Adoption Telemetry: Measuring Enterprise AI Adoption from Production Signals
تقدم هذه الورقة "تتبع قياس التبني" (adoption telemetry)، وهو إطار عمل وتنفيذ مفتوح المصدر (NANTE) يقيس تبني الذكاء الاصطناستخدام في المؤسسات عبر ربط إشارات الاستخدام في بيئة الإنتاج بتسلسل مرحلي لإدارة التغيير يتكون من خمس مراحل، مع صياغة عتباته صراحةً كبنى قابلة للاختبار من أجل التحقق التجريبي المستقبلي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في بيئة العمل الحديثة، سادت مفارقة صامتة؛ فقد سارعت الشركات إلى تثبيت أدوات الذكاء الاصطناعي، آملةً في أتمتة المهام وإعادة تشكيل طريقة إنجاز العمل. ومع ذلك، ورغم النشر شبه الشامل لهذه الأدوات، كانت النتائج مخيبة للآمال. وتُظهر الدراسات أن الغالبية العظمى من هذه المشاريع تفشل في تقديم قيمة مالية ملموسة، ويتم التخلي عن الكثير منها تماماً. ويجمع الخبراء على أن التكنولوجيا نفسها ليست هي المشكلة، فالآلات تعمل كما هو مُصمم لها، بل تكمن المشكلة في العنصر البشري: إذ تعاني المؤسسات في تغيير الطريقة التي يعمل بها موظفوها فعلياً. فهي لا تستطيع التمييز بين فريق جرب أداة جديدة فحسب، وبين فريق أعاد تنظيم روتينه اليومي حولها بشكل جذري. إن أدوات القياس الحالية عمياء عن هذا التمييز؛ فهي تستطيع حساب عدد المرات التي نقر فيها الأشخاص على زر ما أو عدد مرات فتح النظام، لكنها لا تستطيع رؤية ما إذا كان العمل نفسه قد تغير. وتترك هذه الفجوة القادة في حالة من التخمين، غير قادرين على تشخيص سبب توقف التبني أو كيفية إصلاحه.
يسعى نهج جديد يسمى "تتبع تبني التكنولوجيا" (adoption telemetry) إلى حل هذه المعضلة عبر تحويل عملية التغيير السلوكي غير المرئية إلى شيء مرئي وقابل للقياس. فبدلاً من الاعتماد على الاستطلافت أو مجرد عدّ الأنشطة، يعامل هذا الأسلوب "التبني" كمسألة هندسية. وهو يقترح أن المؤسسات يمكنها فهم كيفية تكيف أفرادها مع الذكاء الاصطناعي من خلال تحليل الآثار الرقمية التي تتركها في الأنظمة التي يستخدمونها يومياً. وقد بنى الباحثون وراء هذا العمل، بقيادة ديمون أ. يونغ، إطار عمل يقرأ هذه الإشارات الإنتاجية — مثل عدد مرات استخدام الأداة، ومدة الجلسة، وما إذا كانت المهام قد اكتملت بنجاح — ويربطها بمراحل محددة من التغيير. والهدف ليس مجرد عدّ الاستخدام، بل تحديد المكان الذي يتعثر فيه الموظفون بالضبط في رحلتهم من معرفة وجود الأداة إلى نسجها في نسيج عملهم اليومي.
جوهر هذا الإطار الجديد هو نموذج خماسي المراحل يسمى "NANTE"، وهو اختصار لـ: الملاحظة (Notice)، المحاولة (Attempt)، التنقل (Navigate)، التحول (Transform)، والترسيخ (Embed). تمثل كل مرحلة علامة فارقة متميزة في كيفية ارتباط الشخص بقدرة جديدة. تقيس المراحل الثلاث الأولى — الملاحظة، والمحاولة، والتنقل — "الاتساع"؛ فهي تتبع ما إذا كان الناس يعرفون بوجود الأداة، وما إذا كانوا قد جربوها مرة واحدة على الأقل، وما إذا كانوا قد عادوا لاستخدامها بشكل متكرر. أما المرحلتان الأخيرتان — التحول والترسيخ — فتقيسان "العمق". وهنا يحدث التغيير الحقيقي؛ فـ "التحول" يعني أن الأداة أصبحت جزءاً من سير عمل معقد ومتعدد الخطوات، وأنها تُستخدم بنجاح لإنجاز عمل حقيقي. أما "الترسيخ" فيعني أن التكامل أصبح عميقاً لدرجة أن إزالة الأداة ستؤدي إلى تعطيل إنتاجية الفريق. وقد وجد الباحثون أن معظم المؤسسات تتعثر عند الحد الفاصل بين المرحلة الثالثة والرابعة مباشرة؛ حيث يستخدم الناس الأدوات، لكنهم لا يغيرون عادات عملهم. وقد صُمم النظام الجديد لجعل هذا "المنحدر" تحديداً مرئياً، ليميز بين الفريق الذي يستكشف فحسب، والفريق الذي دمج التكنولوجيا حقاً.
ولاختبار مدى فعالية هذه الفكرة، بنى الباحثون مجموعة أدوات مفتوحة المصدر وأنشأوا سلسلة من المجموعات المحاكية ليروا ما إذا كان النظام قادراً على تحديد أنواع فشل التبني المختلفة بشكل صحيح. لقد صمموا ستة سيناريوهات متميزة: مجموعة واحدة سليمة تبنت الأداة بنجاح، وخمس مجموعات تمثل الطرق الشائعة التي يسوء بها التبني. وشملت حالات الفشل هذه فرقاً جربت الأداة لكنها لم تتعمق فيها، وفرقاً عرفت بوجود الأداة لكنها لم تبدأ باستخدامها أبداً، وفرقاً استخدمتها بكثرة لكنها فشلت في إنجاز المهام، وفرقاً استخدمها فيها عدد قليل من "المتميزين" بينما لم يستخدمها البقية. وأظهرت نتائج المحاكاة أن النظام استطاع تمييز هذه المجموعات ميكانيكياً؛ فعلى سبيل المثال، استطاع التمييز بين فريق سليم وفريق يعاني من "هضبة ضحلة". ففي لوحة معلومات الاستخدام القياسية، قد يبدو كلا الفريقين متطابقين لأن كلاهما يمتلك أرقاماً عالية من المستخدمين النشطين، إلا أن النظام الجديد رأى أن الفريق السليم قد انتقل إلى مراحل العمل العميق، بينما تعثر الفريق الآخر عند المستوى السطحي. كما حدد النظام بشكل صحيح ما إذا كان الفريق يفشل بسبب نقص المهارات أم بسبب نقص الدافع.
ويؤكد الباحثون بحذر أنه بينما يعمل النظام في هذه المحاكاة، فإن الأرقام المحددة المستخدمة لتعريف كل مرحلة ليست حقائق مثبتة بعد. فالعتبات — مثل عدد أسابيع الاستخدام المطلوبة لاعتبار الاستخدام "متكرراً" — هي نقاط انطلاق مقترحة يمكن اختبارها وتعديلها. وتأتي الأدلة الحالية من بيانات اصطناعية، وليس من شركات حقيقية بعد. كما يشير المؤلف صراحةً إلى أنهم لم يتحققوا من هذه القواعد مقابل نتائج الأعمال الفعلية، وهم يدعون المؤسسات للشراكة معهم لاختبار النظام على بيانات حقيقية، مما سيسمح لهم بمعايرة العتبات والتأكد من أن التشخيصات تطابق الواقع. وحتى ذلك الحين، يجب النظر إلى النظام كفرضية مهيكلة وليس كحكم نهائي. كما يقر الباحثون بأن للنظام حدوداً؛ فهو لا يمكنه قياس ما يشعر به الناس أو ما يفكرون فيه، بل يقيس فقط ما يفعلونه، ولا يمكنه بعد اكتشاف ما إذا كان الفريق يتظاهر باستخدام الأداة لإرضاء المدير، كما لا يمكنه قياس نجاح الوكلاء المستقلين (autonomous agents) الذين يعملون دون مبادرة بشرية بشكل كامل.
إن ما يجعل هذا العمل مهماً ليس مجرد الأداة نفسها، بل الحجة القائلة بأن مثل هذه الأداة كانت مفقودة. ويوضح الباحثون أن الفشل في قياس التبني بشكل صحيح ليس حادثاً عرضياً، بل هو مشكلة هيكلية؛ إذ تعمل المجموعات المختلفة التي تتعامل عادةً مع هذه القياسات — أولئك الذين يبنون الذكاء الاصطناعي، وأولئك الذين يبيعون البرمجيات، ومديرو التغيير التنظيمي — في صوامع منفصلة. فبناة الذكاء الاصطناعي يركزون على ما إذا كان الكود يعمل، وبائعو البرمجيات يركزون على ما إذا كان الناس يسجلون دخولهم، ومديرو التغيير يركزون على ما يقوله الناس في الاستطلاعات. ولم يقم أي من هذه المجموعات ببناء نظام يجمع بين البيانات التقنية ونموذج التغيير السلوكي البشري. يحاول هذا الإطار الجديد سد تلك الفجوة عبر توحيد هذه المنظورات في أداة واحدة. وهو يشير إلى أن الخطوة التالية في مجال الذكاء الاصطناعي للمؤسسات ليست خوارزميات أفضل، بل طرق أفضل لرؤية كيف يغير البشر عملهم فعلياً. ومن خلال جعل غير المرئي مرئياً، قد تتمكن المؤسسات أخيراً من تجاوز الحماس الأولي للنشر ومعالجة التحدي الحقيقي المتمثل في التبني المستدام.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.