Sber يشرح لماذا تحتاج الشركات إلى طبقة AI Overlay بدلًا من إعادة هيكلة الأقسام

يقترح Sber على الشركات ألا تفكك هيكلها التنظيمي من أجل الذكاء الاصطناعي، بل أن تضيف فوق أعمالها القائمة طبقة تقنية مستقلة هي AI Overlay. والمنطق بسيط: العائد الحقيقي لا يأتي من عدد التجارب الأولية، بل من بنية مشتركة تربط النماذج والبيانات والعمليات والمؤشرات في منظومة واحدة.

لماذا تتعثر التجارب الأولية

لقد تجاوز سوق الذكاء الاصطناعي مرحلة التجريب منذ وقت طويل. ووفق تقديرات Roots Analysis، قد ينمو السوق العالمي لوكلاء الذكاء الاصطناعي من 9,8 مليار دولار في عام 2025 إلى نحو 221 مليار دولار بحلول عام 2035، بمعدل نمو سنوي متوسط يبلغ 36,55%. وفي المقابل، تستخدم 88% من الشركات الذكاء الاصطناعي التوليدي بالفعل، في خدمة العملاء والتسويق والخدمات اللوجستية والموارد البشرية والمالية والإنتاج والتحليلات. لكن 6% فقط من المؤسسات تسجّل نموًا مستقرًا في الأرباح التشغيلية. وهذه فجوة مزعجة للأعمال بين الإقبال على التقنية وبين الأثر المالي القابل للقياس.

يعزو Sber السبب إلى التطبيق المجزأ. فعادة تطلق الشركات عشرات المبادرات المحلية: روبوت دردشة في الدعم، ومساعدًا للتسويق، وتوليدًا للمستندات في المكتب الخلفي، وبحثًا في قاعدة المعرفة للموظفين. وتحل كل فرقة مهمتها منفصلة، ببياناتها وتكاملاتها ومؤشراتها الخاصة. والنتيجة أن الذكاء الاصطناعي يسرّع عمليات بعينها، لكنه لا يعيد بناء العملية المتكاملة من أولها إلى آخرها. فيتشتت الأثر، وترتفع التكاليف، ويصعب أكثر على الإدارة أن تدرك أين تتولد الأرباح الجديدة وأين يتزايد مجرد ضجيج تقني.

منطق AI Overlay

بدلًا من إعادة هيكلة الأقسام المؤلمة، يقترح Sber نهجًا مختلفًا: وضع AI Overlay أفقي فوق الهيكل الحالي. وهو ليس نظام ERP جديدًا، ولا بديلًا لنظام CRM، ولا محاولة لإعادة كتابة الأعمال كلها حول نموذج واحد. بل هو طبقة تربط الأنظمة القائمة وقواعد التعامل مع البيانات ومجموعة من خدمات الذكاء الاصطناعي. وتتيح هذه الطبقة للوكلاء والنماذج رؤية السياق العام، والعمل وفق معايير موحدة، والمشاركة في سلسلة اتخاذ القرار كاملة لا في حلقة واحدة منها.

والفائدة العملية أن الشركة تستطيع توسيع استخدام الذكاء الاصطناعي دون اضطراب تنظيمي. فالفرق الوظيفية تحتفظ بمجالات مسؤوليتها، لكنها تحصل على إطار تقني مشترك تمر عبره البيانات والمهام والأتمتة ومراقبة الجودة. وإذا أثبت سيناريو ما فعاليته في المبيعات أو الدعم، يسهل نقله إلى العمليات المجاورة. وبذلك يتوقف الذكاء الاصطناعي عن كونه مجموعة تجارب متفرقة، ويصبح طبقة تشغيلية للأعمال يمكن تطويرها وقياسها ومراقبتها مركزيًا.

مما تتكون هذه الطبقة

لكي ينجح هذا النهج، لا يكفي شراء الوصول إلى نموذج قوي أو تشغيل روبوتين. فالمطلوب بنية يكون فيها الذكاء الاصطناعي مدمجًا في منظومة الشركة بوصفه نظامًا خاضعًا للإدارة. ويحدد Sber عدة مكونات لا غنى عنها: وصول موحد إلى البيانات، وطبقة تنسيق للنماذج والوكلاء، وتكامل مع منصات الشركة، وآليات للأمان، ومؤشرات واضحة للنتائج. وبهذا الترابط وحده يبدأ الذكاء الاصطناعي بالتأثير في سرعة العملية بأكملها وجودتها واقتصادياتها، لا في أفعال الموظفين المنفردة فحسب.

• وصول موحد إلى البيانات والمعرفة
• تنسيق النماذج والوكلاء والسيناريوهات
• تكامل مع CRM وERP والخدمات الداخلية
• مراقبة الأمان والصلاحيات وجودة الإجابات
• مؤشرات الكفاءة وربطها بقائمة الأرباح والخسائر (P&L)

وإذا غاب مكوّن واحد فقط، تتدهور المنظومة بسرعة. فبدون بيانات جيدة يخطئ الوكلاء ويهلوسون، وبدون تنسيق يكررون الإجراءات، وبدون تكاملات يصطدمون بالعمليات اليدوية، وبدون مؤشرات يتحول المشروع إلى واجهة عرض تجريبية جميلة. ولذلك من المنطقي أن يبدأ تطبيق AI Overlay لا بتحول مجرد، بل بسلاسل عمل محددة يمكن فيها احتساب توفير الوقت، أو زيادة معدل التحويل، أو خفض الأخطاء، أو تسريع الخدمة. وهناك تحديدًا تُظهر الطبقة الأفقية قيمتها على أفضل وجه.

ماذا يعني ذلك

يتحول الذكاء الاصطناعي المؤسسي من موضة المساعدين المنفردين (copilots) إلى نهج المنصات. ولم يعد السؤال أمام المديرين أي روبوت يشترونه أولًا، بل كيف يبنون إطارًا موحدًا للذكاء الاصطناعي فوق أعمالهم القائمة. ومن يبني هذه الطبقة قبل غيره، فمن المرجح أن يحوّل عشرات التجارب الأولية إلى نتيجة تشغيلية مستقرة دون إعادة هيكلة مكلفة للشركة بأكملها.