فقط 4% من 767 قائدًا أمريكيًا في العمليات وسلسلة التوريد يُعلنون النجاح في جميع الشروط الأربعة التي تعتبرها PwC مؤشرات على التقاط قيمة الذكاء الاصطناعي — الذكاء الاصطناعي مدمج بالكامل على مستوى المؤسسة، الوكلاء المستقلون يتسعون دون عوائق كبيرة، هيكل تشغيلي أفقي قائم، واستثمارات تقنية تحقق النتائج المتوقعة. 89% يؤكدون أن استثماراتهم التقنية لم تحقق العائد. 87% يشيرون إلى جودة البيانات باعتبارها القيد الحاسم. وفقط 41% يعملون بنموذج التشغيل الأفقي الذي يقول 94% إنه ضروري (PwC، 23 أبريل 2026). الـ 96% لا يفشلون لأن ذكاءهم الاصطناعي أسوأ. يفشلون لأنهم يُسلسلون ما يطوّره الـ 4% بشكل متوازٍ.
بالنسبة إلى Head of Operations في وظيفة من 200 موظف بدوام كامل يضع اللمسات الأخيرة على بقية خارطة طريق الذكاء الاصطناعي 2026، هذا هو الانعكاس التشغيلي الذي ينبغي أن يعيد تشكيل خطة هذا الربع. تشغيل نشر الذكاء الاصطناعي، إعادة الهيكلة الأفقية، نظافة البيانات، وإعادة تصميم المساءلة كبرنامج واحد لنموذج تشغيل الذكاء الاصطناعي (AI operating model) — أو الانضمام إلى الـ 96% الذين تُظهر بيانات PwC ذاتها أنهم لا يستطيعون استخراج قيمة من أي من هذه العناصر بمعزل.
الـ 4% ليسوا أفضل في الذكاء الاصطناعي. هم أفضل في التسلسل.
استطلاع PwC 2026 Digital Trends in Operations، الصادر في 23 أبريل ويغطي 767 من المسؤولين التنفيذيين الأمريكيين في العمليات وسلسلة التوريد، يحدد "الـ 4%" ليس من خلال نضج الذكاء الاصطناعي بمعزل بل من خلال الإنجاز المتزامن عبر أربعة مسارات عمل تعاملها معظم وظائف العمليات في الشركات متوسطة الحجم كأرباع عمل منفصلة (DC Velocity، أبريل 2026). كل شرط بمفرده غير ملحوظ. التباين يكمن في ما إذا كانت تعمل بالتوازي أم لا.
انظر إلى الفجوة بين الطموح والتنفيذ. 94% من المستجيبين يقولون إن نموذج التشغيل الأفقي التعاوني ضروري لالتقاط قيمة الذكاء الاصطناعي على نطاق واسع. فقط 41% يمتلكون واحدًا. هذه الفجوة البالغة 53 نقطة ليست مشكلة وعي — كل CHRO وCOO في الاستطلاع يعرف أن النموذج يجب أن يتغير. إنها مشكلة تسلسل. الـ 96% يقولون: سنُصلح نموذج التشغيل بعد أن تُظهر تجارب الذكاء الاصطناعي قيمة. الـ 4% يقولون: لن تُظهر تجارب الذكاء الاصطناعي قيمة حتى يتم إصلاح نموذج التشغيل.
البيانات تدعم الموقف الثاني. 89% يعترفون بأن استثماراتهم التقنية الحالية لم تُنتج العوائد المتوقعة. 87% يشيرون إلى رداءة جودة البيانات باعتبارها معيقًا للقيمة (PwC، 23 أبريل 2026). هذان الرقمان غير مستقلين. الاستثمارات التقنية لا تحقق نتائج لأن البيانات التي تغذيها رديئة. البيانات رديئة لأن نموذج التشغيل لا يملك مالكًا واحدًا مسؤولًا عنها. نموذج التشغيل لا يملك مالكًا لأن الشركة "لا تزال في مرحلة تجارب الذكاء الاصطناعي". التبعية تُغلق الحلقة، والمخرج الوحيد هو التحرك على المشكلات الأربع في الربع نفسه.
لماذا يفشل الـ playbook التسلسلي تحديدًا في عمليات الشركات متوسطة الحجم
النمط التسلسلي — "أولًا نشر أدوات الذكاء الاصطناعي، ثم إعادة تصميم نموذج التشغيل، ثم تنظيف البيانات، ثم إسناد المساءلة" — هو الإعداد الافتراضي في معظم وظائف العمليات في الشركات متوسطة الحجم لأنه يتطابق مع كيفية عمل دورات الميزانية وخطط التوظيف ومشتريات الموردين فعليًا. كل واحد بند نفقات منفصل، يملكه VP مختلف، يُقاس بمقياس مختلف. هذه بالضبط هي البنية التي تُنتج نتيجة الـ 96%.
تقرير McKinsey بعنوان State of Organizations 2026 يضع النتيجة نفسها من زاوية نموذج التشغيل: "تحقيق مكاسب إنتاجية الذكاء الاصطناعي يتطلب تحدي وإعادة تصميم نموذج تشغيل الأفراد والفرق، وإعادة الربط من البداية إلى النهاية، وبناء القدرات في الوقت نفسه" (McKinsey، 2026). العبارة المحورية هي "في الوقت نفسه". إغراء الشركات متوسطة الحجم هو قراءة ذلك على أنه "في النهاية". تحليل McKinsey صريح في أن "في النهاية" لا يعمل — إعادة الربط هي ما يُولد الإنتاجية، ونشر الذكاء الاصطناعي هو ما يُولد عائد إعادة الربط. افصلهما ولن يُنتج أي منهما العائد.
هناك سبب ثانٍ لكون الـ playbook التسلسلي يفشل بشكل أسوأ في الشركات متوسطة الحجم منه في المؤسسات الكبيرة. وظيفة عمليات من 200 موظف بدوام كامل تملك تقريبًا 8–12 ربعًا من المدرج الزمني قبل أن تتراكم أطروحتها الاستثمارية في الذكاء الاصطناعي أو يتم قطعها. إنفاق ربعين من هذه الأرباع على نشر الأدوات، وربعين آخرين على إعادة تصميم نموذج التشغيل، وربعين آخرين على البيانات، وربعين آخرين على المساءلة، يحرق المدرج الزمني قبل أن يبدأ أي مسار عمل في تعزيز الآخرين. التراكم لا يبدأ أبدًا. مجلس الإدارة يرى أربعة بنود تكلفة وخط ROI مسطّحًا واحدًا. يتم تقليص البرنامج. نمط الـ 4% لا يتعلق بالحجم؛ يتعلق بزمن الدورة، والشركات متوسطة الحجم تملك أقل منه لتُهدره.
كيف يبدو "التوازي" فعلًا في وظيفة عمليات من 200 موظف بدوام كامل
التوازي لا يعني أربعة برامج بأولوية متساوية تعمل باستقلالية — هذا يُنتج فوضى على مستوى الشركات متوسطة الحجم. يعني برنامجًا واحدًا بأربعة مسارات عمل تحت مجموعة OKR مشتركة، مُسلسلة داخل الربع بدلًا من عبر أرباع متعددة.
OKR مشترك — لا تقرير حالة مشترك
نمط الـ 4% على مستوى الشركات متوسطة الحجم يرتكز عادةً على OKR ربعي يتطلب صراحةً تحرك جميع المسارات الأربعة: تحسين قابل للقياس في مقياس واحد لإنتاجية القرارات عالية الحُكم (عقود مُغلقة في الأسبوع، استثناءات محلولة دون تصعيد، صفقات مؤهلة موجّهة بشكل صحيح)، حيث يتحرك المقياس فقط إذا تم نشر الذكاء الاصطناعي ضد سير العمل، وكان سير العمل مملوكًا أفقيًا، وكانت البيانات التي تغذيه نظيفة، وكان شخص مُسمى مسؤولًا عن النتيجة. الـ OKR هو الوظيفة القسرية. بدونه، تعود المسارات الأربعة بشكل افتراضي إلى أربع خرائط طريق منفصلة في أربعة اجتماعات one-on-one منفصلة مع VPs مختلفين.
راعٍ واحد، منتدى أسبوعي واحد، backlog واحد
الـ 41% الذين يمتلكون نماذج تشغيل أفقية يشتركون في خاصية بنيوية لا تمتلكها معظم وظائف العمليات في الشركات متوسطة الحجم: راعٍ واحد لبرنامج الذكاء الاصطناعي يملك جميع المسارات الأربعة، منتدى أسبوعي واحد يجلس فيه القادة الأربعة إلى الطاولة نفسها، وbacklog واحد حيث تُحدد أولويات طلبات الذكاء الاصطناعي وتغييرات نموذج التشغيل وإصلاحات البيانات وقرارات المساءلة في مواجهة بعضها. تقسيم الـ backlog بين IT، الموارد البشرية، البيانات، والعمليات هو الطريقة التي يتسلل بها التسلسل مرة أخرى.
نظافة البيانات كعملية يومية، لا كمشروع
نتيجة الـ 87% حول جودة البيانات تقول شيئًا محددًا عن كيفية تعامل الـ 4% مع البيانات. هم لا يديرون مشاريع تنظيف بيانات تمتد لعدة أرباع بالتوازي مع نشر الذكاء الاصطناعي. هم يدمجون نظافة البيانات في الإيقاع التشغيلي اليومي للفريق المستخدم للذكاء الاصطناعي — كل تصعيد لوكيل يفشل بسبب جودة البيانات يُولد طلب إصلاح في نفس اليوم يتحمل المشغل مسؤوليته. البيانات تتحسن بسرعة استخدام الوكيل. التعامل مع البيانات كمسار عمل منفصل يجعلها تتأخر عن الذكاء الاصطناعي بأربعة أرباع؛ دمجها في عمليات الوكيل يجعلها تتقدم بأسبوعين.
الحجة المضادة ولماذا تُغلقها بيانات PwC
الحجة المضادة الطبيعية من COO منضبط في التكاليف في شركة متوسطة الحجم هي: التنفيذ المتوازي يُكلف أكثر مقدمًا، والـ 96% يُسلسلون تحديدًا لأنهم لا يستطيعون تحمل الرهان المتوازي. هذا المنطق متسق داخليًا ويُنتج الإجابة الخاطئة. بيانات PwC مباشرة بشكل غير معتاد حول الحساب: 89% يُبلّغون أن النهج التسلسلي الحالي قد أنتج بالفعل استثمارات تقنية لم تحقق نتائج، و87% يُبلّغون أنه أنتج طبقة بيانات تُعيق التقاط القيمة (PwC، 23 أبريل 2026). الرهان التسلسلي ليس أرخص. إنه فقط موزّع على أرباع أكثر، مما يجعل الفشل أقل وضوحًا ربعًا تلو الآخر ومستحيلًا عكسه في النهاية.
الرهان المتوازي على مستوى الشركات متوسطة الحجم هو أيضًا أصغر بالقيم المطلقة من إعادة الربط على مستوى المؤسسة بطراز McKinsey التي يصفها التقرير نفسه لشركات تتجاوز 10 مليارات دولار. وظيفة عمليات من 200 موظف بدوام كامل يمكنها تشغيل برنامج متوازي-أربعة مصداقي بمشغّل أقدم إضافي واحد (راعي البرنامج)، منتدى أسبوعي واحد، وميزانية بيانات وهندسة مُعاد توجيهها — لا مزيدة. الاستثمار الهامشي هو دور واحد واجتماع واحد. العائد الهامشي، وفقًا لتوزيع PwC، هو الفرق بين نتيجة الـ 4% ونتيجة الـ 96% على نفس نشر الذكاء الاصطناعي.
ما لا تقوله بيانات PwC
يستحق ذكر حدّين، لأن إطار "الـ 4%" قد استُخدم في الاتجاهين والاستطلاع لا يدعم أيًا من الطرفين.
بيانات PwC لا تقول إن الذكاء الاصطناعي لا يعمل في العمليات — إنه يعمل، في الـ 4% الذين حققوا الشروط المتوازية. ولا تقول إن العمليات في الشركات متوسطة الحجم لا يمكنها تكرار نمط الـ 4% — عينة الاستطلاع هي قادة عمليات وسلسلة توريد أمريكيون عبر الطيف، ونمط متوازي-أربعة هيكلي، وليس معتمدًا على الحجم. ما تقوله البيانات أضيق وأكثر فائدة: خارطة طريق الذكاء الاصطناعي التسلسلية، المنفّذة كأربعة أرباع عمل تسلسلية، لديها معدل فشل تاريخي بنسبة 96% في المجموعة التي دُرست فيها بأكبر قدر من التعمق. هذا ليس توقعًا. هذا قياس استرجاعي لما حدث بالفعل.
الحد الثاني: "التوازي" ليس الشيء نفسه كـ "الشراء المتزامن". نمط الـ 4% يدور حول برنامج واحد بمساءلة مشتركة، لا حول شراء كل شيء دفعة واحدة. وظائف العمليات في الشركات متوسطة الحجم التي تحاول شراء منصة الذكاء الاصطناعي، واستشارة نموذج التشغيل، وأدوات البيانات، وإطار المساءلة في الربع نفسه تُنتج عادةً نتيجة الـ 96% مرتين أسرع. منطق التوازي ينطبق على مساءلة التنفيذ، لا على مشتريات الموردين.
القرار لهذا الربع
بالنسبة إلى Head of Operations يضع اللمسات الأخيرة على خارطة طريق الذكاء الاصطناعي لهذا الربع بين الآن ونهاية Q2 2026، يتقلّص المعنى التشغيلي إلى جملة واحدة:
لا يتم اعتماد أي مسار عمل لنشر الذكاء الاصطناعي في هذا الربع ما لم يكن مقترنًا بتغيير نموذج التشغيل الأفقي الذي يتطلبه، وإيقاع نظافة البيانات الذي يعتمد عليه، والمساءلة المُسمّاة عن النتيجة التي يُفترض أن يُنتجها — وأن تكون الأربعة جميعًا تحت OKR واحد بـ راعٍ واحد.
إذا لم تستطع مقترح ما وصف الأربعة جميعًا في الوثيقة نفسها، فهو رهان تسلسلي متخفٍّ في توازي، وتوزيع PwC يقول إنه سيُنتج نتيجة الـ 96%. إذا استطاع مقترح ما وصف الأربعة جميعًا، فهو مرشح للأقلية الصغيرة من استثمارات نموذج تشغيل الذكاء الاصطناعي التي تتراكم فعلًا. تكلفة الفرز هي اجتماع واحد لكل مقترح. تكلفة عدم الفرز في الأسفل، عند مسارات الإنفاق التي يصفها الاستطلاع، هي معظم ميزانية الذكاء الاصطناعي على مدى الأرباع الأربعة القادمة.
رقم الـ 4% ليس طموحيًا. هو ما حدث بالفعل عبر 767 قائدًا في العمليات كانت لديهم نفس الخيارات التي لدى قارئ هذه المقالة واختاروا بنية على أخرى. السؤال الآن هو على أي بنية ستُبنى خطة الربع القادم.
