عام من التجربة مع وكلاء الذكاء الاصطناعي: ستة دروس من التجربة العملية

بعد مرور عام على دخول أنظمة وكلاء الذكاء الاصطناعي إلى عالم الأعمال، أصبح الدرس الأوضح هو أن النجاح في استخدامها لا يتحقق بسهولة، بل يحتاج إلى عمل جاد وجهد متواصل حتى تصل المؤسسة إلى النتائج المرجوة.

ومن بين أهم التحولات التي تشهدها المؤسسات اليوم، يبرز الاعتماد على أنظمة وكلاء الذكاء الاصطناعي بما يحمله من وعود بزيادة الإنتاجية إلى مستويات غير مسبوقة. ورغم أن بعض الشركات نجحت بالفعل في تحقيق إنجازات مبكرة، إلا أن الغالبية ما زالت تواجه صعوبة في الحصول على قيمة واضحة من هذه الاستثمارات. بل إن بعض المؤسسات اضطرت، في حالات معينة، إلى التراجع خطوة للخلف وإعادة توظيف العاملين بعدما أخفقت الأنظمة في أداء المهام المطلوبة.

من جهة أخرى، تُعدّ هذه العثرات مرحلة طبيعية في تطور أي تقنية ناشئة، وقد شهدنا النمط نفسه مع ابتكارات سابقة. وللتعمق في الدروس الأولى، قمنا في ماكنزي بدراسة أكثر من خمسين مشروعًا من مشاريع أنظمة وكلاء الذكاء الاصطناعي التي أشرفنا على تنفيذها، إلى جانب عشرات المبادرات الأخرى في السوق. وقد خلصنا من هذا التحليل إلى ستة دروس أساسية يمكن أن تساعد القادة على تحقيق قيمة ملموسة من وكيل الذكاء الاصطناعي (اطلع على العمود الجانبي "ما المقصود بوكيل الذكاء الاصطناعي؟").

حين يخذلنا وكيل الذكاء الاصطناعي: المشكلة ليست في الأداة بل في طريقة العمل

على سبيل المثال، فإن تحقيق قيمة فعلية من أنظمة وكلاء الذكاء الاصطناعي لا يتحقق بمجرد امتلاك الأداة نفسها، بل يتطلب إعادة تصميم طرق العمل داخل المؤسسة. لكن ما يحدث في كثير من الأحيان هو أن تركيز الشركات ينصب على النظام أو على أداة وكيل الذكاء الاصطناعي بحد ذاتها، مما يؤدي في النهاية إلى بناء أنظمة تبدو متطورة من الخارج، لكنها لا تُحدث تحسنًا جوهريًا في سير العمل. والنتيجة الطبيعية لذلك هي الحصول على قيمة أقل بكثير مما كان متوقعًا.

من ناحية أخرى، فإن المبادرات التي تسعى إلى تطبيق أنظمة وكلاء الذكاء الاصطناعي بنجاح هي تلك التي تعيد التفكير في سير العمل ككل، أي في الخطوات التي تشمل الأشخاص والإجراءات والتقنيات معًا. فالمفتاح الحقيقي للقيمة يكمن في فهم الدور الذي يمكن أن يلعبه النظام في كل مرحلة من هذه المراحل. ورغم دخول الأدوات والآليات الذكية على الخط، يظل الإنسان هو العنصر الأساسي في إنجاز العمل، لكن هذه المرة بدعم من أنظمة متطورة تقلل الجهد وتسرّع الأداء. وبعبارة أخرى، لا تحل الآلة محل البشر، بل تعيد تشكيل طريقة عملهم ليصبحوا أكثر فعالية.

أما الخطوة الأولى في إعادة تصميم سير العمل، فهي تتمثل في رسم خريطة للعمليات وتحديد أبرز التحديات التي يواجهها المستخدمون. وتُعد هذه المرحلة أساسية لبناء أنظمة وكلاء الذكاء الاصطناعي قادرة على تقليل الأعباء غير الضرورية، وتمكين الأنظمة والأشخاص من التعاون بفعالية أكبر لتحقيق أهداف العمل. ويظهر هذا التعاون من خلال دوائر التعلم وآليات التغذية الراجعة، التي تُنتج نظامًا متطورًا يعزز نفسه بنفسه. فكلما زاد استخدام هذه الأنظمة، ازدادت ذكاءً وانسجامًا مع متطلبات المؤسسة.

في إحدى شركات تقديم الخدمات القانونية البديلة، جرى العمل على تحديث آليات مراجعة العقود. كان التفكير القانوني في مجال الشركة يتغير باستمرار نتيجة صدور أحكام قضائية جديدة واختلاف التفسيرات تبعًا للاختصاصات القضائية المختلفة، إضافة إلى تعدد السياسات وتفسيراتها، مما جعل عملية تحويل هذه الخبرة المتغيرة إلى قواعد ثابتة أمرًا بالغ الصعوبة.

وللتعامل مع هذا التغير الطبيعي، صممت الشركة أنظمتها الذكية التفاعلية بحيث تتعلم داخل سير العمل نفسه. فعلى سبيل المثال، كان أي تعديل يجريه المستخدم في محرر المستندات يُسجَّل ويُصنَّف بعناية، مما وفر لفريق المهندسين وعلماء البيانات مصدرًا غنيًا للتغذية الراجعة. وقد أتاح لهم ذلك تدريب الأنظمة، وضبط منطق التوجيه، وتعزيز قاعدة المعرفة. ومع مرور الوقت، أصبحت هذه الأنظمة قادرة على استيعاب الخبرات المستجدة وتحويلها إلى معرفة منظمة يمكن الاعتماد عليها.

عندما نوجّه الاهتمام إلى سير العمل بدلاً من التركيز فقط على الأداة الذكية، يصبح من الممكن اختيار التكنولوجيا المناسبة في كل مرحلة بشكل أدق، وهو ما يعد أمرًا بالغ الأهمية عند إعادة تصميم العمليات المعقدة التي تتكون من عدة خطوات متداخلة. فعلى سبيل المثال، غالبًا ما تواجه شركات التأمين عمليات تحقيق طويلة تمتد عبر مراحل متعددة مثل تسوية المطالبات أو تقييم المخاطر، حيث يتطلب كل جزء أنشطة مختلفة ومهامًا ذهنية متنوعة. ولجعل هذه العمليات أكثر كفاءة، يمكن للشركات دمج مزيج مدروس من الأنظمة القائمة على القواعد، والذكاء الاصطناعي التحليلي، والذكاء الاصطناعي التوليدي، إلى جانب أنظمة وكلاء الذكاء الاصطناعي، وذلك ضمن إطار واحد للتنسيق مثل "AutoGen" أو "CrewAI" أو "LangGraph". وفي هذا السياق، لا تكون أنظمة وكلاء الذكاء الاصطناعي مجرد أدوات مساعدة، بل تتحول إلى منسق رئيسي ومكامل يجمع بين الأدوات المختلفة ويوحد المخرجات في سياق متكامل، مما يجعلها بمثابة "الغراء"الذي يربط أجزاء سير العمل معًا ويضمن تحقيق نتائج مكتملة بأقل تدخل بشري ممكن. وهذا يوضح أن القيمة الحقيقية لا تكمن في الأداة بحد ذاتها، بل في كيفية دمجها بذكاء داخل المنظومة لتحقيق تعاون سلس بين التكنولوجيا والبشر.

ليست كل مهمة تحتاج إلى وكيل ذكاء اصطناعي

في البداية، من المهم أن ندرك أنّ أنظمة وكلاء الذكاء الاصطناعي قادرة على إنجاز الكثير، لكنها ليست الخيار الأمثل لكل مهمة. فكثيرًا ما ينشغل القادة بقدرات هذه الأنظمة دون أن يتوقفوا بما يكفي لتحليل طبيعة العمل المطلوب، أو التفكير فيما إذا كانت هناك وسائل أبسط وأكثر كفاءة لإنجاز المهمة. وهنا تظهر مشكلة شائعة، وهي الإفراط في الاعتماد على الأنظمة الذكية حتى في مواقف لا تستدعي ذلك أصلًا.

إذًا، ولتفادي استثمارات غير مثمرة أو زيادة غير ضرورية في التعقيد، يمكن للقادة أن ينظروا إلى دور أنظمة وكلاء الذكاء الاصطناعي بالطريقة نفسها التي يقيمون بها أعضاء فريق عمل عالي الأداء. فالسؤال الأهم هنا هو: ما طبيعة المهمة المطلوب إنجازها؟ وما القدرات المتاحة لكل عنصر، سواء كان إنسانًا أو نظامًا ذكيًا، لتحقيق الهدف معًا؟ وفي كثير من الأحيان، قد يكون الحل أبسط بكثير مما نتخيل، إذ يمكن الاعتماد على وسائل مثل الأتمتة القائمة على القواعد أو التحليلات التنبؤية أو حتى الاستعانة بالنماذج اللغوية الكبيرة بشكل مباشر، وهي خيارات غالبًا ما تكون أكثر موثوقية وأسهل تطبيقًا من اللجوء إلى أنظمة وكلاء الذكاء الاصطناعي منذ البداية. وهذا يوضح أن النجاح لا يعتمد دائمًا على تعقيد الأداة، بل على دقة اختيار الوسيلة المناسبة. وفي النهاية، فإن جوهر الأمر يكمن في إيجاد التوازن الذكي بين البساطة والابتكار، فبهذا فقط تتحول التكنولوجيا من عبء إلى قيمة حقيقية.

لكن قبل التسرع في اعتماد حل قائم على وكيل الذكاء الاصطناعي، ينبغي على قادة الأعمال أن يتأملوا بدقة في متطلبات المهمة نفسها. ويعني ذلك عمليًا أن يحددوا بوضوح مدى الحاجة إلى توحيد خطوات العملية، وحجم الاختلاف الذي يجب أن تكون قادرة على التعامل معه، وأي أجزاء من العمل تناسبها أنظمة وكلاء الذكاء الاصطناعي أكثر من غيرها. وباختصار، فإن وضوح هذه النقاط يساعد على اختيار الأداة المناسبة للمهمة، بدلًا من إقحام التكنولوجيا في أماكن لا تضيف قيمة حقيقية.

وعلى الجانب الآخر، قد تبدو بعض الأمور واضحة وسهلة الفهم. فهناك مهام روتينية تتسم بقدر كبير من التوحيد وقلة الاختلاف، مثل خطوات تسجيل المستثمرين أو الإفصاحات المطلوبة من الجهات التنظيمية. هذه العمليات عادةً ما تكون مضبوطة بقواعد صارمة وتسير وفق منطق متوقع. وفي مثل هذه المواقف، فإن الاعتماد على أنظمة وكلاء الذكاء الاصطناعي المبنية على نماذج لغوية غير دقيقة تمامًا قد يزيد التعقيد والغموض بدلًا من أن يقدم فائدة حقيقية. ومن هنا يتضح أن التكنولوجيا المتقدمة ليست دائمًا الخيار الأمثل للمسارات البسيطة والواضحة.

بالمقارنة، فإن التدفقات العملية التي تتسم بتنوع كبير وضعف في التوحيد يمكن أن تستفيد بشكل ملحوظ من استخدام أنظمة وكلاء الذكاء الاصطناعي. فعلى سبيل المثال، استعانت إحدى شركات الخدمات المالية بهذه الأنظمة لاستخراج معلومات مالية معقدة، مما قلل من الحاجة إلى التدقيق البشري وسهّل سير العمل. وشملت هذه المهام جمع المعلومات، وإجراء فحوصات التحقق، وتحليل الالتزام بالمعايير، وهي أعمال تستطيع هذه الأنظمة إنجازها بفاعلية وكفاءة.

الأمر المهم الذي يجب تذكره هو عدم الانحياز لفكرة أن الحل يكون دائمًا بوكيل الذكاء الاصطناعي أو بدونه. فبعض أنظمة وكلاء الذكاء الاصطناعي قادرة على أداء مهام محددة بكفاءة، بينما يمكن لأنظمة أخرى أن تساعد البشر على إنجاز أعمالهم بشكل أفضل، وفي كثير من الأحيان قد تكون تقنيات أبسط هي الأنسب. المفتاح هو معرفة أي أداة أو نظام هو الأنسب لكل مهمة، وكيف يمكن للبشر العمل معها بأفضل طريقة، وكيفية دمج أنظمة وكلاء الذكاء الاصطناعي مع العاملين لتحقيق أعلى إنتاجية. لأن التناغم بين البشر والأنظمة والأدوات هو السر الحقيقي لتحقيق قيمة حقيقية وملموسة (اطلع على العمود الجانبي بعنوان "كيف تختار أداة الذكاء الاصطناعي المناسبة لمهمتك؟"). وفي النهاية، الفكرة كلها تدور حول التعاون الذكي، وليس الاعتماد الأعمى على التكنولوجيا.

تجنب إخفاقات الذكاء الاصطناعي: ركّز على التقييم وبناء الثقة مع المستخدمين

واحدة من أكثر المشاكل التي تواجه الفرق عند استخدام أنظمة وكلاء الذكاء الاصطناعي هي أن هذه الأنظمة قد تبدو رائعة في العروض التوضيحية، لكنها تصيب المستخدمين الفعليين بالإحباط عند تنفيذ العمل. وغالبًا ما تُسمع شكاوى حول "نتائج ضعيفة للذكاء الاصطناعي"، أي مخرجات منخفضة الجودة. ونتيجة لذلك، يفقد المستخدمون الثقة في الأنظمة بسرعة، ويصبح تبنيها محدودًا. ومن ثم، فإن أي مكاسب في الكفاءة تتحقق من خلال الأتمتة يمكن أن تُفقد بسهولة بسبب تراجع الثقة أو انخفاض جودة النتائج. وهذا يبرز أهمية الاستثمار في التقييم المستمر وبناء الثقة مع المستخدمين لضمان نجاح الأنظمة.

علاوة على ذلك، درس مهم تعلمتهُ الشركات من هذه المشكلة المتكررة هو أنه ينبغي الاستثمار بشكل كبير في تطوير أنظمة وكلاء الذكاء الاصطناعي، تمامًا كما يتم الاستثمار في تطوير الموظفين. وبالفعل، كما قال أحد قادة الأعمال: "إدماج أنظمة وكلاء الذكاء الاصطناعي أشبه بتوظيف موظف جديد أكثر من مجرد نشر برنامج." لذلك، يجب أن تُحدد لأنظمة وكلاء الذكاء الاصطناعي مهام واضحة، وأن تُدمج تدريجيًا في بيئة العمل، مع تقديم تغذية راجعة تتسم بالاستمرار، حتى تصبح أكثر فاعلية وتتحسن بشكل منتظم. ومن خلال هذا النهج، يمكن ضمان أن أنظمة وكلاء الذكاء الاصطناعي تقدم قيمة حقيقية ومستدامة للمؤسسة.

بالإضافة إلى ذلك، تطوير أنظمة وكلاء الذكاء الاصطناعي الفعّالة ليس بالأمر السهل، فهو يتطلب جمع خبرات الأفراد وتحويلها إلى تقييمات دقيقة، أو ما يُعرف بـ "evals"، وتوثيق أفضل الطرق لأداء كل مهمة بالتفصيل. وهذه التوثيقات تعمل كدليل تدريبي واختبار أداء للنظام، لتتأكد الشركات من أن النظام يقوم بعمله كما هو متوقع ويحقق النتائج المطلوبة. وهذا يوضح أن العمل الجيد على تطوير أنظمة وكلاء الذكاء الاصطناعي هو ما يجعلها موثوقة وفعّالة حقًا في مساعدة البشر وتحقيق القيمة.

من جهة أخرى، قد تكون هذه الممارسات موجودة في إجراءات التشغيل القياسية أو مخزنة كمعرفة ضمنية في أذهان الأشخاص. وعند توثيق هذه الممارسات، من المهم التركيز على ما يميز أفضل المؤدين عن الآخرين. فعلى سبيل المثال، بالنسبة لمندوبي المبيعات، قد يشمل ذلك طريقة إدارة الحوار، والتعامل مع الاعتراضات، ومطابقة أسلوب العميل (اطلع على العمود الجانبي بعنوان "أنواع التقييم"). وهذا يوضح أن استخراج وتوثيق الخبرات الفريدة هو ما يساعد على تدريب أنظمة وكلاء الذكاء الاصطناعي لتؤدي المهام بفعالية أكبر وتحقق نتائج أقوى.

الأمر الأهم أن يظل الخبراء مشاركين في عملية مراقبة أداء أنظمة وكلاء الذكاء الاصطناعي على المدى الطويل؛ فلا يمكن ببساطة "إطلاق النظام وتركه". ويتطلب هذا الالتزام بالتقييم أن يقوم الخبراء، على سبيل المثال، بتسجيل أو تصنيف المخرجات المرغوبة (وأحيانًا غير المرغوبة) لكل مدخل، وقد يصل عددها إلى آلاف المخرجات للأنظمة الأكثر تعقيدًا. ومن خلال هذه العملية، يمكن للفرق تقييم مدى دقة النظام وتصحيحه حسب الحاجة. وهذا يوضح أن المراقبة المستمرة والتدخل الخبير هما ما يجعل أنظمة وكلاء الذكاء الاصطناعي موثوقة وفعّالة حقًا في مساعدة البشر وتحقيق القيمة.

اعتمدت إحدى البنوك العالمية هذا النهج عند تطوير عمليتي معرفة العميل وتحليل المخاطر الائتمانية. وعندما اختلفت توصية أنظمة وكلاء الذكاء الاصطناعي عن حكم البشر في الامتثال لإرشادات الإدخال، قام الفريق بتحديد فجوات المنطق، وتحسين معايير القرار، وإعادة الاختبارات بشكل دوري لضمان الدقة. وهذا يوضح أن المتابعة الدقيقة والمستمرة هي ما يجعل أنظمة وكلاء الذكاء الاصطناعي موثوقة في دعم القرارات المهمة. وبالإضافة إلى ذلك، ساعد هذا النهج الفريق على اكتشاف الأخطاء مبكرًا وتعديل الأنظمة بطريقة تزيد من كفاءتها وفعالية نتائجها.

أما في حالة أخرى، كانت تحليلات أنظمة وكلاء الذكاء الاصطناعي الأولية عامة جدًا ولا تقدم تفاصيل مفيدة. قدّم الفريق ملاحظاته، ثم طور ونشر أنظمة إضافية لضمان أن التحليل أصبح أكثر عمقًا ويقدّم رؤى عملية بمستوى التفاصيل المناسبة. ومن الطرق التي استخدموها طرح سؤال "لماذا" على الأنظمة عدة مرات متتالية، مما ساعد على تحسين جودة النتائج وزيادة ثقة البشر بها. وهذا يعكس بدوره أن التعاون المستمر بين الخبراء أنظمة وكلاء الذكاء الاصطناعي هو سر الحصول على مخرجات موثوقة وفعّالة تساعد في اتخاذ قرارات دقيقة، كما يعزز قدرة الفريق على التعامل مع مهام أكثر تعقيدًا بثقة واطمئنان.

راقب خطواتك وتحقق من النتائج بسهولة

في البداية، عند التعامل مع عدد قليل من أنظمة وكلاء الذكاء الاصطناعي، يكون مراجعة أعمالها واكتشاف الأخطاء أمرًا نسبيًا سهلًا وواضحًا. لكن مع توسع الأمر ونشر مئات أو حتى آلاف الأنظمة، تصبح المهمة أكثر تعقيدًا وصعوبة في التتبع. بالإضافة إلى ذلك، العديد من الشركات تركز فقط على النتائج النهائية، دون متابعة كل خطوة في العملية. لذلك عندما يحدث خطأ، وهو أمر طبيعي مع زيادة حجم العمل، يصعب معرفة سبب المشكلة بدقة. وهذا يؤكد أن تتبع كل خطوة من خطوات عمل أنظمة وكلاء الذكاء الاصطناعي ليس رفاهية، بل ضرورة لضمان الأداء الجيد وتحسين المخرجات باستمرار.

من الضروري التحقق من أداء أنظمة وكلاء الذكاء الاصطناعي عند كل خطوة في سير العمل. كما أن دمج المراقبة والتقييم ضمن سير العمل يمكّن الفرق من اكتشاف الأخطاء بسرعة، وتحسين منطق القرارات، والاستمرار في تطوير أداء الأنظمة حتى بعد نشرها. وبفضل ذلك، يمكن ضمان نتائج دقيقة وموثوقة، كما تمنح الفرق فرصة للتعلم من كل مرحلة وتحقيق تحسين مستمر في جودة العمل وكفاءته.

في إحدى عمليات مراجعة المستندات، لاحظ فريق منتج إحدى شركات الخدمات القانونية البديلة انخفاضًا مفاجئًا في دقة النظام عند التعامل مع مجموعة جديدة من القضايا. ومع ذلك، نظرًا لأن الفريق صمم سير العمل لأنظمة وكلاء الذكاء الاصطناعي مع أدوات متابعة تمكنهم من تتبع كل خطوة، تمكنوا بسرعة من تحديد سبب المشكلة: بعض المستخدمين كانوا يقدمون بيانات أقل جودة، مما أدى إلى تفسيرات خاطئة وتوصيات ضعيفة في المراحل التالية. وبفضل هذا النهج، أصبح من الواضح أن تتبع كل خطوة ليس مجرد رفاهية، بل أداة أساسية لضمان نتائج دقيقة وتحسين مستمر في أداء النظام وكفاءة العمل.

استنادًا إلى هذه الرؤية، قام الفريق بتحسين طرق جمع البيانات، وقدم إرشادات واضحة لتنسيق المستندات للمستخدمين في المراحل السابقة، كما عدّل منطق تحليل النظام ليكون أكثر دقة. وبفضل هذه التحسينات، عاد أداء أنظمة وكلاء الذكاء الاصطناعي بسرعة إلى مستواه المثالي. وهذا يشير إلى أن التدخل الذكي والتعديلات المدروسة في سير العمل يمكن أن تحوّل التحديات إلى فرص لتحسين النتائج والكفاءة بشكل مستمر.

أفضل استثمار للذكاء الاصطناعي هو إعادة استخدامه

في سباق الشركات لتطبيق أنظمة وكلاء الذكاء الاصطناعي بسرعة، غالبًا ما تُنشأ أنظمة وكلاء الذكاء الاصطناعي جديدة لكل مهمة محددة. ومع ذلك، هذا النهج قد يؤدي إلى تكرار كبير وهدر في الجهد، لأن نفس النظام يمكنه إنجاز مهام مختلفة تشترك في العديد من الإجراءات، مثل جمع البيانات، واستخراج المعلومات، والبحث، والتحليل. وبالتالي، التركيز على إعادة استخدام الأنظمة المتوفرة بدلًا من إنشاء أنظمة جديدة لكل مهمة يمكن أن يوفر الوقت والموارد ويزيد من كفاءة العمل بشكل ملحوظ.

عند اتخاذ قرار حول مقدار الاستثمار في تطوير أنظمة وكلاء الذكاء الاصطناعي قابلة لإعادة الاستخدام مقابل أنظمة لأداء مهمة محددة، يشبه ذلك مشكلة كلاسيكية في هندسة تكنولوجيا المعلومات، حيث تحتاج الشركات إلى البناء بسرعة دون الوقوع في اختيارات تحد من قدراتها المستقبلية. وبالتالي، إيجاد هذا التوازن يتطلب الكثير من الحكم السليم والتحليل الدقيق. وهذا يوضح أن التفكير الاستراتيجي في تصميم أنظمة وكلاء الذكاء الاصطناعي يمكن أن يوفر الوقت والموارد ويعزز مرونة العمل على المدى الطويل.

ومن الأفضل أن تبدأ الشركات بتحديد المهام المتكررة، فهي تمثل نقطة انطلاق عملية وذكية لبناء أنظمة وكلاء الذكاء الاصطناعي قابلة لإعادة الاستخدام. وبعد ذلك يمكن تصميم حلول رقمية وأجزاء فرعية قادرة على أداء وظائفها بكفاءة عبر مسارات عمل متنوعة، مع ضمان أن تكون متاحة وسهلة الاستخدام بالنسبة للمطورين. ويتضمن هذا إنشاء مجموعة مركزية من الخدمات الموثوقة مثل أدوات متابعة الأنظمة اللغوية أو المطالبات المعتمدة مسبقًا، إلى جانب الأصول الجاهزة مثل أنماط التطبيقات، والأكواد القابلة لإعادة الاستخدام، ومواد التدريب التي يسهل العثور عليها. وعند دمج هذه العناصر في منصة موحدة، يصبح بالإمكان التخلص من 30% إلى 50% من الأعمال الزائدة، مما يختصر الوقت والجهد بشكل كبير. وهذا يوضح أن التنظيم الذكي للموارد لا يحسّن الكفاءة فقط، بل يعزز أيضًا سرعة الإنجاز وجودة المخرجات.

بين الذكاء الاصطناعي والبشر: تحول في الأدوار لا في الأهمية

ومع تزايد انتشار أنظمة الذكاء الاصطناعي في مختلف المجالات، يبرز سؤال جوهري: ما الدور الذي سيبقى للبشر في ظل هذا التطور؟ هذا السؤال يثير قلقًا مزدوجًا، فمن ناحية يخشى الكثيرون على وظائفهم، ومن ناحية أخرى تزداد التوقعات بشأن ارتفاع الإنتاجية بشكل كبير. ونتيجة لذلك، ظهرت آراء متباينة إلى حد كبير حول مكانة البشر في العديد من الوظائف الحالية. ومن المهم أن ندرك أن هذه المخاوف لا تعكس ضعفًا، بل تكشف عن لحظة تحول تاريخية تدفعنا لإعادة التفكير في شكل العمل وطبيعته.

ومن المهم توضيح أن أنظمة الذكاء الاصطناعي ستتمكن بلا شك من إنجاز الكثير، لكن البشر سيظلون جزءًا أساسيًا من معادلة العمل، حتى مع تغير طبيعة المهام التي يؤديها كل من الطرفين بمرور الوقت. فالبشر ستكون لهم أدوار محورية مثل مراقبة دقة النماذج، وضمان الالتزام بالقوانين، واستخدام القرار السليم، والتعامل مع الحالات الاستثنائية. وبالإضافة إلى ذلك، قد لا تكون الأنظمة دائمًا هي الحل الأمثل، مما يستدعي وجود خبراء يستخدمون أدوات أخرى مثل نماذج التعلم الآلي. ومع ذلك، من المرجح أن يتغير عدد العاملين في أي سير عمل بعد إدخال هذه الأنظمة، وغالبًا ما سينخفض مع اكتمال التحول. وهنا تظهر مسؤولية القادة في إدارة هذه المرحلة بحكمة، تمامًا كما يفعلون مع أي برنامج تغييري آخر، مع التأكد من توزيع المهام اللازمة لتدريب الأنظمة وتقييم أدائها. ومن اللافت أن نجاح هذه التحولات يعتمد بدرجة كبيرة على التوازن بين كفاءة التكنولوجيا وخبرة البشر.

ومن الدروس المهمة التي تكشفها التجارب العملية أن على الشركات أن تعيد تصميم بيئة العمل بشكل مدروس بحيث يتمكن البشر والأنظمة الذكية من التعاون معًا بفاعلية. فإذا غاب هذا التركيز، قد تواجه حتى أكثر البرامج تقدمًا إخفاقات صامتة وأخطاء متراكمة ورفضًا من المستخدمين. ولهذا، فإن التفكير في كيفية الدمج بين الطرفين ليس رفاهية، بل ضرورة لضمان نجاح التجربة على المدى الطويل.

على سبيل المثال، نجد أن شركة خدمات قانونية بديلة أرادت استخدام الأنظمة الذكية في سير عمل لتحليل القضايا القانونية. وعند تصميم هذا السير، حرص الفريق على تحديد المواضع والأوقات والطريقة المناسبة لإشراك الخبرة البشرية. ففي إحدى الحالات، تمكنت الأنظمة من تنظيم المطالبات الأساسية والمبالغ المالية بدقة عالية، لكن كان من الضروري أن يقوم المحامون بمراجعتها والموافقة عليها نظرًا لأهميتها في مسار القضية بأكمله. ومن خلال هذا التوازن بين دقة الأنظمة وحكمة البشر، ضمنت الشركة نتائج أكثر موثوقية واستقرارًا.

وبالمثل، استطاعت الأنظمة الذكية اقتراح خطط عمل مناسبة لإدارة إحدى القضايا، لكن نظرًا لأهمية القرار، كان من الضروري أن يتولى البشر ليس فقط مراجعة هذه المقترحات بل أيضًا تعديلها عند الحاجة. كما تمت برمجة الأنظمة لتسليط الضوء على الحالات الاستثنائية والجوانب غير المألوفة، مما ساعد المحامين على تكوين رؤية أشمل وأكثر دقة. وفي النهاية، يبقى توقيع المحامي على المستند هو الخطوة الحاسمة، لأنه يضفي الشرعية على القرار القانوني بخبرته واعتماده المهني. وكأن الذكاء الاصطناعي يرسم خريطة للطريق، بينما يحدد الإنسان الاتجاه الصحيح ويضع التوقيع الأخير الذي يمنح القرار قوته.

ومن الجوانب المهمة في تصميم التعاون بين الإنسان والأنظمة الذكية هو توفير واجهات استخدام بسيطة تجعل التعامل معها سهلاً وسريعًا. فعلى سبيل المثال، قامت إحدى شركات التأمين بابتكار أدوات مرئية مثل التظليل والمربعات المحددة والتمرير التلقائي، مما ساعد المراجعين على التأكد من ملخصات الذكاء الاصطناعي بسهولة ودقة. وعندما يضغط المستخدم على معلومة ما، ينتقل التطبيق مباشرة إلى الصفحة المطلوبة ويعرض النص بوضوح، وهو ما وفر الكثير من الوقت وقلّل من الشكوك وزاد الثقة بالنظام، حتى وصلت نسبة تقبّل المستخدمين له إلى نحو 95%. ومن هنا يمكن القول إن تبسيط تجربة الاستخدام ليس مجرد ميزة إضافية، بل هو عنصر أساسي يحدد مدى نجاح التقنية وانتشارها. بل ويمكن أن يصبح عاملًا حاسمًا في تحويل المترددين إلى مستخدمين متحمسين للتكنولوجيا.

وفي الختام، تتسارع وتيرة تطور أنظمة وكلاء الذكاء الاصطناعي، ومع هذا التسارع سنواصل بلا شك اكتشاف المزيد من الدروس والتجارب. غير أنّ الشركات التي لا تتعامل مع هذه البرامج بعقلية التعلّم والتطوير المستمر ستجد نفسها تعيد نفس الأخطاء، مما يعرقل خطواتها ويؤخر تقدمها. ومن هنا تظهر أهمية أن يكون التعلم جزءًا أصيلًا من الممارسة اليومية لضمان مستقبل أكثر نجاحًا واستفادة من هذه التقنيات.