a16z: الذكاء الاصطناعي جعل كفاءة كل شخص تزيد 10 مرات، لكن لم تصبح أي شركة أغلى ثمناً بـ 10 مرات

作者：جورج سيفولا

الترجمة: شينتشاو TechFlow

مقدمة شينتشاو: الذكاء الاصطناعي جعل كفاءة الأفراد ترتفع بمقدار 10 أضعاف، لكن لم تتغير قيمة أي شركة بمقدار 10 أضعاف بسبب ذلك. يعتقد جورج سيفولا، مستثمر في a16z (ومؤسس شركة Hebbia للذكاء الاصطناعي)، أن المشكلة ليست في التقنية بحد ذاتها، بل في عدم إعادة هيكلة التنظيم معها. اقترح سبع أبعاد تميز بين «الذكاء الاصطناعي على مستوى المؤسسات» و«الذكاء الاصطناعي على مستوى الأفراد» — التنسيق، الإشارة، التحيز، الميزة الحدية، التركيز على النتائج، التمكين، وعدم الحاجة إلى تلميح — وهو في جوهره يقول: تغيير المحرك الكهربائي غير كافٍ، عليك إعادة تصميم المصنع بأكمله.

النص الكامل كالتالي:

لقد جعل الذكاء الاصطناعي إنتاجية الأفراد ترتفع بمقدار 10 أضعاف للتو.

لكن لم تتغير قيمة أي شركة بمقدار 10 أضعاف بسبب ذلك.

إلى أين ذهبت الإنتاجية؟

هذه ليست المرة الأولى التي يحدث فيها ذلك.

في تسعينيات القرن التاسع عشر، وعدت الكهرباء بزيادة هائلة في الإنتاجية.

في مصانع النسيج في نيو إنجلاند، التي كانت تعتمد على محركات البخار، سرعان ما استبدلت المحركات البخارية بمحركات كهربائية أسرع.

لكن على مدى ثلاثين عامًا، لم تزداد إنتاجية المصانع بالكهرباء. التقنية كانت متقدمة جدًا، لكن التنظيم لم يتبعها.

حتى عشرينيات القرن العشرين، أعادت المصانع تصميم خطوط الإنتاج بالكامل — خطوط التجميع، وكل جهاز مزود بمحرك كهربائي مستقل، والعمال والآلات ينفذون مهامًا مختلفة تمامًا — حينها بدأت الفوائد الحقيقية من الكهرباء تظهر.

تعليق الصورة: التطور الثلاثي لمصنع لوريل للنسيج. من اليسار إلى اليمين: مصنع يعمل بالبخار عام 1890، مصنع يعمل بالكهرباء عام 1900، مصنع «وحدة القيادة» عام 1920 (أي إعادة بناء كاملة لخطوط الإنتاج الكهربائية).

العائد لم يكن من التقنية بحد ذاتها، ولا من جعل العامل أو الآلة ينسجان بشكل أسرع، بل عندما أعدنا تصميم النظام والتقنية معًا، تحققت الفوائد الحقيقية.

هذه واحدة من أغلى الدروس في تاريخ التقنية، ونحن الآن نعيد تعلمها.

بحلول عام 2026، يحقق الذكاء الاصطناعي زيادة إنتاجية بمقدار 10 أضعاف لأولئك الذين يعرفون كيف يستغلونه. لكن هذا ليس كافيًا بعد. لقد استبدلنا المحرك الكهربائي، لكننا لم نعد تصميم المصنع من جديد.

لأن حقيقة بسيطة: الفرد الكفء لا يساوي تنظيمًا كفءًا.

معظم منتجات الذكاء الاصطناعي تعطي انطباعًا بـ «الكفاءة»، لكنها لا تدفع القيمة الحقيقية. معظم حالات استخدام الذكاء الاصطناعي التي تراها، هي مجرد «تعظيم الكفاءة» الذاتي على تويتر أو Slack، بدون تأثير حقيقي.

القول المكرر منذ عام حول «الخدمة كبرمجية» ليس خطأ، لكنه يفتقر إلى خطة واضحة. وهو يتجاهل الصورة الأكبر. التحول الحقيقي ليس من الأدوات إلى الخدمة، بل هو بناء التقنية والنظام معًا (سواء كان ذلك من خلال تجديد القديم أو من الصفر). مستقبل الكفاءة الحقيقي يتطلب فئة جديدة من المنتجات — خط التجميع غدًا.

المنظمات الكفءة تحتاج إلى «ذكاء على مستوى المؤسسات».

سوف تتعمق هذه المقالة في تحليل الأبعاد السبعة التي تميز بين «الذكاء الاصطناعي على مستوى المؤسسات» و«الذكاء الاصطناعي على مستوى الأفراد». خلال العقد القادم، ستبنى جميع شركات مجال الذكاء الاصطناعي بين الشركات على هذه الاختلافات:

تعليق الصورة: جدول مقارنة بين الأعمدة السبعة للذكاء على مستوى المؤسسات

الأعمدة السبعة للذكاء على مستوى المؤسسات

1. التنسيق

الذكاء الاصطناعي على مستوى الأفراد يسبب الفوضى.

الذكاء الاصطناعي على مستوى المؤسسات يخلق التنسيق.

لنجرب تجربة فكرية. افترض أنك غدًا ستضاعف عدد موظفيك، وتقوم بنسخ أفضل موظفيك.

كل منهم لديه اختلافات صغيرة، تفضيلات، غرائب، ووجهات نظر (وخصوصًا أفضل موظفيك). إذا لم يكن هناك إدارة جيدة، تواصل غير كافٍ، عدم وضوح في تقسيم المهام، OKRs، أو حدود الأدوار… فستخلق فوضى.

بالنسبة للفرد، قد يبدو أن التنظيم أكثر كفاءة. لكن الآلاف من الوكلاء (أو البشر) يجرون في اتجاهات مختلفة، والنتيجة الأفضل هي الجمود، والأسوأ هو تفتيت وحدة التنظيم.

هذه ليست فرضية. كل منظمة تستخدم الذكاء الاصطناعي بدون طبقة تنسيق تمر بهذا الأمر الآن. كل موظف لديه عادات استخدام ChatGPT، أسلوب تلميحه، ومخرجاته — غير متناسقة مع الآخرين. قد يكون الهيكل التنظيمي موجودًا، لكن العمل الناتج من الذكاء الاصطناعي يسير في مسار مختلف.

تعليق الصورة: الأفراد (أو الوكلاء) يجرون بأذرعهم في اتجاهات مختلفة. عدم التنسيق هو الفوضى.

التنسيق هو حاجة ضرورية حتمية، سواء للبشر أو للوكلاء.

الذكاء على مستوى المؤسسات سيؤدي إلى ظهور صناعة كاملة لـ «إدارة الوكلاء» — تركز على أدوار الوكلاء ومسؤولياتهم، تواصلهم مع بعضهم ومع البشر، وكيفية قياس قيمة الوكيل (فقط الدفع مقابل الاستخدام غير كافٍ).

2. الإشارة

الذكاء الاصطناعي على مستوى الأفراد يسبب الضوضاء.

الذكاء الاصطناعي على مستوى المؤسسات يجد الإشارة.

اليوم، يمكن للبشر أن يخلقوا — أو يُنتجوا — أي شيء يمكن تصوره: مقالات، عروض تقديمية، جداول بيانات، صور، فيديوهات، أغاني، مواقع إلكترونية، برمجيات. هدية رائعة.

المشكلة أن معظم المحتوى الذي يُنتجه الذكاء الاصطناعي هو قمامة مطلقة. انتشار المحتوى السيئ من الذكاء الاصطناعي أصبح مشكلة خطيرة، لدرجة أن بعض المؤسسات تتخذ إجراءات صارمة، وتمنع كل إنتاج AI. بصراحة، أنا أشاركهم الرأي — أدير شركة ذكاء اصطناعي، وأطلب من فريق الإدارة العليا عدم استخدام AI في أي منتج نهائي. لا أتحمل تلك القمامة.

فكر في صناعة الأسهم الخاصة (PE). العام الماضي، ربما تلقيت 10 فرص استثمارية على مكتبك. هذا الربع، ستتلقى 50 فرصة، وكلها مصقولة بشكل لا يُصدق بواسطة AI، ومع ذلك، لا تزال لديك نفس مدة التقييم — عليك أن تجد تلك الفرصة الحقيقية بين كل هذا الضجيج.

إنتاج أي شيء لم يعد مشكلة. المشكلة الآن، لأي منظمة جادة، هي إنتاج وتصفية المحتوى الصحيح. في عالم يقوده الذكاء الاصطناعي، العثور على ذلك الناتج الجيد، أو الصفقة الجيدة، أو الإشارة في الضوضاء، أصبح أكثر أهمية. العقد القادم، هو دفع الاقتصاد من خلال استخراج الإشارات من جبل القمامة المتزايد أضعافًا مضاعفة.

تعليق الصورة: أدوات الإنتاجية الشخصية التي تنتج قمامة AI تتكاثر بسرعة أسيّة. البشر أنفسهم لم يعودوا قادرين على تصفية الضوضاء، ويحتاجون إلى نوع جديد من منتجات الذكاء الاصطناعي على مستوى المؤسسات.

الذكاء على مستوى المؤسسات يجب أن يجد الإشارة، ويجب أن يُنظم الضوضاء لاختراق القمامة، ويجب أن يكون في العمل قابلًا للتعريف، وموثوقًا، وقابلًا للمراجعة.

الذكاء الاصطناعي على مستوى الأفراد قد يركز على أدوات مثل Clawdbot التي تظل «متصلة دائمًا» لزيادة الإنتاجية، بطريقة غير متوقعة على مدار الساعة — وهو في جوهره وكيل غير حاسم. أما الذكاء على مستوى المؤسسات فيعتمد على وكلاء موثوقين، يعتمدون على معالم، وخطوات، وعمليات يمكن التنبؤ بها، ليتمكنوا من التوسع، واكتشاف الإشارات، وتحقيق عائدات للمنظمة من خلال تلك الإشارات.

تعليق الصورة: Matrix هي أداة تستخدم تقنيات التوليد لاختراق الضوضاء، وفتحت عالم الوكلاء الموثوقين والنقاط التفتيشية.

3. التحيز

الذكاء على مستوى الأفراد يغذي التحيز.

الذكاء على مستوى المؤسسات يخلق الموضوعية.

الجدل حول التحيزات الاجتماعية والسياسية استمر لسنوات في حديث الذكاء الاصطناعي. المختبرات الأساسية للنماذج حاولت تجاوز المشكلة عبر RLHF، وضبطت النماذج لتكون أكثر مداهنة. اليوم، نماذج مثل ChatGPT وClaude أصبحت متوافقة جدًا، وتوافق على أي موضوع داخل إطار «نافذة أوفرتون» (أي أنها توافق بشكل مفرط، وأحيانًا تتجاوز الحدود، كما في حالتك @Grok). النقاش حول التحيزات الاجتماعية والسياسية تراجع، لكن ظهرت مشكلة جديدة.

هذا الإفراط في الموافقة أصبح سخيفًا لدرجة meme — مثل عبارة Claude التي تقول بشكل رد فعل تلقائي «أنت على حق تمامًا!»، بغض النظر عما تقوله.

يبدو الأمر غير ضار. لكنه ليس كذلك.

أكثر الأشخاص نشاطًا في ترويج AI في المؤسسات، قد يكونون في المستقبل أسوأ الموظفين أداءً على الإطلاق. فكر في السبب.

أسوأ الموظفين أداءً في المنظمة، غالبًا لا يتلقون ردود فعل إيجابية، وسرعان ما سيجدون أن ASI (الذكاء الاصطناعي المتقدم) يوافقهم طوال الوقت. سيقولون في أنفسهم: «أذكى ذكاء اصطناعي على الإطلاق يوافقني. إذًا، مديري مخطئ.»

هذا يسبب إدمانًا، وهو سام جدًا للمنظمة.

تعليق الصورة: غرفة الصدى للذكاء الاصطناعي على مستوى الأفراد تزيد الانقسامات، وتبعد شخصين تدريجيًا، وهذه الديناميكية ستخلق فصائل داخل منظمة موحدة عند التوسع.

هذا يكشف عن حقيقة مهمة. أدوات الإنتاجية الشخصية تعزز المستخدم، لكن الحقيقة التي يجب تعزيزها هي الحقائق.

طوال آلاف السنين من تطور البشر، أنشأوا أنظمة لمواجهة هذه المشكلة:

اجتماعات لجان الاستثمار

التحقيقات الخارجية

مجلس الإدارة

فصل السلطات الثلاث في الحكومة الأمريكية (التنفيذية، التشريعية، القضائية)

الديمقراطية التمثيلية، والنظام الديمقراطي نفسه

تعليق الصورة: الموضوعية يمكن أن تخفف من مشكلة التنسيق — فهي تضبط الخلافات الصغيرة بدلًا من تضخيمها.

نادراً ما تفشل المنظمات بسبب نقص الثقة بين الموظفين. فشلها يكون بسبب عدم وجود من يجرؤ على قول «لا».

الذكاء الاصطناعي على مستوى المؤسسات يجب أن يلعب هذا الدور. لن يتم تدريبه عبر RLHF ليكون مجرد مُرضٍ للمستخدم أو متوافق مع معتقداته، بل ليواجه تحيزاته. عند العمل بكفاءة، يعطي ردود فعل إيجابية، وعند الانحراف عن المسار، يضع خطوطًا حاسمة ويقوم بالتصحيح القسري.

لذا، فإن الوكيل الأهم في المنظمة لن يكون «مطيعًا»، بل «رافضًا» منضبطًا — يشكك في الاستنتاجات، يكشف المخاطر، يفرض المعايير. في المستقبل، ستُبنى بعض أكثر تطبيقات الذكاء الاصطناعي تأثيرًا حول القيود النظامية: أعضاء مجلس إدارة AI، مدققو AI، اختبارات طرف ثالث، الامتثال.

4. الميزة الحدية

الذكاء الاصطناعي على مستوى الأفراد يُحسن الاستخدام.

الذكاء الاصطناعي على مستوى المؤسسات يُعظم الميزة الحدية.

حدود قدرات الذكاء الاصطناعي تتغير أسبوعيًا أو يوميًا. شركات النماذج الأساسية تتسابق على تحسين قدراتها بسرعة.

لكن، وفقًا لمعضلة المبتكرين الكلاسيكية، في التطبيقات المحددة، العمق دائمًا يتفوق على العرض:

@Midjourney يتفوق بشكل طفيف في تصميم الصور.

@Elevenlabsio يتفوق بشكل طفيف في نماذج الصوت.

@DecagonAI يتفوق دائمًا في تجربة خدمة العملاء الشاملة.

على الرغم من أن النماذج الأساسية تقترب أكثر، إلا أن الميزة الحاسمة للمختصين في المجالات هي في التخصص. العديد من المصممين الأفضل يستخدمون @Midjourney، وأفضل شركات الذكاء الصوتي تستخدم @Elevenlabsio — لأن حتى مع تقدم النماذج الأساسية، فإن التركيز المستمر على تطبيقات محددة يدفع نحو ميزة حاسمة.

طالما أن الحلول المخصصة تتطور، فإن القدرات التي تؤثر على النتائج الاقتصادية — والقدرات الأساسية للشركات — ستظل دائمًا في المنتجات المخصصة.

هذا يتجلى بشكل واضح في القطاع المالي — وهو المجال الأكثر نشاطًا حاليًا في تطوير LLM. بمجرد أن تنتشر قدرة معينة، لن تساعدك على التفوق في السوق. لكن، إذا استطاعت تقنية متقدمة أن تمنحك ميزة صغيرة مؤقتة بنسبة 1%؟ فإن هذه النسبة يمكن أن تدر عوائد بمليارات الدولارات.

تعليق الصورة: لأي مهمة محددة جدًا، الميزة الحدية تُعرف من خلال الحلول المؤسساتية المبنية على أحدث التقنيات.

عملاؤنا دائمًا يتجاوزون الحدود. حجم سياق النماذج في LLM زاد من 4 آلاف إلى مليون رمز خلال أربع سنوات. بعض عملائنا يعالجون 30 مليار رمز في مهمة واحدة. هذا العام، رأينا مسار معالجة 100 مليار رمز. مع كل تحسين في قدرات النماذج الأساسية، نقطع خطوات أبعد.

تعليق الصورة: حجم سياق النماذج والقدرات الأخرى هو هدف متحرك. مقارنة تطور حجم سياق النماذج من مختبرات رائدة وHebbia خلال الثلاث سنوات الماضية.

بالطبع، التعميم للمستخدمين الواسعين مهم، خاصة في مرحلة إدخال الموظفين على الذكاء الاصطناعي. لكن المستقبل لن يكون فقط استخدام ChatGPT/Claude أو الحلول الرأسية، بل الجمع بينهما.

الذكاء على مستوى المؤسسات يجب أن يستفيد من الوكلاء المخصصين للمجال، أو حتى المهام.

سنسأل أنفسنا سؤالًا قد يبدو سخيفًا لكنه ليس كذلك:

«هل ستختار الذكاء العام الاصطناعي (AGI) استخدام وكلاء معينين كطرق مختصرة؟ حتى الذكاء الفائق قد يختار أدوات مخصصة لمجال معين.»

حدود قدرات الذكاء الاصطناعي دائمًا في حركة، والمنظمات التي تستغل الميزة الحدية الحقيقية هي الفائزة. الآخرون يدفعون ثمن سلعة عامة باهظة الثمن.

5. النتائج

الذكاء الاصطناعي على مستوى الأفراد يوفر الوقت.

الذكاء الاصطناعي على مستوى المؤسسات يوسع الإيرادات.

قال لي @MaVolpi مرة، وأعاد تشكيل فهمي لبيع AI للشركات: «إذا سألت أي مدير تنفيذي، هل تفضل تقليل التكاليف أم زيادة الإيرادات، فغالبًا سيقول زيادة الإيرادات.»

لكن اليوم، تقريبًا كل منتج AI يركز على خفض التكاليف — يعدك بتوفير الوقت، أو إنجاز المزيد بأقل عدد من الموظفين، أو استبدال البشر.

الذكاء الاصطناعي على مستوى المؤسسات يجب أن يحقق أرباحًا إضافية. والأرباح الإضافية أصعب بكثير في التسييل من توفير الوقت.

على سبيل المثال، في تطوير البرمجيات بمساعدة AI. بيئة تطوير البرمجيات (IDE) هو أحد أفضل أدوات الإنتاجية الشخصية على الإطلاق، لكنه يواجه تحديات من أدوات مثل Claude Code (أداة AI شخصية أخرى). شركة Cognition تلعب لعبة مختلفة تمامًا. نموها الأكثر استقرارًا هو من خلال بيع التحول التكنولوجي، وليس بيع الأدوات. أراهن أن هذا النمو سيستمر.

البرمجيات الخالصة «تتغير بسرعة لتصبح غير قابلة للاستثمار». والخدمات الخالصة غير قابلة للتوسع. الحلول — ربط التقنية بالنتائج — هو المكان الذي تتراكم فيه القيمة المستدامة.

بالنسبة للاندماج والاستحواذ (M&A)، أدوات الذكاء الاصطناعي على مستوى الأفراد تساعد المحللين على بناء النماذج بشكل أسرع. أما على مستوى المؤسسات، فهي تميز بين مئات الأهداف وتحدد تلك التي تستحق المتابعة، وتوسع نطاق البحث إلى آلاف. أحدهما يوفر الوقت، والآخر يخلق إيرادات.

تعليق الصورة: شركات النماذج الأساسية تتجه نحو طبقة التطبيقات الرأسية. وشركات التطبيقات الرأسية تتجه نحو طبقة الحلول.

«الانتقال للأعلى» هو الجاذبية الحالية للسوق. النماذج الأساسية تتجه نحو تطبيقات محددة، وشركات التطبيقات تتجه نحو حلول كاملة.

الذكاء على مستوى المؤسسات هو الحلول، والطبقة التي تركز على النتائج ستخلق قيمة دائمة وتحقق أكبر قدر من العوائد.

6. التمكين

الذكاء على مستوى الأفراد يمنحك أداة.

الذكاء على مستوى المؤسسات يعلمك كيف تستخدمها.

حتى أذكى البشر يرفضون التغيير.

صدق أو لا تصدق، لا تزال هناك متاجر ناجحة في نيويورك لا تقبل بطاقات الائتمان. يعرفون أنهم يخسرون، ويعرفون أن عدم قبولها يكلفهم، لكنهم يرفضون التغيير. بالمثل، في المستقبل المنظور، بعض الموظفين في بعض المؤسسات سيرفضون استخدام AI.

التحول من منظمة تعتمد على البشر فقط إلى منظمة تعتمد على AI بشكل مختلط سيكون التحدي الأبرز والأكثر تحديدًا خلال العقد القادم. وغالبًا، يكون أعلى المستويات وأهم الأشخاص في المنظمة هم الأبطأ في التبني.

تعليق الصورة: أعلى مستويات المنظمة — الأشخاص الأبعد عن «أدوات الإنتاجية» — هم غالبًا أبطأ من يتبنى التكنولوجيا الجديدة، لكنهم الأهم.

شركة Palantir هي الشركة الوحيدة التي حافظت على تقييم مرتفع خلال هبوط سوق التكنولوجيا بقيمة تريليونات الدولارات خلال الشهرين الماضيين. السبب واضح. Palantir كانت من أوائل الشركات التي تبنت «هندسة العمليات» الحقيقية. سواء أسميناها «هندسة العمليات» أو «كتابة وثائق مهارات Claude»، فإن مستقبل الذكاء الاصطناعي على مستوى المؤسسات سيؤدي إلى صناعة: ترميز عمليات الشركات في وكلاء، وتنفيذ إدارة التغيير اللازمة.

تعليق الصورة: اعتماد المؤسسات الكلي على AI سيتجاوز العديد من الحواجز، وكل واحد منها يواجه تحدياته. ترميز العمليات في AI سيكون القوة الدافعة الأساسية.

أعتقد أن هندسة العمليات ستصبح من أهم «التقنيات» في الفترة القادمة.

وفي هندسة العمليات، الخبرة في الأعمال والصناعة — وليس في البرمجيات — هي الأهم. الحلول الرأسية ستُربّي خبراء في نشر الهندسة، والتنفيذ، وإدارة التغيير على الخطوط الأمامية.

شركة استثمارية كبرى اختارت Hebbia للتنفيذ الشامل، قالت بشكل واضح: «سبب عدم تعاوننا مع مختبرات نماذج كبيرة هو أننا نحتاج لشرح فريقهم ما هو CIM (مذكرة المعلومات السرية).» بالطبع، Claude أو GPT يفهمان المجال، لكن الفريق المسؤول عن التنفيذ لا يفهم…

هذا الفرق هو الذي يحدد كل شيء.

7. عدم الحاجة إلى تلميح

الذكاء الاصطناعي على مستوى الأفراد يرد على تلميحات الإنسان.

الذكاء الاصطناعي على مستوى المؤسسات يتصرف بشكل استباقي، ولا يحتاج إلى تلميح.

هناك الكثير من النقاش حول تواصل الوكلاء، وما إذا كانت الشركات والنظم المستقبلية ستحتاج إلى تدخل بشري.

لكن السؤال الأفضل هو: هل ستحتاج أنظمة الوكلاء المستقبلية إلى تلميح على الإطلاق؟

كتابة تلميح لـ AGI، مثل توصيل محرك كهربائي إلى آلة نسيج يدوية، يحد من قدراته بشكل أساسي، ويقيدها بشكل لا رجعة فيه بأضعف حلقات سلسلة التوريد — نحن أنفسنا. البشر لا يعرفون حقًا ما السؤال الصحيح، ناهيك عن متى يسألونه.

أفضل عمل يمكن أن ينجزه الذكاء الاصطناعي هو تلك الأعمال التي لم يفكر أحد في سؤالها بعد. يجب أن يكتشف المخاطر غير المعروفة، والخصوم المحتملين غير المتوقعين، وقنوات البيع غير المكتشفة.

هذا سيغير بشكل جذري حدود استخدامات الذكاء الاصطناعي.

نظام لا يحتاج إلى تلميح يراقب باستمرار تدفقات البيانات في محفظة استثمارية كاملة. يكتشف أن دورة رأس مال شركة استثمارية قد تدهورت على مدى ثلاثة أشهر، ويقارن ذلك مع شروط القروض، ويبلغ الشريك التشغيلي قبل أن يفتح أحدهم ملف PDF.

عندما لا تحتاج بعد الآن إلى أن يكتب البشر تلميحات للذكاء الاصطناعي، تظهر واجهات وأساليب عمل جديدة. نحن @Hebbia لدينا أفكار قوية في هذا المجال. سنتحدث عنها لاحقًا.

الخاتمة

هذه النقاط لا تنفي قيمة روبوتات الدردشة، والوكلاء، والذكاء الاصطناعي على مستوى الأفراد.

الذكاء الاصطناعي على مستوى الأفراد سيكون الوسيلة التي ستشهد بها غالبية الشركات حول العالم أول تجربة حقيقية لثورة AI. دفع الاستخدام، وتحسين سهولة الاستخدام، هو الخطوة الأولى الحاسمة في بناء اقتصاد يركز على AI ويحتاج إلى إدارة التغيير.

لكن، في الوقت نفسه، الطلب على الذكاء على مستوى المؤسسات واضح، ملح، وضخم.

في المستقبل، سيكون لكل منظمة روبوت دردشة من مختبرات النماذج الكبيرة، وأيضًا ذكاء اصطناعي مؤسسي مخصص لمجالات محددة — وسيستخدم الذكاء على مستوى الأفراد الذكاء المؤسسي كأداة رئيسية في أدواته.

الدمج «الأفضل» بين الذكاء الاصطناعي على مستوى المؤسسات والذكاء على مستوى الأفراد هو الاتجاه الحتمي.

لكن تذكر درس مصانع النسيج في تسعينيات القرن التاسع عشر. المصانع التي أُشعِلت أولًا بالكهرباء خسرت أمام المصانع التي أعادت تصميم الورش.

لقد أصبح لدينا الكهرباء. حان الوقت لإعادة تصميم مصانعنا.