ما هي أتمتة الأعمال بالذكاء الاصطناعي؟ دليل واضح لعام ٢٠٢٦

أتمتة الأعمال بالذكاء الاصطناعي تعني استخدام نماذج الذكاء الاصطناعي، والنماذج اللغوية الكبيرة في الغالب، لإنجاز مهام تحتاج إلى قراءة أو كتابة أو قرار، ثم تنفيذ النتيجة داخل الأدوات التي تستخدمها الشركة أصلاً. يفرز النظام صندوق البريد، ويستخرج المبالغ من فاتورة المورد، ويجيب العميل عن موعد التوصيل، ويكتب مسودة رسالة المتابعة، ثم يحيل كل حالة غير واضحة إلى موظف.

هنا يكمن الفرق عن الأتمتة التي تعمل بها معظم الشركات اليوم. الأتمتة التقليدية تتبع قواعد ثابتة: إذا احتوى الحقل على كذا فنفّذ كذا. هي موثوقة، لكنها تتوقف عندما تصل مدخلات غير مرتبة، وأغلب مدخلات العمل كذلك. عميل يكتب رسالة طويلة بلا ترتيب، ومورد يغيّر شكل فاتورته، وعقد يصل نسخة ممسوحة ضوئياً. لهذه الحالات بالتحديد صُممت أتمتة الذكاء الاصطناعي.

الفكرة قديمة نسبياً، لكن حساب التكلفة تغيّر. النماذج القادرة على قراءة مستند وإرجاع بيانات منظمة صارت رخيصة بما يكفي لتعمل على كل رسالة وكل تذكرة، ولهذا وصل استخدامها خلال العامين الماضيين إلى الشركات المتوسطة بعد أن كان مقتصراً تقريباً على الشركات الكبرى.

تختلط ثلاثة مصطلحات في العروض التسويقية، وهي في الحقيقة طبقات يكمل بعضها بعضاً، والنظام الجيد يستخدم أكثر من طبقة غالباً.

• أتمتة سير العمل بالقواعد تربط التطبيقات بمحفزات وإجراءات ثابتة، وهنا تعمل أدوات مثل Zapier وMake وn8n وPower Automate.
• أتمتة الذكاء الاصطناعي تضيف نموذجاً في الخطوات التي تحتاج إلى فهم: صنّف هذا الطلب، واستخرج هذه الحقول، واكتب مسودة الرد. ويبقى سير العمل المحيط بها ثابتاً ومتوقعاً.
• وكلاء الذكاء الاصطناعي يذهبون أبعد. يحصل الوكيل على هدف ومجموعة أدوات، فيقرر خطواته بنفسه ويستدعي الأنظمة ويراجع النتائج ويعيد المحاولة. هذه المرونة مفيدة في الأعمال المفتوحة، ومعها ترتفع التكلفة والمخاطرة.
• الربط بينها هو ما يحدد النجاح: نموذج يفهم، وقواعد تنفذ، وموظف يوافق على الحالات الحساسة، وسجل يحفظ كل خطوة.

في أغلب المشاريع الأولى يكون العمود الأوسط هو الخيار المناسب، لأنه يضيف فهم اللغة مع إبقاء كل إجراء داخل سير عمل يمكن تسجيله واختباره وشرحه للمدقق. ويصبح الوكيل مجدياً عندما تكثر تفرعات العملية ويصعب كتابتها قواعد.

أنفع البيانات المتاحة هنا تأتي من مكاتب الإحصاء الوطنية، لأنها تستطلع شركات عادية من كل القطاعات. سألت هيئة الإحصاء الكندية الشركات التي تستخدم الذكاء الاصطناعي عن أوجه استخدامه، وفي الربع الثاني من ٢٠٢٦ تصدّرت الإجابات تحليلات البيانات وتحليل النصوص، تلتها المساعدات الافتراضية وروبوتات المحادثة.

عملياً تتحول هذه الفئات إلى قائمة قصيرة من الأعمال المتكررة:

• محادثات العملاء: الرد على أسئلة الطلبات والحجوزات والسياسات في الموقع أو WhatsApp، وتحويل الحالات المعقدة إلى الموظفين مع سجل المحادثة.
• المستندات: قراءة الفواتير وأوامر الشراء والعقود والمطالبات، واستخراج الحقول، وتسجيلها في أنظمة المحاسبة أو ERP.
• فرز الوارد: تصنيف الرسائل والتذاكر حسب الموضوع والأولوية، ثم توجيهها إلى الفريق المسؤول.
• التقارير: جمع الأرقام من عدة أنظمة في ملخص واحد، وشرح ما تغيّر بلغة بسيطة.
• البحث في المعرفة الداخلية: يسأل الموظف عن السياسات والأدلة فيحصل على إجابة تذكر المستند الذي أُخذت منه.

لا تلغي هذه الاستخدامات الحاجة إلى الموظفين. ما تلغيه هو النسخ وإعادة الإدخال والبحث، وهي أعمال تستهلك جزءاً كبيراً من يوم كثير من الموظفين في المكاتب.

تقول العناوين كثيراً إن كل الشركات تقريباً تستخدم الذكاء الاصطناعي، والجواب يتوقف على من تسأل. مسح McKinsey العالمي المنشور في نوفمبر ٢٠٢٥، والقائم على ١٬٩٩٣ مشاركاً، وجد أن ٨٨٪ من المؤسسات تستخدم الذكاء الاصطناعي بانتظام في وظيفة عمل واحدة على الأقل، وعيّنته تميل إلى الشركات الكبيرة.

مكتب الإحصاء الأمريكي يقيس شيئاً أضيق: هل استخدمت الشركة الذكاء الاصطناعي في أي وظيفة من وظائف العمل خلال الأسبوعين السابقين، وذلك عبر شركات من كل الأحجام. بين ديسمبر ٢٠٢٥ وأوائل مايو ٢٠٢٦ بقيت النسبة بين ١٧٪ و٢٠٪، وبلغت ١٩٫٨٪ في الفترة المنتهية في ٣ مايو ٢٠٢٦. وتوقعت نسبة بين ٢٠٪ و٢٣٪ من الشركات أن تستخدمه خلال ستة أشهر.

الفجوة بين القطاعات والأحجام واسعة. شركات المعلومات وشركات التمويل والتأمين في المقدمة، والتجزئة متأخرة، و٣٧٪ من الشركات التي يعمل فيها ٢٥٠ موظفاً أو أكثر أبلغت عن استخدامه، مقابل أقل من ٢٠٪ لدى أصغر الشركات.

ماذا يعني ذلك لشركة متوسطة؟

إذا كنت تدير شركة توزيع أو مجموعة عيادات في الولايات المتحدة فيها ٥٠ موظفاً ولم تؤتمت شيئاً بالذكاء الاصطناعي بعد، فأنت مع الأغلبية. الشركات التي تحركت أغلبها كبيرة في قطاعي المعلومات والتمويل، وتجاربها المعلنة تكشف أي العمليات تسترد تكلفتها أولاً.

بدأت كندا أبطأ وتلحق بسرعة. في المسح الفصلي الذي تجريه هيئة الإحصاء الكندية، ارتفعت نسبة الشركات التي استخدمت الذكاء الاصطناعي في إنتاج سلعها أو تقديم خدماتها خلال الأشهر الاثني عشر السابقة إلى ١٢٫٢٪ في الربع الثاني من ٢٠٢٥ بعد أن كانت ٦٫١٪ قبلها بعام، ثم وصلت إلى ١٩٫٢٪ في الربع الثاني من ٢٠٢٦.

ويكشف المسح نفسه سبب تأخر البقية. قالت ٤٠٫٠٪ من الشركات إن الذكاء الاصطناعي لا يخص ما تنتجه. ومن بين العوائق المذكورة جاءت مخاوف الأمن السيبراني والخصوصية أولاً بنسبة ١٣٫٤٪، ثم التكلفة بنسبة ١٠٫٦٪.

تستحق الإجابتان التوقف عندهما. حين يقول صاحب الشركة إن الذكاء الاصطناعي لا يخصه، فهو يتخيل غالباً روبوت محادثة، ولا يفكر في أعمال الفواتير والبريد التي ذكرناها. أما مخاوف الخصوصية فهي مشروعة، خاصة لدى العيادات ومكاتب المحاماة والمستشارين الماليين، وحلها يبدأ من التصميم: أين تُعالج البيانات، وما الذي يُسمح للنموذج برؤيته، وما الذي يُسجَّل.

استخدام الذكاء الاصطناعي شيء، والحصول على قيمة منه شيء آخر. في مسح McKinsey نفسه قال ٦٢٪ من المشاركين إن مؤسساتهم تجرّب وكلاء الذكاء الاصطناعي على الأقل، لكن ٢٣٪ فقط يوسّعون نظاماً وكيلياً واحداً في أي جزء من العمل. وأبلغ نحو ٣٩٪ عن أي أثر للذكاء الاصطناعي على أرباح المؤسسة ككل، ووضع أغلبهم هذا الأثر تحت ٥٪.

وكانت Gartner أوضح. ففي يونيو ٢٠٢٥ توقعت إلغاء أكثر من ٤٠٪ من مشاريع الذكاء الاصطناعي الوكيلي بنهاية ٢٠٢٧ بسبب ارتفاع التكاليف وغموض القيمة وضعف ضوابط المخاطر. وحذّرت أيضاً من موردين يعيدون تسمية روبوتات المحادثة وأدوات RPA على أنها وكلاء.

تتشابه أسباب التعثر عادة:

• غياب نقطة المقارنة: لم يقس أحد مدة المهمة قبل الأتمتة، فلا أحد يستطيع إثبات التحسن.
• نطاق أوسع من اللازم: يحاول المشروع أتمتة قسم كامل بدل عملية واحدة.
• لا مراجعة بشرية: ينفذ النظام إجابات غير واثق منها بدل إحالتها إلى موظف.
• بيانات منفصلة: لا يصل النموذج إلى CRM أو ERP أو مخزن المستندات، فينسخ الموظفون البيانات يدوياً ويضيع التوفير.

أما الفئة الصغيرة الأعلى أداءً في مسح McKinsey، وهي نحو ٦٪ من المشاركين، فقد تميزت أساساً بإعادة تصميم سير العمل حول الذكاء الاصطناعي، بدل إضافته فوق الطريقة القديمة.

لا يحتاج أول مشروع أتمتة بالذكاء الاصطناعي إلى عرض استراتيجي طويل. يحتاج إلى عملية واحدة مختارة بعناية وطريقة لقياسها.

• اختر عملية واحدة: شيء يتكرر كثيراً ويعتمد على النصوص، ويُكتشف فيه الخطأ قبل أن يصل إلى العميل. فرز البريد الوارد وإدخال الفواتير من الخيارات الشائعة.
• قِسها كما هي: سجّل عدد الحالات ووقت المعالجة ونسبة الأخطاء لمدة أسبوعين أو أربعة.
• ارسم خريطة الأنظمة: حدد أين تصل المدخلات وأين يجب أن تذهب النتيجة ومن يوافق على الاستثناءات. أغلب جهد البناء يذهب إلى هذه الروابط، والنموذج نفسه جزء أصغر.
• ابنِ مع خطوة مراجعة: دع النظام ينجز الحالات التي يثق بها ويضع البقية في قائمة موظف. خفّض نسبة المراجعة فقط عندما تثبت السجلات أن ذلك آمن.
• قارن ثم قرر: بعد بضعة أسابيع قارن بالقياس الأول، وانتقل إلى العملية التالية فقط إذا استردت الأولى تكلفتها.

هذا الطريق أبطأ من عرض تجريبي سريع، لكنه يصمد عندما يعمل النظام على بيانات حقيقية.

السؤال المفيد لشركة في الولايات المتحدة أو كندا تفكر في مشروعها الأول هو: أي عملية واحدة نؤتمت، ومع أي خطوة مراجعة، وبأي أنظمة نربطها؟ هذه الطبقة تصممها Raanzlr وتبنيها. يمكننا بناء أتمتة سير العمل التي تقرأ الرسائل والمستندات وتسجل النتائج في أدواتك، ووكلاء ذكاء اصطناعي يردون على العملاء في موقعك أو WhatsApp ويحيلون الحالات إلى الموظفين، وربط CRM والأنظمة عبر API حتى يصل الذكاء الاصطناعي إلى البيانات التي يحتاجها. وللبحث في السياسات والأدلة نبني ذكاء المستندات الذي يذكر مصادره، مع لوحات بيانات تقارن القياس الأول بالنتيجة. ونعمل مع الشركات في الولايات المتحدة وكندا.

• US Census Bureau: Large Firms With at Least 20 Employees Biggest AI Users، مايو ٢٠٢٦
• Statistics Canada: The Daily, Canadian Survey on Business Conditions, second quarter 2026، مايو ٢٠٢٦
• Statistics Canada: Artificial intelligence adoption and productivity in Canadian firms، أبريل ٢٠٢٦
• McKinsey & Company: The state of AI in 2025، نوفمبر ٢٠٢٥
• Gartner: Over 40% of Agentic AI Projects Will Be Canceled by End of 2027، يونيو ٢٠٢٥