القدرات
أربعة عشر خط خدمة، مرتّبة بحسب من يشتريها
ما تحصلون عليه فعلًا
مرتّبة بحسب الإدارة التي تشتريها، لا بحسب التقنية التي تبنيها. لا أحد لديه موازنة للرؤية الحاسوبية.
إن مراحل الارتباط الأربع تجيب عن كيف تشترون: تشخيص، ثم خطة طريق، ثم بناء، ثم إشراف. أما الخطوط الأربعة عشر أدناه فتجيب عن السؤال الآخر - ما الذي يُبنى أو يُحسَّن فعلًا - وهي موزّعة على خمس مجموعات تحمل أسماء الإدارات التي توقّع عليها: المالية والمشتريات، والعمليات، والموارد البشرية والخدمات المشتركة، والعملاء والإيرادات، والالتزام والحوكمة. كل خط يحمل ما يمسّه، مذكورًا باسمه، وأقوى دليل مُنجَز يسنده، بما في ذلك تصريح واضح في أربعة منها بأن الدليل جزئي أو غائب.
علامات «جزئي» هي ما يجعل الخطوط القوية قابلة للتصديق. فالقائمة التي تبدو فيها الخطوط الأربعة عشر متساوية القوة تُقرأ كقائمة لم يُفحص فيها شيء، والمشتري المتمرّس يقرؤها كذلك في أقل من دقيقة.
كيف صار ١٨ خط خدمة في السوق ١٤ خطًا نبيعها
ناقص ٢ لا نملك أي دليل عليهما: الذكاء الاصطناعي للمشتريات وسلاسل التوريد، والصيانة التنبؤية
ناقص ٢ هما مرحلتا التقييم وخطة الطريق باسم آخر: استشارات حوكمة الذكاء الاصطناعي، وأعمال جاهزية البيانات والمنصات
ثلاثة خطوط تحمل خلفها أكثر مما يوحي الاسم
كل واحد منها فئة يمكن لأي جهة أن تدّعيها. وما يلي هو نمط الفشل الذي واجهناه والرقم الذي تغيّر.
AI Voice Agents
خمسة أنظمة صوتية في الإنتاج. ومعظم من يبيع «الذكاء الاصطناعي الحواري» في هذه السوق يبيع أداة محادثة نصية.
يثمر الصوت حيث يمكن الإجابة عن حجم كبير من الاستفسارات المتكررة من نظام مرجعي، ويكون المتصل في الغالب بعيدًا عن مكتبه - في مصنع، أو في مركبة، أو في موقع، أو خارج ساعات العمل. نُفِّذ في الطاقة والبتروكيماويات، والاتصالات، والمصارف، والرعاية الصحية. والشكل نفسه ينطبق مباشرة على المرافق، والمواني واللوجستيات، وإدارة المرافق والتشغيل والصيانة، ومكاتب الخدمة الحكومية - «ينطبق على»، لا «نُفِّذ لأجل»، والتمييز يستحق أن يبقى ظاهرًا.
المرتكز الصناعي: مشغّل بتروكيماويات، حيث خُدم ٦٤٪ من اتصالات الاستقبال ولوحة المكالمات دون تدخل شخص، وانخفض الوقت للحصول على جواب عن موقع أو جهة اتصال أو مرفق من ٢٫٩ دقيقة إلى ٣١ ثانية. واستغرق تشغيله نحو ثلاثة أسابيع، بإعادة تشكيل منصة صوتية قائمة لا بالبناء من الصفر - وهذا يجيب عن سؤال «متى يصبح هذا حقيقيًا» قبل أن يُسأل.
- الأرقام المنطوقة عبر حاجز التحقق هي حيث تموت الوكلاء الصوتية فعلًا.
- الرقم المسموع خطأً لا يُضعف الجواب، بل يُنهي المكالمة - فيبدأ العميل من جديد مع موظف، وهو أسوأ من ألّا يُعرض الوكيل أصلًا. وقد ارتفع التقاط الأرقام المنطوقة من المحاولة الأولى من ٨٤٪ إلى ٩٨٫٦٪، وهذا المقياس وحده هو الفرق بين وكيل قابل للنشر وعرض توضيحي.
أدخِلوا أرقامكم فيها → - اللهجة الخليجية ليست لكنة واحدة.
- انخفض معدل خطأ الكلمات من ٣١٪ إلى ١٢٫٧٪، و - وهو الرقم الأصعب - ضاق التفاوت بين اللهجات من ١٩ نقطة إلى ٥. فالنظام الذي يعمل جيدًا في المتوسط وسيئًا مع كلام منطقة واحدة نظامٌ فشل لمحافظة كاملة، والمتوسط يخفي ذلك بالضبط.
حيث يكون هذا الدليل جزئيًا. الأنظمة الصوتية الخمسة كلها خارج قطاع المشتري الصناعي. فاقرؤوها دليلًا على الهندسة، لا على الصلة بالقطاع - فتشغيل ذكاء اصطناعي صوتي عربي في الإنتاج لمشغّل وطني دعوى تنفيذ، وينبغي أن تُقرأ كذلك.
AI Document Intelligence
ثمانية أنظمة منجَزة، تشمل الفواتير، وأوامر الشراء، والعقود والتسويات، وإشعارات التسليم، ومستندات الاعتماد، والورق الممسوح ضوئيًا، والمستندات ثنائية اللغة. قدرة واحدة مطبَّقة على أنواع كثيرة من المستندات، لا أداة لإدارة المالية.
التغطية هي المكسب، لا السرعة. في تسويات شركاء مشغّل اتصالات، انتقل التحقق مقابل شروط العقود من نحو ١٥٪ بالمعاينة إلى ١٠٠٪ - وأظهرت أول دورة تغطية كاملة ٢٫٣ مرة معدل التباين الذي كانت العملية بالمعاينة تُبلّغ عنه.
ولنقل بصراحة ما يعنيه هذا المضاعف وما لا يعنيه. إنه ليس دعوى عن دقة النموذج، بل قياس لما كانت المعاينة تخفيه، لأن التباينات لم تكن يومًا موزّعة بالتساوي على دفتر الشركاء - والمعاينة تفترض أنها كذلك. والشكل نفسه يتكرر في الحسابات الدائنة: من المعاينة إلى مطابقة ثلاثية بنسبة ١٠٠٪، ومن ١٢ دقيقة إلى ٤٥ ثانية لزمن التحقق من الفاتورة.
دقة الاستخلاص بحسب جودة المُدخل، وما حدث للبقية
- الدقة تتفاوت بحدّة بحسب جودة المُدخل، وقد نشرنا التفاوت.
- في ورق ممسوح ضوئيًا لدى وزارة صحة، بلغ الاستخلاص ٩٦٪ على النماذج الرقمية النظيفة، و٨٤٪ على المسوحات الضعيفة، و٦١٪ على المُدخلات المكتوبة بخط اليد. وبدلًا من دمجها في رقم واحد مُرضٍ، وُجِّهت ١٤٪ من الحقول إلى مراجعة بشرية، كل حقل مع موضعه في الصفحة. والمورّد الذي يذكر رقم دقة واحدًا لاستخلاص المستندات إما لم يقِسه على مُدخلات حقيقية، أو اختار ألّا يقول.
- توقف النظام عن اصطياد الخطأ نفسه مرارًا وبدأ يزيل سببه.
- انخفضت حالات عدم التطابق المتكررة من المورّد نفسه بنسبة ٦٧٪ حين صارت إشعارات التصحيح تُرسل تلقائيًا. وهذا أثر من الدرجة الثانية، وهو في الغالب أثمن من الاستخلاص نفسه، لأنه يقلّل الحجم بدل أن يعالجه أسرع.
حيث يكون هذا الدليل جزئيًا. الدليل مستندات اتصالات وخدمات مالية، لا فاتورة مقاول باطن في الإنشاءات. والآلة نفسها؛ ونحن نقول أيّها كان.
Semantic Search
ستة أنظمة منجَزة. والقيمة هنا ليست السرعة - بل إظهار جواب لم يكن ليُوجد أبدًا، ومنع جواب كان سيخرج خاطئًا بثقة.
المشكلة الهندسية ليست ترتيب المطابقة، بل أن الكلمات التي يستخدمها السائل ليست الكلمات التي يستخدمها المستند: يسأل أحدهم عن «التقاعد المبكر» والنص النظامي يقول «استبدال الاستحقاق قبل المدة المؤهِّلة». وسدّ هذه الفجوة هو الاختصاص كله.
في المتن النظامي لهيئة تأمينات اجتماعية - لغة قانونية عربية، وهي حيث يتدهور أداء التمثيلات العامة أكثر ما يكون - انتقلت نسبة ظهور الحكم الصحيح في أول ثلاث نتائج من ٦٢٪ إلى ٩٣٪ على المصطلحات النظامية الحرفية. أما الرقم الأهم فهو من ٣٤٪ إلى ٨٩٪، على الأسئلة المصوغة بالطريقة التي يتكلم بها المشترك فعلًا. وهذا الرقم الثاني هو سدّ فجوة المفردات: أسئلة كانت لا تُرجع شيئًا نافعًا صارت تُرجع الحكم الصحيح.
- الجواب الخاطئ بثقة أسوأ من عدم الجواب.
- النظام الذي يثق بمسافة التمثيل وحدها سيُرجع حكمًا متشابهًا في الموضوع ويحكم فئة أشخاص مختلفة كليًّا. فالأحكام التي تُقرأ كأنها متجاورة قد تحمل استحقاقات مختلفة جوهريًا، لذا تفحص مرحلةُ تنقيح المطابقة كل مرشَّح مقابل السؤال الفعلي: استُبعد نحو مرشَّح من كل ستة قبل أن يراه أي مشترك. ونظام مصاحب خفّض أخطاء التصحيح اللاحقة من ١٢٪ إلى ٣٪ بالطريقة نفسها - وهذا الرقم الأخير هو كلفة الجواب الخاطئ بثقة، مقيسةً مباشرة.
أدخِلوا أرقامكم فيها → - نماذج الصلاحيات هي العمل الحقيقي، والنظام يعمل داخل المقر حيث يجب.
- الفهرس الذي يتجاهل اختلافات مستوى المستودع سيُظهر مستندًا لشخص يحق له رؤية المجلد لا الملف. وقد بُني أحد الستة حيث لا يمكن لأي شيء أن يخرج من المبنى مطلقًا، ووُجد هذا الشكل لأن جهة قضائية اشترطته.
حيث يكون هذا الدليل جزئيًا. «مساحة عمل الذكاء الاصطناعي» تحزم هذه القدرة مع توحيد نقاط الوصول حولها. ومرجعها الخاص قصة سرعة، لأن الجواب هناك معلوم الوجود والمشكلة هي إيجاده أسرع بين أماكن أكثر من أن تُبحث. وهذه مشكلة مختلفة عن مشكلة هذا الخط، ولا نستعير رقمها لوصفه.
الأرقام مأخوذة من سجلات التنفيذ الخاصة بالممارسة للمشروع المذكور، ومقيسة مقابل العملية التي سبقته. ولم تخضع لتدقيق طرف ثالث، ولا يُعرض أي منها كمتوسط بين عملاء.
الخطوط الـ١٤
أربعة عشر هو الحد الأعلى، ولا يمكن قراءته إلا بفضل المجموعات الخمس. وإن اقتُرح خط خامس عشر، فسيُحذف غيره.
AI for Finance & Procurement
AI Document Intelligence
شرح كامل أعلاه4 منفَّذة، و4 منشورة هناأقرب دليل من قطاع مجاور
Four thousand supplier invoices a month, and three people typing them into the ERP. Month-end waits for them.
Reads supplier invoices, purchase orders, contracts, delivery notes and material submittals. Extracts the fields, validates them against what the system already holds, and flags what disagrees rather than what merely looks unusual.
الدليل. A Gulf telecom operator's finance function - sampled review at 15% replaced by 100% coverage; per-document review ~40 min → ~6 min
حيث يكون هذا الدليل جزئيًا. The proof is telecom and financial-services documents, not a construction subcontractor invoice. The machinery is identical; say which it was.
من يشتريه: CFO, finance director, procurement director
Report & Reconciliation Automation
2 منفَّذة، و2 منشورة هناأقرب دليل من قطاع مجاور
Somebody rebuilds that report by hand every month, and it is three weeks out of date the day it lands.
Replaces the recurring manual report - pulling from the systems of record, grouping and scoring what arrives continuously, and producing the thing a person currently assembles.
الدليل. A Gulf fuel-retail operator - reporting lag ~3 weeks → under 24 hours, sample → full coverage
حيث يكون هذا الدليل جزئيًا. Partial. No case yet where a specific recurring finance report was replaced end to end. The Gulf fuel-retail operator shape - continuous unstructured input becoming a grouped, scored dashboard - is the honest analogue, and should be offered as one.
من يشتريه: finance, operations, HSE, quality
AI for Operations
Semantic Search
شرح كامل أعلاه6 منفَّذة، و3 منشورة هنا
Someone asks about retiring early. The system returns something that reads like an answer - and it governs a different category of member entirely. Nobody catches it until the wrong expectation is already set.
Finds the answer keyword search would never reach, because the asker doesn't know the document's own vocabulary for their situation - and, just as important, catches the answer that reads correctly but doesn't apply, before it reaches anyone. The value here is not speed. It is surfacing what would otherwise never be found, and stopping what would otherwise be confidently wrong.
الدليل. A Gulf social-insurance authority - correct provision in top 3: 62% → 93%; queries phrased in the asker's own words rather than statutory terms: 34% → 89%; ~1 in 6 retrieved candidates discarded as confidently wrong before a member ever saw them. The value is not speed - it is surfacing what keyword search would never find, and catching what a naive match would confidently get wrong. A Gulf commerce ministry - correct activity in top 5: 96%; ranked first: 81%; downstream corrections at licensing: 12% → 3%
من يشتريه: operations director, HSE, engineering, legal, compliance
Workflow Copilots & Agents
3 منفَّذة، و2 منشورة هناأقرب دليل من قطاع مجاور
They already have four systems open. Nobody wants a fifth place to go and ask.
An assistant inside the tools people already use that drafts, summarises, answers and completes routine steps - and, critically, one operating environment rather than another destination.
الدليل. A Gulf tax authority - new use-case deployment time −40%, analyst throughput +35%
حيث يكون هذا الدليل جزئيًا. The platform story is the strong one, and it is the argument for doing the foundations once. Lead with the structure, not the assistant.
من يشتريه: department heads, COO, IT
Document & Request Triage
3 منفَّذة، و3 منشورة هناأقرب دليل من قطاع مجاور
It arrives in a shared inbox and goes to whoever has time.
Classifies what comes in and routes it - service requests, RFIs, claims, applications - with the basis for each decision recorded.
الدليل. A Gulf telecom operator - compliance-phrase detection recall 94%; sample → 100% reviewed
حيث يكون هذا الدليل جزئيًا. Partial, and say so in these words - the classification and routing machinery is in production; this specific application would be new. That sentence has never once cost a deal, and asserting otherwise would.
من يشتريه: IT, shared services, procurement
AI for HR & Shared Services
AI for Customer & Revenue
AI Voice Agents
شرح كامل أعلاهThe caller has to read out an account number, and if the system mishears one digit the whole call is wasted.
Answers the phone in Arabic and English, completes the routine transaction rather than only answering questions, and hands over cleanly when it should.
حيث يكون هذا الدليل جزئيًا. All five are off-sector for an industrial buyer. Use it as proof of engineering, not of industry relevance - "we run production Arabic voice AI for a national operator" is a delivery claim, and it should be said as one.
من يشتريه: customer service director, COO, shared services
AI Sales Agents
We push the same offer to everybody and measure whether they took it.
Works out what to offer which customer next, and why - recommendation and next-best-action with the reasoning visible rather than a score on its own.
حيث يكون هذا الدليل جزئيًا. The proof is banking and retail. For an industrial buyer this line is relevant where there is a dealer network, a spares catalogue, or a renewals book - say so, and do not offer it where there is not.
من يشتريه: sales director, commercial, marketing
Service & Conversation AI
20 منفَّذة، و6 منشورة هناأقرب دليل من قطاع مجاور
Routine enquiries consume the people who should be handling the difficult ones.
Text and web assistants that complete a service action rather than only answering, plus call summarisation and quality review on what still reaches a person.
الدليل. A Gulf telecom operator - first-pass spoken-number capture 84% → 98.6%
حيث يكون هذا الدليل جزئيًا. This is the most crowded line in the market - every competitor sells a chatbot. Lead with the traceability and the QA coverage, which most of them cannot do, rather than with the assistant itself.
من يشتريه: customer service director, COO, shared services
AI for Compliance & Governance
Bilingual Document AI
4 منفَّذة، و2 منشورة هنا
Your contracts are in Arabic, your invoices in English, and your HR letters are both on the same page. The tool you bought last year reads one of the three.
Document intelligence on mixed-script material handled natively rather than translated first - which is where global tooling degrades and where the practice's strongest technical evidence sits.
الدليل. Our own build - classification consistency +30%, extraction coverage +28%, manual review time −60%
من يشتريه: every function; usually reaches us through legal, compliance or finance
Risk & Anomaly Detection
1 منفَّذة، و1 منشورة هناأقرب دليل من قطاع مجاور
The one that does not belong looks exactly like the others until somebody adds it up.
Flags the transaction, claim, submission or reading that is out of pattern, with a reviewable reason rather than a score alone.
الدليل. Our own build - our own build. No isolated production metric. Weakest line we list
حيث يكون هذا الدليل جزئيًا. The weakest line we list. Do not build a pitch on it. It is a legitimate answer when a prospect raises it, and it belongs in a T1 scope rather than a proposal.
من يشتريه: risk, finance, audit, compliance
Cross-functional
Forecasting & Planning AI
5 منفَّذة، و5 منشورة هناأقرب دليل من قطاع مجاور
The forecast is a flat assumption that hides a twenty-point swing.
Demand, consumption, spares and cash forecasting - built on history that has been cleaned first, because that is usually where the error actually lives.
الدليل. A mid-market online fashion and homeware retailer, ~14,000 SKUs - forecast error ~42% → 19%, after repairing demand history
حيث يكون هذا الدليل جزئيًا. The finding matters more than the number here. Both cases repaired data definitions before modelling, which is the practice's whole thesis in miniature.
من يشتريه: operations, supply chain, finance
Inspection & Safety Vision AI
8 منفَّذة، و3 منشورة هنا
There are ninety cameras and nobody is watching them.
Reads images and video for defects, PPE breaches and asset condition.
الدليل. A beverage bottling operation, three high-speed lines - defect escape −84%, detection hours → under 2 min, returns −61%
من يشتريه: HSE, quality, operations
AI Training & Enablement
لا عمل منفَّذ خاص بنا يسند هذا الخط بعد.
The licences were bought and nobody uses them.
Teaching teams to use what has been built - practical enablement and adoption programmes rather than generic AI awareness training.
الدليل. None of our own.
It is the only line that needs no reference, only a curriculum. It is the lowest-risk thing the practice can sell cold, and it is a natural attachment to any delivered engagement.
من يشتريه: HR, L&D, department heads
ابدأ من هنا
اطلبوا الخطين الأقرب إلى حالتكم، لا الأربعة عشر كلها.
صِفوا المستندات والحجم وسنرسل الخطين المناسبين، مع الدليل وراء كل منهما والملاحظة الصريحة حيث توجد.
يصلك الرد في غضون يوم عمل واحد، من المهندس الذي سينفّذ العمل - لا من سلسلة رسائل تسويقية.