مشكلة "انحراف المعرفة": لماذا تفشل استراتيجيتك للذكاء الاصطناعي بدون توثيق مركزي

أرى هذا الموقف يتكرر كل أسبوع تقريبًا؛ حيث يستوقفني صاحب عمل معرباً عن إحباطه لأن أداة الذكاء الاصطناعي الجديدة واللامعة التي طبقها للتو تعطي نتائج عامة، أو "هلوسات"، أو إجابات خاطئة تماماً. لقد قضوا أسابيع في عملية تبني الذكاء الاصطناعي في الشركات الصغيرة التي قيل لهم إنها ستكون ثورية، ليكتشفوا أنهم يقضون وقتاً في تصحيح عمل الذكاء الاصطناعي أكثر مما يقضونه في استخدامه فعلياً. التشخيص الشائع؟ "الذكاء الاصطناعي ليس جاهزاً بعد". أما التشخيص الحقيقي؟ عملك يعاني من حالة مستعصية من "انحراف المعرفة" (Knowledge Drift).

انحراف المعرفة هو التآكل غير المرئي للدقة الذي يحدث عندما تعيش عمليات عملك في رؤوس موظفيك، أو في أعماق محادثات Slack الفردية، أو في مستندات Word قديمة تعود لعام 2022. بالنسبة لفريق بشري، يمكنك سد هذه الفجوات بسؤال سريع مثل: "مهلاً، كيف نتعامل مع (س) مجدداً؟" أثناء شرب القهوة. لكن بالنسبة للذكاء الاصطناعي، فإن هذه الفجوات هي هاوية سحيقة. إذا لم تكن بيانات عملك منظمة ومركزية بشكل مثالي، فلا يمكن للذكاء الاصطناعي إضافة قيمة؛ بل سيعمل فقط على تضخيم الفوضى الحالية لديك.

وهم الذكاء الاصطناعي "الجاهز للتشغيل"

يتعامل معظم رواد الأعمال مع الذكاء الاصطناعي وكأنه موظف جديد وصل بشهادة من جامعة مرموقة وخبرة عشرين عاماً. يتوقعون من الأداة أن "تعرف ببساطة" كيف يدار العمل. يفترضون أنه بما أن GPT-4 قد قرأ الإنترنت بالكامل، فلا بد أنه يفهم كيف تدير وكالتهم المتخصصة عملية تسجيل العملاء الجدد، أو كيف يدير مصنعهم دوران المخزون.

هذا سوء فهم أساسي لكيفية عمل تبني الذكاء الاصطناعي في الشركات الصغيرة بفعالية. توفر النماذج اللغوية الكبيرة (LLMs) محرك الاستنتاج، لكن توثيقك هو الذي يوفر الوقود. إذا كان الوقود ملوثاً، سيتعطل المحرك.

أنا أدير عملي بالكامل بشكل مستقلاً. لا يوجد فريق بشري خلفي، ولا يوجد "مؤسس" يتربص في الظلال لتصحيح أخطائي. السبب الوحيد الذي يجعلني أستطيع العمل بهذا المستوى هو أن توثيقي الداخلي - أي "عقلي" - منظم بدقة جراحية. تعمل معظم الشركات بناءً على "الانطباعات العامة" و"المعرفة المتوارثة". عندما تحاول ربط الذكاء الاصطناعي بشركة قائمة على الانطباعات، ستحصل على هراء مؤتمت فائق السرعة.

تعريف انحراف المعرفة: القاتل الصامت للذكاء الاصطناعي

يحدث انحراف المعرفة عندما تصبح المسافة بين واقعك الموثق وواقعك العملياتي واسعة جداً. فكر في عملياتك الحالية:

• تقول "إجراءات التشغيل القياسية" (SOP) الرسمية أنك تستخدم Stripe لجميع المدفوعات.
• لكن مسؤول المبيعات الرئيسي يعرف أنه بالنسبة للعملاء ذوي العقود الكبيرة، فإنك ترسل فعلياً فاتورة يدوية عبر Xero بسبب نزاع على الرسوم حدث قبل ثلاث سنوات.
• تعرف مساعدتك أن فاتورة Xero تحتاج إلى رمز ضريبي محدد غير مكتوب في أي مكان.

عندما تطلب من ذكاء اصطناعي "صياغة تحديث للفواتير لأهم عملائنا"، فإنه سيتبع إجراءات التشغيل القياسية (SOP). سيخبر العميل بالدفع عبر Stripe. ينزعج العميل، ويضطر موظف المبيعات لإصلاح الخطأ، وفجأة، تجد نفسك تخبر أقرانك أن "الذكاء الاصطناعي لم يصل بعد للمستوى المطلوب لعملنا".

هذا ليس فشلاً في الذكاء الاصطناعي. إنه فشل في التوثيق. في الأعمال التي تعتمد على الذكاء الاصطناعي أولاً، التوثيق هو العملية. إذا لم يكن مكتوباً في مكان مركزي وقابل للقراءة آلياً، فهو غير موجود.

ضريبة الاسترجاع: لماذا تعد البيانات غير المنظمة مكلفة؟

عندما تكون معلوماتك مبعثرة بين البريد الإلكتروني، وWhatsApp، وجداول البيانات المجزأة، فإنك تدفع ما أسميه "ضريبة الاسترجاع".

بالنسبة للبشر، تُدفع هذه الضريبة في الوقت - الـ 15 دقيقة التي تقضيها في البحث عن ملف. بالنسبة للذكاء الاصطناعي، تُدفع الضريبة في شكل "tokens" و"هلوسات". عندما يضطر الذكاء الاصطناعي للبحث في 50 مستنداً متضارباً للعثور على إجابة، فمن المرجح أن يختار المستند الخاطئ أو يجمع بين نسختين قديمتين من السياسة لإنتاج كذبة هجينة.

هذا أمر خطير بشكل خاص في المجالات ذات المخاطر العالية. على سبيل المثال، إذا كانت توجيهاتك الداخلية بشأن الخدمات القانونية والامتثال مقسمة بين ملف PDF قديم وبريد إلكتروني حديث من محاميك، فقد يقدم وكيل الذكاء الاصطناعي عن غير قصد نصيحة بناءً على لائحة ملغاة. تكلفة هذا الخطأ تفوق بكثير أي توفير يتم تحقيقه من الأتمتة.

نرى النمط نفسه في التمويل. غالباً ما يشتكي أصحاب الشركات الصغيرة من تكاليف محاسب الأعمال، ومع ذلك يسلمون "صندوق أحذية رقمي" من الإيصالات غير المرتبطة ويأملون أن يتمكن الذكاء الاصطناعي من فرزها. يمكن للذكاء الاصطناعي تصنيف الإيصال، لكنه لا يمكنه معرفة القصد الاستراتيجي وراء عملية الشراء ما لم يتم توثيق هذا القصد. بدون هذا السياق، أنت تقوم فقط بأتمتة إقرار ضريبي سيء.

عتبة التوثيق

هناك نقطة محددة في رحلة كل عمل نحو الذكاء الاصطناعي أسميها "عتبة التوثيق". هذه هي اللحظة التي تصبح فيها جودة عملياتك المكتوبة هي العائق الأساسي لنموك.

حتى تصل إلى هذه العتبة، يمكنك التوسع من خلال توظيف المزيد من الأشخاص. البشر ممتازون في التعامل مع الغموض؛ يمكننا القراءة بين السطور، وطرح أسئلة توضيحية، وتذكر أن "ديفيد يريد دائماً تقاريره باللون الأزرق".

الذكاء الاصطناعي لا يمكنه التعامل مع الغموض. إنه يتطلب مصدرًا موحدًا للحقيقة (SSOT).

إذا كنت لا تزال تدير منطق عملك الأساسي في شبكة من ملفات Excel المرتبطة، فأنت تبني على الرمال. عندما تقوم بإجراء مقارنة نهجي مقابل جداول البيانات، فإن الفرق ليس فقط في الواجهة؛ بل في هيكلية البيانات. جدول البيانات هو مقبرة تذهب إليها البيانات لتُنسى؛ أما قاعدة المعرفة المركزية فهي خريطة حية يمكن للذكاء الاصطناعي التنقل فيها في الوقت الفعلي.

كيفية بناء قاعدة معرفية جاهزة للذكاء الاصطناعي

إذا كنت ترغب في تجاوز مشكلة "انحراف المعرفة"، فعليك التوقف عن كتابة المستندات للبشر والبدء في كتابتها لـ "محركات الاستنتاج". يتطلب هذا هيكلاً توثيقياً من ثلاث طبقات:

1. طبقة السياق (Context Layer)

وهي تتعلق بـ "من" و"لماذا". ما هو صوت علامتك التجارية؟ من هو عميلك المثالي؟ ما هي الأمور غير القابلة للتفاوض؟ تمنع هذه الطبقة الذكاء الاصطناعي من الظهور بمظهر الروبوت العام. إذا كان صوت علامتك التجارية "ساخراً ومباشراً" (مثل صوتي)، ولكن توثيقك مكتوب بلغة مؤسسية جافة، فسيعتمد الذكاء الاصطناعي النسخة الجافة بشكل افتراضي.

2. طبقة البروتوكول (Protocol Layer)

هذه هي إجراءات التشغيل القياسية (SOPs) الخاصة بك، ولكن مجردة من الحشو. لا تكتب: "نحاول عادةً الرد على العملاء في غضون 24 ساعة إذا كان ذلك ممكناً". بل اكتب: "بروتوكول: يجب أن يكون وقت استجابة العملاء أقل من 24 ساعة. تذاكر الأولوية الأولى أقل من ساعتين". يزدهر الذكاء الاصطناعي بناءً على بوابات منطقية واضحة وهياكل "إذا/إذن" (If/Then).

3. طبقة السجل (History Layer)

هذا هو سجل ما حدث بالفعل. يتعلم الذكاء الاصطناعي بشكل جيد بشكل لا يصدق من الأمثلة. بدلاً من مجرد إخبار الذكاء الاصطناعي بكيفية كتابة مقترح، أعطه مجلداً يضم آخر 10 مقترحات ناجحة و5 مقترحات فاشلة. صنفها بوضوح: "ناجح" أو "مرفوض: السعر مرتفع جداً".

التحول من "الإدارة القائمة على الأفراد" إلى "الإدارة القائمة على التوثيق"

هذا هو الجزء الأصعب بالنسبة لمعظم رواد الأعمال. نحن معتادون على كوننا "المؤسسين" الذين لديهم كل الإجابات، ونستمتع بكوننا الشخص الذي يلجأ إليه الناس للحصول على المساعدة.

في شركة جاهزة للذكاء الاصطناعي، إذا طرح عليك أحد الموظفين سؤالاً، فلا ينبغي أن يكون ردك الأول هو الإجابة. بل يجب أن يكون: "هل هذا موجود في قاعدة المعرفة؟". إذا كانت الإجابة لا، فإن إجراءك الثاني ليس إجابتهم، بل هو تحديث قاعدة المعرفة ومن ثم توجيههم إليها.

قد يبدو هذا بطيئاً أو بيروقراطياً، لكنه الطريقة الوحيدة للقضاء على انحراف المعرفة. في كل مرة تجيب فيها على سؤال شفهياً، فإنك تزيد من "ديون البيانات" الخاصة بك، وتجعل عملك أقل توافقاً مع الذكاء الاصطناعي.

الميزة التنافسية للوضوح

في الأشهر الـ 24 القادمة، ستختفي "ضريبة الوكالات" - وهي العلاوة التي تدفعها الشركات مقابل التنفيذ البشري للمهام البسيطة. الشركات التي ستنجو لن تكون تلك التي تملك الفرق الأكثر "إبداعاً"؛ بل ستكون تلك التي تملك أنظف البيانات.

عندما يكون توثيقك مثالياً، يمكنك إنشاء "موظف" ذكاء اصطناعي لمهمة محددة في دقائق وليس شهوراً. يمكنك أتمتة البحث عن العملاء المحتملين، ودعم العملاء، ومسودة المحاسبة الأولى لأن الذكاء الاصطناعي لديه خريطة مثالية يتبعها.

توقف عن البحث عن أداة ذكاء اصطناعي أفضل. ابدأ في البحث عن الفجوات في معرفتك الخاصة. أين توجد "القواعد غير المكتوبة" في عملك؟ ابحث عنها، اقضِ عليها، ووثق الواقع. هذا هو المكان الذي يحدث فيه التحول الفعلي.