ما هي الكمية المثلى من الذكاء الاصطناعي التي يجب استخدامها في الشركة: دليل الوصول إلى النقطة المثلى لعام 2026

الإجابة الأكثر فائدة عن سؤال كم من الذكاء الاصطناعي يجب استخدامه في الشركة ليست "بأكبر قدر ممكن". بل هي "إلى الحد الذي يزيد فيه القيمة دون أن يتآكل الحكم والجودة والتمايز".

هذا الأمر اليوم يهم أكثر مما يبدو. في إيطاليا، ارتفع تبني الذكاء الاصطناعي في الشركات من 8.2% في 2024 إلى 16.4% في 2025، وفقًا لبيانات Istat التي أوردتها Il Foglio. تضاعف هذا الرقم في عام واحد يقول شيئًا بسيطًا: السؤال لم يعد إن كان يجب التحرك، بل كيف تُضبط المؤشر.

بصفتي الرئيس التنفيذي لمنصة ذكاء اصطناعي مخصصة للشركات الصغيرة والمتوسطة الأوروبية، وبصفتي باحثًا يعمل على تحويل مخرجات النماذج اللغوية إلى سلع، أرى أن الخطأ نفسه يتكرر. فالشركات تتعامل مع الذكاء الاصطناعي كأنه مفتاح كهربائي. فإما أنها تتجاهله، أو تحاول أتمتة كل شيء. وكلا الخيارين يؤديان إلى إهدار القيمة. الأول لأنه يجعلك بطيئًا، والثاني لأنه يملأك بمخرجات صحيحة ظاهريًّا لكنها ضعيفة من حيث المضمون.

الإطار الفعال هو الأكثر بساطة والأكثر انضباطًا: استخدام الذكاء الاصطناعي حيث يقلل من العمل الروتيني، ووقف استخدامه حيث تتطلب الأمور المسؤولية والسياق واللمسة البشرية.

منحنى لافر للذكاء الاصطناعي: لماذا لا يُعدّ 0% ولا 100% هو الجواب الصحيح

تقع معظم الشركات في الخطأ إما بسبب الإفراط أو التأخير. المسألة ليست في اعتماد الذكاء الاصطناعي. بل تكمن في إيجاد الحد الذي يتجاوزه الأداء التشغيلي، حيث يصبح معدل نموه أقل من المخاطر التي تتسبب فيها.

لخّص Balaji Srinivasan الأمر أفضل من أي شخص آخر: "0% AI is slow. But 100% AI is slop." بصفتي رئيسًا تنفيذيًا، أقرأ هذا الأمر كالتالي. القليل جدًا من الذكاء الاصطناعي يترك في الشركة تكاليف غبية. والكثير جدًا منه يستبدل الحكم بمخرجات معقولة الشكل لكنها قابلة للاستبدال.

المنطق هنا هو منطق منحنى لافر المطبق على قطاع المعرفة. في البداية، كل نقطة إضافية في الذكاء الاصطناعي تولد عائدًا مرتفعًا: تقليل الوقت الضائع في الأنشطة المتكررة، وزيادة سرعة التنفيذ، ورفع مستوى التوحيد في العمليات. ثم يأتي عتبة معينة. وما وراء تلك العتبة، ينخفض العائد الهامشي وتبدأ التكاليف في الارتفاع، وهو ما لا يلاحظه العديد من المديرين إلا متأخرًا: أخطاء مُحكمة الصياغة، وانخفاض مستوى الرقابة، ومسؤوليات أكثر غموضًا، ومحتويات متشابهة تمامًا.

عندما تكون الذكاء الاصطناعي (AI) صفراً، فإنها تمثل تكلفة تشغيلية

البقاء عند الصفر ليس حكمة. إنه اختيار دفع أموال لأشخاص مؤهلين للقيام بعمل لا يخلق ميزة تنافسية.

يحدث هذا كل يوم. فريق الشؤون المالية يعيد تجميع الملفات يدويًّا. فريق المبيعات يعيد كتابة رسائل بريد إلكتروني متطابقة تقريبًا. فريق العمليات ينقل البيانات من نظام إلى آخر. فريق التسويق يُعد المسودات الأولية ويُجري تعديلات على التنسيق يدويًّا. هذه الأنشطة لا تُحسّن الاستراتيجية، ولا تعزز المكانة السوقية، ولا تزيد من القيمة التي يراها العميل. إنها لا تستهلك سوى اهتمام الإدارة وساعات عمل ثمينة.

ولهذا السبب يشهد السوق تحركات. وكما أشرنا في البداية، فإن معدل التبني آخذ في الازدياد لأن تكلفة التقاعس أصبحت أكثر وضوحًا، أولاً من حيث الوقت ثم من حيث هوامش الربح.

بدون الذكاء الاصطناعي تُبطئ التنفيذ. ومع الكثير منه توحّد حتى ما ينبغي أن يبقى مميزًا.

عندما يتحول «100% AI» إلى «slop»

أما الخطأ الآخر فهو أكثر دقة، لأنه يبدو في البداية وكأنه مكسب في الكفاءة.

قد يبدو التقرير المالي الذي تمت صياغته بالكامل بواسطة الذكاء الاصطناعي صحيحًا ومنظمًا، بل ومقنعًا أيضًا. لكن المدير المالي الجاد لا يوقع على وثيقة لمجرد أنها «تبدو جيدة». بل يقارنها بالطلبات، والإيرادات، والمخزون، والتأخيرات التشغيلية، والاستثناءات التجارية. وبدون هذه الخطوة، فإن الشركة لا تقوم بالأتمتة بشكل صحيح. بل إنها تقوم فقط بنقل المخاطر إلى مرحلة لاحقة في السلسلة.

وينطبق الأمر نفسه على المبيعات والتسويق. يمكن لرسالة بريد إلكتروني تم إنشاؤها بنسبة 100% بواسطة الذكاء الاصطناعي أن تراعي النبرة والبنية والقواعد النحوية. لكنها غالبًا ما تفتقر إلى التفاصيل الخاصة: الإشارة إلى التحدي الحقيقي الذي يواجهه العميل، وديناميكيات قطاعه، والمشكلة المحددة التي ظهرت خلال المكالمة. وهنا تكمن عملية التحويل. وهنا تبدأ الأتمتة الكاملة في القضاء على التميز.

هذا هو الـ"slop". مواد قابلة للقراءة، سريعة الإنتاج، مقبولة شكليًا، لكنها فقيرة من حيث المسؤولية والميزة التنافسية. حللت هذه المخاطرة بشكل أوسع هنا: كيف تواجه الشركات الذكاء الاصطناعي.

القاعدة العملية هي هذه:

• استخدم الكثير من الذكاء الاصطناعي عندما يكون العمل متكررًا، متواترًا وسهل التحقق منه.
• قلّل الذكاء الاصطناعي عندما تؤثر المخرجات على المال، السمعة، الثقة أو القرارات الاستراتيجية.
• أوقف الذكاء الاصطناعي قبل التوقيع، وقبل العلاقة مع العميل والقرار الذي لا رجعة فيه.

مبدأ «من الوسط إلى الوسط» والتكاليف الحقيقية للذكاء الاصطناعي

الذكاء الاصطناعي لا يؤتمت جيدًا عملية كاملة. بل يؤتمت جيدًا مركز العملية. يعمل بطريقة "middle-to-middle".

في البداية، نحتاج إلى شخص يحدد المشكلة والسياق والقيود والبيانات ذات الصلة. وفي النهاية، نحتاج إلى شخص يتحقق من النتائج ويضعها في سياقها ويتحمل مسؤوليتها. أما في المرحلة الوسطى، فيمكن للذكاء الاصطناعي أن يقلل ساعات العمل.

يعمل الذكاء الاصطناعي بشكل جيد في الوسط

لنأخذ تحليلًا تجاريًّا كمثال. تحدد الإدارة المتطلبات الأولية: أي العملاء يشهدون تباطؤًا، وأي خطوط الإنتاج تشهد نموًّا، وأين تتقلص الهامش الربحي. تقوم الذكاء الاصطناعي بتجميع البيانات، وتنقية الجداول، والإبلاغ عن الأنماط، وإعداد التقرير. ثم يقوم خبير بقراءة النتائج ويقرر ما إذا كان هذا النمط يمثل انحرافًا حقيقيًّا أم مجرد تقلب مؤقت.

وينطبق هذا النمط نفسه على مجالات خدمة العملاء، والشؤون المالية، والعمليات، والتسويق. فالذكاء الاصطناعي يجيد عمليات التحويل، والتصنيف، والتلخيص، وتكييف التنسيق، وإنتاج المسودات الأولية. لكنه، بمفرده، لا يجيد تحديد أولويات العمل وتحمل مخاطر اتخاذ القرار النهائي.

أين يكمن التكلفة الحقيقية

ينصب اهتمام العديد من رواد الأعمال على واجهات برمجة التطبيقات (API) أو التراخيص. وهذا جزء من الحساب، لكنه نادرًا ما يكون العامل الحاسم. فالتكلفة الحقيقية تكمن في ساعات العمل المتخصصة اللازمة لإعطاء تعليمات جيدة والتحقق من النتائج.

هنا تدخل معلومة أشاركها كثيرًا مع الفرق. 10% فقط من قيمة الذكاء الاصطناعي تأتي من الخوارزميات، و20% من البيانات، و70% من الأشخاص والعمليات والثقافة المؤسسية، كما لخّصت ذلك Archimedia في دليلها العملي. إذا أخطأت في التنظيم والحوكمة والمسؤوليات، يمكن أن يكون لديك أفضل نموذج ومع ذلك تحصل على القليل.

قاعدة إدارية: الذكاء الاصطناعي لا يلغي الحاجة إلى الكفاءة. بل ينقلها من الأداء الميكانيكي إلى الحكم الجيد.

ولهذا السبب، غالبًا ما تصاب الشركات التي تسعى إلى «استبدال الأفراد» بخيبة أمل. أما الشركات التي تعيد تصميم الأدوار، فتحقق نتائج أفضل. وقت أقل في الإنتاج اليدوي. ووقت أكثر في المراجعة والتحليل واتخاذ القرارات.

ثلاث آثار عملية:

1. لا تُسند الذكاء الاصطناعي إلى عمليات دون مالك بشري. إذا لم يتحقق أحد، فلن يراقب أحد.
2. لا تشترِ الأداة أولاً ثم تبحث عن حالة الاستخدام. ابدأ من نقطة الاختناق.
3. لا تقِس فقط وقت التوليد. قِس أيضًا وقت المراجعة.

القيود الهيكلية الأربعة للذكاء الاصطناعي التي يجب على كل مدير معرفتها

أسرع طريقة للفشل في تبني الذكاء الاصطناعي هي التعامل مع حدوده على أنها مشاكل مؤقتة. فالكثير منها ليس كذلك. إنها حدود هيكلية تهدف بالضبط إلى تحديد أين يجب التوقف.

أربعة حدود تؤثر على القرارات

الحد الأول، اقتصادي. الذكاء الاصطناعي على نطاق واسع ليس مجانيًا. كل استدعاء، سير عمل، تنسيق، تكامل ومراقبة يضيف تكلفة. إذا كانت المهمة ذات قيمة منخفضة أو تتطلب عددًا كبيرًا من خطوات المراجعة، فإن الأتمتة يمكن أن تزيد الوضع المالي سوءًا بدلاً من تحسينه.

الحد الثاني، رياضي. الذكاء الاصطناعي لا يحل بشكل سحري المشاكل حيث يكون النظام غير مستقر، فوضويًا أو قليل الوضوح. يمكن للنموذج أن يساعد في قراءة الإشارات. لا يمكنه تحويل عدم اليقين الجذري إلى يقين.

الحد الثالث، عملي. حتى عندما يكون النموذج جيدًا، لا يمكن أتمتة المهمة الكاملة بشكل تام. يجب أن يقوم أحدهم بصياغة المشكلة، ويجب أن يقوم أحدهم بمراجعة الإجابة.

الحد الرابع، مادي. الذكاء الاصطناعي لا يعيش في مصنعك، ولا يزور العميل، ولا يشعر بالتوتر في مفاوضة، ولا يرى آلة تهتز بشكل غير طبيعي إذا لم يُدخل أحد ذلك في البيانات.

إذا كانت العملية تتطلب سياقًا ضمنيًا، إدراكًا مباشرًا أو مسؤولية قانونية قوية، فيجب أن يكون الذكاء الاصطناعي مساعدًا، لا طيارًا.

الحد العملي هو ما يعيق معظم الشركات الصغيرة والمتوسطة

أكثر عنق زجاجة يتم التقليل من شأنه هو الكفاءة الداخلية. في إيطاليا، 68% من الشركات التي يقل عدد موظفيها عن 50 تعتبر نقص الكفاءات الداخلية العائق الرئيسي أمام تبني الذكاء الاصطناعي، ويلزم متوسط 4-6 أسابيع من التدريب للوصول إلى استخدام مستقل، وفقًا لـهذا التحليل حول استخدام الذكاء الاصطناعي، البيانات، الكفاءات والتدريب.

هذه الحقيقة أهم من العديد من العروض التوضيحية المبهرة. فإذا لم يكن هناك أحد في الشركة قادر على مراقبة النتائج، فإن الأتمتة لا تمثل ميزة، بل تشكل مخاطرة تشغيلية.

بالنسبة للمدير، السؤال الصحيح ليس «هل تستطيع الذكاء الاصطناعي القيام بذلك؟». بل هو:

• هل توجد بيانات موثوقة؟
• هل يوجد مالك للعملية؟
• هل يوجد من يعرف كيفية التحقق؟
• هل السياق مستقر بما يكفي لجعل المهمة قابلة للتكرار؟

إذا كانت إجابة أي من هذه الأسئلة «لا»، فقم بزيادة الحصة البشرية.

"فخ B+": كيف تقضي الذكاء الاصطناعي بنسبة 100% على التمايز

المشكلة الاستراتيجية الأكثر دقة ليست الخطأ الفادح. إنها التقارب نحو المتوسط ذي الجودة الجيدة. أسمي هذا التأثير B+ Trap.

لم يعد «جيد» كافياً

تنتج النماذج التوليدية الرئيسية بشكل متزايد مخرجات «جيدة بما فيه الكفاية». نصوص خالية من الأخطاء. ملخصات سهلة القراءة. تحليلات منظمة. هياكل صحيحة. ولكن عندما يستخدم الجميع نفس النماذج، ونفس أنماط المطالبات، ونفس مسارات العمل، فإن النتائج تميل إلى التماثل.

بالنسبة للعديد من الشركات، يظل هذا الأمر غير مرئي في البداية. فهي ترى السرعة والجودة الظاهرية، ولا ترى فقدان الصوت أو التميز أو الميزة التنافسية. وفي مجال التسويق، يترجم ذلك إلى محتوى قابل للاستبدال. وفي مجال التحليل، يترجم ذلك إلى رؤى يمكن لأي شخص آخر الحصول عليها. وفي مجال الاستراتيجية، يترجم ذلك إلى قرارات تستند إلى معلومات سوقية عامة، وليس إلى ميزتك التنافسية الخاصة.

الميزة تكمن في العنصر البشري المالك

الشركة التي تُركِّع المهام الروتينية للذكاء الاصطناعي، ثم تضيف إليها الخبرة الداخلية، وسياق القطاع، والبيانات الخاصة، والحكم الإداري، تنتج مخرجات مختلفة. ليست بالضرورة أطول أو أكثر تعقيدًا، بل أكثر فائدة.

وهذا هو السبب في أن الاعتماد بنسبة 100% على الذكاء الاصطناعي يمثل طريقًا مسدودًا من الناحية التنافسية. ليس لأن الذكاء الاصطناعي ضعيف، بل لأنك إذا تركته ينتج كل شيء دون تدخل بشري، فستحصل على نتائج تشبه أكثر فأكثر تلك التي يحققها الجميع. والجزء الذي يخلق هامش الربح هو السمة غير القابلة للاستبدال.

لمن يرغب في التعمق في وجهة النظر هذه من منظور بحثي، أشير إلى AI-driven analytics publications.

الميزة في عام 2026 ليست في امتلاك الوصول إلى الذكاء الاصطناعي. بل في معرفة أين يجب إيقاف الأتمتة وإضافة طبقتك الخاصة.

نموذج عملي لتحديد حجم استخدام الذكاء الاصطناعي

عندما يسألني رائد أعمال عن مقدار الذكاء الاصطناعي الذي يجب استخدامه في الشركة، أبدأ من متغيرين. ليس من الأداة.

المتغيران اللذان يهمان حقًا

الأول هو طبيعة المهمة. هل هي ميكانيكية، تحليلية أم قرارية؟

الثاني هو تكلفة الخطأ. إذا كانت النتيجة خاطئة، هل تخسر بضع دقائق، عميلًا، هامش ربح، أو مصداقية؟

هذا النهج منطقي أيضًا لسبب ملموس جدًا. أكثر الآثار المباشرة للذكاء الاصطناعي التوليدي تظهر في أتمتة الأنشطة المتكررة مثل إدارة البريد الإلكتروني وإنشاء التقارير القياسية، مما يحرر الموارد البشرية لمهام ذات قيمة أعلى، كما أشار إلى ذلك Huware في تحليله المتعمق حول إنتاجية الشركات.

مصفوفة اتخاذ القرار بشأن اعتماد الذكاء الاصطناعي

هذه النسب ليست قانونًا طبيعيًّا. إنها نقطة انطلاق عملية. وهي تهدف إلى تجنب خطأين شائعين: أتمتة العمليات عالية المخاطر في وقت مبكر جدًّا، أو الإبقاء على العمليات يدويًّا في حين أنه كان ينبغي أن تكون مؤتمتة بالفعل.

ثلاثة مقاييس لتحريك المؤشر

من الناحية العملية، من المستحسن مراجعة مستوى الأتمتة بانتظام. وأكثر المقاييس فائدة هي تلك البسيطة.

• معدل التدخل التصحيحي: إذا كان الناتج يتطلب الكثير من التصحيحات البشرية، فقد تجاوزت النقطة المثلى.
• الوقت من البداية إلى النهاية: إذا كانت الذكاء الاصطناعي تقلل وقت الإنتاج لكنها تطيل وقت المراجعة، فالمكسب يكون محدودًا.
• الجودة المُدركة من المستخدم النهائي: إذا أصبح العميل أو الفريق أقل ثقة في الناتج، فقد تجاوزت الأتمتة الحد المناسب.

إذا أردت إضفاء الطابع الرسمي على هذه الخطوة، من المفيد التفكير في كيفية تقييم العائد على الاستثمار في الذكاء الاصطناعي قبل توسيع نطاق الاعتماد ليشمل الشركة بأكملها.

أهم النقاط

• ارسم خريطة العمليات: افصل بين ما هو ميكانيكي وتحليلي وقراري.
• صنّف المخاطر: اسأل نفسك ما هي تكلفة الخطأ الذي لم يتم رصده.
• عيّن مسؤولًا بشريًا: يجب أن يكون لكل سير عمل يعتمد على الذكاء الاصطناعي مسؤول.
• ابدأ بالمخاطر المنخفضة: الأتمتة تحقق عائدًا أكبر حيث يكون التحقق بسيطًا.
• أعد المعايرة باستمرار: النماذج تتحسن، لكن معاييرك أنت أيضًا تتغير.

تطبيق النموذج عمليًّا: مثال شركة ELECTE

أفضل طريقة لفهم هذا الإطار هي رؤيته مطبقًا دون نظريات زخرفية. داخليًّا، لم تنطلق هذه المسيرة من مشروع مجرد حول «مستوى الذكاء الاصطناعي». بل انطلقت من قاعدة بسيطة: الأتمتة فقط في الحالات التي تكون فيها تكلفة الخطأ غير المكتشف منخفضة، مع الحفاظ على الرقابة البشرية في الحالات التي تكون فيها تكلفة الخطأ مرتفعة.

من إغراء التشغيل التلقائي الكامل إلى المعايرة

أوضح مثال على ذلك هو مسار النشر. كانت المحاولة الأولى بسيطة: أتمتة كل شيء، بدءًا من المسودة الأولية وصولاً إلى التوزيع عبر القنوات، بما في ذلك تعديلات التنسيق والصور والجدولة. كان الأمر يعمل. لكن الناتج كان صحيحًا بشكل عام.

كان الأسلوب موجودًا. وكذلك الشكل. لكن كان ينقصه ذلك الجزء الذي يدركه القارئ المتمرس على الفور: الزاوية المحددة، والحكم، ووجهة النظر.

تحققت المعايرة من خلال إعادة إدخال التدخل البشري في نقطتين فقط: مراجعة الرسالة الأساسية واختيار الزاوية المناسبة لكل منصة. بقيت الذكاء الاصطناعي مسؤولة عن تكييف التنسيق، وإنتاج المواد الإبداعية، والنشر. بهذا انخفضت العملية من ثلاث ساعات إلى نحو 30 دقيقة من العمل البشري لكل دورة، بتوازن نهائي يبلغ حوالي 80% ذكاء اصطناعي و20% بشري.

النقطة المثلى ليست حيث تستطيع الذكاء الاصطناعي القيام بكل شيء. بل هي حيث يتوقف الفريق عن التصحيح المفرط ويبقى الناتج موثوقًا.

المعيار التشغيلي الذي يصمد أمام اختبار الزمن

يمكن تطبيق الطريقة المستخدمة للوصول إلى هذه النتيجة في أي شركة صغيرة أو متوسطة الحجم.

1. رسم خريطة العمليات في ثلاث مجموعات: ميكانيكية، تحليلية، قرارية.
2. دفع الأتمتة إلى الأعلى ثم تقليصها حتى العودة إلى جودة مقبولة دون احتكاك مفرط.
3. وضع معيار تشغيلي ومراجعته كل ثلاثة أشهر.

هناك ثلاثة مؤشرات قياس داخلية يتم رصدها. وهي: معدل التدخل التصحيحي، والوقت الإجمالي من البداية إلى النهاية، والجودة التي يراها المستخدم النهائي. وعندما يتدهور أحد هذه المؤشرات، يجب إعادة ضبط المؤشر إلى الوضع السابق.

ويعكس هذا النهج أيضًا بشكل جيد فلسفة المنتج التي أعتبرها سليمة: يجب أن تحل الذكاء الاصطناعي محل عمل المحلل عندما يكون هذا العمل متكررًا ومنظمًا، وليس محل التقدير التجاري. بعبارة أخرى، تم تصميمه ليحل محل محللك، وليس محل تقديرك.

الخلاصة: الكفاءة لا تكمن في استخدام الذكاء الاصطناعي، بل في معرفة كيفية إيقافه

الميزة التنافسية لا تنشأ عن زيادة استخدام الذكاء الاصطناعي. بل تنشأ عن القدرة على تحديد حدود قبل أن تبدأ الأتمتة في تقويض هوامش الربح والثقة والطابع الفريد للعمل.

لهذا السبب فإن السؤال الصحيح ليس ما إذا كان ينبغي اعتمادها، بل كم من الذكاء الاصطناعي يجب استخدامه في الشركة في كل عملية ذات صلة. منحنى لافر للذكاء الاصطناعي يخدم بالضبط هذا الغرض: إيجاد النقطة التي تزيد فيها الأتمتة من الإنتاجية والسرعة دون دفع الفريق إلى فخ الـ B+، أي نواتج جيدة بما يكفي لتُقبل، لكنها عامة جدًا بحيث لا تميّز الشركة.

من الناحية العملية، يجب استخدام الذكاء الاصطناعي في الحالات التي يقلل فيها الوقت المستغرق، ويحد من الأعمال المتكررة، ويبقي تكلفة التدقيق منخفضة. ويجب التوقف عن استخدامه عندما يكون تأثير الخطأ أكبر من الوقت الموفر، أو عندما يكون السياق أكثر أهمية من الشكل، أو عندما يكون للقرار تداعيات تجارية أو متعلقة بالسمعة.

هنا تظهر النضج الإداري.

في الدورة التنافسية المقبلة، ستفوز الشركات التي ستتمكن من تحديد نطاق واضح للذكاء الاصطناعي. ليست تلك التي تدمجه في كل شيء، بل تلك التي تحافظ على عنصر التقدير البشري وتقوم بأتمتة الباقي بانضباط.

إذا أردت تطبيق هذا النهج مع منصة تُؤتمت التحليل دون أن تفقد السيطرة على القرار، اكتشف ELECTE، منصة تحليل بيانات مدعومة بالذكاء الاصطناعي للشركات الصغيرة والمتوسطة. يمكنك أن ترى كيف تحوّل البيانات الخام إلى رؤى قابلة للاستخدام وتقارير تلقائية وإشارات مفيدة لاتخاذ قرارات أسرع، دون الوقوع في فخ الاعتماد الكامل بنسبة 100% على الذكاء الاصطناعي. مستعد للتصرف بناءً على بياناتك؟ ابدأ تجربتك المجانية →