت الفرق تعيد حسم التعريفات نفسها، وتعيد بناء الروابط نفسها، وتعيد ترجمة القواعد نفسها، فقد يكون الذكاء الاصطناعي يتوسع بوتيرة أسرع من البنية التحتية اللازمة لدعمه.

وهذا يتيح طريقة مختلفة للتفكير في مدى الاستعداد للذكاء الاصطناعي. فلا ينبغي قياس التقدم بعدد النماذج أو الوكلاء التي تصل إلى مرحلة التشغيل الفعلي فحسب، بل أيضًا بمدى إسهام كل عملية تنفيذ في جعل المؤسسة أكثر استعدادًا للخطوة التالية.

يسهم الذكاء الاصطناعي بالفعل في تسريع المهام الفردية. أما مكاسب الإنتاجية التالية فستأتي من جعل العمل الذي تقوم عليه هذه الأنظمة أسهل في إعادة الاستخدام. ويتزايد دمج الذكاء الاصطناعي في العمليات التجارية، ما يجعل اعتماد مزيد من الأنظمة على الأسس نفسها للبيانات أمرًا ضروريًا. وسيحدد بناء هذه الأسس الآن مدى سهولة توظيف المؤسسات للجيل التالي من الذكاء الاصطناعي.