غالباً ستسمع في 2026 جملة تشبه: نحن نستخدم الذكاء الاصطناعي. ثم إذا سألت: طيب أين ظهر الأثر؟ يبدأ الصمت، أو تظهر إجابة ضبابية عن “تجارب” و“اشتراكات أدوات” و“خطط قادمة”. هنا تحديداً تقع المشكلة. الذكاء الاصطناعي صار حاضرًا في الكلام، لكنه غائب في التشغيل.
السبب ليس أن الشركات السعودية لا تريد الاستفادة. غالباً العكس تمامًا. السبب أن التوقعات التي تشكلت في 2024 و2025 كانت أسرع من قدرة معظم الشركات على تحويل التقنية إلى نظام قرار وسلوك يومي. الفرق كبير بين أن تملك أداة، وبين أن تملك طريقة تشغيل تستطيع العيش معها.
ما الذي تغيّر بعد موجة 2024 و2025
في 2024 و2025 كانت التجربة سهلة: موظف يفتح أداة، يكتب سؤالًا، يحصل على نص، وينبهر. هذه مرحلة مفهومة، بل كانت ضرورية لتكسر الخوف وتفتح الخيال. لكن في 2026 لم يعد السؤال: هل الأداة قادرة؟ السؤال صار: هل الشركة قادرة أن تستخدمها بدون فوضى، وبدون مخاطرة، وبدون وعود لا يمكن قياسها.
الفرق بين المرحلتين أن مرحلة 2024 و2025 كانت فردية غالباً. أما 2026 فهي مؤسسية. والانتقال من فردي إلى مؤسسي هو المكان الذي تتعثر فيه معظم الشركات، ليس في السعودية فقط، لكن عندنا يظهر التعثر بشكل أكثر وضوحًا لأن حساسية المخاطر والحوكمة أعلى بطبيعتها.
المشكلة ليست في الذكاء الاصطناعي… المشكلة في تصور الشركات عنه
سوء التوقعات يأخذ أكثر من شكل، لكن أكثرها شيوعًا ثلاثة:
- توقع التحول السريع: كأن شراء أداة يعني أن العمليات ستتحسن تلقائيًا.
- توقع بديل للخبرة: كأن الذكاء الاصطناعي سيعوض فجأة ضعف الإجراء أو ضعف البيانات أو ضعف المتابعة.
- توقع “مشروع تقنية”: كأنه مبادرة IT يمكن إنهاؤها بتسليم وتشغيل، بينما القيمة الفعلية تتطلب تغييرًا في السلوك الإداري.
إذا كانت الشركة تتوقع من الذكاء الاصطناعي أن يقوم بدور الإدارة، سيخيب الأمل سريعًا. الذكاء الاصطناعي لا يحل مكان القرار. أقصى ما يفعله، عندما يُستخدم بشكل صحيح، أنه يرفع جودة القرار ويقلل تكلفة الوصول للمعلومة ويختصر زمن العمل. وهذا يحتاج تشغيلًا واضحًا.
لماذا يتكرر التعثر داخل الشركات السعودية
السعودية بيئة أعمال فيها ميزتان مهمتان، وكلتاهما منطقية: التدرج، والتحفظ على المخاطرة. هذا يجعل الدخول السريع إلى أدوات عامة أسهل من تحويلها إلى اعتماد مؤسسي. لأن الاعتماد المؤسسي يعني مسؤوليات: من يراجع؟ من يعتمد؟ من يتحمل الخطأ؟ وما حدود البيانات التي يمكن مشاركتها.
أحياناً يكون التعثر نتيجة صحية، لا نتيجة فشل. شركة تتوقف لأنها اكتشفت أن الاستخدام الذي تختبره يفتح أسئلة خصوصية وأمن ومحاسبة لم تُحسم. المشكلة عندما تتوقف الشركة ثم تستمر في ترديد خطاب “نحن نستخدم الذكاء الاصطناعي” كأن التوقف ذاته إنجاز.
أين يضيع العائد الحقيقي غالباً
إذا أردت أن تفهم لماذا لا يظهر العائد، انظر أين تضع الشركات الذكاء الاصطناعي. كثير منها يضعه في المكان الأسهل، لا في المكان الأهم.
1) الذكاء الاصطناعي كدردشة… بدل أن يكون داخل سلسلة عمل
الدردشة تعطي إحساسًا سريعًا بالقوة، لكنها لا تضمن أثرًا. الأثر يظهر عندما يدخل الذكاء الاصطناعي في نقطة قرار أو نقطة تنفيذ داخل عملية واضحة: استقبال طلب، تلخيص ملف، فرز تذاكر دعم، استخراج معلومات من وثائق، اقتراح ردود ضمن سياسة، أو إنشاء مسودة ثم تمر بمراجعة.
إذا بقي الذكاء الاصطناعي خارج العملية، سيظل “مساعدًا لطيفًا” لا “رافعة إنتاجية”.
2) إثبات مفهوم لا يتحول إلى تشغيل
تجارب POC غالباً تنجح لأنها صغيرة، وبيئتها نظيفة، ومنفصلة عن الواقع. ثم عند التحويل للتشغيل تظهر الحقيقة: البيانات متفرقة، الأنظمة قديمة، صلاحيات غير واضحة، والفرق لا تملك وقتًا لتغيير الإجراء.
وهنا تضيع أشهر ثم ينتهي المشروع بجملة: الذكاء الاصطناعي غير مناسب لنا. بينما الحقيقة غالباً أنه لم يتم تحويله إلى تشغيل مناسب لكم.
3) قياس خاطئ: نشاط كثير دون أثر
بعض الشركات تقيس النجاح بعدد “الطلبات على الأداة” أو بعدد “الموظفين الذين حصلوا على حساب”. هذه مؤشرات نشاط، وليست مؤشرات عائد. العائد يحتاج قياسًا مرتبطًا بوقت، تكلفة، جودة، أو تقليل أخطاء. وما لا يُقاس على مستوى عملية محددة غالباً لا يمكن الدفاع عنه أمام الإدارة.
إطار القرار المرجعي: كيف تعرف إن شركتك جاهزة للاستفادة فعليًا
هذا هو قلب الموضوع. قبل أن تشتري اشتراكات جديدة، أو تطلق مبادرة كبيرة، اسأل الأسئلة التي تمنع الوهم. ليس لأن الأسئلة جميلة، بل لأن إجاباتها ستحدد إن كان الذكاء الاصطناعي سيصبح عائدًا أم مجرد تجربة.
السؤال الأول: ما الاستخدام الذي يغيّر القرار اليومي فعلًا
لا تبدأ من “ما الذي يستطيع الذكاء الاصطناعي فعله”. ابدأ من “أين نضيع وقتًا أو نخسر جودة بسبب نقص معلومة أو بطء إجراء”. ثم اختر استخدامًا واحدًا فقط له شرط واضح: بعد 6 إلى 8 أسابيع، هل يظهر أثر قابل للملاحظة داخل عملية محددة.
إذا لم تستطع وصف العملية بجملة بسيطة، غالباً لن تستطيع قياس العائد منها.
السؤال الثاني: هل بياناتنا تصلح للاستخدام الذي نريده
الكلام عن الذكاء الاصطناعي ينسينا أن معظم الشركات تعاني من بياناتها قبل أن تعاني من أدواتها. إذا كانت البيانات مشتتة، وغير محدثة، ومتناقضة بين الإدارات، سيعمل الذكاء الاصطناعي… لكن سيعمل على فوضى، وسيعيد إنتاج فوضى بطريقة أسرع.
هنا قرار شجاع لكنه عملي: أحياناً أفضل مشروع ذكاء اصطناعي في 2026 هو مشروع تنظيف بيانات، وتعريف مصادر الحقيقة، وتثبيت دورة تحديث واضحة.
السؤال الثالث: من يملك الاعتماد ومن يملك المخاطر
أي استخدام مؤسسي للذكاء الاصطناعي يحتاج مالكًا واضحًا. ليس مالكًا تقنيًا فقط، بل مالكًا تشغيليًا يقول: هذا الاستخدام داخل هذه العملية، بهذه الحدود، وبمراجعة هذه الجهة. بدون ذلك، سيُستخدم الذكاء الاصطناعي في الظل، أو سيتوقف بسبب الخوف، أو سيخلق حوادث صغيرة تقتل الثقة.
في بيئة فيها حساسية عالية للسمعة والامتثال، غياب هذا السؤال هو أسرع طريق لفشل صامت.
السؤال الرابع: هل يمكن دمج الذكاء الاصطناعي في النظام بدل أن يبقى خارج النظام
الاستفادة الفعلية لا تأتي من موظف يتذكر أن يفتح أداة. تأتي عندما يصبح الذكاء الاصطناعي جزءًا من سير العمل. هنا تظهر قيمة التكامل: داخل CRM، داخل نظام تذاكر الدعم، داخل إدارة الوثائق، داخل قاعدة معرفة، داخل تقارير. هذا يرفع العائد لأنه يقلل الاعتماد على الذاكرة البشرية.
إذا كان التكامل غير ممكن الآن، لا مشكلة. لكن اعترف بذلك، واختر استخدامًا يناسب مرحلة “خارج النظام” مؤقتًا مع قواعد واضحة.
السؤال الخامس: ما مؤشر النجاح المبكر الذي لا يقبل التأويل
اختر مؤشرًا واحدًا أو اثنين فقط، لكن يكونان واضحين لغير التقنيين. مثل: تقليل زمن إغلاق نوع محدد من التذاكر، أو تقليل وقت إعداد تقرير دوري، أو رفع جودة الردود وفق سياسة مكتوبة، أو تقليل الأخطاء في إدخال معلومات من وثائق.
إذا بقيت المؤشرات عامة مثل “تحسين الإنتاجية”، ستدخل في جدل، والجدل يقتل المبادرة.
كيف تتحول الفكرة من مشروع أدوات إلى مشروع تشغيل
الفرق بين شركة تستفيد فعليًا وشركة لا تستفيد غالباً ليس في نوع النموذج الذي تستخدمه، بل في طريقة إدخال الاستخدام داخل الشركة. من يضع قواعد الاستخدام، ومن يراجع المخرجات، وكيف تُعالج الأخطاء، وكيف تُبنى الثقة تدريجيًا.
في السوق السعودي، جهات تجمع بين فهم التشغيل والإدارة والتقنية، مثل الهدف الأمثل، غالباً تتعامل مع موضوع الذكاء الاصطناعي بهذه الزاوية: ليس “ما أحدث أداة”، بل “ما الاستخدام الذي يمكن تشغيله بثقة وقياسه دون مخاطرة غير محسوبة”.
وهنا مهم ألا يتحول الذكاء الاصطناعي إلى “مشروع مؤجل دائمًا”. إذا كانت هناك عملية واحدة واضحة يمكن تحسينها، ابدأ بها. لا تبدأ بحلم واسع لا تملك له حوكمة.
الخلاصة التي تتركك مع معيار
في 2026، الذكاء الاصطناعي لم يعد اختبارًا للقدرة التقنية. صار اختبارًا للجاهزية التشغيلية.
إذا أردت استفادة فعلية، لا تسأل: هل لدينا ذكاء اصطناعي. اسأل: هل لدينا استخدام واحد دخل التشغيل، له مالك، وله حدود، وله قياس، وله أثر لا يحتاج خطابة.
أسئلة شائعة
هل يعني هذا أن الذكاء الاصطناعي “غير مناسب” لمعظم الشركات السعودية؟
لا. غالباً هو مناسب، لكن ليس بالشكل الذي تتخيله الشركات في البداية. المناسب عادةً هو استخدامات محددة داخل عمليات واضحة، لا مبادرات تحول شاملة دفعة واحدة. عندما تضبط الحوكمة والبيانات والقياس، يبدأ العائد يظهر تدريجيًا.
ما أول خطوة عملية قبل شراء أدوات أو اشتراكات جديدة؟
حدد عملية واحدة فقط مؤلمة وواضحة داخل التشغيل، ثم صغ هدفًا قابلًا للقياس لها. بعدها قيّم البيانات المتاحة لهذه العملية وحدود استخدامها. إذا لم تستطع وصف العملية وقياسها، غالباً ستشتري أداة ثم تبحث لها عن فائدة.
لماذا تنجح التجربة عند فريق صغير ثم تفشل عند التعميم؟
لأن التجربة تكون مع بيانات أقل وتعقيد أقل وقرارات أسرع. عند التعميم تدخل الصلاحيات والخصوصية والتكامل وتعدد مصادر الحقيقة. المشكلة ليست أن الذكاء الاصطناعي تراجع، بل أن الشركة دخلت الواقع المؤسسي دون حوكمة كافية.
هل يمكن تحقيق عائد بدون تكامل عميق مع الأنظمة الحالية؟
أحياناً نعم، لكن العائد سيكون محدودًا ومؤقتًا إذا بقي الاستخدام خارج سلسلة العمل. يمكن البدء باستخدامات مثل تلخيص وثائق أو دعم كتابة مسودات داخلية ضمن قواعد واضحة. لكن الاستفادة الأكبر عادةً تبدأ عندما يدخل الذكاء الاصطناعي في النظام الذي تُدار به العملية.
كيف نمنع المخاطر بدون قتل المبادرة؟
ضع حدود استخدام واضحة منذ البداية: ما نوع البيانات المسموح، من يراجع المخرجات، وما الاستخدامات الممنوعة مؤقتًا. ابدأ بنطاق صغير، ووسّع بناءً على قياس وأثر، لا بناءً على حماس. بهذه الطريقة تقل المخاطر وتزيد الثقة في نفس الوقت.
