قابلية الذكاء الاصطناعي للخطأ تلتقي مع فجوة المهارات الرقمية: العائق الخفي أمام تبني الذكاء الاصطناعي المؤسسي

يتقدم الذكاء الاصطناعي بوتيرة أسرع مما تستطيع العديد من المؤسسات — والعديد من القوى العاملة — استيعابه بسهولة.

 

على سبيل المثال، يُسلّط مقال حديث لهيئة BBC يستعرض أسباب بطء تبني الشركات اليابانية للذكاء الاصطناعي الضوء على حقيقة غير مريحة: تبني الذكاء الاصطناعي ليس مجرد مشكلة تقنية، بل هو أيضًا مشكلة تتعلق بالثقة والمهارات والتغيير التنظيمي.

 

وتمثّل اليابان حالة مثيرة للاهتمام لأنها تجمع بين عدة عوامل بدأت العديد من الاقتصادات الأخرى في مواجهتها في الوقت نفسه:

 

1. شيخوخة القوى العاملة
2. نقص العمالة
3. وجود موظفين يتمتعون بخبرات متراكمة
4. ثقافات مؤسسية تتسم بالحذر نسبيًا
5. تفاوت مستويات المهارات الرقمية
6. انخفاض تقبل التقنيات التي قد تنتج نتائج غير صحيحة من حين لآخر

 

لذلك، النقطة الأخيرة مهمة للغاية.

 

فالذكاء الاصطناعي التوليدي يعتمد على الاحتمالات، ويمكن أن يكون مفيدًا للغاية دون أن يكون معصومًا من الخطأ.

 

وتؤثر الأخطاء في بعض القطاعات على تكاليف المشاريع أو المشتريات أو العقود أو السلامة أو الربحية. وفي هذه القطاعات، فإن معدلًا صغيرًا من أخطاء الذكاء الاصطناعي يمكن أن يؤدي إلى مشكلة كبيرة في الثقة.

 

التحدي الياباني يظهر في أسواق أخرى

 

في الواقع، تؤكد أبحاث منظمة التعاون الاقتصادي والتنمية (OECD) حجم التحدي الذي تواجهه اليابان.

 

فقط 8.4% من الموظفين اليابانيين أفادوا باستخدام الذكاء الاصطناعي في العمل. في المقابل، تقل احتمالية استخدام الموظفين الأكبر سنًا للذكاء الاصطناعي، والمشاركة في التدريب المرتبط به، والثقة في أنظمة الذكاء الاصطناعي التي تستخدمها مؤسساتهم. كما أفاد نحو 30% فقط من مستخدمي الذكاء الاصطناعي في اليابان بتلقي تدريب على الذكاء الاصطناعي مقدم من شركاتهم. بالإضافة إلى ذلك، سجلت اليابان أدنى مستوى من الثقة بين الموظفين في الذكاء الاصطناعي المستخدم من قبل أصحاب العمل ضمن الدول الثماني التي شملتها مقارنة OECD.

 

وتكمن أهمية هذه المسألة على المستوى الدولي في أن تركيبات مشابهة من الضغوط الديموغرافية، وفجوات المهارات الرقمية، والحذر التنظيمي بدأت تظهر في اقتصادات أخرى.

 

كوريا الجنوبية: ربما النموذج الآسيوي الأقرب إلى اليابان

 

قد تكون كوريا الجنوبية هي النموذج الأقرب إلى اليابان.

 

إذ تجمع بين شيخوخة سكانية سريعة واقتصاد يصنَّف من أكثر الاقتصادات تقدمًا من الناحية التكنولوجية في العالم. ومع ذلك، فإن تطور البنية التحتية الوطنية لا يعني تلقائيًا وجود قدرات رقمية متساوية بين مختلف الأجيال.

 

وتشير تحليلات حديثة لمنظمة OECD إلى أن مشاركة العاملين الذين تتراوح أعمارهم بين 55 و65 عامًا في التدريب المرتبط بالعمل تقل كثيرًا عن 20% في كوريا الجنوبية. في الوقت نفسه، تتجاوز الفجوة في استخدام البرمجيات المتخصصة بين العاملين الذين تتراوح أعمارهم بين 55 و65 عامًا والعاملين الذين تتراوح أعمارهم بين 25 و54 عامًا 35%، وهي واحدة من أكبر الفجوات الرقمية المرتبطة بالعمر التي حددتها المنظمة.

 

كما أن تبني الشركات الكورية للذكاء الاصطناعي لا يزال متفاوتًا. وتشير تقديرات OECD إلى أن تبني الذكاء الاصطناعي لدى الشركات الصغيرة والمتوسطة الكورية أعلى من اليابان، لكنه لا يزال أقل بشكل ملحوظ من دول مثل ألمانيا وأيرلندا. وفي الوقت نفسه، يتركز أكثر من 80% من العمالة في كوريا الجنوبية داخل الشركات الصغيرة والمتوسطة، مما يجعل تبني القوى العاملة للتكنولوجيا أمرًا بالغ الأهمية.

 

باختصار، الدرس هنا مهم:

 

يمكن لاقتصاد متقدم تكنولوجيًا أن يظل يعاني من مشكلة في تبني القوى العاملة للتكنولوجيا.

 

جنوب وجنوب شرق أوروبا: شيخوخة السكان تلتقي بضعف التعلم المستمر

 

كذلك يظهر تحدٍ مشابه في أجزاء من جنوب وجنوب شرق أوروبا، بما في ذلك اليونان وإيطاليا والبرتغال وإسبانيا وعدد من اقتصادات منطقة البلقان.

 

ومع ذلك، لا تكمن المشكلة في افتقار هذه الدول إلى المهنيين الأكفاء.

 

بل على العكس تمامًا.

 

فهذه الدول تضم قدرًا هائلًا من الخبرات المتراكمة في المجالات الصناعية والهندسية والإدارية.

 

بعبارة أخرى، يتمثل التحدي في نقل هذه الخبرات إلى بيئات تشغيل تعتمد بشكل متزايد على التكنولوجيا الرقمية.

 

وعلى مستوى الاتحاد الأوروبي، يشارك نحو 35% من العاملين الذين تتراوح أعمارهم بين 55 و64 عامًا في التدريب المرتبط بالعمل، مقارنة بـ48% من العاملين الذين تتراوح أعمارهم بين 35 و54 عامًا. وفي اليونان وتركيا، تنخفض نسبة المشاركة بين العاملين الأكبر سنًا إلى أقل من 10%.

 

كما تحذر المفوضية الأوروبية من أن فوائد الذكاء الاصطناعي على مستوى التوظيف قد تتوزع بشكل غير متساوٍ. فقد يستفيد العاملون ذوو المهارات العالية والعاملون في سن العمل الأساسية بصورة أكبر، ما لم تتخذ الحكومات والمؤسسات إجراءات تستهدف المناطق الأضعف والفئات الأكثر عرضة للتأثر.

 

وتؤكد الأدلة الأوروبية الحديثة الرسالة نفسها. إذ يتأثر تبني الذكاء الاصطناعي بشكل كبير بمهارات الموظفين، وتوافر التدريب، ومشاركتهم في اتخاذ القرارات داخل المؤسسات، وليس بمجرد إتاحة أداة الذكاء الاصطناعي من الناحية التقنية.

 

لهذا السبب، يحمل هذا الأمر أهمية بالغة بالنسبة للتحول الرقمي للمؤسسات.

 

على سبيل المثال، موظف تقدير تكاليف يبلغ من العمر 58 عامًا ويمتلك خبرة عميقة في اقتصاديات الإنشاءات تفوق خبرة العديد من المهندسين الأصغر سنًا ليس مشكلة يجب أتمتتها والتخلص منها.

 

بل إن هذا الموظف يمثل عقودًا من المعرفة المؤسسية.

 

والهدف يجب أن يكون تعزيز هذه المعرفة من خلال التكنولوجيا.

 

أوروبا الوسطى والشرقية: فجوة رقمية أخرى آخذة في الظهور

 

كذلك تواجه أجزاء من أوروبا الوسطى والشرقية تحديًا مشابهًا.

 

ويعمل البنك الدولي حاليًا على تطوير برامج للمهارات الرقمية والاستعداد للذكاء الاصطناعي في أنحاء أوروبا وآسيا الوسطى. والسبب أن إتاحة التكنولوجيا وحدها أثبتت أنها غير كافية. وتركز البرامج الحديثة في رومانيا وتركيا وبلغاريا وغيرها تحديدًا على بناء المهارات اللازمة لإعداد القوى العاملة لعصر الذكاء الاصطناعي.

 

وبالمثل، تحدد أبحاث OECD عددًا من دول جنوب ووسط وشرق أوروبا التي تشهد مستويات منخفضة نسبيًا من مشاركة العاملين الأكبر سنًا في التدريب أثناء العمل.

 

نتيجة لذلك، قد يعني هذا أن تبني الذكاء الاصطناعي المؤسسي قد يتحول إلى عملية تسير بسرعتين:

 

فالموظفون المتمكنون رقميًا يتقدمون بسرعة، بينما يصبح الموظفون ذوو الخبرة ولكن الأقل إلمامًا بالتكنولوجيا منفصلين بشكل متزايد عن النظام التشغيلي للمؤسسة.

 

وفي الواقع، سيكون ذلك خطأً استراتيجيًا كبيرًا.

 

آسيا الوسطى: المشكلة في المهارات أكثر من شيخوخة القوى العاملة

 

في المقابل، تتطلب آسيا الوسطى تفسيرًا مختلفًا.

 

فدول مثل كازاخستان وأوزبكستان لا تعاني حاليًا من التركيبة الديموغرافية نفسها الموجودة في اليابان بالدرجة ذاتها.

 

بدلًا من ذلك، يتمثل التحدي الأساسي في القدرات الرقمية، والجاهزية المؤسسية، وإعادة تأهيل القوى العاملة.

 

وقد حددت منظمة OECD مشاركة البالغين في برامج التعلم والاستفادة الفعالة من المهارات باعتبارهما من القضايا المهمة في كازاخستان. كما أكد بنك التنمية الآسيوي أن قدرة أوزبكستان على الاستفادة من الأتمتة والذكاء الاصطناعي تعتمد بدرجة كبيرة على التدريب وتنمية المهارات الرقمية.

 

لذلك، هذا التمييز مهم.

 

ففي اليابان وكوريا الجنوبية وأجزاء من أوروبا، تحتاج الشركات بشكل متزايد إلى تمكين القوى العاملة المتقدمة في العمر رقميًا.

 

بينما تحتاج الشركات في أجزاء كبيرة من آسيا الوسطى إلى بناء قدرات رقمية بسرعة لدى قوى عاملة تعمل في اقتصادات تشهد تحولًا رقميًا متسارعًا.

 

وقد تختلف استجابة التنفيذ من سوق إلى آخر، لكن المتطلب المؤسسي واحد:

 

يجب أن تتكيف التكنولوجيا مع الإنسان، بدلًا من مطالبة كل موظف بأن يتحول إلى متخصص في التكنولوجيا.

 

قابلية الذكاء الاصطناعي للخطأ تجعل مشكلة التبني أكثر تعقيدًا

 

ثم أضف الآن البعد الثاني الذي يبرز في النقاش حول تبني الذكاء الاصطناعي:

 

الذكاء الاصطناعي يرتكب الأخطاء.

 

وبالتالي، يخلق هذا مشكلة نفسية غير معتادة.

 

• المؤسسات تتسامح عادةً مع الأخطاء البشرية.
• قد يخطئ مسؤول التقدير في الحساب.
• وربما يختار مسؤول المشتريات المورد الخطأ.
• قد يُدخل مهندس الموقع كمية غير صحيحة.
• كما قد يرتكب مدير المشروع خطأً في التنبؤ.

 

ومع ذلك، يتوقع الموظفون غالبًا أن يعمل الذكاء الاصطناعي بمستوى أعلى بكثير من الدقة.

 

وبمجرد أن يلاحظ المستخدمون هلوسة من الذكاء الاصطناعي أو توصية غير صحيحة، يمكن أن تنخفض الثقة بسرعة.

 

لذلك لا يمكن أن تكون الإجابة:

 

“ثق بالذكاء الاصطناعي.”

 

في DANAOS Projects، نؤمن بأن المبدأ الأفضل هو:

 

لا تثق بالذكاء الاصطناعي بشكل أعمى. بل تحكم فيه.

 

لذلك، يجب أن نصمّم الذكاء الاصطناعي المؤسسي على أساس افتراض أن الذكاء الاصطناعي قد يخطئ من حين لآخر.

 

بعبارة أخرى، يعني هذا الانتقال من:

 

الذكاء الاصطناعي ← القرار

 

إلى:

 

الذكاء الاصطناعي ← التوصية ← التحقق ← الاعتماد ← التنفيذ ← التدقيق

 

كما يكتسب هذا الأمر أهمية خاصة في قطاعات الإنشاءات، وEPC، وبناء السفن، والقطاع البحري، والتعدين، وغيرها من القطاعات القائمة على المشاريع.

 

على سبيل المثال، إذا أوصى أحد وكلاء الذكاء الاصطناعي بشراء فولاذ بقيمة 500,000 يورو، فلا ينبغي للمؤسسة أن تعتمد بشكل حصري على حكم نموذج اللغة.

 

بل يجب أن يكون النظام قادرًا على التحقق من:

 

• هل هذه المادة مدرجة في جدول الكميات (BoQ)؟
• ما نشاط WBS الذي يحتاج إليها؟
• متى ستكون مطلوبة؟
• ما كود التكلفة (Cost Code) الذي سيتحمل النفقات؟
• ما الكمية المدرجة في الميزانية؟
• ما الكمية التي استهلكها المشروع بالفعل؟
• هل توجد كمية متاحة في المخزون؟
• ما الأسعار التي دفعتها المؤسسة سابقًا؟
• من هم الموردون المعتمدون؟
• هل الميزانية المتاحة كافية؟
• من يملك صلاحية اعتماد المعاملة؟

 

وهنا يصبح نظام ERP بنية تحتية أساسية للذكاء الاصطناعي.

 

كيف يغير ProjectVIEW ERP معادلة الثقة؟

 

يربط ProjectVIEW ERP المعاملات والعمليات التجارية من خلال ثلاثة أبعاد أساسية للمشروع:

 

BoQ ↔ WBS ↔ Cost Codes

 

نتيجة لذلك، ينشأ سياق تجاري منظم حول القرارات التشغيلية.

 

فالمشتريات، والميزانيات، والمقاولون من الباطن، والمواد، والمعدات ليست مجرد مطالبات منفصلة يوجهها الذكاء الاصطناعي، وكذلك العمالة ونسب الإنجاز والتحكم في التكاليف. بل توجد جميعها داخل بيئة موحدة للمشروع تضم المستخدمين، والصلاحيات، وسير العمل، وعمليات الاعتماد.

 

يوفر ProjectVIEW بالفعل إدارة مركزية للصلاحيات القائمة على الأدوار، وسير العمل، وتسجيل المعاملات، وإمكانية التتبع. وبالتالي يمكن تنفيذ كل عملية وفقًا لمسؤوليات وصلاحيات الموظف المعني. وهذا يسمح للذكاء الاصطناعي بالعمل داخل نظام للتحكم المؤسسي، وليس خارجه.

 

باختصار، هذا اختلاف جوهري.

 

• أولاً، يمكن لوكيل الذكاء الاصطناعي تقديم التوصية.
• يوفر ProjectVIEW قواعد العمل.
• ثم يتحقق الموظف المسؤول من التوصية.
• يتحكم سير العمل في الصلاحيات والاعتمادات.
• أخيراً، يسجل نظام ERP ما حدث.

 

قابلية الخطأ المنضبطة

 

نؤمن أن هذا يقود إلى مفهوم مهم في مجال الذكاء الاصطناعي المؤسسي:

 

Controlled Fallibility — قابلية الخطأ المنضبطة.

 

بعبارة أخرى، لا يحتاج الذكاء الاصطناعي إلى أن يكون مثاليًا حتى يقدم قيمة هائلة.

 

بل يحتاج إلى العمل داخل بيئة قادرة على اكتشاف الأخطاء، والحد من تأثيرها، وتصحيحها.

 

وبالتالي يجب أن يتناسب مستوى الاستقلالية مع حجم تأثير القرار.

 

• مخاطر منخفضة: يلخص الذكاء الاصطناعي مستندات المشروع تلقائيًا.
• مخاطر متوسطة: يجهّز الذكاء الاصطناعي طلب صرف مواد ليقوم الموظف بمراجعته.
• مخاطر أعلى: يوصي الذكاء الاصطناعي باختيار المورد، لكن يتطلب الأمر اعتماد مسؤول المشتريات.
• التزام مالي: يجهّز الذكاء الاصطناعي المعاملة، بينما يعتمدها المسؤول المخول قبل تنفيذها.

 

لذلك، الهدف ليس تحقيق أقصى قدر من الأتمتة.

 

بل تحقيق أقصى قدر من الأتمتة المفيدة ضمن حدود مقبولة من المخاطر.

 

وماذا عن الموظفين الذين لا يمتلكون مهارات تقنية متقدمة؟

 

يمكن القول إن الذكاء الاصطناعي قد يكون أكثر قيمة لهذه الفئة تحديدًا.

 

والسبب أن التكنولوجيا التقليدية للمؤسسات تطلب من الموظفين تعلم كيفية استخدام النظام.

 

• أي قائمة؟
• أي شاشة؟
• ثم أي حقول؟
• أي تقرير؟
• أي سير عمل؟

 

ومع ذلك، يصبح هذا النهج أكثر صعوبة عندما تمتلك الشركات موظفين بمستويات متفاوتة جدًا من الإلمام بالتكنولوجيا الرقمية.

 

في المقابل، يمكن للذكاء الاصطناعي أن يعكس هذه العلاقة.

 

بدلًا من تعليم الموظفين كيفية التحدث بلغة ERP، يمكننا بشكل متزايد تعليم نظام ERP كيفية فهم الموظفين.

 

على سبيل المثال، تخيل أن مدير موقع يتمتع بخبرة طويلة يقول:

 

“نحتاج إلى 20 طنًا إضافيًا من حديد التسليح للجدار الاستنادي الأسبوع المقبل.”

 

لا يحتاج الموظف إلى فهم نموذج الذكاء الاصطناعي.

 

بدلًا من ذلك، يمكن للمساعد الذكي تفسير الطلب، بينما يوفر ProjectVIEW سياقه المؤسسي:

 

المشروع ← BoQ ← WBS ← المادة ← المستودع ← الميزانية ← المورد ← سير العمل.

 

أولاً، يعدّ النظام المعاملة.

 

ثم يتحقق الموظف منها.

 

أخيراً، يعتمدها المدير المخول.

 

وهذا يمثل مسارًا أسهل بكثير نحو التبني بالنسبة للموظفين المتخصصين في الإنشاءات وليس في البرمجيات.

 

استراتيجية DANAOS للتنفيذ: التبني قبل الأتمتة

 

لن تحل البنية التقنية وحدها هذه المشكلة.

 

لذلك، استراتيجية التنفيذ لا تقل أهمية.

 

وهذا مهم بشكل خاص في اليابان وكوريا الجنوبية وجنوب أوروبا والبلقان وآسيا الوسطى وغيرها من الأسواق التي قد تحتاج إلى إدخال التغيير بصورة تدريجية.

 

تبدأ عمليات تنفيذ DANAOS بتحليل عمليات As-Is وTo-Be، وتحليل الفجوات (GAP Analysis)، ومخططات التصميم. بعبارة أخرى، لا تجبر كل مؤسسة على اتباع قالب تنفيذ عام. كما تمثّل خطط التدريب وإدارة التغيير واختبارات قبول المستخدمين (UAT) واستراتيجية التشغيل الفعلي (Go-Live) والدعم بعد التنفيذ مخرجات رسمية ضمن المشروع.

 

والهدف هو فهم كيفية عمل الموظفين حاليًا قبل تغيير الطريقة التي يعملون بها.

 

1. التدريب حسب الدور وليس حسب البرنامج

 

لا يحتاج مسؤول التقدير إلى تعلم كل ما يستطيع ProjectVIEW القيام به.

 

وينطبق الأمر نفسه على مدير المستودع.

 

وكذلك الحال بالنسبة إلى المدير المالي.

 

تستخدم DANAOS مسارات تدريب قائمة على الأدوار، بحيث يتعلم المستخدمون العمليات ذات الصلة بوظائفهم الفعلية. ويتضمن إطار ProjectVIEW ERP الحالي تقييمًا رسميًا لاحتياجات التدريب يأخذ في الاعتبار مستوى إتقان نظام ERP، والدور التنظيمي، وعمليات الأعمال. كما يراعي متطلبات اللغة ومدى توافر المستخدم قبل تحديد كل برنامج تدريبي.

 

وهذا مهم بشكل خاص للموظفين الأقل خبرة في التعامل مع التكنولوجيا الرقمية.

 

وبالتالي، يصبح التدريب:

 

“كيف أنفذ عملي؟”

 

بدلًا من:

 

“كيف أشغل نظام ERP المعقد هذا؟”

 

2. المحاكاة العملية قبل التشغيل الفعلي

 

لا ينبغي أن يتعلم المستخدمون التكنولوجيا ذات الأهمية التشغيلية لأول مرة داخل بيئة الإنتاج الفعلية.

 

لذلك، يستخدم تدريب ProjectVIEW بيئات تجريبية مخصصة تتضمن سيناريوهات أعمال واقعية. وبذلك يمكن للموظفين بالتدرب دون التأثير على المعاملات الحية.

 

كما تتضمن عمليات تنفيذ DANAOS فترة محاكاة تليها مرحلة من الدعم العملي أثناء التشغيل.

 

وهذا الأمر مهم بشكل خاص للموظفين الذين يشعرون بعدم الارتياح تجاه التكنولوجيا الجديدة.

 

الثقة تأتي من التكرار والممارسة، وليس من عروض PowerPoint.

 

3. إنشاء سفراء داخليين للتغيير

 

من أكثر الطرق فعالية للتغلب على مقاومة التغيير عدم تحميل قسم تكنولوجيا المعلومات وحده مسؤولية التبني.

 

بل تنشئ المؤسسة مستخدمين موثوقين داخل كل قسم تشغيلي.

 

ويعمل برنامج DANAOS ProjectVIEW ERP Champions على تطوير مستخدمين رئيسيين قادرين على دعم زملائهم وفهم سير العمل بين الوحدات المختلفة. كما يستطيعون تصعيد المشكلات، والتواصل مع DANAOS بعد التشغيل الفعلي.

 

فعادةً ما يكون مدير مشتريات يتمتع بخبرة طويلة أكثر استعدادًا للثقة بزميل متخصص في المشتريات مقارنةً بمستشار خارجي للذكاء الاصطناعي.

 

نتيجة لذلك، ينشأ تبنٍ رقمي تقوده الخبرات الداخلية والزملاء.

 

4. إبقاء الإنسان داخل دورة العمل

 

يسمح ProjectVIEW للمؤسسات بالحفاظ على صلاحيات الاعتماد في الأماكن التي تحتاج إليها.

 

فالمستخدمون والأدوار تحدد صلاحيات الوصول، وسير العمل يحدد الاعتماد، والسجل التشغيلي للمعاملات يوفر إمكانية التتبع.

 

وبالتالي يمكن إدخال أتمتة الذكاء الاصطناعي تدريجيًا:

 

الذكاء الاصطناعي يطلع ← الذكاء الاصطناعي يوصي ← الذكاء الاصطناعي يُعد ← الذكاء الاصطناعي ينفذ ضمن حدود معتمدة.

 

ولا توجد حاجة للانتقال مباشرة من العمل اليدوي إلى التشغيل الذاتي الكامل.

 

5. جعل التعلم عملية مستمرة

 

لا يمكن التعامل مع تبني ERP والذكاء الاصطناعي باعتباره فعالية تدريبية لمرة واحدة.

 

يدعم ProjectVIEW التعلم الرقمي الذاتي، والتدريب المسجل، والوثائق الإلكترونية، والإرشادات داخل التطبيق، والتدريب التنشيطي حسب الدور. ويكتسب ذلك أهمية خاصة مع القوى العاملة المتقدمة في العمر. والسبب أن الموظفين يمكنهم التعلم بسرعات مختلفة دون أن يستبعدهم التحول الرقمي.

 

6. التحقق من التكنولوجيا قبل الوثوق بها

 

كذلك ينطبق المبدأ نفسه على الذكاء الاصطناعي.

 

يتضمن إطار ProjectVIEW SaaS الحالي بيئات اختبار محكومة، واختبارات قبول المستخدمين (UAT)، والتحقق من التوافق قبل إدخال التغييرات إلى بيئة الإنتاج. وتتطلب التغييرات الرئيسية إجراء UAT والحصول على موافقة العميل قبل الانتقال إلى بيئة الإنتاج.

 

وبالتالي، هذه هي الطريقة التي يجب أن تتعامل بها المؤسسات مع الذكاء الاصطناعي.

 

يجب إثبات الثقة، وليس طلبها.

 

الذكاء الاصطناعي يمكن أن يساعد بالفعل القوى العاملة المتقدمة في العمر

 

ومع ذلك، هناك جانب إيجابي مهم غالبًا ما يتجاهله الكثيرون.

 

فالذكاء الاصطناعي لا يمثل بالضرورة تهديدًا للموظفين ذوي الخبرة.

 

بل قد يصبح أحد التقنيات التي تسمح لهم بالحفاظ على إنتاجيتهم لفترة أطول.

 

وتشير منظمة OECD إلى أن تطبيقات الذكاء الاصطناعي سهلة الاستخدام قد تكون أسهل في التبني بالنسبة للموظفين الأكبر سنًا مقارنة بالبرمجيات المتخصصة المعقدة. والسبب أن الأنظمة الحوارية يمكنها الاستفادة من خبراتهم الحالية وتعزيزها.

 

بعبارة أخرى، قد يكون هذا تحولًا جذريًا.

 

فقد يبتعد مستقبل برمجيات المؤسسات عن إجبار الموظفين ذوي الخبرة على حفظ واجهات برمجية تزداد تعقيدًا.

 

وبدلًا من ذلك، يمكن للموظفين التواصل بشكل طبيعي، بينما يقوم الذكاء الاصطناعي بترجمة نواياهم إلى عمليات مؤسسية منظمة.

 

وهذا يجعل الذكاء الاصطناعي قادرًا على أن يكون أكثر شمولًا من الجيل السابق من تقنيات المؤسسات، بشرط أن تنفّذه المؤسسة بالشكل الصحيح.

 

الميزة التنافسية الحقيقية ليست الذكاء الاصطناعي

 

لن تكون الشركات التي تحقق النجاح في سباق الذكاء الاصطناعي بالضرورة هي التي تنشر أكبر عدد من وكلاء الذكاء الاصطناعي.

 

بل ستكون المؤسسات التي تنجح في الربط بين:

 

الخبرة البشرية + بيانات مؤسسية موثوقة + أتمتة الذكاء الاصطناعي + قواعد الأعمال + الحوكمة.

 

كما يكتسب هذا أهمية خاصة في الاقتصادات التي تشهد شيخوخة سكانية مثل اليابان وكوريا الجنوبية وجنوب أوروبا، ويزداد أهمية في أوروبا الوسطى والشرقية والأسواق سريعة التحول الرقمي في آسيا الوسطى.

 

وبالنسبة إلى DANAOS Projects، فإن هذا يحدد اتجاه ProjectVIEW ERP.

 

نحن نتصور ProjectVIEW باعتباره مركز القيادة المركزي ومنصة التنسيق لعمليات المشاريع. وبذلك يربط نسيج بيانات المؤسسة بينما تعمل وكلاء الذكاء الاصطناعي المتخصصون على تسريع العمليات الفردية.

 

أولاً، يوفر نظام ERP السياق والتحكم.

 

ثم يوفر الذكاء الاصطناعي السرعة والذكاء.

 

كما يوفر الموظفون الخبرة والحكم المهني.

 

أخيراً، توفر DANAOS إطار التنفيذ والتدريب وإدارة التغيير الذي يجمع بين هذه العناصر الثلاثة.

 

لذلك، الهدف ليس إجبار الموظفين ذوي الخبرة على التكيف مع الذكاء الاصطناعي بين ليلة وضحاها.

 

وبالتأكيد ليس الادعاء بأن الذكاء الاصطناعي سيصبح معصومًا من الخطأ.

 

بل الهدف أكثر عملية:

 

جعل الذكاء الاصطناعي سهل الاستخدام بما يكفي، ومنضبطًا بما يكفي لبناء الثقة به، وذا قيمة كافية بحيث يختار الموظفون تبنيه.

 

لأن العائق الخفي أمام الذكاء الاصطناعي المؤسسي ليس النموذج نفسه.

 

بل ما إذا كان الأشخاص الذين يديرون الأعمال فعليًا مستعدين لاستخدامه.