ماالذيتخطئفيهالشركاتالإماراتيةبشأنالذكاءالاصطناعيفي2026
نقضي في إقناع العملاء بالعدول عن الذكاء الاصطناعي وقتاً أطول مما نقضيه في إقناعهم به. إليك السبب — وما الذي نفعله بدلاً من ذلك.
صورة مركّبة من المكالمات التي تلقّيناها هذا الربع: اتصل بنا أحد تجار التجزئة في دبي. كانوا قد أمضوا ثمانية عشر أسبوعاً على استراتيجية للذكاء الاصطناعي مع أحد المُكامِلين الإقليميين. كان لديهم عرض تقديمي، ومخطط معماري، وقائمة مختصرة بالمورّدين، وميزانية. لم يكن لديهم أي شيء في الإنتاج. أرادوا أن يعرفوا إن كنا سنُلقي نظرة.
فعلنا. كان المخطط جيداً، وكان المورّدون هم المناسبين، وكانت البنية المعمارية معقولة. والسبب في أن شيئاً لم يُطرح هو أن لا أحد في المكالمة استطاع أن يُكمل الجملة «إذا نجح هذا، فستكون الشركة قادرة على…». لقد اشتروا الذكاء الاصطناعي، لكنهم لم يشتروا حلاً لأي شيء.
هذا هو الخطأ الأكثر شيوعاً الذي نراه في 2026، وهو لن يزول. الذكاء الاصطناعي هو فئة التقنية الوحيدة التي طُلب من معظم مجالس الإدارة تخصيص ميزانية لها دون حالة استخدام واضحة مرتبطة بها. أشخاصٌ ما كانوا ليوافقوا على ترحيل قاعدة بيانات دون معرفة أي بيانات وأي استعلامات، يوقّعون شيكات بستة أرقام مقابل «قدرة على الذكاء الاصطناعي». والنتيجة كما تتوقّع: الكثير من التجارب الأولية، وقليل جداً من الأنظمة المطروحة فعلاً، وتآكلٌ بطيء في مصداقية التقنية حين يتحول الحديث إلى النتائج.
ما يلي قائمة قصيرة بالأنماط التي نراها في مشاريعنا في الإمارات ودول الخليج الآن. نحن نتقاضى أجراً لنختلف مع عملائنا حين يكونون على خطأ، وهذه هي الخلافات التي تتكرّر معنا أكثر من غيرها. لا يتعلق أيٌّ منها بأن التقنية سيئة، بل تتعلق بأن من يشترونها لا يعرفون بعد ما الذي ينبغي أن يطلبوه.
01 · أنت تشتري «ذكاءً اصطناعياً»، لا تحلّ مشكلة
عبارة استراتيجية الذكاء الاصطناعي تحمل عبئاً كبيراً. تبدو كأنها خطة، لكنها ليست كذلك. الخطة تُسمّي ما ينبغي أن يكون مختلفاً في تاريخ محدد، لمستخدم محدد، ويُقاس بطريقة محددة. أما استراتيجية الذكاء الاصطناعي فتُسمّي فئة أداة وتأمل أن يكون ذلك كافياً.
حين يخبرنا عميل بأنه يحتاج إلى استراتيجية للذكاء الاصطناعي، يكون سؤالنا الأول هو نفسه في كل مرة: إذا نجح هذا، فما الذي يتغير لشخص ما في عملك؟ وسنبقى مع هذا السؤال مكالمة كاملة إن لزم الأمر. ليس «سيكون لدينا ذكاء اصطناعي»، بل «سيُغلق فريق الدعم 30% من التذاكر أكثر دون إضافة موظفين»، أو «سيقضي فريق المشتريات يومين في الشهر على التحقق من المورّدين بدلاً من أسبوعين». كلاهما مشكلة ذكاء اصطناعي إذا دقّقت النظر، لكن واحدةً منهما فقط تخبرك بما ينبغي بناؤه.
لن يساعدك المورّدون في هذا السؤال. مهمتهم بيع الأدوات، ومهمتك أن تعرف ما الذي تحاول فعله.
02 · تجارب أولية لا تُطرح أبداً
التجربة الأولية هي أغلى شيء في الذكاء الاصطناعي المؤسسي الآن، وهي عادةً لا تُنتج حتى تعلّماً. معظم ما يُسمّى تجربة أولية هو، في الواقع، عرضٌ توضيحي بجدول زمني أطول: لا بيانات إنتاج تتدفق إليه، ولا مستخدمو إنتاج على الطرف الآخر، ولا خطة لما سيحدث لو نجح.
التجربة الأولية التي لا يمكن أن تصبح إنتاجاً أبداً ليست تجربة أولية — إنها عرض تقديمي. السمة المميِّزة للتجربة الأولية الحقيقية هي أنه يمكنك ترقيتها إلى الإنتاج غداً لو نجحت. لن تفعل، لأن التجارب الأولية للتعلّم، لكنك تستطيع. وإن لم تستطع، فأنت لا تتعلّم شيئاً يصمد عند الاحتكاك بالنظام الحقيقي.
موقفنا أبسط مما يبدو: اطرح شيئاً صغيراً، من طرف إلى طرف، في الإنتاج، في اليوم العشرين. أصغر مما تظن: سير عمل واحد، نوع واحد من المستخدمين، نتيجة واحدة قابلة للقياس. ثم كرّر. معظم «التجارب الأولية» التي نراها يمكن استبدالها بثلاثة أسابيع من العمل المركّز على نطاق أصغر.
03 · مشكلة العربية
هذه مشكلة إقليمية ولا تنال ما تستحقه من اهتمام.
معظم مخرجات النماذج التي اختبرها فريقك كانت بالإنجليزية، ومعظم مستخدميك النهائيين — على الأقل أولئك خارج المكتب — سيتفاعلون معها بالعربية. وهاتان ليستا المشكلة نفسها. النماذج الحديثة المتقدمة جيدة في العربية بطرق لم تكن كذلك قبل عامين، لكن كلمة «جيدة» تحمل عبئاً كبيراً في تلك الجملة. النموذج الذي لا تشوبه شائبة بالإنجليزية على مجموعة اختبارك قد يُنتج حالات عدم تطابق لهجي، أو أخطاءً في السياق الديني، أو إخفاقات في تنسيق الكتابة من اليمين إلى اليسار على مدخلات مستخدميك الحقيقيين.
رأينا هذا يسوء أكثر من مرة: مساعدٌ موجّه للعملاء متماسك بالفصحى لكنه أصمّ عن النبرة بالإماراتية أو الشامية، ومُلخِّص مستندات يتعامل مع العقود الإنجليزية ببراعة ويُسقط بصمت جملاً من العقود العربية، ونظام بحث يُرتّب النتائج العربية في الأخير لأن التضمينات الأساسية دُرّبت على متنٍ مثقل بالإنجليزية.
إذا كنت تنشر ذكاءً اصطناعياً توليدياً لمستخدمين ناطقين بالعربية في 2026، فأنت بحاجة إلى مجموعة تقييم عربية. ليس كمرحلة لاحقة، بل كجزء من أول نشر، بميزانية حقيقية لنسبة الإشارة إلى الضوضاء، وبإجابة صادقة حين لا يكون النموذج جاهزاً.
04 · تجاهل الوسط الممل
تحظى روبوتات المحادثة الموجّهة للعملاء بمعظم الميزانية ومعظم الاهتمام. وهي أيضاً، بلا استثناء تقريباً، أسوأ مكان للبدء بالذكاء الاصطناعي.
الوسط الممل — الأتمتة الداخلية، والمساعدون الداخليون، ومعالجة المستندات المنظَّمة، واستخراج مواصفات المورّدين، وفرز العقود، وتصنيف المصروفات — هو المكان الذي يردّ فيه الذكاء الاصطناعي قيمته أسرع، وبأقل مخاطرة، وحيث توجد فعلاً البيانات التي تحتاجها في عملك. لا أحد يكتب بياناً صحفياً حين ينتقل تأهيل فريق مشتريات من ثلاثة أيام إلى تسعين دقيقة، لكن هذا هو العمل الذي يتراكم.
نخبر العملاء بأن يبدؤوا من هناك لثلاثة أسباب: الأخطاء أرخص — يستطيع مستخدم داخلي الإبلاغ عن مخرج سيئ قبل أن يصل إلى عميل؛ والبيانات أنظف — المستندات الداخلية عادةً أكثر تنظيماً من مدخلات المستخدمين؛ والوفورات حقيقية — يمكنك قياسها مقابل الرواتب، لا مقابل زيادة تحويل مُقدَّرة لا يستطيع أحد تدقيقها.
إذا كانت لديك خطة نشر ذكاء اصطناعي موجّهة للعملاء، فاسأل نفسك ماذا سيفعل فريقك الداخلي بالميزانية نفسها. الإجابة دائماً تقريباً أكثر فائدة.
05 · ثقة بلا تقييمات
الشيء الأكثر قابلية للتنبؤ بشأن نظام لم يُقيَّم قط هو أنه سيفاجئك، وغالباً بشكل سيئ.
حين ننظر إلى أنظمة الذكاء الاصطناعي العاملة في بيئات الإنتاج في الإمارات، فإن نمط الإخفاق الأكثر شيوعاً ليس أن النموذج سيئ، بل أن لا أحد في الفريق يستطيع أن يجيب، كتابةً، عن سؤال كيف نعرف أنه ما زال يعمل؟ لا توجد مجموعة تقييم، ولا تنبيه انحدار، ولا عتبة موثّقة يُسحب النظام تحتها. بل يوجد، بدلاً من ذلك، إيمان.
التقييمات — ذلك الانضباط الممل المتمثل في تدوين شكل المخرج الجيد، وتسجيل المخرجات الحقيقية مقابله وفق جدول، والتصرّف بناءً على النتيجة — هي ما يحوّل الذكاء الاصطناعي من عرض توضيحي إلى نظام. تتخطى معظم الشركات هذه الخطوة لأنها بطيئة ولا أحد يكتب دراسات حالة عنها. نحن لا نتخطاها: لا نوقّع على عمليات نشر الذكاء الاصطناعي إلا بعد أن نكتب إطار التقييم، ونُشغّله، ونضعه على جدول.
إذا رفض مورّد أو مستشار أن يخبرك كيف سيقيس أداء النموذج المستمر بعد الإطلاق، فغادر الاجتماع. النموذج هو الجزء السهل، والنظام المحيط به هو ما تدفع مقابله.
ما الذي نفعله بشكل مختلف
الخيط الذي يمر عبر كل هذا واحد: معظم أخطاء الذكاء الاصطناعي في 2026 ليست أخطاءً تقنية، بل أخطاء في النطاق، وفي القياس، وفي قول نعم حين تكون الإجابة الصادقة ليس بعد.
حين نقول نعم، نُحدّد نطاقاً أصغر مما هو مريح، ونطرح أسرع من المتوقّع، ونُقيّم من اليوم الأول، ونبني زرّاً لإيقاف الاستخدام. العمل أقل بريقاً مما يبيعه المُكامِلون، ويُنتج لقطات شاشة أقل، لكنه يبقى في الإنتاج، وهو النتيجة الوحيدة التي تردّ قيمتها.
إذا كان يُطرح عليك سؤال ما استراتيجيتنا للذكاء الاصطناعي؟ ولست متأكداً كيف تجيب، فالمكالمة التالية الصحيحة على الأرجح ليست مع مورّد، بل محادثة من ثلاثين دقيقة حول ما الذي سيتغير فعلاً في عملك لو نجحت التقنية. وبمجرد أن تعرف ذلك، فالباقي هندسة.
يسعدنا أن نكون الطرف الآخر في تلك المكالمة، ويسعدنا أيضاً أن نخبرك بأنك لا تحتاج إلينا — وأكثر ما نفعله فائدةً في تلك المحادثة، في الأيام التي تسير فيها هكذا، هو أن نُسمّي الشركة التي تحتاجها.