حالات استخدام الذكاء الاصطناعي: كيف تختار البداية الصحيحة؟

كثير من الشركات لا تفشل في الذكاء الاصطناعي لأنها لا تملك أفكاراً.
تفشل لأنها تبدأ بأفكار كثيرة في وقت واحد، أو تختار أول فكرة تبدو مثيرة،
لا أول فكرة تستحق التنفيذ.

اختيار حالات استخدام الذكاء الاصطناعي ليس تمريناً
نظرياً. هو قرار تشغيلي: أين يمكن للذكاء الاصطناعي أن يقلل وقتاً، يحسن
جودة، ينظم متابعة، أو يساعد الفريق على اتخاذ قرار أفضل؟

إذا بدأت من هذا السؤال، يصبح الذكاء الاصطناعي جزءاً من العمل. وإذا
بدأت من الأداة، يتحول غالباً إلى تجربة جانبية لا يعرف أحد كيف يقيس
قيمتها.

جدول المحتويات

• لماذا تحتاج
  الشركة إلى قائمة حالات استخدام؟
• ابدأ من العمل المتكرر
  لا من الأداة
• كيف تجمع حالات
  استخدام الذكاء الاصطناعي؟
• إطار بسيط لتقييم كل حالة
  استخدام
• مثال عملي داخل شركة
  خدمات
• ما الذي يجب تأجيله؟
• من الفكرة إلى التجربة
  الأولى

لماذا تحتاج الشركة
إلى قائمة حالات استخدام؟

عندما تقول الشركة: “نريد استخدام الذكاء الاصطناعي”، فهذا لا يكفي.
الجملة واسعة جداً.

هل المقصود خدمة العملاء؟ المبيعات؟ التقارير؟ الموارد البشرية؟ كتابة
المحتوى؟ تحليل البيانات؟ متابعة الطلبات؟ تدريب الموظفين؟

كل منطقة من هذه المناطق تحتاج مدخلات مختلفة، ومسؤوليات مختلفة، ومخاطر
مختلفة، ومقياس نجاح مختلف. لذلك تحتاج الشركة إلى قائمة واضحة من حالات
الاستخدام قبل أن تختار الأداة أو تبدأ التنفيذ.

حالة الاستخدام الجيدة تصف عملاً محدداً، لا رغبة عامة.

مثلاً:

• ضعيف: نريد استخدام AI في المبيعات.
• أفضل: نريد تلخيص مكالمات العملاء المحتملين واستخراج الخطوات التالية
  لفريق المبيعات.
• ضعيف: نريد AI لخدمة العملاء.
• أفضل: نريد تصنيف رسائل العملاء حسب النوع والأولوية، ثم اقتراح رد
  أولي يراجعه الموظف.
• ضعيف: نريد أتمتة التقارير.
• أفضل: نريد تجهيز ملخص أسبوعي من بيانات المبيعات يوضح الفرص المتأخرة
  والعملاء الذين يحتاجون متابعة.

الفرق هنا ليس لغوياً. الفرق أن الصياغة الثانية قابلة للتجربة
والقياس.

ابدأ من العمل المتكرر لا من
الأداة

الأداة تأتي لاحقاً. البداية الصحيحة هي مراقبة العمل اليومي.

ابحث عن المهام التي تتكرر كثيراً، وتستهلك وقتاً، وتحتاج معالجة معلومات،
ولا تتطلب حكماً استراتيجياً عالياً في كل مرة. هذه عادة تكون أفضل أرضية لأول
تجربة.

أمثلة مناسبة:

• تلخيص اجتماعات طويلة وتحويلها إلى قرارات ومهام.
• فرز الاستفسارات القادمة من العملاء.
• تجهيز مسودة رد للأسئلة المتكررة.
• استخراج بيانات من نماذج أو ملفات.
• تحويل ملاحظات الفريق إلى تقرير واضح.
• مراجعة فرص المبيعات المتأخرة وتنبيه المسؤول.
• تجهيز مسودة عرض أو مقترح من قالب معتمد.

هذه المهام ليست دائماً براقة. لكنها عملية. والذكاء الاصطناعي ينجح في
الشركات عندما يدخل في مكان عملي، لا عندما يبقى في عرض تقديمي جميل.

قبل أن تبحث عن أفضل أداة، اسأل:

1. ما العمل الذي يتكرر كل أسبوع؟
2. أين يضيع وقت الفريق؟
3. أين تختلف الجودة من موظف لآخر؟
4. أين نحتاج تلخيصاً أو تصنيفاً أو استخراجاً أو مسودة أولى؟
5. ما المهمة التي إذا تحسنت ستؤثر على الإيراد أو الخدمة أو سرعة
   الإدارة؟

إذا لم تجد إجابة واضحة، فالمشكلة ليست في الذكاء الاصطناعي. المشكلة أن
الشركة لم تفهم سير العمل بما يكفي.

كيف تجمع حالات استخدام
الذكاء الاصطناعي؟

لا تبدأ بورشة عامة عن “مستقبل الذكاء الاصطناعي”. ابدأ بمقابلات قصيرة
مع الأشخاص الذين يعيشون العمل يومياً.

اسأل كل فريق:

• ما المهمة التي تكررها أكثر مما يجب؟
• ما الشيء الذي تنتظره من شخص آخر دائماً؟
• ما التقرير الذي تكتبه أو تراجعه بشكل متكرر؟
• أين تضطر إلى نسخ معلومات من مكان إلى آخر؟
• ما السؤال الذي يكرره العملاء أو الموظفون؟
• ما القرار البسيط الذي يحتاج معلومات موزعة بين أكثر من ملف؟

بعدها حوّل الإجابات إلى قائمة حالات استخدام واضحة.

لا تكتب: “تحسين خدمة العملاء”.

اكتب: “تصنيف رسائل العملاء إلى: استفسار، شكوى، طلب متابعة، طلب سعر،
حالة عاجلة. ثم اقتراح رد أولي لكل نوع بناءً على سياسة الشركة.”

ولا تكتب: “تحسين إنتاجية الإدارة”.

اكتب: “تلخيص تقرير الأداء الأسبوعي في صفحة واحدة: أهم الأرقام،
التغيرات، المخاطر، والقرارات المطلوبة.”

كلما كانت حالة الاستخدام أدق، أصبح التنفيذ أسهل. وكلما بقيت عامة،
زادت احتمالية أن يتحول المشروع إلى نقاش طويل بلا نتيجة.

إطار بسيط لتقييم كل حالة
استخدام

بعد جمع الأفكار، لا تنفذها كلها. قيّمها.

استخدم خمسة معايير بسيطة:

أعط كل معيار درجة من 1 إلى 5. ثم ابدأ بالحالة التي تجمع بين أثر واضح
ومخاطر منخفضة وعملية مفهومة.

ليس الهدف أن تختار أكثر فكرة طموحاً. الهدف أن تختار أول تجربة تستطيع
أن تتعلم منها بسرعة.

في العادة، أفضل حالة استخدام أولى تكون:

• متكررة.
• صغيرة بما يكفي للتجربة.
• مرتبطة بعملية مفهومة.
• لا تحتاج بيانات حساسة جداً في البداية.
• يستطيع الفريق مراجعة ناتجها قبل اعتمادها.
• لها مقياس نجاح واضح.

هذا النوع من البداية يعطي الشركة ثقة وتجربة حقيقية. بعد ذلك يمكن
الانتقال إلى حالات أكبر.

مثال عملي داخل شركة خدمات

لنفترض أن شركة خدمات في الكويت تستقبل استفسارات من واتساب، الموقع،
والإيميل. بعض العملاء يحصلون على رد سريع، وبعضهم يتأخر. المتابعة تعتمد
على اجتهاد الموظف. والإدارة لا ترى صورة واضحة عن الفرص التي لم تُغلق.

هناك عدة حالات استخدام ممكنة:

1. تصنيف الاستفسارات حسب النوع.
2. تلخيص كل محادثة عميل.
3. اقتراح رد أولي للموظف.
4. إنشاء مهمة متابعة بعد 24 ساعة.
5. إعداد تقرير أسبوعي عن الفرص المفتوحة.

كل هذه مفيدة. لكن البداية الأفضل ليست بالضرورة بناء نظام كامل لكل
شيء.

قد تكون البداية العملية هي:

“عند وصول استفسار جديد، يتم تلخيصه، تحديد نوع الطلب، واقتراح الخطوة
التالية لموظف المبيعات.”

هذه حالة استخدام واضحة. يمكن تجربتها على عدد محدود من الرسائل. يمكن
للموظف مراجعتها. ويمكن قياسها بسؤالين:

• هل قل وقت فهم الطلب؟
• هل تحسنت سرعة المتابعة؟

إذا نجحت التجربة، يمكن إضافة خطوة أخرى: إنشاء تذكير متابعة، أو تحديث
CRM، أو تجهيز تقرير أسبوعي.

بهذه الطريقة، لا تتحول الشركة من صفر إلى نظام معقد دفعة واحدة. تتحرك
بخطوة مفهومة ثم تبني فوقها.

ما الذي يجب تأجيله؟

ليست كل فكرة ذكاء اصطناعي مناسبة كبداية.

أجّل الحالات التي تعتمد على بيانات غير منظمة جداً، أو قرارات حساسة، أو
صلاحيات واسعة، أو عمليات غير مفهومة أصلاً. ليس لأنها غير مهمة، بل لأنها
تحتاج تحضيراً قبل التنفيذ.

أمثلة تحتاج حذراً:

• وكيل ذكاء اصطناعي يرسل ردوداً للعملاء بدون مراجعة.
• نظام يتخذ قرارات مالية أو قانونية بدون ضوابط.
• أتمتة عملية لا يعرف الفريق خطواتها جيداً.
• تحليل بيانات غير نظيفة ثم بناء قرارات عليها.
• ربط أدوات كثيرة قبل اختبار المهمة الأساسية.

الذكاء الاصطناعي يمكن أن يساعد في هذه المناطق لاحقاً، لكن البداية بها
غالباً تجعل المشروع أبطأ وأكثر خطورة.

إطار NIST لإدارة مخاطر الذكاء الاصطناعي يركز على فهم السياق والقياس
والإدارة المستمرة للمخاطر. هذا مفيد للشركات لأن السؤال ليس “هل التقنية
تعمل؟” فقط، بل “هل نعرف أين تعمل، وما أثرها، وما حدودها؟”

مصدر خارجي مفيد: NIST AI
Risk Management Framework.

من الفكرة إلى التجربة الأولى

بعد اختيار حالة الاستخدام، لا تبدأ ببناء كبير.

ابدأ بتجربة صغيرة:

1. اكتب وصف المهمة في فقرة واحدة.
2. حدد المدخلات المطلوبة.
3. حدد النتيجة المطلوبة.
4. اجمع 10 إلى 20 مثالاً حقيقياً من العمل.
5. صمم نموذجاً أولياً بسيطاً.
6. اجعل الإنسان يراجع الناتج.
7. قِس الوقت أو الجودة قبل وبعد.

هذه التجربة قد تكون بورقة عمل، أو قالباً داخل ChatGPT، أو تكاملاً
بسيطاً، أو نموذجاً أولياً داخلياً. المهم أن تختبر الفرضية قبل أن تبيع الفكرة
للفريق كمشروع كبير.

وهنا تظهر قيمة استشارات الذكاء الاصطناعي بشكل عملي.
ليست القيمة في اقتراح أدوات كثيرة، بل في اختيار حالة استخدام صحيحة، ضبط
حدودها، تدريب الفريق عليها، وتحويلها إلى جزء من سير العمل.

إذا أردت التوسع لاحقاً، اربط هذه الخطوة بما ناقشناه في مقال الذكاء
الاصطناعي للشركات: لماذا يفشل التنفيذ قبل أن يبدأ؟: التنفيذ لا يبدأ
من الأداة، بل من وضوح العملية والبيانات ومقياس النجاح.

خلاصة

أفضل بداية في الذكاء الاصطناعي ليست أكبر مشروع. هي حالة استخدام واحدة
مفهومة، متكررة، قابلة للقياس، ويمكن للفريق مراجعتها.

اختر العمل الذي يستهلك وقتاً واضحاً. افهم خطواته. قيّم أثره ومخاطره. ثم
ابنِ تجربة صغيرة حوله.

عندما تنجح أول حالة استخدام، يصبح الحديث عن الذكاء الاصطناعي أكثر
جدية. لا لأنه أصبح موضوعاً جذاباً، بل لأنه صار طريقة لتحسين العمل.

إذا أردت أن تبدأ بخطوة عملية، حمّل خريطة الأتمتة المجانية.
ستساعدك على تحديد أين يضيع وقت الفريق، وما حالات استخدام الذكاء
الاصطناعي التي تستحق الاختبار أولاً.

وإذا أردت اختيار أول حالة استخدام مناسبة لشركتك، يمكنك حجز مكالمة استكشافية
مع Ahmad Aloun لمراجعة سير العمل، تحديد الفرص، وبناء تجربة أولى
قابلة للقياس.