مفارقة 448 مليار دولار: لماذا لا تحقق 95% من المشاريع التجريبية للذكاء الاصطناعي في الشركات أي أثر على بيان الأرباح والخسائر

• نسبة المشاريع التجريبية التي لا أثر لها على بيان الأرباح والخسائر: 95% (دراسة MIT NANDA، 300 حالة و500 مقابلة)
• الفجوة الاستراتيجية في روسيا: 97% من الشركات الكبرى تطبّق الذكاء الاصطناعي، لكن 26% فقط لديها استراتيجية
• التوزيع الصحيح للموازنة: 10% للترخيص والنماذج، 20% للبيانات، 70% للأشخاص والعمليات
• معدل نجاح التطبيق بحسب النموذج: 67% عند الشراكة مع مزوّد خارجي في مقابل 33% عند البناء من الصفر

في مؤتمر «التحول في الذكاء الاصطناعي» الذي عُقد في أبريل من عام 2026، قارنت ملاحظاتي مع مديري التحول الرقمي في أكبر الشركات الروسية، فاتفقنا جميعًا على رؤية الصورة نفسها. فبعد سنوات من العمل مع أكثر من 40 عميلاً من الشركات، تبدأ كل محادثة جديدة بالطريقة نفسها: فريق أنفق نصف عام على مشروع تجريبي، وقدّم عرضًا توضيحيًا جذابًا لمجلس الإدارة، ثم انهار النظام بالكامل عند الانتقال إلى التشغيل الفعلي.

وتؤكد الإحصاءات هذا الانحراف. فقد ارتفعت النفقات الرأسمالية لخمسة من عمالقة التكنولوجيا (Alphabet و Amazon و Meta و Microsoft و Oracle) من 162 مليار دولار في عام 2022 إلى 448 مليار دولار في عام 2025، في حين تضاعفت القيمة السوقية لشركة Nvidia ثلاث مرات خلال عام 2024 وحده، من 1.2 تريليون دولار إلى 3.

28 تريليون دولار. ومع ذلك، تبقى التقديرات الاقتصادية الكلية أكثر واقعية بكثير: فتتوقع Goldman Sachs أن يضيف الذكاء الاصطناعي التوليدي 1.5 نقطة مئوية سنويًا إلى الإنتاجية على مدى عشر سنوات، بينما تقدّم McKinsey توقعًا بنسبة 0.

7% سنويًا حتى عام 2040. وتخلص دراسة MIT NANDA (التي شملت 150 مقابلة مع كبار المسؤولين و350 موظفًا و300 تطبيق عام) إلى نتيجة قاسية: لا تؤثر 95% من المشاريع التجريبية على بيان الأرباح والخسائر على الإطلاق، ولا تحقق نموًا ملموسًا في الإيرادات سوى 5% منها. وفي روسيا، وفقًا لقياسات شركتي Strategy Partners و MTS Web Services على 700 مؤسسة، أطلقت 97% من الشركات الكبرى بالفعل مبادرات للذكاء الاصطناعي، لكن 26% فقط منها لديها استراتيجية مرتبطة فعليًا بأهداف الأعمال.

لماذا تتوقف 95% من المشاريع التجريبية للذكاء الاصطناعي في الشركات بعد

عرض توضيحي ناجح؟

داخل الشركات، ليست هلوسات نماذج اللغة هي التي تقتل المشاريع، بل خمسة أخطاء إدارية وهيكلية.

السبب الأول هو بيانات تاريخية غير منظّمة. في 70-80% من الحالات، ترتبط أعطال البحث داخل الشركات بالفوضى في الوثائق، وليس باختيار النموذج بين GPT و Claude. في أحد مشاريعنا، سلّمنا العميل فهرسًا يضم 12,000 ملف تحت تصنيف «قاعدة بيانات حديثة». وبعد المراجعة، لم يبقَ سوى 3,800 وثيقة فقط: فقد حذفنا ثلاثة أرباع النسخ المكررة واللوائح المتقادمة دون كتابة سطر واحد من الكود، وتضاعفت دقة الإجابات عدة مرات. ويسمّي تقرير MIT هذه العقبة «فجوة التعلم» (learning gap)، أي الانفصال بين الأداة والعملية الفعلية.

والسبب الثاني هو تأجيل الأمن السيبراني. فعندما يُبنى المشروع التجريبي دون مشاركة قسم أمن المعلومات، على نقاط نهاية عامة، يؤدي أول تسرب لمعلومات تجارية سرية إلى تجميد كامل لجميع مبادرات الذكاء الاصطناعي في المجموعة.

والسبب الثالث هو تخريب خفي من جانب الفرق. فقد أظهر استطلاع أجرته شركتا Writer و Workplace Intelligence على 2,400 موظف و1,200 من كبار المسؤولين أن 29% من الموظفين يعرقلون عمدًا تطبيق الذكاء الاصطناعي: إذ يخفون المؤشرات ويقاطعون الأدوات الجديدة، وترتفع نسبة هذا التخريب إلى 44% بين موظفي الجيل Z. والسبب في ذلك أن الموظفين لم يُشرح لهم سبب تغيير العملية وتأثيرها على دورهم.

والسببان الرابع والخامس هما موازنة معكوسة وضجيج تسويقي مرتكز على العرض التقديمي. فالشركات تنظر إلى تكلفة الترخيص في عرض المزوّد وتنسى أن 10% فقط من الموازنة الفعلية تذهب إلى الخوارزميات، و20% إلى تنظيف البيانات والبنية التحتية، و70% إلى تدريب الموظفين وإعادة صياغة اللوائح. ونحن نساعد على إعادة ضبط هذا التوزيع وتدريب الفرق على العمل التطبيقي مع الوكلاء الذكيين من خلال برامج الشركات في [Hamidun Academy](https://academy.hamidun.com).

هل تتكرر موجة الحماس حول الشبكات العصبية كما حدث في جنون السكك

الحديدية في أربعينيات القرن التاسع عشر؟

ما يحدث في السوق الآن يُعيد إلى الأذهان، بدقة لافتة، حُمّى السكك الحديدية البريطانية في منتصف أربعينيات القرن التاسع عشر. ووفقًا لشركة FocusEconomics، بلغت الاستثمارات في السكك الحديدية عند ذروة هذا الحماس 7% من إجمالي الناتج المحلي البريطاني، أي نصف إجمالي الاستثمارات في اقتصاد البلاد. وبين عامي 1846 و1850، انهارت أسهم شركات السكك الحديدية بنسبة 50%، مما أدى إلى إفلاس آلاف المستثمرين الأفراد. ومع ذلك، ظلّت شبكة السكك الحديدية نفسها قائمة، وأعادت تشكيل التجارة العالمية.

ويحدث الأمر نفسه مع الذكاء الاصطناعي في الشركات: فتوقعات السوق المالي تجاوزت جاهزية قواعد البيانات واللوائح داخل الشركات. وفقاعة التوقعات المتضخمة ستنكمش لا محالة، كما حدث مع شركات الدوت كوم، لكن التكنولوجيا نفسها لن تختفي. والفائزون هم المديرون الذين يبنون الأساس استجابةً للطلب الحقيقي، لا لأجل عروض شرائح التقارير.

ما العمل عمليًا للانضمام إلى فئة الـ 5% من التطبيقات المُجدية؟

تكشف إحصاءات MIT NANDA عن حقيقة تبدو غير منطقية بالنسبة للشركات الكبرى: فتطبيق منتجات متخصصة من مزوّدين وشركاء متخصصين ينتهي بالنجاح في 67% من الحالات، بينما لا تنجح محاولات «بناء كل شيء من الصفر بالموارد الداخلية» إلا في 33% من الحالات. ولبدء سريع دون تطوير يمتد لعدة أشهر، نقدّم للفرق بنية جاهزة متعددة النماذج عبر [Nomad AI](https://nomadnet.ai) ومنصة AlpinaGPT.

وتتشارك الشركات التي تحوّل الذكاء الاصطناعي إلى أثر حقيقي على بيان الأرباح والخسائر خمس قواعد مشتركة: 1. الانطلاق من نقطة اختناق محددة في عملية الأعمال، وتحديد مؤشر هدف مُقَوَّم بالمال أو بالساعات قبل كتابة أول توجيه (prompt). 2. إجراء تدقيق شامل وتنظيف لمستودعات بيانات الشركة قبل اختيار النموذج. 3. تخصيص 70% من الموارد لتدريب الموظفين، والتهيئة، وإدارة التغيير. 4. تركيز الموارد على توسيع نطاق 2-3 سيناريوهات أثبتت جدواها الاقتصادية، بدلًا من تبديد الجهد على عشرين مشروعًا تجريبيًا متوازيًا. 5. إشراك أصحاب العمليات التجارية وقسم الأمن منذ اليوم الأول للمشروع، لا في مرحلة التسليم النهائي.