على الورق، تبدو ثورة التحليلات قد انتهت. انتقل الذكاء الاصطناعي من كونه ابتكارًا إلى بند في الميزانية. في استطلاع RSM للذكاء الاصطناعي في السوق المتوسطة لعام 2025، قال 91٪ من المستجيبين إنهم يستخدمون الذكاء الاصطناعي التوليدي، لكن معظمهم وصفوا أنفسهم بأنهم "مستعدون إلى حد ما" فقط.
تلك الفجوة بين التبني والثقة هي المكان الذي بنى فيه محمد حامد سمعته كأحد أكثر أصوات التحليلات عملية في ديترويت. يعمل حامد، المقيم في ميشيغان، كمستشار ومؤسس برمجيات سابق يمتد عمله من بناء منتجات تحليلية، وتقديم المشورة للمؤسسات الكبيرة، ومساعدة قادة السوق المتوسطة على تحويل حديث الذكاء الاصطناعي إلى قرارات يمكن لكل من المدير المالي ومدير الخط الأمامي التعرف عليها. يصف دوره بأنه أقل من "تحول الذكاء الاصطناعي" وأكثر من مواءمة الأشخاص والعمليات والتكنولوجيا حول قصة قيمة يمكن شرحها بلغة بسيطة. محمد حامد ديترويت "الأدوات صاخبة الآن،" كما يقول. "لكن معظم المنظمات لا تفتقد البرمجيات. إنهم يفتقدون قصة سببية مشتركة وعادات التشغيل التي تجعل تلك القصة حية."
تأتي أخلاقيات التحليلات لدى حامد من البناء قبل تقديم المشورة. في بداية حياته المهنية، ساعد في تأسيس Unison، وهي شركة برمجيات في تقاطع الاستماع الاجتماعي والاستدامة ودعم القرار. أعطاه هذا العمل مقعدًا في الصف الأمامي لكيفية اكتساب منتجات التحليلات للثقة أو فقدانها. "الرؤية التي لا يثق بها أحد هي مجرد لقطة شاشة مع طموح،" كما يقول.
اليوم، يركز عمله بشكل متزايد على شركات السوق المتوسطة في ميشيغان وخارجها: المنظمات الكبيرة بما يكفي للشعور بضغط المنافسة، ولكنها ليست كبيرة بما يكفي لتمويل منظمة بيانات حديثة كاملة. يُقال للقادة إن الذكاء الاصطناعي سيضغط دورات القرار، ويخصص التجارب، ويؤتمت إعداد التقارير. إنهم يريدون هذا المستقبل، لكنهم يعيشون مع عدد قليل من المحللين، وأنظمة مجزأة، وملكية غامضة، وطابور من الحرائق التشغيلية.
إجابة حامد ليست التقليل من شأن الذكاء الاصطناعي، بل تسلسل الطموح. "لا تبدأ بالسؤال، 'أين يمكننا وضع الذكاء الاصطناعي التوليدي؟'" كما يقول. "تبدأ بالسؤال، 'ما الذي نعتقد أنه يدفع القيمة هنا، وهل يمكننا قياسه بصدق؟'" يقع هذا السؤال في مركز ما يسميه إطار البوصلة السببية.
تبدأ البوصلة السببية بجعل القادة يتفقون على نموذج سببي للوظيفة التي يعملون بها. بالنسبة لفريق المبيعات أو التسويق، يركز حامد على ثلاث طبقات: الروافع عالية القيمة (الخيارات القابلة للتحكم مثل تصميم العرض أو مزيج القنوات)، والإجراءات عالية القيمة (السلوكيات وإشارات القمع التي توضح ما إذا كانت الروافع تعمل)، والنتائج عالية القيمة (النتائج مثل الإيرادات أو الاحتفاظ أو الهامش). غالبًا ما يؤدي تنظيم التحليلات حول هذه الطبقات، بدلاً من حول الأدوات، إلى إطلاق قيمة أكبر من تحديث المنصة. "المقاييس ليست الاستراتيجية،" كما يقول. "إنها القواعد النحوية. بمجرد أن نتفق على القواعد النحوية، يمكننا كتابة جمل أفضل."
بعد الأساس السببي، تتجه البوصلة السببية إلى الأشخاص. في رأي حامد، تقل فعالية فرق التحليلات ليس بسبب نقص المهارات التقنية وإنما بسبب نقص التنوع المعرفي. يشير إلى كيفية توظيف المنظمات التقنية عالية الأداء لخلفيات غير عادية لبناء أنظمة أفضل: الصحفيين الذين يستجوبون البيانات مثل المصدر، وعلماء السلوك الذين يفهمون التجريب وتجربة العملاء، والمعلمين الذين يعرفون كيفية دفع التبني. مع ضغط الذكاء الاصطناعي للتحليل الروتيني، يلخص محمد حامد وظيفة التحليلات الحديثة في ثلاثة أدوار تكميلية: الاستراتيجية (اختيار المشكلات الصحيحة وتحديد النموذج السببي)، والتنفيذ (الحصول على البيانات وخطوط الأنابيب والحوكمة للعمل بالفعل)، ورواية القصص (جعل الرؤى قابلة للاستخدام والتنفيذ).
تكمل العملية والتكنولوجيا الصورة. قبل عقد من الزمان، أمضت فرق التحليلات معظم وقتها في ETL: سحب البيانات من أنظمة المصدر، وتنظيفها، وتحميلها في المستودعات. لا تزال ETL مهمة، لكن منصات السحابة الحديثة وواجهات برمجة التطبيقات والأتمتة غيرت التوازن وجعلت انضباط DataOps وDevOps محوريًا في هندسة التحليلات. يجادل حامد بأنه يجب التعامل مع خطوط الأنابيب المرتبطة بالإيرادات أو المخاطر مثل المنتجات، مع ملكية واضحة وتوقعات الخدمة.
في الممارسة العملية، تظهر هذه الفلسفة عبر القطاعات. في صناعة السيارات والتصنيع الصناعي، ساعد محمد حامد العمليات متعددة المواقع على توحيد بيانات الجودة والتوريد والصيانة في نموذج تشغيلي واحد، مع أكبر فوز يأتي من التعريفات المشتركة للعيوب وأوقات التوقف حتى توقفت فرق المصنع عن الجدال حول ما هو "حقيقي". في الخدمات المالية، عمل على تحسين إشارات المخاطر من خلال طبقات التجزئة السلوكية فوق سمات الائتمان التقليدية، مما يظهر أن المنظمة لم تفتقر إلى البيانات؛ بل افتقرت إلى قصة متماسكة حول كيفية تحرك المخاطر وتصميم المنتج واتصال العملاء معًا بمرور الوقت.
عندما سُئل عما سيخبر به الرئيس التنفيذي أو مدير تكنولوجيا المعلومات في السوق المتوسطة في ميشيغان الذي يحاول فهم الذكاء الاصطناعي والتحليلات، يقدم محمد حامد كتيبًا قصيرًا. ابدأ بخريطة قرار وقيمة مرتبطة بالقرارات القليلة التي تحرك الأعمال حقًا، ثم اعمل بشكل عكسي للبيانات وإيقاع التشغيل المطلوب. عامل جودة البيانات والحوكمة كاستعداد للذكاء الاصطناعي، مع التركيز على حفنة من "مجموعات البيانات الذهبية" مع مالكين واضحين واتفاقيات مستوى الخدمة. استثمر في معرفة القراءة والكتابة التنفيذية حتى يتمكن القادة من رعاية حالات الاستخدام الصحيحة وقول لا للحالات الخاطئة. وبناء مكاسب صغيرة قابلة للتدقيق تحسن حلقة القرار الأسبوعية وتثبت أن التحليلات والذكاء الاصطناعي يمكن أن تغير كيفية تشغيل الأعمال بالفعل.
من المتوقع أن يستمر سوق التحليلات الأوسع في التوسع خلال العقد، مدعومًا بالسحابة والذكاء الاصطناعي والتحرك نحو اتخاذ القرارات في الوقت الفعلي. لكن رسالة حامد من ديترويت هي أن النطاق بدون تماسك ليس تقدمًا. "سيوسع الذكاء الاصطناعي الفجوة بين المنظمات التي تعرف ما تحاول إثباته والمنظمات التي تأمل فقط أن تنقذها لوحة المعلومات." بالنسبة للمنظمات في السوق المتوسطة في ميشيغان وخارجها، فإن إطار البوصلة السببية ليس رفضًا للذكاء الاصطناعي. إنه تذكير بأن التحليلات الحديثة لا تزال، بطريقة إنسانية عميقة، تتعلق بالحكم. وبالنسبة للقادة الذين يحاولون بناء مزايا دائمة في عصر الذكاء الاصطناعي، قد تكون هذه هي الرؤية الأكثر طمأنينة على الإطلاق.
