وهنا تنتقل قيمة النظام من إدارة البيانات إلى استخدام البيانات بصورة أكثر ذكاءً.

1. الذكاء الاصطناعي في ERP

يحتوي نظام ERP – Enterprise Resource Planning على بيانات مرتبطة بعدد كبير من عمليات المؤسسة.

وعند توفر بيانات مناسبة، يمكن استخدام تقنيات AI والتحليلات في مجالات مثل التنبؤ بالطلب، وتحليل الأنماط التشغيلية، واكتشاف الحالات غير المعتادة، والمساعدة في التخطيط وإعداد التوقعات.

على سبيل المثال، بدل أن تعتمد الإدارة فقط على تقرير يوضح مبيعات الأشهر السابقة، يمكن استخدام نماذج تحليلية للمساعدة في تقدير اتجاهات الطلب المستقبلية استنادًا إلى البيانات المتاحة.

الهدف ليس استبدال الإدارة، وإنما توفير معلومات أفضل لدعم التخطيط والقرار.

2. الذكاء الاصطناعي في CRM

تحتوي أنظمة CRM – Customer Relationship Management على معلومات حول العملاء والفرص والتفاعلات والمبيعات.

يمكن للذكاء الاصطناعي أن يساعد في تحليل هذه البيانات لتحديد الأنماط، وتصنيف العملاء أو الفرص، وتلخيص سجل التفاعل، ومساعدة فرق المبيعات وخدمة العملاء في الوصول إلى المعلومات بسرعة أكبر.

وفي بعض السيناريوهات يمكن استخدام نماذج التنبؤ للمساعدة في ترتيب الفرص وفق احتمالات أو مؤشرات محددة، مع بقاء القرار التجاري النهائي لدى الفريق المسؤول.

3. التنبؤ بالطلب وإدارة المخزون

من التحديات المستمرة في إدارة المخزون تحقيق التوازن بين توفر المنتجات وتجنب التكدس غير الضروري.

الاعتماد على البيانات التاريخية وحدها قد لا يكون كافيًا في البيئات التي تتغير فيها أنماط الطلب باستمرار.

يمكن للنماذج التنبؤية استخدام البيانات المتاحة للمساعدة في تقدير الطلب وتحليل حركة الأصناف واكتشاف بعض الأنماط الموسمية أو التغيرات التشغيلية.

كلما كانت البيانات أدق وأكثر انتظامًا، كانت النتائج المحتملة لهذه النماذج أكثر فائدة.

4. اكتشاف الحالات غير المعتادة

تتعامل الأنظمة المؤسسية مع آلاف العمليات التي قد يصعب على الموظفين مراجعتها بصورة فردية.

يمكن لبعض تقنيات الذكاء الاصطناعي والتحليل الإحصائي المساعدة في اكتشاف Anomalies أو العمليات التي تختلف عن الأنماط المعتادة.

قد يكون ذلك مفيدًا في مراقبة العمليات المالية أو المخزون أو المبيعات أو أنماط الاستخدام.

لكن اكتشاف حالة غير معتادة لا يعني تلقائيًا وجود خطأ أو احتيال؛ بل يعني أن النظام حدد حالة تستحق المراجعة البشرية.

5. الذكاء الاصطناعي التوليدي داخل أنظمة الأعمال

أحدث Generative AI تحولًا إضافيًا في طريقة تفاعل المستخدم مع الأنظمة.

فبدل الاعتماد فقط على القوائم والتقارير التقليدية، يمكن بناء مساعدين قادرين — ضمن الصلاحيات والضوابط المناسبة — على التعامل مع اللغة الطبيعية.

قد يسأل المدير مثلًا عن أداء المبيعات أو ملخص لحالة مجموعة من العملاء، ويقوم النظام بتحويل السؤال إلى عملية بحث وتحليل للبيانات المصرح بها ثم عرض النتيجة بطريقة أكثر سهولة.

كما يمكن استخدام الذكاء الاصطناعي التوليدي في تلخيص المستندات، وصياغة مسودات، وتنظيم المعرفة، وتسهيل البحث داخل البيانات المؤسسية.

6. من الأتمتة إلى الأتمتة الذكية

الأتمتة التقليدية تعتمد غالبًا على قواعد واضحة:

إذا حدث A → نفّذ B.

أما دمج AI في بعض مسارات العمل فيمكن أن يضيف قدرات مثل التصنيف، وفهم المحتوى، واستخراج المعلومات، وتحديد الأولويات قبل تنفيذ الخطوة التالية.

وهذا يفتح المجال أمام ما يمكن تسميته Intelligent Automation، حيث تعمل قواعد الأعمال والأتمتة وتقنيات الذكاء الاصطناعي معًا.

7. AI Agents ومستقبل أنظمة المؤسسات

من التطورات المهمة حاليًا مفهوم AI Agents.

الفكرة تتجاوز مجرد الإجابة عن سؤال؛ إذ يمكن تصميم وكيل ذكي للتعامل مع سلسلة من الخطوات باستخدام أدوات وأنظمة مختلفة ضمن صلاحيات وقواعد محددة.

في بيئة الأعمال، يمكن أن تظهر تطبيقات مثل متابعة مهمة، جمع معلومات من مصادر مصرح بها، إعداد ملخص، أو تنفيذ خطوات محددة ضمن Workflow.

لكن كلما زادت قدرة الوكيل على تنفيذ الإجراءات، ازدادت أهمية الصلاحيات، والحوكمة، وسجلات العمليات، والمراجعة البشرية، وضوابط الأمن.

الذكاء الاصطناعي يحتاج إلى بيانات جيدة

هذه من أهم الحقائق التي يجب على المؤسسات فهمها.

إذا كانت بيانات العملاء مكررة، والمخزون غير محدث، والأنظمة غير مترابطة، وتعريفات البيانات مختلفة بين الإدارات، فلن يحل AI هذه المشكلات تلقائيًا.

قد يؤدي استخدام نماذج متقدمة فوق بيانات ضعيفة إلى نتائج غير دقيقة أو غير مفيدة.

لذلك فإن الطريق الصحيح غالبًا يبدأ بـ:

تنظيم البيانات → تكامل الأنظمة → أتمتة العمليات → التحليل → الذكاء الاصطناعي.

ماذا يتغير بالنسبة للإدارة؟

القيمة الأساسية للذكاء الاصطناعي في أنظمة الأعمال ليست في إنشاء المزيد من التقارير.

القيمة تكمن في تقليل الوقت بين وجود البيانات وفهمها واستخدامها.

بدل أن يبحث المدير داخل عشرات التقارير، يمكن للنظام أن يساعد في إبراز المؤشرات المهمة.

وبدل تحليل آلاف السجلات يدويًا، يمكن استخدام النماذج لاكتشاف الأنماط والحالات التي تستحق الانتباه.

وهكذا يصبح النظام أكثر قدرة على مساندة الإنسان في العمل والقرار.

كيف تنظر PAL4IT إلى الذكاء الاصطناعي داخل الأنظمة؟

في PAL4IT، ننظر إلى الذكاء الاصطناعي باعتباره طبقة يمكن أن تضيف قيمة إلى الأنظمة والعمليات عندما تكون هناك حالة استخدام واضحة وبيانات مناسبة.

فالهدف ليس إضافة كلمة AI إلى النظام، وإنما تحديد أين يستطيع الذكاء الاصطناعي أن يقلل العمل اليدوي، أو يحسن الوصول إلى المعلومات، أو يدعم التحليل، أو يجعل تجربة استخدام النظام أكثر كفاءة.

ومع وجود أنظمة مثل ERP وCRM والمحاسبة والموارد البشرية والمخزون والتجارة الإلكترونية والحلول القطاعية، تصبح فرص استخدام الذكاء الاصطناعي متعددة، ولكنها يجب أن تُبنى وفق احتياجات كل مؤسسة وطبيعة بياناتها وعملياتها.

الخلاصة

الذكاء الاصطناعي لا يلغي أنظمة إدارة الأعمال.

بل يغيّر ما تستطيع هذه الأنظمة القيام به.

فالأنظمة التي كانت تركز على تسجيل العمليات وإعداد التقارير يمكن أن تتطور تدريجيًا لتساعد في التحليل والتنبؤ واكتشاف الأنماط وتسهيل الوصول إلى المعرفة وأتمتة أجزاء أكثر من العمل.

لكن نجاح هذه المرحلة يعتمد على أساس واضح:

بيانات موثوقة، أنظمة مترابطة، عمليات منظمة، وحوكمة مناسبة.

عندها يصبح الذكاء الاصطناعي جزءًا فعليًا من تطور النظام، وليس مجرد ميزة إضافية تحمل اسم AI.