يُنفَق قدر كبير من طاقة المؤسسات حاليًا في البحث عن موضع لتطبيق الذكاء الاصطناعي. وهذا اتجاه خاطئ. فالسؤال المنتج ليس «أين يمكننا استخدام الذكاء الاصطناعي؟» بل «أين يقع أغلى عمل متكرر لدينا، وهل فيه ما هو منضبط بقواعد بما يكفي لأتمتته؟»
يقود السؤالان إلى موضعين مختلفين تمامًا. الأول يقود إلى تجارب استرشادية. والثاني يقود إلى عمل يسدّد تكلفته بنفسه.
ملامح المرشح الجيد
تميل المهام الجديرة بالأتمتة إلى مشاركة شكل محدد. فهي متكررة وكبيرة الحجم، والأهم أن لها تعريفًا واضحًا لما تبدو عليه النتيجة الصحيحة.
- معالجة المستندات — قراءة المواد الواردة بكثافة واستخراج بياناتها وحفظها
- التصنيف والتوجيه — تحديد الطابور أو الفريق أو الفئة التي ينتمي إليها العنصر
- استخراج البيانات — انتزاع قيم منظمة من مستندات غير منظمة
- المطابقة — مقارنة مصدرين وإبراز الفروق فقط
- الاسترجاع — إيجاد السابقة أو السجل المناسب داخل مجموعة داخلية ضخمة
ملامح المرشح السيئ
ولا يقل أهمية أن تعرف متى ترفض. فالمهمة غير مناسبة حين يكون حجمها منخفضًا بما يكفي ليتولاها شخص بارتياح، أو حين تكون الصحة محل خلاف أو ذاتية، أو حين يكون الخطأ مكلفًا وصعب الاكتشاف، أو حين تتغير العملية الأساسية بتواتر يجعل أي أتمتة تحتاج إعادة عمل مستمرة.
أثمن ما يمكن أن يقوله مستشار عن مشروع ذكاء اصطناعي هو أن أتمتة أبسط ستؤدي المهمة على نحو أفضل.
صمّم لإبقاء الإنسان في الحلقة
أي أتمتة تمسّ قرارات ذات عواقب حقيقية تحتاج مسار مراجعة — لا كإجراء مؤقت أثناء الإطلاق، بل كجزء دائم من التصميم. والنمط العملي قائم على الثقة: يتولى النظام ما هو واثق منه ويوجّه الباقي إلى شخص، مصحوبًا بتبريره.
ولهذا أثر جانبي مفيد. فطابور الحالات منخفضة الثقة هو خريطة حية لمواضع ضعف الأتمتة، وهو يخبرك بالضبط بما ينبغي تحسينه تاليًا.
قِس ما شرعت في تغييره
قبل بناء أي شيء، سجّل كم تستغرق المهمة حاليًا وكم مرة تُخطئ. فبدون هذا الأساس المرجعي لن تملك طريقة صادقة للحكم على النتيجة، وسيُقيَّم المشروع بمدى إبهاره لا بمدى فائدته.