معظم التجارب الأولية للذكاء الاصطناعي تتعثر لأسباب لا علاقة كبيرة لها بالنموذج. البيانات أكثر فوضى مما ظهر في العرض التجريبي، ونظام تخطيط الموارد لا يملك ربطاً صالحاً للاستخدام، ولا أحد يملك النتيجة، ولا أحد يعتمد المخرجات، ولم يتفق أحد على معنى الإنجاز. وتصل التجربة إلى الإنتاج حين يحصل مسار عمل واحد على مسؤول، وخطوة اعتماد، ومقياس، قبل بناء أي شيء.
أبرز النقاط
- التجربة التي نجحت في عرض تجريبي أثبتت النموذج، لا مسار العمل المحيط به.
- العوائق المعتادة هي البيانات، والتكامل مع الأنظمة القديمة، والملكية، والاعتماد، وغياب تعريف للإنجاز.
- ربط الذكاء الاصطناعي بنظام تخطيط موارد قديم بلا واجهة برمجية صالحة مشروع تكامل لم تتضمنه معظم خطط التجارب.
- تصل التجربة إلى الإنتاج حين يملكها شخص محدد ويعتمد شخص آخر ما تنتجه.
- ابدأ بمسار عمل واحد ومستخدمين حقيقيين، لا بثلاث تجارب ولجنة توجيهية.
لماذا تتعثر التجارب الأولية للذكاء الاصطناعي قبل الإنتاج؟
لست وحدك إذا انتهت ثلاث تجارب إلى ثلاثة عروض تجريبية. توقعت Gartner، يوليو 2024 أن يُتخلى عن 30% من مشاريع الذكاء الاصطناعي التوليدي بعد مرحلة إثبات المفهوم، مشيرةً إلى ضعف جودة البيانات، وضعف ضوابط المخاطر، وعدم وضوح القيمة التجارية. ووجد تقرير من MIT، تناوله Virtualization Review في تغطيته لتقرير MIT NANDA، أغسطس 2025، أن 95% من المؤسسات لم تحقق أي عائد تجاري من الذكاء الاصطناعي التوليدي.
في الشركات التي تعتمد كثيراً على العمليات، تتكرر الفجوات الخمس نفسها مرة بعد أخرى:
- البيانات: جرت التجربة على عيّنة نظيفة. أما المدخلات الحقيقية فتصل ملفات PDF ممسوحة ضوئياً، ونماذج نصف مكتملة، ورسائل بالعربية والإنجليزية.
- التكامل: يعمل مسار العمل في نظام تخطيط موارد عمره خمسة عشر عاماً. ولم يُحدَّد قط نطاق القراءة منه والكتابة إليه.
- غياب المسؤول: كانت التجربة تابعة لفريق الابتكار، والإدارة التي ستستخدمها لم تطلبها أصلاً.
- غياب خطوة الاعتماد: لم يقرر أحد من يراجع المخرجات قبل أن تصل إلى عميل أو مورد أو دفتر الحسابات.
- غياب مقياس للإنجاز: حُكم على التجربة بمدى إبهارها للحاضرين، لا برقم تتابعه الإدارة أصلاً.
ما الذي يتغير حين تُبنى التجربة لتعمل في الإنتاج؟
يتغير ترتيب العمل. فبدلاً من البدء بنموذج، تبدأ Stennir برسم مسار عمل واحد مع الشخص الذي يديره: أين يصل المُدخَل، وأي قواعد تنطبق، وإلى أين تذهب النتيجة، وأي استثناءات تحتاج إلى حكم بشري. تصبح هذه الخريطة المواصفات، وتكشف مبكراً هل العائق الحقيقي في البيانات أم في التكامل.
ثم يُتفق على ثلاثة أمور قبل البناء: من يملك مسار العمل من جهة العميل، ومن يعتمد المخرجات، وأي مقياس يُعدّ إنجازاً، مثل حجم الأعمال المتراكمة أو نسبة الحالات المعالجة دون إعادة عمل. ويجري البناء داخل الأنظمة التي يستخدمها الفريق أصلاً، مع تسجيل كل إجراء، ويرى المستخدمون الحقيقيون النظام من النسخة الأولى.
كيف تنقل نموذجاً أولياً من هاكاثون إلى الإنتاج بأمان؟
النموذج الأولي من هاكاثون دليل مفيد، فهو يثبت أن المهمة ممكنة. ما ينقصه عادةً هو معالجة الأخطاء، وضوابط الوصول، والتسجيل، ومجموعة اختبار مبنية من حالات حقيقية، وطريقة لإيقافه. تعامل مع النموذج الأولي على أنه مسودة مواصفات، لا الإصدار الأول.
الطريق الآمن هو إعادة بناء الأجزاء التي تمس العملاء أو الأموال خلف خطوة اعتماد، واختبارها على مجموعة من الحالات السابقة الحقيقية، وإضافة المراقبة قبل انضمام مزيد من المستخدمين. ويستعرض المثال العملي لنقل نموذج أولي للذكاء الاصطناعي إلى الإنتاج هذه الخطوات على مسار عمل واحد.
We are
تنقل Stennir مسار عمل واحداً من التجربة إلى الإنتاج داخل أنظمتك، مع مسؤول محدد، وشخص يعتمد المخرجات، ومقياس متفق عليه من البداية.
We aren't
Stennir ليست مختبراً يجري مزيداً من التجارب، وليست مزوّد منصة يطلب منك نقل عملك إلى أداة جديدة.
مشروعنا عالق في مرحلة التجربة. بماذا نبدأ؟
اختر التجربة التي تريدها إدارتها فعلاً، واطلب من الشخص الذي سيستخدمها يومياً أن يصف العمل الذي ستحل محله. إن لم يستطع، فقد كانت التجربة تحل المشكلة الخطأ. وإن استطاع، فدوّن الاستثناءات، وسمِّ معتمِداً، واتفق على المقياس. وهذا يكشف عادةً هل الفجوة في البيانات أم التكامل أم الملكية.
وكثيراً ما تضيف الفرق في الخليج خطوة أخرى: يجب أن يتعامل مسار العمل مع مدخلات بالعربية والإنجليزية، لا مع العيّنة الإنجليزية التي اختُبرت عليها التجربة فقط. والتحقق من ذلك مبكراً يوفّر تعثراً آخر لاحقاً.
ماذا يفعل مدير العمليات الذي لديه تجارب متعثرة بعد ذلك؟
اختر تجربة متعثرة واحدة ومسؤولاً واحداً، ثم احملهما إلى نقاش حول تنفيذ الذكاء الاصطناعي، حيث تبني Stennir مسار عمل واحداً يعمل مع مستخدمين حقيقيين وتواصل مراقبته بعد ذلك. وإن لم تكن متأكداً أي التجارب تستحق ذلك، فإن استشارات الذكاء الاصطناعي ترتّب الخيارات أولاً. اطّلع أيضاً على الذكاء الاصطناعي للعمليات. يمكنك إجراء تقييم الجاهزية المجاني أو حجز مكالمة مدتها 30 دقيقة.
أسئلة شائعة
ماذا تحتاجون منا لإعادة تشغيل تجربة متعثرة؟
التجربة نفسها، والشخص الذي سيستخدمها كل يوم، ومجموعة من الحالات السابقة الحقيقية، وصلاحية الوصول إلى الأنظمة التي يجب أن تقرأ منها وتكتب إليها. وتسمّي أنت أيضاً من يعتمد المخرجات. تستخدم Stennir ذلك لرسم مسار العمل ومعرفة أي الفجوات الخمس أوقفته.
هل يمكنكم إعادة استخدام ما بناه مطوّرونا؟
غالباً نعم. يُظهر النموذج الأولي الأوامر والخطوات التي تنجح. تحتفظ Stennir بما يصمد أمام الحالات الحقيقية، وتعيد بناء ما ينقص للإنتاج: ضوابط الوصول، والتسجيل، ومعالجة الأخطاء، وخطوة الاعتماد، والمراقبة. ويستطيع مطوّروك البقاء مشاركين والاحتفاظ بالكود، الذي يبقى في حساباتك.
هل يعمل مع نظام تخطيط موارد قديم بلا واجهة برمجية مناسبة؟
يمكن ذلك، لكنه عمل تكامل ويُحدَّد نطاقه على هذا الأساس من البداية. ومن الخيارات قراءة الملفات المُصدَّرة، أو استخدام قاعدة البيانات مباشرة بصلاحية قراءة فقط، أو العمل عبر الشاشات التي يستخدمها فريقك أصلاً. وتحدد Stennir النهج قبل البناء حتى لا يُفاجأ أحد لاحقاً.
ما الذي قد يحدث بشكل خاطئ في الإنتاج ولم يحدث في التجربة؟
المدخلات الحقيقية أكثر فوضى، والأحجام أعلى، وتظهر حالات خاصة لم تكن في العيّنة. لهذا تُبقي Stennir شخصاً يعتمد المخرجات، وتسجّل كل إجراء، وتختبر على حالات سابقة حقيقية، وتراقب النتائج حين يبدأ المستخدمون الحقيقيون، فتظهر المشكلات أرقاماً لا شكاوى.
