الثغرة الخفية في تحول الفريق إلى العمل باستخدام الذكاء الاصطناعي

هذا ليس بأمر جديد، فهذه المزايا نفسها التي تسعى الشركات إلى اكتسابها منذ سنوات بواسطة التحول الرقمي، لكنَّ اعتماد الذكاء الاصطناعي ليس سوى امتداد لهذه الرحلة، مع نتائج مضاعفة.

لكن، إذا كان الذكاء الاصطناعي مجرد مرحلة متقدمة من المسار نفسه، فلماذا تجد عديدٌ من المؤسسات صعوبةً في الاستفادة من كل إمكاناته؟

لماذا تفشل مبادرات الذكاء الاصطناعي (حتى بعد الاستثمار في الأدوات)؟

تكشف البيانات الحديثة عن نمط مقلق في مشاريع دمج الذكاء الاصطناعي، فوفقاً لتقرير أعدَّته مؤسسة "غارتنر" (Gartner)، ينجح فقط 48% من مشاريع الذكاء الاصطناعي في الانتقال من مرحلة التجريب (Pilot) إلى الإنتاج الفعلي، مع أنَّ المتوسط الزمني لهذا الانتقال يبلغ نحو 8 أشهر، مما يعني أنَّ ما يزيد عن نصف المبادرات تتوقف عند المرحلة التجريبية رغم الوعود المبكرة والاستثمارات الكبيرة.

تسبب الإحصاءات إحباطاً أكبر عند النظر في القيمة الناتجة؛ إذ كشفت "مجموعة بوسطن الاستشارية" (BCG) عن أنَّ 4% فقط من الشركات تحقق القيمة الكاملة من الذكاء الاصطناعي.

كما أظهر تقرير "مؤشر الذكاء الاصطناعي في ستانفورد" (Stanford AI Index) أنَّ 47% من المؤسسات التي تستخدم الذكاء الاصطناعي في التمويل والاستراتيجية حققت زيادات في الإيرادات، لكنَّها لم تتجاوز 5%، أي أقل بكثير من العوائد المتوقعة من هذا التحول.

ملاحظة حول التجريب

تجدر الإشارة إلى أنَّ معدل الفشل العالي في التجارب ليس مؤشراً سلبياً دوماً، فالابتكار يتطلب المحاولة، ولن تنجح كل تجربة، وهذا أمر طبيعي.

لا تكمن المشكلة الحقيقية في فشل التجارب، بل في عدم القدرة على توسيع نطاق المشاريع الناجحة بسبب عوائق تنظيمية، فتبقى هذه المشاريع الواعدة عالقة في مرحلة التجريب، وذلك للأسباب الآتية:

• غياب مدير واضح لمبادرات الذكاء الاصطناعي: بدون راعٍ تنفيذي أو "مسؤول عن الذكاء الاصطناعي"، تفشل المبادرات بلا مساءلة أو توجيه استراتيجي.
• استخدام أدوات منفصلة: تستخدم فرق العمل الذكاء الاصطناعي بصورة منعزلة؛ إذ تستخدم فرق التسويق "شات جي بي تي" (ChatGPT)، وتستخدم فرق المبيعات نظام إدارة علاقات العملاء (CRM)، ولدى فرق خدمة الزبائن روبوتات محادثة، لكن لا يوجد تكامل في منظومة موحدة.
• ضعف حوكمة البيانات: يحتاج الذكاء الاصطناعي إلى بيانات واضحة ومتاحة للنظام، لكن حين لا يتحمل أحد مسؤولية جودة البيانات، أو تظل ضمن نطاق أقسام محددة، تبقى جودة النتائج متدنيةً مهما كانت الأداة متطورة.
• نقص المهارات: يرغب الموظفون في استخدام الذكاء الاصطناعي ولكن ينقصهم التدريب أو الثقة بالنفس أو حتى الإذن لتجربة هذه الأدوات وتطبيقها.
• الانفصال عن استراتيجية الشركة: لا ترتبط المبادرات بالأهداف والنتائج الرئيسة (OKRs) والميزانيات ودورات التخطيط الاستراتيجي.

تؤثر هذه الفجوات التشغيلية مباشرةً في قدرة المؤسسة على المنافسة، والمشكلة أنَّ معظم المؤسسات لا تعتمد منهجية دقيقة لتحديد مواطن النقص والخلل؛ إذ يرون الخلل مثل: فشل المشاريع، وضعف العائد، لكنَّهم لا يعرفون بالضبط ما يجب إصلاحه.

ولهذا تحديداً، طُوِّرت أداة تشخيص تبنِّي الذكاء الاصطناعي والنضج الرقمي (AI Adoption and Digital Maturity Diagnostic)، والتي تقيِّم المؤسسة من خلال 7 فئات هامة، وتكشف بوضوح الثغرات التشغيلية التي تعيق النتائج الإيجابية. وعليه، سيكون لدى المؤسسة خارطة واضحة للأمور التي يجب أن تركز اهتمامها عليه.

أداة تشخيص تبنِّي الذكاء الاصطناعي والنضج الرقمي

تُعد هذه الأداة استبياناً مكوَّناً من 28 سؤالاً يقيِّم مدى جاهزية المؤسسة لتبني الذكاء الاصطناعي من خلال 7 فئات أساسية، تمثل كل فئة ركيزةً جوهريةً من ركائز نجاح التحول إلى العمل باستخدام الذكاء الاصطناعي.

إليكم تلك الفئات السبع:

1. القيادة: هل يدعم التنفيذيون تبنِّي الذكاء الاصطناعي ويقدمون نموذجاً في استخدامه؟
2. الاستراتيجية: هل يُدمج الذكاء الاصطناعي في أهداف الأعمال ودورات التخطيط الاستراتيجي؟
3. صوت الزبون (VoC): هل تقود رؤى العملاء عملية تطبيق الذكاء الاصطناعي؟
4. المنتج: هل تفهم الفرق كيف يمكن للذكاء الاصطناعي أن يعزز قيمة الزبون؟
5. البيانات: هل تساعد حوكمة البيانات وإمكانية الوصول إليها في نجاح المبادرات؟
6. المواهب: هل يملك الموظفون المهارات والإذن لاستخدام الذكاء الاصطناعي بفعالية؟
7. الأدوات: هل تُدمج قدرات الذكاء الاصطناعي في البنية التكنولوجية للمؤسسة؟

تحتوي كل فئة على 4 عبارات تقيِّم جوانب محددة من النضج الرقمي. يحدد المشاركون مدى موافقتهم على كل عبارة، مما يتيح رسم صورة شاملة عن مستوى نضج المؤسسة في تبنِّي الذكاء الاصطناعي.

تتمثل فعالية هذا التشخيص في إمكانية جمع وجهات نظر متعددة؛ إذ تقسم الأداة تلقائياً المشاركين وفقاً لنطاق البريد الإلكتروني، مما يتيح إنشاء عروض على مستوى الفريق تكشف مواقفهم الحالية، ومواضع تباين الآراء.

تتعدد منظورات هذا النهج بالغ الأهمية؛ فقد يقيِّم القائد استراتيجية الذكاء الاصطناعي على أنَّها فعالة، بينما يرى الموظفون في الخطوط الأمامية أنَّها لا تفيد في العمل اليومي. وكلا الرأيين لهما قيمة؛ إذ غالباً ما تكشف الفجوات بينهما عن أهم الرؤى والتحديات الحقيقية.

4 خطوات لتقييم مستوى نضج التحول الرقمي وتبني الذكاء الاصطناعي

فيما يلي عدد من الخطوات يمكن من خلالها تقييم المستوى الذي وصل إليه التحول الرقمي في عصر تبني الذكاء الاصطناعي:

1. تحديد نهج التقسيم

يجب تحديد ما إذا كان الاستبيان سيُجرى على مستوى المؤسسة بأكملها أو وفقاً للأقسام أو الوظائف أو الفرق. بالنسبة للشركات المتوسطة، يُوصى بالبدء بتجزئة وظيفية (مثل: التسويق والمبيعات ونجاح الزبائن) لتحديد التحديات التي يواجهها كل قسم.

ينبغي أيضاً تحديد ما إذا كانت الردود ستُجمَع بصفة مجهول؛ لأنَّ السرية تشجع المشاركين على تقديم تغذية راجعة صريحة، خاصة في المواضيع الحساسة مثل: القيادة والموهبة. ومع ذلك، عند اختيار هذا النهج، يجب توظيف ميسر محايد لإدارة النقاشات اللاحقة.

2. توزيع الاستبيان

شارك رابط التشخيص مع توضيح الهدف من إجرائه وكيفية استخدام النتائج، وأكِّد على أنَّ الهدف هو تحديد فرص التحسين، وليس تقييم أداء الأفراد.

إذا كانت الردود بصفة مجهول، صرِّح بذلك بوضوح، وإذا لم تكن مجهولة، اشرح كيف سيتم التعامل مع الردود الفردية.

3. جمع الردود

اطلب ما لا يقل عن 5 ردود من كل فريق أو شريحة لتكوين إحصائية. بالنسبة للفرق الصغيرة، يمكن أن توفر 3–4 ردود معلومات قيِّمة، لكن ينبغي توخي الحذر عند صياغة الاستنتاجات.

بالإضافة إلى ذلك، حدد موعداً نهائياً واضحاً وأرسل تذكيرات للالتزام به؛ إذ يحسُب نظام التشخيص افتراضياً درجات الأفراد والمجموعات بواسطة برنامج مدمج، وتُحدَّث النتائج فوراً في لوحة التحكم.

يستخدم النظام عناوين البريد الإلكتروني للتعريف بالأفراد، فإذا أرسل شخص استجابته أكثر من مرة، يُحسب فقط آخر رد له.

4. اختيار أسلوب احتساب الدرجات للفِرَق

يوفر التشخيص 4 طرائق لاحتساب نتائج الفرق، وذلك فق التالي:

• الحد الأدنى (الوضع الافتراضي): يعتمد أقل درجة فردية في كل فئة.
• المتوسط: يحسب متوسط تقييمات المشاركين.
• الحد الأقصى: يأخذ أعلى درجة فردية في كل فئة.
• الوسيط: يختار القيمة المتوسطة، مما يقلل من تأثير القِيَم المتطرفة.

بالنسبة للفرق التي تضم ما يزيد عن 5 مشاركين، عادة ما يوفر الوسيط رؤية متوازنة أكثر، أما بالنسبة للفرق الصغيرة، فيُفضَّل استخدام الحد الأدنى؛ لأنَّه يبرز المؤشرات السلبية التي قد يتم تجاهلها.

اختر طريقة احتساب الدرجات قبل مراجعة النتائج، وشارك هذا القرار مع أصحاب المصلحة، لتثبت شفافيتك وتنفي أية شكوك تتعلق بالتلاعب بالبيانات لإظهار نتائج إيجابية.

تفسير مخطط الرادار والحدود التشخيصية

يُظهر مخطط الرادار مستوى نضج المؤسسة في مجال تبني الذكاء الاصطناعي، ولكن ينبغي أن تجيد قراءة المخطط وتأويل النتائج لكي تحول البيانات المجردة إلى مؤشرات عملية تساعد في اتخاذ القرارات المناسبة.

1. التركيز على الدرجة الإجمالية

ابدأ بدرجة النضج الكلية، وهي متوسط درجات جميع الفئات السبع، والتي تعطي تقييماً عاماً لمستوى النضج، وتشكل أساس متابعة التقدم مع مرور الوقت.

إذا كنت قد أجريت التشخيص مسبقاً، قارن النتائج الحالية بالسابقة لتحديد اتجاه الحركة: هل هناك تحسن إجمالي؟ وهل جاءت المكاسب في بعض المجالات على حساب مجالات أخرى؟ الدرجات الكاملة ليست الهدف بالطبع، بل الأهم هو التقييم الصادق والتحسين المستمر.

2. الاهتمام بالاستكشاف العميق

يجب معرفة الجوانب التي تستدعي تحليلاً عميقاً، وهناك عدة طرائق لتحقيق ذلك، وهي:

2.1. إجماع على ضعف الأداء (Low Spoke Consensus)

ابحث عن الفئات التي تتفق على ضعف الأداء، فهي تشير إلى فرص التحسين.

على سبيل المثال: إذا قيَّم جميع المشاركين فئة "الأدوات" بأقل من (3)، فهذا يشير إلى إجماع على أنَّ أدوات الذكاء الاصطناعي غير مدمجة بما يكفي. يُعالَج هذا النوع من المشكلات سريعاً نتيجة الإجماع عليها.

2.2. إجماع ضعيف (Weak Consensus)

 لعلَّ أكثر الفئات التي تكشف عن الفجوات والمشكلات الخفية في المؤسسة عند تقييم تبني الذكاء الاصطناعي والنضج الرقمي، هي التي يظهر فيها تفاوت كبير بين تقييمات المشاركين. ابحث عن الفئات التي تتوزع فيها الدرجات على نطاق واسع، والتي قد تشير إلى:

• انقطاع في التواصل: بعض الفرق على علم بالمبادرات، بينما فرق أخرى لا تعلم عنها.
• تنفيذ غير متكافئ: نجاح اعتماد الذكاء الاصطناعي في بعض الأقسام، لكنَّه لم يشهد توسعاً بعد.
• اختلاف وجهات النظر: يرى القادة أنَّ الاستراتيجية فعالة، بينما يلاحظ الموظفون ثغرات في التنفيذ.

أساليب إضافية لاكتشاف معايير تحليل نتائج التشخيص (Discovery Threshold Methods)

الأسلوب	مناسب لـ	النهج
الانحراف المعياري (Standard Deviation)	الفرق التي تضم 10 مشاركين أو أكثر.	أية درجة أعلى أو أقل من المتوسط بمقدار يتجاوز انحراف معياري واحد.
الإحصاء المَئين (Percentile)	50 مشاركاً أو أكثر.	تحديد أعلى 10% وأدنى 10% من الدرجات في كل فئة.
ترجيح المجموعات (Group Weighting)	الفِرق متعددة الوظائف.	أية فجوة بدرجة نقطة واحدة أو أكثر بين المجموعات أو الأقسام.
تغير الآراء (Sentiment Shift)	الفرق الصغيرة أقل من 5 مشاركين.	أية استجابة تغير التوجه العام للفريق (مثلاً من إيجابي إلى سلبي).

تساعد هذه الأساليب في تحديد الدرجات التي تتطلب تحقيقاً أعمق وأكثر منهجيةً. اختر الطريقة التي تناسب حجم الاستجابات وبنية المؤسسة.

الانتقال من الدرجات إلى مقابلات الاكتشاف (Discovery Interviews)

يحدد التشخيص الفئات التي تتطلب الاهتمام، لكن يتطلب فهم السبب وراء هذه الدرجات متابعةً مدروسةً. كما وتحول هذه المرحلة من الاكتشاف البيانات الضخمة إلى رؤى قابلة للتنفيذ. وهنا يجدر التركيز على:

• الفئات ذات الدرجات الأدنى التي يوجد حولها إجماع.
• الفئات عالية التباين، التي تشير إلى وجود اختلاف في الرؤية.
• الفئات الحرجة المرتبطة بالمبادرات الحالية.

يأخذ الاكتشاف أشكالاً مختلفة:

• المقابلات الفردية (One-on-one interviews): أفضل خيار للمواضيع الحساسة، أو حين تمنع السلطة المشاركين من التعبير بصدق في المجموعة. تتيح هذه المقابلات الاستكشاف العميق وأخذ أمثلة شخصية.
• مجموعات النقاش (Focus groups): فعالة في جمع وجهات نظر متعددة في وقت قصير، وتتيح للمشاركين البناء على أفكار بعضهم، ومناسبة لمواضيع تشغيلية تحتاج إلى حل جماعي للمشكلات.
• استبيانات المتابعة (Follow-up surveys): سريعة في اختبار الفرضيات الناتجة عن النتائج الأولية، وتفيد في تجربة حلول مقترحة مع جمهور أوسع.

بصرف النظر عن الشكل، تعامل مع الاكتشاف بفضول حقيقي، وركز على الوقائع (ما يحدث فعلياً) والآراء (كيف يفسر الناس الوضع الحالي).

أسئلة هامة يمكن طرحها:

• ما الأمثلة المحددة التي أثرت في التقييم؟
• ما الذي يجب أن يتغير كي تعطي تقييماً أعلى؟
• ما الأمور التي تنجح، ويجب الحفاظ عليها؟
• ما الشيء الذي لم تُسأَل عنه، وربما تم إغفاله؟

شاهد بالفيديو: وظائف لا يمكن للذكاء الاصطناعي القيام بها

التحديات الشائعة حسب الفئة والنجاحات السريعة

يعزز فهم تحديات الذكاء الاصطناعي وحلولها عملية التحسين.

الفئة	التحدي الشائع	مثال عن حل
القيادة	لا يوجد جهة مسؤولة عن قيادة مبادرات الذكاء الاصطناعي وليس ثمة إنجازات ملموسة.	تعيين مدير تنفيذي "راعٍ للذكاء الاصطناعي" مع مسؤولية مالية. إنشاء عرض شهري للمهام التي أُنجزت باستخدام الذكاء الاصطناعي. إلزام 20% من المشاريع التجريبية بمشاركة أصحاب مصلحة من أقسام متعددة.
الاستراتيجية	عدم ارتباط الذكاء الاصطناعي بنتائج الأعمال.	دمج مقاييس الذكاء الاصطناعي ضمن أهداف ونتائج رئيسة (OKRs) ودورات الميزانية.  إنشاء لوحة قياس (Dashboard) لأثر الذكاء الاصطناعي مرتبطة بأهداف الإيرادات والكفاءة. توثيق المشهد التنافسي للذكاء الاصطناعي كل ربع سنة.
المواهب	تدني مستوى المهارات والثقة بالنفس.	إطلاق برنامج تدريبي مكثف لمدة أسبوعين يتضمن مختبرات عملية.  إنشاء شبكة "أبطال الذكاء الاصطناعي" ضمن الإدارات. تطبيق شهادة "رخصة تشغيل الذكاء الاصطناعي" (AI License to Operate).
الأدوات	تطبيقات منفصلة دون تكامل	تدقيق التطبيقات الحالية للذكاء الاصطناعي لتحديد الفائض.  تطوير حزمة تقنية متكاملة للذكاء الاصطناعي.  إلغاء التطبيقات المكررة أو غير الضرورية.
البيانات	انخفاض جودة البيانات وصعوبة الوصول إليها.	تطبيق نظام مراقبة آلي لجودة البيانات.  إنشاء خارطة طريق لإتاحة البيانات (Data Democratization).  وضع إطار حوكمة بيانات مهيأ للذكاء الاصطناعي.
صوت الزبون	عدم الاستفادة من رؤى العملاء.	استخدام أدوات تحليل آراء مدعومة بالذكاء الاصطناعي.  إنشاء عملية تغذية راجعة مغلقة (Closed-loop feedback). ربط مقاييس صوت الزبون بخارطة طريق المنتج.
المنتج	غياب عرض قيمة واضح للذكاء الاصطناعي.	رسم رحلة العميل لتحديد فرص التحسين بواسطة الذكاء الاصطناعي.  إجراء سباقات تصميم (Design Sprints) لتطوير ميزات مدعومة بالذكاء الاصطناعي.  إطلاق تجارب تجريبية (Pilots) لتحسينات مدعومة بالذكاء الاصطناعي مع معايير نجاح قابلة للقياس.

قوة النجاحات السريعة في الفرق متعددة الوظائف

ما يميز المؤسسات التي تنجح في توسيع نطاق الذكاء الاصطناعي هو أنَّها تُظهر إنجازاتها مبكراً وباستمرار، وتُشرك عدة أقسام منذ البداية. في ما يلي، مثال عن التكامل بين الوظائف المتعلقة بالإيرادات:

يولِّد التسويق العملاء المحتملين باستخدام محتوى مدعوم بالذكاء الاصطناعي، ثم تحول المبيعات هؤلاء العملاء باستخدام أدوات بيع مدعومة بالذكاء الاصطناعي. يتولى قسم نجاح العملاء مسؤولية الحفاظ على الزبائن باستخدام نظام مدعوم بالذكاء الاصطناعي يقيِّم تجربة العميل. وحين تُجري هذه الفرق تجارب مشتركة، تحقق قيمة مضاعفة.

في استطلاع أجراه مديرو الذكاء الاصطناعي والبيانات في الشركات المصنَّفة ضمن قائمة "فورتشن 1000" (Fortune 1000) ومنظمات عالمية رائدة، ذكر 92% من المشاركين أنَّ العائق الأساسي لإرساء ثقافة تنظيمية تعتمد على البيانات والذكاء الاصطناعي هو إدارة الثقافة والتغيير.

تستطيع الفرق متعددة الوظائف إزالة هذه العوائق من خلال ما يلي:

• المسؤولية المشتركة للنتائج.
• نقل المعرفة بين الفرق.
• اختيار "أبطال داخليين" في الأقسام.
• إظهار قيمة مؤسسية شاملة تتجاوز حالات الاستخدام الفردية.

حتى التجارب الخاصة في قسم معين تستفيد من نتائج الأقسام الأخرى، مما يضمن إشراك أصحاب المصلحة النظر في التأثيرات اللاحقة وفرص التكامل منذ اليوم الأول.

تصميم خطة تبنّي الذكاء الاصطناعي في 90 يوماً

يتطلب تحويل نتائج التشخيص إلى تقدم ملموس التركيز في التنفيذ؛ بالتالي، تُعد فترة الـ 90 يوماً كافيةً لتحقيق إنجازات هادفة، مع الحفاظ على السرعة.

إليكم مبادئ هذا التخطيط:

• الاهتمام بترتيب الأولويات: لا تحاول معالجة كل شيء دفعة واحدة لأنَّه نهج غير مجد، بل ركز فقط على فئة أو فئتين مع مبادرة أو مبادرتين لكل فئة.
• وضع أهداف ذكية (SMART): يجب أن تحقق كل مبادرة الأهداف الذكية فهي، محددةً (Specific)، وقابلةً للقياس (Measurable)، وقابلةً للتحقيق (Attainable)، وذات صلة (Relevant)، ومؤطّرةً زمنياً (Time-Bound)، ومرتبطةً بمؤشرات الأداء الرئيسة للأعمال (OKRs).
  • الهدف العام: "تحسين جودة البيانات".
  • الهدف الذكي: "خفض معدل خطأ بيانات الزبائن من 12% إلى 5% بحلول 31 مارس/ آذار، مما يتيح تقسيم الزبائن بدعم الذكاء الاصطناعي".
• تعيين مسؤولين وتخطيط الميزانية: تحتاج كل مبادرة إلى مسؤول محدد لديه سلطة اتخاذ القرار ووضع الميزانية، حتى وإن كانت متواضعة؛ لأنَّ المبادرات بلا تمويل مصيرها الفشل.
• التحقق من الحوكمة: قبل الانطلاق، تأكد من أنَّ التجارب متوافقة مع سياسات حوكمة البيانات ومعايير أخلاقيات الذكاء الاصطناعي، وذلك لتجنب التعديلات المكلفة لاحقاً.
• التنفيذ والعرض السريع: خطط لتحقيق إنجازات ملموسة خلال 30 يوماً، حتى لو كانت بسيطة؛ لأنَّ هذا التشجيع المبكر يبني الثقة المؤسسية ويجذب الموارد.

مثال عن خطة لـ 90 يوماً (مع التركيز على البيانات والأدوات)

الأسبوع 1–2: التقييم والتخطيط

• إجراء تدقيق لجودة البيانات.
• رسم خريطة لمخزون أدوات الذكاء الاصطناعي الحالية.
• تحديد مقاييس النجاح (مثل العائد على الاستثمار وكفاءة الأداء).

الأسبوع 3–4: التأسيس

• إجراء فحوصات آلية لجودة البيانات.
• اختيار منصة تكامل لأدوات الذكاء الاصطناعي.
• تشكيل فريق تجريبي متعدد التخصصات.

الأسبوع 5–8: تطوير التجربة التجريبية

• إطلاق مبادرة تنظيف البيانات.
• بناء ونشر أول حل (مثل دمج "شات جي بي تي" (ChatGPT) مع نظام إدارة الزبائن).
• بدء برنامج تدريبي للمستخدمين.

الأسبوع 9–11: التكرار والتوسع

• تحسين الحل بناء على التغذية الراجعة للمستخدمين.
• تحسين عمليات التكامل.
• توثيق الدروس المستفادة.

الأسبوع 12–13: العرض والتخطيط للتوسع

• تقديم النتائج إلى الإدارة العليا.
• حساب العائد على الاستثمار ومكاسب الكفاءة.
• وضع خطة للتوسع في الربع القادم.

تذكَّر أنَّ الهدف ليس وضع خطة متكاملة، بل بناء الحافز، فكل مرحلة تبني قدرات وثقة أكبر للمرحلة التالية.

4 أخطاء يجب تجنبها عند إجراء التشخيص

فيما يلي عدد من الأخطاء من المهم العمل على تخطيها عند إعداد عملية إجراء التشخيص:

1. إلقاء اللوم على الأفراد بدلاً من العمليات

حين تكون النتائج مخيّبةً، قد تهمُّ بالبحث عن الشخص "المسؤول" عن ذلك، مما يقود إلى تبادل الاتهامات مثل: "قسم التسويق لا يفهم" أو "قسم تكنولوجيا المعلومات يعرقل التقدم"؛ لكنَّ إلقاء اللوم يدمر الثقة ويعيق التحسين الحقيقي.

وهنا تأتي أهمية لوم العمليات، لا الأفراد، فإذا واجهوا صعوبة في تبني الذكاء الاصطناعي، فاسأل: ما الأنظمة أو التدريبات أو الموارد التي كانت مفقودة؟ وكيف سمحت عملياتنا لهذه الفجوة أن تستمر؟

2. الخلط بين الاتفاق والمواءمة الحقيقية (التوافق الزائف)

قد تشير الدرجة العالية من الاتفاق إلى الفهم السطحي. على سبيل المثال: إذا قيَّم 5 أشخاص عنصر "الاستراتيجية" بـ 4 نقاط، فهذا قد يعني وجود خمسة آراء مختلفة: أحدهم يرى أنَّ الاستراتيجية تعني استخدام "شات جي بي تي"، والثاني يرى أنَّ الذكاء الاصطناعي مذكور في الخطة السنوية، بينما يرى الثالث بوجود لجنة توجيهية للذكاء الاصطناعي.

تتطلب المواءمة الحقيقية تعريفاً مشتركاً لنضج المؤسسة لاعتماد الذكاء الاصطناعي؛ إذ يجب تحديد مستويات النضج بوضوح قبل افتراض وجود توافق.

3. تجاهل أسباب الاستجابات

تقود الأرقام وحدها إلى استنتاجات خاطئة. على سبيل المثال: قد تعني الدرجة المنخفضة في فئة "الأدوات":

• قلة الأدوات (مشكلة موارد).
• عدم الوعي بوجود الأدوات (مشكلة تواصل).
• ضعف تكامل الأدوات (مشكلة تقنية).
• غياب التصاريح لاستخدام الأدوات (مشكلة سياسات).

يتطلب كل سبب حلاً مختلفاً، ويؤدي تجاهل استكشاف الأسباب إلى هدر الموارد على حلول خاطئة.

4. العمل منفرداً

تترافق المراجعة الداخلية مع تحديات متجذرة فيها:

• قد تمنع الديناميكيات السلطوية التغذية الراجعة الصادقة.
• قد يكون لدى المُيسرين الداخليين تحيز غير واع.
• قد يخشى المشاركون العقاب عند تقديم تقييمات منخفضة.
• قد يضغط القادة على الفرق للحصول على نتائج إيجابية.

يكمن الحل في التعاون مع خبراء مستقلين يمكنهم توفير بيئة آمنة، وطرح الأسئلة بعمق، وتقديم رؤى صادقة.

 

خارطة طريق التحول إلى العمل باستخدام الذكاء الاصطناعي

لا بد من الانتقال بسلاسة نحو تبني استراتيجيات التحول الرقمي والاتجاه لاستخدام الذكاء الاصطناعي، فيما يلي خارطة طريق:

1. الحفاظ على الدافع من خلال التقييم المستمر

تكون المنظمات التي تجري التقييم باستمرار أكثر قابليةً للتحسين المتواصل، فالتشخيص هو عملية متكررة.

لذا، حدد تقييمات جديدة لـ:

• تتبع التقدم في الفئات المستهدفة.
• التعرف على التحديات الناشئة.
• الاحتفاء بالتحسينات لبناء الثقة.
• تعديل الاستراتيجيات بناء على النتائج.

2. توسيع التجارب الناجحة

عندما تنجح التجارب الأولية، تزداد الرغبة بالتوسع الفوري، ولكن لا بدّ من مقاومة هذا الشعور، من خلال ما يلي:

• توثيق سبب نجاح المشاريع التجريبية.
• تحديد المتطلبات المسبقة التي يحتاج إليها الآخرون لتكرار النجاح.
• إنشاء "أدلة تشغيل" (Playbooks) تجمع بين العناصر التقنية والثقافية.
• ظعم الفرق المجاورة التي اعتمدت الذكاء الاصطناعي من خلال الموارد والكوتشينغ.

3. بناء محرك ابتكار الذكاء الاصطناعي

لا تتبنّى المنظمات الرائدة الذكاء الاصطناعي فحسب، بل تبنّي قدرات ابتكار منهجية. وتشمل سماتها المشتركة ما يلي:

• عروض منتظمة لفرق تعرض تجاربها ونتائجها بالذكاء الاصطناعي.
• تخصيص وقت للاستكشاف (فحتى نسبة 10% تحدث تأثيراً).
• التعلم من الفشل.
• تبادل المعرفة بين الأقسام.

يضمن هذا المحرك البقاء في المقدمة مع تطور الذكاء الاصطناعي.

في الختام

تتسع الفجوة بين قادة الذكاء الاصطناعي والأطراف التي لا تتبنى الذكاء الاصطناعي يومياً، لكنَّ التحول لا يتطلب استثمارات ضخمة أو إعادة هيكلة جذرية؛ بل يتطلب رؤية واضحة للوضع الحالي، وعمل مركز على الفجوات المحددة، وتقييم وتعديل مستمر.