لماذا تغيّر ServiceNow وAtlassian وBMC سوق إدارة خدمات تقنية المعلومات (ITSM) والجدل حول المنصات في 2026

لم يعد الجدل حول شكل نظام ITSM الجاهز للذكاء الاصطناعي في عام 2026 يدور حول اختيار روبوت دردشة لخط الدعم الأول، بل صار سؤالاً معمارياً. وقد تشكّل في السوق نهجان: أدوات جاهزة تعطي نتيجة سريعة في المهام النمطية، ومنصات يصبح فيها الذكاء الاصطناعي طبقة مستقلة خاضعة للإدارة، مع تدقيق وسياسات وصول واختيار للنماذج وإمكانية تشغيل وكلاء مستقلين داخل العمليات التجارية.

تغيّر دور الذكاء الاصطناعي في أنظمة الخدمة بوضوح خلال السنوات الثلاث الماضية. فبعد أن كان يُستخدم في الغالب لتصنيف الطلبات وتقديم اقتراحات للمشغّل، صار مزوّدو ITSM يتحدثون الآن عن التوجيه التنبؤي، والإغلاق التلقائي للطلبات القياسية، وإنشاء تقارير ما بعد الحوادث (postmortem)، وسيناريوهات لا يكتفي فيها الوكيل بالرد، بل ينفّذ إجراءات ضمن صلاحيات محددة. ولهذا لم تعد الميزات المنفردة محور النقاش، بل مدى قابلية هذه البنية التحتية للتحكم والأمان والتوسّع.

يعرض المقال سيناريوهين أساسيين. النهج الجاهز مصمَّم للإطلاق السريع: تحصل الشركة على وظائف مدمجة مثل تلخيص التذاكر واقتراح الردود والمساعد الافتراضي والتصنيف التلقائي، ويستغرق التنفيذ عادةً أسابيع معدودة. أما العيب فهو محدودية التخصيص واعتماد التطوير على خارطة طريق المورّد. أما نهج المنصات فيتطلب وقتاً وموارد أكبر للإطلاق، لكنه يمنح في المقابل أدوات لبناء وكلاء مخصصين، وإمكانية ربط نماذج LLM مختلفة، وتكاملات عبر API، وتدقيقاً تفصيلياً للإجراءات، وفي بعض الحالات العمل داخل بيئة محلية. ويبدو هذا الخيار أكثر جاذبية للمؤسسات الكبيرة، حيث يجب أن يخدم الذكاء الاصطناعي عدة إدارات بمتطلبات مختلفة، لا مركز خدمة واحداً فقط.

من بين اللاعبين العالميين، يتناول المقال ServiceNow وAtlassian وBMC Helix بوصفها أنضج الأمثلة على نهج المنصات. تبني ServiceNow طبقة الذكاء الاصطناعي فوق منظومتها بالكامل وتقدّم أدوات لإنشاء مهارات ووكلاء مخصصين، لكن الإمكانات المتقدمة تُدفع مقابلها رسوم منفصلة، وقد يكون التنفيذ طويلاً ومعقداً. أما Atlassian فتراهن على Rovo، وهي طبقة فوق Jira وConfluence وJira Service Management، تنبع قيمتها من الرسم البياني المشترك للبيانات والارتباط الوثيق بسير العمل (workflow) القائم. وتحتل BMC Helix موقعاً وسطاً: لديها جانب منصاتي متطور ومجموعة غنية من الوكلاء الجاهزين، إضافة إلى إمكانية العمل في السحابة وداخل محيط الشركة على حد سواء.

وعلى الطرف الآخر توجد حلول أقرب إلى النمط الجاهز مثل Freshservice. ميزتها الرئيسية سرعة الحصول على النتيجة: تُؤتمت العمليات النمطية بسرعة، ويمكن تفعيل الذكاء الاصطناعي المدمج دون إعداد معماري ثقيل. لكن ثمن البساطة هو محدودية السياق: يعمل النظام جيداً مع البيانات الموجودة أصلاً داخل المنتج، لكنه أقل ملاءمة للسيناريوهات المعقدة العابرة للأنظمة والتخصيص العميق وفق قواعد المؤسسة. وتظهر Ivanti في هذا العرض كلاعب عند تقاطع النموذجين: فالشركة تجمع بين ITSM وإدارة الأجهزة الطرفية والأمن، لكن توجّهها في الذكاء الاصطناعي الوكيلي (agentic AI) ما زال قيد التطوير ولا يبدو ناضجاً بقدر ما هو لدى قادة السوق.

ويخصَّص جانب مستقل من النقاش للسوق الروسية. فالاختيار هنا لا تحدده الميزانية ومواعيد الإطلاق فحسب، بل أيضاً متطلبات النشر المحلي وتخزين البيانات الحساسة والاستقلال عن مزوّد نماذج غربي بعينه. ولذلك تبدو حجج نهج المنصات قوية بشكل خاص للعملاء الروس: فالمهم هو النشر داخل المؤسسة (on-premise)، وتدقيق الطلبات والردود، وإدارة الحدود، ونموذج الوصول القائم على الأدوار، وإمكانية استبدال نموذج LLM بآخر دون إعادة كتابة العمليات. وكمثال محلي يورد الكاتب SimpleOne، التي ركّزت على هذه البنية تحديداً: بيئة محلية، وتسجيل كل استدعاء للنموذج، وطبقة تجريد فوق نماذج LLM المختلفة، وعمليات ذكاء اصطناعي مرئية للسيناريوهات النمطية في مركز الخدمة.

الخلاصة الرئيسية للمقال أن سوق ITSM المدعوم بالذكاء الاصطناعي ينتقل من استعراض ميزات «ذكية» منفردة إلى الحديث عن بنية تحتية ناضجة. فبالنسبة لمركز خدمة صغير أو متوسط، قد يظل الحل الجاهز هو الخيار الأفضل إذا كان المطلوب إطلاقاً سريعاً وكانت الأتمتة القياسية كافية. أما للشركات الكبيرة، خصوصاً في القطاعات الخاضعة للتنظيم، فالعامل الحاسم ليس مجرد وجود الذكاء الاصطناعي، بل القدرة على إدارته: معرفة النموذج المستخدم، وأين تُعالَج البيانات، ومن يتحمل مسؤولية إجراءات الوكيل، ومدى سهولة تكييف النظام مع المتطلبات الجديدة.