Integrating Artificial Intelligence into SAP ERP: Opportunities, Challenges, and Implementation Paths

في البنية التحتية الشاسعة والنابضة بالحياة للأعمال الحديثة، يوجد جهاز عصبي رقمي يُعرف بنظام تخطيط موارد المؤسسات، أو (ERP). فكر فيه كدفتر أستاذ مركزي حيث تسجل الشركة كل معاملة، بدءاً من وصول المواد الخام إلى باب المصنع وصولاً إلى الفاتورة النهائية المرسلة إلى العميل. لعقود من الزمن، كانت هذه الأنظمة هي العمود الفقري الموثوق وغير المبهر للمؤسسات، مما يضمن أن التمويل وسلاسل التوريد والموارد البشرية تتحدث جميعها لغة واحدة. ومؤخراً، دخلت قوة جديدة إلى هذا المشهد: الذكاء الاصطناعي. وخلافاً للمنطق الجامد القائم على القواعد في البرمجيات التقليدية، يمكن للذكاء الاصطناعي التعلم من الأنماط، والتنبؤ بالأحداث المستقبلية، وحتى تقديم الاقتراحات من تلقاء نفسه. والسؤال الذي يواجه أكبر مزود لبرمجيات الأعمال في العالم، شركة "ساب" (SAP)، وآلاف الشركات التي تعتمد عليها، هو كيفية نسج هذا الذكاء التكيفي والمتعلم في نظام مصمم للاستقرار المطلق والقدرة على التنبؤ. فإذا كان الذكاء الاصطناعي جامحاً للغاية، فقد يؤدي إلى تعطل النظام؛ وإذا كان حذراً للغاية، فقد لا يقدم أي شيء جديد.

تستكشف دراسة حديثة أجراها الباحث جيم دورسي هذا التوتر بدقة، حيث تبحث في كيفية دمج الشركات للذكاء الاصطناعي في أنظمة "ساب" الخاصة بها دون التسبب في فوضى. لا تركز الأبحاث على الرياضيات المعقدة وراء الخوارزميات، بل على الواقع العملي لكيفية تعايش هاتين التقنيتين المختلفتين تماماً. وتشير الورقة البحثية إلى أن الطريق إلى الأمام لا يتعلق بإيجاد النموذج الأكثر تطوراً للذكاء الاصطناعي، بل بإيجاد توازن مستدام بين الحاجة إلى نظام أساسي مستقر وغير متغير، والحاجة إلى أن يتكيف الذكاء الاصطناعي ويتعلم. وتوضح النتائج أن النجاح يعتمد بشكل أقل على البراعة التكنولوجية وبشكل أكبر على الانضباط التنظيمي، وتحديداً فيما يتعلق بكيفية إدارة البيانات وكيفية التعامل مع التغييرات في النظام.

يُعرَّف مشهد هذا التكامل بمفهوم يُعرف باسم "الجوهر النظيف" (Clean Core). في عالم "ساب"، يفرض هذا المبدأ أن يظل البرنامج المركزي قريباً قدر الإمكان من شكله الأصلي والمعياري. وتُشجع الشركات على تجنب إجراء تغييرات عميقة ودائمة في الكود الأساسي، تماماً كما قد يتجنب مالك المنزل هدم الجدران الحاملة لإضافة غرفة جديدة. بدلاً من ذلك، يجب عليهم بناء توسعات في الخارج. يضمن هذا النهج أنه عندما يصدر مورد البرمجيات تحديثاً، لا يتعطل النظام. ومع ذلك، غالباً ما يتطلب الذكاء الاصطناعي العكس تماماً؛ فلكي يكون مفيداً حقاً، يحتاج الذكاء الاصطناعي إلى رؤية تفاصيل محددة وفريدة عن عمليات الشركة — عادات عملائها الخاصة، والتعقيدات النوعية في سلسلة التوريد الخاصة بها، وبياناتها المملوكة. وهذا يخلق صراعاً هيكلياً: فالذكاء الاصطناعي يريد الغوص بعمق والتخصيص، بينما يتطلب النظام منه البقاء على السطح والالتزام بالمعايير.

وتحدد الدراسة أن هذا الصراع ليس مجرد عقبة تقنية، بل هو تحدٍ تنظيمي جوهري. فعندما تحاول الشركات فرض الذكاء الاصطناعي في نظام غير مستعد، فإنها تخاطر بخلق ما تسميه الورقة البحثية "التكنولوجيا الشبحية". وهي أنظمة تعمل تقنياً وتنتج مخرجات، ولكن نظراً لافتقارها إلى السياق المحدد للأعمال، يتم تجاهل نتائجها من قبل الأشخاص الذين يحتاجون إليها. على سبيل المثال، قد تتنبأ أداة التنبؤ بالطلب بالمبيعات بناءً على اتجاهات الصناعة العامة، ولكن إذا لم تتمكن من رؤية حملة تسويقية فريدة للشركة أو عقد مورد محدد، فستكون نصيحتها عديمة الفائدة. وتسلط الأبحاث الضوء على أن الفجوة بين الذكاء الاصطناعي العام الذي يقدمه المورد والواقع المحدد للأعمال هي السبب الرئيسي لفشل العديد من عمليات التنفيذ في تقديم القيمة.

وللتغلب على ذلك، تقترح الورقة استراتيجية "المسار المزدوج"، معترفة بأن معظم الشركات تعيش حالياً في عالمين في آن واحد. فلا تزال العديد من المؤسسات تشغل أنظمتها القديمة، المعروفة باسم (ECC)، والتي من المقرر إنهاؤها بحلول عام 2027، بينما تستعد في الوقت نفسه للانتقال إلى أنظمة (S/4HANA) السحابية الأحدث. وتقترح الدراسة ألا تنتظر الشركات الهجرة الكاملة للبدء في استخدام الذكاء الاصطناعي، بل يمكنها تشغيل مسارين متوازيين. ففي الأنظمة الأقدم، يمكنهم استخدام ذكاء اصطناعي "جانبي" (Sidecar)، والذي يستقر خارج النظام الرئيسي ويتواصل معه عبر قنوات معيارية آمنة. وهذا يسمح للشركة بالتجربة مع الذكاء الاصطناعي دون المخاطرة باستقرار الجوهر. أما في الأنظمة السحابية الأحدث، فيمكنهم تفعيل ميزات الذكاء الاصطناعي المدمجة مباشرة في البرامج تدريجياً، والاستفادة من البنية الحديثة التي تدعم هذه القدرات.

إن النتيجة الحاسمة للبحث هي أن جاهزية البيانات هي الحارس الحقيقي. فمهما كان الذكاء الاصطناعي متطوراً، لا يمكنه العمل إذا كانت المعلومات التي يتغذى عليها فوضوية أو ناقصة أو غير متسقة. وتؤكد الورقة أن العديد من المؤسسات تستهين بالعمل المطلوب لتنظيف وتنظيم بياناتها قبل إدخال الذكاء الاصطناعي. فإذا كانت البيانات رديئة، سينتج الذكاء الاصطناعي نتائج رديئة، وهو ديناميك يُلخص غالباً بعبارة "مدخلات رديئة تؤدي لمخرجات رديئة" (Garbage In, Garbage Out). وتجادل الدراسة بأن الاستثمار في جودة البيانات ليس مجرد خطوة تقنية، بل هو شرط مسبق لأي نجاح للذكاء الاصطناعي. فبدون هذا الأساس، ستعاني حتى أكثر استراتيجيات الذكاء الاصطناعي تصميمًا لإيجاد موطئ قدم لها.

كما ترسم الأبحاث خارطة طريق خطوة بخوة للشركات لاتباعها، بالانتقال من التطبيقات البسيطة منخفضة المخاطر إلى الأنظمة الأكثر تعقيداً واستقلالية. تتضمن المرحلة الأولى إعداد البيانات وتحديد مشكلات صغيرة ومحددة بدقة حيث يمكن للذكاء الاصطناٍ تقديم مساعدة فورية، مثل أتمتة مطابقة الفواتات الروتينية أو تلخيص المستندات الطويلة. وتتضمن المرحلة الثانية الانتقال إلى السحابة وتفعيل الميزات الأكثر تقدماً، بينما تتطلع المرحلة الثالثة نحو مستقبل يمكن فيه لوكلاء الذكاء الاصطناعي إدارة سير عمل كامل بأقل تدخل بشري. وطوال هذه الرحلة، تشدد الورقة على أهمية الحوكمة؛ وهذا يعني وجود قواعد واضحة حول من المسؤول عن الذكاء الاصطناعي، وكيفية مراقبة قراراته، وكيفية معالجة المخاوف الأخلاقية مثل التحيز والخصوصية. وتشير الدراسة إلى أنه بدون هذه الضوابط، لا يمكن للشركات توسيع قوة أنظمة الذكاء الاصطناعي الخاصة بها بأمان.

وفي الختام، تخلص الورقة إلى أن دمج الذكاء الاصطناعي في نظام (SAP ERP) ليس سباقاً لتبني أحدث التقنيات، بل هو عملية منضبطة من المواءمة. فنماذج الذكاء الاصطناعي الأكثر تطوراً ستفشل إذا تم نشرها على بيانات سيئة أو إذا أدت إلى تعطيل استقرار الجوهر. وعلى العكس من ذلك، يمكن لأدوات الذكاء الاصطناعي الأقل تعقيداً أن تقدم قيمة كبيرة إذا بُنيت على أساس من البيانات النظيفة واستراتيجية تنظيمية واضحة. وتشير الأبحاث إلى أن الشركات التي ستنجح هي تلك التي ستتعامل مع الذكاء الاصطناعي ليس كمشروع لمرة واحدة، بل كقدرة مستمرة تتطور جنباً إلى جنب مع العمل، مع احترام الحاجة دائماً إلى جوهر مستقر وموثوق، مع التوسع التدريجي في حدود ما يمكن للنظام القيام به.