فجوة توسيع الوكلاء: 62% يجرّبون، وأقل من 10% يوسّعون فعلياً

الجميع يجرّبون الوكلاء؛ ولا أحد تقريباً وسّعهم

توقّفت الأرقام البارزة حول تبنّي الذكاء الاصطناعي عن كونها مثيرة للاهتمام لأنها جميعاً شبه شاملة. وفق المسح العالمي State of AI 2026 من McKinsey، يقول 88% من المشاركين إن منظماتهم تستخدم الذكاء الاصطناعي بانتظام في وظيفة واحدة على الأقل، و72% يستخدمون الذكاء الاصطناعي التوليدي — بارتفاع حاد عن 33% في 2024. التبنّي، بالمعنى الواسع، أمر مستقر.

الرقم المثير للاهتمام هو الذي تحته. تجد McKinsey أن 62% من المنظمات تجرّب وكلاء الذكاء الاصطناعي على الأقل، و23% تفيد بتوسيع نظام ذكاء اصطناعي وكيل في مكان ما بالمؤسسة — لكن في أي وظيفة بعينها، كما يلاحظ تحليل التقرير في CX Today، لا تزيد المنظمات التي توسّع الوكلاء على 10%. المسافة بين «التجربة» و«التوسيع في الإنتاج» هي المشكلة المحدِّدة للذكاء الاصطناعي المؤسسي هذا العام، وهي واسعة.

ماذا يتطلّب «التوسيع» فعلياً

سبب استمرار الفجوة هو أن توسيع وكيل تمرين مختلف جوهرياً عن تجربة واحد. ينجح المشروع التجريبي حين يُنجز وكيل واحد سير عمل واحداً في بيئة محكومة لمجموعة صغيرة من المستخدمين. أما التوسيع فيتطلّب أن يعمل الوكيل نفسه بموثوقية عبر أسيار عمل عديدة، ولمستخدمين كثر، مقابل بيانات إنتاج حيّة، تحت حوكمة، بسلوك قابل للملاحظة وتكلفة متوقّعة. كل من هذه المتطلبات التزام هندسي وتنظيمي منفصل.

تجعل بيانات McKinsey العائد مشروطاً بهذا النوع من إعادة التصميم بالضبط. يجد المسح أن المجموعة الصغيرة من المنظمات التي تجني قيمة كبيرة وموسَّعة — نحو 6% من المشاركين يتأهّلون كـ«عالي أداء في الذكاء الاصطناعي» ينسبون أكثر من 5% من EBIT للذكاء الاصطناعي — تتصرّف بشكل مختلف عن الجميع. كما تُفيد CX Today من المسح، يقول 55% من عالي الأداء إنهم أعادوا تصميم أسيار العمل جوهرياً لالتقاط قيمة الذكاء الاصطناعي، مقابل 20% فقط من المنظمات الأخرى، و65% حدّدوا عمليات تحقّق بإدخال الإنسان في الحلقة، مقابل 23%. الميزة ليست النموذج؛ بل الانضباط التشغيلي حول النموذج.

مراجعة واقع EBIT

أكثر أرقام المسح إيقاظاً هو رقم القيمة. رغم 88% من الاستخدام المنتظم، يجد مسح McKinsey أن 39% فقط من المنظمات تُفيد بأي أثر على EBIT يُنسَب للذكاء الاصطناعي — و6% فقط تقريباً تجني أثراً كبيراً وموسَّعاً. هذه أغلبية كبيرة من الشركات تنفق على الذكاء الاصطناعي دون أن تستطيع بعدُ الإشارة إليه في بيان الدخل.

ليس هذا دليلاً على أن الذكاء الاصطناعي لا يعمل؛ فعالو الأداء يثبتون أنه يعمل. إنه دليل على أن القيمة تعود للمنظمات التي تعامل الذكاء الاصطناعي كتغيير في نموذج التشغيل لا كميزة تُركَّب. رقم الـ39% بأي أثر ورقم الـ6% تقريباً بأثر موسَّع يصفان الواقع نفسه من زاويتين: معظم المنظمات تبنّت الأدوات لكن ليس الانضباط الذي يحوّل الأدوات إلى هامش.

لماذا الوكلاء أصعب مما كان الذكاء الاصطناعي التوليدي

انتشر الذكاء الاصطناعي التوليدي بسرعة في المؤسسات لأنه يندمج في أسيار العمل البشرية القائمة — يستفهم شخص نموذجاً، يقرأ المخرَج، ويقرّر ما يفعله به. أما الوكلاء فيزيلون الإنسان من وسط الحلقة، وهناك بالضبط تتركّز الصعوبة:

• الاستقلالية ترفع رهان كل خطأ. روبوت محادثة يهلوس يهدر وقت مستخدم. وكيل يهلوس أثناء تنفيذ سير عمل متعدد الخطوات قد يتّخذ إجراءات حقيقية وخاطئة على أنظمة إنتاج قبل أن يلاحظ أحد.
• التقييم غير محلول. يمكن تقدير ملخّص. أما تقدير ما إذا اتّخذ وكيل مستقل تسلسل قرارات جيداً عبر مهمة طويلة فأصعب بكثير، وغياب التقييم الموثوق سبب رئيسي لتعثّر المشاريع التجريبية.
• احتكاك الحوكمة حقيقي. تقرير أي إجراءات يجوز للوكيل اتّخاذها، ونيابةً عمن، وبأي بيانات، وبأي موافقة بشرية، عمل تنظيمي يمسّ الأمن والقانون والامتثال — لا شيء تسلّمه فرق الهندسة وحدها.
• التكلفة غير خطية. وكيل واحد يولّد وكلاء فرعيين ومحاولات إعادة قد يولّد أضعافاً مضاعفة من استدعاءات النموذج مما اقترحه المشروع التجريبي، ولوحات FinOps التقليدية تُبلّغ بالفاتورة بعد وقوعها.

لا شيء من هذه أسباب لعدم نشر الوكلاء. إنها الأسباب المحدَّدة التي لم تتحوّل بسببها فئة الـ62% التي تجرّب إلى فئة الـ62% الموسَّعة — وقائمة التحقق التي يجب أن تجتازها أي منظمة لعبور الفجوة.

ماذا يعني هذا لقادة المؤسسات

الوصفة الضمنية للمسح هي أن التوسيع مشروع نموذج تشغيل، لا قرار شراء. على القادة الجادّين في الانتقال من التجربة إلى الإنتاج القيام بالحركات البنيوية التالية.

1. أعِد تصميم سير العمل حول الوكيل قبل نشره

عالو الأداء يعيدون تصميم الأسيار؛ والمتأخرون يركّبون الوكلاء على عمليات دون تغيير. قبل نشر وكيل، ارسم سير العمل من طرف إلى طرف الذي سيشغّله، وقرّر أي خطوات يملكها وأيها تبقى بشرية، وأعد بناء العملية حول هذا التقسيم — مع القياس مقابل خط أساس حقيقي كي تثبت الأثر لاحقاً.

2. ابنِ تقييم الوكلاء قبل بناء الوكيل

سبب تعثّر المشاريع التجريبية هو أن لا أحد يستطيع القول بثقة إن الوكيل جيد بما يكفي. حدّد، مسبقاً، كيف ستقيس النجاح عبر تسلسلات مهام كاملة — لا مجرد مخرجات مفردة — وأقِم منظومة التقييم قبل التوسيع. إن لم تستطع قياسه، لا تستطيع توسيعه بمسؤولية.

3. ثبّت التحقّق بإدخال الإنسان في الحلقة كضابط، لا كفكرة لاحقة

65% من عالي الأداء حدّدوا تحقّقاً بإدخال الإنسان في الحلقة؛ ومعظم الآخرين لم يفعلوا. قرّر أي إجراءات للوكيل تتطلّب موافقة بشرية، وابنِ نقاط التحقّق هذه في سير العمل، وعيّن مالكاً مسمّى مسؤولاً عن سلوك كل وكيل في الإنتاج — قبل النشر، لا بعد حادثة.

4. جهّز أدوات قياس التكلفة والحوكمة من اليوم الأول

مرّر إجراءات الوكلاء عبر طبقة سياسات تفرض الأدوات المسموحة وقواعد الوصول للبيانات وحدود المعدل، وضع تكلفة كل وكيل وسلوكه في نظام قابلية ملاحظة تستطيع فرق الأمن والمالية والهندسة كلها الاستعلام منه. التكلفة غير الخطية والإجراء المستقل لا يمكن إدارتهما إلا إذا كانا مرئيين.

سيناريو التصحيح

من غير المرجّح أن تُغلَق فجوة التوسيع بأن يصبح الجميع فجأة عالي أداء. المسار الأرجح لعامَي 2026-2027 هو التشعّب: الـ6% تقريباً الذين أعادوا بناء نموذج تشغيلهم يتقدّمون أكثر، ملتقطين EBIT غير متناسب، بينما يواصل الذيل الطويل مشاريع تجريبية لا تنتقل أبداً إلى الإنتاج. لهذا الذيل الطويل، الخطر ليس التخلّف في التكنولوجيا — فالنماذج متاحة على نطاق واسع — بل في الانضباط التنظيمي الذي يحوّل النماذج إلى نتائج.

بالنسبة لشركات الأسواق الناشئة، ومنها الجزائر، هذا التأطير مشجّع بشكل غير متوقّع. العامل المُقيِّد الذي تحدّده McKinsey ليس الوصول إلى النماذج المتقدمة ولا ميزانيات بحجم مزوّدي السحابة العملاقة؛ بل إعادة تصميم الأسيار والتقييم والحوكمة — قدرات يمكن لمنظمة متوسطة منضبطة بناؤها دون برنامج ذكاء اصطناعي بتسعة أرقام. درس مسح 2026 هو أن الفائزين يتميّزون عن غيرهم بما أعادوا به بناء العمل حوله أكثر مما اشتروه.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• The State of AI: Global Survey 2026 — McKinsey & Company
• McKinsey’s State of AI: The Scaling Gap Is Now CX’s Problem — CX Today
• AI Value Gap 2026: 88% Use AI, Only 6% Profit — innobu
• AI Agent Adoption Statistics 2026: Enterprise AI Usage — GoGloby