عشرة في المئة من شركات السوق المتوسطة نجحت في توسيع جميع مبادراتها في الذكاء الاصطناعي إلى ما بعد المرحلة التجريبية (IT Brief UK, 2026). أما التسعون في المئة الباقية فتشتري الأدوات نفسها، من الموردين أنفسهم، وبالسعر ذاته تقريبًا.
هذه هي النقطة الجديرة بالتوقف عندها. لو كانت الأداة هي ما يُنتج العائد، لما تبعثرت العوائد على هذا النحو.
ورقة عمل جديدة من NBER تمنح هذا التبعثر اسمًا. بابينا وهي وجيانغ يُرجعون المكاسب المبكرة في إنتاجية الذكاء الاصطناعي لا إلى التقنية بل إلى رأس المال التنظيمي: المعرفة المتينة والخاصة بالشركة التي تتراكم عبر التعلّم بالممارسة (NBER, 2026). الأداة هي مناسبة المكسب. وليست هي الأصل.
الاستثمار نفسه، وعقدان مختلفان
صدرت ورقة "Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital" في أغسطس 2026 بقلم تانيا بابينا وأليكس شي هي ورنهاو جيانغ (NBER, 2026).
أداة القياس هي الجزء المثير للاهتمام. فبدلًا من عدّ التراخيص أو الإنفاق على الموردين أو التبني المُبلَّغ ذاتيًا — وكلها مقاييس للتوزيع — يبني المؤلفون مقياسًا للاستثمار في الذكاء الاصطناعي على مستوى الشركة انطلاقًا من التوظيف المؤهَّل في الذكاء الاصطناعي، الممتد من تعلُّم الآلة إلى الذكاء الاصطناعي التوليدي والوكيلي. فمَن توظّفه الشركة أصعب تزويرًا مما تقول الشركة إنها تفعله.
وبتطبيق هذا المقياس، تأتي النتيجة الرئيسية تباينًا لا معاملًا:
الاستثمارات في الذكاء الاصطناعي مرتبطة بنمو الإنتاجية في السنوات الأخيرة، لكن ليس خلال العقد السابق.
المقياس نفسه. وفئة التقنية نفسها. وإجابتان مختلفتان.
ثم يؤدي المؤلفون العمل الذي تتجاوزه معظم أبحاث التبنّي: يسألون ما الذي تغيّر. وجوابهم هو تراكم رأس المال التنظيمي — ولاختباره يبنون مقياسًا ثانيًا مبتكرًا، مستخلصًا من الأوصاف الوظيفية للعاملين، لتحديد الأدوار التي تبني هذا الرأسمال فعليًا. ويجدون أن مكاسب الإنتاجية تقودها الوظائف المؤهَّلة في الذكاء الاصطناعي التي تبني رأس المال التنظيمي. لا أعداد موظفي الذكاء الاصطناعي عمومًا. ولا الأدوات عمومًا.
تحفّظ أُعلنه قبل أن يبني أحد شريحة عرض عليه: متن ورقة العمل مقيّد الوصول، وقد تحققتُ من التصميم البحثي واتجاه النتائج، لا من أحجام الأثر. لا ينبغي لأحد أن يُلصق نسبة مئوية بهذه الدراسة بعد — وأنا منهم.
أما لماذا لم يُثمر العقد السابق شيئًا فالورقة لا تحسمه، وأُصنّف قراءتي هنا استنتاجًا لا نتيجة: موجة تعلُّم الآلة اشترت في معظمها تنبؤًا يجلس بجوار سير العمل — درجة، أو توقّعًا، أو لوحة معلومات يراجعها أحدهم. أما الموجة الحالية فتجلس داخل سير العمل، وهو الموضع الوحيد الذي تستطيع منه الأداة توليد تعلُّم حول كيفية إنجاز العمل فعليًا. التنبؤ المجاور لعملية ما لا يعلّمك تلك العملية.
ما الذي يعنيه "رأس المال التنظيمي" فعلًا
المصطلح ليس جديدًا وليس فضفاضًا. صاغه أيزفيلدت وبابانيكولاو صياغة رسمية في Journal of Finance: رأس المال التنظيمي عامل إنتاج مُجسَّد في الكفاءات الأساسية للشركة، يحمل كفاءة خاصة بها، وله مطالبة على تدفقاتها النقدية. والشركات التي تملك قدرًا أكبر منه حققت عوائد متوسطة أعلى بنحو 4.6% من الشركات التي تملك أقل (Eisfeldt and Papanikolaou, 2013).
بلغة التشغيل: إنه المعرفة المتراكمة حول كيفية إنجاز عملك أنت. أي الاستثناءات مهمة. وأي إشارات العملاء تتنبأ بالانصراف. وأي خطوة في عملية الإقفال لديك هي التي تنكسر فعلًا.
الترخيص يمنحك قدرة عامة الغرض. أما رأس المال التنظيمي فهو ما ينشأ حين تُوجَّه تلك القدرة مرارًا إلى عملك المحدد ويُحفظ الناتج في مكان غير رأس شخص واحد.
الأول قابل للشراء. والثاني لا.
لماذا اشترى منافسك المنظومة نفسها ولم يبنِ رأس مال تنظيمي
ضع نتيجة NBER بجوار أدلة السوق المتوسطة، ويتوقف النمط عن كونه مجردًا.
استطلعت Klarus آراء 500 من كبار صنّاع القرار في شركات بالمملكة المتحدة وأيرلندا تتراوح إيراداتها بين 200 مليون ومليارَي جنيه إسترليني، ويعمل بها بين 300 و3000 موظف. ثلاثة وسبعون في المئة نشروا الذكاء الاصطناعي جزئيًا أو كليًا. عشرة في المئة وسّعوا جميع المبادرات إلى ما بعد المرحلة التجريبية. وتسعون في المئة متعثرون أو ما زالوا في مراحل مبكرة (IT Brief UK, 2026).
ويحوي الاستطلاع نفسه انقلابًا يستحق قراءتين: 91% قالوا إنهم واثقون من خبرتهم الداخلية في الذكاء الاصطناعي — بينما ذكر 48% أن نقص الخبرة في الذكاء الاصطناعي هو السبب الرئيسي لتعثّر مشاريعهم. المجتمع نفسه واثق في آنٍ واحد من امتلاكه القدرة ومن غيابها.
وتحت كلا الأمرين: 83% أبلغوا عن رداءة جودة البيانات، و69% قالوا إن البيانات الرديئة منعت نشاط الذكاء الاصطناعي أو أخّرته.
ووجد مؤشر Heartbeat من CLA الشكل نفسه على الضفة الأخرى من الأطلسي. فمن بين 722 منظمة صغيرة ومتوسطة، رأى 69.9% أن قوتهم العاملة تملك المهارات اللازمة للمستقبل. وأبلغ 49.5% فقط عن أي تحسّن في الكفاءة من استثماراتهم التقنية أو الذكية الحديثة، بينما أبلغ 20.2% فقط عن أثر إيجابي قوي (CLA, 2026).
عيّنتان مستقلتان من السوق المتوسطة. وكلتاهما تُبلغان عن قدرة حاضرة ونتائج غائبة.
هذا المزيج يستبعد التشخيص الذي تموّله معظم الشركات. فلو كانت المهارات هي القيد المُلزِم، لأبلغ المجتمع المدروس عن نقص في المهارات. لكنه يُبلغ عن العكس. ما ينقص ليس الطلاقة في الاستخدام — بل الآلية التي تحوّل تلك الطلاقة إلى شيء تملكه الشركة.
التجارب الرائدة لا تفشل. بل لا تُودِع شيئًا.
استطلعت Valliance آراء 1000 من كبار القادة في شركات أوروبية كبرى، فوجدت أن 40% من مبادرات الذكاء الاصطناعي تبقى تجارب رائدة بحكم التصميم — لا تُوقف ولا تُوسَّع أبدًا. وفي المؤسسات ذات البرامج الناضجة والراسخة ترتفع النسبة إلى 48% (Consultancy.uk, 2026).
نضج أكبر، وتجارب دائمة أكثر. هذا ليس شكل منحنى تعلُّم.
والتكلفة في مجموعة البيانات نفسها. الشركات العالقة في المرحلة التجريبية تُبلغ عن عائد قوي في 20% من الحالات. والشركات التي توسّع تُبلغ عنه في 76%. كما تنتظر الفئة العالقة وقتًا أطول لتحقيق القيمة: 6.6 أشهر مقابل 5.9 (Consultancy.uk, 2026).
وبقراءة ذلك عبر عدسة NBER تصبح الفجوة مقروءة. التجربة الرائدة التي تنتهي دون تغيير عملية موثّقة أو تعريف دور أو قاعدة قرار قد أنتجت نتيجة ولم تُودِع شيئًا. الفريق تعلّم. والشركة لا. كرّر ذلك اثنتي عشرة مرة فتحصل على اثنتي عشرة تجربة وصفر رأس مال تنظيمي — وهي بالضبط التركيبة التي تُظهر استثمارًا في الذكاء الاصطناعي دون نمو إنتاجية مرافق.
اختبار الإيداع
لنجعلها حسابية. شركة خدمات بـ200 موظف بدوام كامل تُطلق ست تجارب ذكاء اصطناعي في العام، كل منها نحو شهرين من العمل بدوام جزئي — أي عمليًا سنة عمل كاملة من انتباه الكوادر العليا، قبل التراخيص. التقارير المعتادة تسأل كم وفّرت كل تجربة. اسأل بدلًا من ذلك كم منها أنتج مُخرجًا دائمًا: إجراءً مُعاد كتابته، أو مجموعة مطالبات وتقييمات مُصانة، أو قاعدة قرار يستخدمها الآن أشخاص لم يلمسوا التجربة قط.
إن كان الجواب واحدة، فقد حوّلت نحو شهرين من تلك السنة إلى رأس مال تنظيمي وأنفقت الباقي رسومَ تعلُّم. لم تكن التجارب فاشلة — خمس منها ببساطة لم تُرسمَل. وهذا التمييز لا يظهر في أي عرض عائد استثمار معتاد، وهذا تحديدًا سبب إعادة تمويله مرارًا.
وصياغة Valliance نفسها هي أن المشكلة ليست التجريب، بل ما يحدث بعده. وورقة NBER تفسّر لماذا تلك الجملة بيان محاسبي لا شعار. فالتعلّم بالممارسة لا يتراكم مركّبًا إلا إذا احتُجز التعلّم في شيء دائم.
الاعتراض النزيه
أربعة حدود، تُقال صراحة.
الارتباط ليس سببية. نتيجة NBER ارتباط بين الاستثمار في الذكاء الاصطناعي ونمو الإنتاجية، بوساطة مقياس مُنشأ لرأس المال التنظيمي. ومن المعقول أن الشركات التي تبني رأس المال التنظيمي جيدًا تُدار بشكل أفضل بطرق تجعلها أيضًا أفضل في تبني الذكاء الاصطناعي. تصميم الورقة دقيق؛ لكنه ليس تجربة عشوائية مضبوطة.
كلا المقياسين المبتكرين وكيلان. الاستثمار في الذكاء الاصطناعي المستنتج من التوظيف المؤهَّل يُقلل من شأن الشركات التي تشتري القدرة بدل توظيفها. ورأس المال التنظيمي المستنتج من الأوصاف الوظيفية يُقلل من شأن الشركات التي تعيش معرفتها في الأنظمة لا في نصوص الأدوار. ومقاييس الوكالة من هذا النوع تصيب الاتجاه بموثوقية أعلى من إصابتها المقدار.
تأكيد السوق المتوسطة إقليمي ومُبلَّغ ذاتيًا. Klarus تغطي المملكة المتحدة وأيرلندا؛ وCLA لوحة عملاء أمريكية. وكلاهما تبليغ ذاتي. وهما متفقتان، وهذا ذو دلالة، وليست أي منهما عيّنة احتمالية وطنية، وهذا مهم.
لرأس المال التنظيمي باب خروج. هذا أحدّ الاعتراضات، وقد أثاره أيزفيلدت وبابانيكولاو قبل ثلاثة عشر عامًا: رأس المال التنظيمي مُجسَّد في الكفاءات الأساسية، ولتلك الكفاءات مطالبة على عوائده. المعرفة التي تعيش في ثلاثة أشخاص من كبار الموظفين تظل خاصة بالشركة حتى الأسبوع الذي يستقيل فيه أحدهم. والتدوين هنا ليس عبئًا بيروقراطيًا — بل هو الفرق بين أصل ومخاطرة احتفاظ بالكوادر.
ما يجب أن تقرره هذا الربع
أربع خطوات. ولا واحدة منها تتطلب موردًا جديدًا.
- قيّم كل تجربة جارية بما تركته، لا بما سرّعته. سؤال واحد لكل تجربة: سمِّ وثيقة العملية أو قاعدة القرار أو تعريف الدور الذي تغيّر بسببها. إن كان الجواب الصادق "أصبح الفريق أسرع"، فقد موّلت تجربة شخصية. الـ40% لدى Valliance مصنوعة بالكامل من تجارب شخصية.
- أعد كتابة وصف وظيفي واحد للذكاء الاصطناعي حول التدوين. نتيجة NBER تمر عبر الأدوار التي تبني معرفة خاصة بالشركة. ومعظم الأوصاف الوظيفية المرتبطة بالذكاء الاصطناعي في السوق المتوسطة تحدد أدوات. حدِّد بدلًا من ذلك المُخرَج: سير عمل موثّق، ومجموعات تقييم مُصانة، وقواعد قرار يستطيع آخرون تشغيلها.
- أصلح أساس البيانات قبل الترخيص التالي. نسبة 83% من رداءة جودة البيانات ليست هامشًا، بل هي السبب في عجز التعلّم بالممارسة عن التراكم — فالوكيل الذي لا يصل إلى سجلّك لا يستطيع تعلُّم شركتك. هذا بند في ميزانية الربع الرابع ينافس مباشرة توسيع التراخيص، وينبغي أن يفوز.
- دقّق أين يتجسّد رأس مالك التنظيمي. اسرد العمليات الخمس التي حسّنها الذكاء الاصطناعي بشكل قابل للقياس هذا العام، ثم حدّد أين يُخزَّن كل تحسين. وكل تحسين ينتهي إلى شخص بدل مُخرَج هو مكسب إنتاجية مُرفق به خطاب استقالة.
يستطيع منافسك شراء منظومتك بعد ظهر اليوم. لكنه لا يستطيع شراء الثمانية عشر شهرًا التي أمضاها فريقك في تعلُّم أي الاستثناءات مهمة — إلا إذا تركتها غير موثّقة، وعندها يكفيه أن يوظّفها.
رأس المال التنظيمي هو الجزء الوحيد من استثمارك في الذكاء الاصطناعي الذي يخصّك فعلًا. قرّر هذا الربع: هل تبنيه، أم تستأجر فقط مناسبة بنائه.
