95% من التجارب التجريبية للذكاء الاصطناعي لا تحقق أرباحاً: أوروبا تعلق في الموافقات وروسيا في التطبيق
حلّل MIT أكثر من 300 تطبيق مؤسسي للذكاء الاصطناعي، وتبيّن أن التجربة التجريبية لم تضف شيئاً إلى صافي الربح (بند P&L في التقرير المالي) في 95% من الحالات. في أوروبا تتعثر المشاريع عند البداية، إذ يقضي المحامون شهوراً في الموافقة عليها وفق قواعد EU AI Act. أما في روسيا فقد ارتفع الإنفاق على الذكاء الاصطناعي خلال عام بنسبة 95%، لكن النماذج الأولية لا تصل إلى التشغيل الفعلي. الخلاصة: أعيدوا بناء العملية أولاً، وإلا فإن ملف المقترض الذي يجمعه الذكاء الاصطناعي في ثانية سيظل ينتظر ثلاثة أيام للمراجعة اليدوية.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
استثمرت الشركات عشرات المليارات من الدولارات في الذكاء الاصطناعي، لكن هذه الأموال بالكاد تظهر في التقارير المالية الختامية. حلّل باحثو MIT أكثر من 300 تطبيق مؤسسي، وخلصوا إلى أن 95% من التجارب التجريبية لا تحقق أثراً قابلاً للقياس على صافي الربح، أي على بند P&L (بيان الأرباح والخسائر). في المقابل، تفيد استطلاعات أخرى بنبرة متفائلة بأن 64% من مديري المنتجات يرون نمواً في مقاييس المنتج بفضل الذكاء الاصطناعي.
ولا تناقض في ذلك، فالأرقام تضع في سلة واحدة ثلاثة أمور مختلفة: موظف يكتب رسائله بسرعة أكبر بمساعدة LLM، وعرض تجريبي جذاب في بيئة معزولة، وأموال وصلت فعلاً إلى P&L. ومثال ذلك شبكة عصبية تجمع ملف المقترض في ثانية، ثم يبقى الملف ثلاثة أيام في طابور المراجعة اليدوية داخل نظام محاسبي قديم. العمل تسارع، لكن الربح لم يتغير.
قارن كاتب التحليل على Habr الإحصاءات الخاصة بأوروبا وروسيا، ورأى أن البلدين يتجهان إلى الذكاء الاصطناعي من طرفين متعاكسين ويصطدمان بالجدار نفسه. وإذا كنتم تطلقون تجربة تجريبية للذكاء الاصطناعي، فسيساعدكم هذا التحليل على معرفة المكان الأرجح الذي ستتعثر فيه.
أولاً: نوحّد العيّنات
وفق بيانات Eurostat، تستخدم 20% من المؤسسات الأوروبية التي يعمل فيها عشرة موظفين فأكثر الذكاء الاصطناعي، من 5,2% في رومانيا إلى 42% في الدنمارك. ومقارنة هذا الرقم باستطلاعات الشركات الروسية الكبرى غير سليمة، لذا نأخذ الشركات التي يعمل فيها 250 شخصاً فأكثر. وفي هذه الفئة تبلغ نسبة التطبيق 55%. وثمة تحفظ: Eurostat تحتسب أي ذكاء اصطناعي، بما في ذلك التقييم الائتماني الكلاسيكي والتعرف على النصوص. أما في روسيا، فوفق بيانات Yakov & Partners وYandex، تستخدم 71% من الشركات الكبرى الذكاء الاصطناعي التوليدي، وتصل النسبة إلى 88% مع احتساب النماذج الكلاسيكية.
أوروبا تتباطأ عند المدخل وروسيا عند المخرج
لا تتعثر الشركات الأوروبية بسبب المال. فأبرز العوامل المعطِّلة وفق Eurostat هي نقص الكفاءات الهندسية وكفاءات المنتج (71% من الشركات)، وعدم اليقين القانوني حول EU AI Act (52,5%)، والقيود الصارمة على خصوصية البيانات (48,8%). وتظل التجربة التجريبية شهوراً تنتقل بين المحامين وإدارة الامتثال، بينما لم يرَ النموذج بعد أي طلب حقيقي واحد.
في روسيا يحدث العكس. فبحسب دراسة FinExpertiza المبنية على بيانات هيئة الإحصاء الروسية (Rosstat)، ارتفع إنفاق الشركات والقطاع الحكومي على الذكاء الاصطناعي خلال عام بنسبة 95%، أي ما يقارب الضعف، ليبلغ 176,1 مليار روبل. وذهب نحو 80% من الأموال إلى البرمجيات والتطوير، واستقرت 92% من الميزانيات في موسكو (ويعود ذلك في جزء كبير منه إلى تسجيل المقار الرئيسية للمؤسسات الفيدرالية الكبرى فيها)، وجاء 84% من الإنفاق من قطاع واحد هو التمويل والتأمين.
ويتحدث 78% من المديرين عن «أثر اقتصادي ملحوظ». لكن وضع علامة في الاستبيان يختلف عن نمو الربح التشغيلي. ووجد تدقيق السوق الذي أجرته Yakov & Partners أن بين اثني عشر وكيل ذكاء اصطناعي روسياً عاماً لا يوجد أي حل مستقل جاهز: هناك فقط أدوات بناء ومساعدون ضيقو التخصص.
ولهذا تضطر البنوك والمؤسسات الكبرى إلى بناء الوكلاء لديها من الصفر.
لماذا النتيجة واحدة
ترد الأسباب في دراسة MIT Project NANDA (The GenAI Divide) على عيّنة من الشركات الأمريكية الكبرى. اعتمد المؤلفون أفقاً زمنياً مدته ستة أشهر بعد انتهاء التجربة التجريبية، ولاحظوا نمطين:
- الحلول المطوّرة داخلياً تصل إلى نتيجة إنتاجية في 33% من الحالات، أما تطبيق منتج متخصص من مورّد خارجي فيصل في 67%.
- أكثر من نصف الميزانيات يذهب إلى المبيعات والتسويق، مع أن الوفر الحقيقي يأتي من المكاتب الخلفية الروتينية: معالجة المستندات، والامتثال، والتقييم الائتماني للمخاطر، وأتمتة العمليات الروتينية.
ويضيف الكاتب، الذي أوصل بنفسه مبادرات ذكاء اصطناعي في أحد البنوك إلى مرحلة التجربة التجريبية وتابع أكثر من عشر شركات ناشئة، تفصيلاً هندسياً. فعلى مجموعة بيانات اختبار نظيفة يُظهر أي نموذج أرقاماً جميلة. أما في الميدان فيجب تمريره عبر أمن المعلومات المصرفي، وتكييفه مع اتفاقيات SLA صارمة لزمن الاستجابة، وحساب كلفة خطأ النوع الثاني. وإذا كان نظام مكافحة الاحتيال أو نموذج المخاطر يحجب عملاء شرعيين بسبب إنذارات كاذبة، فإن الوفر كله يتبخر. وقد أوقف الفريق تجربة لمكافحة الاحتيال الصوتي بعد ثلاثة أسابيع من بدء التعامل مع حركة حقيقية، لأن الجدوى الاقتصادية وجودة الكشف لم تتطابقا. ويرى الكاتب أن آلية الإيقاف الطارئ هذه تحمي الميزانية من «مشروع زومبي» يستنزف الموارد سنوات من أجل شريحة عرض جميلة.
التوقع وما العمل
يطرح الكاتب رهاناً يمكن التحقق منه: حتى 31 ديسمبر 2027 سترتفع حصة الشركات الكبرى في أوروبا وروسيا التي تستخدم الذكاء الاصطناعي في منتجاتها وعملياتها إلى 75–85%. أما حصة المشاريع ذات الأثر الإيجابي المثبت على P&L فلن تتجاوز 15%، أي أنها سترتفع من 5% حالياً إلى ثلاثة أضعاف كحد أقصى. ويقدّر احتمال ذلك بنسبة 70%، ويستند إلى تاريخ أنظمة ERP والمنصات السحابية، حيث حصل على العائد نحو مشروع واحد من كل خمسة. وسيتبيّن أن التوقع خاطئ إذا رصدت تدقيقات من مستوى McKinsey أو Gartner أو Yakov & Partners نمواً في الربح التشغيلي لدى أكثر من ربع الشركات.
من المهم تذكّر القيود: هذه مقالة رأي للكاتب وليست دراسة جديدة. فالبيانات مأخوذة من مصادر بمنهجيات مختلفة، واستطلاعات «الأثر» ذاتية، وأرقام MIT تخص الشركات الأمريكية، وإسقاطها على أوروبا وروسيا يبقى افتراضاً من الكاتب.
الخلاصة العملية لمديري المنتجات والمؤسسين: لا تحسبوا عدد التجارب التجريبية، بل ما صمد منها أمام العميل ودائرة الأمن وبند P&L. قبل الإطلاق تحققوا من أن العملية أُعيد بناؤها حول النموذج. وقبل أن تبنوا حلاً خاصاً بكم، انظروا هل يوجد منتج جاهز. ابحثوا عن الأثر في المكتب الخلفي، لا في الواجهة فقط، وحدّدوا مسبقاً معيار الإيقاف عند الأسبوع الثالث أو الرابع من التعامل مع حركة حقيقية.
- 19 نوفمبر 2026وكلاء AWS AgentCore يصلون الآن إلى Keycloak المغلق بشهادات مرجع تصديق مؤسسي
- 19 نوفمبر 2026النماذج اللغوية الروسية تحتل المراكز الستة الأولى في اختبار SLAVA، لكنها تحتاج إلى بيانات عالمية
- 19 نوفمبر 2026Salesforce تنقل 78% من حركة الطلبات إلى منطقة أخرى خلال 3 دقائق عبر موجّه SageMaker
- 18 نوفمبر 2026مبتكر Digg يطلق بديلاً مفتوح المصدر لـ DocuSign: $240 سنوياً بدلاً من $8 100
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول أولاً: نوحّد العيّنات؟
وفق بيانات Eurostat، تستخدم 20% من المؤسسات الأوروبية التي يعمل فيها عشرة موظفين فأكثر الذكاء الاصطناعي، من 5,2% في رومانيا إلى 42% في الدنمارك. ومقارنة هذا الرقم باستطلاعات الشركات الروسية الكبرى غير سليمة، لذا نأخذ الشركات التي يعمل فيها 250 شخصاً فأكثر. وفي هذه الفئة تبلغ نسبة التطبيق 55%. وثمة تحفظ: Eurostat تحتسب أي ذكاء اصطناعي، بما في ذلك التقييم الائتماني الكلاسيكي والتعرف على النصوص.
ما أبرز التفاصيل حول أوروبا تتباطأ عند المدخل وروسيا عند المخرج؟
لا تتعثر الشركات الأوروبية بسبب المال. فأبرز العوامل المعطِّلة وفق Eurostat هي نقص الكفاءات الهندسية وكفاءات المنتج (71% من الشركات)، وعدم اليقين القانوني حول EU AI Act (52,5%)، والقيود الصارمة على خصوصية البيانات (48,8%). وتظل التجربة التجريبية شهوراً تنتقل بين المحامين وإدارة الامتثال، بينما لم يرَ النموذج بعد أي طلب حقيقي واحد. في روسيا يحدث العكس.
ما أبرز التفاصيل حول لماذا النتيجة واحدة؟
ترد الأسباب في دراسة MIT Project NANDA (The GenAI Divide) على عيّنة من الشركات الأمريكية الكبرى. اعتمد المؤلفون أفقاً زمنياً مدته ستة أشهر بعد انتهاء التجربة التجريبية، ولاحظوا نمطين: الحلول المطوّرة داخلياً تصل إلى نتيجة إنتاجية في 33% من الحالات، أما تطبيق منتج متخصص من مورّد خارجي فيصل في 67%. أكثر من نصف الميزانيات يذهب إلى المبيعات والتسويق، مع أن الوفر الحقيقي يأتي من المكاتب الخلفية الروتينية: معالجة المستندات، والامتثال، والتقييم الائتماني للمخاطر، وأتمتة العمليات الروتينية.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.