عندما تتحول الشركة إلى وكيل: خمسة تأملات حول تنظيم عصر الذكاء الاصطناعي

“مُسحِّقو الذكاء الاصطناعي” هو سلسلة حوارات عميقة مع عدسة الذكاء الاصطناعي. الانتقال ليس تطورًا خطيًا، بل هو قلب الحلقة وإعادة البناء. في كل حلقة، ندعو مُسحِّق ذكاء اصطناعي—مُؤسس شركة ناشئة أصليّة في الذكاء الاصطناعي، أو شركة تتجه للتحول إلى الذكاء الاصطناعي، أو فرد يعيد بناء ذاته باستخدام الذكاء الاصطناعي، لمشاركة استنتاجاتهم، عملية تفكيكهم، منطق بنائهم، دروسهم، والأشياء التي يحافظون عليها وسط التغييرات المستمرة، ليقدموا مرجعًا حقيقيًا للآخرين الذين يسيرون على نفس الطريق.

الحلقة الأولى، استضفنا范凌، مؤسس ومدير تنفيذي لشركة Tezign، وأستاذ بجامعة Tongji، ومرشد دكتوراه، ومدير مختبر تجارب الذكاء الاصطناعي. شركة Tezign شركة تقنية مؤسسية تعمل في مجال الذكاء الاصطناعي منذ 10 سنوات، تركز على بناء أنظمة ذكاء مؤسسية تعتمد على بنية Generative Enterprise Agent (GEA) التي تفهم سياق الأعمال، وتشارك في اتخاذ قرارات معقدة، وتدفع النتائج باستمرار، لمساعدة الشركات على النمو، والابتكار، وزيادة الإنتاجية، مع خدمة طويلة الأمد لعملائها في الرؤى، وابتكار المنتجات، والنمو التسويقي. والأهم من ذلك، أنها تستخدم الذكاء الاصطناعي لإعادة بناء تنظيمها: من تحول الـ pod، إلى تنمية المجتمع، إلى بناء أنظمة تعتمد على المهارات، والسياق، والتنظيم، لإنشاء Generative Enterprise Agent.

تحدثنا مع范凌 عن كيف يغير الذكاء الاصطناعي هيكلية التنظيم، كثافة المواهب، تسليم العملاء، وحواجز المنتجات، وأيضًا عن المشاكل التي لا تزال غير محلولة وراء هذه التغييرات.

【اقتباسات ملهمة】

1. “الذكاء الاصطناعي ليس أداة لزيادة كفاءة البحث والتطوير، بل هو Agent يساعد من يحتاج إلى موارد البحث والتطوير على الحصول عليها.”

2. “الذكاء الاصطناعي جوهريًا يعارض تقسيم المهن والصناعات، ويعيدنا إلى حالة النهضة الشاملة المتجددة.”

3. “القيادة، الملكية، المسؤولية، والمرونة، هذه الأشياء التي تبدو غير ملموسة، تصبح أكثر وضوحًا في عصر الذكاء الاصطناعي.”

4. “معظم الشركات لا تزال في مرحلة المساعد المرافق: تضيف الذكاء الاصطناعي إلى الوظائف التقليدية. لكن قدرات الذكاء الاصطناعي تطورت بحيث يمكنها إعادة تصميم التنظيم نفسه.”

5. “المنظمات الأصلية في الذكاء الاصطناعي ليست أنشطة البشر التي تتضمن AI، بل هي أنشطة AI التي تتضمن حكم البشر. يمكن أن تكون الشركة كيان Agent، والبشر هم من يقدمون الحكم داخل هذه الوكالات.”

6. “نحن الآن في عصر وفرة المنتجات وقلة المستخدمين. النمو سيصبح أكثر صعوبة وأهمية. في زمن الذكاء الاصطناعي، يجب أن نركز على تلك القدرات التي لا يمكن للذكاء الاصطناعي تقليص وقتها.”

【مقدمة الضيوف في البحث:】

范凌، مؤسس Tezign ومديرها التنفيذي، وأستاذ بجامعة Tongji، ومرشد دكتوراه، ومدير مختبر تجارب الذكاء الاصطناعي. شركة Tezign تأسست منذ 10 سنوات، وتستخدم تقنيات الذكاء الاصطناعي لمساعدة الشركات على حل مشاكل رؤى المستخدم، وابتكار المنتجات، والنمو التسويقي. في هذا الحوار، شاركنا تغييرات تنظيم pod داخل الشركة، واختبار أدوات الذكاء الاصطناعي، ونظام السياق المؤسسي، ومنتجات مثل Atypica / GEA.

余一، باحث كبير في معهد Tencent، يركز على ابتكار منتجات الذكاء الاصطناعي الأصلية وتحول الشركات، ولديه خبرة طويلة في الاستثمار المخاطر وبيئة الحاضنات. حاصل على لقب خبير سنوي في لينكدإن، وموهوب في الذكاء الاصطناعي من قبل Tencent، ويشارك في حلقات تعلم الذكاء الاصطناعي.

【نظرة سريعة على البحث】تجربة تنظيم الذكاء الاصطناعي الأصلي في Tezign

نقطة التحول: أفضل استخدام لـ Cursor ليس في البحث والتطوير

范凌 يراقب دائمًا من يستخدم أدوات الذكاء الاصطناعي بشكل أفضل داخل الشركة. الجواب كان مفاجئًا—ليس البحث والتطوير، بل مديري المنتجات والمصممون. باستخدام Cursor، حصلوا على موارد كانت تتطلب سابقًا جدولتها وانتظارها من قسم البحث والتطوير. أدرك范凌 أن الذكاء الاصطناعي ليس فقط لزيادة سرعة التخصصات، بل هو وسيلة لتمكين شخص واحد من أداء أدوار متعددة. فرضية التنظيم “الوظيفي” منذ الثورة الصناعية، التي تقول إن شخصًا واحدًا في وظيفة واحدة، يتدرج في الترقيات، بدأت تتزعزع من الأساس. وسمى ذلك “الذكاء الاصطناعي هو ضد الثورة الصناعية”.

تنظيم التغييرات: نظام مزدوج من pod + المجتمع

استنادًا لهذا الفهم، قام范凌 بتغييرات تنظيمية مزدوجة. التغيير الأول هو تقسيم الشركة إلى pods—فرق متعددة التخصصات تتراوح بين 3 إلى 10 أشخاص، تقدم بشكل مغلق، ولا تعتمد على التنسيق بين الأقسام. قبل ثلاث سنوات، جربت شركة Tezign pod مرة، وفشلت، لأن الناس لم يكونوا مستعدين نفسيًا. لكن مع تطور أدوات الذكاء الاصطناعي، أصبح الفريق أقل اعتمادًا على التنسيق الأفقي، وأصبح جاهزًا. التغيير الثاني هو بناء مجتمع خارج الـ pods: مجتمع أفقي يساعد الجميع على تطوير مهارات البيع، والمنتج، والبرمجة، مع وجود مجتمع قيادي خاص—范凌 يعتقد أن في زمن الذكاء الاصطناعي، وجود 100 Agent أصعب من إدارة 10 أشخاص، وقيادة الـ pod تتطلب أكثر من قدرات AI، بل تتطلب حدسًا تجاريًا، وصبرًا.

ظاهرة ترافق التغييرات التنظيمية هي تلاشي حدود الأدوار. بدأ منسقو التسويق باستخدام Claude Code لكتابة السكربتات لجلب جهات الاتصال من LinkedIn، وأصبحوا مهندسي تسويق؛ ومديرو المنتجات والمصممون يستخدمون Cursor مباشرة لإصدار الميزات، دون انتظار الجدولة من التطوير. نسبة التطوير من 50% تتناقص، لكن “الذين يكتبون الكود” يزدادون.

محرك الثقافة: المؤسسون يشاركون في البناء

الهيكل التنظيمي هو الهيكل العظمي، لكن ما يجعل الذكاء الاصطناعي يعمل هو الثقافة. شركة Tezign تقدم تدريبات نظامية (مشروع ABC Plus)، لكن范凌 يلاحظ أن الدافع الأكثر فاعلية هو مشاركة المؤسسين أنفسهم. هو وفريق صغير من CTO، ومسؤول المنتج، يستخدمون AI لبناء منتجات جديدة، ويحققون نموًا في المستخدمين يفوق فرق الـ 7 الآخرين. يعرضون نماذجهم خلال الغداء أو القهوة، ويبدأ الآخرون في تقليد ذلك. مع الوقت، تتكون عادة “الفخر بعرض ما بنوه”، وهذه الثقافة تنتقل بسرعة أكبر من الترويج من الأعلى.

البنية التحتية: نظام سياق متعدد المستويات

شركة Tezign لديها ثقافة وثائق عميقة، حتى تسجيلات الاجتماعات تُحول إلى وثائق.范凌 يبني نظام سياق متعدد المستويات: مستوى الشركة، حيث توجد ملفات إرشادية مثل schema.md، تعمل كمؤشر على مئات الملايين من الوثائق؛ مستوى الـ pod، وهو سياق خاص بكل فريق؛ ومستوى الأفراد، حيث يدير كل شخص حواراته وتفضيلاته. يوضح أن السياق ليس كل شيء، فبعض الحالات تتطلب إطار عمل وليس تفاصيل كثيرة. ويجب أن يتعامل النظام مع الصلاحيات والسرية، ويذكر مثالًا: عند مشاركة شاشة، يبحث عن كلمة مرور Wi-Fi، وAI يعثر على كلمات سر سرية لا يراها إلا هو. يفضل عدم وضع بعض البيانات الحساسة في نظام السياق.

مشاركة المنتجات: GEA، وAtypica

على مستوى المنتج، تركز شركة Tezign على شيء أساسي: تراكم الأشياء التي لا يمكن للذكاء الاصطناعي تقليص وقتها.

GEA (Generative Enterprise Agent) هو بنية Agent مؤسسية. لا يركز على Agent واحد، بل على السياق والتنظيم—قائد Agent يقود عدة Sub-Agents، مع مهارات وسياق خاص بالشركة، لبناء فرق مشاريع Agent في مجالات فهم المستخدم، وزيادة المحتوى، وابتكار المنتجات، تعمل على مدار الساعة كشركة افتراضية.

Atypica تركز على “فهم الإنسان بواسطة AI”. استنادًا إلى حوالي مليون تعبير، قصة، إدراك، وسلوك حقيقي من المستخدمين، تبني نماذج عالم ذاتي لمحاكاة المستهلكين والمستخدمين المحترفين. مثال: أستاذ أمريكي يستخدم 20 ألف عينة من الأسر الحقيقية، ويُنتج 1000 شخصية نمطية، لمحاكاة مناقشات بين الأزواج والأهل حول موضوع الإنجاب، مع إدخال متغيرات سياسات لمراقبة التغيرات السلوكية—وهذا تطبيق مثير جدًا للذكاء الاصطناعي في العلوم الاجتماعية.

Game Lab (game.atypica.ai) يعالج دقة محاكاة الإنسان بواسطة AI. يتيح للناس والذكاء الاصطناعي لعب ألعاب اقتصادية (مثل معضلة العربة، لعبة التهديد النهائي)، ويستخدم بيانات البشر لضبط أداء AI حتى تتطابق قراراته مع قرارات الإنسان بشكل غير محدود. هذه هي الوسيلة الأساسية لتقييم أداء شركة Tezign.

الحلقة التجارية: اكتشاف السيناريوهات وتحفيز الحوار مع العملاء

بعد تشغيل الـ pod داخليًا، تغيرت استراتيجيات التواصل مع الخارج. أصبح قائد الـ pod “مسؤول اكتشاف السيناريوهات”: يستخدم AI لاستخلاص حوالي 100 سيناريو من أكثر من 600 طلب عميل، ويستخدم منهجية SPIS (الوضع-الألم-التأثير-الحل) لتنظيمها. التحدث عن “مشاكل الآخرين” مع العملاء أسهل من عرض المنتج، ويشعر العميل بأنه “يفهمني”. يقضي قائد الـ pod حوالي 30-40% من وقته في جمع السيناريوهات.

التكاليف والتوترات غير المحلولة

أفضل من يستخدم AI هو الأكثر تعبًا—عندما تتوسع قدراته، يتحمل المزيد من المسؤولية، ويزداد التعب، ويعترف范凌 أن هذه أكبر مشكلة لم تُحل بعد. بعد أن يستطيع الجميع البناء، تزداد عمليات التكرار، ويقوم عدة pods بعمل نسخ متعددة لنفس السيناريو، ويتسامح范凌 مع ذلك بدلاً من السيطرة. هناك فجوة تقييم بين Demo وProduction، وإذا لم يُدمج مع سيناريوهات حقيقية وبيانات فريدة، فإن الحواجز ستكون هشة جدًا.

توتر أعمق هو أن AI يخفض تكلفة الاستكشاف، ويزيد من قلق الناس. مع وفرة المنتجات وقلة المستخدمين، يصبح النمو أكثر صعوبة، وDemo ليس مشكلة، لكن النمو هو المورد النادر.范凌 يرد على ذلك بالبناء بشكل علني—يبني ويجمع ملاحظات، ويجعل عملية الاستكشاف جزءًا من النتيجة.

【الملخص الكامل للمقابلة】

إعادة هيكلة التنظيم: من Copilot إلى نموذج الـ Pod عالي التجمع

余一: نبدأ من أكثر شيء يثير اهتمامي، وهو “تحول تنظيم AI”. حسب معرفتي، شركة Tezign بدأت مبكرًا في تجريب تغييرات تنظيمية متنوعة. قبل عام تقريبًا، أجرى معهد Tencent دراسة حالة ومقابلة عن تجربتكم، وتحدث عن محاولاتكم الداخلية. مر عام، وأريد أن أستفسر عن التحديثات الأخيرة. أكثر شيء أذكره هو أنك ذكرت أنكم أعدتم تشغيل نظام الـ pod (فرق متعددة التخصصات الصغيرة)، وهذه هي المرة الثانية التي تجربون فيها. كثيرون قد لا يعرفون تمامًا ما هو شكل الـ pod كهيكل تنظيمي. هو في الأساس تغيير في الهيكل، بدأته Meta، وأراه كأنه تشكيل “فريق خاص” داخل الشركة، لالتقاط الفرص بسرعة في بيئة أو تقنية جديدة. هل فهمي صحيح؟ كانت المرة الأولى فاشلة، لكن مع دخول عصر الذكاء الاصطناعي، رأيتم أن الأمر أصبح ممكنًا، فقررتم المحاولة مرة أخرى. أود أن أسأل范凌، لماذا اخترتم هذا الهيكل في البداية؟ وما هو التقدم حتى الآن؟ أنا فضولي جدًا.

范凌: أنا شخصيًا بدأت باستخدام أدوات AI منذ وقت مبكر، لأننا نعمل في مجال منتجات AI. خلال الاستخدام، كنت دائمًا أفكر: إلى أي مدى نحتاج أن نصل، لنقول إننا أطلقنا قيمة الذكاء الاصطناعي بشكل حقيقي؟ سابقًا، إذا زدت كفاءة البحث والتطوير بنسبة 20-30%، اعتبرنا ذلك إنجازًا كبيرًا. لكن بالنسبة للذكاء الاصطناعي، هل 20-30% تحسين هو استخدام جيد أم لا؟ لم أكن أعرف المعيار في البداية.

ثم، حدثت لي لحظة أها (Aha Moment). رغم أن الأمر يبدو بسيطًا الآن، لكنه كان صادمًا لي حينها. لأنني كنت أركز على الكفاءة، فسألت فريقي عن Cursor، أداة برمجة AI. واكتشفت أن أكثر من يستخدم Cursor بشكل إبداعي، ليسوا من قسم البحث والتطوير، بل مديري المنتجات والمصممين. السبب بسيط: كانوا سابقًا ينتظرون موارد من قسم التطوير، الآن Cursor يتيح لهم الحصول على تلك الموارد مباشرة. بالنسبة لهم، Cursor هو مورد تطوير.

هذا جعلني أدرك شيئًا: الذكاء الاصطناعي ليس مجرد أداة لزيادة سرعة التخصص، بل هو Agent يمكنه مساعدة من يفتقر إلى موارد البحث والتطوير على الحصول عليها. ظهور AI جعلنا أكثر قدرة، وليس أكثر تخصصًا.

هذا دفعني للتفكير في الهيكل التنظيمي. هيكلنا، أو حتى نظام التعليم، كلها مبنية على منطق الثورة الصناعية: التخصصات، والترقيات، والتدرج الوظيفي. رغم أن الكثيرين يقولون إن AI هو الثورة الصناعية القادمة، إلا أنني أرى أن جوهره هو “ضد الثورة الصناعية”. يهدِّم هذا المفهوم، ويعيدنا إلى حالة النهضة الشاملة، حيث يمكن لشخص أن يكون “متعدد المواهب”. إذا استطاع مديرو المنتجات والمصممون استخدام أدوات AI ليصبحوا أكثر قدرة، فربما لم نعد بحاجة إلى تقسيم الوظائف بشكل صارم. كان الشخص يقتصر على وظيفة واحدة، الآن يمكنه أن يلعب أدوارًا متعددة مع AI.

余一: إذن، كيف ترون تطبيق هذا الفهم على التنظيم؟

范凌: هذا هو أساس فهمنا. الميزة الكبرى هي تقليل الاجتماعات والتنسيق، وتقليل الوقت المستغرق في التنسيق بين الفرق. نريد أن نصل إلى حالة “تجمع عالي، ترابط منخفض”. يعني فريق صغير جدًا، من 2-3 أشخاص، داخله يتعاون بشكل كامل، ويستطيع تسليم مهمة كاملة؛ وأيضًا، لا حاجة لتنسيق كبير بين الأقسام، بحيث يعمل كل قسم بشكل مستقل، ويوفر الوقت.

هذا المفهوم تطبقه شركة Tezign في الـ pod. قبل ثلاث سنوات، جربنا ذلك، وشرحنا الفكرة، لكن الناس لم يتقبلوا، وعادوا إلى التقسيم التقليدي. لكن مع ظهور لحظة أها، بدأ الفريق يتوقف عن التنسيق الأفقي، وبدأ يعتمد على AI، وأصبح جاهزًا. أنا شخصيًا أكره الاجتماعات، وأحب أن أكون منشئًا (Builder)، وأحب أن أنجز بنفسي. خلال تلك الفترة، سمعت أن OpenAI تستخدم نظام pods، وأن GPT تم تطويره بواسطة 35 pod. ففكرت: هذا هو الاتجاه الصحيح. عندما يتحول الفريق إلى وحدات صغيرة، تتغير الأمور تمامًا.

余一: تقسيم الفريق إلى وحدات صغيرة، يبدو مثاليًا جدًا.

范凌: كلما كانت الوحدة أصغر، زادت ملكية الأفراد (Ownership). سابقًا، كنت تكتب الواجهة الأمامية فقط، ولا تهتم بكيفية عمل قاعدة البيانات، أو تجربة المستخدم النهائية. الآن، في pod من 3-5 أشخاص، الجميع مسؤول عن تسليم المنتج النهائي. هذا يعزز تجربة المستخدم وجودة المنتج.

لذا، بدأنا نركز على الـ pods أكثر. الآن، أصبح أكثر نضجًا، والناس مستعدون نفسيًا ومهاريًا. لكن، تطبيق الـ pod له آثار جانبية. الأول، أن من يستخدم AI بشكل جيد، يتحمل مسؤوليات أكثر، ويشعر بالإرهاق أكثر. أقول دائمًا: في الليل، عندما تمشي في المكتب، ستجد أن الأشخاص الذين يبقون متأخرين هم غالبًا الأكثر كفاءة، وليس الأقل.

余一: صحيح، أحيانًا أقول لزملائي: “لماذا لم تذهب بعد؟”، والسبب أن كفاءتهم عالية، ويقومون بعدة مهام في وقت واحد.

范凌: بالضبط، هم ينجزون عدة مهام، ويمتدون في الحدود بشكل غير واعٍ. كانوا يكتبون الواجهة، والآن مع AI، يمكنهم تصميم المنتج، أو حتى وضع خطة التسويق بأنفسهم.

مثلاً، أمس، أحد زملائنا في فريق التسويق عرض لي نظام إدارة المحتوى الخاص بموقع الويب الذي بناه. سابقًا، كان يتطلب فريقًا من 20 شخصًا، الآن، باستخدام AI، أنجزه شخص واحد. رأيت أنه مذهل، لكنه زاد من تعبهم. AI لم يجعلهم أكثر استرخاءً، بل زاد من ضغطهم، خاصة أن لديهم معايير عالية للجودة. كانوا يحققون 60% من الجودة، ومع AI، وصلوا إلى 90%، وبدأوا يشتغلون ليلًا ونهارًا. هذه مشكلة نحتاج لحلها.

余一: فعلاً، هذا نوع من السعادة المزعجة. وما هو التحدي الثاني؟

范凌: التحدي الثاني هو أننا لا نستطيع الاعتماد فقط على التجربة الذاتية، بل نحتاج إلى تدريب منهجي. لذلك، أطلقنا مشروع ABC Plus (AI Builders and Creators Plus). نستعين بمحاضرين محترفين، يعلمون الفريق كيف يستخدمون Claude Code، وأدوات Agent المختلفة. فقط عندما نساعدهم على تخطي عبء المعرفة من الصفر، يمكنهم استخدام الأدوات بشكل فعال.

وبجانب ذلك، أنشأنا مجتمعًا (Community) يوازي الـ pod. في الهيكل التقليدي، المهندسون، ومديرو المنتجات، والمبيعات، هم وحدات إدارية مباشرة؛ الآن، حولنا هذه الوظائف إلى مجتمعات غير مباشرة. قائد المجتمع يهدف إلى تعليم الجميع البيع، والبرمجة، وصناعة المنتجات. لم نعد نقيّم الناس بناءً على مناصبهم، بل نساعدهم على أن يصبحوا أكثر تنوعًا.

إذن، الهيكل الحالي هو: وحدات الـ pod، التي تخدم العملاء أو تركز على التقنية، وهي منظمة عمودية؛ والمجتمع الأفقي، الذي يساعد على تنمية المهارات، وليس تقييم الأداء. بالإضافة إلى ذلك، أنشأنا مجتمعًا خاصًا بالقيادة (Leadership).

لأنني أرى أنه في زمن الذكاء الاصطناعي، قد يقود شخص 100 Agent، أو يقود 100 موظف يستخدمون Agents بشكل محترف. في هذه الحالة، تصبح صفات مثل القيادة، والملكية، والمسؤولية، والمرونة، أكثر وضوحًا، وتتحول إلى مهارات صلبة ومرتكزة على الواقع.

余一: إذن، نظام الـ pod في Tezign مستوحى من تجارب شركات أخرى، لكنه لم ينسخها بشكل مباشر، بل هو مبدأ أساسي للشركة، مع وجود نظام مجتمعي لتنمية المهارات، وبتعديلات تناسب ظروفكم.

范凌: في الحقيقة، لا نعرف تمامًا من أين استلهمنا، لكنهم يسمونها pod، ونحن أيضًا، والمنطق هو نفسه—تحويل الهيكل الهرمي إلى دائرة. نحن مهتمون بمفهوم “المنظمة الخضراء”، وطابع Tezign يتوافق مع ذلك. فقط، في السابق، كانت قدراتنا أقل، والآن مع AI، أصبحت القدرات متوافقة. التعديلات التي أجريناها الآن تشمل الشركة بأكملها. انتهينا من مراجعة Q1، ورغم أن الأمر غير مريح، إلا أن الجميع يفهم أن لا رجعة. أعتقد أن Q2 سيكون أكثر راحة للجميع.

余一: لماذا تشعر أن هناك عدم ارتياح؟

范凌: لأسباب كثيرة. سابقًا، عند تنفيذ مشروع، تجمع فريقًا من 20 شخصًا، وكل شخص لديه مسؤولية واضحة. إذا لم يُنجز شيء، يمكن تحديد المسؤول بسهولة. لكن في الـ pod، حتى لو كان الفريق 3-4 أشخاص، يجب أن يتعاونوا جميعًا. إذا لم يُنجز شيء، لا يمكن إلقاء اللوم على شخص واحد، ويزيد الضغط.

أيضًا، في Q1، واجهنا مشاكل. مثلاً، هل يجب أن يساعد pod مرهق آخر؟ لأن الجميع ليسوا كاملين، بعض الـ pods أقوى في التطوير، وأخرى في المبيعات. هل نحتاج للتعاون بين الفرق؟ هذا يثير مشاكل تنسيق. في هذه المرحلة، يشعر الجميع بعدم الارتياح، وضغط قادة الـ pod كبير. لكنني أؤمن أن هذا الاتجاه صحيح.

余一: هل هناك قواعد واضحة لحجم الوحدة بعد التحول إلى pod؟ هل يُحدد عدد معين، أم يترك للفرق أن تتطور بشكل طبيعي لتحقيق أعلى كفاءة؟

范凌: أفضّل أن يكون الـ pod أصغر قدر ممكن. لكن، من الناحية الواقعية، من يستطيع أن يقود pod بشكل فعال قليل، لذلك، حجم الـ pod الآن حوالي 10 أشخاص، ويمكن أن ينقسموا إلى مجموعتين.

余一: أنا مهتم جدًا بهذا الموضوع. سابقًا، سألت السيد Gong Yin من Anker، وقال إن حجم الوحدة المثالي هو 6 أشخاص، أي شخص متمكن من الأعمال وAI، مع 5 أشخاص يستخدمون AI. هذا هو فهمه لحجم الوحدة.

范凌: أعتقد أن المبدأ هو أن يكون الحجم صغيرًا قدر الإمكان. إذا استطاع شخص واحد أن ينفذ المهمة، فلا حاجة لاثنين. وإذا لم يستطع، فـ 10 أشخاص كحد أقصى. لا أؤمن بوجود رقم سحري مثل 5 أو 6. المبدأ هو أن يكون الحلقة مغلقة قدر الإمكان، ويملك الجميع ملكية كاملة.

وأريد أن أؤكد أنني لا أريد تقليل “ساعات العمل” للفريق. مثلاً، إذا كانت المهمة تتطلب 100 شخص-يوم، فلن أطلب من فريق مكون من 3 أشخاص أن ينجزها في 30 يومًا. هم سيحسنون العمليات بأنفسهم. ما أركز عليه هو: هل يمكننا تقليل الأنشطة غير الفعالة، مثل التنسيق الأفقي، وإعادة التوافق، التي تستهلك وقتًا كثيرًا؟ نحن نوفر الوقت من خلال تقليل العمليات غير الفعالة، وليس عن طريق ضغط العمل على الأفراد.

تنمية قادة AI الأصليين ورؤية الأعمال

余一: هنا، ذكرت أن عدد من يمكن أن يكون قائد الـ pod محدود. لدي سؤالان: أولًا، ما هو الشخص المناسب ليكون قائد الـ pod؟ ثانيًا، كيف تكتشفون وتدربون هؤلاء القادة داخليًا؟

范凌: من يستطيع أن يكون قائد الـ pod؟ بالإضافة إلى القدرات الناعمة (مثل قدرات AI، والتعلم)، أعتقد أن هناك قدرات صعبة جدًا، ويصعب تدريبها، لكنها ضرورية. مثل القيادة، وفهم P&L (الربح والخسارة)—حتى لو كنت من قسم التطوير، يجب أن تفهم P&L؛ وأيضًا، مسؤولية عالية جدًا.

أيضًا، في ظل التغييرات السريعة، الصبر أصبح من الصفات المهمة جدًا. هذه كلها مزيج من القدرات الناعمة والصلبة. أما قدرات استخدام أدوات AI، فأعتقد أن من يستطيع أن يكون قائد الـ pod، لن يكون أدنى في هذا الجانب.

كيف نُدربهم؟ هذا هو سبب وجود قسم القيادة في المجتمع. نحن لا نملك نظامًا متكاملًا بعد، لكن نخطط لتقديم تدريبات على القيادة، أو إرسالهم لدورات في كليات إدارة الأعمال. سابقًا، كنا نعلم القادة الصغار كيف يديرون فريقًا، لكن الآن، هؤلاء القادة يديرون مئات الـ Agents. هم في الواقع يديرون قدرة إنتاجية تصل إلى 100 شخص. لذلك، أعتقد أن كل شخص يجب أن يحضر دورة في الأعمال، أو القيادة. في زمن AI، يتعلم الجميع بشكل نشط أو غير نشط، لكن التفكير التجاري والقدرة الإدارية أصبحا نقاط ضعف.

余一: إذن، بالنسبة للمواهب الأصلية في AI، إذا أرادوا أن يصبحوا قادة يقودون فريق “إنسان + AI”، فالمجال الذي يحتاجون لتعزيزه هو المعرفة التجارية والقيادة.

范凌: هذا يختلف حسب الفريق. مثلاً، لدينا عملاء من صناعات تقليدية، لا يفتقرون إلى المنهجية أو القيادة، معتادون على إدارة فرق من آلاف الأشخاص. بالنسبة لهم، الأهم هو تغيير التفكير—من نمط SOP الثابت، إلى التفكير في AI. لكن، بالنسبة لشركات التكنولوجيا مثل Tezign، لم يجعل AI إدارة الفريق أقل أهمية، بل زاد من أهمية القدرات الإدارية والتخطيط.

余一: هذا مثير جدًا. قبل يومين، قرأت ورقة من Harvard، عن تدريب استمر حوالي 100 يوم على أكثر من 500 شركة. قسموا الشركات إلى مجموعتين: مجموعة تتبع الطرق التقليدية، وأخرى بدأت في الأسبوع الثاني أو الثالث في تحليل حالات تطبيق AI. ووجدوا أن المجموعة التي استخدمت حالات AI كانت تحصل على تمويل ونتائج أفضل بشكل واضح. هذا يدل على أن طريقة التدريب وأساليبه مهمة جدًا.

范凌: صحيح، أدوات AI في الواقع تتيح لقادة الأعمال أن يجدوا طرقًا لتحقيق أفكارهم. سابقًا، كانت النظريات التجارية تقتصر على “الشرح”، لكن الآن، AI يجعل التنفيذ ممكنًا. أعتقد أن AI هو نوع من “التقنية التجارية”.

مثل أنظمة ERP أو CRM، التي كانت أدوات لتطبيق التفكير التجاري. كل نظرية تجارية تحتاج إلى تكنولوجيا لتجسيدها. والعكس، AI هو فرصة لتمكين الأفكار التجارية التي كانت نظرية فقط، من أن تتجسد وتزدهر.

余一: أتابع بسؤال متعلق بالبحث. هناك رأي يقول إن التحولات التكنولوجية السابقة كانت واضحة في نسبة المدخلات والمخرجات، مع زيادة واضحة في الكفاءة؛ لكن AI، على مستوى الفرد، يظهر فوائد واضحة، أما على مستوى التنظيم، فإن العلاقة بين المدخلات والمخرجات تتلاشى. ووجدت دراسة أن هذا التلاشي قد يكون ناتجًا عن أن تقليل التكاليف والكفاءة هو مجرد مساحة خيال، أو لأسباب أخرى. هل لاحظتم أن هناك فرقًا في الكفاءة بين الفرد والتنظيم؟ هل هو بسبب أن تقليل التكاليف هو مجرد وهم، أم هناك أسباب أخرى؟

范凌: لم نقم بقياس التغييرات على مستوى التنظيم بشكل دقيق، لكن التغيير يجب أن يُقاس بالنتائج. مثلاً، عدد أعضاء الفريق لم يتغير، لكن النمو في الأعمال كان 60% السنة الماضية، وهدفنا هذا العام هو 80-90%. هذه النتائج كافية لإثبات قيمة AI.

لكن، كما قلت، هناك أشياء لا يمكن قياسها بالبيانات فقط. مثلاً، قادةنا مرهقون جدًا. حتى مع AI، يظل عبء العمل مرتفعًا. إذا كنت ترتدي سماعة وتكتب الكود، فعملك يظل مركزًا وغير مشتت. لكن الآن، قائد الـ pod يدير 6 أو 10 Agents، ويشرف على فريق كبير، ويشعر بعبء نفسي كبير. هذا لا يمكن قياسه بسهولة.

أيضًا، رغم سرعة التغير في AI، إلا أن التغير البشري بطيء. قبل عامين، كانت المنتجات الأساسية للذكاء الاصطناعي هي Copilot، وهو مساعد لكل شخص، وحقق كفاءة فردية، لكن الهيكل التنظيمي لم يتغير. السنة الماضية، ظهرت نماذج استنتاجية مثل DeepSeek-R1 وGPTo1، وبدأ AI يخطط المهام. هذا العام، هو عام الـ Agentic، حيث AI يبدأ في العمل بشكل فعلي.

حتى اليوم، معظم هياكل الشركات لا تزال تعتمد على Copilot قبل عامين—أي إضافة أدوات AI إلى الأقسام لزيادة الكفاءة. لكن، في الواقع، قدرات AI وصلت إلى مرحلة يمكن فيها إعادة تصميم الهيكل التنظيمي بالكامل باستخدام AI. الشركة يمكن أن تكون كيان Agent، والبشر هم من يقدمون الحكم (Judgement) داخل هذا الكيان.

هل فكرت يومًا في إعادة تصميم الهيكل التنظيمي وفقًا لمنطق AI؟ مثلاً، تعاونّا مع شركة لبناء Agent يعمل على مدار الساعة في تطوير المنتجات، حيث AI يشارك في الرسم، والبحث، ويعمل بشكل مستمر، ويوقف نفسه ليطلب رأيك. وإذا لم ترد خلال 10 دقائق، يواصل العمل بشكل مستقل. هذا يغير تمامًا نمط العمل.

نحن نعمل على منتج يسمى GEA (Generative Enterprise Agent)، وهو يعيد تشكيل عمليات الشركة في تطوير المنتجات، والتسويق، وغيرها، بحيث لا يدمج AI في عمل البشر، بل يدمج حكم البشر في عمل AI. تنظيم أصلي في AI لا يعني أن الجميع يستخدمون AI، بل هو إعادة بناء الهيكل باستخدام منطق AI.

余一: أوافق تمامًا. إذا ظل الأمر في مرحلة Copilot، فلن يُسمى تنظيم AI أصلي. أعتقد أن ما يُسمى بـ “المنظمة الأصلية في AI” العام الماضي، هو مجرد زيادة إنتاجية للأفراد، وليس تنظيمًا حقيقيًا. بعد أن بدأت أكتب برمجيًا بشكل مكثف، شعرت أن علاقتي مع Agents تشبه إدارة شركة من 100 شخص.

أكبر شعور هو أن الإنسان لم يعد قادرًا على التعايش مع AI بشكل دائم، لأنه إذا ظلوا معًا، سيُرهق الإنسان. واضح أن AI ليس من نوع الكائنات، وسرعة عمله لا تتوافق مع الإنسان. لذلك، أستخدم وسائل تواصل غير متزامنة، والبريد الإلكتروني، والتقويم، لإدارة Agents.

الكثير من النقاشات، مثل رأي Block، تتحدث عن نوع جديد من الهيكل التنظيمي. بما أن AI يمكن أن ينتج، فالأهم هو كيف نربط إنتاج AI بالسوق. هذا أهم من “كيف يتعاون الإنسان مع AI”.

范凌: بالتأكيد. لدي رأي دائم: إذا كانت شركتك صغيرة، ومنتجاتك ليست متقدمة جدًا، فكل تراكماتك السابقة قد تصبح عبئًا في مواجهة موجة AI. قد تتفوق شركة صغيرة خفيفة على شركة كبيرة، رغم أن ذلك قد يكون تحذيرًا ذاتيًا. لكن، العديد من الشركات الكبرى تشعر بالإلحاح، وتحاول التغيير. قد تتغير بسرعة.

هذا العام، سمعت أن الناس يقولون من “مثير للاهتمام AI”، إلى “عانينا من مشكلة، كيف نقوم بإعادة هيكلة المنظمة؟”، و"كيف نحل مشكلة أمان البيانات؟". بدأوا يجربون بشكل صغير، لكن الرغبة في التحرك قوية جدًا. العام الماضي، كانت المناقشات تركز على استهلاك AI، والحديث فقط، لكن الآن، العديد من العلامات التجارية الكبرى تسأل عن إعادة تنظيم قسم AI، وتخطط لذلك.

余一: أنا أيضًا ألاحظ ذلك. رواد الأعمال متحمسون جدًا للتحرك. حتى في وادي السيليكون، هناك حراك كبير. هل تعتقد أن ظهور منتجات مثل الروبيان (مثل LLaMA) جعل الناس يرون أن AI يمكن أن ينجز العمل بشكل ملموس؟ سابقًا، مع Claude Code، لم يشعر الرؤساء بقوة “الآلة التي تنفذ”، لكن الآن، يكتشفون أنهم يمكنهم مباشرة توجيه AI، ويعتقدون أن نتائجها أفضل من نتائج الموظفين. لذلك، يريدون أن يتحركوا بسرعة.

范凌: نعم، كل ثورة تضع المزيد من الناس في دائرة الاهتمام. هناك نقاط لم تُناقش بشكل كافٍ، مثل: هل يجب أن نُجمد SOP والقدرات في Skills، بحيث يستخدمها Agents؟ Jack Dorsey، مؤسس Block، ذكر أن كل شركة لديها “نموذج عالمي” مشترك، وهو نظام سياق مشترك (Context System).

في الأشهر الأخيرة، بناء نظام معرفة أو سياق مؤسسي لا يزال ثقيلًا جدًا، وصعب التنفيذ. يتطلب استثمارًا كبيرًا. في السياق المحلي، نادرًا ما يُناقش موضوع التقييم (Evals). في الخارج، أدركت أن هذا سوق كبير. الشركات تحتاج إلى تقييم قبل الانتقال من POC إلى الإنتاج. معظم العملاء لم يستثمروا بعد في Evals، فقط جربوا أدوات، ورأوا إمكانيات، لكن بدون نظام تقييم، لا يمكن أن تستخدم الشركة أدوات AI بشكل آمن ومستقر.

البحث عن السيناريوهات والتوازن بين الاستكشاف والتحديات

余一: الأسبوع الماضي، تحدثت مع زملاء من شركات أخرى في هانغتشو، وناقشنا هذا النموذج. أعتقد أن أحد الأساتذة اقترح هيكلًا جيدًا: المستوى الأول هو دعم قيادي ثابت؛ المستوى الثاني هو تمكين العامة من الاستخدام؛ والمستوى الثالث هو إنشاء مختبر (Lab) لتحديد أفضل الحالات، وتحويلها إلى منتجات أو حلول لنشرها في الشركة.

مثلاً، شركة Every، التي أحبها جدًا، رغم أنها صغيرة، أنشأت وظيفة “مسؤول اكتشاف AI”، يتحدث أسبوعيًا مع المدير التنفيذي، يناقش المشاكل، ويجمع الخبرات، لضمان استفادة الجميع. هل يوجد في Tezign دور مماثل أو هيكل جديد؟

范凌: في شركتنا، قائد الـ pod هو في الواقع “المسؤول الأول عن اكتشاف سيناريوهات AI”. شركة Tezign لديها ثقافة وثائق عميقة. حتى تسجيلات الاجتماعات تُحول إلى وثائق. أحد الاستخدامات النموذجية هو أن نستخدم أداة مثل OpenClaw لقراءة هذه الوثائق، وتلخيص السيناريوهات.

خلال الثلاثة أشهر الماضية، تلقينا أكثر من 600 طلب من العملاء. ساعدتنا AI على استخراج حوالي 100 سيناريو مشترك. استخدمنا منهجية تسمى SPIS: Situation (الوضع الحالي للعميل)، Pain (الألم أو المشكلة)، Impact (التأثير بعد تطبيق GEA)، وSolution (الحلول المقترحة). بعد أن استخرج AI هذه الـ 20+ نقطة مركزية، نستخدمها لشيئين:

الأول، نشاركها مع العملاء للتحقق من مدى تعميمها؛

الثاني، نستخدمها لطرح أسئلة على العملاء، لنرى إن كان لديهم سيناريوهات أخرى يودون مشاركتها.

سابقًا، كنا نستخدم نماذج منتج جاهزة، الآن، نستخدم “مشاكل الآخرين” لفتح حوارات. العملاء يشعرون بأن “أنت تفهمني”. ثم نوضح كيف يمكن للذكاء الاصطناعي أن يحل هذه المشاكل. لذا، جمع السيناريوهات مهمة جدًا، وقائد الـ pod يقضي حوالي 30-40% من وقته فيها.

余一: يبدو أن جمع السيناريوهات يركز أكثر على العملاء الخارجيين. كيف تتعاملون مع مهارات البرمجة الداخلية، أو نظام العمل اليومي للموظفين (أي “تذوق لحم الكلب”)؟

范凌: العام الماضي، كانت مبادرتنا الأساسية هي أن نستخدم AI بأنفسنا، ونتعلم بشكل عملي. أنا وفريقي الصغير، من CTO ومدير المنتج، كنا نكتب الكود بأنفسنا. ونتيجة ذلك، زاد عدد المستخدمين والنمو بشكل يفوق فرق الـ 7 الآخرين.

نحن أكثر فضولًا، نجرب أدوات مختلفة. بعد التجربة، لا نعتمد فقط على مدربين خارجيين، بل نُظهر نتائج مباشرة للفريق.

余一: أشارك تجربتي، وأقول إنه مثال رائع على “المؤسس الذي يعمل في عطلة نهاية الأسبوع، ويستفيد من فوائد AI Coding”.

范凌: أدركت أنني لست استثناء. العام الماضي، قال مؤسسو شركات تقنية مثل Shopify وIntercom وAirtable إنهم لم يكتبوا هذا القدر من الكود من قبل. إذا كنا نؤمن أن إدارة الشركة لا تعتمد على الاجتماعات، فكل وقت الغداء أو القهوة، أبحث عن شخص لأعرض عليه ما أنجزته. مؤخرًا، أظهرت كيف بنيت ويكي باستخدام AI. عندما ترى نتائج ملموسة، ستبدأ الآخرين في تقليدك. قائد الـ pod الخاص بي يعرض لي نماذجه للعملاء، ومديرة التسويق تعرض أنظمتها. أصبح لدينا عادة “الفخر بعرض ما بنيناه”.

المشكلة الآن ليست قلة الإنجاز، بل التكرار المفرط. كل فريق يريد أن يبني قاعدة سيناريوهات خاصة به، لأن تكلفة البرمجة منخفضة. لكنني أُفضل أن أُشجع على التجربة غير الرسمية، بدلاً من الضغط الشديد. لأنني أريد أن أتمكن من فهم مختلف الأدوات، وأحيانًا أكون "م