دليل التنفيذ
لماذا تفشل مشاريع الذكاء الاصطناعي، والحل العملي لكل سبب
لماذا تفشل مشاريع الذكاء الاصطناعي؟ نادرًا ما يكون الأمر لغزًا عندما تنظرون داخل أحدها: فقد نجح العرض التوضيحي على عينات نظيفة، ثم وصلت المدخلات الحقيقية والتكاليف الحقيقية والمستخدمون الحقيقيون. وهذا الدليل موجّه لقادة العمليات وتقنية المعلومات والفرق الذين يوشكون على تمويل مشروع، أو يحاولون إنقاذ مشروع متعثر. ويلخص ما أفادت به MIT NANDA وBCG وS&P Global وGartner، ثم يحوّل كل سبب إلى حل ملموس نطبقه في مشاريعنا.
احصلوا على خطة تنفيذ مجانية
سطران يكفيان. يرد عليكم أحد المختصين خلال يوم عمل واحد.
إجابة سريعة
لماذا تفشل مشاريع الذكاء الاصطناعي؟
تعود أسباب فشل مشاريع الذكاء الاصطناعي عادةً إلى عدد قليل من العوامل: غياب خط أساس مقيس، وسير عمل ينهار أمام المدخلات الحقيقية، وأدوات تقع خارج العمل اليومي، وأنظمة لا تتعلم من السياق، وتكاليف خارجة عن السيطرة، ومخاوف الخصوصية، وضعف ضوابط المخاطر. ويمكن تفادي كل منها بالتصميم عبر خطوط الأساس ومجموعات التقييم والتكامل وسقوف التكلفة والمراجعة البشرية.
- معظم حالات الفشل تأتي من الملاءمة والبيانات والتكلفة، لا من النموذج نفسه.
- خط الأساس المقيس قبل البناء هو الطريقة الوحيدة لإثبات القيمة.
- يجب أن تصل المخرجات إلى داخل النظام الذي يستخدمه الموظفون يوميًا.
- سقوف التكلفة والصلاحيات الضيقة وخطة التراجع تبقي المخاطر والإنفاق ضمن حدود.
لماذا تفشل مشاريع الذكاء الاصطناعي: ماذا تقول الأبحاث؟
تتفق الأبحاث على أن معظم المشاريع تتعثر بين المرحلة التجريبية والإنتاج، وأن النموذج نادرًا ما يكون السبب. فقد أفادت MIT NANDA في يوليو 2025 بأن 95% من المؤسسات لم تحقق عائدًا قابلًا للقياس في الأرباح والخسائر من الذكاء الاصطناعي التوليدي، وأشارت إلى سير العمل الهش، والأدوات التي لا تتعلم من السياق، وضعف الملاءمة مع العمل اليومي.
ووجد تقرير BCG الصادر في أكتوبر 2025 عن اتساع فجوة القيمة في الذكاء الاصطناعي أن أقلية صغيرة فقط من الشركات تحقق قيمة من الذكاء الاصطناعي على نطاق واسع. ووفقًا لاستطلاع أجرته S&P Global Market Intelligence، تخلت نسبة متزايدة من الشركات عن معظم مبادراتها في الذكاء الاصطناعي في عام 2025، مشيرة إلى التكلفة وخصوصية البيانات والأمن. وتوقعت Gartner في يونيو 2025 أن يُلغى أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلي بحلول نهاية 2027 بسبب التكلفة أو عدم وضوح القيمة أو ضعف ضوابط المخاطر، وحذّرت من ظاهرة agent washing (تسويق منتجات على أنها وكلاء ذكاء اصطناعي وهي ليست كذلك).
وعند قراءة هذه النتائج معًا، فإنها تشير إلى سبعة أسباب. وتتناولها الأقسام التالية واحدًا تلو الآخر، مع الحل الذي نطبقه لكل منها.
السبب 1: لم يقِس أحد نقطة البداية
لا يستطيع المشروع إظهار قيمته إذا لم يسجل أحد كيف كان العمل يسير قبله. و«عدم وضوح القيمة» الذي تذكره Gartner كثيرًا ما يكون هذا بالضبط: النظام يعمل، لكن لا يوجد رقم سابق للمقارنة به، فلا تجد مراجعة الميزانية ما تستند إليه.
والحل هو القياس قبل البناء. سجّلوا لسير العمل المختار الدقائق لكل مهمة، وعدد المهام شهريًا، ومعدل الخطأ أو إعادة العمل، ومن يؤديها. واتفقوا على الهدف بالوحدات نفسها (مثل وقت إدخال الفاتورة ونسبة الفواتير التي تحتاج إلى تصحيح)، وضعوا المقارنة في تقرير شهري منذ الإطلاق فصاعدًا.
وإذا لم تتمكنوا من قياس خط الأساس بعد، فخصصوا أسبوعين لتسجيله يدويًا قبل تمويل البناء. فهذا رخيص، وكثيرًا ما يكشف أن عنق الزجاجة الحقيقي في مكان غير الذي افترضه الجميع.
السبب 2: سير العمل ينهار أمام المدخلات الحقيقية
سير العمل الهش، وهو أول سبب ذكرته MIT NANDA، ينشأ عادةً من الاختبار على عينات مرتبة. أما المدخلات الحقيقية فتشمل ملفات PDF ممسوحة ضوئيًا، وسلاسل بريد إلكتروني مُعاد توجيهها، ومتصلين يغيّرون الموضوع في منتصف المكالمة، وسجلات موجودة أصلًا في نظام CRM باسم مختلف قليلًا.
والحل هو مجموعة تقييم مبنية من أمثلة حقيقية غير مرتبة ذات إجابات صحيحة معروفة، يُعاد تشغيلها بعد كل تغيير في التعليمات أو الاسترجاع أو النموذج. وأضيفوا تحققًا على مستوى الحقول (مجاميع يجب أن تتطابق، وتواريخ يجب أن تقع ضمن نطاق، ومعرّفات يجب أن تكون موجودة في NetSuite أو QuickBooks)، وعتبة ثقة تُحيل العناصر المشكوك فيها إلى قائمة مراجعة بشرية بدلًا من التخمين.
- مجموعة تقييم مستمدة من المدخلات الفعلية في الأشهر الأخيرة، بما فيها حالات الإخفاق.
- قواعد تحقق على كل حقل يُكتب في نظام السجلات الرسمي.
- قائمة مراجعة بشرية لكل ما يقع دون عتبة الثقة.
السبب 3: الأداة تقع خارج العمل اليومي
ضعف الملاءمة مع العمل اليومي، وهو السبب الثالث لدى MIT NANDA، يظهر في صورة نافذة محادثة أو لوحة معلومات منفصلة يجب على الموظفين تذكّر فتحها. وخلال أسابيع يتوقفون عن فتحها، ويهبط الاستخدام بصمت إلى الصفر.
والحل هو تسليم المخرجات حيث يجري العمل أصلًا: مسودة رد داخل تذكرة Zendesk، أو سجل مكتمل في HubSpot أو Salesforce، أو فاتورة مورد تنتظر الاعتماد في نظام ERP، أو ملخص منشور في القناة التي يستخدمها الفريق. وتُظهر إحدى دراسات الحالة لدينا المبدأ نفسه دون أي روبوت محادثة: فقد نقل مقدّم خدمات علاجية أخصائييه إلى بوابة AppSheet موجّهة مع التحقق ومزامنة الفوترة، فانخفض إدخال البيانات من 10-15 دقيقة يوميًا إلى أقل من 3 دقائق، وأُوقفت الأخطاء من مصدرها.
السبب 4: النظام لا يتعلم من السياق
النظام الذي يجيب من تعليمات ثابتة يكرر الأخطاء نفسها، ولهذا دخلت الأدوات التي لا تتعلم من السياق قائمة MIT NANDA. فالسياسات تتغير، وقوائم الأسعار تُحدَّث، والموظفون يصححون الخطأ نفسه كل أسبوع دون أثر.
والحل من جزأين. أولًا، أسندوا الإجابات إلى مستندات الشركة الحالية عبر الاسترجاع مع ذكر المصادر، بحيث يؤدي تحديث ملف في SharePoint أو Google Drive إلى تحديث الإجابة، ويستطيع المراجع رؤية المصدر. ثانيًا، أغلقوا الحلقة: كل تصحيح يُجرى في قائمة المراجعة يُسجَّل ويُضاف إلى مجموعة التقييم ويُستخدم لضبط التعليمات أو القواعد وفق جدول منتظم.
وبالنسبة للوكلاء الصوتيين، تنطبق الفكرة نفسها على نصوص المكالمات: فالمكالمات التي حوّلها الوكيل أو أساء فهمها أو فقد فيها المتصل هي أفضل مادة لتطوير الجولة التالية من تغييرات التعليمات والتوجيه.
السبب 5: التكاليف تنمو أسرع من القيمة
التكلفة هي السبب الذي يظهر في نتائج S&P Global وGartner معًا. ففواتير الاستخدام لرموز النماذج ودقائق الصوت ترتفع مع الحجم، والوكيل العالق في حلقة متكررة قد ينفق في فترة بعد الظهر أكثر مما تستحقه مهمته.
والحل هو هندسة الميزانية داخل النظام. ضعوا سقفًا للتكلفة لكل مهمة يوقف التشغيل وينبّه أحدًا، وسجّلوا الرموز والدقائق لكل مهمة منذ الاختبار الأول، ووجّهوا التصنيف البسيط إلى نموذج أصغر واحتفظوا بالنموذج الأكبر للاستدلال الحقيقي، وراجعوا تكلفة كل مهمة مقابل قيمتها كل شهر. ويسرد دليلنا لتكلفة تنفيذ الذكاء الاصطناعي مكونات تكلفة التشغيل التي يجب تتبعها.
السبب 6: مخاوف الخصوصية والأمن توقف النشر
خصوصية البيانات والأمن هما السببان الآخران اللذان ذكرهما استطلاع S&P Global، وكثيرًا ما يظهران متأخرين، عندما يرى الفريق القانوني أو فريق تقنية المعلومات التصميم لأول مرة. فالمشروع التجريبي المبني على حساب محادثة استهلاكي لا يمكن نقله إلى الإنتاج مع بيانات العملاء أو المرضى.
والحل هو حسم طريقة التعامل مع البيانات في الأسابيع الأولى. استخدموا مستويات API أو باقات المؤسسات التي تناسب شروطها بياناتكم، واحصلوا على اتفاقية شريك أعمال (BAA) موقّعة من كل مورّد يتعامل مع المعلومات الصحية المحمية، وامنحوا النظام أضيق صلاحية يحتاجها فقط، وسجّلوا كل تعليمة وكل مخرج. ويملك العملاء الحسابات، فتبقى البيانات خاضعة لعقود يتحكمون فيها.
أشركوا تقنية المعلومات والفريق القانوني في المراجعة قبل البناء، لا بعده. فمخطط تدفق بيانات من صفحة واحدة يوضح الأنظمة التي يُقرأ منها، والتي يُكتب فيها، والمورّدين الذين يرون البيانات، ومكان تخزين السجلات، يجيب عن معظم أسئلتهم مبكرًا.
السبب 7: الوكلاء يتصرفون دون رقابة كافية
ضعف ضوابط المخاطر هو السبب الثالث في توقعات Gartner للإلغاء، والوكلاء يرفعون المخاطر لأنهم ينفّذون إجراءات، لا يكتبون نصوصًا فقط. وتزيد ظاهرة agent washing المشكلة سوءًا: منتجات تُباع على أنها وكلاء مستقلون وهي في الحقيقة نصوص برمجية بسيطة، أو تتصرف بحرية أكبر بكثير مما أدركه المشتري.
والحل هو تحديد ما يُسمح للوكيل بفعله. اسردوا أدواته صراحةً، وامنحوا كل أداة الحد الأدنى من الصلاحيات، واشترطوا موافقة بشرية على أي شيء يحرّك أموالًا أو يتواصل مع عميل أو يغيّر سجلات خاضعة للتنظيم، واحتفظوا بمسار تراجع يمكنه إيقاف الوكيل وإعادة العمل إلى الموظفين. وعند تقييم أي مورّد، اطلبوا منه عرض استدعاءات الأدوات والسجلات من تشغيل حقيقي، لا الإجابة النهائية فقط.
هل تبنون داخليًا أم مع شريك متخصص؟
أفادت MIT NANDA بأن المشاريع المشتراة من شركاء متخصصين أو المبنية معهم نجحت أكثر من المشاريع الداخلية. ووجد البحث نفسه أن أكبر العوائد جاءت من أتمتة المكاتب الخلفية، رغم أن الميزانيات مالت نحو المبيعات والتسويق.
وأيًا كان المسار الذي تختارونه، فالحلول أعلاه هي ما يهم. نحدد نطاق كل مشروع في مراجعة مجانية، ونسعّره كبناء بسعر ثابت، ونسلّم الشيفرة والتعليمات والحسابات حتى يتمكن فريقكم من تشغيله. ويعرض دليلنا لخارطة طريق التنفيذ المراحل بالترتيب.
دراسة حالة · مقدّم خدمات علاجية
بوابة للمعالجين على AppSheet
كان المعالجون يسجّلون الجلسات في جداول بيانات مشتركة، فكان فريق الفوترة يصحّح التنسيقات والمدد والتفويضات الناقصة قبل كل دورة. بوابة موجّهة مع تحقق من البيانات، وحساب تلقائي للمدد، وموافقات، ومزامنة تلقائية مع الفوترة.
- تراجع إدخال البيانات من 10-15 دقيقة يوميًا إلى أقل من 3 دقائق
- إيقاف الأخطاء من مصدرها

الأسئلة الشائعة
الأسئلة الشائعة
ما نسبة مشاريع الذكاء الاصطناعي التي تفشل؟
تختلف الأرقام بحسب التعريف. فقد أفادت MIT NANDA بأن 95% من المؤسسات لم تحقق عائدًا قابلًا للقياس في الأرباح والخسائر من الذكاء الاصطناعي التوليدي، وتوقعت Gartner أن يُلغى أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلي بحلول نهاية 2027. ويشير كلاهما إلى الملاءمة والتكلفة والضوابط لا إلى جودة النموذج.
لماذا لا تصل المشاريع التجريبية للذكاء الاصطناعي إلى الإنتاج؟
تُختبر المشاريع التجريبية عادةً على عينات نظيفة، وتُبنى خارج الأدوات اليومية، وتعمل دون حدود للتكلفة أو خطوات مراجعة. وعندما تصل المدخلات الحقيقية والأحجام الحقيقية والمراجعات الأمنية، تظهر الثغرات. والبناء ببيانات حقيقية وتكامل ومراجعة بشرية منذ البداية يتفادى معظم ذلك.
كيف تنقذون مشروع ذكاء اصطناعي متعثرًا؟
ابدؤوا بقياس العملية الحالية ليكون لديكم خط أساس، ثم ابنوا مجموعة تقييم من مدخلات حقيقية وانظروا أين يخفق النظام. أصلحوا أنماط الإخفاق الرئيسية، وانقلوا المخرجات إلى النظام الذي يستخدمه الموظفون، وأضيفوا سقوفًا للتكلفة وقائمة مراجعة قبل إعادة الإطلاق.
ما المقصود بـ agent washing؟
agent washing هو المصطلح الذي استخدمته Gartner لوصف منتجات تُسوَّق على أنها وكلاء ذكاء اصطناعي بينما لا تعمل فعليًا كوكلاء. اطلبوا من أي مورّد أن يعرض الأدوات التي يستطيع الوكيل استدعاءها، والصلاحيات الممنوحة لكل منها، والسجلات من تشغيل حقيقي.
هل تحتاجون إلى بيانات مثالية لتفادي فشل مشروع الذكاء الاصطناعي؟
لا. تحتاجون إلى صلاحية الوصول إلى الأنظمة المعنية، وخريطة واضحة للحقول، وتحقق يكتشف السجلات الخاطئة. والنظام المصمم لتعليم المدخلات غير المرتبة وإحالتها إلى شخص يتعامل مع البيانات غير المثالية أفضل من نظام يفترض أن البيانات نظيفة.
ما السبب الأكثر شيوعًا لفشل مشاريع الذكاء الاصطناعي؟
ضعف الملاءمة مع طريقة عمل الموظفين الفعلية من أكثر الأسباب شيوعًا. فالأداة التي تعمل في نافذة منفصلة، أو لا تستطيع التعامل مع المدخلات الحقيقية، يُتخلى عنها حتى عندما يكون النموذج قادرًا. ووضع المخرجات داخل الأنظمة القائمة، مع خطوة مراجعة للحالات المشكوك فيها، يعالج ذلك.
تابعوا القراءة
صفحات ذات صلة
ابدأوا الآن
أخبرونا بما تريدون أتمتته
صِفوا المهمة والأنظمة المعنية وحجم العمل. وخلال يوم عمل واحد نرد عليكم بتصوّر للبنية، والأدوات التي سنستخدمها، وتكاليف التشغيل، وخطة تنفيذ بسعر ثابت.
- مراجعة مجانية مدتها 30 دقيقة
- عرض سعر ثابت قبل بدء أي عمل
- الحسابات والشيفرة والتعليمات والبيانات ملك لكم
تفضّلون البريد الإلكتروني؟ info@aiimplementationconsultants.com
احصلوا على خطة تنفيذ مجانية
سطران يكفيان للبدء.