#

الخلاصات الرئيسية

• أعادت فورد توظيف 350 مهندسًا مخضرمًا بعد أن لم تحقق أنظمة الجودة الآلية والذكاء الاصطناعي هدف الجودة.

• يساعد هؤلاء المتخصصون في تدريب الموظفين الأصغر سنًا وإعادة برمجة أدوات الذكاء الاصطناعي.

• بالنسبة للمصنّعين المغاربة، قد يعمل الذكاء الاصطناعي بشكل أفضل كأداة دعم لا كبديل كامل.

• لا تزال جودة البيانات والمهارات والمشتريات والامتثال عوامل تحدد ما إذا كان الذكاء الاصطناعي سيحقق قيمة.

ماذا حدث

تذكر TechCrunch أن فورد وظّفت 350 مهندسًا مخضرمًا، بمن فيهم موظفون سابقون وموظفو موردين، بعد أن لم تقدّم أنظمة الجودة الآلية والذكاء الاصطناعي مستوى الجودة الذي كانت الشركة تريده. ويقول التقرير إن هؤلاء المتخصصين يساعدون الآن في تدريب الموظفين الأصغر سنًا وإعادة برمجة أدوات الذكاء الاصطناعي.

الدرس الأساسي بسيط. يمكن للذكاء الاصطناعي أن يساعد، لكنه قد لا يكون كافيًا بمفرده. في البيئات الصناعية، تظل الخبرة مهمة عندما تكون الجودة هي الأولوية.

بالنسبة للقراء المغاربة، هذه تذكرة مفيدة. كثير من المصانع والفرق الصناعية تحت ضغط لتحسين الكفاءة. لكن مثال فورد يشير إلى أن الذكاء الاصطناعي يجب أن يُدخل منذ البداية مع إشراف بشري.

لماذا يهم هذا المغرب

قد ترى فرق التصنيع المغربية جاذبية الذكاء الاصطناعي. فهو يمكن أن يدعم الفحص والتخطيط والمهام المتكررة. وقد يساعد أيضًا الفرق على العمل بسرعة أكبر عندما تكون البيانات متاحة والأنظمة منظمة جيدًا.

لكن حالة فورد تُظهر حدًا واضحًا. إذا كانت العملية الأساسية معقدة، فقد يفوّت الذكاء الاصطناعي تفاصيل يلاحظها المهندسون ذوو الخبرة بسرعة. وستحتاج الشركات المغربية إلى اختبار ما إذا كانت بياناتها وسير العمل والموظفون لديها قادرين على دعم أتمتة موثوقة.

وهذا مهم بشكل خاص عندما تعمل الفرق عبر لغات متعددة أو مع وثائق مختلطة. في المغرب، قد يتطلب النشر العملي دعمًا بالعربية والفرنسية وأحيانًا الإنجليزية. وإذا كان مزيج اللغات غير متسق، فقد تواجه أدوات الذكاء الاصطناعي صعوبة ما لم تنظف الفرق المدخلات وتوحّدها.

حالات استخدام في المغرب

في المغرب، قد يكون الذكاء الاصطناعي مفيدًا في مراقبة الجودة، وتخطيط الصيانة، ومتابعة الإنتاج. وقد يساعد أيضًا في فرز المستندات، وإعداد التقارير، ودعم اتخاذ القرار الأساسي. هذه مجالات يمكن فيها تقليل العمل المتكرر دون إزالة الحكم البشري.

وسيكون النهج الواقعي هو استخدام الذكاء الاصطناعي كخطوة أولى. ثم يمكن للمهندسين البشر مراجعة المخرجات وتصحيح الأخطاء وإعادة تلك التصحيحات إلى النظام. هذا النموذج يتماشى مع درس فورد أكثر من استراتيجية الاستبدال الكامل.

بالنسبة للفرق الصناعية الأصغر، قد تأتي أكبر قيمة من حالات استخدام محددة. فالأداة المركزة أسهل في الإدارة من المنصة الواسعة. كما أنها أسهل في الشرح للموظفين وفرق المشتريات ومراجعي الامتثال.

المخاطر والحوكمة

يشير تقرير فورد أيضًا إلى قضايا الحوكمة. إذا كانت أدوات الذكاء الاصطناعي لا تنتج الجودة المطلوبة، فيجب على شخص ما أن يقرر متى يمكن الوثوق بها ومتى يجب تجاوزها. وهذا يتطلب مسؤولية واضحة، وليس مجرد برنامج.

ستحتاج المؤسسات المغربية إلى التفكير أولًا في توافر البيانات. إذا كانت السجلات غير مكتملة أو غير متسقة، فقد تكون مخرجات الذكاء الاصطناعي ضعيفة. كما ستحتاج إلى النظر في الأمن السيبراني، لأن الأنظمة الصناعية المتصلة يمكن أن تخلق أسطح هجوم جديدة.

وتهم الخصوصية والامتثال أيضًا. حتى عندما تكون حالة الاستخدام صناعية، قد تتعامل الفرق مع بيانات تشغيلية حساسة. يجب أن تحدد السياسات من يمكنه الوصول إلى البيانات، وكيف يتم تحديث النماذج، وكيف يتم الإبلاغ عن الأخطاء.

المهارات قيد آخر. يوضح مثال فورد قيمة المهندسين ذوي الخبرة. وقد تحتاج الشركات المغربية إلى مزيج مشابه من الموظفين الكبار والموظفين الأصغر سنًا القادرين على العمل مع أدوات الذكاء الاصطناعي. يجب أن يغطي التدريب الاستخدام التقني والحكم العملي معًا.

كما تستحق المشتريات اهتمامًا خاصًا. ينبغي للمشترين أن يسألوا عمّا تستطيع الأداة فعله، وما لا تستطيع فعله، وكيف سيتم اختبارها. كما ينبغي أن يسألوا كيف يتعامل المورّد مع التحديثات والدعم والتكامل مع الأنظمة القائمة.

ما الذي ينبغي على الفرق المغربية فعله بعد ذلك

ابدأوا بمشروع تجريبي محدود. اختاروا عملية يمكن قياس الجودة فيها بوضوح. ثم قارنوا بمرور الوقت بين النتائج المدعومة بالذكاء الاصطناعي والنتائج التي راجعها البشر.

أبقوا الموظفين ذوي الخبرة مشاركين. فدورهم لا يقتصر على التحقق من المخرجات. بل يمكنهم أيضًا المساعدة في تدريب النظام، وتحديد الاستثناءات، ورصد الافتراضات الضعيفة.

ابنوا قائمة تحقق بسيطة للحوكمة. يجب أن تغطي جودة البيانات، والتحكم في الوصول، ومعالجة الأخطاء، ومسارات التصعيد. كما يجب أن تحدد من يوافق على التغييرات في النموذج أو سير العمل.

خططوا للواقع المحلي. وهذا يعني مدخلات متعددة اللغات، وبنية تحتية غير متساوية، ومستويات مختلفة من النضج الرقمي بين الفرق. كما يعني وضع توقعات واقعية بشأن السرعة والتكلفة.

الخلاصة

تُعد خطوة فورد مثالًا تحذيريًا، لا رفضًا للذكاء الاصطناعي. ويشير التقرير إلى أن الأتمتة تعمل بشكل أفضل عندما يظل البشر ذوو الخبرة ضمن الحلقة. بالنسبة لفرق التصنيع والصناعة المغربية، هذا هو الدرس الأكثر عملية.

يمكن للذكاء الاصطناعي دعم الجودة والكفاءة. لكنه لا يزال يحتاج إلى بيانات نظيفة، وموظفين مدرَّبين، وإشراف قوي. وفي المغرب، قد تأتي أفضل النتائج من الجمع بين الخبرة المخضرمة والأدوات المُدارة بعناية، لا من استبدال أحدهما بالآخر.