متابعات: لم يعد نجاح الذكاء الاصطناعي في سلاسل الإمداد مرتبطاً بعدد التجارب التي تنفذها الشركات، بل بمدى تأثيره في القرارات اليومية، من توقع الطلب وتوزيع المخزون إلى تشغيل المستودعات والنقل وخدمة العملاء. ومع ارتفاع الاستثمار في هذه التقنيات، يبرز اختبار أكثر عملية: هل تساعد المؤسسات فعلاً على اكتشاف الاضطرابات والاستجابة لها بسرعة، أم أنها تؤتمت مهام منفصلة من دون معالجة مشكلة الأنظمة والبيانات المجزأة؟

يقول يحيى باندور، نائب الرئيس والمدير العام لمنطقة الشرق الأوسط وشمال أفريقيا وتركيا في شركة «بلو يوندر» إن الاختبار الحقيقي يبدأ عندما تتحول مخرجات الذكاء الاصطناعي إلى قرارات تشغيلية.
ويوضح خلال لقاء صحفي، أن التجربة قد تحسِّن توقعات الطلب أو تكشف عن خطر نفاد مخزون أو تؤتمت مهمة داخل المستودع، لكنه يشدد على أن «التبني الحقيقي يغيّر الطريقة التي تعمل بها المؤسسة».

من إثبات الفكرة إلى تغيير القرار

تظهر الفجوة بين التجارب والتطبيق الواسع بوضوح في مستوى تكامل الأنظمة. فحسب بيانات أوردها باندور من تقرير «Supply Chain Compass»، لا تتجاوز نسبة المؤسسات التي تشغّل الذكاء الاصطناعي عبر منصة موحدة تغطي سلسلة الإمداد بالكامل 21 في المائة. أما البقية، فتواجه بدرجات مختلفة مشكلة فصل التخطيط عن المخزون أو المستودعات أو النقل، وهو ما يحد من قدرة توصية صادرة عن نظام ذكي على التحول إلى قرار متكامل عبر الشبكة.

ويكتسب هذا التحدي أهمية إضافية في السعودية، حيث تتوسع شبكات التجزئة والخدمات اللوجستية والتصنيع والتجارة بالتوازي مع ارتفاع مستوى التعقيد التشغيلي. ويرى باندور أن المرحلة المقبلة تتطلب ألا يبقى الذكاء الاصطناعي مشروعاً منفصلاً، بل أن يدخل في الطريقة التي تخطط بها الفرق وتتخذ القرارات وتستجيب للتغيرات.

ويبرز قطاعا التجزئة والسلع الاستهلاكية سريعة الدوران بوصفهما مثالين واضحين على ذلك. فالطلب قد يتغير نتيجة العروض الموسمية والأسعار والطقس أو انتقال المستهلكين بين التسوق الإلكتروني والمتاجر، مما يجعل تحسين دقة التوقعات خطوة مهمة، لكنها ليست النتيجة النهائية. تظهر القيمة عندما يؤدي التوقع إلى تعديل قرار إعادة التوريد، أو توزيع المخزون بين المواقع، أو تقدير احتياجات المستودع من العمالة والطاقة الاستيعابية، أو اتخاذ إجراء يحافظ على مستوى الخدمة.

23 مليون مهمة مستودعية و45 % للتنبؤ

يشير باندور إلى أن النتائج الأكثر وضوحاً تظهر عندما تعمل أدوات التنبؤ والمخزون وتنفيذ عمليات المستودعات معاً بدلاً من تشغيل نموذج منفرد داخل وظيفة واحدة. ويستشهد بأن أكثر من 23 مليون مهمة داخل المستودعات جرى تحسينها باستخدام الذكاء الاصطناعي خلال الأشهر العشرة الأولى من عام 2025 لدى عملاء عبر أسواق متعددة. كما تُظهر البيانات التي يستند إليها أن التنبؤ بالطلب باستخدام تعلم الآلة أصبح أكثر تطبيقات الذكاء الاصطناعي انتشاراً داخل سلاسل الإمداد، إذ تستخدمه 45 في المائة من المؤسسات. لكن التنبؤ وحده لا يكفي لقياس الأثر. فالمعيار يمتد إلى توافر المنتجات وتقليل حالات نفاد المخزون، وتحسين مستويات المخزون، والسيطرة على التكلفة، وتسريع الاستجابة عندما تتغير ظروف السوق.

ما الذي يمكن تركه للآلة؟

تتناسب تطبيقات الذكاء الاصطناعي بصورة أكبر مع القرارات المتكررة والكثيفة بالبيانات والتي يجب اتخاذها بسرعة. وقد تشمل ترتيب أولويات المهام داخل المستودع، أو مراجعة متطلبات المخزون، أو تعديل مسارات التوصيل، وهي قرارات تجمع بين عوامل مثل الكميات المتاحة والطاقة الاستيعابية والتكلفة ومهل التوريد ومستوى الخدمة.

ويفيد باندور بأن قيمة الذكاء الاصطناعي تكمن في قدرته على قراءة هذه الإشارات بوتيرة أسرع واقتراح الإجراء التالي، لكنه يضع حدوداً واضحة لذلك الدور. فالقرارات المرتبطة بالعلاقات مع الموردين والعملاء، أو الالتزامات طويلة الأجل، أو مستوى المخاطر الذي تقبله المؤسسة، ما زالت تحتاج إلى الخبرة البشرية والمساءلة وفهم السياق الأوسع. ويلخّص ذلك بقوله إن الاستخدام الأقوى للذكاء الاصطناعي يتمثل في تولي نسبة كبرى من القرارات مرتفعة الحجم «بينما يبقى الأشخاص مركزين على القرارات التي تحتاج إلى السياق والحكم والمساءلة»، كما يقول.

حين يفشل التاريخ في التنبؤ

تظهر حدود النماذج بصورة كبرى عندما يحدث اضطراب لا توجد له سوابق تاريخية كافية. في هذه الحالات، لا يصبح السؤال فقط عن مدى دقة التوقع، بل عن مدى سرعة اكتشاف ما يحدث وتحديد الجزء الأكثر تعرضاً للخطر. ويلفت باندور إلى أن ذلك قد يتعلق بتوافر المخزون أو قدرة المستودعات أو جداول التسليم أو مهلة المورد أو خدمة العملاء. ويضيف أن هذا النوع من التحديات يرتبط بصورة خاصة بأسواق مثل السعودية حيث يمكن أن تتغير مستويات الطلب بسرعة نتيجة المواسم أو التوسع المتسارع أو الأحداث الكبرى أو تغير عادات المستهلكين. لكنه يشدد على أن «الاعتماد على البيانات التاريخية ليس كافياً» في هذه الظروف. وبرأيه، يتحول دور الذكاء الاصطناعي هنا من محاولة التنبؤ بالمستقبل بدقة مطلقة إلى توفير رؤية تسمح للمؤسسة باتخاذ قرار أفضل بينما لا يزال لديها وقت للتصرف.

المشكلة ليست دائماً في النموذج

تظل الأنظمة المجزأة أحد أبرز العوائق أمام التوسع. ويصرح باندور بأن المشكلة في كثير من الحالات ليست قدرة الذكاء الاصطناعي على إنتاج توصية، بل قدرة المؤسسة على استخدامها.

فإذا كانت فرق التخطيط والمستودعات والنقل والموردين تعمل عبر أنظمة مختلفة، يصبح من الصعب فهم التوصية والثقة بها وتنفيذها بسرعة. وتُظهر بيانات «Supply Chain Compass» أن 79 في المائة من قادة سلاسل الإمداد يعدون الاتصال الكامل بين الأنظمة أساسياً لنجاح أعمالهم، في حين لا يزال 68 في المائة يعملون عبر مزيج من المنصات والحلول المنفصلة. ويضاف إلى التكامل عنصر الثقة. فالفرق التشغيلية تحتاج إلى معرفة سبب إصدار التوصية، والبيانات التي استندت إليها، والتأثير المحتمل للقرار في بقية أجزاء الشبكة.

تحسين وظيفة واحدة قد ينقل المشكلة

يمكن للذكاء الاصطناعي أن يخفض تكلفة النقل، لكن القرار نفسه قد يؤخر تنفيذ الطلبات أو يزيد الضغط على المستودعات أو يؤدي إلى تراجع توافر المنتجات. في هذه الحالة لا تكون سلسلة الإمداد قد أصبحت أكثر كفاءة، بل انتقلت المشكلة من وظيفة إلى أخرى. ولهذا يرى باندور أن قرارات الذكاء الاصطناعي يجب أن تربط التخطيط بالمخزون والمستودعات والنقل وخدمة العملاء، مع فهم أثر كل توصية قبل تنفيذها. وفي السعودية، حيث تتوسع الشبكات بسرعة، تصبح هذه الروابط أكثر أهمية لأن قراراً يُتخذ في نقطة واحدة يمكن أن ينعكس على أجزاء أخرى من الشبكة بوتيرة أسرع.

المرونة تُختبر عند وقوع الاضطراب

لا يقيس باندور مرونة سلسلة الإمداد بقدرتها على تجنب جميع الاضطرابات، بل بسرعة اكتشاف المشكلة وفهم نطاق أثرها والاستجابة لها من دون خسارة كبيرة في التوافر أو الخدمة أو التكلفة أو ثقة العميل.

ويشير إلى الاضطرابات التي شهدتها طرق التجارة الإقليمية بوصفها مثالاً على أهمية مراجعة نقاط الضعف بعد انتهاء الأزمة، بدلاً من العودة مباشرةً إلى التشغيل المعتاد.

وتكشف البيانات التي يستشهد بها عن تراجع في مستوى الثقة إذ يقول 34 في المائة من المؤسسات إنها لا تعتقد أن سلاسل إمدادها جاهزة للمستقبل، مقارنةً بـ27 في المائة في العام السابق. ويعني ذلك أن ارتفاع الاستثمار في التكنولوجيا لم ينعكس بالضرورة على ارتفاع الثقة في القدرة على مواجهة الأزمات.

السعودية... فرصة للبناء من البداية

في السوق السعودية، يؤمن باندور بأن التوسع الجاري في الخدمات اللوجستية والتصنيع والتجزئة يتيح فرصة لإدخال الذكاء الاصطناعي في أثناء بناء الشبكات وتحديثها، بدلاً من محاولة إضافته لاحقاً إلى بنية شديدة التجزؤ. ويربط تسريع التبني بحالات استخدام محددة يمكن قياسها، مثل رفع دقة التوقعات، وتقليل نفاد المنتجات، وتحسين تخطيط العمالة في المستودعات، والاستجابة بصورة أسرع لتغير الطلب. وفي المقابل، قد تعرقَل الأنظمة القديمة وتوزَّع البيانات بين مواقع متعددة وصعوبة التكامل هذا المسار.

وخلال السنوات الثلاث المقبلة، يضع باندور معياراً مختلفاً للتقدم عن مجرد زيادة عدد أدوات الذكاء الاصطناعي. فالتقدم، حسب رؤيته، يعني عدداً أقل من الأنظمة المنفصلة والقرارات المعزولة، ووقتاً أقل يُهدر في جمع المعلومات وفهم ما حدث، وقدرة كبرى على اكتشاف المشكلات مبكراً والاستجابة لها. أما بالنسبة إلى السعودية تحديداً، فيرى أن الاختبار سيكون في قدرة شبكاتها اللوجستية والصناعية المتوسعة على البقاء مترابطة مع نموها، بدلاً من أن تتحول إلى جزر تشغيلية منفصلة من النوع نفسه الذي يفترض أن يساعد الذكاء الاصطناعي على معالجته.