• المؤسسات لا تحتاج لأنظمة تقدم إجابات أفضل فقط، بل إلى تقنيات قادرة على فهم العمليات والقرارات التي تقوم عليها الأعمال والمشاركة في تنفيذها
يكاد لا يمر أسبوع من دون الإعلان عن حلول وأنظمة ذكاء اصطناعي جديدة أكثر تقدماً لأتمتة العمل المؤسسي. وعلى الرغم من هذا الزخم المتسارع، فإن الكثير من هذه الابتكارات لا تزال تركّز على التقنية بحدّ ذاتها، لا على احتياجات الأعمال والعمليات التي تعتمد عليها المؤسسات في إدارة أعمالها اليومية.
وتكتسب هذه المسألة أهمية خاصة، لأن المؤسسات لا تبحث عن إجابات أفضل فحسب، بل عن قرارات أفضل ونتائج أفضل. ففي بيئة الأعمال، نادراً ما تكون القرارات مستقلة أو معزولة. فكل قرار تشغيلي أو مالي يرتبط بمجموعة واسعة من البيانات والأنظمة والسياسات والالتزامات والأولويات المتداخلة. ولهذا، فإن القيمة الحقيقية للذكاء الاصطناعي لا تكمن في قدرته على الإجابة عن سؤال أو تنفيذ مهمة منفردة، بل في قدرته على فهم سياق الأعمال بالكامل والتعامل مع التعقيدات التي تحكم كيفية عمل المؤسسة وتحقيق أهدافها.
خلال العديد من النقاشات التي أجريتها مع مسؤولين وشخصيات تنفيذية على مدار العام الماضي، كان النقاش ينتقل سريعاً من الحديث عن قدرات الذكاء الاصطناعي إلى واقع العمليات داخل المؤسسات. إن التطور التقني بات واضحاً للجميع، لكن التحدي الحقيقي يتمثل في مدى قدرة هذه الأنظمة على فهم بيئات الأعمال التي تعمل ضمنها.
ولا يزال كثير من النقاش حول الذكاء الاصطناعي ينطلق من افتراض مفاده أن النماذج الأكثر تقدماً ستقود بالضرورة إلى نتائج أعمال أفضل. إلا أن المؤسسات تكتشف اليوم أن الذكاء الاصطناعي لا يحقق قيمته الحقيقية بمجرد امتلاكه لقدرات أعلى، بل من خلال فهمه للبيئة التشغيلية التي يعمل ضمنها. فعندما ينفصل الذكاء الاصطناعي عن العمليات والبيانات والسياسات والضوابط التي توجه أعمال المؤسسة وتحكمها، فإنه قد ينجز المزيد من المهام، لكنه لا يحقق بالضرورة مزيداً من التقدم. بل إن ذلك قد يؤدي أحياناً إلى زيادة التعقيد وخلق مخاطر جديدة بدلاً من الحد منها.
قد تبدو التوصية التي يقدمها الذكاء الاصطناعي دقيقة ومقنعة، لكنها قد تغفل تداعيات مهمة في أجزاء أخرى من المؤسسة. كما قد يتمكن وكيل ذكاء اصطناعي من تحسين سير عمل محدد، في حين يتسبب دون قصد في إرباك عمليات أو خطط ترتبط به. ولهذا، فإن المشكلة لم تعد في قدرة الذكاء الاصطناعي على إنتاج الإجابات أو تنفيذ المهام، بل في قدرته على فهم تبعات قراراته داخل بيئة أعمال مترابطة تتأثر فيها كل عملية بما يحيط بها من عمليات أخرى.
وهذا هو التحدي الحقيقي الذي يواجه الجيل الجديد من حلول الذكاء الاصطناعي للمؤسسات؛ فالمسألة لم تعد تتعلق بتنسيق المهام والأنظمة فحسب، بل بفهم سياق الأعمال الذي تُتخذ وتُنفذ ضمنه القرارات.
على مدى عقود، شكلت أنظمة المؤسسات البنية التشغيلية التي تقوم عليها أعمال الشركات والاقتصادات حول العالم. إن الأنظمة التي تدير الشؤون المالية وسلاسل التوريد والمشتريات والموارد البشرية والتصنيع وخدمة العملاء لا تقتصر وظيفتها على حفظ البيانات أو معالجة المعاملات، بل تجسد الكيفية التي تعمل بها المؤسسات فعلياً، فهي تحتفظ بسنوات من الخبرات المتراكمة، وتوثق العمليات والسياسات والضوابط والصلاحيات والعلاقات التي تحكم سير الأعمال واتخاذ القرارات. وبذلك، تمثل هذه الأنظمة الذاكرة المؤسسية التي تستند إليها المؤسسات في إدارة أعمالها وتوجيه نموها.
وفي عصر الذكاء الاصطناعي، تزداد أهمية هذا السياق المؤسسي أكثر من أي وقت مضى. فبدونه، تبقى مُخرجات الذكاء الاصطناعي مجرد تخمينات محتملة، لا قرارات تستند إلى فهم حقيقي لواقع الأعمال.
وعندما يرتبط الذكاء الاصطناعي مباشرة بالعمليات التي تدير المؤسسة، يصبح قادراً على استيعاب الصورة الكاملة للأعمال وما يجري داخلها من ترابطات وتأثيرات متبادلة. وعندها لا تقتصر وظيفة الأنظمة المؤسسية على تسجيل المعاملات أو إدارة العمليات، بل تبدأ بالمساهمة الفعلية في تنفيذ الأعمال واتخاذ الإجراءات المناسبة.
يمكن لأنظمة الذكاء الاصطناعي رصد المخاطر في مراحل مبكرة، وتنسيق الاستجابة لها عبر مختلف الإدارات، واقتراح الإجراءات الملائمة في الوقت الفعلي، وأتمتة المهام المتكررة ضمن ضوابط محددة. لكن ذلك لا يتحقق من خلال وكلاء مستقلين يعمل كل منهم بمعزل عن الآخر، بل عبر ذكاء اصطناعي يرتبط مباشرة بالعمليات والبيانات والقواعد التي تقوم عليها المؤسسة.
ومن المهم التأكيد أن الاستقلالية في بيئة الأعمال لا تعني إقصاء العنصر البشري من عملية اتخاذ القرار، حيث إن الغاية منها تتمثل في الحد من التعقيدات الإجرائية والتجزئة التشغيلية والأعباء الإدارية التي تعيق المؤسسات عن العمل بالكفاءة والسرعة المطلوبة على نطاق واسع. ويبقى الإنسان مسؤولاً عن تحديد الأولويات واتخاذ القرارات وإقرار التوجهات الاستراتيجية وتحمل المسؤولية عنها. أما دور الذكاء الاصطناعي، فيتمثل في تنسيق وتنفيذ الأنشطة والمهام التشغيلية المرتبطة بهذه القرارات.
عندما يتعطل أحد الموردين المسؤولين عن توفير مكوّن حيوي لعمليات التصنيع، تستطيع أنظمة الذكاء الاصطناعي التقليدية شرح المشكلة أو التنبؤ بتداعياتها المحتملة. أما الذكاء الاصطناعي القائم على فهم العمليات التشغيلية، فيتعامل مع الموقف بصورة مختلفة تماماً. فهو لا يكتفي بتقديم الرؤى، بل يربط بين مختلف جوانب الأعمال المتأثرة بالحدث، إذ يمكنه تحديد خطوط الإنتاج المعرضة للتأثر، وتحليل أوضاع المخزون على مستوى المؤسسة، وتقييم خيارات التوريد البديلة، وقياس الأثر المالي المتوقع، ورصد المخاطر المتعلقة بالعملاء والالتزامات التعاقدية. والأهم من ذلك، أنه يستطيع تنسيق الاستجابة عبر المشتريات والخدمات اللوجستية والمالية وعمليات العملاء بصورة متزامنة.
ولا يقتصر الأمر هنا على أتمتة إجراءات العمل التقليدية، بل يتعلق بإرساء نموذج جديد للتفاعل بين الإنسان والأنظمة داخل المؤسسة. ولهذا أرى أن عصر الذكاء الاصطناعي لن يقلل من أهمية أنظمة المؤسسات، بل سيزيدها أهمية على نحو غير مسبوق.
ومع انتقال الذكاء الاصطناعي من تقديم الرؤى إلى المساهمة في تنفيذ الأعمال، ستزداد أهمية الأنظمة القادرة على ربط الذكاء الاصطناعي بالواقع التشغيلي الفعلي للمؤسسة. وعندها لن تقتصر القيمة على امتلاك البيانات فحسب، بل ستكمن في امتلاك الأنظمة التي تفهم كيفية عمل المؤسسة، وما يحكمها من سياسات وصلاحيات وإجراءات واعتماديات وآثار مالية ومتطلبات للمساءلة والحوكمة على نطاق واسع.
يفرض هذا التحول على القيادات إعادة النظر في الطريقة التي تتعامل بها مع التحول المؤسسي.
لقد تركزت المرحلة الأولى من تبني الذكاء الاصطناعي في المؤسسات إلى حد كبير على التجريب والاستكشاف. فقد سارعت الشركات إلى اختبار المساعدات الذكية، وإطلاق المشاريع التجريبية، وأتمتة مهام محددة ومنفصلة. قليل منها حقق مكاسب حقيقية في الإنتاجية، وعدد أقل نجح في إحداث تغيير جوهري في الطريقة التي تعمل بها المؤسسات.
ستتبنى المؤسسات التي ستقود المرحلة التالية نهجاً مختلفاً، حيث ستربط هذه المؤسسات قدرات الذكاء الاصطناعي مباشرةً بالأنظمة والعمليات التي يتم ضمنها اتخاذ القرارات المؤثرة على الأداء والنتائج المالية للمؤسسة. كما ستدرك أن موثوقية الذكاء الاصطناعي لن تقتصر على الحوكمة فقط، بل سترتبط أيضاً بمدى جودة البيانات، وسلامة العمليات، والسياق الغنيّ الذي يعمل ضمنه، وقدرته على فهم المعاملات والأنشطة التشغيلية التي تقوم عليها الأعمال اليومية.
والأهم من ذلك، أن المؤسسات الرائدة ستدرك أن نجاح تبني الذكاء الاصطناعي لا يعتمد على التكنولوجيا وحدها، بل يتطلب إدارة فعالة للتغيير المؤسسي. فالقيمة الحقيقية لا تتحقق إلا عندما يعمل الذكاء الاصطناعي والعمليات التشغيلية والكوادر البشرية ضمن منظومة واحدة ومتكاملة.
وستكون الأفضلية للمؤسسات القادرة على تحقيق هذا التوازن، حيث يواصل الإنسان تحديد الأولويات واتخاذ القرارات وتحمل المسؤولية عنها، بينما تتولى الأنظمة الذكية تنسيق الأعمال وتنفيذها بكفاءة ودقة. ومن خلال هذا التكامل، ستتمكن المؤسسات من التعامل مع بيئة أعمال تزداد تعقيداً، بما يعزز من قدرتها على التكيف والإنتاجية واتخاذ قرارات أكثر ذكاءً.
* كبير نواب الرئيس والمدير التنفيذي لشركة إس إيه بي، الشرق الأوسط وشمال أفريقيا
• Organizations need not only systems that provide better answers but also technologies capable of understanding the processes and decisions that underpin business operations and participating in their execution.
Almost every week, there is an announcement of new, more advanced artificial intelligence solutions and systems for automating corporate work. Despite this accelerating momentum, many of these innovations still focus on technology itself, rather than on the business needs and processes that organizations rely on to manage their daily operations.
This issue gains particular importance because organizations are not only looking for better answers but also for better decisions and better outcomes. In a business environment, decisions are rarely independent or isolated. Every operational or financial decision is linked to a wide array of data, systems, policies, commitments, and overlapping priorities. Therefore, the true value of artificial intelligence lies not in its ability to answer a question or perform a single task but in its ability to understand the entire business context and manage the complexities that govern how the organization operates and achieves its goals.
During many discussions I had with executives and leaders over the past year, the conversation quickly shifted from talking about AI capabilities to the reality of operations within organizations. The technological evolution is clear to everyone, but the real challenge lies in how well these systems can understand the business environments in which they operate.
Much of the discussion around artificial intelligence still starts from the assumption that more advanced models will necessarily lead to better business outcomes. However, organizations are discovering today that AI does not realize its true value simply by having higher capabilities, but through its understanding of the operational environment in which it works. When AI is disconnected from the processes, data, policies, and controls that guide and govern the organization's operations, it may accomplish more tasks, but it does not necessarily make more progress. In fact, this can sometimes lead to increased complexity and the creation of new risks instead of mitigating them.
The recommendations provided by AI may seem accurate and convincing, but they may overlook significant implications in other parts of the organization. An AI agent may be able to optimize a specific workflow while inadvertently causing confusion in related processes or plans. Therefore, the problem is no longer about AI's ability to produce answers or execute tasks, but rather its ability to understand the consequences of its decisions within an interconnected business environment where every process is influenced by surrounding processes.
This is the real challenge facing the new generation of AI solutions for enterprises; the issue is no longer just about coordinating tasks and systems, but about understanding the business context in which decisions are made and executed.
For decades, enterprise systems have formed the operational backbone upon which businesses and economies around the world are built. The systems that manage financial affairs, supply chains, procurement, human resources, manufacturing, and customer service do not merely serve to store data or process transactions; they embody how organizations actually operate, retaining years of accumulated experience and documenting the processes, policies, controls, authorities, and relationships that govern business operations and decision-making. Thus, these systems represent the institutional memory that organizations rely on to manage their operations and guide their growth.
In the age of artificial intelligence, the importance of this institutional context is greater than ever. Without it, AI outputs remain mere potential guesses, not decisions based on a true understanding of the business reality.
When artificial intelligence is directly linked to the processes that manage the organization, it becomes capable of grasping the complete picture of the business and the interconnections and mutual influences occurring within it. At that point, the role of enterprise systems is not limited to recording transactions or managing operations; they begin to actively contribute to executing business and taking appropriate actions.
AI systems can detect risks at early stages, coordinate responses across various departments, suggest appropriate actions in real-time, and automate repetitive tasks within defined controls. However, this is not achieved through independent agents working in isolation from one another, but through AI that is directly connected to the processes, data, and rules upon which the organization operates.
It is important to emphasize that autonomy in a business environment does not mean excluding the human element from the decision-making process, as the goal is to reduce procedural complexities, operational fragmentation, and administrative burdens that hinder organizations from operating efficiently and swiftly on a large scale. Humans remain responsible for setting priorities, making decisions, establishing strategic directions, and being accountable for them. The role of AI is to coordinate and execute the operational activities and tasks related to these decisions.
When one of the suppliers responsible for providing a critical component for manufacturing operations fails, traditional AI systems can explain the problem or predict its potential consequences. However, AI based on understanding operational processes handles the situation in a completely different way. It does not merely provide insights; it connects various aspects of the business affected by the event, identifying production lines at risk, analyzing inventory situations at the organizational level, evaluating alternative supply options, measuring the expected financial impact, and monitoring risks related to customers and contractual obligations. Most importantly, it can coordinate responses across procurement, logistics, finance, and customer operations simultaneously.
This is not just about automating traditional workflows; it is about establishing a new model of interaction between humans and systems within the organization. Therefore, I believe that the age of artificial intelligence will not diminish the importance of enterprise systems but will increase their significance in unprecedented ways.
As AI transitions from providing insights to contributing to executing business, the importance of systems capable of linking AI to the actual operational reality of the organization will grow. At that point, the value will not be limited to merely possessing data, but will lie in having systems that understand how the organization operates, the policies, authorities, procedures, dependencies, financial implications, and accountability and governance requirements on a broad scale.
This shift compels leadership to reconsider how they approach institutional transformation.
The first phase of adopting AI in organizations has largely focused on experimentation and exploration. Companies have rushed to test smart assistants, launch pilot projects, and automate specific and isolated tasks. Few have achieved real productivity gains, and even fewer have succeeded in making a substantial change in how organizations operate.
Organizations that will lead the next phase will adopt a different approach, linking AI capabilities directly to the systems and processes within which decisions affecting performance and financial outcomes are made. They will also recognize that the reliability of AI will not be limited to governance alone but will also be tied to the quality of data, the integrity of processes, the rich context in which it operates, and its ability to understand the transactions and operational activities that underpin daily business.
Most importantly, leading organizations will realize that the success of AI adoption does not depend solely on technology, but requires effective management of institutional change. True value is only realized when AI, operational processes, and human resources work together as a single, integrated system.
Organizations that can achieve this balance will have the advantage, as humans continue to set priorities, make decisions, and take responsibility for them, while intelligent systems coordinate and execute work efficiently and accurately. Through this integration, organizations will be able to navigate an increasingly complex business environment, enhancing their ability to adapt, productivity, and make smarter decisions.
* Senior Vice President and CEO of SAP, Middle East and North Africa
