An integrated sociotechnical reference model for aligning artificial intelligence implementation in organizations
باستخدام منهجية بحوث علم التصميم، تعالج هذه الدراسة عدم التوافق بين تنفيذ الذكاء الاصطناعي والتحول التنظيمي من خلال تحليل النماذج الإجرائية القائمة لبناء النموذج المرجعي المتكامل للذكاء الاصطناعي الاجتماعي التقني (ISAR-M)، الذي يعمل على مزامنة القدرات التقنية مع الجاهزية التنظيمية للتغلب على الصوامع التخصصية وضمان نجاح تبني الذكاء الاصطناعي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
تتسابق الشركات الحديثة لتبني الذكاء الاصطناعي، آملة في أن تُحدث هذه الأنظمة الذكية ثورة في طريقة عملها. ومع ذلك، ورغم الحماس والأهمية الاستراتيجية التي تُولى لهذه التكنولوجيا، تفشل معظم المؤسسات في تحويل طموحاتها إلى نتائج حقيقية. إن المشكلة نادراً ما تكون في تعطل الكود البرمجي أو ضعف الخوارزميات؛ بل ينبع الفشل عادةً من وجود فجوة بين التكنولوجيا والأشخاص الذين يجب أن يستخدموها. فعندما تقوم شركة بتثبيت نظام جديد، فإن الأمر لا يقتصر على كونه مجرد ترقية تقنية، بل هو تغيير لطريقة عمل المؤسسة بأكملها، بما يتضمنه ذلك من قواعد جديدة، وأدوار جديدة، وطرق تفكير جديدة. وإذا تحركت التكنولوجيا بسرعة أكبر مما يستطيع البشر التكيف معه، أو إذا لم يكن الناس مستعدين للأدوات الجديدة، فإن النظام يتوقف. وهذه الفجوة بين ما يمكن للآلة القيام به وما هي المؤسسة مستعدة للتعامل معه هي التحدي المركزي الذي يحاول الباحثون حله.
لقد وضع فريق من الباحثين في جامعة ميونيخ للعلوم التطبيقية خطة لإصلاح هذا الانفصال. فقد لاحظوا أنه بينما توجد العديد من الأدلة حول كيفية بناء الذكاء الاصطناعي والعديد من الأدلة حول كيفية إدارة استراتيجية الأعمال، لا يوجد مسار واحد موحد يربط بينهما. فغالياً ما تعامل الأدلة الحالية التكنولوجيا والجانب البشري كمسائل منفصلة؛ حيث يركز بعضها تماماً على الخطوات الهندسية، مثل تنظيف البيانات والبرمجة، متجاهلاً رد فعل العمال. بينما يركز البعض الآخر على أهداف العمل رفيعة المستوى لكنه لا يقدم خطوات عملية للتنفيذ. ويخلق هذا الانفصال وضعاً خطيراً حيث قد تبني الشركة حلاً تقنياً مثالياً لا يعرف أحد كيفية استخدامه، أو لا تكون الشركة مستعدة لدعمه. ولمعالجة ذلك، قام الباحثون بتحليل خمسة وأربعين نموذجاً مختلفاً من النماذج الموجودة لتقديم الذكاء الاصطناعي. لم يكتفوا بقراءتها فحسب، بل قاموا بتفكيكها لمعرفة الخطوات التي تتضمنها وما فاتها بدقة.
وكشف التحليل أن النهج الحالي يعاني من نقطتي ضعف رئيسيتين. أولاً، تركز العديد من النماذج بشكل مفرط على الداخل، حيث تنظر فقط فيما إذا كانت التكنولوجيا تعمل دون التساؤل عما إذا كانت تتناسب مع السوق أو احتياجات العمل الأوسع. ثانياً، غالباً ما تكون هذه النماذج تقنية بحتة (تكنوقراطية)، بمعنى أنها تعطي الأولوية لأداء الآلة على حساب التجربة البشرية؛ فقد تضمن أن البرنامج سريع ودقيق، لكنها تفشل في تصميم النظام بحيث يكون من السهل على البشر فهمه أو الوثوق به. ووجد الباحثون أنه بينما تتفق جميع النماذج تقريباً على أن جودة البيانات وقيمة الأعمال أمران مهمان، إلا أن القليل منها يقدم تعليمات ملموسة وخطوة بخطوة حول كيفية إدارة الجانب البشري، مثل تدريب الموظفين أو تصميم واجهات سهلة الاستخدام.
ولحل هذه المشكلة، بنى الفريق إطار عمل جديداً يسمى "النموذج المرجعي المتكامل للذكاء الاصطناعي الاجتماعي التقني". هم لم يخترعوا هذا النموذج من الصفر، بل عملوا كبنائي محترفين يجمعون أفضل الأجزاء من النماذج الخمسة والأربعين التي درسوها. لقد اختاروا أكثر دليلين شمولاً ليكون بمثابة أساس، ثم ملأوا القطع المفقودة بخطوات محددة وعالية الجودة من نماذج أخرى. والنتيجة هي خارطة طريق واحدة ومتماسكة تجبر الشركة على المضي قدماً في مسارين في آن واحد: المسار التقني والمسار البشري.
يقسم هذا النموذج الجديد العملية إلى أربع مراحل رئيسية: التقييم، التصميم، التنفيذ، والتشغيل. في المرحلة الأولى، "التقييم"، يجب على الشركة التحقق من جاهزيتها قبل إنفاق أي أموال. وهذا ليس مجرد فحص تقني؛ بل يتطلب النظر في البيانات، والقواعد القانونية، والأشخاص. ويقدم النموذج "بوابة" صارمة عند هذه النقطة؛ فإذا كانت البيانات ضعيفة أو كانت التصاريح القانونية غير واضحة، يتوقف المشروع فوراً. وهذا يمنع الشركات من إهدار الموارد في أفكار مستحيلة تقنياً أو محفوفة بالمخاطر قانونياً، ويضمن أن استراتيجية العمل مدعومة فعلياً بالواقع الذي تمتلكه الشركة.
بمجرد تجاوز المشروع للبوابة الأولى، ينتقل إلى مرحلة "التصميم". وهنا، يصر النموذج على ضرورة مشاركة الأشخاص الذين سيستخدمون النظام في عملية إنشائه. فبدلاً من قيام المهندسين ببناء أداة في مختبر ثم تسليمها لاحقاً، يجب على الشركة عقد ورش عمل يشارك فيها العمال في تصميم شكل الأداة وكيفية شعورهم تجاه استخدامها. وهذا يضمن أن الأداة تناسب الوظيفة الفعلية. وفي الوقت نفسه، يقوم الفريق التقني بتصميم بنية النظام. ويتطلب النموذج أن يحدث هذان المساران بالتوازي. وقبل المضي قدماً، تتحقق بوابة أخرى مما إذا كان التصميم آمناً، وأخلاقياً، وموثوقاً به من قبل الأشخاص الذين سيستخدمونه. فإذا لم يكن العمال مستعدين أو لم يثقوا في النظام، فلا يمكن للمشروع أن يستمر، بغض النظر عن جودة الكود البرمجي.
المرحلة الثالثة، "التنفيذ"، هي المرحلة التي يتم فيها بناء النظام واختباره. ويدرك النموذج أن البرمجيات يمكن تحديثها بسرعة كبيرة، لكن البشر يستغرقون وقتاً أطول للتعلم والتكيف. ولمنع التكنولوجيا من التقدم بسرعة أكبر من الموظفين، تنشئ الشركة مساحات آمنة للتجربة؛ حيث يمكن للعمال تجربة النظام في بيئة منخفضة المخاطر قبل استخدامه في العمل الحقيقي. وهذا يساعدهم على الاعتياد على الأدوات الجديدة دون خوف من ارتكاب الأخطاء. كما يتطلب النموذج اختبار النظام ليس فقط من حيث السرعة، بل أيضاً من حيث العدالة والأمان. وتتحقق بوابة نهائية مما إذا كان النظام جاهزاً للإطلاق، حيث تطرح سؤالاً بسيطاً: هل القيمة التي يوفرها النظام تبرر تكلفة نشره؟ إذا كانت الإجابة "لا"، يتم إيقاف المشروع مؤقتاً.
المرحلة الأخيرة، "التشغيل"، تتعلق بالحفاظ على عمل النظام على المدى الطويل. يمكن لأنظمة الذكاء الاصطناعي أن تنحرف بمرور الوقت، مما يعني أنها تصبح أقل دقة مع تغير العالم. ويتطلب النموذج مراقبة مستمرة لرصد هذه التغيرات. ولكنه يتطلب أيضاً رعاية مستمرة للبشر؛ إذ يجب على الشركة مواصلة التواصل مع الموظفين، ومعالجة مخاوفهم، وتحديث مهاراتهم. ويتضمن النموذج مجموعة إشراف محددة لضمان بقاء النظام أخلاقياً وضمان عدم تعرض العمال البشريين للإرهاق بسبب التكنولوجيا. تضمن هذه المرحلة بقاء العلاقة بين الآلة والمؤسسة صحية مع تطور كل منهما.
اختبر الباحثون نموذجهم الجديد من خلال تشغيله عبر عدة سيناريوهات افتراضية. في حالة واحدة، تخيلوا شركة تحاول إطلاق "بوت" لخدمة العملاء دون التحقق مما إذا كانت بياناتها جاهزة؛ فأوقفت بوابة النموذج الأولى المشروع، مما جنب الشركة فشلاً مكلفاً. وفي سيناريو آخر، تخيلوا فريقاً بنى نظاماً عالي الدقة لكنه تخطى مرحلة التدريب للعمال؛ فأوقفت بوابة النموذج النهائية عملية الإطلاق، مما أجبر الفريق على العودة لتدريب الموظفين أولاً. أظهرت هذه الاختبارات أن النموذج يعمل كآلية سلامة، حيث يرصد المشكلات قبل أن تتحول إلى كوارث.
ولمعرفة ما إذا كان النموذج سيعمل في العالم الحقيقي، قابل الباحثون ثلاثة خبراء يديرون مشاريع الذكاء الاصطناعي في أنواع مختلفة من الشركات. وأكد هؤلاء الخبراء أن فكرة تشغيل المسارين التقني والبشري جنباً إلى جنب هي أمر ضروري. وأشاروا إلى أنه في العديد من المشاريع الحالية، غالباً ما يكون العمل المتعلق بإدارة الناس والثقافة غير مرئي ويتم استبعاده من الميزانيات. ويجعل هذا النموذج هذا العمل مرئياً وإلزامياً. ومع ذلك، أشار الخبراء أيضاً إلى أن النموذج يحتاج إلى المرونة؛ ففي الشركات الناشئة سريعة الحركة، قد يحتاج المسار إلى العودة ذهاباً وإياباً بشكل أسرع من الخطوات القياسية. وقد عدّل الباحثون النموذج ليشمل حلقات التغذية الراجعة هذه، مما يضمن إمكانية استخدامه من قبل الشركات الكبرى المستقرة والفرق الصغيرة الرشيقة على حد سواء.
تخلص الدراسة إلى أن أكبر عائق أمام الذكاء الاصطناعي ليس التكنولوجيا نفسها، بل عملية إدارتها. ويعتمد النجاح على قدرة الشركة على مزامنة سرعة هندستها مع سرعة تكيف أفرادها. ويوفر النموذج الجديد طريقة منظمة للقيام بذلك، محولاً الأفكار المجردة حول الأخلاق والثقافة إلى خطوات ملموسة يمكن فحصها والتحقق منها. ويشير إلى أن مستقبل الذكاء الاصطناعي في الأعمال لن يتحدد بمدى ذكاء الخوارزميات، بل بمدى قدرة المؤسسات على مواءمة تكنولوجيتها مع قوتها العاملة البشرية. ومن خلال اتباع هذا المسار المتكامل، يمكن للشركات تجنب الفخ الشائع المتمثل في بناء أدوات قوية لا أحد مستعد لاستخدامها، مما يضمن أن استثماراتها في الذكاء الاصطناعي تحقق قيمة فعلية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.