لماذا يجب ضبط التعريفات التجارية قبل الاعتماد على إجابات الذكاء الاصطناعي المؤسسي؟

يستطيع الذكاء الاصطناعي المؤسسي الوصول إلى البيانات بسرعة، وتلخيص لوحات المعلومات، والإجابة عن أسئلة الأعمال بلغة طبيعية. لكن كثيرًا من الإجابات المضللة داخل المؤسسات المنظمة لا ينتج عن نقص البيانات وحده، بل عن مشكلة أعمق: المؤسسة نفسها لم تحكم المعنى التجاري الكامن خلف هذه البيانات.

فعندما يسأل المستخدم عن الإيرادات، أو العملاء النشطين، أو حجم المخاطر، أو نسبة الاستفادة، أو الأعمال المتراكمة، فإن الإجابة لا تعتمد على البيانات الخام فقط. بل تعتمد أيضًا على التعريف المعتمد، وحدود المصدر، وقواعد الزمن، والجهة المالكة للمعنى التجاري. وإذا كانت هذه الضوابط ضعيفة، فقد تبدو الإجابة الذكية واثقة ومنسقة، لكنها تبقى متعارضة مع ما تعتبره المؤسسة رقمًا رسميًا.

المشكلة ليست في الوصول إلى البيانات فقط، بل في معنى البيانات

يركز كثير من النقاش حول الذكاء الاصطناعي على جودة النموذج أو أسلوب الطلب أو آلية الاسترجاع. وهذه عناصر مهمة، لكنها ليست نقطة التحكم الأولى في بيئة إنتاج حقيقية. فالمستخدم التجاري لا يحتاج إلى إجابة تبدو سليمة لغويًا فقط، بل إلى إجابة مبنية على معنى معتمد ومفهوم داخل المؤسسة.

خذ مثالًا بسيطًا: قد يعرّف فريق ما العميل النشط بأنه أي حساب أجرى معاملة خلال آخر 12 شهرًا، بينما يستخدم فريق آخر نافذة 6 أشهر فقط، وقد يستثني فريق ثالث الحسابات الخاملة ما لم يكن لديها عقد مفتوح. هنا قد تكون البيانات صحيحة في كل نظام، ومع ذلك تتغير إجابة الذكاء الاصطناعي بحسب التعريف وحدود المصدر التي ورثتها.

ولهذا تفشل إجابات الذكاء الاصطناعي المؤسسي حتى عندما تكون البيانات موجودة أصلًا. فالمشكلة ليست غياب البيانات، بل غياب التفسير المحكوم.

لماذا تصبح المشكلة أشد في المؤسسات العربية-الإنجليزية

في المؤسسات السعودية والخليجية، لا تكون المسألة تحليلية فقط، بل ثنائية اللغة أيضًا. فقد يظهر المؤشر نفسه تحت مسميات عربية وإنجليزية مختلفة عبر التقارير والإدارات والأنظمة. وقد لا تتطابق التسمية التي تستخدمها المالية مع الصياغة المتداولة في التشغيل. كما أن الترجمة الحرفية قد تلغي فرقًا مهمًا تتعامل معه المؤسسة باعتباره فرقًا حقيقيًا في القرار.

وعندما لا تُحكم هذه المصطلحات، قد يدمج الذكاء الاصطناعي مفهومين متقاربين في إجابة واحدة، أو يتعامل مع مفهوم واحد على أنه مؤشرين مختلفين. والنتيجة تكون ارتباكًا لدى المستخدمين، وتصعيدات يمكن تفاديها لفرق البيانات، وتراجعًا في الثقة بالنظام كله.

يساعد النشر الخاص على رفع مستوى السيطرة، لكنه وحده لا يكفي. فالمؤسسة تحتاج أيضًا إلى تعريفات ثنائية اللغة، وتسميات معتمدة، واختيار محكوم للمصادر المرتبطة بالدليل، حتى يتمكن المستخدم العربي والإنجليزي من طرح السؤال من دون الانزلاق إلى غموض دلالي.

ما الذي يجب ضبطه قبل توسيع نطاق الإجابات الذكية؟

لا يحتاج نموذج الحوكمة العملي إلى البدء بكل مؤشرات المؤسسة دفعة واحدة. الأفضل أن يبدأ بالأرقام والمفاهيم التي تؤثر بالفعل في القرارات أو المراجعات أو التقارير التنفيذية. ففي معظم المؤسسات، يكفي ضبط مجموعة صغيرة من التعريفات لإحداث تحسن كبير في جودة الإجابات.

• تعريفات المؤشرات المعتمدة: يجب أن يكون لكل مؤشر أساسي تعريف تجاري واحد معتمد، لا عدة صيغ غير رسمية.
• حدود مصدر الحقيقة: يجب أن يعرف نظام الذكاء الاصطناعي أي نظام أو نموذج بيانات مسموح له بالإجابة عن كل نوع من الأسئلة.
• المسميات والمرادفات الثنائية اللغة: ينبغي ربط المصطلحات العربية والإنجليزية بالمعنى المعتمد نفسه عندما يكون ذلك صحيحًا.
• الملكية: يجب أن يكون لكل تعريف مهم مالك أعمال واضح ومالك بيانات واضح.
• قواعد حداثة البيانات: ينبغي أن يعرف المستخدم هل تعتمد الإجابة على بيانات لحظية أم يومية أم أسبوعية أم شهرية.
• إظهار الدليل: يجب أن تشير الإجابة إلى المصدر الأساسي والتعريف والفلاتر ذات الصلة.
• إدارة التغيير: إذا تغير تعريف المؤشر، فيجب أن يحدث ذلك ضمن مسار حوكمي واضح ومعلن.

ما الذي يجب أن يراه المستخدم التجاري داخل الواجهة؟

الثقة لا تأتي من الإجابة وحدها، بل من السياق المصاحب لها. فقبل أن يعتمد فريق الأعمال على رقم مولد بالذكاء الاصطناعي، يجب أن يتمكن من رؤية قدر كافٍ من الدليل يسمح له بالحكم على ملاءمة الإجابة للقرار.

1. اسم المؤشر المعتمد الذي استُخدم لتوليد الإجابة.
2. المصدر أو النموذج الدلالي الذي بُنيت عليه الإجابة.
3. الفترة الزمنية والفلاتر التي دخلت في الحساب.
4. وقت آخر تحديث للبيانات الأساسية.
5. مسار تصعيد واضح عندما تتعارض الإجابة مع تقرير رسمي.

هذه الإشارات لا تبطئ فرق الأعمال، بل تجعل الخدمة الذاتية أكثر أمانًا. كما أنها تقلل الخلافات التي تعود لاحقًا إلى فرق البيانات عندما يكتشف المستخدم أن إجابتين مختلفتين اعتمدتا تعريفين مختلفين للمصطلح نفسه.

من أين يبدأ القادة عمليًا؟

لا يحتاج القادة إلى انتظار برنامج تحول بيانات شامل قبل تحسين جودة الإجابات الذكية. الخطوة الأولى العملية هي تحديد 10 إلى 20 مؤشرًا ومصطلحًا تجاريًا يتكرر استخدامها في المراجعات التنفيذية والقرارات التشغيلية والتقارير المشتركة بين الإدارات. هذه المجموعة يجب أن تُحكم أولًا.

بعد ذلك، تُحدد الدلالة المعتمدة، وتُربط المسميات العربية والإنجليزية، وتُعيَّن الملكية، ويُقصر نظام الذكاء الاصطناعي على حدود المصدر الموافق عليها. وبهذه الطريقة تصبح مساحة الإجابة أصغر قليلًا، لكنها أكثر موثوقية بكثير. ثم يمكن توسيع النطاق المحكوم تدريجيًا وبأمان.

تظهر قيمة الذكاء الاصطناعي المؤسسي عندما يستطيع المستخدم طرح السؤال مباشرة من دون أن يخرج عن المعنى التجاري المعتمد. وفي البيئات المنظمة، ليست هذه مسألة لغوية جانبية، بل هي الفرق بين إجابة سريعة وإجابة قابلة للاستخدام.