لينتقل إلى النطاق الواسع، يجب أن يكون الذكاء الاصطناعي قابلاً للتنبؤ، وموثوقاً، ومسيطراً عليه. وفقاً لأحدث استطلاع PwC العالمي للرؤساء التنفيذيين، الذي شمل أكثر من 4400 قائد، فإن 56% منهم يعلنون أنهم لم يحققوا حتى الآن أي فائدة مالية كبيرة من الذكاء الاصطناعي. إن بنية تحتية تجمع بين الذكاء الاصطناعي وقواعد العمل من شأنها، وفقاً للتحليل المنشور، أن تتيح التحكم في التكاليف وضمان نتائج قابلة للقياس.
العائق لا يكمن في معظم الأحيان في أداء النماذج، بل في عدم إمكانية التنبؤ بها. شركة لا تستطيع توقع قرار ذكاء اصطناعي ولا ضمان موثوقيته على المدى الطويل تتردد في تكليفه بعملياتها الحيوية. تبقى حينها محصورة في تجارب منخفضة المخاطر، بينما منافسوها يتقدمون. السؤال المركزي يصبح إذن مسألة الموثوقية: هل يمكن للذكاء الاصطناعي أن ينتج نتائج جيدة بطريقة قابلة للتكرار ومسيطر عليها؟
من النتائج التقنية إلى نتائج العمل
يمكن للذكاء الاصطناعي توليد رد، أو تلخيص وثيقة، أو التوصية بإجراء. يبقى السؤال هو ما إذا كانت هذه المخرجات تحسن تجربة العميل، أو تخفض التكاليف التشغيلية، أو تجعل الموظفين أكثر إنتاجية، أو تزيد الإيرادات، لأن هذه هي النتائج التي يحكم على أساسها القادة. لسنوات، قاست الصناعة الذكاء الاصطناعي بمعايير تقنية، مثل الدقة أو النقاط في الاختبارات المعيارية، وهي مؤشرات تتحدث في المقام الأول إلى علماء البيانات.
من وجهة نظر الشركة، الذكاء الاصطناعي الفعال هو الذي تكون نتائجه متوافقة مع أهدافها، ضمن إطار محدد وقابل للتحكم.
تكلفة عدم إمكانية التنبؤ
عندما يتغير سلوك الذكاء الاصطناعي من حالة إلى أخرى، يتباطأ الاعتماد أولاً. بسبب عدم الثقة في توصياته، يعود الموظفون إلى العمليات اليدوية، وتتبخر المكاسب المتوقعة من الأتمتة. بدافع الحذر، تحصر الشركات بعد ذلك استخدام الذكاء الاصطناعي في حالات استخدام غير حساسة، مما يحد من المكاسب لبعض النتائج المتفرقة.
التكاليف أيضاً تصبح صعبة التحكم. في أنظمة الذكاء الاصطناعي الوكلائية، حيث تقوم وكلاء بشكل مستقل بمهام طويلة ومعقدة، فإن استهلاك الرموز المميزة (tokens)، وهي وحدات النص التي يعالجها النموذج، لا يتقدم بشكل خطي. في كل خطوة، يعيد الوكلاء فحص السياق، وإعادة تقييم الخيارات، وإعادة تشغيل تفكيرهم، بحيث يمكن أن ترتفع الفاتورة على نطاق شركة كبيرة. يتوقع Gartner أن أكثر من 40% من مشاريع الذكاء الاصطناعي الوكلائي ستُهجر بحلول نهاية عام 2027، بسبب التكاليف المتزايدة، أو قيمة عمل غير محددة بوضوح، أو ضوابط مخاطر غير كافية.
يضاف إلى ذلك الخطر القانوني. في بيئة منظمة، وفي حين يدخل قانون الذكاء الاصطناعي (AI Act) حيز التنفيذ تدريجياً، لا يمكن لرد احتمالي أن يحل محل قاعدة عمل عندما تكون الإجابة الصحيحة معروفة مسبقاً.
قابل للتنبؤ لا يعني موحداً
الذكاء الاصطناعي القابل للتنبؤ لا يعطي نفس الرد في كل حالة. بل يضمن بدلاً من ذلك أن كل رد يخدم الهدف المحدد من قبل الشركة، مع الالتزام بقواعد دقيقة. يمكن أن يبقى تبادل مع عميل طبيعياً ومخصصاً مع احترام الالتزامات التنظيمية، ويمكن أن تختلف التوصية من عميل إلى آخر مع اتباع منطق قرار معتمد.
يجب أن يكون بالإمكان شرح أي البيانات وأي القواعد أدت إلى توصية، من أجل التصرف بثقة وتقديم حسابات إذا لزم الأمر. يجب أن تكون الامتثال مدمجاً في البنية التحتية نفسها، بدلاً من الاعتماد على ضوابط بشرية لاحقة. أرقام PwC تسير في هذا الاتجاه: الشركات التي لديها أسس قوية، مثل إطار عمل مسؤول للذكاء الاصطناعي، لديها فرص أكبر بثلاث مرات للحصول على عوائد مالية كبيرة.
في مواجهة ارتفاع التكاليف، فإن رد الفعل الأكثر شيوعاً هو تكثيف لوحات التحكم، والسقوف المالية، وأجهزة المراقبة. المصدر يقدر على العكس أن عدم إمكانية التنبؤ يتم حلها منذ مرحلة تصميم الأنظمة، من خلال ربط مستويين. الأول هو طبقة تنسيق حتمية، تطبق قواعد العمل وتتولى القرارات التي يوجد لها إجابة صحيحة مسبقاً، مثل معايير الأهلية أو متطلبات الامتثال. الثاني هو طبقة ذكاء اصطناعي، تُستدعى عندما يكون من الضروري تفسير وثيقة غير منظمة، أو إنتاج لغة طبيعية، أو تحليل شعور. وبالتالي يتركز استهلاك الموارد على المهام التي تبرره، وتصبح التكاليف قابلة للتنبؤ.
من التجريب إلى الميزة التنافسية
الشركات التي ستستفيد إلى أقصى حد من الذكاء الاصطناعي ستكون، وفقاً لهذا التحليل، تلك التي تعرف كيف تحول نماذج قوية إلى نتائج موثوقة ودائمة. معيار النجاح يتغير إذن: أقل مما يستطيع الذكاء الاصطناعي فعله، وأكثر مما ينتجه بشكل ثابت وقابل للقياس. قابلية التنبؤ هي التي تصنع الفرق بين عرض توضيحي وتحول، وبين مشروع تجريبي ونشر على نطاق الشركة بأكملها.
