بناء حلول الذكاء الاصطناعي متعدد الوسائط للأعمال: من التجارب المحدودة إلى قيمة مؤسسية قابلة للقياس

لماذا تتفوق بعض المؤسسات بالذكاء الاصطناعي بينما تبقى أخرى أسيرة التجارب؟

يشهد عالم الأعمال تحولاً جوهرياً في طريقة معالجة المعرفة واتخاذ القرار، مدفوعاً بصعود الذكاء الاصطناعي متعدد الوسائط (Multimodal AI)، وهو الجيل من الأنظمة القادر على فهم النص والصورة والصوت والفيديو والبيانات المهيكلة معاً ضمن نموذج واحد. وتشير تقديرات السوق إلى أن حجم سوق الذكاء الاصطناعي متعدد الوسائط بلغ نحو 2.51 مليار دولار في 2025 ومن المتوقع أن يصل إلى 42.38 مليار دولار بحلول 2034 بمعدل نمو سنوي مركّب يقارب 36.9%، فيما تستحوذ المؤسسات الكبرى على نحو 65% من إيرادات هذا السوق. ورغم هذا الزخم، تكشف الأرقام فجوة جوهرية بين التجريب والتطبيق؛ إذ تشير دراسة ماكنزي إلى أن 71% من المؤسسات تستخدم الذكاء الاصطناعي التوليدي بانتظام، لكن 17% فقط تنسب إليه أكثر من 5% من أرباحها التشغيلية. هذه الفجوة هي محور هذا الدليل: كيف تبني المؤسسة حلولاً متعددة الوسائط تتجاوز العروض التجريبية إلى قيمة إنتاجية حقيقية وقابلة للقياس.

تتوجّه هذه المقالة إلى قادة الأعمال ومدراء التقنية وأصحاب القرار، وتقدّم إطاراً تطبيقياً يربط بين فهم التقنية وتصميم الحل وحوكمة البيانات وقياس العائد بخطوات عملية ومؤشرات واضحة تجعلها مرجعاً دائماً عند كل مرحلة من مراحل البناء. والمقصود بالقيمة هنا ليس استعراض قدرات النماذج، بل تقديم منهجية تنفيذية تنقل المؤسسة من سؤال "ماذا تستطيع التقنية؟" إلى سؤال "كيف نوظّفها لتحقيق نتيجة عمل ملموسة؟".

ما الذكاء الاصطناعي متعدد الوسائط ولماذا يهمّ الأعمال؟

النماذج التقليدية تعالج نوعاً واحداً من البيانات: نصاً فقط، أو صورة فقط. أما النموذج متعدد الوسائط فيدمج عدة أنواع في فهم موحّد، تماماً كما يفعل الإنسان حين يقرأ تقريراً ويشاهد رسماً بيانياً ويستمع إلى شرح في آنٍ واحد. هذه القدرة تفتح أمام الأعمال تطبيقات لم تكن ممكنة من قبل: تحليل فاتورة مصوّرة واستخراج بياناتها، فهم مكالمة عميل صوتية وربطها بسجلّه النصي، أو مراجعة عقد طويل مع مرفقاته المصوّرة دفعةً واحدة.

الفرق بين النموذج أحادي الوسيط ومتعدد الوسائط

الفارق ليس كمّياً بل نوعي. النموذج أحادي الوسيط يجيب عن سؤال نصي بإجابة نصية. أما متعدد الوسائط فيستقبل صورة منتج تالف مع وصف نصي للمشكلة، ويربط بينهما لتشخيص الحالة وتوجيه القرار. القيمة التجارية تنشأ من هذا "الربط البيني" بين الوسائط، لأن معظم بيانات المؤسسات الواقعية ليست نصاً صرفاً، بل خليطٌ من المستندات والجداول والرسوم والصور والتسجيلات.

نضج النماذج وانخفاض الكلفة

تزامن عاملان جعلا اللحظة مفصلية. الأول نضج النماذج: قطعت النماذج متعددة الوسائط شوطاً كبيراً في معالجة النص والصورة والفيديو والصوت معاً، ما أتاح نطاقاً أوسع من حالات الاستخدام المؤسسية. والثاني اقتصادي وبنيوي: انتشار الحوسبة السحابية وشبكات الجيل الخامس والحوسبة الطرفية خفّض كلفة المعالجة وزمن الاستجابة، ما جعل التطبيقات اللحظية ممكنة تجارياً. تزامن الجدوى مع النضج هو ما يدفع القادة إلى التحرّك الآن بدل الانتظار.

حالات استخدام تطبيقية تحقّق عائداً ملموساً

القيمة لا تأتي من التقنية لذاتها، بل من ربطها بمشكلة عمل واضحة. وفيما يلي أكثر حالات الاستخدام نضجاً عبر القطاعات، يمكن تكييف أيٍّ منها داخل المؤسسة.

معالجة المستندات والمعرفة المؤسسية

أكثر التطبيقات نضجاً وعائداً. فبيانات المؤسسات الواقعية مزيج من النصوص والجداول والرسوم والصور والمستندات الممسوحة ضوئياً والنماذج. النظام متعدد الوسائط يقرأ هذا الخليط ويستخرج منه المعلومة المطلوبة. ويُبنى هذا غالباً عبر تقنية "التوليد المعزّز بالاسترجاع" (RAG) التي تربط النموذج بقاعدة معرفة المؤسسة لتقليل الهلوسة وضمان دقة المخرجات. وتُعدّ هذه التقنية معياراً ناشئاً، إذ تشير البيانات إلى أن 70% من الشركات التي توظّف الذكاء الاصطناعي التوليدي تستخدم أنظمة استرجاع وأدوات مرتبطة بها. ومن أمثلة الأثر العملي: استخراج بيانات الفواتير والعقود آلياً، مراجعة المستندات القانونية مع مرفقاتها، وتلخيص التقارير الطويلة مع رسومها البيانية، وهي مهام كانت تستهلك ساعات بشرية مكلفة.

خدمة العملاء والمساعدات الذكية

المساعد متعدد الوسائط يستقبل استفسار العميل نصاً أو صوتاً، ويفهم صورة المنتج التي يرفقها، ويرجع إلى سجلّه وإلى قاعدة المعرفة، ثم يقدّم حلاً متكاملاً. هذا يرفع نسبة الحلّ من أول تواصل ويخفّف العبء عن الكوادر البشرية لتتفرّغ للحالات المعقّدة. والشرط الحاسم للنجاح هو ربط النموذج بالبيانات الحيّة للمؤسسة لا الاعتماد على معرفته العامة. ومثال ذلك في قطاع التجزئة: عميل يرسل صورة لجهاز معطوب مع وصف نصي للمشكلة، فيتعرّف النظام على الطراز من الصورة ويراجع سجلّ الضمان ويحدّد سبب العطل المحتمل ويقترح حلاً أو يحجز موعد صيانة، كل ذلك في تفاعل واحد متّصل دون تنقّل العميل بين قنوات متعددة.

الفحص البصري والصيانة التنبؤية في التصنيع

في الصناعة، تدمج الأنظمة متعددة الوسائط صور خطوط الإنتاج مع بيانات المستشعرات وسجلّات الصيانة للكشف عن العيوب والتنبؤ بالأعطال. وتعكس الأرقام هذا الزخم، إذ أطلق 87% من المصنّعين تجارب للذكاء الاصطناعي التوليدي لتحسين الفحص البصري والصيانة التنبؤية في خطوط الإنتاج. العائد هنا مباشر: تقليل التوقّفات وخفض الهدر وإطالة عمر الأصول.

القطاع المالي: الأمان والكشف عن الاحتيال

في القطاع المالي والمصرفي، تُوظّف الأنظمة متعددة الوسائط في التحقق من الهوية عبر دمج الصورة والوثيقة والسلوك، وكشف الاحتيال عبر تحليل أنماط متعددة المصادر. ويُعدّ هذا القطاع من أسرع القطاعات تبنّياً بفضل ثقافته الراسخة في الحوكمة والالتزام، وهو ما يثبت أن الحوكمة الرشيدة لا تعيق الابتكار بل تؤسّس له.

مثال تطبيقي: نظام المعرفة المؤسسي الموحّد

من الأمثلة الملموسة على القيمة المؤسسية، بناء "نظام معرفة" داخلي يربط آلاف الوثائق والتقارير والعروض المتراكمة في منصة واحدة قابلة للاستجواب باللغة الطبيعية. فبدلاً من أن يقضي الموظف ساعات بحثاً عن معلومة في أرشيف مبعثر، يطرح سؤالاً فيحصل على إجابة مدعومة بمصادرها. وقد طوّرت شركة ماكنزي نظاماً مشابهاً (Lilli) قائماً على بنية الاسترجاع، وأصبح لديها أكثر من 400 تطبيق للذكاء الاصطناعي التوليدي عبر القطاعات بحلول الربع الثاني من 2025، مع تقارير عن خفض مزدوج الرقم في ساعات عمل المحلّلين وتسريع دورات القرار. الدرس التطبيقي أن أعلى عائد غالباً يأتي من تحرير وقت الكوادر المتراكم في البحث والتجميع اليدوي.

البنية التقنية لحلّ متعدد الوسائط: من المكوّنات إلى التكامل

بناء حلّ ناضج يتطلّب فهم طبقاته الأساسية، إذ لا يكفي اختيار نموذج قوي دون البنية التي تحيط به وتغذّيه وتضبطه.

1.     طبقة النموذج الأساس واختياره

تبدأ البنية باختيار النموذج الأساس متعدد الوسائط المناسب. والمعيار ليس "الأقوى" بل "الأنسب" لحالة الاستخدام من حيث الدقة المطلوبة، والكلفة، وزمن الاستجابة، ومتطلبات الخصوصية. وقد نضج المشهد التنافسي حتى باتت عدة نماذج رائدة متقاربة في القدرات على معالجة الوسائط المتعددة والمهام المركّبة، ما يمنح المؤسسات خيارات متعددة بدل الارتهان لمزوّد واحد. ومن الحكمة العملية تبنّي نهج مرن يسمح باستبدال النموذج الأساس مستقبلاً دون إعادة بناء الحل بأكمله، لأن وتيرة تطوّر النماذج سريعة والارتباط الجامد بنموذج واحد يحوّل ميزة اليوم إلى عبء الغد.

2.     طبقة البيانات والاسترجاع (RAG)

هي الطبقة التي تحوّل نموذجاً عاماً إلى حلّ مؤسسي. تُحوّل وثائق المؤسسة إلى تمثيلات رقمية (Embeddings) تُخزّن في قاعدة بيانات متجهية (Vector Database)، ثم يُسترجع منها السياق المناسب عند كل استفسار. وقد شهدت هذه الطبقة نمواً متسارعاً يعكس تبنّيها الواسع. والقاعدة العملية أن جودة المخرجات تعتمد على جودة البيانات المسترجعة، فالنموذج لا يُنتج معرفةً غير موجودة في مصادره. وفي السياق متعدد الوسائط، تتطوّر هذه الطبقة لتسترجع لا النصوص فحسب، بل الجداول والرسوم والصور والمخططات، ما يجعلها قادرة على الإجابة عن أسئلة تمسّ محتوى مرئياً لا نصياً فقط، وهو تحوّل جوهري في قدرة الأنظمة على فهم الوثائق المؤسسية المعقّدة كما هي في الواقع.

3.     طبقة الأدوات والتنسيق (Orchestration)

في الحلول المتقدمة، يحتاج النموذج إلى استدعاء أدوات خارجية: قاعدة بيانات، واجهة برمجية، أو نظام مؤسسي. طبقة التنسيق تربط هذه المكوّنات وتدير تسلسل الخطوات. وقد ظهرت معايير موحّدة لربط النماذج بالأدوات والمصادر، ما يبسّط بناء الحلول المركّبة ويقلّل الارتهان لحلول مغلقة. ومع تطوّر الحلول نحو "الوكلاء" القادرين على تنفيذ مهام متعددة الخطوات بشكل شبه مستقل، تزداد أهمية هذه الطبقة، لأنها تحدّد كيف يتنقّل النظام بين الفهم والتحليل والتنفيذ، وكيف يطلب التدخّل البشري عند الحاجة. والتصميم الجيد لهذه الطبقة هو ما يميّز حلاً يعمل في عرض تجريبي عن حلٍّ يصمد في بيئة الإنتاج بتعقيداتها.

4.     طبقة الحوكمة والمراقبة

الطبقة التي تفصل بين التجربة والإنتاج. تشمل: ضوابط الأمان وسجلّات التدقيق ومراقبة جودة المخرجات والكشف عن الانحراف. وهي ما يمنح القيادة الثقة لتوسيع الحل، إذ تشير الأبحاث إلى أن المؤسسات التي تخضع حوكمة الذكاء الاصطناعي فيها لإشراف الإدارة العليا أكثر عرضةً بـ 2.6 ضعف لتحقيق أثر مالي ملموس.

خارطة طريق عملية لبناء الحل من التجربة إلى الإنتاج

أكبر تحدٍّ ليس بناء عرض تجريبي، بل عبور "مطهر التجارب" (Pilot Purgatory) إلى الإنتاج. حسب ماكنزي، نحو ثلث المؤسسات فقط نجحت في توسيع نطاق الذكاء الاصطناعي عبر المؤسسة، بينما يظل الثلثان عالقين في تجارب لا تتحوّل إلى إنتاج. الخارطة التالية تساعد على العبور.

المرحلة الأولى: تحديد حالة الاستخدام وربطها بمؤشر عمل:

ابدأ بمشكلة عمل واضحة ذات أثر قابل للقياس، لا بتقنية تبحث عن مشكلة. القاعدة الذهبية: حوّل الهدف من "نطبّق الذكاء الاصطناعي" إلى "نخفّض زمن معالجة الطلبات بنسبة كذا" أو "نرفع نسبة الحلّ من أول تواصل إلى كذا". اختر حالة واحدة عالية القيمة، وأعد تصميم مسار عملها بالكامل حول الحل بدلاً من رشّ التقنية على عشرين عملية دفعةً واحدة.

المرحلة الثانية: بناء النموذج الأولي وإثبات الجدوى:

ابنِ نموذجاً أولياً على نطاق محدود مع بيانات حقيقية، ووثّق نتائجه مقابل خط أساس. هنا تُختبر فرضيات الجدوى: هل يحقّق الحل الدقة المطلوبة؟ ما كلفته الفعلية؟ ما المخاطر التي ظهرت؟ الهدف ليس الكمال بل التعلّم السريع والرخيص قبل الاستثمار الكبير.

المرحلة الثالثة: التكامل المؤسسي والتوسّع:

هنا يكمن التحدي الحقيقي: ربط الحل بالأنظمة المؤسسية القائمة، وإعداد بنية جاهزة للوكلاء (Agent-ready) تشمل الاسترجاع واستدعاء الأدوات وضوابط السياسات وسجلّات التدقيق. التوسّع الناجح يتطلّب إعادة تصميم مسارات العمل لا مجرد إضافة طبقة تقنية فوقها.

المرحلة الرابعة: القياس والتحسين المستمر:

اربط كل مبادرة بمؤشر أداء واضح، وقِس الأثر شهرياً، وحسّن النموذج بناءً على بيانات الاستخدام الفعلية. الحل متعدد الوسائط ليس مشروعاً ينتهي بالإطلاق، بل منظومة حيّة تتطلّب مراقبة وتحديثاً مستمرين لتفادي تدهور الأداء مع تغيّر البيانات. ومن الممارسات الفعّالة إنشاء حلقة تغذية راجعة: تُجمع حالات الخطأ والمخرجات الضعيفة، وتُحلّل دورياً، وتُستخدم لتحسين قاعدة المعرفة أو ضبط النموذج، بحيث يتحسّن الحل مع الاستخدام بدل أن يتقادم.

التحديات الواقعية وكيفية معالجتها

عبور الفجوة بين التجربة والإنتاج يتطلّب معالجة أربعة تحديات متكرّرة، أبرزها بشري وتنظيمي لا تقني.

1.     جودة البيانات وتجزّؤها، ويمكن حلها من خلال توحيد البيانات من مصادرها المتفرّقة، وتنظيفها، وتصنيفها قبل بناء الحل؛ فالنموذج لا يعوّض عن بيانات رديئة.

2.     الهلوسة ودقة المخرجات، ويمكن حلها من خلال اعتماد تقنية الاسترجاع (RAG)، وربط المخرجات بمصادرها، وإبقاء الإشراف البشري على القرارات عالية الأثر.

3.     الفجوة البشرية ومقاومة التغيير، ويمكن حلها من خلال تأهيل ثلاث شرائح: القيادة (وعي استراتيجي)، الإدارة الوسطى (إدارة التغيير)، الكوادر (مهارات تطبيقية).

4.     الأمان والخصوصية والامتثال، ويمكن حلها من خلال تصنيف البيانات حسب الحساسية، وضبط الوصول، وتضمين بنود الأمان في عقود المزوّدين، والالتزام بالأنظمة الوطنية.

مؤشرات النجاح ومتطلبات الاستدامة

قياس النجاح يجب أن يتجاوز المؤشرات التقنية (دقة النموذج) إلى مؤشرات الأثر التجاري، لأن القيمة لا تتحقّق بالنموذج وحده بل بإعادة تصميم العمل حوله وقياس النتائج بصرامة.

المؤشرات التشغيلية الجوهرية

·      زمن إنجاز العملية: قبل التطبيق وبعده، مع هدف تخفيض واضح خلال السنة الأولى.

·      كلفة العملية: شاملةً كلفة النماذج والبنية والصيانة، مقسّمة على عدد العمليات.

·      دقة المخرجات ونسبة التدخّل البشري: كلما انخفضت الحاجة للتصحيح اليدوي، ارتفع نضج الحل.

·      رضا المستخدم النهائي: عميلاً كان أو موظفاً، عبر قياس قبلي وبعدي.

من المؤشر التقني إلى الأثر المالي

الفجوة بين 71% الذين يستخدمون الذكاء الاصطناعي و17% الذين يحقّقون أثراً مالياً ملموساً تكشف أن المشكلة ليست في التقنية بل في الربط بين المبادرة ونتيجة العمل. لذلك يجب أن يُترجم كل حل إلى مؤشر مالي: إيراد إضافي، وفورات تشغيلية، أو تسريع دورة القرار. وما لا يُقاس بهذه المؤشرات يصعب تبرير التوسّع فيه أمام مجلس الإدارة.

الاستثمار في رأس المال البشري

أبرز ما يفصل المؤسسات الناجحة عن المتعثّرة هو الاستثمار في الإنسان بقدر الاستثمار في التقنية. الحل متعدد الوسائط يحتاج إلى كوادر تفهم كيف تبنيه وقيادات تفهم كيف توجّهه وموظفين يثقون به ويُحسنون استخدامه. أي خطة لا تتضمّن مساراً واضحاً لتأهيل هذه الشرائح الثلاث ستظل قاصرة عن تحقيق العائد المنشود مهما بلغت قوة النموذج أو تطور التكنولوجيا المستخدمة. ومن هنا تبرز أهمية الشراكة مع الجهات المتخصصة في تطوير الكفاءات البشرية، مثل معهد الحل الوحيد للتدريب والاستشارات، الذي يقدّم برامج وحلولاً تدريبية متكاملة تسهم في إعداد القيادات والكوادر المهنية وتمكين المؤسسات من تحقيق تحول رقمي مستدام قائم على المعرفة والمهارة والجاهزية البشرية.

بناء حلول الذكاء الاصطناعي متعدد الوسائط لم يعد ترفاً تقنياً، بل مساراً ضرورياً لكل مؤسسة تسعى للبقاء في صدارة قطاعها. لكن الفارق بين من يجني القيمة ومن يبقى أسير التجارب لا يكمن في حجم الإنفاق أو قوة النموذج، بل في الانضباط المنهجي: البدء من مشكلة عمل واضحة مرتبطة بمؤشر، وبناء البنية الصحيحة من النموذج والبيانات والتنسيق والحوكمة، والتدرّج من التجربة إلى التكامل المؤسسي، وقياس الأثر بمؤشرات تجارية لا تقنية فحسب، والاستثمار في الإنسان بقدر الاستثمار في الأداة. هذا هو المسار الذي يحوّل الذكاء الاصطناعي متعدد الوسائط من عرضٍ تجريبي مبهر إلى أداة عمل تُنتج قيمةً مستدامة وقابلة للقياس.