كيف تصنّف المؤسسة حالات استخدام الذكاء الاصطناعي حسب حساسية الدليل ومخاطر القرار؟

تفشل كثير من مبادرات الذكاء الاصطناعي المؤسسي عند مرحلة الاعتماد الداخلي لسبب بسيط: تتحدث الفرق عن الذكاء الاصطناعي وكأن كل حالة استخدام تحمل مستوى الخطر نفسه. لكن الواقع مختلف تماماً. فالمساعد الذي يلخّص اجتماعاً داخلياً لا يشبه أداة تؤثر في استثناء سعري، أو ترفع حالة اشتباه، أو تدعم قرار شراء، أو توجه إجراءً ذا أثر على العميل. ولهذا تحتاج المؤسسات المنظمة إلى طريقة أوضح تفرّق بين التسريع منخفض المخاطر والدعم القراري عالي الحساسية.

أفضل نقطة بداية هي تصنيف كل حالة استخدام وفق بُعدين: حساسية الدليل ومخاطر القرار. حساسية الدليل تعني مقدار الإثبات الظاهر الذي يحتاجه المستخدم قبل أن يتصرف. أما مخاطر القرار فتعني حجم الأثر إذا كانت الإجابة خاطئة أو ناقصة أو قديمة أو استُخدمت خارج سياقها الصحيح. وعندما تهمل المؤسسة هذين البعدين، فإنها إما تبالغ في تقييد استخدامات بسيطة، أو تفتح المجال لاستخدامات حساسة من دون الضوابط التي تستحقها.

لماذا لا تكفي سياسة اعتماد واحدة لكل الاستخدامات؟

كثير من النقاشات المؤسسية حول الذكاء الاصطناعي تنتهي إلى أحد موقفين غير عمليين: إما اعتبار الذكاء الاصطناعي شديد الخطورة بحيث يبقى محصوراً في التجارب، أو محاولة إخضاع جميع الاستخدامات لسياسة عامة واحدة. وكلا الخيارين يضعف التقدم. ما تحتاجه القيادة فعلاً هو نظرة محفظية ترى أن بعض الحالات صالحة للتبني السريع بضوابط خفيفة، بينما تحتاج حالات أخرى إلى تتبع أوضح، وحدود بيانات أضيق، وموافقة بشرية صريحة قبل التنفيذ.

وهذا مهم بشكل خاص في المؤسسات السعودية والخليجية، حيث تتقاطع الخصوصية، والتدقيق، واللغة، وسلاسل الاعتماد في المسار نفسه. السؤال الحقيقي ليس: هل الذكاء الاصطناعي مسموح أم لا؟ بل: أي القرارات تحتاج إلى أي مستوى من الدليل والسيطرة؟

نموذج التصنيف العملي

1. حساسية دليل منخفضة ومخاطر قرار منخفضة

تشمل هذه الفئة الاستخدامات التي تساعد الفريق على التحرك أسرع من دون أن تُطلق بنفسها قراراً حساساً. من أمثلتها: تلخيص مستندات داخلية، وصياغة تحديثات تشغيلية محايدة، وتجميع ملاحظات متكررة، ومساعدة المستخدم على الوصول إلى مصادر معرفة معتمدة. هذه الحالات تحتاج إلى حوكمة أيضاً، لكنها لا تستدعي غالباً عبء المراجعة نفسه المطلوب للقرارات المرتبطة بالأموال أو العقود أو أثر العملاء أو التقارير التنظيمية.

2. حساسية أو مخاطر متوسطة

في هذه الفئة تقع الاستخدامات التي تؤثر في القرار من دون أن تحسمه بالكامل. مثل ترتيب أولويات الحالات الخدمية، أو اقتراح عناصر مقارنة في التوريد، أو إبراز انحرافات إيرادية لمراجعة محلل، أو طرح أسباب مرجّحة من بيانات تشغيلية معتمدة. هنا يحتاج المستخدم التجاري إلى رؤية واضحة للمصادر، وحداثة البيانات، وإشارات تساعده على رفع الشك أو طلب التحقق قبل اتخاذ خطوة عملية.

3. حساسية دليل عالية ومخاطر قرار عالية

هذه هي الحالات التي تستدعي أقوى الضوابط. مثل توصيات الائتمان أو الاكتتاب، ورفع حالات الاشتباه المالي، والاستثناءات السعرية، والدعم التفسيري القانوني، والإجراءات المرتبطة بالموظفين، والإرشاد السريري أو ما يؤثر في المريض، وقرارات الموردين عالية القيمة. في هذه السياقات لا تكون الإجابة غير المدعومة بالدليل مجرد إجابة ضعيفة، بل قد تتحول إلى عبء تشغيلي أو تنظيمي أو سمعة. لذلك تحتاج هذه الاستخدامات إلى بيانات معتمدة، وتتبع قابل للإعادة، وسجلات مراجعة، ومسؤولية بشرية مسماة.

أربع أسئلة يجب طرحها قبل الاعتماد

1. ما القرار الذي ستؤثر فيه هذه الحالة؟ إذا كانت المخرجات تغيّر الموافقة أو الأولوية أو الأهلية أو المعالجة المالية، فيجب أن يكون نموذج الضبط أقوى.
2. ما الدليل الذي يجب أن يراه المستخدم قبل أن يتصرف؟ لا تكفي الإجابة المفيدة وحدها. قد يحتاج المستخدم إلى مراجع المصدر، وتعريفات المؤشرات، ونطاق السجلات، وحداثة البيانات.
3. ما مدى حساسية البيانات والسياق المستخدم في الطلب؟ بعض الاستخدامات تبدو بسيطة، لكن محتوى الطلب أو الربط بين الجداول أو السياق المرفق قد يكشف بيانات منظمة أو حساسة تجارياً.
4. ماذا يحدث إذا كانت الإجابة خاطئة؟ يجب أن يحدد أثر الخطأ مسار المراجعة. فالأخطاء القابلة للعكس ومنخفضة الأثر لا تستحق الضبط نفسه المخصص للقرارات التي تمس العملاء أو العقود أو المدفوعات أو الالتزام.

ماذا يغيّر شرط عدم خروج البيانات إلى ذكاء اصطناعي عام؟

يساعد النشر الخاص وعدم خروج البيانات إلى خدمات ذكاء اصطناعي عامة على تقليل فئة مهمة من المخاطر، لكنه لا يحل مشكلة الاعتماد بالكامل. فهو يبقي الطلبات والسجلات والمخرجات داخل بيئة مضبوطة، وهذا مهم جداً. لكن حتى داخل هذا الحد الخاص، تظل حالات الاستخدام عالية المخاطر بحاجة إلى تعريفات أعمال معتمدة، وصلاحيات قائمة على الدور، ودليل ظاهر، ونقاط مراجعة بشرية واضحة.

بمعنى آخر، السيادة على البيانات شرط أساسي لكثير من المؤسسات المنظمة، لكنها ليست شرطاً كافياً وحدها. فقد تمنع البيئة الخاصة الانكشاف غير المنضبط، لكنها لا تضمن أن الإجابات نفسها موثوقة أو آمنة تشغيلياً إذا كان نموذج الدليل ضعيفاً.

كيف يُطبَّق الإطار داخل المؤسسة؟

ابدأ بحصر حالات الاستخدام المرشحة، ثم امنح كل حالة تصنيفاً بسيطاً: منخفض أو متوسط أو مرتفع في حساسية الدليل، ومنخفض أو متوسط أو مرتفع في مخاطر القرار. بعد ذلك اربط كل فئة بضوابط عملية واضحة. فالاستخدامات منخفضة المخاطر قد تناسبها إتاحة أوسع مع مراجعة خفيفة. والاستخدامات المتوسطة قد تحتاج إلى مصادر معتمدة، ودليل مرئي، ومسار تصعيد. أما الاستخدامات عالية المخاطر فيجب أن تبقى أكثر تقييداً مع مالك واضح، وسجلات مفصلة، وموافقة بشرية ملزمة قبل التنفيذ.

يفيد هذا الإطار أيضاً في التقييم الشرائي. فبدلاً من الاكتفاء بالسؤال عمّا إذا كانت المنصة تقدم مساعداً أو وكيلاً ذكياً، تستطيع فرق المشتريات والأمن أن تسأل: هل تدعم المنصة مستويات ضبط مختلفة بحسب حالة الاستخدام؟ هذا سؤال أكثر واقعية لقياس الجاهزية المؤسسية من اللغة التسويقية وحدها.

التصنيف يجب أن يسبق التوسع

يصبح تبني الذكاء الاصطناعي المؤسسي أسرع وأكثر أماناً عندما تتوقف المؤسسة عن التعامل مع جميع الاستخدامات على أنها متساوية. الطريق العملي ليس تأخير كل شيء، ولا تمرير كل شيء تحت سياسة غامضة واحدة. الطريق الأفضل هو تصنيف الاستخدامات بحسب مقدار الدليل الذي تحتاجه والقرار الذي تؤثر فيه. عندها تستطيع فرق الأعمال أن تتحرك بسرعة حيث يكون الخطر محدوداً، مع الحفاظ على الحوكمة الأقوى حيث تكون القرارات أكثر حساسية.