أصبح «الذكاء الاصطناعي» خانة تُؤشَّر. كثير من المنتجات باتت تعلن عن مساعد في زاوية الشاشة، وكثير من المؤسسات تشعر بضغط «لإضافة الذكاء الاصطناعي» في مكان ما. لكن إلحاق روبوت محادثة بنظام قائم نادراً ما يغيّر طريقة إنجاز العمل. أما الأنظمة المبنية على الذكاء الاصطناعي أصلاً (AI-Native) فنهج مختلف: تبدأ من تحدٍّ أو فكرة في العمل، وتصمم الحل حول الذكاء الاصطناعي والبيانات والأتمتة منذ البداية.
ابدأ من المشكلة، لا من النموذج
لا يبدأ مشروع AI-Native بسؤال «أي نموذج نستخدم؟»، بل يبدأ بأسئلة مثل:
- أين يتراكم العمل لأن على إنسان أن يقرأ شيئاً أو يصنّفه أو يستخرجه؟
- أي القرارات تُتخذ ببطء، أو بلا اتساق، أو بمعلومات ناقصة؟
- ما المعرفة الموجودة في المؤسسة التي لا يستطيع أحد العثور عليها حين يحتاجها؟
- أي الإجراءات المتكررة تستهلك أشخاصاً ذوي مهارة ينبغي أن يقوموا بعمل أعلى قيمة؟
ولا نصمم مزيج قدرات الذكاء الاصطناعي ومسارات البيانات والأتمتة الذي يعالج المشكلة إلا بعد أن تتضح — ونقرر أين يبقى الإنسان جزءاً من الحلقة.
أبعد من روبوتات المحادثة: أدوات AI-Native
المحادثة واجهة واحدة، لا القصة كلها. تعتمد حلول AI-Native على مجموعة أوسع من القدرات:
- الوكلاء والمساعدون — برمجيات تستطيع تنفيذ مهام متعددة الخطوات ضمن حدود محددة، لا مجرد الإجابة عن الأسئلة.
- ذكاء المستندات — قراءة الفواتير والعقود والاستمارات والتقارير وتصنيفها واستخراج معلومات منظمة منها، لتتلقى الأنظمة اللاحقة بيانات بدلاً من ملفات.
- الرؤية الحاسوبية — تفسير الصور وبث الفيديو لأغراض الفحص والمراقبة والعدّ وحالات الاستخدام المتعلقة بالسلامة.
- الصوت — واجهات كلامية لبيئات تكون فيها الأيدي مشغولة، ولمعالجة المكالمات، ولتسهيل الوصول.
- البحث في المعرفة — تمكين الناس من طرح الأسئلة بلغتهم الطبيعية والحصول على إجابات مستندة إلى مستندات المؤسسة وأنظمتها.
- التنبؤ ودعم القرار — استخدام البيانات التاريخية لتوقّع الطلب، ورصد الحالات الشاذة، ودعم التخطيط، مع بقاء القرار النهائي للإنسان.
- الذكاء الاصطناعي التوليدي — صياغة مسودات المستندات والملخصات والمراسلات التي يراجعها الناس ويحسّنونها بدلاً من كتابتها من الصفر.
والحل المناسب يجمع عادةً عدة قدرات منها — مثل ذكاء المستندات الذي يغذّي سير عمل، مع مساعد فوقه للأسئلة وطبقة تنبؤ للتخطيط.
البيانات والأتمتة نصف التصميم
قدرات الذكاء الاصطناعي من دون بيانات متصلة مجرد عرض تجريبي. ويتعامل تصميم AI-Native مع ثلاث طبقات بوصفها غير قابلة للفصل:
- البيانات — ما المعلومات التي يحتاجها الحل، وأين توجد، وكيف يُوصل إليها بأمان، وكيف تُحفظ جودتها.
- الذكاء الاصطناعي — أي القدرات تفسّر أو تستخرج أو تتنبأ أو تولّد.
- الأتمتة — ما الذي يحدث بالمخرجات: تحديث نظام، أو توجيه موافقة، أو إطلاق تنبيه، أو إكمال مهمة.
إذا كانت مخرجات الذكاء الاصطناعي لا تزال تصل إلى بريد أحدهم كاقتراح لا يعمل به أحد، فالتصميم غير مكتمل.
مبادئ عملية
اعتماد نهج AI-Native لا يعني التهور. وعملياً يعني:
- حدّد النجاح بمقاييس الأعمال قبل بناء أي شيء.
- أبقِ القرارات ذات العواقب تحت سيطرة الإنسان، مع نقاط مراجعة واضحة.
- صمّم من أجل التقييم — قِس الجودة باستمرار، لا مرة واحدة عند الإطلاق.
- ابقَ مستقلاً عن المورّدين: اختر النماذج والمنصات لكل حالة استخدام على حدة، واحتفظ بحرية تغييرها.
- ابدأ بتجربة أولية محددة النطاق، وتعلّم، ثم وسّع ما يثبت جدواه.
باختصار، نهج AI-Native فلسفة تصميم: التحدي يأتي أولاً، ثم يُهندَس الذكاء الاصطناعي والبيانات والأتمتة معاً لمعالجته — بطريقة قابلة للقياس، وآمنة، وقادرة على النمو.