الأتمتة بالذكاء الاصطناعي أم الأتمتة التقليدية: متى تبقى القواعد الخيار الصحيح

الأتمتة التقليدية تنفّذ ما حددته بالضبط في كل مرة، وبتكلفة لا تكاد تُذكر لكل تشغيل. أما الأتمتة بالذكاء الاصطناعي فتستطيع قراءة مدخلات لم تتوقعها أي قاعدة وفهمها، لكن لكل تشغيل ثمناً، وقد تخطئ أحياناً.

لذلك فالسؤال المفيد ليس أيهما تشتري، بل أي خطوات العملية تحتاج إلى تقدير وأيها لا تحتاج. وفي معظم مسارات العمل في الشركات يكون الجواب مختلطاً: خطوات قليلة تتطلب قراءة رسالة أو عقد أو نموذج ممسوح ضوئياً، وكل ما حولها نقل بيانات عادي تتولاه القاعدة بشكل أفضل.

في هذا الدليل نقارن بين النوعين في ما يحسم نجاح المشروع: الموثوقية وتكلفة التشغيل والصيانة والمخاطر، ثم نعرض طريقة بسيطة لتقسيم مسار العمل بينهما. وإن أردت التعريف الأوسع للأتمتة بالذكاء الاصطناعي أولاً، فابدأ بدليل ما هي أتمتة الأعمال بالذكاء الاصطناعي؟

تشمل الأتمتة التقليدية السكربتات، والمهام المجدولة، وأدوات سير العمل التي تربط التطبيقات بمنطق إذا حدث كذا فافعل كذا، وأتمتة العمليات الروبوتية RPA التي تنقر على الشاشات كما يفعل الموظف. وصفتها الأساسية أنها حتمية: المدخلات نفسها تعطي النتيجة نفسها دائماً.

لهذا هي الأداة المناسبة كلما أمكن كتابة المنطق بوضوح:

• نقل البيانات المنظمة: طلب مدفوع في المتجر ينشئ فاتورة في النظام المحاسبي ومهمة في نظام المستودع.
• التحقق: صيغة الرقم الضريبي صحيحة، والإجمالي يطابق بنود الفاتورة، والتاريخ ليس في الماضي.
• التوجيه حسب حقول معروفة: تذاكر الفوترة تذهب إلى المالية، والطلبات التي تتجاوز قيمة محددة تحتاج إلى موافقة المدير.
• الأعمال المجدولة: المزامنة الليلية والتذكيرات وتصدير بيانات نهاية الشهر.

ونقطة ضعفها هي الوجه الآخر للصفة نفسها. فالقاعدة لا تعرف ماذا تفعل بمدخلات لم تُكتب لها. يغيّر المورد تصميم فاتورته، أو يكتب العميل أن ما طلبه الأسبوع الماضي لم يصل، أو تنقل صفحة ويب زراً من مكانه، فتتوقف الأتمتة أو تخطئ بصمت. والفرق التي تدير عدداً كبيراً من روبوتات RPA تقضي جزءاً حقيقياً من وقتها في إصلاح هذا النوع من الأعطال.

تستخدم خطوة الذكاء الاصطناعي نموذجاً لغوياً أو بصرياً لأداء ما لا تقدر عليه القواعد: قراءة رسالة العميل وفهم ما يريده، أو استخراج الحقول من عقد لم يره من قبل، أو تحديد أي فريق من ستة فرق يتولى الطلب. هي تتعامل مع التنوع لأنها تفسّر المعنى بدلاً من مطابقة الأنماط.

والثمن أنها احتمالية. فالمدخلات نفسها قد تعطي نتائج مختلفة قليلاً، وبعض النتائج سيكون خاطئاً رغم أنه يُقدَّم بثقة. ويصف إطار NIST للذكاء الاصطناعي التوليدي (يوليو ٢٠٢٤) هذه الظاهرة باسم confabulation، وهي واحدة من اثني عشر خطراً يقول إن الذكاء الاصطناعي التوليدي يُنشئها أو يزيدها.

وتبيّن بيانات الاختبارات المعيارية المسافة التي قطعتها النماذج والمسافة الباقية. فبحسب تقرير Stanford AI Index لعام ٢٠٢٦ بلغ أفضل وكيل في اختبار OSWorld، الذي يقيس مهام حقيقية على الحاسوب، نسبة ٦٦٫٣٪ مقابل نحو ٧٢٪ للبشر. وفي اختبار WebArena للمهام متعددة الخطوات على الويب كانت أفضل نتيجة ٧٤٫٣٪ مقابل ٧٨٫٢٪ للبشر. ويلخّص التقرير الصورة بأن الوكلاء ما زالوا يخفقون في نحو محاولة من كل ثلاث في الاختبارات المنظمة.

هذه مهام صعبة ومفتوحة، والخطوة المحددة في عمل الشركة تحقق عادة نتائج أفضل بكثير. لكن الدرس ثابت: خطوة الذكاء الاصطناعي تحتاج إلى فحص أو حد أدنى للثقة أو موظف يراجعها، والقاعدة لا تحتاج إلى ذلك.

يقارن الجدول بين النهجين وخيار ثالث هو النهج الهجين، في النقاط التي تهم بعد تشغيل النظام فعلياً. ولمعظم عمليات الشركات نختار النهج الهجين: القواعد تحمل المسار المنظم وكل خطوة يجب أن تكون دقيقة تماماً، وخطوات الذكاء الاصطناعي تتولى فقط المدخلات التي لا تستطيع القواعد قراءتها، مع فحص قبل كتابة أي شيء في الأنظمة الأساسية.

والنهج الهجين أرخص من تشغيل نموذج على كل سجل، وأكثر موثوقية من مسار يعتمد على الذكاء الاصطناعي بالكامل، وأقل هشاشة بكثير من مسار قواعد خالص يرسل كل حالة غريبة إلى بريد أحد الموظفين.

انخفضت أسعار النماذج بسرعة. فقد وجد تقرير Stanford AI Index لعام ٢٠٢٥ أن تكلفة تشغيل نموذج بمستوى GPT-3.5 تراجعت أكثر من ٢٨٠ ضعفاً بين نوفمبر ٢٠٢٢ وأكتوبر ٢٠٢٤. ولهذا صارت خطوات الذكاء الاصطناعي التي لم تكن مجدية اقتصادياً قبل ثلاث سنوات تكلف اليوم بضعة سنتات.

ولتوضيح الصورة حسبنا تكلفة مهمة شائعة: قراءة مستند من نحو ٣٠٠٠ رمز مدخل، أي بضع صفحات، وإرجاع نحو ٥٠٠ رمز من الحقول المستخرجة. وبأسعار القوائم التي نشرتها Anthropic في أكتوبر ٢٠٢٦، تبلغ تكلفة ألف مستند من هذا النوع نحو ٥٫٥ دولارات مع Claude Haiku 4.5، و١١ دولاراً مع Claude Sonnet 5.5، و٢٢ دولاراً مع Claude Opus 5.5. وتمنح Anthropic خصماً بنسبة ٥٠٪ عبر Batch API للأعمال التي تحتمل الانتظار.

ويترتب على ذلك أمران عمليان. الأول أن أرخص نموذج يجتاز اختبار الدقة لديك هو الخيار الصحيح عادة، فاستخدام أقوى نموذج على كل سجل نادراً ما يستحق أربعة أضعاف السعر. والثاني أن التوفير الأكبر يأتي من عدم استخدام أي نموذج في الخطوات التي تقدر عليها القاعدة. فالقاعدة التي تتحقق من إجمالي أو تنسخ حقلاً لا تكلف شيئاً في كل تشغيل، ولا تخطئ فيه أبداً.

خذ الحسابات الدائنة مثالاً. تصل الفواتير بصيغة فواتير إلكترونية منظمة، وبصيغة PDF من الموردين المعتادين، وصوراً لإيصالات ورقية.

• التوجيه أولاً. تتحقق قاعدة من المصدر والصيغة، والفواتير الإلكترونية المنظمة لا تمر على النموذج إطلاقاً.
• الذكاء الاصطناعي للقراءة فقط. في ملفات PDF والصور يستخرج النموذج اسم المورد والتاريخ والبنود والإجماليات في قالب ثابت.
• التحقق بالقواعد. يجب أن تتطابق الإجماليات المستخرجة، وأن يكون المورد موجوداً في سجلاتك، وأن يطابق رقم أمر الشراء. والقاعدة تفعل هذا بدقة تامة.
• مراجعة الحالات المشكوك فيها. كل ما يفشل في التحقق، أو ما يذكر النموذج أن ثقته فيه منخفضة، يذهب إلى موظف يرى المستند والحقول المستخرجة جنباً إلى جنب.
• الترحيل بالقواعد. لا يُكتب في النظام المحاسبي إلا ما اعتُمد، وعبر واجهته البرمجية.

هكذا يؤدي النموذج مهمة واحدة محددة يجيدها، ويتولى الكود الحتمي كل إجراء يغيّر المال أو السجلات. والنمط نفسه يصلح لصناديق بريد الدعم واستثناءات الطلبات وطلبات الموارد البشرية. أما مقدار الاستقلالية الذي يُمنح لجزء الذكاء الاصطناعي بعد أن يثبت نفسه، فيشرحه دليل وكلاء الذكاء الاصطناعي.

امشِ على عمليتك خطوة بخطوة واسأل:

• هل أستطيع كتابة القرار قاعدةً تغطي كل الحالات تقريباً؟ استخدم القاعدة، فهي أرخص ودقيقة تماماً.
• هل المدخلات نص حر أو مستند أو صورة، أو أنها متنوعة إلى حد لا يُحصر؟ هنا تستحق خطوة الذكاء الاصطناعي تكلفتها.
• ماذا يحدث إن أخطأت هذه الخطوة؟ إن كانت النتيجة دفعة خاطئة، أو معلومة طبية أو قانونية غير صحيحة، أو وعداً يصل إلى العميل، فضع بعدها قاعدة تحقق أو موظفاً يراجع.
• هل أستطيع قياسها؟ احتفظ بعينة من الحالات الحقيقية ذات الإجابات المعروفة، واختبر عليها كل تغيير في النموذج أو التعليمات قبل إطلاقه.

وتصل ميزات الذكاء الاصطناعي الآن إلى الأدوات التي تستخدمها أصلاً. فقد توقعت Gartner في أغسطس ٢٠٢٥ أن تتضمن ٤٠٪ من تطبيقات المؤسسات وكلاء ذكاء اصطناعي مخصصين لمهام محددة بنهاية ٢٠٢٦، بعد أن كانت النسبة أقل من ٥٪ في ٢٠٢٥. والميزات المدمجة خيار جيد حين تطابق عمليتك ما صممه المورد.

أما في الأنظمة المبنية خصيصاً فاسأل من سيملك النتيجة ويصونها. ففي سبتمبر ٢٠٢٦ توقعت Gartner أن تتخلى ٧٠٪ من المؤسسات بحلول ٢٠٢٨ عن أنظمة الذكاء الاصطناعي الوكيل التي بناها لها مهندسو الموردين، بسبب ارتفاع التكاليف وعجزها عن تطويرها بنفسها. لذلك اطلب التوثيق، ووصولك المباشر إلى التعليمات والسجلات، وخطة تسليم واضحة منذ اليوم الأول.

الخطوة العملية أن تتوقف عن التعامل مع الأمر كاختيار بين منتجين. ارسم عملية واحدة، وحدّد الخطوات التي تحتاج إلى قراءة أو تقدير، واترك كل ما سواها للقواعد. تصمم Raanzlr هذه الأنظمة الهجينة وتبنيها: أتمتة سير العمل للمسار المنظم، وحلول الذكاء الاصطناعي المخصصة لقراءة المستندات واستخراج بياناتها، ووكلاء الذكاء الاصطناعي لصناديق البريد والطلبات التي تحتاج إلى رد. ونربطها بنظامك المحاسبي أو CRM أو ERP عبر تكامل الأنظمة وواجهات API، مع قواعد تحقق وقائمة مراجعة قبل أي كتابة في أنظمتك. وتبقى الشيفرة والتعليمات والسجلات ملكاً لك. ونعمل مع الفرق في الولايات المتحدة وأوروبا والسعودية.

• Stanford HAI: AI Index Report 2026, Chapter 2 Technical Performance، أبريل ٢٠٢٦
• Stanford HAI: The 2025 AI Index Report، أبريل ٢٠٢٥
• Anthropic: Pricing، أكتوبر ٢٠٢٦
• NIST: AI 600-1, Generative Artificial Intelligence Profile، يوليو ٢٠٢٤
• Gartner: 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026، أغسطس ٢٠٢٥
• Gartner: 70% of Enterprises Will Abandon Agentic AI Built by Vendor Forward-Deployed Engineering by 2028، سبتمبر ٢٠٢٦