الذكاء الاصطناعي للأعمال: ما يمكنه (وما لا يمكنه) فعله

إن العرض الترويجي الأسرع نموًا في مجال الذكاء الاصطناعي للأعمال حاليًا هو العرض الذي نسمعه كل أسبوع: يعتزم أحد المؤسسين تجاوز المحادثة بأكملها مع بائعي البرمجيات وجعل الذكاء الاصطناعي يبني نظام point-of-sale الخاص به خلال عطلة نهاية الأسبوع فقط. يبدو العرض معقولاً. تصف ما تريده، ويكتب النموذج الكود، وتفتح عملك يوم الاثنين. يقوم الأشخاص بأشياء مثيرة للإعجاب حقًا بهذه الطريقة: صفحات الهبوط، ولوحات المعلومات الداخلية، والهيكل الأساسي لتطبيق الهاتف المحمول.

ثم يحاولون قبول دفعة حقيقية، وتتحول عطلة نهاية الأسبوع إلى ربع سنوي كامل (هل فهمت التورية؟).

هذا ليس تحذيرًا ضد الذكاء الاصطناعي. نحن نستخدمه باستمرار، والتجار الذين يفهمون ما هو مفيد فيه حقًا يتقدمون على أولئك الذين لا يفهمون ذلك. ولكن هناك نمط فشل محدد يتكرر الآن في التجارة، ويجدر بنا فهم سبب حدوثه، وليس فقط حقيقة حدوثه.

ملاحظة بشأن التوقيت: تمت كتابة هذا في يوليو 2026، عندما كانت نماذج Claude Opus 4.8 وGemini 3.5 Flash وGPT-5.5 هي النماذج الأكثر استخدامًا. ستبدو هذه التشكيلة قديمة بسرعة. تتغير هذه الأدوات من شهر لآخر، والقصور الحقيقي اليوم قد يتم حله بحلول الوقت الذي تقرأ فيه هذا، بينما تظهر ميزات غريبة جديدة لم يشر إليها أحد بعد. تعامل مع التفاصيل الواردة أدناه كلقطة سريعة، واجعل من عادتك التحقق من القدرات الحالية ونقاط الضعف المعروفة لأي نموذج تقوم بتشغيله بالفعل.

كيف تعمل هذه النماذج فعليًا

إن نموذج اللغة الكبير هو محرك تنبؤ. لقد قرأ كمية هائلة من النصوص والأكواد البرمجية، وفي جوهره يقوم بشيء واحد بشكل جيد للغاية: بالنظر إلى كل ما تم كتابته حتى الآن، فإنه يقدر الجزء التالي الأكثر احتمالاً من النص. هذا كل ما في الأمر. لا توجد قاعدة بيانات يبحث فيها عن الأشياء، ولا يوجد سجل داخلي للحقائق الحقيقية يتحقق منها. إنه ينتج الاستمرار الأكثر احتمالاً.

هذا التصميم هو بالضبط السبب في أنه يبدو سحريًا لبعض المهام. كتابة وصف منتج، أو صياغة بريد إلكتروني، أو إنشاء مكون React يعرض شبكة مرتبة من الأزرار: هذه مشكلات إكمال نمط، وقد رأى النموذج ملايين الأمثلة عليها. يبدو المخرج صحيحًا لأنه صحيح، إحصائيًا.

تبدأ المشكلة عندما يتوقف "الأكثر احتمالاً" و"الصحيح فعليًا" عن كونهما نفس الشيء.

الهلوسة، بكل وضوح

عندما ينتج نموذج شيئًا يبدو واثقًا ولكنه خاطئ تمامًا، فإن الصناعة تطلق عليه اسم الهلوسة. تجعل هذه الكلمة الأمر يبدو وكأنه خلل عابر. لكنه ليس كذلك. إنه النظام يعمل كما تم تصميمه، حيث ينتج نصًا محتملاً، في موقف تباعد فيه ما هو محتمل عما هو حقيقي.

اطلب من نموذج طريقة API لرد قيمة شحنة جزئية، وإذا لم يكن قد اطلع على التوثيق الفعلي الحالي بدقة، فلن يقول "لا أعرف". هذا ليس استمرارًا محتملاً. بدلاً من ذلك، سيخترع اسم طريقة يبدو تمامًا مثل الاسم الحقيقي، مع اتفاقية التسمية الصحيحة والمعلمات المعقولة. يظهر النص كأنه موثوق. ولكنه سيفشل بصمت في اللحظة التي يطلب فيها العميل استعادة أمواله.

يعد هذا الأمر أكثر أهمية في التجارة مقارنة بأي مكان آخر تقريبًا، لأن تكلفة الخطأ البسيط هي حركة الأموال بشكل غير صحيح. إن مقدمة مدونة تحتوي على هلوسة أمر محرج. أما حساب الضرائب، أو تدفق عمليات رد الأموال، أو إنقاص المخزون الذي يحتوي على هلوسة فهو يعني استرداد الرسوم، أو الخضوع لتدقيق حسابي، أو محاسبة العميل مرتين.

لماذا يعد بناء التجارة أصعب مما يبدو

عندما يقول شخص ما "ابنِ لي نظام POS" أو "ابنِ لي متجرًا"، فإنه عادة ما يتخيل الشاشة: شبكة المنتجات، وسلة التسوق، وزر الدفع. يمكن للذكاء الاصطناعي إنتاج تلك الشاشة بسرعة وستبدو احترافية.

لكن الشاشة هي الـ 10% السهلة فقط. الجزء الذي يجعلها نظام تجارة بدلاً من مجرد صورة لها هو كل شيء خلفها، وكل ذلك تقريبًا يتعلق بالحالة والتكامل، وليس التخطيط:

المدفوعات. يتطلب قبول الأموال معالج مدفوعات، وحساب تاجر، وامتثال PCI، ومعالجة بطاقات مرمزة، ومجموعة من الحالات الاستثنائية مثل البطاقات المرفوضة، وعمليات التفويض الجزئي، ورد الأموال، والنزاعات، وتحويل العملات. يمكن للنموذج كتابة كود يبدو وكأنه يستدعي واجهة برمجة تطبيقات الدفع. أما ما إذا كان هذا الكود آمنًا ومتوافقًا ويتعامل بشكل صحيح مع حالات الفشل، فهذا سؤال مختلف تمامًا، وهو السؤال الأهم.

المخزون. المخزون ليس مجرد رقم على صفحة؛ إنه رقم يجب أن يظل صحيحًا بينما يقوم عميلان بالدفع لشراء آخر قطعة في نفس اللحظة، وأثناء معالجة مرتجع، وعندما يقوم جرد يدوي بتعديله. إذا أخطأت في التعامل مع العمليات المتزامنة، فستبيع أكثر من المتاح. النماذج ضعيفة بشكل ملحوظ في هذا النوع من المنطق القائم على الحالة والمعرض لظروف السباق (race conditions) تحديدًا لأن الصحة هنا تعتمد على سلوك وقت التشغيل الذي لا يراه النموذج أبدًا.

سجل الطلبات والتسوية. يجب تسجيل كل معاملة مرة واحدة، بشكل غير قابل للتغيير، وتسويتها مقابل ما يقول معالج المدفوعات إنه حدث بالفعل. هذا منطق مسك دفاتر ممل وغير جذاب، ولكنه الجزء الذي يحميك من المشاكل مع محاسبك وسلطة الضرائب.

الضرائب. تختلف المعدلات حسب الولاية القضائية، وفئة المنتج، وموقع العميل، وهي تتغير باستمرار. إن دالة الضرائب التي تبدو محتملة أسوأ من عدم وجود دالة ضرائب على الإطلاق، لأنها ستكون خاطئة بطرق لن تلاحظها حتى تقوم بتقديم إقراراتك الضريبية.

لا توجد أي من هذه المشكلات في التخطيط. إنها مشكلات تتعلق بالصحة بمرور الوقت، و"إنشاء الكود الأكثر احتمالاً" هو هيكليًا الأداة الخاطئة لضمان الصحة بمرور الوقت.

أين يثبت الذكاء الاصطناعي جدارته فعليًا

نحن لا نطلب منك إبعاد الذكاء الاصطناعي عن عملك. بل العكس تمامًا. إن معظم ما يحتاجه متجر صغير يوميًا يقع تمامًا في المنطقة التي يمثل فيها الذكاء الاصطناعي ميزة حقيقية، وإذا كنت لا تستخدمه في هذه المهام، فأنت تبذل مجهودًا أكبر من منافسيك.

النمط الذي يجعل المهمة مناسبة تمامًا: مسودة أولى واثقة توفر عليك وقتًا حقيقيًا، ويمكنك النظر إلى النتيجة ومعرفة ما إذا كانت جيدة أم لا. وتناسب أعمال التسويق والمحتوى هذا النمط تمامًا.

إنشاء صور للإعلانات. يمكنك إنتاج مرئيات إعلانية، ونماذج للمنتجات، ورسومات لوسائل التواصل الاجتماعي في دقائق بدلاً من الدفع مقابل جلسة تصوير أو اشتراك في صور جاهزة. بالنسبة لترويج موسمي أو اختبار سريع لنسختين إعلانيتين، فإن هذا مفيد حقًا والتكلفة تقترب من الصفر.

كتابة منشورات وسائل التواصل الاجتماعي والتعليقات. زود النموذج بمنتجك وأسلوبك وسيقوم بصياغة منشورات أسبوع كامل بشكل أسرع مما تكتب فيه منشورًا واحدًا. تظل أنت المحرر، لكن مشكلة الصفحة البيضاء تختفي.

ابتكار أفكار للإعلانات والنشرات الإخبارية. هذا هو المجال الذي يتألق فيه حتى عندما لا تكون النتيجة نهائية. اطلب عشرين فكرة لحملة العودة إلى المدرسة وسيكون معظمها عاديًا، ولكن فكرتين أو ثلاث ستكون جديرة بالتنفيذ، ولم تكن لتبتكر العشرين فكرة بنفسك أبدًا.

التفكير في القرارات. استخدمه كلوحة نقاش للأسئلة التجارية العامة، مثل كيفية هيكلة عرض ولاء أو ما يجب اختباره تاليًا. تعامل معه كزميل ذكي يخطئ بثقة أحيانًا، وليس كعراف لا يخطئ، وسيكون شريك تفكير مفيدًا.

إلى جانب ذلك، هناك نجاحات أقل بريقًا: تلخيص المراجعات وتذاكر الدعم حتى تتمكن من رصد الأنماط، وصياغة النسخة الأولى من الأتمتة ليقوم إنسان بالتحقق منها، والإجابة على أسئلة "كيف أقوم بـ" حول الأدوات التي تستخدمها بالفعل.

تنبيهان يميزان المخرجات الجيدة عن رداءة الذكاء الاصطناعي الواضحة

أولاً، تعاني المرئيات التي ينتجها الذكاء الاصطناعي من مشكلة التشابه. المظهر الافتراضي، تلك الملصقات ذات التدرجات اللامعة والمثالية للغاية، أصبح الآن شائعًا جدًا لدرجة أن العملاء يتعرفون عليه على الفور، ويظهر كأنه رخيص الثمن. إذا كنت تستخدم الصور التي تم إنشاؤها، فتجاوز النتيجة الأولى: غير الأسلوب، وزود النموذج بألوان علامتك التجارية وصور منتجاتك الخاصة، وقم بقصها وتحريرها كنقطة انطلاق وليس كقطعة نهائية. إن الملصق الذي يشبه كل ملصقات الذكاء الاصطناعي الأخرى يقدم لك فائدة أقل من عدم وجود ملصق على الإطلاق.

ثانيًا، راجع كل شيء لغويًا وعلميًا قبل نشره. نظرًا لأن الذكاء الاصطناعي يذكر الأشياء الخاطئة بنفس ثقة الأشياء الصحيحة، فإن سعرًا واهمًا، أو ميزة منتج مخترعة، أو إحصائية مزيفة ستجد طريقها مباشرة إلى نشرتك الإخبارية إذا لم تتحقق منها. القاعدة بسيطة: يمكن للذكاء الاصطناعي كتابة المسودة، لكن الإنسان يوقع بالموافقة قبل أن يصل أي شيء إلى العميل. اقرأ كل كلمة كما لو كنت ستحاسب عليها، لأنك ستحاسب عليها بالفعل.

القاسم المشترك في كل هذا: الذكاء الاصطناعي ممتاز حيث توفر لك المسودة الواثقة الوقت ويمكنك التحقق من النتيجة بسهولة.

وهو خطير حيث يكلفك الخطأ البسيط والواثق المال ولا يمكنك التحقق من النتيجة بسهولة.

التمييز الذي يهم حقًا

إليك الجزء الذي تغفله معظم قصص "الذكاء الاصطناعي بنى نظام POS الخاص بي". هناك فرق بين مطالبة الذكاء الاصطناعي بابتكار منطق التجارة من الصفر ومطالبته بتجميع متجر فوق بنية تحتية تتعامل بالفعل مع الأموال بشكل صحيح.

عندما يكتب نموذج عام معالجة المدفوعات، وحسابات المخزون، ومنطق الضرائب الخاص بك من لا شيء، فإن كل واحدة من هذه العمليات تمثل فرصة جديدة لتوهم شيء محتمل ولكن خاطئ. أنت تثق في محرك التنبؤ في الأجزاء التي يجب أن تكون دقيقة تمامًا. هذا هو السيناريو الذي يتحول إلى مشروع تصحيح أخطاء يستغرق ربع عام.

لكن معالجة المدفوعات، وتخفيضات المخزون، وسجل الطلبات، والتسوية: لا يحتاج أي من هذه الأمور إلى إعادة ابتكاره لكل متجر. إنها نفس المشكلات الصعبة التي يواجهها كل تاجر، ويجب حلها مرة واحدة، وبشكل صحيح، من قبل أشخاص يتعاملون مع الحالات الاستثنائية عن قصد. عندما يكون هذا الأساس موجودًا بالفعل ومعروفًا أنه يعمل، فإن المهمة المتبقية للذكاء الاصطناعي هي الجزء الذي يجيده حقًا: تكوين السطح، وترتيب التخطيط، وربط التدفق. المحتمل هنا جيد، لأن الإنسان يمكنه رؤية النتيجة والأموال تحتها يتم التعامل معها بالفعل.

لذا فإن الدرس ليس "أبعد الذكاء الاصطناعي عن التجارة". بل هو: كن حذرًا للغاية من أي إعداد يقوم فيه الذكاء الاصطناعي بإنشاء المنطق الذي ينقل الأموال، وأكثر ارتياحًا عندما يقوم الذكاء الاصطناعي بالبناء فوق بنية تحتية تنقل الأموال بشكل صحيح بالفعل. الأول يطلب من محرك التنبؤ أن يكون دقيقًا. والثاني يتركه يفعل ما هو بارع فيه بينما يتولى شيء مبني من أجل الصحة والدقة بقية المهام.

يجب أن تكون واجهة المتجر صحيحة. يجب أن تتحرك الأموال بشكل صحيح في كل مرة، وليس في معظم الأوقات. الاستخدام الذكي للذكاء الاصطناعي في التجارة هو معرفة الطبقة التي ينتمي إليها، والتأكد من أن الطبقة التي تحتها لم تُترك أبدًا للتخمين.