إدارة شركة قائمة على الذكاء الاصطناعي في عام 2027: إطار تشغيلي لمن يتولى القيادة للمرة الأولى
تتناول المقالة العناصر اللازمة في النموذج التشغيلي للقائد عندما يكون الذكاء الاصطناعي في صميم العمل منذ تأسيسه. وسيحصل القارئ على صورة متوازنة للأولويات: إعادة هيكلة العمليات، وحدود استقلالية الوكلاء، ومقاييس القيمة، وضوابط المخاطر.

نموذج الشركة القائم على الذكاء الاصطناعي بدلًا من مشروع ذكاء اصطناعي
أعادت 21% فقط من الشركات بناء نماذجها التشغيلية جذريًا حول الذكاء الاصطناعي. هذه البيانات واردة في تقرير McKinsey. وتُدرج الشركات الرائدة ما لا يقل عن 5% من أرباحها قبل الفوائد والضرائب ضمن إيرادات الذكاء الاصطناعي. وقد أجرت هذه الشركات إعادة هيكلة تنظيمية واسعة أكثر بثلاث مرات.
يجب ألا يظل الذكاء الاصطناعي مشروعًا تقنيًا يديره CIO أو فريق ابتكار صغير. يربط نموذج الشركة الذكاء الاصطناعي بالاستراتيجية والعمليات والموظفين ورأس المال والمخاطر والقيمة المقدمة للعملاء.
ما الذي يشمله هذا الترابط:
- الاستراتيجية؛
- العمليات؛
- الموظفون؛
- رأس المال؛
- المخاطر؛
- القيمة المقدمة للعملاء.
المعيار: إذا كان الذكاء الاصطناعي تابعًا للقطاع التقني، فستحصل الشركة على مشروع، لا على نموذج تشغيلي.
الأجزاء الخمسة للمؤسسة المتمحورة حول الذكاء الاصطناعي
ذكر المنتدى الاقتصادي العالمي وKearney أن الاستثمارات العالمية في الذكاء الاصطناعي خلال عام 2025 تجاوزت 250 مليارًا. ولم تُبلغ سوى 25% من الشركات عن أثر تحويلي. ويسمي التقرير خمسة أجزاء أساسية للمؤسسة المتمحورة حول الذكاء الاصطناعي:
- محركات الذكاء؛
- حزم تقنيات متكيفة؛
- إعادة تصميم العمليات؛
- فرق تجمع بين البشر والذكاء الاصطناعي؛
- ابتكار قيمة جديدة.
حجم الاستثمارات لا يعادل حجم الأثر. وتعمل الأجزاء الخمسة كقائمة تحقق. ويشرح غياب أي جزء منها الفجوة بين الاستثمار والنتائج.
العمليات أولًا، ثم الأدوات
تتجاوز 79% من المؤسسات إعادة تصميم سير العمل. وهذه الإعادة هي الأكثر ارتباطًا بتأثير الذكاء الاصطناعي على أرباح المؤسسة. وكانت الشركات الرائدة أكثر ميلًا بمرتين إلى إعادة تصميم سير العمل قبل اختيار أدوات الذكاء الاصطناعي.
ترتيب الخطوات:
- تقييم الشكل الذي ينبغي أن تكون عليه العملية إذا كان الذكاء الاصطناعي قادرًا على أداء جزء كبير من العمل؛
- إعادة تصميم العملية بما يتوافق مع هذا التصور؛
- اختيار أدوات الذكاء الاصطناعي بعد ذلك فقط.
المعيار: إذا سبق اختيار الأداة وصف العملية، فستقتصر إعادة التصميم على أتمتة الخطوات القديمة.

البشر والوكلاء: حدود الاستقلالية
ينفذ وكلاء الذكاء الاصطناعي المهام، ويتفاعلون مع الأنظمة الأخرى، ويتخذون القرارات ضمن حدود محددة، ويحيلون العمل إلى وكلاء آخرين. ويركز البشر على إصدار الأحكام، وثقة العملاء، والاستراتيجية، والاستثناءات.
| المجال | وكلاء الذكاء الاصطناعي | البشر |
|---|---|---|
| تنفيذ المهام الروتينية | يتولون العمل | يراقبون الحدود |
| التفاعل مع الأنظمة | يتصرفون ضمن القواعد | يضعون القواعد |
| القرارات | يتخذونها ضمن حدود محددة | يتحملون مسؤولية إصدار الأحكام |
| الاستثناءات | يحيلونها إلى غيرهم | يتولون معالجتها |
| ثقة العملاء والاستراتيجية | لا يتولونها | يتولونها |
وفقًا لبيانات Deloitte، يتوقع 74% من القادة إعادة تصميم نحو نصف العمليات التجارية حول وكلاء الذكاء الاصطناعي خلال أربع سنوات. ويتوقع 61% أن يعمل معظم الوكلاء باستقلالية واسعة تحت إشراف البشر. ويرى 75% أن تعاون البشر مع الوكلاء يخلق قيمة أكبر من الأتمتة وحدها.
لا ترى سوى 5% من المؤسسات أن عملياتها التجارية مهيأة بدرجة كبيرة لوكلاء الذكاء الاصطناعي. وقد وسعت 15% نطاق استخدام عدة وكلاء بين الوظائف المختلفة. المعيار: التعاون هو ما يخلق القيمة، لا الاستقلالية بحد ذاتها.
الضوابط أثناء التشغيل
تصف Gartner الضوابط أثناء التشغيل بأنها من المتطلبات المهمة للذكاء الاصطناعي الوكالي. فوثيقة السياسات وحدها لا تستطيع إيقاف وكيل ينفذ إجراءً خارج نطاق صلاحياته.
وفقًا لبيانات EY، أفاد 98% من قادة الذكاء الاصطناعي بوجود سياسات حوكمة رسمية. ومع ذلك، قال 47% إن المؤسسة تجاوزت إجراءات الحوكمة من أجل تنفيذ عاجل. ومن بين المؤسسات التي تستخدم الذكاء الاصطناعي الوكالي، لم تتمكن 26% من اكتشاف الوكلاء الداخليين غير المصرح بهم. وأبلغت 36% عن حادثة أو إخفاق للذكاء الاصطناعي خلّف أثرًا سلبيًا كبيرًا.
يشمل إطار الضوابط للمؤسسة المعتمدة على الذكاء الاصطناعي ما يلي:
- صلاحيات واضحة؛
- ضوابط للتحقق من الهوية؛
- قيود على الإجراءات؛
- سجلات تدقيق؛
- موافقة بشرية على الإجراءات عالية المخاطر؛
- إمكانية الإيقاف السريع.
المعيار: السياسة التي لا تتضمن آلية لإيقاف الإجراء لا تُعدّ ضابطًا.
المقياس: القيمة لكل سير عمل للذكاء الاصطناعي
المقياس المقترح للقادة هو القيمة لكل سير عمل للذكاء الاصطناعي. وإلى جانب المؤشرات المالية المعتادة، يأخذ هذا المقياس في الحسبان:
- تكلفة المهمة؛
- مشاركة البشر؛
- معدل نجاح الوكيل؛
- نسبة الاستثناءات؛
- الأثر على الإيرادات؛
- الأثر على هامش الربح.
لا تكفي مؤشرات التبني وحدها لإظهار قيمة الذكاء الاصطناعي على مستوى القيادة. المعيار: يرتبط المقياس بعملية محددة وبالبيانات المالية، لا بمجرد تشغيل وكيل.
وضوح العمليات واقتصاديات الذكاء الاصطناعي
وفقًا لبيانات KPMG، استخدمت 53% من المؤسسات وكلاء الذكاء الاصطناعي في استطلاع يونيو 2026. وارتفعت نسبة المؤسسات التي تنسق عمل عدة وكلاء ضمن سير العمل من 9% إلى 18% خلال ربع سنة واحد.
| المؤشر | نسبة المؤسسات |
|---|---|
| رؤية كاملة وفورية للنفقات التشغيلية للذكاء الاصطناعي | 26% |
| لوحات المعلومات | 66% |
| إجراءات الموافقة | 61% |
| التحكم المباشر في الرموز أو الاستخدام | 36% |
خطط القادة لاستثمارات كبيرة في الذكاء الاصطناعي خلال الاثني عشر شهرًا التالية.
يتزايد تنسيق الوكلاء بوتيرة أسرع من وضوح النفقات. المعيار: لا تتيح لوحات المعلومات وإجراءات الموافقة، من دون تحكم مباشر في الرموز، إدارة فعالة.
الأسئلة المتكررة
المواد ذات الصلة
جميع المواد
اختبار وكلاء البرمجة في تطوير XR التفاعلي: نتائج GenXR-Bench
نُشرت GenXR-Bench، وهي مجموعة تضم 112 مهمة من إعداد خبراء لتقييم وكلاء البرمجة تقييمًا شاملًا في تطوير XR التفاعلي، بدءًا من تحسين الوظائف وإصلاح العيوب وصولًا إلى إنشاء التطبيقات والتحقق من سلوكها على أجهزة استهلاكية. حقق أفضل أداء بين النماذج العشرة التي خضعت للاختبار 50.9% Pass@1؛ وشملت الإخفاقات المتكررة التعامل مع الأحداث غير المتزامنة للمستشعرات، وربط الكائنات بالفضاء الواقعي، وفهم التفاعل في السياق المادي.
5 نوفمبر 2026
وسم الصور الهجين: تُسرّع الأتمتة تدريب نماذج الرؤية الحاسوبية
توضح المقالة كيف تُقلّل الوسوم الأولية التي تضعها الخوارزميات من العمل اليدوي وتحسّن جودة مجموعات بيانات التدريب، ولماذا يظل التحقق البشري الانتقائي ضروريًا. كما تستعرض حدود هذه الطريقة في ظروف التصوير الصعبة وعند التعامل مع أنواع الأجسام النادرة.
5 نوفمبر 2026
من المكافأة القياسية إلى جبهة باريتو: توليف RTL باستخدام النماذج اللغوية الكبيرة والتعلّم المعزّز متعدد المعايير
اقتُرحت طريقة لتدريب نموذج لغوي على توليد مجموعة من مرشّحات RTL بدلًا من مخطط واحد، مع مفاضلات مختلفة بين المساحة وزمن التأخير واستهلاك الطاقة؛ وتُبنى المكافأة على مساهمة كل خيار في حجم فرط جبهة باريتو. على RTLLM v2، ارتفع حجم فرط باريتو النسبي بمقدار 13.3 نقطة مئوية مقارنةً بالإصدار الأساسي من دون تحسين PPA، وبمقدار 14.4 نقطة مئوية مقارنةً بالتدريب بالتعلّم المعزّز ذي الهدف الواحد.
5 نوفمبر 2026