Process Mining: الأداة التي تنقذ ميزانيات AI في الشركات
يلتهم AI المؤسسي الميزانيات، لكن النتائج الفعلية تكاد تكون معدومة. تطبّق الشركات أنظمة مكلفة من دون أن تفهم عملياتها الداخلية، ولا حتى المشكلات التي يجب حلها. P
تبدأ مشاريع الذكاء الاصطناعي في المؤسسات بحماس وميزانيات سخية، لكنها تنتهي بإعادة صياغة الخرائط الطريقية ونتائج متواضعة. السبب بسيط: الشركات لا تفهم عملياتها الخاصة قبل أن تبدأ بإدخال الذكاء الاصطناعي فيها.
لماذا الذكاء الاصطناعي في المؤسسات يهدر الأموال
السيناريو النموذجي يبدو هكذا: سمعت الإدارة عن الذكاء الاصطناعي، وقررت أنه حل سحري لجميع المشاكل، وخصصت ميزانية كبيرة، وأسندت التنفيذ إلى شخص ما. وقعت شركة خدمات سحابية (Azure AI Foundry وGoogle Vertex وAWS Bedrock وAnthropic Claude للمؤسسات) عقداً بملايين الدولارات. بدأت الشركة في التجريب مع أول نماذج وجدتها ومهام تم اختيارها عشوائياً.
بعد ستة أشهر، تظهر أسئلة محرجة: لماذا لا توجد نتائج تقريباً؟ لماذا يعمل النموذج بشكل جيد على بيانات الاختبار لكنه يفشل على البيانات الفعلية؟ لماذا لم تحدث التحول الموعود والفريق مرهق؟ الإجابة موجودة بالفعل في الأساس: لم يدرس أحد بجدية كيفية عمل عمليات الشركة قبل اختيار الأدوات. تم اختيار أداة، ثم بدأوا يبحثون عن مهمة لها. تأتي الفواتير في الوقت المناسب وبالكامل.
التحول يتأخر بأرباع، أحياناً سنوات. يتم تحويل المشروع إلى مدير جديد، يتم خفض الميزانية، أو يتم إغلاقه بصمت، بدون بيان صحفي. عادة ما تستغرق الدورة الكاملة من سنتين إلى أربع سنوات من الفشل والدروس المستفادة.
حيث يبدأ استخراج العمليات
استخراج العمليات (Process Mining) ليس تقنية ذكاء اصطناعي جديدة، وليس شركة ناشئة أخرى حديثة برأس مال استثماري. إنها منهجية براغماتية وتكتيكية: تأخذ السجلات والبيانات حول كيفية عمل العمليات فعلياً في الشركة وتصورها. الحقيقة الخالصة بدون سياسة أو مبالغة. ترى الاختناقات والتكرار والالتفافات حول العمليات وتسريب الموارد. الصورة غالباً ما تكون كشفاً للإدارة. لأن العمليات الأكثر أهمية غالباً لا تعمل كما تعتقد الشركة. يتجاوز الناس الأنظمة لأنها معطلة أو غير مريحة. الورق يذهب حيث لم يحسبه أحد. يتم اتخاذ القرارات على أساس بيانات غير صحيحة.
ثم يمكنك الإجابة على أسئلة العمل الحقيقية: أين تبطأ العملية؟ أين يضطر الناس إلى تجاوز النظام؟ أي مرحلة تستهلك أكثر الوقت أو الموارد؟ أين يكون للأتمتة معنى؟ وفقط بعد ذلك، أين وكيف سيساعد الذكاء الاصطناعي؟ هذا يبدو واضحاً، لكن لسبب ما معظم الشركات تتخطى هذه الخطوة. يعتقدون أن الذكاء الاصطناعي يمكن ببساطة أن يتم تشغيله مثل خدمة عامة، اضغط على زر والمعجزة تحدث من تلقاء نفسها. النتائج موضحة أعلاه.
كيف يغير هذا النتائج
عندما تبدأ بفهم عميق للعمليات، تصبح استثمارات الذكاء الاصطناعي موجهة وفعالة:
- ترى بالضبط حيث ستعطي الأتمتة أقصى مدخرات وتقليل وقت الدورة
- تفهم ما هي البيانات التي يحتاجها النموذج للتدريب وكم منها يوجد فعلاً في أنظمتك
- يمكنك قياس التحسن قبل وبعد التنفيذ، بدلاً من التخمين
- تتجنب الاستثمارات في الحلول العصرية لكن عديمة الفائدة والتجارب المعطلة
- تحصل على دعم العمل لأن النتائج مرئية وقابلة للقياس بالأموال، وليس بنسب تحسن متري غير معروف
الشركات التي بدأت باستخراج العمليات تقرر أن العائد على الاستثمار لمشاريع الذكاء الاصطناعي زاد من 2 إلى 3 مرات. لأن الأموال تذهب حيث تساعد فعلاً، وليس إلى الحفرة السوداء للتسويق والآمال.
ماذا يعني هذا
حمى البحث عن الذهب للذكاء الاصطناعي في المؤسسات تنتهي ببطء. من يبقى هم أولئك الذين يعرفون كيفية اكتشاف ما يحدث بالفعل داخل الشركة وتثمير الأموال بحكمة. استخراج العمليات ليس أداة جذابة لعروض المستثمرين والمؤتمرات، لكنها تعمل. وتحل المشكلة الرئيسية التي يواجهها كل مدير معلومات وكل مدير مالي: كيف تحقق التوازن بين الميزانيات الطموحة والنتائج الفعلية والقابلة للقياس.