a16z: أصعب برامج الشركات في الاستخدام هي أكبر فرصة للذكاء الاصطناعي

عنوان النص الأصلي: لماذا لا يزال العالم يعتمد على SAP المؤلف الأصلي: إريك وسيما أمبل، a16z الترجمة: بيغي، BlockBeats

المؤلف الأصلي: a16z crypto

المصدر الأصلي:

إعادة النشر: مارس إنفستمنتس

مقدمة المحرر: بينما لا تزال مناقشات الذكاء الاصطناعي تركز على المنتجات والقدرات الجديدة، يحدث تغيير أكثر هيكلية في الطبقات الأساسية لبرمجيات المؤسسات بشكل سري. لا يركز هذا المقال على مدى إبداع الذكاء الاصطناعي في تطبيقات جديدة، بل على كيفية دخوله إلى سيناريوهات أكثر ثقلًا وواقعية، وهي الأنظمة الأساسية للشركات مثل SAP و Salesforce و ServiceNow.

ببساطة، تمثل هذه الأنظمة الثلاثة جوانب مختلفة من تشغيل المؤسسات:

· SAP مسؤول عن إدارة الموارد الأساسية مثل التمويل، المخزون، والإنتاج، وهو بمثابة “الدفتر العام” للشركة؛

· Salesforce يدير علاقات العملاء وعمليات المبيعات، ويحدد كيف تحصل الشركة على الإيرادات؛

· ServiceNow يحمل العمليات الداخلية ونظام الصيانة، مما يتيح تنظيم العمل بشكل منظم. وهي تشكل البنية التحتية لعمليات الشركات اليومية.

هذه الأنظمة، من ناحية، حاسمة جدًا، ومن ناحية أخرى، غالبًا ما تكون صعبة الاستخدام، معقدة وثقيلة. تضيف الشركات فوقها الكثير من التخصيصات والعمليات، مما يجعلها ليست فقط وسيلة لتخزين ذاكرة المنظمة، بل تتحول تدريجيًا إلى عبء تقني يصعب نقله. وكلما كانت الأنظمة أكثر أهمية، زاد صعوبة تغييرها.

هنا تظهر فرصة الذكاء الاصطناعي.

بدلاً من استبدال هذه الأنظمة، فإن الطريق الأكثر واقعية هو بناء طبقة جديدة من أنظمة العمل عليها، تقلل من تكاليف النقل خلال مرحلة التنفيذ، وتبسط العمليات خلال مرحلة الاستخدام عبر مساعدات وممثلين، وتستبدل التخصيصات المعقدة بتطبيقات خفيفة الوزن خلال مرحلة التوسع. إذن، التغيير الحقيقي لا يكمن في استبدال الأنظمة نفسها، بل في إعادة كتابة طرق التفاعل بين الإنسان والنظام. لن تحل الذكاء الاصطناعي محل SAP أو Salesforce أو ServiceNow، لكنه قد يجعلها تتوارى تدريجيًا. وستعيد المنصات الجديدة، على هذه الواجهة غير المرئية، تشكيل حدود القيمة الحقيقية لبرمجيات المؤسسات.

وفيما يلي النص الأصلي:

مع تطور الذكاء الاصطناعي، تركز معظم الشركات الناشئة وعملاؤها على القدرات الجديدة والمنتجات التي تثيرها. مثل المساعدات الصوتية المبهرة، أدوات أتمتة سير العمل، ومنصات تطبيقات توليد النصوص.

هذه الاتجاهات ظهرت بالفعل، ومن المتوقع أن تستمر في ولادة العديد من الشركات المثيرة (وقد استثمرنا في بعضها). لكن التأثير الأعمق للذكاء الاصطناعي قد لا يكون في هذه المجالات التي تبدو رائعة، بل في اتجاه أقل بريقًا، لكنه أكثر قيمة: مساعدة المؤسسات على الاستفادة بشكل أفضل من البرمجيات التي تعمل بالفعل.

هناك سؤال، قد يبدو حتى مسيئًا، لكنه يحمل معنى حقيقيًا: لماذا لا تزال الشركات الكبرى، مثل شركات فورتشن 500، تستخدم SAP (و ServiceNow و Salesforce) حتى الآن؟

الجواب المختصر هو: أن SAP والنظم الكبيرة المماثلة، تسجل البيانات الحيوية لعمل المؤسسة. لكن الأهم، هو أن الشركات قامت فوقها بالكثير من التخصيص، وأضفت عمليات معقدة وأدوارًا، والكثير منها غير موثق بشكل واضح. الانتقال بعيدًا عن هذه الأنظمة غالبًا مكلف، ويستغرق وقتًا طويلاً، ويؤلم، وغالبًا يتطلب فريق استشاري ضخم، ويمتد لسنوات، ويكلف مئات الملايين من الدولارات. على سبيل المثال، الترقية من SAP ECC إلى SAP S/4HANA قد تكلف 700 مليون دولار، وتستغرق 3 سنوات، مع فريق من 50 مستشارًا من إريسنشال. وحتى بعد الانتقال، غالبًا ما تكون هذه الأنظمة تستخدم فقط لإنتاج تقارير للعرض فقط، مع قلة مرونتها في الاستخدام.

لكن هذا الوضع يتغير.

الذكاء الاصطناعي يفتح آفاقًا جديدة، تتيح للمؤسسات ترقية، وتخصيص، واستبدال هذه الأنظمة، والأهم، الوصول إلى البيانات المخزنة فيها بشكل أكثر كفاءة.

الهدف النهائي للذكاء الاصطناعي قد لا يكون استبدال SAP أو ServiceNow أو Salesforce، بل جعله أكثر قابلية للبرمجة، وأسهل في الاستخدام. والفائز الحقيقي سيكون المنصات التي تستطيع أن تحقق أمرين: أولًا، أن تدخل ضمن ميزانية التحول الرقمي للمؤسسة، وتقلل المخاطر وتقصّر المدة بشكل قابل للقياس؛ ثانيًا، أن تتسلل تدريجيًا إلى العمليات اليومية، وتصبح مركز التحكم في العمل، وتفكك الواجهات التقليدية الثقيلة إلى عمليات قابلة للتكوين، قابلة للإدارة، وتدعمها الذكاء الاصطناعي في التنفيذ.

بعبارة أخرى، لن تختفي سجلات الأنظمة نفسها، بل ستتغير واجهات التفاعل، والقدرات الآلية، وطبقة التوسعة، وهذه هي جبهة المنافسة الجديدة في البرمجيات.

SAP صعبة الاستخدام، لكننا لا نستطيع الاستغناء عنها

لفهم هذا الأمر، نبدأ بتعريف SAP وما تقوم به. من الظاهر أن هذه الأنظمة صعبة التعلم، معقدة في التشغيل، وتكلفة التغيير مرتفعة، مما يجعل استخدامها مرهقًا؛ لكنها، في الوقت ذاته، لا تزال العمود الفقري لعمل أكبر المؤسسات في العالم. تخيل كيف ستكون تجربة استخدام SAP يوميًا.

لكن، هذا الغموض في حد ذاته، هو فرصة.

إجابة غير مريحة، لكنها أكثر واقعية، هي أن وراء هذه الواجهات الثقيلة والإعدادات غير المنتهية، تكمن قوة هائلة. فهي تحمل النماذج البياناتية الأساسية للمؤسسة، وتحدد صلاحيات وضوابط لضمان الامتثال، وتحتوي على تدفقات عمل تدعم التشغيل على نطاق واسع، وتربط عشرات أو مئات العمليات الفرعية. ليست تطبيقات استهلاكية، بل ذاكرة تنظيمية تتراكم في جداول البيانات، وأنظمة الأدوار، وعمليات الموافقة، ومنطق المحاسبة، ومعالجة الاستثناءات.

استبدال هذه الأنظمة ليس فقط مكلفًا، بل محفوفًا بالمخاطر. وكلما زادت التخصيصات، مثل الحقول المخصصة، والعمليات، وقواعد التسعير، والمنطق التقارير، زادت الحواجز التي تتشكل من تكاليف التبديل، وأصبحت جزءًا من ميزة تنافسية. ولهذا، فإن قابلية التوسع مهمة جدًا: فكل شركة فريدة، والتغييرات لا تتوقف، سواء كانت متطلبات تنظيمية جديدة، أو منتجات جديدة، أو هياكل تنظيمية مختلفة، وهذه الأنظمة تستمر في الوجود لأنها قابلة للتعديل المستمر لتلبية الواقع.

لكن المشكلة، أن هذه القدرة على التوسع، تجعلها أيضًا هشة. كل تخصيص، هو بمثابة لغم محتمل عند الترقية المستقبلية؛ وكل عملية، قد تتحول إلى متاهة معقدة؛ وكل واجهة، تستهلك المستخدم بشكل مستمر.

هذه الهشاشة موجودة في كل مكان. على الرغم من انتشار CRM، إلا أن رضا المستخدمين متباين؛ وERP المخصص غالبًا ما يرتبط بتأخيرات في المشاريع وتجاوزات في الميزانية؛ والموظفون يمرون عبر عمليات متقطعة، ويحتاجون إلى التبديل بين تطبيقات مختلفة حوالي 1200 مرة يوميًا، مما يضيع حوالي 4 ساعات أسبوعيًا؛ و47% من الموظفين الرقميين يجدون صعوبة في الوصول إلى المعلومات اللازمة لأداء عملهم. كما أن مشاريع التحول الرقمي الكبرى غالبًا ما تفشل، ويقدر أن حوالي 70% منها لا تحقق الأهداف المرجوة. وتكاليف هذه الاحتكاكات ضخمة، حيث أن سوق تنفيذ الأنظمة ودمجها بلغ حوالي 380 مليار دولار في 2023.

وفي وسط هذه العمليات والتحديات، يأتي الذكاء الاصطناعي ليقدم فرصة لإعادة تشكيل طرق تنفيذ واستخدام البرمجيات. يمكن فهم هذه الفرصة عبر دورة حياة برمجيات المؤسسات: من التنفيذ أو الترحيل، إلى الاستخدام اليومي، ثم التراكم المستمر مع تغير الأعمال. في كل مرحلة، العمل الأساسي هو تحويل نوايا البشر المبعثرة إلى عمليات قابلة للتنفيذ، قابلة للمراجعة، مسجلة بشكل صحيح في الأنظمة.

وفيما يلي كيف يمكن للذكاء الاصطناعي تحسين استخدام البرمجيات في كل مرحلة:

مرحلة التنفيذ

نبدأ من مرحلة التنفيذ، وهي الأكثر خطورة، والأكثر حساسية للميزانية، والأوضح عائدًا. يتضمن ذلك تحويل المعلومات غير المنظمة، مثل الاجتماعات، والوثائق، وتذاكر الدعم، إلى متطلبات منظمة، وتوليد تدفقات العمل اللازمة، بما يشمل خريطة العمليات، والحقول، والتكوين، والبرمجيات، ونصوص الاختبار، وخطط الترحيل، وعمليات تنظيف البيانات قبل الإطلاق. هذه العملية معقدة جدًا، وسهلة الخطأ. على سبيل المثال، شركة Lidl الألمانية، التي أنفقت 500 مليون دولار، قررت في النهاية إلغاء مشروع التحول إلى SAP.

حول هذه المرحلة، توجد شركات تطور أدوات مساعدة للانتقال والتنفيذ، مثل أنظمة المساعدات، وأدوات إدارة المشاريع. إليك بعض الأمثلة:

· Axiamatic توفر طبقة حماية تعتمد على الذكاء الاصطناعي لنظم ERP، من خلال بناء خريطة معرفية للمشروع، وتقديم تنبيهات في Slack أو Teams حول المشاكل المحتملة في إدارة الطلبات والتغييرات، مما يقلل المخاطر، ويسرع تقدم مشروع S/4HANA، وتدمج مع SAP Build، وتعمل مع استشاريين مثل KPMG، EY، IBM.

· Conduct أداة مساعدة لربط الكود وخرائط العمليات، يمكنها توليد وثائق تقنية وشرحية خلال ترحيل ECC إلى S/4، وتدعم استعلامات حول الجداول المخصصة وواجهات برمجة التطبيقات، لتسريع استلام الشركات.

· Auctor تقدم قدرات تنفيذية لوكلاء ومجموعات الخدمات المهنية، وتحول عمليات البحث إلى متطلبات منظمة، وتدير SOW، ووثائق التصميم، وقصص المستخدم، وخطط التكوين والاختبار.

· Supersonik تركز على تفعيل المنتج، وتستخدم واجهات صوتية ومرئية لتعليم المستخدمين، وتقليل الحاجة لخبراء الحلول، وتدعم التوسع من خلال قنوات العملاء.

· Tessera تبني قدرات تكامل أصلية تعتمد على الذكاء الاصطناعي، وتصل مباشرة إلى أنظمة ERP الحالية، وتقييم حالتها، وتحدد وتصلح المشاكل تلقائيًا أثناء الترحيل، وتدير التحول من طرف إلى طرف.

هذه الشركات، تسرع وتخفض تكلفة التحول، من خلال اكتشاف المشاكل مبكرًا، وتقليل الوقت، وتحويل البيانات غير المنظمة إلى معرفة منظمة، وتقليل الاعتماد على فرق تكامل الأنظمة الكبيرة.

نعتقد أن هناك مجالًا لظهور المزيد من الشركات الناشئة، خاصة تلك التي تتعاون مع الشركاء الحاليين، بدلاً من المنافسة. الاتجاهات تشمل:

· وكلاء التنفيذ، المرتبطين بنتائج المشروع والمخاطر، مثل تتبع الطلبات، ومقارنة التكوين، ومحاكاة التبديل، وتوليد الكود، والكشف عن الانحرافات؛

· أدوات التوثيق السيمانتية، لضمان تحديث المعرفة وسهولة الوصول إليها؛

· وكلاء التمكين، لتحويل التدريب والترويج إلى منتجات قابلة لإعادة الاستخدام.

نظرًا لقدرة الشركات الناشئة على تخفيف الأعباء المؤسساتية، يمكنها تحديد أسعارها بناءً على تكلفة التأخير، واستهداف ميزانيات التحول التي يخصصها المدراء التنفيذيون، واستبدال مشاريع تكامل الأنظمة الثقيلة.

مرحلة الاستخدام والصيانة

بعد إكمال التنفيذ، تبدأ التحديات الحقيقية. الاستخدام اليومي يتطلب التنقل بين واجهات معقدة وفوضوية. الموظفون يمرون عبر عشرات الواجهات، ويعيدون اكتساب الخبرة مع كل انتقال، والكثير من العمليات الصغيرة لا تتوفر لها دعم جيد. يحتاج المستخدمون إلى البحث عن الحقول، ومزامنة البيانات يدويًا، وطلب تقارير بشكل متكرر. النتيجة: بطء العمليات، أخطاء متكررة، وتكاليف تدريب عالية.

هنا، تظهر فرصة الذكاء الاصطناعي لبناء طبقة تفاعل أكثر ودية وقوة على الأنظمة التقليدية.

هذه الشركات تساعد الفرق على استثمار المزيد من قيمة أنظمتها الحالية. عادة، تكون أداة مساعدة موجودة في Slack أو شريط جانبي في المتصفح، وتجيب على أسئلة مثل “أين أجد بيانات معينة؟” أو “كيف أؤدي عملية معينة؟”، وتنفذ عمليات آمنة عبر API، مثل إنشاء تذاكر، وإدخال قيود، وتحديث الشروط. يمكنها ربط أنظمة متعددة، وتشكيل سير عمل مركب عبر التطبيقات، مثل سحب أوامر الشراء من SAP، والتحقق من العقود في Coupa، وإعداد تقارير الاختلاف في ServiceNow، مع عمليات مراجعة يدوية وتسجيل تدقيق.

لكن، الواقع أن العديد من الأعمال المهمة لا تتوفر عبر API موثوق، وتوجد في واجهات مختلفة، مثل تطبيقات سطح المكتب، أو بيئات سطح المكتب الافتراضية، أو أنظمة إدارة غير مكتملة. لذلك، فإن وكلاء التشغيل الحديثة تعتمد على التفاعل مع الواجهات، وتوسيع نطاق الأتمتة إلى 30-40% من العمليات التي لا يمكن الوصول إليها عبر API.

القدرة الأساسية ليست مجرد الضغط على الأزرار، بل الأداء المستقر في بيئة غير منظمة. يجب أن يفهم الوكيل هيكل الواجهة، ويحدد العناصر الثابتة، ويستعيد الأداء عند تغير النوافذ أو التخطيطات، ويسجل التقدم عند النقاط الحرجة، ليتمكن من استئناف العمل بعد الانقطاع. عند دمجه مع آليات التحقق، مثل مقارنة الاختلافات، والتسوية، والاختبار في بيئة آمنة، ومع أدوات التحكم المؤسسية، مثل تسجيل الدخول الأحادي، وإدارة المفاتيح، وأقل صلاحيات، والتدقيق، يمكنه تحويل الأعمال اليدوية إلى عمليات آلية قابلة للإدارة، مثل تصنيف التذاكر، وخطوات التسوية، وتحديث العملاء، وتعديل الأسعار، حتى في أجزاء من SAP أو ServiceNow أو Salesforce لم تُصمم أصلاً للأتمتة.

يمكن فهم الأمر على أن API يجعل المسارات القياسية أكثر كفاءة، بينما قدرات التشغيل الآلي، توسع نطاق العمليات الطويلة والمتفرقة، وتسمح بأتمتتها.

شركات مثل Factor Labs و Sola، قامت بنشر هذه الوكلاء في بيئات الإنتاج، لتحل محل نفقات العمليات التقليدية، وتساعد المؤسسات على أتمتة المهام بشكل واسع.

طبقة التوسعة

حتى لو جعلت SAP و ServiceNow و Salesforce أكثر سهولة، فإن التغييرات المستمرة في الشركة تتطلب تحديثات مستمرة في سجلات الأنظمة. المنتجات الجديدة، السياسات، عمليات الاندماج، المتطلبات التنظيمية، والعمليات الصغيرة التي لا تستحق استثمارًا خاصًا، كلها تدفع البرمجيات لتتوافق مع الواقع. في الماضي، كانت الخيارات محدودة: إما تخصيص عميق، مع مخاطر الهشاشة، أو تطوير تطبيقات مستقلة، مع تحديات التكامل والإدارة.

الذكاء الاصطناعي يوفر مسارًا ثالثًا: بناء تجارب تطبيقات صغيرة، قابلة للإدارة، على الأنظمة الحالية، بسرعة أكبر، دون إتلاف النواة.

يمكن اعتبار بناء أدوات جديدة على الأنظمة الحالية، بمثابة إضافة طبقة أكثر “قابلية للاستخدام” فوق برمجيات غير ملائمة. النموذج الأساسي هو إنشاء منصة بيانات وإجراءات موحدة، عبر API والأحداث، لقراءة البيانات من السجلات، وتحويلها إلى نماذج معنوية للأعمال، مثل الطلبات، والموردين، وتذاكر الدعم، مع توفير واجهات عمليات ذات صلاحيات، وموافقة، وتدقيق.

على هذا الأساس، يمكن للفريق بناء تطبيقات مركزة على سيناريوهات محددة، تكون أكثر حداثة، وأقرب لاحتياجات المستخدمين. على سبيل المثال، بدلاً من أن يمر موظفو المشتريات عبر عشرات الخطوات لإضافة مورد، يمكن تقديم تطبيق خفيف ينجز البيانات، ويجري التحقق، ويخضع للموافقة، ويكتب البيانات مرة أخرى إلى SAP. أو، بدلاً من التنقل بين واجهات Salesforce لتحديث شروط التجديد، يمكن توفير محرر جداول سريع، يتيح التعديلات الجماعية، والتحقق من الامتثال، ومعاينة التأثير، ثم تقديم التغييرات مع سجل تدقيق كامل. أو، بدلاً من بناء بوابات جديدة، يمكن توفير نقطة دخول موحدة للفريق الميداني، تتيح تنفيذ عمليات متكررة، مثل إرجاع المنتجات، أو تمديد الائتمان، أو فتح تذاكر عطل، أو احتساب التكاليف، عبر أنظمة متعددة، دون الحاجة للتنقل بين صفحات كثيرة.

هذه الطبقة التوسعية يمكنها أيضًا ربط سير العمل والأتمتة عبر الأنظمة، وهو أمر يصعب على أي شركة منفردة تغطيته بشكل كامل. على سبيل المثال، عبر أحداث، يمكن تفعيل عمليات تلقائية، مثل إصدار تقرير عند استلام فاتورة مع اختلافات تتجاوز 3%، أو إنشاء سجل مشكلة عند تكرار فتح تذكرة، وتعيين مسؤول، وتحديث حالة العميل، مع مراجعة يدوية عند النقاط الحرجة.

مع مرور الوقت، ستتراكم أفضل الممارسات، وتتحول إلى وحدات نية قابلة لإعادة الاستخدام، مثل عروض الأسعار، والتحصيل، وإضافة الموردين، والتسوية النهائية. هذه الوحدات لا تحدد فقط ما يجب عمله، بل تحدد أيضًا كيف يتم ذلك بشكل آمن ومتوافق مع السياسات.

منتجات مثل Cell من General Magic، تجعل بناء سير عمل مخصص أكثر واقعية، حيث يمكنك رفع مواصفات OpenAPI، وتحويل كل واجهة إلى عملية قابلة للاستدعاء، وتنفيذ الأوامر مباشرة عبر سكربت بسيط، مع دعم من قدرات التحليل، والبنية متعددة المستأجرين، والأمان، وإدارة الصلاحيات. هكذا، يتحول التركيز من إعادة بناء واجهات إلى تركيب عمليات واستراتيجيات على أنظمة موثوقة.

ما هو المستقبل المتوقع؟

نعتقد أن هذه الأنظمة التقليدية ستظل موجودة، لكنها لن تكون الواجهات الرئيسية للعمل. أنظمة ERP و CRM و ITSM، متجذرة بعمق في المؤسسات، ولن تُستبدل بسرعة. ستتطور ببطء، وتظل سجلات أنظمة، لكن التغيير الحقيقي سيكون في واجهات التفاعل الموجهة للمستخدمين: الذكاء الاصطناعي سيصبح المدخل الافتراضي، لفهم كيفية عمل الأنظمة، وتنفيذ سير العمل، وبناء تطبيقات حديثة خفيفة تتجنب الواجهات التقليدية. بمعنى آخر، الطبقة التي كانت جسرًا، ستتحول إلى الطريق الرئيسي.

في هذا النموذج، ستظل البرمجيات التي تفوز على المدى الطويل، أكثر شبهاً بنظام تشغيل: منصة بيانات وإجراءات موحدة، مبنية على نماذج معنوية للأعمال، مع آليات أمان وإدارة، تضمن تشغيل الذكاء الاصطناعي بشكل موثوق في بيئة الإنتاج. للمستخدم النهائي، لن يحتاج إلى تعلم أي واجهة أو حقل أو رمز مهمة، ولن يضطر لإعادة التعلم بعد تغييرات الواجهات أو العمليات؛ بل فقط يصف النتيجة التي يريدها، وسيتولى النظام التنفيذ. خلال العملية، سيطرح النظام أسئلة توضيحية، ويعرض معاينة التنفيذ، ثم ينفذ العمليات بعد الموافقة والتدقيق.

مثلاً، يمكنك أن تطلب: “أنشئ عملية إرجاع وأبلغ العميل”، أو “أنشئ تذكرة عطل ثانوية واسترجع آخر ثلاث أحداث ذات صلة”، أو “أكمل إجراءات تسجيل مورد، بما يشمل جمع البيانات، والموافقة، وتحديد شروط الدفع”. هذه العمليات، اليوم، تتطلب التنقل بين SAP و Salesforce و ServiceNow وجداول البيانات، لكن في النموذج الجديد، ستُدمج في عملية موحدة.

هذه التحول يؤدي إلى تقليل الأخطاء، وتقليل الحاجة للتراجع، وتقليل الاعتماد على الخبرة، وتسريع المعالجة، وخفض تكاليف التدريب، لأن التفاعل سيكون مبنيًا على النية، ويعتمد على الأدوار، ويدعم بشكل افتراضي العمل الذاتي.

كما أن الحواجز ستتراكم بشكل طبيعي، حيث أن كل عملية ناجحة ستصبح وحدة نية قابلة لإعادة الاستخدام، وكل استثناء سيُحول إلى قيود أمان جديدة، وكل ترحيل سيُصبح جزءًا من سياق النظام المستمر، وكل تكامل سيعزز فهم طريقة عمل المؤسسة الحقيقية. مع مرور الوقت، ستصبح هذه الطبقة من الذكاء الاصطناعي المدخل الرئيسي لفهم التغييرات، ومنع انحراف الأنظمة، وقياس العائد على الاستثمار، وبناء عمليات جديدة، حتى لو لم تتغير الأنظمة الأساسية.