عالم التقنية والذكاء الاصطناعي .. الذكاء الاصطناعي بين قياس الأثر واتخاذ القرارات المناسبة

• بعض جوانب العمل الخيري لا يمكن اختزالها بالكامل في مؤشرات رقمية فالتغيرات الاجتماعية طويلة المدى ويصعب تمثيلها بدقة عبر البيانات وحدها
• نجاح قياس الأثر لا يعتمد فقط على الأدوات بل على الثقافة المؤسسية التي تتعامل مع البيانات

 

مع تنامي استخدام الذكاء الاصطناعي في المؤسسات الخيرية، لم يعد التحدي مقتصرًا على إطلاق المبادرات أو تبنّي الأدوات، بل أصبح السؤال الأهم: هل أحدثت هذه المبادرات أثرًا حقيقيًا؟ فكثير من المؤسسات تنجح في تشغيل حلول ذكية، لكنها تعجز عن الإجابة بدقة عن مدى تأثيرها على جودة القرار، أو كفاءة الموارد، أو تحقيق الأهداف الإنسانية، وفي هذا السياق، يبرز قياس الأثر بوصفه حلقة حاسمة تربط بين التقنية والرسالة، وبين البيانات والقرار الإداري الرشيد.

الذكاء الاصطناعي أداة داعمة للقراء

       من المخاطر الشائعة في الاستخدام الإداري للتقنية أن تتحول مخرجات الذكاء الاصطناعي إلى «مسوغ جاهز» للقرار بدل أن تكون أداة لفحصه؛ فالقرار الخيري بطبيعته معقّد، ويتداخل فيه البعد الإنساني والاجتماعي والشرعي، ولا يمكن اختزاله في رقم أو توصية آلية؛ ومن هنا فإن الاستخدام الحكيم للذكاء الاصطناعي يتمثل في توظيفه لتوسيع زاوية الرؤية وذلك من خلال: كشف الاتجاهات، ومقارنة السيناريوهات، وتحليل النتائج المحتملة، مع بقاء مسؤولية الترجيح والاختيار بيد الإنسان.

قياس الأثر: ما الذي يجب أن يُقاس فعلًا؟

       ليس كل ما يمكن قياسه مفيدًا، وليس كل ما هو مهم سهل القياس، وهنا تقع المؤسسات أحيانًا في فخ التركيز على مؤشرات تشغيلية سطحية، مثل عدد الطلبات المعالجة أو سرعة الرد، دون ربطها بالأثر الحقيقي على المستفيد أو المتبرع؛ ومن هنا فإن قياس الأثر في العمل الخيري المدعوم بالذكاء الاصطناعي يجب أن ينطلق من أسئلة واضحة:

• هل أسهم النظام في توجيه المساعدة لمن هو أكثر احتياجًا؟
• هل قلّل التفاوت في الوصول إلى الخدمات؟
• هل حسّن النظام الجديد من دقة التقدير أو خفّف الأخطاء البشرية؟

ولا شك أن الإجابة عن هذه الأسئلة تتطلب اختيار مؤشرات تعكس القيمة الإنسانية، لا مجرد الكفاءة الرقمية.

من البيانات إلى التعلم المؤسسي

       لا تكمن القيمة الحقيقية للذكاء الاصطناعي في التقرير الأولي، بل في القدرة على التعلم المستمر؛ فعندما تُستخدم التحليلات لمراجعة القرارات السابقة، وفهم ما نجح وما لم ينجح، حينئذ تتحول البيانات إلى ذاكرة مؤسسية تراكمية، ومن شأن هذا التعلم يساعد القيادة على تحسين السياسات، وتعديل البرامج، وتجنّب تكرار الأخطاء، بدل الاكتفاء بردود فعل آنية. وإن المؤسسات التي تنجح في هذا الجانب لا تنظر إلى البيانات بوصفه منتجا نهائيا، بل مدخلا لحوار إداري مستمر.

الموازنة بين السرعة ودقة القرار

       من مزايا الذكاء الاصطناعي تسريع الوصول إلى المعلومة، لكن السرعة قد تتحول إلى مخاطرة إذا لم تُقابل بتأنٍ إداري؛ فبعض القرارات الخيرية تتطلب وقتًا للمراجعة والتشاور، حتى لو توفرت البيانات فورًا، وهنا يكمن التحدي الحقيقي في توقيت القرار المناسب؛ فالمؤسسات الناضجة هي التي تعرف متى تستفيد من التحليل الفوري، ومتى تُبطئ الإيقاع لصالح التحقق والموازنة، وإن مثل هذا الوعي من شأنه أن يمنع الوقوع في فخ «الاستجابة السريعة الخطأ»، ويجعل الذكاء الاصطناعي أداة ضبط لا عامل استعجال.

ثقافة القرار القائمة على تحليل البيانات

        إن نجاح قياس الأثر لا يعتمد فقط على الأدوات، بل على الثقافة المؤسسية التي تتعامل مع البيانات؛ فحين تُستخدم المؤشرات لمعاقبة الفرق أو تسويغ قرارات مسبقة، فإنها تفقد قيمتها.. أما حين تُستخدم للتعلّم والتحسين، فإنها تصبح عنصر تمكين؛ لذلك، من المهم أن تُغرس لدى الفرق قناعة بأن البيانات ليست وسيلة رقابة، بل لغة مشتركة للحوار واتخاذ القرار، وهذه الثقافة تشجع على الشفافية، وتقلل الدفاعية، وتحوّل الذكاء الاصطناعي من «حَكَم صامت» إلى «مستشار موضوعي» يخدم الرسالة الخيرية ويسهم في إنجاحها.

حدود القياس في العمل الخيري وآفاقه

        رغم أهمية قياس الأثر، من الضروري إدراك أن بعض جوانب العمل الخيري لا يمكن اختزالها بالكامل في مؤشرات رقمية؛ فالتغيرات الاجتماعية طويلة المدى، أو الأثر النفسي على المستفيد، أو تعزيز الكرامة الإنسانية، كلها عناصر يصعب تمثيلها بدقة عبر البيانات وحدها؛ ومن هنا يجب أن تتعامل قيادات العمل الخيري مع نتائج التحليل بوصفها إشارات مساعدة لا أحكامًا قاطعة؛ فالذكاء الاصطناعي يُظهر الاتجاهات، لكنه لا يقدّر السياق الإنساني الكامل، ولا يستوعب دائمًا الفروق الثقافية أو الظروف الاستثنائية، كما إن تجاهل هذه الحدود قد يؤدي إلى قرارات دقيقة رقميا لكنها ضعيفة إنسانيا.

نصيحة تقنية للقيادات:

تتمثل النصيحة التقنية للقيادات في عدم الاكتفاء بتوليد تقارير ذكية؛ بل بربط كل مخرج تحليلي بسؤال قرار محدد: ما القرار الذي سيتأثر بهذه البيانات؟ ومن المسؤول عن تفسيرها؟ ومتى تُراجع؟ وهنا يُنصح بأن تكون لوحات القياس محدودة وواضحة، وأن تُناقش دوريا ضمن سياق إداري، لا أن تُترك بوصفها مخرجات تقنية معزولة. بهذا الأسلوب، يصبح الذكاء الاصطناعي أداة تعلم ودعم، لا مجرد أداة عرض، وتتحول البيانات من عبء تشغيلي إلى أداة فاعلة في تحقيق الأثر الخيري.  

مصطلحات تقنية:

حتى لو لم يكن صانع القرار خبيرًا تقنيا، فإنه يحتاج لفهم بعض المفاهيم الأساسية:

• مؤشرات الأثر (Impact Indicators): مقاييس تربط النشاط بالنتيجة الإنسانية أو الاجتماعية.
• مؤشرات الأداء الرئيسية (K.P.I.s): أرقام تشغيلية تُستخدم لمتابعة التقدم نحو هدف محدد.
• تحليل الاتجاهات (Trend Analysis): دراسة التغيرات بمرور الوقت لفهم الأنماط طويلة المدى.
• لوحات القياس (Dashboards): واجهات مبسطة تعرض المؤشرات الأساسية بشكل مرئي.
• التحليل المقارن (Benchmarking): مقارنة الأداء عبر فترات أو برامج مختلفة لاستخلاص الدروس.
• دعم القرار (Decision Support): استخدام البيانات والتحليلات لتوسيع خيارات القرار دون اتخاذه آليا.