الحقيقة وراء فشل تحول الشركات في هونغ كونغ إلى الذكاء الاصطناعي: تجاهل هذه الخطوة الأساسية

لماذا توقفت معظم مشاريع الذكاء الاصطناعي في الشركات الهونغ كونغية؟

إن فشل معظم مشاريع الذكاء الاصطناعي في شركات هونغ كونغ لا يعود إلى ضعف التكنولوجيا، بل إلى إهمال أبسط خطوة أساسية: تقييم نقاط الانقطاع في أنظمة المكاتب الآلية (OA) ونقص البيانات. عندما تحاول شركة تجزئة استخدام الذكاء الاصطناعي للتنبؤ بالمبيعات، قد تكتشف أن جمع بيانات المبيعات من المتاجر والنقل بين المستودعات والتسوية المالية يتم يدويًا، مما يؤدي إلى تأخر في البيانات ومعدل أخطاء يصل إلى 17٪، ما يجعل نتائج النموذج غير موثوقة بطبيعة الحال.

تشير دراسة أجراها "غارتنر" (Gartner) عام 2024 حول الشركات في منطقة آسيا والمحيط الهادئ إلى أن 85٪ من مشاريع الذكاء الاصطناعي التي لم تخضع لتقييم مسبق للعمليات لم تحقق العائدات المتوقعة. المشكلة ليست في الخوارزميات، بل في "احتكاك العمليات": التناقضات الدلالية بين الأنظمة، وغموض المسؤوليات، وتكرار فقدان البيانات، ما يؤدي إلى تمديد دورة التنفيذ بأكثر من ثلاثة أضعاف، وتأخير العائد على الاستثمار لأكثر من 18 شهرًا.

المفتاح الحقيقي يكمن في عنصرين أساسيين: تصور العمليات وصحة البيانات. الأول يستخدم تقنية "تنقيب العمليات" (Process Mining) لإعادة بناء المسارات التعاونية الفعلية، وكشف الموافقات المتكررة والإدخال اليدوي. أما الثاني فيُقيّم اكتمال الحقول وحداثتها الزمنية، ليزود الذكاء الاصطناعي بمواد خام موثوقة. على سبيل المثال، قامت إحدى البنوك بتقييم 11 نقطة رئيسية في عملية الموافقة على القروض، وأصلحت الانقطاع بين التحقق من دخل العميل وتقييم المخاطر، ما رفع دقة نموذج الموافقة التلقائية بنسبة 40٪، وقلّص النزاعات المتعلقة بالامتثال.

حين تصبح العمليات لغة قابلة للقراءة، ويكتسب البيانات نبضًا تجاريًا حقيقيًا، لن يعود الذكاء الاصطناعي تقنية معزولة، بل محرك قرارات مندمج في سير العمل اليومي.

أي عقد العمليات في أنظمة المكاتب الآلية يجب تقييمها أولًا؟

حين تتوقف مشاريع الذكاء الاصطناعي، غالبًا ما تكون المشكلة مختبئة في "نقاط عمياء في العمليات"، خاصةً تدفقات الموافقة بين الأنظمة المختلفة، ونقاط إدخال البيانات المتكررة، وواجهات الربط API مع الشركاء الخارجيين – هذه الفئات الثلاثة ذات المخاطر والقيمة العالية. تجاهلها يعني تشغيل الذكاء الاصطناعي داخل متاهة، ما يؤدي إلى استهلاك ما يزيد على 30٪ من الموارد.

خذ على سبيل المثال عملية الإفراج الجمركي في قطاع اللوجستيات المحلي: يقوم موظفو الجمارك باستخراج بيانات الشحن من البريد الإلكتروني، ثم إدخالها يدويًا في نظام ERP، ثم تسجيل الدخول إلى منصة حكومية لإعادة الإدخال مرة أخرى. هذا الإجراء الذي يشمل ثلاث أنظمة مختلفة يتسبب في تأخير متوسطه 2.7 ساعة لكل شحنة (وفقًا لتقرير التحول الرقمي في سلسلة التوريد لآسيا والمحيط الهادئ 2024)، وتصل نسبة الأخطاء الناتجة عن النسخ اليدوي إلى 12٪. وتشير دراسة أجرتها IDC إلى أن مثل هذه الاختناقات تستهلك 30٪ من وقت العاملين ذوي المهارات، ما يخلق ما يُعرف بـ"الانشغال ذي القيمة المنخفضة".

للتغلب على هذا الجمود، يجب على الشركات استخدام "تحليل بؤر العمليات" لتحديد المراحل ذات الكثافة الأعلى من الوقت والأخطاء، ثم تقييم "إمكانية التشغيل الآلي" لقياس مستوى التوحيد والتوافق بين الأنظمة، بهدف تحديد النقاط الاستراتيجية للتغيير. بعد تطبيق هذه الطريقة، نجحت إحدى شركات التجارة في تقليل خطوات عملية الإفراج الجمركي من 11 إلى 4 خطوات فقط، كما حددت 3 واجهات ربط API كأولويات للتكامل.

لكن وضوح العقد ليس سوى بداية الطريق. فإذا كانت البيانات المُدخلة إلى نماذج الذكاء الاصطناعي ما زالت تأتي من جداول Excel يتم تجميعها يدويًا أو من أنظمة مشتتة، فإن أي نموذج سيولد "قُمامة خرج" نتيجة "قُمامة دخل". التحوّل الذكي الحقيقي يبدأ من تشخيص صادق للعمليات، وليس من استثمار أعمى في التكنولوجيا.

كيفية تقييم جودة البيانات في أنظمة المكاتب الآلية؟

بعد الانتهاء من تقييم عقد العمليات، تبدأ التحدي الحقيقي للجاهزية للذكاء الاصطناعي: هل بياناتك "صحية"؟ تعدّ اكتمال البيانات، واتساقها، وحداثتها الزمنية هي الخطوط الحيوية الثلاثة التي تحدد قدرة الذكاء الاصطناعي على تحقيق قيمته. في عمليات الموافقة على القروض المصرفية، إذا كانت بيانات دخل العملاء ناقصة بشكل متكرر أو بصيغة غير منتظمة، فإن النموذج سيعمل على عينة متحيزة، ما يؤدي إلى زيادة معدلات الخطأ في تقييم القروض عالية المخاطر — وهذا ليس فشلًا تقنيًا، بل حالة مرضية في البنية التحتية للبيانات.

تشير دراسة أجرتها IBM عام 2024 حول نشر الذكاء الاصطناعي في الشركات إلى أن جودة البيانات المنخفضة ترفع تكلفة التدريب بأكثر من 40٪، كما تبطئ سرعة اتخاذ القرار. الحل الأساسي هو بناء آلية مستدامة لإدارة البيانات: حيث تتيح إدارة البيانات الوصفية (Metadata Governance) تتبع مصدر كل سجل وتاريخ تعديله، مما يضمن الاتساق المنطقي؛ بينما تمنع آليات كشف القيم الشاذة الأخطاء منذ مرحلة التنظيف والتصنيف، وتقلل من وقت المراجعة اليدوية بما يزيد على 35٪. هذا ليس مجرد تحديث تقني، بل استثمار استباقي في السيطرة على المخاطر.

البيانات عالية الجودة ليست مشروع تنظيف لمرة واحدة، بل بنية تحتية ديناميكية تدعم التعلم المستمر للذكاء الاصطناعي. حين تدرج الشركات مؤشرات صحة البيانات ضمن مقاييس التشغيل اليومية، فإنها تنتقل من الرد التلقائي إلى التنبؤ النشط — وهذه هي الإشارة الحقيقية لبدء التحوّل الذكي.

بعد التقييم، كيف نُقدّر العائد المحتمل على الاستثمار في الذكاء الاصطناعي؟

بعد تقييم العمليات وجودة البيانات، يصبح السؤال الحاسم: متى ستسترد هذه الشركة استثمارها في الذكاء الاصطناعي؟ الجواب يكمن في نموذج تنبؤي يعتمد على "إمكانيات الأتمتة × معامل توفر البيانات". كثيرًا ما تستثمر الشركات في هونغ كونغ مبالغ كبيرة في التطوير دون وجود إطار كمي واضح للعائد المالي، ما يؤدي في النهاية إلى توقف المشروع.

خذ على سبيل المثال معالجة الإقرارات الضريبية في مكتب محاسبة، حيث كان التعامل مع كل ملف يستغرق ساعتين يدويًا. أظهر التقييم أن مراحل إدخال البيانات، والتدقيق، والتقديم تتسم بالتكرار العالي والهيكلية الواضحة، مع توفر بيانات بنسبة 85٪ فأكثر. بعد دمج RPA مع التحقق بالذكاء الاصطناعي، انخفض وقت المعالجة إلى 20 دقيقة فقط، ما يعادل تحرير 1500 ساعة عمل سنويًا. وأشارت دراسة أجرتها ماكينزي (McKinsey) عام 2024 إلى أن الشركات التي أجرت تقييمًا مسبقًا تمكنت من تقليل متوسط فترة استرداد الاستثمار من 28 شهرًا إلى أقل من 14 شهرًا، وخفضت معدل الفشل بنسبة 60٪.

تقدم بطاقة "تقييم خط الأساس للتحول الذكي" التي اقترحناها طريقة لتحويل التحسينات غير الملموسة إلى لغة مالية — من خلال وزن إمكانية الأتمتة (مثل توفير الوقت)، ونضج البيانات (مثل الدقة)، والتأثير التجاري (مثل مخاطر الامتثال)، لتُنتج خريطة حرارية لعوائد الاستثمار عبر الأقسام. باستخدام هذه الأداة، نجح أحد أقسام الدعم المالي في مؤسسة مالية في تنفيذ تدقيق آلي للمستحقات، ما حقق وفورات بلغت 3.2 مليون دولار هونغ كونغي خلال 6 أشهر.

بعد امتلاك خريطة العمليات ومؤشرات صحة البيانات، لا يكون الخيار التالي هو اختيار مزوّد التكنولوجيا، بل تحديد العقدة الأولى ذات الإمكانات العالية والجاهزية العالية، واختبار قيمتها من خلال سيناريو عملي محدود.

وضع خارطة طريق تنفيذية لجاهزية الذكاء الاصطناعي على مستوى المؤسسة

بعد الانتهاء من تقييم عمليات المكاتب الآلية وتقييم العائد على الاستثمار، يكمن التحدي الحقيقي في كيفية تحويل القيمة الكامنة إلى مسار قابل للتنفيذ لتحول بالذكاء الاصطناعي. والإجابة هي إطار تنفيذي منظم من "أربع مراحل": الاكتشاف، والتقييم، والمحاكاة، والتوسيع. هذا ليس مجرد عملية لإدخال التكنولوجيا، بل خريطة استراتيجية لتقليل الاحتكاك التنظيمي والمخاطر النظامية.

على سبيل المثال، بدأت إحدى الشركات الصناعية المتعددة الجنسيات في هونغ كونغ من قسم تخطيط سلسلة التوريد، حيث حددت في مرحلة "الاكتشاف" 17 نقطة عملية رئيسية. وفي مرحلة "التقييم"، استخدمت تقنية "التوأم الرقمي للعملية" (Digital Process Twin) لمحاكاة تدفق البيانات، وتوقعت مسبقًا أن نموذج الذكاء الاصطناعي سيؤدي إلى زيادة في عبء الخادم بنسبة 23٪. هذا مكّن فريق تكنولوجيا المعلومات من تحسين البنية الأساسية مسبقًا، وتجنب انهيار النظام عند التشغيل، والذي كان يمكن أن يؤدي إلى تأخير الطلبات.

الأهم من ذلك هو تطبيق "مصفوفة تأثير التغيير": فهي تكشف بوضوح الوظائف التي سيؤثر عليها الذكاء الاصطناعي، وتُحدّد تكلفة التكيّف بشكل كمي. أشارت دراسة إقليمية في آسيا والمحيط الهادئ عام 2024 إلى أن الشركات التي استخدمت هذه الأداة شهدت انخفاضًا بنسبة 41٪ في مقاومة الموظفين، وانخفضت فترة التدريب بأكثر من النصف.

في النهاية، نجحت هذه الشركة في توسيع المشروع الناجح من تجربة أولية إلى خمس مناطق رئيسية في المجموعة، ما رفع دقة التنبؤ بالطلب بنسبة 38٪. وهذا يؤكد حقيقة جوهرية: حدود أداء الذكاء الاصطناعي لا تعتمد على تطور الخوارزمية، بل على مدى استعدادك لتهيئة البيئة المناسبة لتشغيله. فقط من خلال تقييم دقيق يمكن إطلاق الأداء الحقيقي للذكاء الاصطناعي — هذه هي القاعدة الفيزيائية التي لا يمكن تجاوزها في التحوّل الذكي.

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!