لماذا يستغرق العائد على الاستثمار في الذكاء الاصطناعي وقتاً أطول مما تتوقع

مديرة لوجستية في جبل علي اشترت AI copilot لنظام ERP الخاص بها في الربع الأول من العام. وبحلول الربع الرابع، عجزت عن تفسير لمديرها المالي سبب عدم تحسّن أوقات دورة المشتريات. كان عرض المورّد مقنعاً. كان التطبيق سليماً من الناحية النظرية. أما البيانات — وهذا هو الجزء الذي لم يذكره أحد — فكانت كارثة.

هذه ليست قصة نادرة. إنها النتيجة الأكثر شيوعاً.

فجوة العائد على الاستثمار حقيقية — وأوسع في القطاعات كثيفة العمليات

كشف استطلاع أجرته Deloitte على 1,854 من كبار التنفيذيين في أربعة عشر دولة في أوروبا والشرق الأوسط أن حالة الاستخدام النموذجية للذكاء الاصطناعي تستغرق من عامَين إلى أربعة أعوام لتحقيق العائد على الاستثمار — لا من سبعة إلى اثني عشر شهراً كما تُحقق معظم الاستثمارات التقنية التقليدية. ولم يُفد سوى 6% من المشاركين باسترداد الاستثمار في أقل من عام. وحتى بين أنجح مشاريع الذكاء الاصطناعي، لم يحقق سوى 13% عوائد خلال اثني عشر شهراً. ^[3]

خارج قطاع التكنولوجيا، تطول المدة أكثر. ^[1] تستطيع شركات التكنولوجيا دمج الذكاء الاصطناعي مباشرةً في المنتجات التي يدفع عملاؤها ثمنها أصلاً، مما يُنشئ حلقة تغذية راجعة قصيرة بين الاستثمار والإيرادات. أما المصنّع في الجبيل، ودار التجارة في دبي، ومشغّل المرافق في الرياض — فلا يملك أيٌّ منهم هذه الميزة. يجب أن يُظهر استثمارهم في الذكاء الاصطناعي قيمته من خلال عمليات بُنيت على مدار عقود، في الغالب دون طبقة بيانات يستطيع الذكاء الاصطناعي قراءتها فعلاً.

الخلاصة الصادمة من بيانات Deloitte: رفعت 85% من المؤسسات استثمارها في الذكاء الاصطناعي خلال الاثني عشر شهراً الماضية، وتعتزم 91% منها تكرار ذلك في الاثني عشر شهراً القادمة. ^[3] شهية الاستثمار ليست المشكلة. التسلسل والقياس هما المشكلة.

لماذا يُخذِل الذكاء الاصطناعي في ERP وسير العمل: أربعة أسباب جذرية

يحدد الاستطلاع ذاته الأسباب بوضوح. ^[3] ونرى في عملنا عبر منطقة الخليج العربي الأنماط الأربعة نفسها، وكثيراً ما تتفاقم بسبب الظروف التشغيلية الإقليمية:

1. جودة البيانات والمنصات المعزولة. مستودعان، وثلاثة تنسيقات لأوامر الشراء، وقائمة موردين لم يُنظّفها أحد منذ انطلاق النظام عام 2019. سيُنتج AI copilot الجالس فوق هذه البيانات إجابات تبدو واثقة لكنها مبنية على تناقضات. لوحة المعلومات المبنية على البيانات ذاتها تعاني هذه المشكلة تحديداً — تُعدّ التقارير بطلاقة، ولا تقرر شيئاً.

2. شراء الأدوات قبل اكتمال البنية التحتية الأساسية. تُفرط المؤسسات في الاستثمار في أدوات الذكاء الاصطناعي قبل أن تستقر أُسس البيانات وسير العمل. الأداة ليست العائق؛ البيئة هي العائق. يبرز هذا النمط بحدة في مؤسسات الخليج التي أضافت وحدات ERP بشكل تراكمي — مع طبقات أنظمة جديدة فوق أنظمة إرث نُقلت جزئياً. هل تتساءل إن كان نظام ERP لديك جاهزاً للذكاء الاصطناعي؟ اطّلع أولاً على ما يشمله التدقيق.

3. مقاييس قياس تتأخر عن الواقع. تنغمس مبادرات الذكاء الاصطناعي داخل برامج تحول أشمل، مما يجعل من شبه المستحيل عزل ما أسهم به الذكاء الاصطناعي تحديداً. وحين تتحرك خط الإيرادات في نهاية المطاف — أو لا تتحرك — لا يستطيع أحد نسب ذلك بثقة. كما تُغيّر الأدوات الجديدة التوقعات في منتصف المشروع، فتصبح معايير النجاح الأصلية قديمة قبل إغلاق المشروع. ^[3]

4. المقاومة الثقافية وضعف اعتماد سير العمل. العامل البشري حقيقي. ^[3] في عمليات الخليج، كثيراً ما تكون سلاسل الموافقات غير رسمية وقائمة على العلاقات وتسير عبر WhatsApp لا عبر ERP ذاته. فجوة WhatsApp-إلى-ERP هي حيث تُسرب مؤسسات الخليج أموالها — والذكاء الاصطناعي لا يستطيع ردم فجوة لا يراها. وإن كانت الأداة الجديدة تستلزم من الموظفين تغيير خمسة عشر عاماً من السلوك الراسخ، فستكون الاستجابة بطيئة حتى حين تعمل التقنية بصورة مثالية.

اضرب هذه المشاكل الأربع ببعضها وستحصل على النتيجة الأكثر شيوعاً: تطبيق للذكاء الاصطناعي ينجح في العروض التوضيحية، ويُخذّل في بيئة الإنتاج، ويُفضي إلى محادثة عسيرة مع المدير المالي بعد ثمانية عشر شهراً.

ما يفعله المتقدمون بخطى متسارعة: التسلسل قبل السرعة

المؤسسات التي تحقق مكاسب تشغيلية مبكرة من الذكاء الاصطناعي — حتى لو استغرق العائد المالي الكامل سنوات — تتشارك انضباطاً واحداً: تُصلح أُسس العمليات قبل أن تضع الذكاء فوقها.

على أرض الواقع، يعني ذلك:

• التدقيق قبل الشراء. رسم خريطة لمكان وجود البيانات فعلاً، ومن يملكها، ومدى دقتها، وما إذا كانت سير العمل الأساسية موثقة أصلاً. التدقيق الخماسي الخطوات قبل أي إنفاق على الذكاء الاصطناعي ليس تكتيك تأجيل — بل هو السبب في نجاح بعض التطبيقات وتعثّر مثيلاتها.
• ابدأ بالعملية الأعلى جودة في بياناتها، لا الأعلى قيمة. قد تكون العملية الأعلى قيمة في شركة تجارية هي التنبؤ بالطلب. لكن إذا كانت بيانات الطلب غير متسقة عبر ثلاثة مواقع تخزين، فستكون توقعات الذكاء الاصطناعي خاطئة بأساليب يصعب رصدها. ابدأ بمطابقة الحسابات المدينة، حيث البيانات منظمة ومعدل الخطأ قابل للقياس أصلاً.
• صمّم إطار القياس قبل الإطلاق. اتّفق على ثلاثة إلى خمسة مقاييس تشغيلية — زمن الدورة، ومعدل الخطأ، وحجم الاستثناءات — وسجّل خطوط الأساس قبل تشغيل النظام. هذه هي الطريقة الوحيدة لتقديم إجابة دفاعية حين يسأل المدير المالي ماذا تغيّر.
• عامِل إدارة التغيير باعتبارها متطلباً تقنياً، لا إضافة ثانوية. إذا كان سير العمل الجديد يستوجب تجاوز سلسلة الموافقات عبر WhatsApp، فخصّص ميزانية للانتقال صراحةً. القطاعات التي تؤتمت فعلاً مقارنةً بتلك التي تتحدث عن الأتمتة فحسب كثيراً ما تتحدد بهذا: الناجحون عاملوا الاعتماد مشكلةً هندسية، لا مشكلة تواصل.

كيف تقيس قيمة الذكاء الاصطناعي قبل أن يتحرك خط الإيرادات

الإجابة الصادقة على سؤال "ما عائدنا من الذكاء الاصطناعي؟" في السنة الأولى لا تكون في الغالب أبداً رقماً إيرادياً. إنها إشارة تشغيلية. المؤسسات التي تصمد في مواجهة المدى الزمني الطويل للعائد هي التي ترصد المؤشرات القيادية — لا المؤخّرة.

مقاييس وسيطة مفيدة، محددة للمؤسسات الخليجية كثيفة العمليات:

| المقياس | ما يُخبرك به | مصدر الأساس النموذجي | |---|---|---| | زمن دورة أمر الشراء حتى استلام البضاعة | هل يُقلّل الذكاء الاصطناعي الاحتكاك في المشتريات | سجلات معاملات ERP | | معدل استثناءات الفواتير | هل تُؤتي تحسينات جودة البيانات ثمارها | تقارير نظام المالية | | عدد التسليمات اليدوية في كل عملية | هل تحل الأتمتة محل خطوات الإحالة البشرية | ملاحظة العمليات أو سجلات سير العمل | | زمن دوران الموافقات | هل تنتقل سلسلة الموافقات غير الرسمية إلى النظام | طوابع وقت ERP/أداة سير العمل |

لا شيء من هذه المقاييس إيرادات. كلها أدلة. حين ينخفض زمن الدورة يومَين وينخفض معدل الاستثناءات 30%، فلديك إشارة اتجاهية تدل على أن الاستثمار يعمل — حتى لو لم يتحرك هامش الربح الإجمالي بعد.

هذا ليس حلاً بديلاً. هكذا تبدو إدارة البرامج الجيدة. لوحات المعلومات التي تُعدّ هذه الإشارات دون بناء منطق قرار فوقها لا تزال مجرد لوحات معلومات. الخطوة التالية هي جعل هذه الإشارات قابلة للتنفيذ — توجيه الاستثناءات آلياً، وتشغيل نقاط إعادة الطلب، والإشارة إلى اختناقات الموافقة قبل أن تتحول إلى تأخيرات.

سؤال وكيل الذكاء الاصطناعي: copilot أم وكيل مستقل؟

كثير من المشغّلين في الخليج يُعرَض عليهم الآن وكلاء الذكاء الاصطناعي — أدوات لا تقترح إجراءات فحسب، بل تتخذها. هذا الفارق مهم لمسارات العائد على الاستثمار. ما يفعله وكلاء الذكاء الاصطناعي فعلاً مقارنةً بما يدّعيه الموردون فجوة كبيرة. الوكيل العامل على بيانات نظيفة ومنظمة جيداً في سير عمل محدود النطاق يستطيع اختصار المدة الزمنية للعائد بشكل ملموس. الوكيل ذاته العامل على بيانات مجزأة عبر أنظمة معزولة سيُنشئ أنماط فشل جديدة أصعب في الرصد من الأنماط القديمة.

الحدود الفعلية لـ Dynamics 365 Copilot مرجع مفيد: الأداة قادرة، لكن مخرجاتها لا تكون موثوقة إلا بقدر موثوقية البيانات وبنية العمليات تحتها. بيئة العرض التوضيحي تحتوي على بيانات نظيفة. بيئة الإنتاج لديك على الأرجح لا تحتوي عليها — بعد.

رأي تارسين: توقف عن الدفاع عن الجدول الزمني، وابدأ بامتلاكه

المدى الزمني للعائد على الاستثمار من 3 إلى 5 سنوات للذكاء الاصطناعي خارج قطاع التكنولوجيا ليس مشكلة مورّد ولا قيوداً تقنية. ^{[1] [3]} إنه مشكلة تسلسل، والتسلسل شيء يستطيع المشغّلون التحكم فيه.

الصياغة الصريحة لهذا، وهي ما نقوله للعملاء مباشرة: إذا كانت بياناتك في حال سيئة وسير عملك الأساسي يجري عبر قنوات غير رسمية، فالإجابة الصحيحة ليست انتظار نضج الذكاء الاصطناعي. إنها قضاء الستة أشهر القادمة في إصلاح الأُسس حتى حين تنشر الذكاء الاصطناعي يكون لديه ما يعمل عليه من أساس صلب. ونتقاضى الأجر ذاته على هذه المحادثة في كلا الحالتَين.

ما نراه يفشل باستمرار في المنطقة هو النهج المعاكس: شراء أكثر أدوات الذكاء الاصطناعي ظهوراً (في الغالب ERP copilot أو مساعد ذكاء اصطناعي توليدي)، واكتشاف أنها لا تستطيع العمل بشكل موثوق على البيانات الموجودة، ثم إما التخلي عن المشروع أو تشغيل عملية موازية تُبطل الحجة الكفاءة برمّتها.

معظم الشركات لا تحتاج إلى مزيد من الذكاء الاصطناعي — بل تحتاج إلى جداول بيانات أقل. سبعة عشر خطوة مطابقة يدوية لا تصبح سبعة عشر خطوة آلية بمجرد إضافة طبقة ذكاء اصطناعي. تصبح سبعة عشر خطوة بمساعدة الذكاء الاصطناعي لا تزال تستلزم إنساناً لرصد الأخطاء التي يُنتجها الذكاء الاصطناعي بثقة أكبر مما أنتجها جدول البيانات في يوم من الأيام.

التسلسل الذي ينجح: دقّق أولاً مشهد العمليات والبيانات (ابدأ من هنا)، أصلح أبرز ثلاث مشاكل في البيانات وسير العمل، انشر الذكاء الاصطناعي في نطاق محدود مع مقاييس أساس واضحة، اقس الإشارات التشغيلية لتسعين يوماً، ثم توسّع. هذا المسار يستغرق وقتاً أطول قبل البدء. ويستغرق وقتاً أقل بكثير لتحقيق عائد يمكن الدفاع عنه.

نافذة العائد من 2 إلى 4 سنوات ليست ثابتة. ^[3] إنها متوسط النتيجة حين يكون التسلسل خاطئاً. حين يكون التسلسل صحيحاً، تصل الإشارات الوسيطة في غضون أسابيع. العائد المالي لا يزال يستغرق وقتاً — لكنك لن تطير أعمى لعامَين تنتظر خط إيرادات ربما لن يتحرك بالطريقة التي رسمها المورّد.

امتلك الجدول الزمني. لا تدافع عنه.