إنفاق المؤسسات على الذكاء الاصطناعي يتسارع. تجاوز الاستثمار العالمي في برمجيات الذكاء الاصطناعي 150 مليار دولار في عام 2024، ومن المتوقع أن يتضاعف ثلاث مرات بحلول عام 2028. تفرض مجالس الإدارة استراتيجيات الذكاء الاصطناعي. يوقّع المديرون التنفيذيون لتقنية المعلومات عقوداً مع OpenAI وAnthropic وDatabricks وPalantir.
وأغلب تلك النشرات تفشل في صمت.
ليس في مرحلة العرض التجريبي. العروض التجريبية لا تشوبها شائبة. تفشل بعد توقيع العقد، حين يبدأ العمل الحقيقي: دمج منصة الذكاء الاصطناعي في بيئة مؤسسية قديمة لم تُصمَّم لهذا الغرض، مع متطلبات امتثال لم يتوقعها المورد، وبيانات أكثر فوضى من أي معيار قياسي، وأصحاب مصلحة داخليون لم يكونوا جزءاً من قرار الشراء.
تقدّر شركة McKinsey أن 70% من تجارب الذكاء الاصطناعي التجريبية لا تصل أبداً إلى مرحلة الإنتاج المستدام. وتضع شركة Gartner الرقم أعلى من ذلك تحديداً لعمليات نشر المؤسسات الكبيرة. تواجه صناعة الذكاء الاصطناعي مشكلة نشر — وهي أكبر من نقاش جودة النماذج الذي يهيمن على وسائل الإعلام.
الشركات التي تتغلب باستمرار على هذه الاحتمالات تتشارك ميزة هيكلية واحدة: مجموعة متخصصة من المهندسين المنتشرين ميدانياً — وهو دور لم يسمع به أغلب المشترين من المؤسسات، لكنهم يستفيدون منه الآن بشكل مباشر.
فهم هذا الدور يُفسّر لماذا يحقق بعض موردي الذكاء الاصطناعي باستمرار عائد الاستثمار بينما يترك آخرون عقوداً مكلفة تعمل بنسبة 20% من الطاقة الإنتاجية المتوقعة.
الفجوة في نشر الذكاء الاصطناعي المؤسسي
الفجوة بين "العرض التجريبي للذكاء الاصطناعي" و"الذكاء الاصطناعي في الإنتاج" أوسع من أي فئة أخرى من برمجيات المؤسسات. إليك السبب:
مشكلة البيانات
كل مورد للذكاء الاصطناعي يعرض نماذجه على بيانات نظيفة ومنظمة ويمكن الوصول إليها عبر واجهة برمجة التطبيقات. كل عميل مؤسسي لديه بيانات في قواعد بيانات Oracle من عام 2003، وجداول بيانات يُديرها يدوياً أفراد من وحدات أعمال مختلفة، وملفات PDF ممسوحة ضوئياً من مستندات ورقية، وتغذيات بيانات فورية بتنسيقات لا تدعمها الأدوات الحديثة بعد الآن.
قبل أن يتمكن أي منتج ذكاء اصطناعي من العمل، يجب على شخص ما تنظيف تلك البيانات وهيكلتها وإنشاء خطوط أنابيب لها. هذه ليست مهمة إعداد لمرة واحدة — بل هي عمل هندسي مستمر يتطلب فهم متطلبات بيانات منصة الذكاء الاصطناعي والقيود التشغيلية للعميل.
مشكلة الامتثال
تعمل المؤسسات العميلة — ولا سيما في الخدمات المالية والرعاية الصحية والحكومة والدفاع — وفق أطر تنظيمية تنتهكها عمليات نشر الذكاء الاصطناعي السحابي القياسية بصورة افتراضية:
- متطلبات إقامة البيانات: لا يمكن للعملاء في الاتحاد الأوروبي معالجة البيانات على خوادم أمريكية بموجب اللائحة العامة لحماية البيانات (GDPR)
- الشبكات المعزولة: العملاء الحكوميون والدفاعيون لا يتمتعون بأي اتصال بالإنترنت
- متطلبات التدقيق: يحتاج عملاء الخدمات المالية إلى قرارات ذكاء اصطناعي قابلة للشرح مع مسارات تدقيق كاملة
- تصنيف البيانات: لا يمكن لبيانات المعلومات الشخصية القابلة للتحديد والمعلومات الصحية المحمية والبيانات السرية أن تلمس خطوط أنابيب تدريب الذكاء الاصطناعي العامة
يتطلب تلبية هذه المتطلبات مع الحفاظ على وظائف منصة الذكاء الاصطناعي خبرة هندسية تقع عند تقاطع بنية الأمان المؤسسي وأنظمة الذكاء الاصطناعي — وهو مزيج نادر فعلاً.
مشكلة التكامل
لا تستبدل المؤسسات العميلة سير العمل الحالية بالذكاء الاصطناعي. بل تدمج الذكاء الاصطناعي في سير عمل تعمل منذ عقود، مع تبعيات لم تُوثَّق حين بُنيت الأنظمة الأصلية.
نظام الذكاء الاصطناعي لاكتشاف الاحتيال في بنك لا يحل محل عملية مراجعة الاحتيال الحالية للبنك. بل يجب أن يتكامل مع:
- نظام إدارة الحالات (غالباً مبني خصيصاً، عمره 15 عاماً)
- سير عمل إعداد التقارير التنظيمية (مع متطلبات تدقيق صارمة)
- سير عمل المحللين (حيث لا يزال البشر يتخذون القرارات النهائية في الحالات عالية القيمة)
- نظام الخدمات المصرفية الأساسية (الذي يعالج المعاملات التي يحللها الذكاء الاصطناعي)
لا شيء من هذا موثّق. لا شيء منه في دليل تطبيق المورد. وكل ذلك يتطلب مهندسين قادرين على كتابة كود الإنتاج داخل بيئة العميل.
مشكلة التبني
أفضل عملية نشر للذكاء الاصطناعي في العالم تفشل إذا لم يستخدمها الأشخاص الذين من المفترض أن تساعدهم. فشل التبني المؤسسي في معظمه ليس تقنياً — بل تنظيمي.
المحلل الذي يراجع الاحتيال منذ 15 عاماً لا يثق بدرجة ذكاء اصطناعي لا يفهمها. فريق تقنية المعلومات يستاء من أداة تجاوزت عملية الشراء الخاصة به. مسؤول الامتثال لا يرتاح لنظام لا يستطيع شرح قراراته بمصطلحات يقبلها المنظّم.
جعل الذكاء الاصطناعي راسخاً يتطلب مهندسين قادرين على تدريب المستخدمين، وشرح آلية عمل النظام بلغة بسيطة، وبناء حلقات التغذية الراجعة التي تزيد الثقة بمرور الوقت. هذه ليست وظيفة دعم — بل تتطلب نفس العمق التقني لعملية النشر ذاتها.
ما يفعله المهندسون المنتشرون ميدانياً فعلياً
نشأ نموذج FDE في Palantir، حيث طوّرت الشركة ممارسة تضمين المهندسين مباشرة مع العملاء الحكوميين والدفاعيين لفترات ممتدة — أحياناً لسنوات — لنشر Foundry في بيئات بلا اتصال بالإنترنت، ومتطلبات بيانات سرية، وأصحاب مصلحة لم يستخدموا برمجيات المؤسسات من قبل.
أنتج النموذج نتائج. أصبحت مقاييس الاحتفاظ بالعملاء والتوسع لدى Palantir معايير مرجعية لـ SaaS المؤسسي. حين انتقل خريجو Palantir إلى شركات أخرى، أخذوا النموذج معهم.
اليوم، كل شركة منصة ذكاء اصطناعي كبرى لديها نسخة من هذه الوظيفة:
Databricks تسميهم مهندسي الحلول المقيمين. يندمجون مع عملاء Fortune 500 لمدة 6-12 شهراً خلال عمليات ترحيل البيانات الكبرى، ويكتبون موصلات مخصصة، ويحسّنون أداء Spark لأعباء عمل العميل المحددة، ويدرّبون فريق هندسة بيانات العميل. حين يرحّل تاجر تجزئة 500 تيرابايت من Hadoop المحلي إلى Delta Lake دون توقف، مهندس الحلول المقيم هو من حقق ذلك.
Scale AI تسميهم مهندسي العملاء. ينشرون البنية التحتية لوسم البيانات وتقييم الذكاء الاصطناعي في شركات الذكاء الاصطناعي التي تبني النماذج الأساسية. حين تحتاج OpenAI أو Anthropic إلى خط أنابيب وسم بمستوى الإنتاج يعالج ملايين الأمثلة يومياً، يمتلك مهندس العميل ذلك النشر.
Snowflake تسميهم مهندسي الخدمات المهنية. حين تُرحّل مؤسسة مالية من Oracle إلى Snowflake دون تعطيل أنظمة التداول لديها، يكون مهندس الخدمات المهنية قد صمّم عملية الترحيل وتعامل مع تحويل البيانات وأدار عملية التحويل النهائي.
OpenAI وAnthropic لديهما مهندسو النشر ومهندسو الحلول على التوالي، ينشران ChatGPT Enterprise وClaude في المؤسسات الكبيرة — ويتكاملان مع سير العمل الحالية، ويضبطان متطلبات الامتثال، ويدفعان التبني عبر قوى عاملة كبيرة.
القاسم المشترك: هؤلاء المهندسون يمتلكون نجاح النشر من البداية إلى النهاية. ليس "هل تم تثبيته" — بل "هل يولّد النتيجة التجارية التي اشتراه العميل من أجلها؟"
لماذا هذا مُميِّز تنافسي وليس مجرد وظيفة خدمة
ينظر المشترون من المؤسسات عادةً إلى التنفيذ والخدمات المهنية باعتبارها متطلبات أساسية — تكلفة ممارسة الأعمال، لا مصدر ميزة تنافسية. نموذج FDE يتحدى هذا الافتراض.
حسابات الاحتفاظ
يكلف اكتساب عميل مؤسسي جديد للذكاء الاصطناعي 500 ألف إلى 2 مليون دولار في المبيعات والتسويق (تكلفة اكتساب العملاء الكاملة في شركات برمجيات المؤسسات). يكلف الاحتفاظ بعميل حالي 200 ألف إلى 400 ألف دولار في دعم FDE سنوياً.
الشركات التي تستثمر في فرق FDE ترى:
- انخفاض معدل التراجع: العملاء الذين ينشرون بنجاح لا يلغون. تكاليف التحويل التقنية التي تنشئها التكاملات المخصصة كبيرة.
- توسع أسرع: عميل يستخدم 20% من قدرات المنصة يتوسع إلى 80% حين يبحث FDE بنشاط عن حالات استخدام جديدة ويبنيها.
- مراجع أفضل: دراسات الحالة والإحالات تأتي من عمليات النشر الناجحة. عمليات النشر الفاشلة تتحول إلى نزاعات قانونية مكلفة.
يتجاوز صافي الاحتفاظ بالإيرادات لدى Palantir 120% سنة بعد سنة — مما يعني أن العملاء الحاليين ينفقون 20%+ أكثر كل عام مقارنة بالعام السابق. نموذج FDE هو المحرك الرئيسي لهذا المقياس.
تأثير الخندق الدفاعي
حين يقضي FDE 12 شهراً في بناء تكاملات مخصصة في أنظمة العميل، وتدريب فريق العميل، وتحسين النشر لحالات الاستخدام المحددة للعميل، تكون تكاليف التحويل الناتجة جوهرية.
عميل يستخدم منتج ذكاء اصطناعي منافس يمكنه التحويل بتغيير مفتاح API. عميل لديه 12 شهراً من التكاملات المخصصة المبنية بواسطة FDE وفرق داخلية مدرّبة وسير عمل محسّنة يواجه مشروع ترحيل من 12 إلى 24 شهراً للتحويل. هذا خندق دفاعي تنافسي حقيقي — لا يخلقه المنتج نفسه، بل جودة النشر.
حلقة ذكاء المنتج
يرى FDEs أشياء لا تراها فرق المنتج أبداً: كيف يستخدم العملاء المنتج فعلياً (ويسيئون استخدامه) في الإنتاج، وما هي التكاملات المطلوبة لكنها غير موجودة، وأين تفشل الوثائق، وما متطلبات الامتثال التي لم تُتوقع.
تمتلك شركات الذكاء الاصطناعي ذات فرق FDE القوية ميزة هيكلية في ذكاء المنتج على الشركات التي تبني عن بُعد وتشحن. كل عملية نشر للعميل تولّد إشارة. الشركات التي تعالج تلك الإشارة وتغذّيها في تطوير المنتج تبني منتجات أفضل بشكل أسرع.
ما يجب أن يعرفه المشترون من المؤسسات
بالنسبة لصانعي القرار في المؤسسات الذين يقيّمون موردي الذكاء الاصطناعي، يحمل نموذج FDE تداعيات مباشرة على اختيار المورد وهيكل العقد.
أسئلة يجب طرحها على الموردين
"كيف يبدو فريق التنفيذ لديكم؟"
هناك فرق جوهري بين مورد يُعيّن مدير مشروع ومورد يُعيّن مهندساً سيكتب كوداً في بيئتك. اسأل تحديداً: هل سيكتب فريق التنفيذ لديكم كوداً مخصصاً؟ هل يمكنهم العمل في بيئتنا المحلية؟ ما خبرتهم بإطار الامتثال لدينا؟
"من يمتلك نجاح النشر؟"
بعض الموردين يعرّفون النجاح بـ"مثبت وقيد التشغيل". وآخرون يعرّفونه بـ"توليد النتيجة التجارية التي اشتريته من أجلها". نموذج FDE مبني حول التعريف الثاني. افهم أي النموذجين تشتري قبل أن توقّع.
"ما معدل الاحتفاظ بصافي الإيرادات لديكم؟"
NRR هو أصدق إشارة على جودة النشر. مورد بنسبة NRR تتجاوز 100% ينشر بنجاح كافٍ لجعل العملاء يتوسعون. مورد بنسبة NRR بلغت 80% يخسر 20% من قيمة العملاء سنوياً — غالباً لأن عمليات النشر لم تُوفِّ بما وُعد.
"كم عدد العملاء في صناعتنا الذين نشرتم لهم؟"
يبني FDEs مكتبات أنماط من عمليات النشر المتكررة في صناعات محددة. مورد نشر لـ20 شركة خدمات مالية قد حل مشاكل تكامل الامتثال التي لم تتوقعها بعد. هذا يستحق الدفع مقابله.
اعتبارات هيكل العقد
عادةً ما تفصل عقود الذكاء الاصطناعي المؤسسي ترخيص البرمجيات عن خدمات التنفيذ. عند تقييم التكلفة الإجمالية:
- التنفيذ ليس تكلفة لمرة واحدة — يجب أن يكون دعم FDE المستمر للتحسين وحالات الاستخدام الجديدة واستكشاف الأخطاء وإصلاحها في العقد
- يجب تعريف مقاييس النجاح من حيث النتائج التجارية، لا التسليمات التقنية ("تحسّنت دقة اكتشاف الاحتيال بنسبة X%" لا "تم نشر النظام وتشغيله")
- يجب هيكلة حقوق التوسع بما يحفّز المورد على دفع التبني، لا مجرد الحفاظ على النشر الأولي
اختناق المواهب الذي يُقيّد تبني الذكاء الاصطناعي المؤسسي
القيد الأكبر على نشر الذكاء الاصطناعي المؤسسي ليس جودة النموذج ولا توافر البيانات ولا الميزانية. بل هو توافر المهندسين القادرين على العمل في FDE.
يحتاج FDEs الجيدون إلى:
- خبرة تصحيح أخطاء أنظمة الإنتاج (انقطاعات حقيقية، ضغط حقيقي، عواقب حقيقية)
- معرفة بنية النشر عبر بيئات سحابية متعددة ومحلية
- مهارات التواصل مع العملاء على المستوى التنفيذي
- توجه نحو النتائج التجارية (قياس النجاح بمؤشرات أداء العميل، لا المقاييس التقنية)
- المعرفة التنظيمية ذات الصلة بقطاعات النشر الخاصة بهم
هذا المزيج نادر فعلاً. يُنتج التدريب التقليدي على هندسة البرمجيات مهندسين أقوياء في المهارات التقنية وضعفاء في كل شيء آخر. يُنتج التدريب الموجه نحو العملاء أشخاصاً أقوياء في التواصل وضعفاء في العمق التقني.
ندرة المواهب هي سبب وصول تعويضات FDE إلى 300 ألف إلى 500 ألف دولار في كبرى شركات الذكاء الاصطناعي، ولماذا تبني الشركات برامج تدريب منظمة بدلاً من انتظار ظهور هذه المواهب بشكل طبيعي. FDE Academy هو مثال على هذا التحول — برنامج مصمم خصيصاً لتدريب المهندسين على العمل الموجه نحو النشر والموجه نحو العملاء الذي يتطلبه الذكاء الاصطناعي المؤسسي.
الشركات التي تبني مسارات مواهب FDE مستدامة ستمتلك ميزة هيكلية في الذكاء الاصطناعي المؤسسي على مدى العقد القادم. الشركات التي تعامل النشر كفكرة لاحقة ستستمر في خسارة العملاء بعد العرض التجريبي.
ما يعنيه هذا لسوق الذكاء الاصطناعي المؤسسي
تحمل فجوة نشر الذكاء الاصطناعي المؤسسي تداعيات مهمة على كيفية تطور السوق خلال السنوات الخمس القادمة.
جودة النموذج ستهم أقل، وجودة النشر ستهم أكثر. مع تقديم عدة موردين قدرات مماثلة بأسعار متقاربة، ينتقل التمييز إلى من يستطيع جعل التكنولوجيا تعمل في بيئات المؤسسات المعقدة. هذه ميزة مدفوعة بـFDE.
التخصص الرأسي سيتسارع. فرق FDE التي تنشر بشكل متكرر في الخدمات المالية والرعاية الصحية أو الحكومة تبني معرفة مؤسسية لا تستطيع الفرق العمومية مجاراتها. توقّع أن يبني موردو الذكاء الاصطناعي ممارسات FDE خاصة بالقطاعات الرأسية بدلاً من فرق تنفيذ للأغراض العامة.
المشترون من المؤسسات سيبدأون في طرح أسئلة أفضل. مع توثيق معدلات فشل النشر بشكل أفضل، ستطالب فرق المشتريات المؤسسية بسجلات حافلة في النشر، لا مجرد جودة في العرض التجريبي. الموردون الذين يمكنهم الإشارة إلى مقاييس NRR ودراسات حالة محددة سيفوزون بالصفقات التي لا يستطيع التمييز الخالص على أساس المنتج إغلاقها.
نموذج الخدمات المهنية سيتطور. كانت الخدمات المهنية التقليدية لبرمجيات المؤسسات استشارات بالساعات المدفوعة — مكلفة وبطيئة ومحفّزة على تمديد الارتباطات لا إكمالها. ينتج نموذج FDE، حيث يعمل المهندسون لدى المورد ويحفّزهم نجاح العميل، نتائج مختلفة جذرياً. توقّع أن ينتقل المزيد من الموردين نحو هذا النموذج مع توضّح مزاياه التنافسية.
أفكار ختامية
معدل فشل نشر الذكاء الاصطناعي المؤسسي البالغ 70% ليس في المقام الأول مشكلة تقنية. النماذج تعمل. المنصات قادرة. الفشل تشغيلي — الفجوة بين ما يستطيع الذكاء الاصطناعي فعله في بيئة خاضعة للرقابة وما يفعله فعلياً في مؤسسة حقيقية بأنظمة قديمة ومتطلبات امتثال وبشر لم يُستشاروا في قرار الشراء.
الشركات التي تحل هذه المشكلة لا تبني مجرد نماذج أفضل. بل تبني البنية التحتية التشغيلية — تحديداً وظيفة FDE — التي تجعل الذكاء الاصطناعي المؤسسي يعمل في العالم الحقيقي.
بالنسبة للمشترين من المؤسسات، فهم هذا التمييز هو الفرق بين استثمار ناجح في الذكاء الاصطناعي وتجربة تجريبية مكلفة لا تصل أبداً إلى الإنتاج. بالنسبة لموردي الذكاء الاصطناعي، يُعدّ بناء قدرة FDE بشكل متزايد الفرق بين الفوز بسوق المؤسسات ومشاهدته من الخارج.
تتحدث صناعة الذكاء الاصطناعي باستمرار عن جودة النموذج وأداء المعايير القياسية وإصدارات القدرات. القصة الأهدأ — تلك التي تحدد فعلياً تبني الذكاء الاصطناعي المؤسسي — تدور حول هندسة النشر. والشركات التي اكتشفت ذلك تتقدم على الآخرين.
