قبل عدة أشهر كنت أعمل مع عميل من قطاع المرافق. كانت المهمة تبدو بسيطة: إنشاء حالات اختبار لنظام سيدعمه الذكاء الاصطناعي التوليدي بناءً على بيانات الشركة. البيانات كانت موجودة، والأنظمة كانت موجودة، والميزانية كانت موجودة. كان ينقص شيء واحد لم يفكر فيه أحد.
لم يتحقق أحد مما إذا كان الإنسان يستطيع القيام بذلك.
قبلنا على الثقة أن البيانات جيدة
هذا ما يبدو عليه الحال في معظم مشاريع الذكاء الاصطناعي التي أراها من الداخل. المؤسسة لديها بيانات في أنظمتها. شخص ما يقول في الاجتماع: "لدينا بيانات". شخص آخر يضيف: "يكفي أن نربط الذكاء الاصطناعي". وينطلق المشروع.
في هذه الحالة، كان من المفترض أن تُستخدم البيانات لتوليد حالات الاختبار. قبلنا على الثقة أنها صحيحة وكافية. لم يشكك أحد في هذا الافتراض — ولماذا يفعل؟ فالبيانات موجودة في النظام منذ سنوات، والناس يستخدمونها يومياً.
ظهرت المشكلة فقط عندما طلبنا من خبير المجال — إنسان بسنوات طويلة من الخبرة في هذه المؤسسة — أن يُنشئ يدوياً بضع حالات اختبار بناءً على نفس البيانات.
لم يستطع فعل ذلك.
البيانات كانت موجودة، لكن ليست لهذا الغرض
هذا لا يعني أن البيانات كانت سيئة بالمعنى التقني. كانت في النظام، ولها بنية ما، وشخص ما أدخلها يوماً ما. لكنها لم تكن صالحة للمهمة التي أردنا تنفيذها عليها. كان ينقصها السياق، والروابط بين السجلات، وتاريخ التغييرات. كان الخبير ينظر إلى هذه البيانات ويرى أجزاء — لم يكن يرى الصورة الكاملة التي يمكنه بناء سيناريو اختبار منها.
والمؤسسة كانت تتوقع أن الذكاء الاصطناعي التوليدي سيفعل ذلك "بطريقة سحرية".
الاختبار الذي كان يجب أن يكون الأول
الاستنتاج الذي توصلت إليه بعد هذا المشروع بسيط وعملي بشكل قاسٍ: قبل أن تنفق ميزانية على الذكاء الاصطناعي، أسند نفس المهمة لإنسان. ليس لشخص واحد — بل يفضل لشخصين أو ثلاثة من أقسام مختلفة. أعطهم نفس البيانات، نفس الهدف، وراقب.
إذا لم يستطع خبير المجال تنفيذ المهمة على هذه البيانات، فالمشكلة ليست في نموذج الذكاء الاصطناعي. المشكلة في البيانات، أو في الافتراضات، أو في المهمة نفسها.
هذا ليس اختباراً تقنياً. هذا اختبار تنظيمي. يتحقق مما إذا كانت الشركة تفهم بياناتها الخاصة بما يكفي لتتمكن من استخدامها — سواء من قبل إنسان أو آلة.
لماذا تتجاهل الشركات هذه الخطوة
لأنها غير مريحة. لأنها تعني أنه قبل أن نبدأ "تطبيق الذكاء الاصطناعي"، يجب علينا أولاً القيام بعمل ممل وشاق: مراجعة البيانات، وفهم جودتها، وسد الثغرات، وإنشاء التوثيق. هذا ليس مثيراً. لا يمكن عرضه على شريحة للإدارة مكتوب عليها "تحول الذكاء الاصطناعي".
لكن بدون هذه الخطوة، كل ما يليها بناء على رمال.
أرى هذا يتكرر: شركات تستثمر في إثبات مفهوم يعمل على بيانات نظيفة ومُعدّة للعرض. ثم تحاول نقله إلى بيانات الشركة الحقيقية وينهار كل شيء. ليس لأن الذكاء الاصطناعي ضعيف. بل لأن البيانات الحقيقية مختلفة تماماً عن البيانات التجريبية.
ما الذي نختبره حقاً عندما نختبر الذكاء الاصطناعي
كل مشروع ذكاء اصطناعي هو في جوهره اختبار للمؤسسة. يختبر ما إذا كانت الشركة:
- تعرف ما هي البيانات التي لديها وأين توجد.
- تفهم جودة هذه البيانات — ليس نظرياً، بل عملياً.
- تستطيع صياغة مهمة بدقة كافية ليتمكن الإنسان من تنفيذها.
- لديها خبراء يمكنهم التحقق من النتيجة.
إذا كانت الإجابة على أي من هذه الأسئلة "لا" — فهذا ليس الوقت المناسب لتطبيق الذكاء الاصطناعي. هذا هو الوقت المناسب لإجراء تدقيق العمليات والبيانات، الذي سيُظهر أين أنت حقاً.
القطاع يقول: "جودة البيانات هي المفتاح"
وهو محق — لكنه يتوقف في منتصف الطريق. تقارير Deloitte وMcKinsey وGartner تتحدث عن جودة البيانات كأساس. لكن لا أحد يقول صراحةً: تحقق مما إذا كان الإنسان يستطيع العمل على هذه البيانات قبل أن تنفق ميزانية على الذكاء الاصطناعي.
هذه هي الخطوة المفقودة. الأمر لا يتعلق فقط بما إذا كانت البيانات "نظيفة" بالمعنى التقني — هل لا توجد تكرارات، هل الصيغ متوافقة. الأمر يتعلق بما إذا كانت هذه البيانات تسمح أصلاً بتنفيذ المهمة التي تريد إسنادها للآلة. لأنه إذا لم يستطع خبير بخبرة 15 عاماً إنشاء حالة اختبار بناءً عليها، فلن يفعل ذلك أي نموذج — لا GPT-4 ولا Claude ولا أي شيء سيظهر بعد عام.
نصيحة عملية
قبل كل مشروع ذكاء اصطناعي، قم بتمرين بسيط واحد. خذ المهمة التي تريد إسنادها للذكاء الاصطناعي. أعطها لأفضل خبير في الشركة. أعطه نفس البيانات بالضبط التي كنت تخطط لتقديمها للنموذج. وراقب.
إذا نفذ الخبير المهمة بسلاسة — لديك فرصة لتطبيق ذكاء اصطناعي ناجح. إذا عانى الخبير، وسأل عن بيانات إضافية، وبحث عن سياق خارج النظام — لديك مشكلة يجب حلها قبل أن تفكر أصلاً في الذكاء الاصطناعي.
هذا ليس اختباراً للذكاء الاصطناعي. هذا اختبار لجاهزية مؤسستك.
إذا أردت التحقق من جاهزية شركتك لتطبيق الذكاء الاصطناعي على بيانات وعمليات حقيقية، أدعوك للتواصل — ليشيك غيزا.