Beyond the Pilot: Why Saudi Organizations Need Engineered AI Agent Tea

تمر جهات كثيرة في السعودية ودول الخليج بمرحلة تحول مهمة في استخدام الذكاء الاصطناعي. فقد تجاوز بعضها مرحلة التجارب الأولية لأدوات الذكاء الاصطناعي التوليدي في كتابة المحتوى، وتلخيص البيانات، والمساعدة في البرمجة، ووصل بعضها إلى تنفيذ مشاريع تجريبية داخل إدارات محددة.

لكن التحدي الحقيقي يبدأ بعد ذلك: كيف ننتقل من حالات استخدام منفصلة إلى ذكاء اصطناعي يمكن الاعتماد عليه في التشغيل الفعلي وعلى نطاق واسع؟

فالأدوات التي تبدو مبهرة في العروض التجريبية قد تواجه صعوبة عندما يطلب منها تنفيذ سير عمل كامل؛ مثل قراءة مستند، والتحقق منه مقابل السياسات الداخلية، وتحديث جدول بيانات، ثم إعداد رد مناسب، دون تنسيق بشري مستمر بين كل خطوة وأخرى.

المشكلة هنا ليست نقص قدرات الذكاء الاصطناعي، بل طريقة تصميم المنظومة.

وبالنسبة للجهات التي تتعامل مع أحجام تشغيل مرتفعة، ومتطلبات صارمة لحوكمة البيانات، وضغط متزايد لإثبات العائد على الاستثمار، لم يعد السؤال: "هل نستخدم الذكاء الاصطناعي؟"

السؤال الأهم أصبح: "كيف نصمم الذكاء الاصطناعي ليعمل كفريق منظم ومحكوم وجاهز للتشغيل الفعلي؟"

عندما تستخدم أدوات الذكاء الاصطناعي بصورة منفصلة وغير مترابطة، تظهر المشكلات بسرعة.

تبقى المهام بحاجة إلى متابعة بشرية مكثفة، وتظل المعرفة موزعة بين الفرق والأنظمة، وقد تنتقل البيانات إلى منصات خارجية بما يثير تحديات مرتبطة بالسيادة والخصوصية. وفي الوقت نفسه، تتراكم التكاليف مع تعدد الاشتراكات السحابية والدفع لكل مستخدم أو لكل عملية.

وتظهر هذه التجزئة في الأداء اليومي على شكل بطء في دورة العمل، وتفاوت في جودة المخرجات، وصعوبة في توحيد المعايير بين الفرق، ثم تظهر المشكلة الأهم عند محاولة إثبات العائد الفعلي على الاستثمار أمام القيادة.

وبالنسبة للشركات والجهات الحكومية في السعودية، حيث تمثل السيطرة على البيانات والالتزام التنظيمي متطلبات أساسية، فإن الاعتماد على أدوات متفرقة لا يخلق مشكلة تشغيلية فقط، بل قد يتحول إلى مخاطرة استراتيجية.

فالذكاء الاصطناعي يحقق قيمة أكبر عندما يعمل ضمن منظومة مترابطة، لا كمجموعة اشتراكات وأدوات منفصلة.

الاعتماد الكامل على واجهات الذكاء الاصطناعي الخارجية يفرض قيودا واضحة عند الانتقال من الاستخدام الفردي إلى التشغيل على نطاق واسع.

فالتكاليف المتكررة ترتفع مع زيادة عدد المهام وحجم الاستخدام، كما أن معالجة البيانات خارج بيئة الجهة تخلق اعتمادا على سياسات مزودي الخدمة الخارجيين. وقد يؤثر زمن الاتصال والاستجابة أيضا في العمليات عالية التكرار التي تتطلب سرعة واستمرارية.

لكن التحدي الأهم يظهر في الحوكمة. ففي كثير من الأدوات العامة، تكون قدرة الجهة على تتبع كيفية الوصول إلى نتيجة معينة، وتوثيق الموافقات، ومراجعة سلسلة القرار محدودة.

وفي البيئات المنظمة، لا تعد هذه المتطلبات اختيارية. يجب أن يكون من الممكن معرفة من نفذ الإجراء، وما البيانات التي استخدمت، وما القواعد التي طبقت، وأين تمت الموافقة البشرية، مع الاحتفاظ بسجل واضح يمكن مراجعته لاحقا.

ولهذا، فإن روبوت محادثة خارجي عام قد يكون مفيدا في المهام الفردية، لكنه لا يكفي وحده لبناء سير عمل إنتاجي يندمج مع حوكمة الجهة وصلاحياتها ومتطلبات الامتثال لديها.

الانتقال إلى التشغيل الفعلي يتطلب منظومة يمكن تصميم صلاحياتها ومساراتها وضوابطها حول طريقة عمل الجهة نفسها، لا إجبار العمليات على التكيف مع حدود أداة عامة.

الجهات التي تنجح في توسيع استخدام الذكاء الاصطناعي تغير طريقة تفكيرها في التقنية. فهي لا تعتمد على وكيل عام واحد يؤدي كل شيء، بل تبني منظومة من الوكلاء المتخصصين تعمل كفريق رقمي منظم.

في هذا النموذج، لا تعمل الوكلاء كمجرد روبوتات محادثة، بل كوحدات تشغيلية لكل منها دور محدد وصلاحيات واضحة.

قد يتولى وكيل استقبال البيانات والتحقق منها، بينما يتولى وكيل اخر فحص الامتثال، ثم ينفذ وكيل ثالث التحليل بعد اكتمال التحقق. وتنتقل المهام بينهم عبر مسارات محددة، مع تسجيل كامل لما تم تنفيذه ومن قام به وما القرارات التي اتخذت في كل مرحلة.

هذا التصميم يسمح باستمرار تنفيذ العمل حتى دون وجود موظف يتابع كل خطوة بصورة مباشرة، مع الحفاظ على نقاط المراجعة والموافقة المطلوبة.

وهنا يظهر نموذج تشغيل جديد: فريق رقمي من الوكلاء المتخصصين يعمل بتنسيق مستمر، ويتقاسم المهام، ويتبادل المخرجات، وينفذ العمليات بصورة اقرب الى فريق مستقل منظم لا الى اداة ذكاء اصطناعي منفردة.

عند تقييم بناء هذه القدرة، لا يكفي النظر إلى قوة النموذج أو جودة المخرجات التجريبية. هناك مجموعة من المعايير التي تحدد ما إذا كانت المنظومة قابلة للتشغيل فعليا والتوسع داخل الجهة.

التشغيل المحلي أو الهجين المحكوم

يجب أن تدعم البنية التشغيل المحلي أو الهجين الخاضع لسيطرة الجهة، بما يعزز سيادة البيانات ويقلل الاعتماد على المعالجة الخارجية والتكاليف المتكررة مع زيادة حجم الاستخدام.

التكامل مع الأدوات الحالية

ينبغي أن يعمل الوكلاء مع بيئة العمل القائمة، مثل المستندات، وجداول البيانات، وأنظمة ERP، والبريد الإلكتروني، بدلا من إجبار الموظفين على الانتقال إلى واجهات أو أدوات جديدة لكل مهمة.

الامتثال مدمج داخل المنظومة

يجب ألا تعتمد مراجعة السياسات والموافقات على المتابعة اليدوية وحدها. ويمكن تخصيص وكيل مستقل للتحقق من السياسات ومتطلبات الامتثال والموافقات قبل انتقال المهمة إلى مرحلة التنفيذ، بما يحسن الاتساق ويقلل احتمالات تجاوز الضوابط.

قياس الأثر والعائد

يجب أن يثبت نجاح المنظومة من خلال مؤشرات تشغيلية واضحة، مثل خفض زمن دورة العمل، وتكلفة كل مخرج، ومعدلات الأخطاء وإعادة العمل.

هذه المؤشرات تحول أثر الوكلاء من انطباع عن سرعة الذكاء الاصطناعي إلى عائد قابل للقياس يمكن للقيادة والفرق المالية تقييمه ومقارنته بتكلفة الاستثمار.

تزداد الحاجة في السعودية إلى نموذج منظم ومحكوم لتشغيل الذكاء الاصطناعي، خصوصا مع الجمع بين مستهدفات التحول الرقمي المتسارعة ومتطلبات صارمة للسيطرة على البيانات والامتثال.

وتعالج IDM هذه الحاجة من خلال خدمة تطوير وكلاء ذكاء اصطناعي مخصصين، حيث تصمم وتنشر عدة وكلاء متخصصين لتنفيذ مهام الأعمال على أجهزة الجهة أو خوادمها، أو ضمن بيئة هجينة محكومة.

الفكرة لا تقوم على إضافة روبوت محادثة عام إلى بيئة العمل، بل على هندسة "منظمة مصغرة" من الوكلاء، لكل وكيل دور محدد، وصلاحيات واضحة، ونقاط تسليم معروفة بين المهام والمراحل.

ويساعد التشغيل المحلي على خفض التكلفة لكل مهمة، وتسريع التنفيذ، وتعزيز القدرة على تتبع المنطق والصلاحيات والإجراءات بصورة كاملة. كما يمنح الجهة سيطرة أكبر على بياناتها وعلى طريقة عمل المنظومة وتطورها بمرور الوقت.

وبالنسبة للشركات والجهات الحكومية في الرياض وجدة ومختلف مناطق المملكة، يحول هذا النهج الذكاء الاصطناعي من تجربة تقنية منفصلة إلى قدرة تشغيلية محكومة، وأكثر كفاءة من حيث التكلفة، وقابلة للقياس والتوسع.

وتقدم IDM هذا النموذج من خلال تطوير منظومات وكلاء مصممة حول مهام الجهة وبياناتها وعملياتها الفعلية، لا حول حدود أداة جاهزة.