يبدو أن الأزمة الأساسية في سلاسل الإمداد لم تعُد في وقوع الاضطرابات بحد ذاتها. فالتأخير في الموانئ، وإعادة توجيه الشحنات، وتقلبات الطلب، والقيود اللوجستية، كلها أصبحت جزءاً من البيئة التشغيلية التي تتحرك فيها الشركات. السؤال الأكثر إلحاحاً اليوم، خصوصاً في أسواق الشرق الأوسط وأفريقيا، هو ما إذا كانت الشركات تملك القدرة العملية على فهم أثر هذه الاضطرابات بسرعة، واتخاذ قرارات منسقة قبل أن تتحول المشكلة المحدودة إلى سلسلة من التعطيلات المتتالية.
ضعف الرؤية الداخلية
في لقاء خاص مع «الشرق الأوسط»، يقول كريستوف شيتلر، المسؤول عن استراتيجية الذهاب إلى السوق لسلاسل الإمداد لدى شركة «سيلونيس»، إن «الاضطرابات الخارجية نفسها حتمية»، لكن الضعف الحقيقي يظهر في «عدم القدرة على التفاعل معها». بهذه العبارة، ينقل النقاش من فكرة السيطرة على العالم الخارجي، إلى سؤال يتناول كيفية فهم الشركة ما يجري داخل عملياتها عندما يقع الخلل. فالضعف لا يبدأ دائماً من الميناء أو الطريق أو المورد؛ بل من غياب الرؤية الكافية داخل المؤسسة نفسها.
ويرى شيتلر أن ضعف الرؤية هو في كثير من الأحيان «عرض لعمليات مجزأة وغير مترابطة»، ما يجعل أثر أي اضطراب غير واضح مسبقاً، ويؤخر زمن الاستجابة».
تفسر هذه النقطة سبب عدم كفاية الاستثمار في أدوات الذكاء الاصطناعي وحده؛ فالشركات التي تتحدث عن سلاسل إمداد مدعومة بالذكاء الاصطناعي، قد تجد نفسها أمام واقع مختلف يشمل بيانات موزعة بين إدارات وأنظمة متعددة، ومؤشرات أداء لا تعكس الصورة الكاملة، وقرارات يومية تتخذ بناء على أجزاء من الحقيقة التشغيلية. وبرأيه، عندها لا يصبح الذكاء الاصطناعي أداة للتحول؛ بل تصبح مشروعاً تجريبياً جديداً يضاف إلى قائمة طويلة من المبادرات غير المكتملة.
فخ المشاريع التجريبية
يصف شيتلر هذه الحالة بوضوح، قائلاً إن مؤسسات كثيرة «تشرع اليوم في تحويل سلاسل إمدادها بالذكاء الاصطناعي»، لكن معظم المشاريع التجريبية ينتهي في ما يسميه «Pilot Purgatory»، أي منطقة معلقة بين التجربة والتطبيق الفعلي. والسبب، بحسب طرحه، أن الطموح في الذكاء الاصطناعي يجب أن ينطلق من حالات استخدام ذات قيمة عالية، لا من الرغبة العامة في استخدام التقنية. كما أن التجربة يجب أن تجعل العمل أبسط للمستخدمين النهائيين، لا أن تضيف طبقة جديدة من التعقيد فوق عمليات معقدة أصلاً.
وفي التشغيل اليومي، تبدو هذه المشكلة أقل تجريداً مما توحي به المصطلحات التقنية. فشيتلر يعدّ سلسلة الإمداد «شبكة معقدة من العمليات المترابطة»، حيث تتحول كل عملية منفردة إلى ما يشبه «رسم السباغيتي» من المسارات والاستثناءات والتغيرات. وعندما تتضاعف هذه التعقيدات عبر سلسلة الإمداد من البداية إلى النهاية، تصبح النتيجة أن فرق التشغيل تنفق الوقت والمال في تحسين ما كان يمكن تنسيقه بكفاءة منذ البداية.
المثال الذي يقدمه هنا بسيط لكنه كاشف، ويتمثل في تعديل جدول تحميل أنشأه نظام إدارة النقل بعد اكتشاف قيود تشغيلية جديدة. في الظاهر، يبدو الأمر مجرد تعديل عادي على جدول، لكنه عملياً يعكس مشكلة أعمق: النظام أنشأ خطة بناء على معطيات معينة، ثم اكتشفت الفرق لاحقاً أن الواقع التشغيلي لا يطابق الخطة. كل تعديل من هذا النوع قد يكون محدوداً، لكن تراكمه عبر المشتريات والمخزون والنقل والإنتاج، يحول سلاسل الإمداد إلى بيئة تفاعلية متأخرة، لا استباقية.
السياق قبل الخوارزميات
من هنا تأتي أهمية ما يسميه شيتلر «السياق التجاري» أو «business context». فالنماذج والخوارزميات لا تحتاج فقط إلى تعريفات للمؤشرات أو المعايير؛ بل إلى فهم أعمق لما يصفه بـ«الفيزياء التشغيلية لسلسلة الإمداد بين الماضي والحاضر والمستقبل». المقصود هنا أن يعرف النظام ليس فقط ما هي السعة المخططة؛ بل كيف تتغير فعلياً، وأين تظهر القيود، وكيف ترتبط خطوة في الإنتاج أو النقل بخطوات أخرى لاحقة.
وفي هذا السياق، يصبح الذكاء الاصطناعي أقل شبهاً بأداة تتنبأ أو تجيب عن سؤال، وأكثر قرباً من طبقة تحليل وتشغيل تفهم العلاقات بين العمليات. ويشرح شيتلر أن الذكاء الاصطناعي يحتاج إلى ذاكرة تاريخية وفهم دلالي للعلاقات والقواعد والقيود، بناء على المعاملات الفعلية داخل سلسلة الإمداد، «وليس فقط ما تمت نمذجته». وهذا ما يميز بين صورة مثالية للعمليات كما تتخيلها المؤسسة، والصورة الحقيقية كما تحدث يومياً داخل الأنظمة والقرارات والاستثناءات.
الذكاء ليس عصا سحرية
في التخطيط للإنتاج، مثلاً، يمكن لوكيل ذكاء اصطناعي يعمل فوق هذا النوع من الفهم أن يحدد القيود الحقيقية في الطاقة الإنتاجية، والفروق بين الطاقة المخططة والواقع الفعلي، ثم يتعامل مع الانحرافات عبر إعادة الجدولة عندما تسوء الأمور. لكن قيمة هذا النوع من التطبيقات لا تأتي من كونه «ذكاء اصطناعياً» فقط؛ بل من قدرته على استخدام السياق التشغيلي الصحيح في الوقت المناسب.
هذا يضع حدوداً واقعية لما يمكن أن يفعله الذكاء الاصطناعي اليوم. فشيتلر لا يقدمه بوصفه حلاً سحرياً؛ بل يقول إن الذكاء الاصطناعي «تحويلي بدرجة كبيرة، وسيعيد ابتكار عمليات سلاسل الإمداد»، لكنه «ليس عصا سحرية ستزيل وجود الاضطرابات أو التقلبات». ويوضح أن قوته تأتي من قدرته على تفسير البيانات السياقية على نطاق واسع، وتشغيل السيناريوهات بسرعة لتقييم الحلول الممكنة عند وقوع اضطراب.
وفي حالة تأخر الموانئ أو تغيير مسارات الشحن، يظهر الفارق العملي؛ فالأنظمة التقليدية قد تنبه إلى وجود تأخير، لكن الذكاء الاصطناعي، عندما يكون مدعوماً بفهم سياقي للعمليات، يمكنه تحليل الأثر المتسلسل لحاوية أو سفينة عالقة على الشبكة بأكملها.
ويذكر شيتلر أن وكيلاً مدعوماً بأدوات فهم العمليات «لا يكتفي بتنبيهك إلى التأخير»؛ بل يفهم «التموجات اللاحقة» التي يسببها التأخير عبر الشبكة. هنا تنتقل فرق سلاسل الإمداد من حالة الإطفاء اليدوي للحرائق إلى الإشراف الاستراتيجي على قرارات يتم تحليلها وتنفيذها بشكل أسرع داخل الأنظمة المعنية.
كسر صوامع التشغيل
يصرح شيتلر بأن العقبة الكبرى ليست تقنية بحتة، وأن «التحدي ليس التكنولوجيا؛ بل الحصول على البيانات والسياق المرتبط بها». فالمشكلة داخل كثير من المؤسسات أن سلسلة الإمداد، رغم كونها في الواقع «عملية واحدة عملاقة»، فإنه تم تقسيمها إلى صوامع إدارية؛ منها المشتريات، والمخزون، واللوجستيات، وكل منها يستخدم لغة تقنية مختلفة ويعمل أحياناً وفق مؤشرات أداء متعارضة.
لذلك لا يكفي أن تحسن كل إدارة أداءها بشكل منفصل. فقد يؤدي تحسين المخزون في جهة إلى ضغط على النقل في جهة أخرى، أو يؤدي قرار في المشتريات إلى أثر غير محسوب على الإنتاج. ما تحتاجه الشركات هو الانتقال من تحسين الصوامع إلى نموذج تشغيلي تقوده العملية الكاملة. ويقول شيتلر إن التكنولوجيا لا تكون فعالة إلا بقدر ما توفر «النسيج الرابط» بين هذه الصوامع.
وبالنسبة إلى الشرق الأوسط وأفريقيا، تبرز هذه المسألة في قطاعات ذات تدفقات مادية معقدة وقيود خارجية كبيرة. ويشير شيتلر خصوصاً إلى قطاع لوجستيات الطاقة، الذي يواجه ضغطاً متزايداً للانتقال من الطموح إلى معالجة واقع العمليات المجزأة التي قد تعيق سرعة الاستجابة. وهذا لا يعني أن القطاعات الأخرى بعيدة عن التحدي؛ لكنه يعكس حساسية القطاعات التي تتداخل فيها الأصول المادية والنقل والتوقيت والطلب العالمي والقيود التشغيلية.
شروط الذكاء الفعلي
يلفت شيتلر إلى ضرورة بناء أساس بيانات واضح، وفهم كيفية اتخاذ قرارات سلسلة الإمداد اليوم، وأين توجد البيانات وأين تغيب. كما يشدد على اختيار حالات استخدام عالية القيمة، وعلى رسم ما يسميه «الفيزياء التشغيلية» للعملية قبل محاولة توسيع الذكاء الاصطناعي على نطاق واسع.
وبهذا المعنى، لا يدور النقاش حول ما إذا كان الذكاء الاصطناعي سيغير سلاسل الإمداد؛ بل حول من يملك الشروط التشغيلية التي تسمح له باستخدامه فعلاً. فالذكاء الاصطناعي يستطيع تسريع التحليل، ومحاكاة السيناريوهات، وربط القرارات بأثرها عبر الشبكة. لكنه لا يعوض تلقائياً عن بيانات مبعثرة، ولا يصلح وحده عمليات لا تعرف المؤسسة كيف تعمل في الواقع.
