أربعون بالمئة من مبادرات الذكاء الاصطناعي في أكبر شركات أوروبا تُبقى كمشاريع تجريبية دائمة — لا تُلغى ولا تُوسَّع أبداً — "بالتصميم". هذا الرقم لا ينخفض كلما تحسّنت المؤسسات في الذكاء الاصطناعي. بل يرتفع. داخل أكثر برامج الذكاء الاصطناعي نضجاً، تتسلق حصة المشاريع التجريبية الدائمة إلى 48%، حتى مع بلوغ متوسط الإنفاق على الذكاء الاصطناعي 39.2 مليون جنيه إسترليني سنوياً ونموه بنسبة 27% على أساس سنوي (Valliance، عبر Consultancy.uk، 2026). خبرة أكثر، وميزانية أكبر، وتطور أعمق — ومشاريع تجريبية أكثر لا تفضي إلى شيء. هذه هي المفارقة، وهي أوضح إشارة حتى الآن إلى أن ما يُحطّم عوائد الذكاء الاصطناعي ليس التجارب. بل القرار الغائب الذي يُفترض أن يتبعها.
القراءة التلقائية لهذه البيانات هي "المشاريع التجريبية للذكاء الاصطناعي تفشل، فاحذر من إطلاقها". وهذا هو الدرس الخاطئ تماماً. الاكتشاف الأكثر حدّة المدفون في استطلاع Valliance لـ1000 من كبار القادة هو أن التجريب يعمل بشكل جيد؛ ما ينقص هو بوابة kill-or-scale — اللحظة التي يفحص فيها شخص ما مشروعاً تجريبياً، في مقابل مقاييس متفق عليها مسبقاً، ويقرّره إما ميتاً أو جاهزاً للإنتاج. بالنسبة إلى Head of Operations في شركة من 200 موظف يُنهي خطة الذكاء الاصطناعي للعام المقبل، فإن مشكلة الانتقال من التجريب إلى الإنتاج ليست سبباً للتباطؤ. بل سبب لتركيب قرار لم يتّخذه نظراؤك في الشركات الكبرى، بكل ميزانياتهم، حتى الآن.
المفارقة: النضج كان يُفترض أن يعالج "داء التجريب". لكنه لا يفعل.
يقول النموذج البديهي للتعلّم المؤسسي إنه كلما نفّذت مشاريع ذكاء اصطناعي أكثر، صرت أفضل في إنهائها. تبني عضلة: تتعلم أي حالات الاستخدام تتوسّع، وتقتل الفاشلة أسرع، وترتفع نسبة نجاحك. تقول بيانات Valliance إن العكس يحدث في قمة السوق. المؤسسات ذات البرامج الأكثر رسوخاً هي التي تُراكم أكبر عدد من المشاريع التجريبية الدائمة — 48% مقابل 40% كخط أساس (Valliance، عبر Consultancy.uk، 2026).
هذا ينبغي أن يوقفك. فهو يعني أن "داء التجريب" — حالة التجريب اللانهائي دون التزام أبداً — ليس مرض مبتدئين يعالجه النضج. إنه حالة بنيوية يُضخّمها النضج، لأن البرامج الناضجة تملك الميزانية لإبقاء مشاريع تجريبية أكثر على قيد الحياة إلى أجل غير مسمى، والتعقيد السياسي لتجنّب قتل أيٍّ منها. لكل مشروع تجريبي راعٍ. ولكل راعٍ سبب يجعله "ما زال يتعلّم". لا أحد يملك الحكم. والنتيجة محفظة تنمو عند الأطراف ولا تُحسم أبداً في المركز.
Valliance دقيقة بشأن الآلية: الفشل ليس التجربة، بل ما يحدث — أو لا يحدث — بعدها. مقاييس نجاح ضعيفة، وتبنٍّ منخفض، وارتباطات استشارية مُصممة للتمديد لا للإنهاء، كلها تدفع المشاريع التجريبية إلى مدار انتظار. الـ39.2 مليون جنيه إسترليني من متوسط الإنفاق لا تشتري أنظمة إنتاج. جزء كبير منها يشتري الحق في مواصلة تشغيل تجارب لن يُنهيها أحد رسمياً أبداً.
لماذا "التجريب فشل" هو التشخيص الخاطئ
إليك لماذا يهمّ هذا التمييز عملياً. إذا كان التشخيص "الذكاء الاصطناعي لا ينفع"، فالعلاج هو النشر بقدر أقل. إذا كان التشخيص "نحن لا نقرّر أبداً"، فالعلاج هو الحوكمة — والمكسب من إتقانها كبير وموثّق جيداً.
عندما يكون الذكاء الاصطناعي مُدمجاً فعلاً في سير العمل بدلاً من تركه في برزخ التجريب، فإن فجوة الأداء ليست هامشية. وجدت تجربة Harvard Business School وBCG الميدانية على عمال المعرفة أن المستشارين الذين استخدموا الذكاء الاصطناعي بشكل صحيح أنجزوا المهام أسرع بنحو 25% وأنتجوا عملاً قُيّم أعلى بنحو 40% في الجودة من مجموعة الضبط (Harvard Business School & BCG، 2023). تلك هي الجائزة المنتظرة على الجانب الآخر من البوابة. المؤسسة ذات المشاريع التجريبية الدائمة تدفع ثمن الذكاء الاصطناعي كاملاً ولا تجني منه عائداً يُذكر، لأن قفزة الجودة بنسبة 40% تتجسّد فقط حين تكون الأداة في الإنتاج، ضمن سير العمل اليومي، مع التبنّي — لا حين تُقيَّم في بيئة اختبار للشهر الثامن عشر.
تظهر كلفة عدم القرار أيضاً في البيانات الكلية. وجد تحليل MIT لعام 2025، المُستشهد به على نطاق واسع، أن نحو 95% من المشاريع التجريبية للذكاء الاصطناعي التوليدي في الشركات لم تُحدث أي أثر قابل للقياس على بيان الأرباح والخسائر — وأن واحداً فقط من كل عشرين تقريباً عبر إلى عائد مالي حقيقي (MIT، عبر Fortune، 2025). وبقراءته مع Valliance، تتّضح الصورة: المشكلة ليست أن الذكاء الاصطناعي لا يمكن أن يُجدي — فالقلّة الذين يدمجونه جيداً يُحقّقون نتائج هائلة. المشكلة أن الغالبية الساحقة من المشاريع التجريبية لا تُجبَر أبداً على إثبات جدواها، فتقع ضمن الـ95% بالقصور الذاتي.
هذا هو التشخيص. ليس "التجريب فشل". التجريب نجح ولم يُحوَّل أبداً. العضو الغائب هو بوابة القرار.
كلفة البوابة الغائبة أعلى لكل يورو بالنسبة إلى السوق المتوسطة
سيكون مريحاً أن نصنّف هذا كمشكلة شركات كبرى — ميزانيات بـ39.2 مليون جنيه، شركات أوروبية متعددة الجنسيات بـ1000 قائد، ومستوى هدر لن تبلغه شركة متوسطة أبداً. هذا الارتياح في غير محله، والسبب حسابي.
شركة تنفق 39.2 مليون جنيه على الذكاء الاصطناعي يمكنها أن تحمل عشرات المشاريع التجريبية الزومبية كخطأ تقريب. الهدر حقيقي لكنه مُخفَّف عبر ميزانية ضخمة؛ المشروع التجريبي الدائم بند يتحمّله المدير المالي. شركة من 200 موظف لا تستطيع تخفيف أي شيء. إن كنت تشغّل ثلاثة مشاريع تجريبية واثنان منها دائمان بالقصور الذاتي، فأنت لا تهدر خطأ تقريب — بل تُسيء تخصيص جزء كبير من ميزانية تقنية تقديرية كان الحصول عليها صعباً أصلاً. قد تتشابه نسبة الهدر؛ أما القدرة على النجاة منه فلا. السوق المتوسطة تشعر بكل مشروع تجريبي متعثّر بطريقة تعزل الشركات الكبرى عنها بنيوياً.
وهناك تباين ثانٍ. الشركة الكبرى تملك وظائف حوكمة — مكتب تحوّل، ولجنة مراجعة محفظة، ومدير معلومات يستطيع فريقه على الأقل رؤية المشاريع الزومبية. في شركة من 200 موظف، المشروع التجريبي الذي أطلقه مسؤول العمليات لديك مع مورّد في الربيع لا توجد لجنة مراجعة جاهزة للحكم عليه. إن لم تبنِ البوابة بنفسك، فلا توجد بوابة. اكتشاف Valliance بأن حتى برامج الشركات الناضجة تعجز عن قتل المشاريع التجريبية هو، إذا قُرئ بشكل صحيح، تحذير: إذا كانت مؤسسات بُنيت عمداً للحوكمة ما زالت عاجزة، فلن تصل السوق المتوسطة إلى هذا الانضباط بالصدفة. يجب تركيبه عن قصد.
الحجة المضادة: "Bain تقول إن حالات الاستخدام تتوسّع بالفعل"
أقوى اعتراض على كل هذا يأتي من مصدر موثوق، ويستحق رداً مباشراً. يطرح استطلاع Bain & Company للمديرين التنفيذيين لعام 2026 شيئاً قريباً من سردية مضادة — مفاده أن الشركات، في معظم فئات حالات الاستخدام، تنقل الذكاء الاصطناعي فعلاً من التجريب إلى الإنتاج، وأن قصة "كل شيء عالق في التجريب" مبالغ فيها. إن كانت Bain محقة، فإن بوابة kill-or-scale تحلّ مشكلة تحلّ نفسها أصلاً.
كلا الاكتشافين قد يكونان صحيحين في آن واحد، والإمساك بهذا التوتر أنفع من اختيار جانب. التوسّع متفاوت. يمكن لمؤسسة أن تنقل فعلاً إلى الإنتاج أفضل حالتي أو ثلاث حالات استخدام لديها بينما في الوقت نفسه تُراكم ذيلاً طويلاً من المشاريع التجريبية التي لن تُحسم أبداً — الـ40% إلى 48% التي قاستها Valliance. Bain تَعُدّ الفائزين الذين عبروا؛ Valliance تَعُدّ الكومة المتراكمة التي لم تعبر. الدرس للسوق المتوسطة ليس "تجاهل Bain". بل أن المؤسسات الناجحة في التوسّع هي بالضبط تلك التي تتخذ قرارات توسّع صريحة — وأن الغارقة في المشاريع الدائمة هي تلك التي لم تبنِ آلية القرار أبداً. البوابة هي ما يفصل قصة التوسّع لدى Bain عن قصة الجمود لدى Valliance. أنت تريد أن تكون على الجانب الصحيح من ذلك الخط، عن قصد.
الأدلة الداعمة تشير إلى الاتجاه نفسه. وجد بحث Work Reimagined من EY أنه بينما يستخدم الذكاء الاصطناعي الآن نحو تسعة من كل عشرة موظفين بشكل ما، فإن نحو ربع المؤسسات فقط مهيّأ فعلاً لتحويل ذلك الانتشار إلى نتائج عالية القيمة (Deloitte، State of AI in the Enterprise، 2026). الاستخدام شامل؛ والتحويل نادر. العامل الفارق ليس الوصول إلى الذكاء الاصطناعي. بل انضباط تقرير ما يُفعل بكل عملية نشر.
بناء بوابة kill-or-scale: ثلاثة مكوّنات لهذا الربع
الحل ضيّق، ورخيص، وتحت سيطرتك بالكامل قبل أن تُثبّت دورة الميزانية المقبلة الإنفاق. لا تحتاج مكتب تحوّل. تحتاج بوابة، وللبوابة ثلاثة أجزاء. طبّقها على كل مشروع تجريبي نشط تشغّله اليوم، واجعلها إلزامية لكل جديد.
أولاً، نافذة تقييم ثابتة. كل مشروع تجريبي يحصل على تاريخ انتهاء لحظة انطلاقه — 60 يوماً، 90 يوماً، ربعاً، ما يناسب حالة الاستخدام، لكن تاريخاً مُسمّى مسبقاً. السلوك الوحيد الذي يخلق المشاريع الدائمة هو الجدول المفتوح: مشروع بلا نهاية لا يواجه الحكم أبداً. أغلق الجدول تُجبِر الحكم. إن بلغ مشروع نافذته دون قرار، فالافتراضي ليس "التمديد". الافتراضي هو "القتل".
ثانياً، مقاييس نجاح متفق عليها مسبقاً. قبل تشغيل المشروع، اكتب كيف يبدو النجاح بأرقام ستملكها فعلاً في النهاية — ساعات موفّرة أسبوعياً، معدل خطأ مُخفَّض، إنتاجية للفرد، معدل تبنٍّ بين المستخدمين المستهدفين. السبب الذي يجعل الشركات الكبرى الناضجة تتعثّر، بحسب Valliance، هو ضعف المقاييس وانخفاض التبنّي: المشاريع التي لم تُمنح قطّ سقفاً واضحاً لتجاوزه يمكنها دائماً الادعاء بأنها "ما زالت تتعلّم". مشروع بمقياس متفق عليه مسبقاً إما يحقّقه أو لا. حدّد السقف قبل أن تكون لك مصلحة في تحريكه.
ثالثاً، حكم ثنائي ومالك مُسمّى. في نهاية النافذة، يُصدر شخص مسؤول — لا لجنة — أحد قرارين بالضبط: توسيعه إلى الإنتاج بميزانية حقيقية وخطة تبنٍّ، أو قتله واسترداد الإنفاق. لا خيار ثالث. "التمديد ربعاً آخر" هو الداء، لا قرار. مكسب HBS-BCG — أسرع بـ25%، أفضل بـ40% — لا يُحصَّل إلا على جانب "التوسيع" من ذلك الحكم، وفقط حين يعني التوسيع تكاملاً حقيقياً، لا بيئة اختبار أكبر.
لا يتطلب أي من هذه الثلاثة موظفين أو منصة. تتطلب أن تقرّر، مسبقاً، أن المشروع يستحقّ استمراره بتجاوز سقف محدد بحلول تاريخ محدد، يحكم عليه شخص مُسمّى. هذا هو كامل أرضية الحوكمة للانتقال من التجريب إلى الإنتاج، وهو الفرق بين محفظة تُحوِّل وأخرى تُربّي الزومبي بصمت.
القصة الإجمالية لبيانات Valliance لعام 2026 هي أن المؤسسات الأكثر نضجاً في الذكاء الاصطناعي هي الأسوأ في إنهاء ما تبدؤه — وأن السوق المتوسطة، التي لا تحتمل تساهلها مع الهدر، هي الأكثر استفادةً من انضباط لم تبنِه تلك المؤسسات قط. القرار أمام Head of Operations هذا الربع ليس ما إذا كان يُشغّل مزيداً من المشاريع التجريبية. بل ما إذا كان مشروع واحد في دفاترك اليوم لديه تاريخ انتهاء، ورقم نجاح، واسم مُلصق بالحكم. اختر أغلى مشروع تجريبي نشط لديك وامنحه الثلاثة قبل أن تُغلق الميزانية. بوابة kill-or-scale ليست مكبح برنامج الذكاء الاصطناعي لديك. بل الشيء الوحيد الذي يحوّل الإنفاق إلى عائد.
