الذكاء الاصطناعي في الشركات يحتاج إلى نموذجين للعالم

يون تشونغ، من قِاو فِيه سي

QbitAI | الحساب الرسمي QbitAI

الحقيقة غير البديهية بعض الشيء هي:

لقد أصبح الذكاء الاصطناعي مستخدمًا على نطاق واسع في الشركات بالفعل، لكن إنتاجية العديد من الشركات لم ترتفع بشكل ملحوظ بسببه.

في تقرير عام 2025 عن الذكاء الاصطناعي التوليدي للمؤسسات الصادر عن معهد ماساتشوستس للتقنية (NANDA)، هناك مجموعة من الأرقام التي تُعرض غالبًا معًا:

من بين الشركات التي شملتها المقابلات، لم تُحقّق نماذج الذكاء الاصطناعي التوليدي التجريبية في95%من الشركات أي عوائد قابلة للقياس في الأرباح والخسائر؛ وفي الوقت نفسه، يستخدم أكثر من90%من الموظفين في هذه الشركات بالفعل أدوات ذكاء اصطناعي شخصية في عملهم، في حين أن 40% فقط من الشركات اشترت اشتراكات مؤسسية رسمية.

خلف هذه الأرقام تكمن في الحقيقة مشكلة واحدة:

الذكاء الاصطناعي قيد الاستخدام، لكنه توقف عند المستوى الفردي。

لذا فما تواجهه الشركات اليوم لم يعد سؤال "هل يجب التبنّي للذكاء الاصطناعي أم لا"، بل سؤالاً آخر أصعب وهو:

بعد التبنّي، ما الذي يجب على الشركة أن تتراكم لديها بنفسها حتى يصبح الذكاء الاصطناعي إنتاجية حقيقية؟

في صباح اليوم، في منتدى WTCC المعقود في West Bund بشنغهاي، كانت إجابة فان لينغ، مؤسس Tezign، هي:

ما تحتاج الشركات في النهاية إلى استكماله ليس نموذجاً أقوى، بلنموذجَي عالم。

فهم العميل أولاً، ثم فهم الشركة

مصطلح "نموذج العالم"، ببساطة، يعني قدرة نظامٍ ما على الإجابة عن السؤال:إذا فعلتُ هذا، فماذا سيحدث بعد ذلك。

وعند وضعه في سياق الشركة، هذا السؤال له على الأقل اتجاهان:

أحدهما نحو الخارج، وهو فهم العميل.لماذا يفضّل العميل خياراً معيناً، وما الذي يجعله يغيّر رأيه، وأي التعبيرات والمنتجات تكون أكثر قابلية للقبول. هذه الطبقة، هي ما سمّته Tezign في المنتدى "نموذج عالم العميل"، وهو ما ظهر لاحقاً في المواد بشكل أكبر باسم "نموذج العالم الذاتي”。

والآخر نحو الداخل، وهو فهم الشركة.بعد أن تدخل قرارٌ ما إلى داخل الشركة، عبر أي عمليات يمرّ، وبأي الموارد والقواعد وعلاقات التعاون يتأثر، وهل يمكن أخيراً أن ينفّذ فعلاً على أرض الواقع. هذا الجزء أقرب إلى "نموذج العالم المؤسسي”。

يبدو كلاهما يجيب عن سؤال "كيف تُتّخذ القرارات"، لكنهما في جوهرهما ليسا الشيء نفسه.

نموذج العالم الذاتي "فهم العميل" يعالج التفضيلات الذاتية والدوافع والخيارات، ويعتمد على بيانات المستخدمين الخارجية؛

بينما نموذج العالم المؤسسي "فهم الشركة" يعالج العمليات والأصول والقواعد والمعرفة الضمنية، ويعتمد على السياق المتراكم طويل الأمد داخل المنظمة.

بخصوص نموذج العالم الذاتي، سبق لـQbitAI أن قدّمت قبل فترة شرحاً مفصلاً، لذا لن نوسّع فيه هنا.

ودقيقًا لأن مصادر البيانات وإيقاع التحديث ومسؤولية المساءلة في هذين النظامين مختلفة جميعها، من الصعب دمجهما بدمج خام في نموذج كبير واحد.

وعند جمعهما معًا، لا تكون النتيجة غالبًا قوة أكبر، بل يصبح الطرفان معًا أقل حدة، وإذا غاب أيٌّ من الطرفين، تنكشف المشكلة فورًا:

• إذا وُجد نموذج العالم للمؤسسة وحده، يعرف الوكيل الذكي كيف تُنجز المهمة، لكنه لا يعرف ما إذا كانت هذه المهمة تستحق أن تُنجز، وقد ينتهي الأمر به إلىإنجاز هدف خاطئ بكفاءة。
• وإذا وُجد نموذج العالم للعملاء وحده، يستطيع الوكيل الذكي فهم الاحتياجات، لكنه لا يصل إلى التسليم التنظيمي الحقيقي، فيتحول في النهاية إلىفهم الاحتياجات دون القدرة على تحقيقها。

لذا فإن المسألة ليست "إضافة نموذج آخر يعني مزيدًا من الأمان"، بل أن بنية الوكيل الذكي للمؤسسة ينقصها أصلًا عنصران مختلفان تمامًا.

أثمن معارف المؤسسة غالبًا لم تُكتب بعد

إذا كان نموذج العالم للعملاء أقرب إلى الإدراك الخارجي، فإنأصعب ما في نموذج العالم للمؤسسة يكمن في تحديد المعرفة الداخلية وتنظيمها واستخدامها。

لأن أثمن ما تملكه المنظمة، كثير منه بالضبط غير موجود في الوثائق.

قسّمت تيزا (Tezign) في المنتدى معرفة المؤسسات إلى نوعين:

• نوع هوالمعرفة الصريحة، التي يمكن كتابتها في الأدلة والعمليات والأنظمة، وسعيها هو الأعلى والأسرع والأدق؛
• والنوع الآخر هوالمعرفة الضمنية، كالذوق والحكم والإحساس بالحدود والخبرات والعلاقات، التي لا يمكن التعبير عنها بالكامل، ولا تنمو إلا تدريجياً في المشاريع المحددة والتعاون.

هذا يفسّر أيضاً لماذا لا يعني «إطعام جميع الوثائق للذكاء الاصطناعي» أن «الذكاء الاصطناعي فهم المؤسسة».

في الواقع، هناك بالفعل مؤسسات عديدة تحاول بناء نظام سياق خاص بها استناداً إلى قدرات النماذج.

لكن فيما يتعلق بمدى جودة بناء السياق، فإن هذه الطبقة ربما لم تصل بعد إلى معيار موحّد للحكم عليها.

نظام السياق الذي تحتاجه المؤسسات فعلياً يجب أن يستوفي عدة شروط على الأقل:

• إنه لا يستبدل الأنظمة القائمة، بل يربط بحيرة البيانات الحالية وأنظمة الأعمال وأنظمة الأصول؛
• إنه ليس معرفة تُقرأ للبشر، بل كائنات وعلاقات مهيكلة يمكن للوكلاء الأذكياء استدعاؤها؛
• وهو أيضاً ليس تسليماً لمرة واحدة، بل قادراً على ترك أساس للمراجعة بعد كل حكم، حتى لا تبدأ المشكلات المماثلة من الصفر في المرة القادمة.

وبعبارة واحدة تلخّص ذلك:ما يستدعيه الوكيل الذكي ليس البيانات، بل السياق。

الحكم الخبير يتحول إلى بيانات تدريب

إذا كان نموذج عالم المؤسسة يحل مسألة السياق الداخلي، فإن التغيير الآخر الجاري هو أنحكم الخبراء بدأ يدخل في بيانات التدريب。

وما يُذكر هنا ليس نموذج العالم الثالث، ولا يعادل نموذج عالم العميل.

بل هو أشبه بطبقة قدرات مشتركة أسفل نموذجي العالم.

وفقاً لما كُشف في المنتدى والمواد التقنية ذات الصلة، أدخلت تيزا عدداً كبيراً من الخبراء من مجالات مختلفة للمشاركة في جمع ووسم عمليات الحكم الحقيقية، بحيث لم تعد إشارات التدريب تعتمد فقط على البيانات العامة، بل بدأت تشمل مسارات الحكم في السياق التجاري (Creative Trajectory). وفي الوقت نفسه، تدفع بعض المؤسسات الشريكة أبحاثها في اتجاه مماثل، وقد بلغت المتراكم من مسارات الحكم ذات الصلةعشرة آلاف。

لماذا يهم هذا الأمر؟

لأن أنفس معرفة في المؤسسات، كمعايير الحكم ومنطق الموازنة والحساسية للمخاطر، غير موجودة على الإنترنت، ولا موجودة في النماذج العامة.

كانت في الأصل موجودة فقط بين الأشخاص والمشاريع والسجلات.

ما يتم عمله الآن هو في الواقع تحويل عمليات الحكم هذه التي يصعب الاحتفاظ بها إلى أصل قابل للتراكم.

ولذلك، فإن الطريق الذي يقود إليه هذا في النهاية ليس فقط «نموذجاً يفهم الأعمال بشكل أفضل»، بل اتجاهاً واضحاً لتطور الذكاء الاصطناعي المؤسسي:

من «الذكاء المستأجر»إلى «الذكاء السيادي»。

المعيار الصعب فعلاً في التقييم ليس مدى صحة الإجابة، بل مدى "شبهها لأسلوب هذه الشركة"

يبقى في النهاية سؤال لا يمكن تجاوزه: كيف نقيم؟

المعايير القياسية العامة (benchmark) تقيس قدرة النموذج على الإجابة بالإجابة الصحيحة المعيارية.

لكن في سيناريوهات المؤسسات، فإن السؤال الأكثر أهمية غالباً ليس "هل هي صحيحة"، بل:هل أنجزها بالطريقة الصحيحة على نمط هذه الشركة。

حدود العلامة التجارية لشركة ما، ومنطق اختيار المنتجات لدى فريق ما، ونطاق تسامح مدير ما مع المخاطر، كل هذه الأمور غير موجودة في مجموعات التقييم العامة، ولا في القيم الافتراضية للنماذج العامة.

لذا فإن القيمة الحقيقية للمعايير العمودية على الأعمال (benchmark) لا تكمن في إعطاء النموذج درجة، بل في تحويل معايير الحكم الخاصة بالمنظمة إلى مجموعة اختبار قابلة للاختبار التراجعي المستمر والمقارنة المستمرة والتصحيح المستمر.

وبمجرد وجود هذا الشيء، لن يعد هناك حاجة للحكم على التغيرات في القدرات الناتجة عن ترقية النموذج أو تعديل العمليات أو تغيرات الفريق بالاعتماد على "الإحساس بأن الأمور تحسنت".

وفي هذه النقطة، أشار فريق Tezan إلى طريقة معايرة نموذجية جداً:

في سيناريو Atypica، يتم جعل البشر وشخصيات AI (persona) تنفيذ نفس تجارب السلوك الاقتصادي، ثم استخدام الفروق بينهما لقياس ومعايرة جودة المحاكاة كمياً، بما ينعكس بدوره على تدريب النموذج وتحسينه.

ذكر موقع قانتزي بت (量子位) في تغطيته الميدانية لمؤتمر WAIC في شهر 7 من هذا العام نتيجة واحدة: النموذج العالمي الشخصي حقق دقة بلغت 85% في المحاكاة السلوكية.

بالتأكيد، تبقى هذه المحاكاة والـ benchmark في جوهرها أدوات معايرة؛ فهي تجعل البحث والتحقق يحدثان في وقت أبكر، لكنها لا يمكن أن تحل محل البحث مع البشر الحقيقيين نفسه.

بداية Agentic Transformation

ما kind من الآليات يلزم بناؤها حتى تعمل الوكلاء الأذكياء في المؤسسات فعلياً؟

وبعد توفير الأساس، كيف يمكن جعل هذه الآليات تدور فعلاً؟

ما ورد في المنتدى هو أن الوكيل الذكي في المؤسسة لا يعمل فعلياً إلا من خلال إدارة حلقة مغلقة كاملة:Signal وPlan وCreate وEvals。

• يعد Signal وEvals أكثر اعتماداً على نموذج عالم العميل، وهما يجيبان عن السؤالين: ما الذي يهم المستخدم الآن، وهل سيقتنع العميل فعلاً بما تم إنتاجه.
• أما Plan وCreate فيعتمدان أكثر على نموذج عالم المؤسسة، وهما يجيبان عن السؤالين: هل يمكن إنجاز هذا الأمر داخل المنظمة فعلاً، وبماذا من الموارد والعمليات والقيود الموجودة، وكيف ينبغي المضي قدماً.

في خلفية ذلك يقابل الفرق بين الوكيل الذكي للمؤسسات وجيل Copilot السابق。

يشبه Copilot أداة تُستدعى لمرة واحدة: تسأل، فيجيب؛ وتبدأ مهمة، فيمنحك نتيجة.

لكن الوكيل الذكي الذي تحتاجه المؤسسات فعلاً ليس هكذا. إنه طويل المدى، وقادر على العمل باستمرار، وينبغي أن يدخل في سير العمل، وأن يحتفظ بالأهداف والحالات والملاحظات عبر الزمن، بدلاً من البدء من الصفر في كل مرة.

قال فان لينغ في خطابه:

الوكيل الذكي يدفع العمل إلى 80 درجة، ثم يأخذه الإنسان من 80 درجة إلى 120 درجة.

الأهم في هذه العبارة ليس الرقمين "80 درجة" و"120 درجة"، بل أنه يعيد تعريف تقسيم العمل بين الإنسان والوكيل الذكي.

العلاقة بينهما ليست علاقة إحلال، بل تقسيم عمل متبادل الموقع: يتولى الذكاء الاصطناعي دفع الكبيرة من الأعمال القابلة للترميز بالرموز (Tokenization) إلى الأمام، بينما تبقى القيمة الحقيقية للخبير في تلك المرحلة الأخيرة من الأحكام عالية الكثافة.

وبوضع هذه الخيوط معاً، فإن الذكاء الاصطناعي على مستوى المؤسسات دخل مرحلة جديدة، وما تقدمه "نموذجا العالم" هو في الحقيقة تعبير هذه القدرات داخل بنية المؤسسة:

نموذج لفهم الخارج، ونموذج لفهم الداخل، وبينهما يعمل وكيل ذكي طويل المدى قادر على التقدم المستمر.

و頷د الإشارة إلى أن Tezan أطلقت بالتزامن في منتدى WTCCبرنامج البناء المشترك لـ Agentic Transformationالذي يجمع الجامعات ومؤسسات البحث والشركات وشركاء النماذج والتقنية والممارسين المحترفين، والسبب بسيط: هذا الطريق لم يتم التحقق منه بالكامل بعد، وكثير من الأسئلة ليس لها إجابات جاهزة، ولا يمكن إلا النمو والعمل معاً في إطار التعاون المفتوح.

وبدلاً من سؤال "كيف نستخدم الذكاء الاصطناعي"، تحاول Tezan من خلال نهج البناء المشترك الإجابة عن سؤال أصعب:

المؤسسة تريد تحويل أحكامها إلى أصل قابل للتراكم. فما هي الخطوة الأولى؟

رابط المرجع: https://game.atypica.ai/

* هذه المقالة منشورة بإذن من QbitAI (量子位)، وتمثل الآراء ملكاً لمؤلفها الأصلي.