هل يستطيع الذكاء الاصطناعي اكتشاف كيفية عمل المؤسسة؟ نعم. لكن الاكتشاف لا يعني بالضرورة الوصول إلى الحقيقة التشغيلية

كيف يستطيع الذكاء الاصطناعي اكتشاف كيفية عمل المؤسسة؟ الإجابة هي: من خلال التنقيب عن العمليات، والتنقيب عن المهام، وأنطولوجيات المؤسسات، ووكلاء الذكاء الاصطناعي لإعادة بناء العمليات التجارية — ولماذا تظل أنظمة ERP والمنصات التشغيلية الأساسية عنصرًا جوهريًا.

 

تتبلور حاليًا رؤية قوية حول الذكاء الاصطناعي في المؤسسات:

ربط الذكاء الاصطناعي بالمؤسسة، والسماح له بمراقبة البيانات وأنشطة المستخدمين عبر مختلف الأنظمة، وإعادة بناء طريقة عمل المؤسسة، وتحسين تلك العمليات، ثم أتمتتها في نهاية المطاف من خلال وكلاء الذكاء الاصطناعي.

 

هناك قدر كبير من الحقيقة في هذه الرؤية.

فالتقنيات مثل التنقيب عن العمليات (Process Mining)، والتنقيب عن المهام (Task Mining)، والتنقيب عن العمليات المرتكزة على الكيانات (Object-Centric Process Mining)، وأنطولوجيات المؤسسات (Enterprise Ontologies)، والذكاء الاصطناعي الوكيلي (Agentic AI) ترتقي بإدارة عمليات الأعمال (BPM) وأتمتة العمليات الروبوتية (RPA) إلى مستوى مختلف تمامًا.

 

لكن هناك تمييزًا معماريًا مهمًا يمكن أن يضيع بسهولة وسط الخطاب المتزايد حول الذكاء الاصطناعي:

مراقبة عملية الأعمال ليست هي نفسها امتلاك المعاملة التجارية التي أدت إلى حدوثها.

 

كما أن إعادة بناء المؤسسة من آثارها الرقمية تختلف جوهريًا عن تشغيل المؤسسة من خلال نظام معاملات متخصص في مجالها.

1. كيف يستطيع الذكاء الاصطناعي بالفعل “مراقبة” المؤسسة؟

 

لا يفهم الذكاء الاصطناعي ما يحدث داخل الشركة بطريقة سحرية.

بل يحتاج إلى أدلة.

 

ومن أهم مصادر هذه الأدلة سجل الأحداث (Event Log) الذي تولده الأنظمة التشغيلية.

ففي كل مرة يتم فيها إنشاء فاتورة، أو اعتماد أمر شراء، أو تسجيل استلام بضائع، أو إتمام أمر عمل، أو إغلاق تذكرة خدمة، يمكن للنظام الأساسي إنشاء حدث.

 

وعادةً ما يتطلب سجل الأحداث التقليدي المستخدم في التنقيب عن العمليات ثلاثة عناصر أساسية على الأقل:

معرّف الحالة (Case ID) + النشاط (Activity) + الطابع الزمني (Timestamp)

 

على سبيل المثال:

PO-1057 → إنشاء طلب شراء → 09:02
PO-1057 → اعتماد طلب الشراء → 11:43
PO-1057 → إصدار أمر الشراء → 15:21
PO-1057 → استلام المواد → بعد ثلاثة أسابيع
PO-1057 → اعتماد الفاتورة → بعد أربعة أسابيع

 

ومن خلال جمع ملايين الأحداث من هذا النوع، تستطيع الخوارزميات إعادة بناء العملية الفعلية التي تتبعها المؤسسة.

وهذا هو التنقيب عن العمليات (Process Mining).

 

فبدلًا من سؤال الموظفين عن كيفية سير عملية المشتريات، يقوم النظام بإعادة بناء الطريقة التي تحركت بها آلاف معاملات المشتريات فعليًا داخل المؤسسة.

ويمكنه بعد ذلك تحديد:

• أنماط العمليات المختلفة؛
• نقاط الاختناق؛
• حلقات التكرار وإعادة العمل؛
• التسلسلات غير المعتادة؛
• التأخيرات في عمليات الاعتماد؛
• حالات الانحراف عن متطلبات الامتثال؛
• الأنشطة المكررة؛
• وفرص الأتمتة المحتملة.

 

وهذا بالفعل أكثر علمية بدرجة كبيرة من ورش العمل التقليدية الخاصة بإدارة عمليات الأعمال (BPM)، لأنه يعتمد على أدلة معاملات فعلية تمت ملاحظتها، بدلًا من الاعتماد فقط على المقابلات ومخططات العمليات التي يتم إعدادها يدويًا.

2. ولكن ماذا يحدث خارج نظام ERP؟

 

هنا يأتي دور التنقيب عن المهام (Task Mining) لتوسيع الصورة.

فليست كل الأنشطة التجارية تُنشئ حدثًا واضحًا داخل نظام ERP.

قد يقوم أحد الموظفين بما يلي:

فتح بريد إلكتروني → تنزيل ملف Excel → نسخ كمية → فتح SAP → البحث عن أمر شراء → الانتقال إلى تطبيق آخر → نسخ قيمة → العودة إلى Excel → إرسال بريد إلكتروني للاعتماد.

 

يمكن لتقنيات التنقيب عن المهام التقاط عناصر من هذا النشاط الذي يحدث على سطح المكتب.

وبحسب التقنية المستخدمة وطريقة إعدادها، قد يشمل ذلك تفاعلات التطبيقات، وأحداث المتصفح، والنقرات، وإجراءات لوحة المفاتيح، وعناصر واجهة المستخدم، ولقطات الشاشة.

 

وبعد ذلك، يمكن لخوارزميات التعلم الآلي تجميع آلاف الملاحظات من هذا النوع وتحديد التسلسلات المتكررة.

وبدلًا من اكتشاف:

إنشاء أمر شراء → اعتماد أمر الشراء

يمكن للمنصة اكتشاف النشاط البشري المحيط بهذه المعاملات.

 

ومن هنا تنشأ الفكرة الشائعة عن أن الذكاء الاصطناعي “يراقب كيفية عمل الشركة”.

لكن الأمر ليس سحرًا.

إنه في الأساس:

الأحداث الرقمية + بيانات التفاعل مع المستخدم + السياق + التحليل الإحصائي/التعلم الآلي → إعادة بناء العمليات

3. من التنقيب عن العمليات إلى التنقيب عن العمليات المرتكزة على الكيانات

 

يمتلك التنقيب التقليدي عن العمليات أحد القيود المهمة.

فالمؤسسات الحقيقية لا تعمل حول “حالة” واحدة معزولة.

 

فقد يرتبط أمر شراء واحد في الوقت نفسه بـ:

• عدة بنود لأمر الشراء؛
• مواد متعددة؛
• مورد واحد أو أكثر؛
• فواتير؛
• عمليات تسليم؛
• مشروعات؛
• أوامر إنتاج؛
• عقود؛
• موظفين؛
• أصول.

 

ويحاول التنقيب عن العمليات المرتكزة على الكيانات (Object-Centric Process Mining – OCPM) الحفاظ على هذه العلاقات.

فبدلًا من إعادة بناء تسلسل خطي فقط حول معرّف حالة واحد، يقوم النموذج بتمثيل التفاعلات بين كيانات أعمال متعددة.

 

وبذلك يصبح النموذج أقرب إلى:

المورد ↔ أمر الشراء ↔ المادة ↔ الفاتورة ↔ التسليم ↔ المشروع

 

ويمثل هذا تطورًا مهمًا، لأن الواقع المؤسسي قائم على العلاقات وليس مجرد تسلسلات خطية.

4. ثم تأتي طبقة الدلالة أو الأنطولوجيا

 

تذهب منصات مثل Palantir إلى خطوة أبعد.

فيمكن تحويل البيانات القادمة من أنظمة ERP وCRM وMES وSCM وقواعد البيانات والمستندات والأنظمة الخارجية إلى كيانات مؤسسية.

فبدلًا من أن يكون صفًا في قاعدة البيانات، يصبح العنصر مفهومًا وذا معنى، مثل:

• المورد
• أمر الشراء
• الموظف
• الآلة
• المشروع
• الفاتورة

 

ثم يتم إنشاء العلاقات بين هذه الكيانات.

فعلى سبيل المثال:

• المورد → يورد → المادة
• المادة → مطلوبة لـ → المشروع
• أمر الشراء → صادر إلى → المورد
• الفاتورة → تشير إلى → أمر الشراء
• الآلة → مخصصة لـ → المشروع

 

وهذا ينشئ تمثيلًا للمؤسسة يمكن للآلة فهمه ومعالجته.

وتضيف الطبقة التالية:

البيانات + المنطق + الإجراءات + الأمان

 

وعندها لا يكتفي وكيل الذكاء الاصطناعي باسترجاع صف من قاعدة بيانات.

بل يمكنه الاستدلال حول كيان مؤسسي، وفهم علاقاته، واستدعاء المنطق المعتمد، وربما تنفيذ إجراء مصرح به.

 

وهذا أمر بالغ القوة.

لكن لاحظ أمرًا مهمًا:

من أين نشأت معظم هذه الكيانات والمعاملات المؤسسية؟

 

في كثير من الأحيان، تأتي من أنظمة ERP وCRM وSCM وMES والموارد البشرية وإدارة المشروعات وغيرها من الأنظمة التشغيلية.

فطبقة الذكاء تنشئ تمثيلًا أكثر ثراءً للواقع التشغيلي.

لكنها لا تلغي بالضرورة الأنظمة التي تقوم بإنشاء هذا الواقع.

5. كيف يتم التحقق من البيانات؟

 

ربما يكون هذا هو الجزء الأهم في هذه المناقشة.

فلا يمكن لمنصات المؤسسات أن تستوعب كل شيء وتفترض تلقائيًا أنه يمثل الحقيقة.

 

لذلك تستخدم عمليات هندسة البيانات آليات مثل:

• التحقق من المخطط (Schema Validation) — هل تمتلك البيانات الواردة الهيكل المتوقع؟
• التحقق من النوع (Type Validation) — هل الكمية رقمية؟ وهل التاريخ تاريخ فعلي؟ وهل العملة ممثلة بالشكل الصحيح؟
• التحقق من الاكتمال (Completeness Checks) — هل توجد حقول إلزامية مفقودة؟
• التحقق من التفرد (Uniqueness Checks) — هل تظهر كيانات مكررة؟
• التحقق المرجعي (Referential Checks) — هل يوجد هذا المورد أو أمر الشراء أو الموظف أو المشروع بالفعل؟
• قواعد التحويل (Transformation Rules) — كيف ينبغي توحيد تنسيقات البيانات المختلفة القادمة من الأنظمة المصدر؟
• تتبّع مصدر البيانات (Data Lineage) — من أين جاءت هذه القيمة؟ وما التحويلات التي أُجريت عليها؟
• فحوصات سلامة البيانات (Health Checks) — هل توقفت البيانات عن الوصول؟ أو تغيرت بشكل غير متوقع؟ أو خالفت التوقعات المحددة؟

 

وعلى مستوى العمليات، يتم استخدام تقنية مهمة أخرى:

التحقق من مدى توافق العملية (Conformance Checking)

يمكن مقارنة العملية التي تم اكتشافها بنموذج عملية متوقع أو معتمد.

على سبيل المثال:

المتوقع

طلب شراء → اعتماد → أمر شراء → استلام → فاتورة → سداد

 

الملاحظ فعليًا

طلب شراء → أمر شراء → استلام → فاتورة → اعتماد → سداد

 

يمكن للتقنية اكتشاف أن التنفيذ الفعلي انحرف عن العملية المتوقعة.

وهذا مفيد للغاية.

 

لكنه يكشف عن قضية فلسفية مهمة.

من أين جاء تعريف العملية “الصحيحة”؟

 

في النهاية، يجب أن يحدد شخص ما قاعدة العمل.

• يمكن للذكاء الاصطناعي اكتشاف ما حدث.
• ويمكنه حساب التسلسل الذي يحدث بصورة متكررة.
• ويمكنه تحديد الارتباطات بين سلوكيات معينة والنتائج الأفضل.
• ويمكنه اقتراح عملية معاد تصميمها.

 

لكن التكرار لا يثبت صحة العملية.

فإذا قام 5,000 موظف مرارًا بتنفيذ الحل البديل نفسه، فقد ينجح الذكاء الاصطناعي في اكتشاف العملية السائدة.

لقد اكتشف السلوك المؤسسي.

لكنه لم يكتشف بالضرورة سياسة المؤسسة.

6. هذا هو الفرق الجوهري بين المراقبة وإنشاء المعاملة

 

لننظر إلى المشتريات.

قد تقوم منصة للتنقيب عن العمليات بمراقبة التسلسل التالي:

طلب مواد → اعتماد → طلب عرض سعر → تقييم → أمر شراء → تسليم → فاتورة

 

لكن المنصة التشغيلية يجب أن تقوم فعليًا بإنشاء والتحكم في:

• معرّف المادة
• الكمية المطلوبة
• الكمية المعتمدة
• توافر الميزانية
• المورد
• العملة
• سعر الوحدة
• الضريبة
• شروط العقد
• جهة الاعتماد
• التكلفة الملتزم بها
• حركة المخزون
• القيد المحاسبي

 

لا يمكن استنتاج هذه القيم إحصائيًا في كل مرة تتم فيها المعاملة.

بل يجب أن تتوافق مع قواعد محددة مسبقًا، وصلاحيات المستخدمين، والبيانات الرئيسية، والميزانيات، والهياكل المحاسبية.

 

ولهذا السبب تتسم أنظمة المؤسسات بطبيعتها بالحتمية.

ففي المعاملة الخاضعة للرقابة:

مدخلات تم التحقق منها + قواعد أعمال معتمدة = معاملة يمكن التنبؤ بها

 

ولا تمثل قابلية التنبؤ هذه تخلفًا تكنولوجيًا.

بل إنها آلية التحكم ذاتها.

7. لذلك ينشئ الذكاء الاصطناعي طبقة جديدة — وليس بالضرورة طبقة بديلة

 

يمكن تمثيل بنية المؤسسات الناشئة تقريبًا على النحو التالي:

أنظمة السجل الأساسية (Systems of Record)
ERP | CRM | SCM | MES | HR | أنظمة المشروعات

↓

المعاملات التشغيلية وسجلات الأحداث

↓

التكامل / نسيج البيانات (Data Fabric)

↓

التنقيب عن العمليات والمهام

↓

طبقة الدلالة / الأنطولوجيا

↓

الاستدلال والتنبؤ بالذكاء الاصطناعي

↓

وكلاء الذكاء الاصطناعي والتنسيق (Orchestration)

↓

إجراء خاضع للرقابة

↓

الأنظمة التشغيلية

 

وهذا ينشئ حلقة ذكاء مغلقة.

تقوم طبقة الذكاء الاصطناعي بمراقبة المؤسسة وفهمها، ثم التوصية بالإجراءات أو البدء في تنفيذها، لكن الإجراءات الخاضعة للرقابة تؤثر في النهاية على كيانات الأعمال والمعاملات التشغيلية.

 

لذلك، فإن ثورة الذكاء الاصطناعي في المؤسسات لا تتمثل ببساطة في:

الذكاء الاصطناعي يحل محل ERP.

 

بل إن التفسير الأكثر دقة من الناحية العلمية هو:

الذكاء الاصطناعي ينشئ طبقة ذكية للتحكم والتنسيق حول الأنظمة التشغيلية المتصلة بصورة متزايدة.

8. إذن، ما الذي يميز ProjectVIEW ERP؟

 

يتعامل ProjectVIEW مع المشكلة نفسها من الاتجاه المعاكس.

فبدلًا من البدء بمراقبة آلاف المعاملات المنفصلة ومحاولة إعادة بناء سياقها الخاص بالمشروع لاحقًا، يبدأ ProjectVIEW من نموذج مجال محدد بوضوح للعمليات القائمة على المشروعات.

 

وتربط بنيته الأساسية بين:

BoQ ↔ WBS ↔ أكواد التكلفة

 

وتمثل هذه العناصر ثلاثة أبعاد مختلفة من واقع المشروع:

BoQ = هيكل النطاق / الهيكل التجاري

ما الذي تعاقدنا على تنفيذه؟ وما الكميات والقيم المرتبطة به؟

 

WBS = هيكل الوقت / التنفيذ

متى سيتم تنفيذ المشروع؟ ومن خلال أي أنشطة سيتم إنجازه؟

 

أكواد التكلفة = هيكل التكلفة / الموارد

ما الموارد والتكاليف التي يتم استهلاكها في تنفيذ المشروع؟

 

ويتم تحديد العلاقات بين هذه العناصر قبل بدء التنفيذ.

وبالتالي، فإن المعاملات التي يتم إنشاؤها أثناء التنفيذ ترث سياق المشروع.

 

فلا تصبح معاملة المواد مجرد:

استهلاك 20 طنًا من الحديد.

بل يمكن أن تصبح:

20 طنًا من الحديد → المشروع X → بند BoQ Y → نشاط WBS Z → كود التكلفة C

 

وهذا التمييز جوهري.

9. يقوم ProjectVIEW بإنشاء بيانات تشغيلية منظمة من المصدر

 

لنفكر في الفرق.

قد تكتشف منصة ذكاء متصلة بعدة تطبيقات ما يلي:

الموظف A طلب الحديد.

الموظف B اعتمد شيئًا ما.

قسم المشتريات أصدر أمر شراء.

سجل المخزن عملية التسليم.

قام مهندس الموقع بتسجيل الاستهلاك.

ثم سجلت الإدارة المالية التكلفة.

 

وعندها يتعين على طبقة الذكاء/البيانات ربط هذه الأحداث ببعضها وتحديد العلاقات بينها.

أما بنية ProjectVIEW، فقد صُممت بحيث تكون هذه العلاقات جزءًا من المعاملة التشغيلية نفسها.

 

فهيكل المشروع لا يتم استنتاجه لاحقًا في طبقة المصب.

بل يتم ترميزه في المصدر.

 

ولهذا تصف وثائق ProjectVIEW ميزانية المشروع والارتباط بين BoQ وWBS وأكواد التكلفة باعتبارها الأساس الهيكلي للعمليات اللاحقة، بما في ذلك المشتريات، وعمليات الموقع، وتخصيص الموارد، ومراقبة التكاليف، والمحاسبة.

وتعني البنية نفسها أن معاملة الموقع يمكنها نقل ارتباط BoQ وWBS وكود التكلفة إلى تحليلات التكلفة والأداء اللاحقة.

10. هذا لا يجعل Palantir أو ServiceNow أو Process Mining منافسين لأنظمة ERP

 

بل إن الاستنتاج المعاكس قد يكون أكثر إثارة للاهتمام.

فهذه التقنيات يمكن أن تكون مكملة لبعضها البعض.

 

فقد تمتلك المؤسسة:

• SAP أو Oracle لإدارة الشؤون المالية المؤسسية،
• ProjectVIEW لإدارة التنفيذ التفصيلي للمشروعات ومراقبة التكاليف،
• Primavera P6 لإدارة الجدولة الزمنية،
• BIM لتمثيل الأصل المادي،
• ومنصة للذكاء الاصطناعي / الأنطولوجيا / ذكاء العمليات للاستدلال عبر جميع هذه الأنظمة.

 

وتصبح طبقة الذكاء الاصطناعي أكثر فاعلية بدرجة كبيرة عندما تنتج الأنظمة التشغيلية الموجودة أسفلها بيانات منظمة، ومحكومة، وغنية من الناحية الدلالية.

 

وهذا يقودنا إلى مبدأ مهم:

ذكاء الذكاء الاصطناعي هو، جزئيًا، دالة في جودة البيانات التشغيلية.

أو بصورة أكثر رسمية:

هيكل تشغيلي أفضل → سياق أفضل → استدلال أفضل للذكاء الاصطناعي → أتمتة أكثر أمانًا

11. لذلك، فإن ميزة ProjectVIEW ليست “ERP بدلًا من الذكاء الاصطناعي”

 

سيكون هذا هو التموضع الخاطئ.

أما الطرح الأقوى فهو:

يوفر ProjectVIEW أساسًا تشغيليًا حتميًا ومتخصصًا في المجال، يمكن للذكاء الاصطناعي الاعتماد عليه في الاستدلال.

 

تحدد البنية الموثقة لـ ProjectVIEW العلاقة بين BoQ وWBS وأكواد التكلفة على مستوى الميزانية، ثم تنقل هذا الهيكل عبر المعاملات اللاحقة. وبالتالي، يمكن للمشتريات وإدارة الإنشاءات والموارد البشرية والآلات والمقاولين من الباطن والإدارة المالية أن تتفاعل جميعها من خلال هياكل مشروعات مشتركة، بدلًا من الحاجة إلى إعادة بناء هذه العلاقات بعد حدوث المعاملات.

 

كما يمكن لـ ProjectVIEW AI أن يتجاوز معاملات ProjectVIEW نفسها؛ إذ يتضمن التصميم الحالي لـ DANAOS إمكانية التعامل مع بيانات المشروعات الخارجية، بما في ذلك المستندات، ومعلومات نظام إدارة المستندات الإلكتروني (EDMS)، وPrimavera P6، وسجلات الموقع، وأنظمة الجودة، والمراسلات، مع الحفاظ في الوقت نفسه على منطق التشغيل المتخصص في قطاع الإنشاءات والموروث من ProjectVIEW ERP.

 

وينتج عن ذلك تمييز معماري مهم محتمل:

الذكاء الاصطناعي المؤسسي العام

المراقبة → الاستخراج → الربط → النمذجة → الاستنتاج → التوصية → التنفيذ

 

ERP متخصص في المجال + الذكاء الاصطناعي

الهيكلة → تسجيل المعاملة → التحقق → المراقبة → الاستدلال → التنبؤ → التحسين → التنفيذ

 

يمكن للنهجين أن يتعايشا.

لكن النهج الثاني يبدأ بسياق أكثر وضوحًا وتحديدًا للمجال.

12. المستقبل ليس ERP مقابل الذكاء الاصطناعي

 

لذلك، قد نكون نطرح السؤال الخطأ عندما نسأل:

“هل سيحل الذكاء الاصطناعي محل ERP؟”

 

من المؤكد أن الذكاء الاصطناعي سيستوعب العديد من القدرات التي ارتبطت تاريخيًا بإدارة عمليات الأعمال (BPM)، وأتمتة العمليات الروبوتية (RPA)، والتحليلات، والتكامل، وواجهات المستخدم.

وسيعمل الوكلاء بشكل متزايد عبر مختلف التطبيقات.

وستصبح العمليات أكثر ديناميكية.

وقد تحل اللغة الطبيعية محل العديد من الشاشات التقليدية.

كما سيزداد اعتماد المؤسسات على الذكاء الاصطناعي لاكتشاف سير العمل وإعادة تصميمه تلقائيًا.

 

لكن تحت هذه الطبقة من الذكاء، ستظل المؤسسات بحاجة إلى تمثيلات محكومة لـ:

• الأموال،
• المخزون،
• الموظفين،
• الأصول،
• العقود،
• الإنتاج،
• المشروعات،
• الالتزامات،
• التكاليف،
• والإيرادات.

 

وهذه العناصر تتطلب الهوية، والعلاقات، والصلاحيات، والتحقق، والتكامل المرجعي، وسلامة المعاملات، وقابلية التدقيق.

 

وبالتالي، فإن بنية المؤسسة المستقبلية تبدو أقل شبهًا بـ:

الذكاء الاصطناعي بدلًا من ERP

 

وأقرب إلى:

الأنظمة التشغيلية + نسيج البيانات + الذكاء الاصطناعي + الوكلاء = المؤسسة الذكية

 

وبالنسبة إلى ProjectVIEW، يمكننا التعبير عن ذلك بصورة أكثر تحديدًا:

ERP حتمي للمشروعات + ذكاء اصطناعي مدمج + تنسيق قائم على الوكلاء = نظام تشغيل للصناعات القائمة على المشروعات

 

يمكن للذكاء الاصطناعي اكتشاف كيفية عمل المؤسسة.

ويمكنه المساعدة في تحديد كيفية تحسين طريقة عملها.

كما يمكنه بصورة متزايدة تنسيق كيفية تنفيذ الأعمال.

 

لكن المنصة التشغيلية تظل مسؤولة عن شيء مختلف جوهريًا:

تحديد واقع الأعمال الخاضع للحوكمة وإنشاءه والحفاظ عليه، وهو الواقع التشغيلي الذي يعتمد عليه هذا الذكاء.

 

لا ينبغي للذكاء الاصطناعي أن يضطر كل صباح إلى استنتاج ما تعرفه المؤسسة بالفعل.