Raft تعرض طريقة لترتيب أولويات مبادرات الذكاء الاصطناعي وبناء خارطة طريق واقعية

اقترحت Raft طريقة عملية لتحويل قائمة مبعثرة من أفكار الذكاء الاصطناعي إلى برنامج تحول قابل للإدارة: تُحتسب أولاً القيمة المحتملة لكل مبادرة، ثم تُطابق مع قابلية تحقيقها، ثم يُختار أسلوب التنفيذ، وبعد ذلك فقط تُبنى خارطة الطريق. يناسب هذا النهج الشركات التي ترى أمامها عشرات السيناريوهات الممكنة للذكاء الاصطناعي، لكنها لا تريد الغرق في مشاريع تجريبية بلا نتائج قابلة للقياس.

تقوم المادة على فكرة أساسية: يمكن تطبيق أي شيء تقريباً، لكن من المستحيل تنفيذ كل شيء في وقت واحد. ولهذا يدعو المؤلف إلى التخلي عن مجموعة التجارب العشوائية، والانتقال إلى إدارة مبادرات الذكاء الاصطناعي بمنطق المحفظة.

يبدأ المنطق بمرحلة تحليل الفجوات (gap analysis): تحصل المؤسسة على قائمة مهام توضح الحالات التي هي جاهزة لها الآن، وتلك التي تفتقر فيها إلى البيانات أو البنية التحتية أو الكفاءات أو أطر الأمن.

لكن تقييم إمكانية التنفيذ وحده لا يكفي. ولتحديد ما يستحق إنفاق المال وموارد الفريق، يلزم تقييم القيمة التجارية المتوقعة بشكل مستقل. لهذا تقترح Raft صيغة بسيطة للقيمة المحتملة تقوم على ثلاثة عوامل: حجم المشكلة، وتكرار حدوثها، وتعقيد حلها يدوياً. يُقيَّم كل عامل على مقياس من 1 إلى 10، وتقع الدرجة الإجمالية في نطاق من 1 إلى 1000.

يبيّن الحجم عدد الأشخاص أو العمليات التي تطالها المشكلة؛ ويبيّن التكرار مدى تواتر حدوثها؛ أما تعقيد الحل اليدوي فيعكس الوقت والمال والجهد اللازم دون أتمتة بالذكاء الاصطناعي. ويشير المؤلفون بشكل منفصل إلى عتبة عملية: إذا لم تحصل المبادرة على 200 نقطة على الأقل، فقد يستغرق استرداد تكلفة التطوير الذاتي وقتاً طويلاً جداً. وفي هذه الحالة يكون من الأجدى النظر في الحلول الجاهزة الجاهزة للاستخدام وقبول قيودها عن وعي، بدلاً من إطلاق تطوير مخصص مكلف مقابل أثر ضعيف.

الخطوة التالية هي مصفوفة «القيمة — القابلية للتحقيق». تساعد المصفوفة على فصل المبادرات التي تحقق أعلى عائد بتعقيد مقبول عن تلك التي ما زالت سابقة لأوانها أو مشكوكاً في جدواها الاقتصادية. ويُقترح اختيار المشاريع من الربع العلوي الأيسر في المصفوفة (2 × 2): الانتصارات السريعة، والرهانات الكبيرة، والابتكارات التدريجية، وغيرها من السيناريوهات التي يوجد فيها أثر ملحوظ ومسار واضح للتنفيذ.

بعد ذلك تبني الشركة ما يسمى AI Tech Gartner’s Sandwich: تختار لكل مبادرة نموذج التنفيذ — الشراء (buy) أو البناء الذاتي (build) أو الشراكة (partner) — ثم تضيف طبقة للمخاطر والأمن. الفكرة هي النظر إلى الذكاء الاصطناعي لا بوصفه خدمة منفصلة، بل منظومة متعددة الطبقات من الحلول التطبيقية والمكونات المنصاتية وآليات الحماية، بما في ذلك نهج TRiSM لإدارة الثقة والمخاطر والأمن.

نتيجة هذه العملية ليست مجرد قائمة أولويات، بل خارطة طريق تحول مرحلية. في المرحلة الأولى، التي يسميها المؤلفون الأساس، يُوصى باختيار مبادرة أو اثنتين ذواتَي قيمة عالية وتعقيد منخفض، وإطلاق تجارب أولية سريعة الأثر، وسد الفجوات التقنية بالتوازي: تجهيز البيانات، وبناء التكاملات، وتعزيز البنية التحتية، وتوظيف الأدوار الناقصة، وتدريب الموظفين. وغالباً ما يُفضَّل السحابة في هذه المرحلة لخفض تكلفة اختبار الفرضيات وتقليص زمن الوصول إلى السوق (time-to-market). والمدة الموصى بها لها من ستة إلى اثني عشر شهراً.

ثم تأتي مرحلة التوسع: تُعمَّم التجارب الناجحة على فرق وعمليات جديدة، وتنتقل المبادرات متوسطة التعقيد إلى التنفيذ الفعلي إذا كانت الفجوات الحرجة قد أُغلقت. وبالتوازي تُعزَّز طبقة رصد التهديدات وحماية أنظمة الذكاء الاصطناعي.

المرحلة الثالثة هي التحسين، حين تصبح أدوات الذكاء الاصطناعي جزءاً من النشاط التشغيلي، ويتحول التركيز إلى اتفاقيات مستوى الخدمة (SLA)، ومراقبة الجودة، ومعالجة تدهور النماذج، ودعم خط MLOps، وخفض التكلفة الإجمالية للملكية، بما في ذلك انتقال محتمل من السحابة إلى بنية on-prem التحتية.

الخلاصة الرئيسية للمادة أن التحول بالذكاء الاصطناعي لا يحتاج إلى الإلهام بل إلى الانضباط. فإذا حسبت الشركة القيمة أولاً، ثم تحققت بصدق من قابلية التحقيق، ثم وزّعت المبادرات على مراحل، فإنها تقلل خطر التعثر في نماذج أولية لا تنتهي، وتبدأ في إدارة الذكاء الاصطناعي كمحفظة استثمارية ناضجة. وهذه إشارة مهمة للسوق: لن يربح من أطلق العرض التجريبي أسرع من غيره، بل من ربط مشاريع الذكاء الاصطناعي بمؤشرات الأعمال والأمن وخطة تنفيذ واقعية.