من استخراج المهام إلى ذكاء العمل

لم يكن المحللون يعانون من نقص في البيانات، بل كانوا محاطين بها. أرصدة العملاء، وتفاصيل أعمار الديون، وسجل النزاعات، وسلوك الدفع، وإشعارات الدائن، والبنود المفتوحة، وتعليقات الحسابات، وإجراءات التحصيل، وإشارات التصعيد، كلها كانت موجودة في مكان ما ضمن العملية. تكمن المشكلة في أنه قبل أن يتمكن أي شخص من إدارة الحساب بذكاء، كان عليه أولاً تجميع صورة شاملة للحساب. كان عليه جمع أجزاء متفرقة، ومقارنة المصادر، والتحقق من البيانات الحالية، وإعادة بناء السياق، وتحديد أي نسخة من معلومات الحساب يمكن الوثوق بها. من الخارج، بدا الأمر وكأنه إدارة حسابات. أما في الواقع، فكان جزء كبير من العمل يُهدر في التحضير للإدارة.

يسهل الاستهانة بهذا النوع من العمل لأنه لا يبدو معطلاً دائماً. فالموظفون ما زالوا نشطين، والملفات تُفتح، والتقارير تُحمّل، والملاحظات تُحدّث، والرسائل الإلكترونية تُرسل، ولوحات المعلومات تُفحص. تستمر العملية، ويوحي هذا النشاط بأن العملية تسير على ما يرام. لكن النشاط لا يُغني عن المعلومات. فإذا استهلك المحللون المهرة جزءاً كبيراً من طاقتهم في تكوين صورة شاملة للعمل قبل البدء بتنفيذه، فإن المؤسسة تدفع ثمناً باهظاً. لا يقتصر هذا الثمن على الوقت فحسب، بل يشمل أيضاً تأخير القرارات، وتضارب الأحكام، وضعف الرؤية، وفقدان القدرة على اتخاذ إجراءات ذات قيمة أعلى.

في إحدى بيئات حسابات القبض، جاء التحول من إدراك أن المحللين لم يعودوا بحاجة إلى المزيد من البيانات الخام، بل إلى رؤية تشغيلية أفضل. كان لا بد من نقل العمل من تجميع البيانات يدويًا إلى إدارة الحسابات الاستراتيجية. لم يكن الحل مجرد تقرير، بل كان وسيلة لتقريب صورة الحساب من عملية اتخاذ القرار، ما يُمكّن المحللين من قضاء وقت أقل في جمع المعلومات المتفرقة ووقت أطول في فهم احتياجات الحساب المستقبلية. تكمن القيمة في تغيير العلاقة بين الأفراد والمعلومات. لم تعد البيانات شيئًا يضطر المحللون إلى البحث عنه في مختلف أقسام المؤسسة قبل أن يتمكنوا من العمل، بل أصبحت بيانات منظمة بما يكفي لدعم اتخاذ إجراءات أفضل.

هذا هو الفرق بين تحليل المهام وذكاء العمل. يُظهر تحليل المهام ما يفعله الأفراد، من نقرات وخطوات النظام إلى الإجراءات المتكررة وأنماط النسخ واللصق والتبديل بين التطبيقات والروتينات اليدوية. هذه الرؤية مفيدة، خاصةً عندما تفتقر المؤسسات إلى أدلة كافية حول كيفية سير العمل فعليًا. لكن رؤية النشاط لا تعني فهم العمل. فالنقرة لا تُفسر سبب حدوثها، والخطوة المتكررة لا تُبين ما إذا كانت هدرًا، أو تحكمًا، أو تقديرًا، أو قيمة للعميل، أو تخفيفًا للمخاطر، أو حلًا بديلًا لمشكلة سابقة.

تكتسب هذه الفروقات أهمية بالغة اليوم، إذ يدفع الذكاء الاصطناعي المؤسسات إلى أتمتة المهام، والمساعدة فيها، وتوجيهها، وتلخيصها، وتصنيفها، واتخاذ الإجراءات اللازمة بشأنها، وهي مهام غالبًا ما لا تفهمها بعمق كافٍ. فإذا اقتصرت رؤية المؤسسة على المهام فقط، فقد تُؤتمت الإجراء الظاهر دون أن تُدرك سبب وجوده. وقد تُزيل خطوة يدوية كانت تُسهم في حماية الجودة. وقد تُسرّع حلًا بديلًا دون معالجة نقطة الضعف التي أدت إليه. وقد تُصنّف نمطًا متكررًا على أنه جاهز للأتمتة، بينما يحتوي هذا النمط على استثناءات، أو أحكام، أو ضوابط غير رسمية لم تُسجّل بشكل صحيح.

يتجاوز ذكاء العمل مجرد رؤية المهام. فهو يتساءل عن معنى العمل، وسبب حدوثه، والنتيجة التي يدعمها، والقاعدة أو الاستثناء الذي ينطبق عليه، ومتى يُتخذ القرار، وماذا يحدث إذا كان الإجراء خاطئًا، وما إذا كان ينبغي حذف المهمة أو إعادة تصميمها أو توجيهها أو مساعدتها أو إدارتها أو أتمتتها. هذا مستوى مختلف من الفهم. لا يكفي أن نعرف أن المحلل يفتح ثلاثة أنظمة كل صباح. تحتاج المؤسسة إلى معرفة ما إذا كان يتم فحص هذه الأنظمة بسبب تشتت البيانات، أو لعدم موثوقية أحد المصادر، أو لغياب سياق العميل، أو لضرورة التحقق من المخاطر، أو لعدم إعادة تصميم عرض الحساب بشكل صحيح.

هنا قد تخطئ برامج الذكاء الاصطناعي بسرعة. فهي ترى جهدًا يدويًا متكررًا فتفترض وجود فرصة للأتمتة. أحيانًا تكون محقة، فالعمل المتكرر قد يكون مؤشرًا قويًا على ضرورة أتمتة شيء ما أو إعادة تصميمه. لكن التكرار وحده لا يكفي. قد تكون المهمة المتكررة مجرد هدر للموارد، أو قد تكون نقطة تحكم، أو فحصًا غير رسمي للجودة، أو حلًا بديلًا لضعف التكامل، أو قد تكون المكان الوحيد الذي يُطبّق فيه الموظفون ذوو الخبرة حكمهم قبل المضي قدمًا في العمل. إذا لم تُدرك المؤسسة ماهية هذه الحالة، تصبح الأتمتة مجرد تخمين بواجهة مستخدم محسّنة.

يوضح مثال حسابات القبض أهمية هذا التمييز. لم يكن الهدف مجرد تقليل عدد النقرات أو تسريع إعداد التقارير، بل تحسين جودة إدارة الحسابات بتخفيف عبء التجميع الذي يفصل بين المحلل واتخاذ القرار. هذا هو ذكاء العمل. لا يقتصر الأمر على ملاحظة أن شخصًا ما يفتح مصادر متعددة، بل يتعداه إلى التساؤل عن سبب قيامه بذلك، وما الذي يحاول فهمه، وما هي الإشارات المهمة، وكيف يمكن لسير العمل أن يمنحه رؤية أكثر موثوقية قبل الحاجة إلى اتخاذ إجراء. ليس الهدف هو إشغال الناس بأدوات أفضل، بل جعل العمل أكثر وضوحًا ليتمكنوا من تطبيق الحكم السليم حيثما كان ذلك ضروريًا.

يحتاج الذكاء الاصطناعي إلى هذا النوع من الذكاء لأنه لا يكتسب قيمته بشكل مجرد، بل يصبح ذا قيمة ضمن سياق عمل محدد، مع ما يصاحبه من صعوبات ومخاطر واستثناءات ونتائج محددة. يمكن للنموذج تلخيص حساب عميل، لكن لا يزال يتعين على المؤسسة تحديد المعلومات التي يجب تضمينها، والمصدر الموثوق، والاستثناءات المهمة، والقرار الذي يُفترض أن يدعمه التلخيص. يمكن للنموذج تصنيف حالة، لكن لا يزال يتعين على المؤسسة التأكد من أن التصنيفات تعكس واقع العمل. يمكن للوكيل توجيه عنصر، لكن لا يزال يتعين على المؤسسة معرفة الإجراءات الواجب اتخاذها عندما لا يكون العنصر قياسيًا.

تُساعد رؤية المهام في تحديد مواطن الهدر، بينما يُساعد ذكاء العمل في تحديد الخطوة التالية. فإذا كان المحللون يقضون ساعات في تجميع سياق الحساب، فقد يكون الحل هو عرض أفضل للحساب، أو تحسين تكامل البيانات، أو توضيح المسؤوليات، أو استخدام التلخيص المدعوم بالذكاء الاصطناعي. وإذا كان الموظفون ينسخون المعلومات بين الأنظمة، فقد يكون الحل هو الأتمتة، أو إعادة تصميم النظام، أو تحسين جودة البيانات. وإذا كان المستخدمون يتحققون من حقل ما بشكل متكرر، فقد لا يكون الحل هو أتمتة التحقق، بل إصلاح المصدر الذي يستدعي هذا التحقق. وبدون ذكاء العمل، تُخاطر المؤسسة بأتمتة الأعراض بدلاً من معالجة الأسباب الجذرية.

من أكثر الأخطاء شيوعًا في مجال الأتمتة والذكاء الاصطناعي هو أتمتة الحلول البديلة. عادةً ما ينشأ الحل البديل لأن العملية الرسمية لا تدعم العمل بشكل كامل. يلجأ الموظفون إلى إنشاء مسارات جانبية، وملاحظات محلية، ومراجعات يدوية، وموافقات غير رسمية، وعمليات تدقيق موازية، وذلك لضمان استمرارية العمل. من منظور تحليل المهام، قد تبدو هذه الإجراءات غير فعّالة ومتكررة. أما من منظور ذكاء العمل، فهي بمثابة أدلة. فهي تُظهر مواطن عدم توافق النظام مع العمل، وضعف الحوكمة، ونقص المعلومات، وعدم وضوح المسؤولية.

قد يؤدي أتمتة الحلول البديلة إلى تسريع التصميم الضعيف دون تحسينه. قد يقلّ الجهد اليدوي، لكن المشكلة الأساسية تبقى قائمة. والأسوأ من ذلك، أن الحل البديل يصبح أكثر صعوبة في الرؤية لأنه يُدمج في سير العمل الآلي. هكذا تحوّل المؤسسات الديون التشغيلية إلى ديون رقمية. يستمر الضعف نفسه، لكنه الآن مُختبئ خلف أداة. قد يزيد الذكاء الاصطناعي من خطورة هذا الأمر لأنه قادر على إنتاج مخرجات سلسة وواثقة تبدو وكأنها محلولة، بينما يبقى سير العمل غامضًا في جوهره.

لهذا السبب يُعدّ تأكيد الموظفين أمرًا بالغ الأهمية. فالملاحظة قد تُظهر نمطًا، لكنها لا تُفسّر المعنى دائمًا. الموظفون الأقرب إلى العمل يعرفون ما إذا كان تكرار إجراء ما يُعدّ هدرًا، أو حماية، أو قيمة للعميل، أو مراجعة للمخاطر، أو تعويضًا عن نقص ما. كما يعرفون ما إذا كان الاختلاف خطأً أم استثناءً مشروعًا. ويعرفون متى توجد مهمة ما لأن العملية العامة لا تتناسب مع الواقع المحلي. لا ينبغي قبول وجهة نظرهم دون تمحيص، لأن الناس قد يُطبعون عادات غير فعّالة. لكن استبعاد تأكيدهم أسوأ. فبدونه، يستنتج القادة المعنى من إشارات غير مكتملة، وقد تبني فرق الذكاء الاصطناعي على تفسير خاطئ للعمل.

النموذج الأمثل هو نموذج يجمع بين الأدلة والتحقق. تُظهر بيانات النشاط ما يبدو أنه يحدث، بينما تُفسر خبرة الموظفين أسباب حدوثه، وتُحدد الحوكمة الخطوات اللاحقة. هذا المزيج أقوى من أي طبقة منفردة، كما أنه يُعزز الثقة لأن الموظفين لا يُعاملون كبيانات سلبية في عملية استخراج معلومات، بل كمفسرين للواقع التشغيلي. وهذا أمر بالغ الأهمية، لأن شفافية العمل قد تتحول بسهولة إلى مراقبة إذا كان الغرض منها غير واضح. فإذا اعتقد الموظفون أن المؤسسة تستخدم الشفافية لتقييمهم أو معاقبتهم، فسوف يُخفون الإشارات التي تحتاجها المؤسسة للتحسين.

يتطلب ذكاء العمل المسؤول وضع حدود واضحة. ينبغي أن يكون الهدف فهم سير العمل، وتقليل الاحتكاكات، وتوثيق المعرفة القابلة لإعادة الاستخدام، وتحسين الحوكمة، وتحديد فرص الأتمتة المسؤولة. لا ينبغي أن يتحول إلى نظام تقييم إنتاجية خفي، ولا ينبغي أن يُعاقب الأفراد على أوجه القصور التي صممتها المؤسسة من أجلهم، ولا ينبغي أن يُحوّل التصحيح إلى لوم. على المؤسسة تحديد ما يتم توثيقه، وسبب توثيقه، ومن يمكنه الوصول إليه، وكيف سيتم استخدامه، وما يتم استبعاده، وكيف يشارك الموظفون في التحقق من صحة البيانات.

لا يقتصر الأمر على مجرد مسألة امتثال، بل يتعداه إلى مسألة تبني التقنيات. فمن المرجح أن يدعم الموظفون التغيير المدعوم بالذكاء الاصطناعي عندما يرون أن المؤسسة تسعى لتحسين العمل، لا أن تحكم سرًا على من يقوم به. إذا كان الهدف هو فهم سبب قضاء المحللين وقتًا طويلًا في تجميع بيانات الحسابات، فسيكون الحوار مثمرًا. أما إذا أصبح الهدف هو تصنيف المحللين بناءً على سرعة استخدامهم للأنظمة، فإن المؤسسة تكون قد أخطأت الهدف. ينبغي أن تجعل ذكاء العمل النظام أكثر شفافية، لا أن تجعل الموظفين يشعرون بمزيد من الانكشاف.

يتغير مقياس القيمة أيضًا. يمكن لتحليل المهام أن يُظهر أين يُقضى الوقت، لكن ذكاء العمل يجب أن يُفسر ما إذا كان هذا الوقت يُضيف قيمة، أو يحميها، أو يُشير إلى خلل في التصميم. قد تستغرق مهمة مُتكررة بضع دقائق فقط، ولكن إذا كان سبب وجودها هو تجزئة عرض الحساب، فإن تكلفتها ستكون أكبر من وقت المهمة. وهذا يؤثر على جودة القرار، واتساقه، والثقة فيه، والقدرة على اتخاذ إجراءات مُبكرة. قد يُؤدي حذف المهمة دون فهم الغرض منها إلى مخاطر. بينما قد تُؤدي إعادة تصميم عرض الحساب إلى خلق قدرة مستدامة.

هنا تبرز الحاجة إلى مزيد من الدقة في دراسات جدوى استخدام الذكاء الاصطناعي. فدراسة الجدوى الضعيفة تكتفي بالقول إن مهمة ما متكررة، وبالتالي ينبغي للذكاء الاصطناعي أتمتتها. أما دراسة الجدوى القوية فتوضح أن المهمة متكررة، وتشرح سبب وجودها، وتحدد النتيجة المرجوة منها، وتُبين الصعوبات التي تُسببها، وتُحدد ما إذا كان ينبغي للذكاء الاصطناعي المساعدة، أو التوجيه، أو الأتمتة، أو التصعيد، أو ترك العمل تحت إشراف بشري. هذا الفرق ليس مجرد فرق نظري، بل هو الفيصل في تحديد ما إذا كانت المؤسسة ستُطور قدرة مفيدة أم ستُضيف مجرد أداة أخرى إلى سير عمل مُجزأ أصلاً.

ينبغي قياس الجاهزية بطريقة مختلفة. غالبًا ما تكون مخرجات تحليل المهام قائمةً بمرشحي الأتمتة، وهذا مفيد، لكنه غير كافٍ للذكاء الاصطناعي. المخرجات الأفضل هي رؤية شاملة للجاهزية. هل سير العمل مستقر بما فيه الكفاية؟ هل المدخلات موثوقة؟ هل الاستثناءات مفهومة؟ هل المسؤولية واضحة؟ هل هناك حاجة إلى تدخل بشري؟ ما تكلفة الخطأ؟ ما الضوابط اللازمة؟ كيف سيتم قياس القيمة؟ ما هو مستوى تدخل الذكاء الاصطناعي المناسب حاليًا؟ قد تكون المهمة ظاهرة ومتكررة، لكنها لا تزال غير جاهزة للأتمتة إذا كان العمل المحيط بها غير واضح.

يكتسب هذا الأمر أهمية خاصة مع تحوّل المؤسسات من مساعدين إلى وكلاء. فالمساعد عادةً ما يُساعد شخصًا ما في إنتاج شيء ما أو تلخيصه أو إعداده، ويبقى العنصر البشري مُتابعًا للمخرجات. أما الوكيل، فيُمكنه التأثير على سير العمل بشكل مباشر من خلال التوجيه والتحديث والتفعيل وتحديد الأولويات والتنفيذ. وهذا ما يجعل ذكاء العمل أكثر أهمية، لا أقل. فإذا لم تكن المؤسسة مُلمّة بسير العمل والاستثناءات والضوابط وجودة المخرجات، فإن منح الوكيل مزيدًا من الاستقلالية لن يؤدي إلا إلى تسريع وتيرة المجهول.

لن تحلّ لوحات المعلومات وحدها هذه المشكلة. صحيحٌ أنها تُظهر حجم العمل، ووقت المعالجة، والإنتاجية، ومعدل التبني، إلا أنها قد تُبسّط العمل بشكلٍ مفرط. فقد تُظهر إغلاق المهمة دون إعادة فتحها، أو سرعتها دون تصحيحها، أو استخدامها دون إظهار مدى موثوقيتها، أو إنجازها دون توضيح ما إذا كان ينبغي وجودها أصلاً. يحتاج القادة إلى لوحات المعلومات، لكنهم يحتاجون أيضاً إلى فهمٍ أعمق لما وراءها: ما نوع العمل الذي يُقاس، وماذا يعني، وهل تحسّنت النتائج؟

تُضيف المنظمات العالمية بُعدًا آخر من التعقيد. فقد يحمل سير العمل الاسم نفسه في مناطق مختلفة، بينما يختلف تطبيقه عمليًا. فعملية إدارة الحسابات في سوق ما قد تعتمد على توقعات العملاء، والمتطلبات القانونية، والواقع اللغوي، ونضج النظام، أو أنماط التصعيد المحلية، مقارنةً بالعملية نفسها في مكان آخر. قد يرى فريق مركزي عمليةً واحدة، بينما قد يطبق الموظفون نسخًا متعددة منها. إن الذكاء الاصطناعي المبني على الرؤية المركزية فقط سيغفل الحقائق المحلية، بينما تُؤدي الحلول المحلية بالكامل، التي تفتقر إلى منهجية مشتركة، إلى التجزئة. والحل الأمثل هو منطق ذكاء العمل المشترك المدعوم بالأدلة المحلية.

هذا يعني أنه ينبغي على المنظمة بناء منهجية مشتركة لفهم العمل مع مراعاة الاختلافات السياقية. يمكن أن تكون التصنيفات عامة: الاحتكاك، والاستثناء، والحكم، والتحكم، والملكية، والاستعداد، والنتيجة. ويمكن أن تكون الأدلة محلية: ما هي أنماط العملاء المهمة، وما هي الأنظمة التي تُسبب الاحتكاك، وما هي مسارات الموافقة الفعلية، وما هي الاستثناءات المتكررة، وما هي مصادر البيانات الموثوقة. وبدون هذا التوازن، فإن برامج الذكاء الاصطناعي العالمية إما تُفرط في التوحيد القياسي أو تُهمل الحوكمة.

تُعدّ عقلية المهندس المعماري مفيدة هنا لأنها ترفض الخلط بين النشاط والعمل. فالبطل التشغيلي يواصل تجميع رؤى الحسابات، وإيجاد السياق المفقود، وفحص الأنظمة، وضمان سير العملية بسلاسة. أما المهندس المعماري فيتساءل عن سبب اعتماد العملية على هذا المستوى من التجميع اليدوي، وما هي الذكاءات التي يجب تضمينها في سير العمل، وكيف يمكن للأفراد الانتقال من مرحلة الإعداد إلى مرحلة التقييم. فالعمليات البطولية تُبقي الأمور تسير بسلاسة، بينما يُغيّر التصميم المعماري متطلبات المستقبل.

هذا هو التحول من استخراج المهام إلى ذكاء العمل. لا يعني هذا رفض استخراج المهام، فرؤية المهام أمرٌ قيّم، خاصةً عندما تعمل المؤسسة بناءً على افتراضات. لكن رؤية المهمة هي البداية، وليست النهاية. يجب على المؤسسة فهم معناها قبل اتخاذ أي إجراء. عليها أن تعرف ما إذا كانت المهمة هدرًا للموارد، أو تحكمًا، أو تقديرًا، أو معالجةً استثنائية، أو قيمةً للعميل، أو عطلًا في النظام، أو حلًا بديلًا. عندها فقط يمكن تطبيق الذكاء الاصطناعي بمسؤولية.

في مثال حسابات القبض، نبعت القيمة من جعل عرض الحساب أكثر فائدة للمحلل، لا من مجرد الاحتفاء بتقليل النشاط. هذا هو المعيار الذي يجب أن يفي به التحول إلى الذكاء الاصطناعي. هل أصبح العمل أكثر وضوحًا؟ هل يقضي الموظفون وقتًا أقل في تجميع المعلومات؟ هل أصبح من الأسهل التعرف على الاستثناءات؟ هل أصبح التقييم أقرب إلى القرار؟ هل أصبح تنظيم سير العمل أسهل؟ هل تحتفظ المؤسسة بمزيد من المعرفة بعد إنجاز العمل؟ هذه الأسئلة أهم من مجرد العثور على مهمة مكررة.

ستجد المؤسسات التي تكتفي برؤية المهام فرصًا للأتمتة، وسيُسهم بعضها في خلق قيمة مضافة. لكنها ستخاطر أيضًا بأتمتة المهام الخاطئة، والحفاظ على التصاميم الضعيفة، وإغفال السياق الذي يجعل العمل موثوقًا. أما المؤسسات التي تبني ذكاء العمل، فستتخذ قرارات أفضل في مجال الذكاء الاصطناعي، لأنها ستفهم ليس فقط ما يفعله الموظفون، بل أيضًا سبب وجود العمل، ومواطن فقدان القيمة، ونوع التدخل الذي يحتاجه سير العمل فعليًا.

لا تحتاج المرحلة التالية من التحول في مجال الذكاء الاصطناعي إلى مزيد من الضجيج حول الأدوات، بل إلى فهم أوضح للعمل. يمكن لتحليل المهام أن يُظهر الحركة، بينما يُفسر ذكاء العمل المعنى. والمعنى هو ما تحتاجه المؤسسات قبل أن تُقرر ما يجب أن يفعله الذكاء الاصطناعي.

أسئلة وأجوبة

س: ما الفرق بين استخراج المهام وذكاء العمل؟

أ: يُظهر تحليل المهام إجراءات المستخدم القابلة للملاحظة، مثل النقرات، وخطوات النظام، وأنماط النسخ واللصق، والأنشطة اليدوية المتكررة. أما ذكاء العمل فيتجاوز ذلك، إذ يُفسر سبب حدوث العمل، والنتيجة التي يدعمها، والحكم أو الاستثناء الذي ينطبق، والمخاطر القائمة، وما إذا كانت الأتمتة مناسبة.

س: لماذا لا تكفي رؤية المهام لتحقيق التحول في مجال الذكاء الاصطناعي؟

ج: قد تُظهر رؤية المهمة التكرار، لكنها لا تُفسر المعنى دائمًا. قد يكون الإجراء المتكرر هدرًا للموارد، أو إجراءً للتحكم، أو حلًا بديلًا، أو استثناءً، أو تعديلًا محليًا صحيحًا. يحتاج تحويل الذكاء الاصطناعي إلى فهم المعنى قبل أتمتة النشاط.

س: ما هي مخاطر أتمتة الحلول البديلة؟

ج: قد يؤدي أتمتة الحلول البديلة إلى تسريع عملية ضعيفة دون معالجة المشكلة الأساسية. قد تقلل المؤسسة من الجهد اليدوي، لكنها قد تُبقي على بيانات غير دقيقة، أو عدم وضوح في ملكية البيانات، أو سوء تصميم النظام، أو ضعف الحوكمة بشكل خفي.

س: لماذا يُعدّ تأكيد الموظف أمراً مهماً؟

أ: يستطيع الموظفون الأقرب إلى العمل شرح دلالات الأنماط الملحوظة. فهم يعرفون ما إذا كان الاختلاف خطأً، أو استثناءً مبرراً، أو حلاً مؤقتاً، أو إجراءً وقائياً ضرورياً. ويساعد تأكيدهم على منع المؤسسة من إساءة تفسير بيانات المهام.

س: كيف يدعم ذكاء العمل حوكمة الذكاء الاصطناعي؟

أ: تساعد ذكاء العمل الحوكمة على الاقتراب من سير العمل الحقيقي. فهو يوضح أين يدخل الذكاء الاصطناعي في العملية، وأين يلزم الحكم البشري، وما هي الاستثناءات المتكررة، وما هي الأدلة التي يجب الاحتفاظ بها، وما هو العمل الجاهز لمستويات أعلى من الأتمتة.

س: ما الذي يجب على القادة طرحه قبل أتمتة مهمة متكررة؟

ج: يجب على القادة أن يسألوا عن سبب وجود المهمة، وما هي النتيجة التي تدعمها، وما إذا كانت هدراً أم تحكماً، وماذا يحدث إذا كانت خاطئة، وما هي الاستثناءات التي تؤثر عليها، وما إذا كان الموظفون قد أكدوا النمط، وما إذا كان سير العمل ناضجاً بما يكفي للأتمتة.