الفجوة الحقيقية في الذكاء الاصطناعي ليست في تبنّيه، بل في سرعة تعلّمه.

الفجوة في الذكاء الاصطناعي: الجميع اشترى الأدوات، لكن قلّة من المؤسسات هي التي بنت الحلقة

لم يعد «التبني» مقياسًا مفيدًا للتفريق بين الشركات. تُشترى التراخيص، وتُدار التجارب التجريبية، وتستطيع معظم المؤسسات ذات الحجم المعقول أن تنتج عرضًا تقديميًا يوضح أماكن استخدام الذكاء الاصطناعي فيها. يمكن لشركة أن تفعل كل هذا وتبقى من دون تغيير جوهري. تُستخدم أدوات جديدة لإنجاز عمليات قديمة، وتجربة ناجحة في فريق لا تتعداه أبدًا، وتوجد سياسة لكن لا أحد يعرف كيف يطبقها في سياق عمله، ويأتي التدريب بعد التنفيذ ليشرح التقنية دون أن يغيّر طريقة عمل أي شخص.

هذه المؤسسة تستخدم الذكاء الاصطناعي، لكنها لم تصبح مؤسسة ذكاء اصطناعي حقيقية. المسافة بين الحالتين هي ساحة المنافسة القادمة، وهي لا علاقة لها تقريبًا باختيار النماذج.

مشكلة الترجمة التي تصنع الفجوة

قدرة جديدة تصل عبر تحديث تقني، لكن قدرة البشر لا تصل هكذا. بين إعلان عن منتج وصباح الثلاثاء العادي، توجد مشكلة ترجمة لم تحلّها أي وثيقة استراتيجية بمفردها. لا بد أن يكتشف شخص ما أي خطوة من العملية ستتغير فعلًا، وأين تحسّن القدرة الجديدة العمل، وأين تجعل النتيجة أقل موثوقية، وأي المعايير السارية تبقى، ومن يراجع المخرجات، وماذا يفعل عندما تنتج الأداة جوابًا منطقيًا لكنه خاطئ. هذه أحكام مرتبطة بدور محدد، ونادرًا ما تكون مكتوبة.

عندما تُترك هذه الأحكام للأفراد، تختلف النتائج من شخص إلى آخر. بعض الفرق تطوّر ممارسة جيدة لا تغادر حدودها، وفرق أخرى تبتكر حلولًا مؤقتة لم يراجعها أحد عن قرب. التفاوت الناتج يُقرأ عادةً كمشكلة ثقافية، لكنه في الحقيقة مشكلة ترجمة. والترجمة إما أن تحدث بوصفها عملية منتظمة، وإما ألا تحدث أبدًا.

شركتان، والتجربة نفسها

تخيّل شركتين تشغّلان التجربة نفسها، بالأداة نفسها. في الأولى، يجد فريق أسلوب عمل ناجحًا، لكن المعرفة تبقى لدى أربعة أشخاص فقط. لا توجد آلية للتحقق من الأسلوب أو تحويله إلى إرشادات أو تجهيز آخرين أو مساعدة فريق آخر على تكييفه. بعد ستة أشهر تتغير الأداة، وتعود المنظمة تقريبًا إلى حيث بدأت.

في الثانية، يغذي الاكتشاف حلقة متكاملة. يراجعه أحدهم، فيتحول إلى إرشاد، ويصبح الإرشاد تعلّمًا يستهدف الأدوار المعنية، ثم تعود خلاصات هذه الأدوار لتحسّن الإرشاد. وعندما تتغير الأداة، تستوعب الحلقة التغيير أسرع من المرة السابقة، لأن الحلقة نفسها صارت أفضل.

المؤسستان تستخدمان الذكاء الاصطناعي، لكن واحدة منهما فقط تراكم معرفة.

خصائص النوع الثاني تستحق أن تُذكر، لأنها لا تظهر في أي مخطط معماري. القدرة تنتقل ولا تبقى حيث وُجدت، والحكم في العمل يقع عند الأشخاص الذين ينفذون العمل لا في فريق مركزي بعيد عنه، والفجوة بين تغيّر القدرة واستطاعة الناس استخدامها تقاس بالأسابيع لا بدورات التخطيط. هذه كلها خصائص تعلّم.

السرعة غير المتكافئة

يمكن نشر نموذج في دورة تطوير قصيرة، لكن لا يمكن نشر الحكم العملي في دورة قصيرة. المشتريات صارت سريعة، والتكامل صار سريعًا، أما المعدل الذي يبني به الناس حكمهم العملي فلم يسرع ولن يسرع، لأن هذا الحكم يأتي من التكرار والتغذية الراجعة.

الفجوة تتراكم أيضًا، وهذا ما يفاجئ كثيرين. كل قدرة جديدة تهبط فوق قدرة سابقة لم تُستوعب بالكامل، والطبقات غير المستوعبة تتراكم. يمكن تسمية هذا «دَين الاستيعاب». ومثل أي دَين، يبقى خفيًا حتى تحاول أن تتحرك بسرعة فتكتشف أنك عاجز. تجربة تجريبية تتوقف من دون سبب واضح، أو طرح ثانٍ يخرج أسوأ من الأول، أو فريق يستقبل أداة مفيدة بإرهاق ظاهر. تعتاد المنظمات قراءة الحالة الأخيرة على أنها مقاومة للتغيير، لكن الأرجح أنها دَين حلّ أجله.

النتيجة الاستراتيجية هنا غير مريحة. شراء المزيد بسرعة يجعل الوضع أسوأ إذا كان المعدل الذي يحوّل به الناس القدرة إلى ممارسة ثابتًا. قراءتي أن سرعة التعلّم تحدد العائد على الإنفاق في الذكاء الاصطناعي اليوم أكثر من تحديد النموذج، ولا أحد تقريبًا يضع ميزانية على هذا الأساس.

الأسئلة تصبح أصعب

معظم خطط تمكين الذكاء الاصطناعي تقوم على افتراض أن القدرة مستوى تبلغه ثم تحتفظ به. اجعل الجميع على دراية كافية، وأغلق الملف، وانتقل. لكن ما يحدث فعلًا أن الأسئلة تتصاعد. في البداية يسأل الناس: كيف تعمل الأداة؟ بعد أن يستقر هذا، يسألون: كيف يجب أن تتغير العملية؟ وهذا سؤال أصعب يمسّ أصحاب العمليات والمعايير. وفي النهاية، يسأل الأقوى: ما العمل الجديد الذي صار ممكنًا؟ وهذا ليس سؤال تدريب على الإطلاق، بل سؤال استراتيجي يصعد من أسفل الهرم.

منظمة تتعامل مع قدرة الذكاء الاصطناعي بوصفها توقيعًا لمرة واحدة، غير قادرة بنيويًا على سماع السؤال الثالث. هذا هو الثمن الفعلي لمنهج «التثقيف ثم الانتهاء»، ومن السهل أن يمرّ دون أن يلاحظه أحد، لأن شيئًا لا يبدو مكسورًا.

فرصة التعلّم والتطوير وثمن اقتناصها

تحوّل الذكاء الاصطناعي يقوده عادةً فريق التقنية أو العمليات أو البيانات. أما قسم التعلّم والتطوير، فغالبًا ما يُستدعى متأخرًا ليصنع تدريبًا لأداة اختيرت سلفًا وخطة طُرحت سلفًا. هذا الترتيب يهدر جوهر وظيفته. قلة من إدارات الشركة مكلفة بأن تغيّر عن قصد وعلى نطاق واسع ما يستطيعه الموظفون. والأسئلة التي يطرحها هذا القسم مبكرًا هي التي تحدد إن كان التبني سينتج شيئًا: ما الذي يجب فهمه قبل تشغيل هذه الأداة؟ وأي القرارات تحتاج تدريبًا عمليًا لا شرحًا؟ وكيف ينتقل اكتشاف من فريق إلى آخر؟ وماذا يحدث عند تغيّر السياسة؟

لكن هذا المكان لا يُمنح لصاحبه، بل يُكسب بسرعة الاستجابة. إذا احتاجت وحدة أعمال إلى تمكين 200 موظف، وكان الجواب «بناء تدريب يستغرق 12 أسبوعًا»، فستتوقف الوحدة عن الطلب. وفي كل مرة يحدث ذلك، تنخفض مكانة التعلّم والتطوير في النقاش الاستراتيجي خطوة إضافية. الفرق التي تكسب هذا النقاش انتقلت من امتلاك مناهج إلى تشغيل قدرة: دورات أقصر، وقرب أكبر من الواقع، ونجاح يُقاس بمدى سرعة تغيّر الممارسة.

بنية تحتية تواكب السرعة

هذا التحول ليس مجرد تغيير في العقلية، بل جزء كبير منه بنية تحتية. عمليات التعلّم التقليدية بُنيت حول احتياجات مستقرة: التعيين، والامتثال، ومعرفة المنتج، وتطوير القيادة. أما الذكاء الاصطناعي فيعمل بوتيرة مختلفة. القدرات وحالات الاستخدام والسياسات الداخلية والأسئلة التي يطرحها الموظفون كلها تتغير قبل أن تواكبها دورة المناهج السنوية. إيقاع تخطيط يفترض أن المعرفة شبه ثابتة يُطبَّق هنا على مجال يتغير من تحته كل بضعة أشهر.

منصة «سايفر ليرنينغ» مبنية على فكرة محددة: في منصة قامت على الذكاء الاصطناعي في جوهرها، يكون الذكاء في طريقة إنشاء التعلّم وتنظيمه وتخصيصه وتوسيعه، لا في ميزات تُضاف إلى نظام قديم. ما يترتب على ذلك أمر عملي. فعندما تتغير قدرة ما، يصبح الجواب مراجعة سريعة لا مشروعًا طويلًا، والمسافة بين «تغيّرت الأداة» و«أصبح موظفونا قادرين على العمل بها» تنكمش من دورة تخطيط إلى دورة قصيرة.

ثم إن هناك سببًا ثانيًا يكتشفه كثيرون متأخرًا. التغيير الناتج عن الذكاء الاصطناعي لا يتوقف عند حدود الموظفين. ضع ذكاءً اصطناعيًا في منتجك، وسيحتاج العملاء إلى فهم ما يفعله المنتج الآن. والشركاء يحتاجون إلى معرفة تنفيذية محدّثة، وأصحاب الامتيازات يحتاجون إلى إرشادات تشغيل منقّحة، والأعضاء يحتاجون إلى تعليم يمكّنهم من المشاركة بثقة في مهنة تتحول تحت أقدامهم. هؤلاء جميعًا ليسوا على جدول رواتبك، لكنهم يشكّلون نتائج أعمالك. والاكتفاء بتجهيز الموظفين الداخليين يترك بقية منظومة العمل خلفك. لذلك تتعامل المنصة مع الموظفين والشركاء والعملاء وأصحاب الامتيازات والوكلاء والأعضاء بوصفهم منظومة واحدة، لا سلسلة أنظمة منفصلة.

كل ذلك وحده لا يجعل منظمة «مؤسسة ذكاء اصطناعي». القيادة والحوكمة وتصميم العمل ومشاركة الناس هي التي تحسم ذلك. أما البنية التحتية، فتحسم إن كان ما تبقى قادرًا على التحرك بالسرعة التي تقتضيها القرارات.

ماذا تسأل قبل التجربة المقبلة؟

على القادة الذين يقيّمون موقعهم ألّا ينظروا إلى عدد الأدوات المستخدمة أو التجارب المطلقة. الأسئلة الأكثر كشفًا:

– ما مدى سرعة تحويل قدرة جديدة في الذكاء الاصطناعي إلى تعلّم يصل إلى الأدوار الصحيحة؟
– هل يستطيع الناس أن يتدربوا في مواقف تحاكي عملهم الفعلي، مع مساحة للخطأ؟
– هل يعرف المدراء كيف يدرّبون على إصدار الأحكام، لا مجرد الموافقة على المخرجات؟
– عندما يجد أحدهم أسلوبًا ناجحًا، ما الذي ينقل هذا الأسلوب إلى الفريق التالي؟
– هل يمكن تكييف التعلّم حسب الدور دون تفكيك المعيار المشترك؟
– هل يُشرك الشركاء والعملاء والجمهور الخارجي في الأماكن التي يحتاجون فيها إلى ذلك؟
– هل يشارك قسم التعلّم والتطوير مبكرًا بما يكفي ليشكّل التبني، بدل أن يفسّره بعده؟

الإجابات ستقول إن كنت تبني قدرة حقيقية، أم تدير سلسلة تطبيقات منفصلة.

منظمتان تبدوان متشابهتين اليوم، لكنهما لن تكونا متشابهتين بعد ثمانية عشر شهرًا. ولن يكون الفرق في التقنية، لأنها في معظم القطاعات تتقارب. سيكون الفرق في ما حدث لكل قدرة جديدة بعد وصولها. لاحقًا يُوصف ذلك بأنه استراتيجية، لكنه في الأغلب لم يكن سوى الحلقة بين ما يكتشفه الناس وما تستطيع المنظمة تعليمه.

سرعة التعلّم ليست شيئًا يمكن شراؤه مباشرة، لكن البنية التحتية في المنظمة إما أن تدعمها وإما أن تضع سقفًا صامتًا لها. منصة «سايفر ليرنينغ» مبنية لهذا السبب كمنصة ذكاء اصطناعي في جوهرها، للمنظمات التي تحاول أن تتحرك بالسرعة التي يفترضها ذكاؤها الاصطناعي أصلًا.