رئيسة Franklin Templeton تدعو الشركات إلى تسريع تبني الذكاء الاصطناعي وحماية البيانات الأساسية

دعت جيني جونسون، رئيسة Franklin Templeton، الشركات إلى عدم التأخر في تبني التقنيات الجديدة والإسراع في إتقان الذكاء الاصطناعي. وبحسب منطقها، لم تعد المسألة مسألة موضة، بل مدى سرعة قدرة الشركات على دمج الذكاء الاصطناعي في عملياتها الفعلية دون أن تفقد السيطرة على بياناتها الرئيسية.

لماذا أصبح الذكاء الاصطناعي ضرورة

خلال ظهورها في برنامج Bloomberg Surveillance من واشنطن، عبّرت جونسون عملياً عن موقف تتبناه بشكل متزايد كبرى الشركات والمستثمرين: لم يعد ممكناً إبقاء الذكاء الاصطناعي في خانة التجارب المخبرية. فبالنسبة للمديرين التنفيذيين، لم يعد برنامجاً ابتكارياً منفصلاً، بل أداة عمل تؤثر في الإنتاجية وسرعة اتخاذ القرارات وتكلفة العمليات. ويبدو ذلك واضحاً بشكل خاص في القطاعات التي تكثر فيها التحليلات اليدوية وإعداد التقارير وخدمة العملاء، ومنها القطاع المالي والاستشارات والخدمات المؤسسية.

«على الشركات أن تتعلم كيف تستخدم التقنيات الجديدة، بما فيها الذكاء الاصطناعي».

لا يعني طرحها أن على كل شركة أن تسارع إلى شراء أدوات رائجة. المقصود أمر آخر: الشركات التي تتعلم الاستخدام الصحيح للأنظمة الجديدة قبل منافسيها ستحقق أثراً تراكمياً. فهي تعالج البيانات بسرعة أكبر، وترى سلوك العملاء بوضوح أفضل، وتوسّع عملياتها الداخلية بتكلفة أقل. أما من سيواصل التعامل مع الذكاء الاصطناعي كأمر اختياري يخص فريقاً واحداً، فقد يكتشف بعد عام أو عامين أن التأخر لم يعد تسويقياً، بل صار تشغيلياً ومالياً.

البيانات أساس التبني

التركيز الثاني المهم عند جونسون هو حماية core data، أي البيانات الأساسية التي يقوم عليها عمل الشركة. وتزداد أهمية ذلك مع التبني السريع للنماذج التوليدية التي تحتاج إلى الوصول إلى المستندات الداخلية ومعلومات العملاء والتحليلات والمراسلات. وإذا فتحت الشركة أمام الذكاء الاصطناعي مجموعات بيانات ضعيفة التصنيف أو ضعيفة الحماية، فإنها تعرّض نفسها لخطر مزدوج: التسريب والإجابات الخاطئة. وفي هذه الحالة، لن تقدّم حتى النماذج القوية نتيجة موثوقة، لأن المشكلة لن تكون في الخوارزمية، بل في أساس المنظومة بأكملها.

عملياً، يعني ذلك أن تبني الذكاء الاصطناعي لا يبدأ بعرض تجريبي لافت أمام مجلس الإدارة، بل بعمل في البنية التحتية قلّما يبدو مبهراً، لكنه يحدد النتيجة النهائية. وعلى الشركات أن تحدد مسبقاً أي البيانات يمكن ربطها بالنماذج، وأيها لا يجوز إخراجه إلى خدمات خارجية، ومن يتحمل مسؤولية جودة المصادر، وكيف يُتحقق من النتائج. ومن دون ذلك، سيصطدم حتى المشروع التجريبي الناجح سريعاً بمسائل الأمان والامتثال وثقة الموظفين.

• جرد البيانات الأساسية وتصنيفها
• تقييد صلاحيات الوصول للموظفين وللخدمات الخارجية
• ربط النماذج بمصادر موثوقة فقط
• قياس الأثر من خلال الوقت والجودة وخفض المخاطر

بالنسبة لشركة مالية، تكاد هذه القاعدة تكون بديهية، لكنها تصبح اليوم عامة لقطاعات أخرى أيضاً. فإذا لم تكن الشركة تدرك أي بياناتها حرجة فعلاً، ومن يستخدمها، وأين تُخزَّن، يبقى الحديث عن الذكاء الاصطناعي سطحياً. وقد يسرّع التبني الواسع للنماذج دون انضباط في البيانات بعض المهام مؤقتاً، لكنه يجلب لاحقاً أخطاء مكلفة في التقارير والدعم والامتثال واتخاذ القرارات.

السوق ينظر إلى ما هو أبعد

تطرقت جونسون كذلك إلى وضع المستهلك وأسعار النفط. وقد تبدو هذه موضوعات منفصلة للوهلة الأولى، لكنها ترتبط مباشرة بالحديث عن التقنيات بالنسبة لشركة إدارة أصول بهذا الحجم. فالطلب الاستهلاكي يؤثر في إيرادات الشركات وشهيتها للاستثمار، ويبقى النفط أحد مؤشرات الضغوط التضخمية والتكاليف. لذلك لم يعد ملف الذكاء الاصطناعي لدى كبار المديرين يُبحث بمعزل عن غيره، بل يُنظر إليه مع النفقات وأسعار الفائدة والطلب ومتانة نموذج العمل.

ومن هنا يأتي نهج أكثر واقعية في تبني الأنظمة الجديدة في عام 2026. فمجلس الإدارة لا يريد أن يعرف فقط أين يمكن أتمتة العمليات، بل أيضاً كيف سيتصرف هذا القرار عند تغير البيئة الاقتصادية الكلية. فإذا ضعف المستهلك، تحتاج الشركات إلى رقابة أسرع على الهوامش والطلب. وإذا ارتفعت أسعار الطاقة، يرتفع ثمن عدم الكفاءة. وفي مثل هذه البيئة، لا يعود الذكاء الاصطناعي واجهة للابتكار، بل وسيلة لاتخاذ القرارات بسرعة أكبر في ظروف يكلّف فيها الخطأ أكثر من السابق.

ماذا يعني ذلك

رسالة Franklin Templeton بسيطة: لم يعد كافياً أن تناقش الشركات الذكاء الاصطناعي في الجلسات الاستراتيجية، بل عليها أن تنقله إلى العمليات والمقاييس والعمل المحمي مع البيانات. ولن يفوز من يتحدث بصوت أعلى عن التحول، بل من يربط التقنيات بالانضباط التشغيلي ويحسن اتخاذ القرارات في ظل تغير الطلب والتكاليف والأسعار.