لماذا لا يزال العالم يعتمد على SAP

بفضل الذكاء الاصطناعي، أصبح تركيز الشركات الناشئة وعملائها منصباً على القدرات الجديدة كلياً والمنتجات التي أتاحتها هذه التقنيات، مثل وكلاء الصوت المتطورين، وأدوات أتمتة سير العمل، ومنصات تحويل النص إلى تطبيقات.

ورغم أن هناك العديد من الشركات الواعدة في هذه المجالات (وقد استثمرنا في بعضها)، إلا أن الأثر الأكبر للذكاء الاصطناعي سيظهر في جانب أقل جاذبية وأكثر قيمة بكثير: تمكين المؤسسات من تحقيق أقصى استفادة من البرمجيات الضخمة التي تعتمد عليها حالياً. إذا طرحنا سؤالاً قد يبدو غريباً حتى تختبر أسبوعاً في إحدى شركات Fortune 500: لماذا لا يزال الناس يستخدمون SAP (وServiceNow وSalesforce) حتى اليوم؟

الإجابة المباشرة: SAP أو أي نظام سجلات ضخم، يجمع بيانات أساسية وحيوية عبر جميع أقسام الشركة. لكن فوق ذلك، قامت الشركات بتخصيص هذه الأنظمة وبناء إجراءات وأدوار محددة عليها، وغالباً دون توثيق رسمي. الانتقال من هذه الأنظمة كان دوماً مؤلماً ومكلفاً ويستغرق سنوات - وغالباً ما يتطلب فرق استشارية ضخمة وتكاليف بمئات الملايين من الدولارات. على سبيل المثال، الترقية من SAP ECC إلى SAP S4HANA قد تتكلف $700M وتستغرق 3 سنوات مع فريق من 50 شخصاً من Accenture. وبعد كل ذلك، تصبح البرمجيات غالباً مجرد أداة لإنتاج تقارير للقراءة فقط يصعب تعديلها.

إلى أن جاء الذكاء الاصطناعي. اليوم، أصبح بالإمكان الترقية والتخصيص والاستبدال والوصول الأفضل للبيانات في هذه الأنظمة المركزية بفضل AI.

في النهاية، الهدف مع الذكاء الاصطناعي قد لا يكون "استبدال SAP/ServiceNow/Salesforce"، بل جعلها أكثر مرونة وقابلة للبرمجة. المنصات الفائزة ستكون تلك التي (1) تدمج نفسها في ميزانيات التحول مع تقليل المخاطر والوقت بشكل ملموس، ثم (2) تتوسع لتصبح منصة التحكم الموثوقة للعمل اليومي، وتفكك تدريجياً واجهة المستخدم القديمة إلى إجراءات وتطبيقات مصغرة مدعومة بالذكاء الاصطناعي. باختصار، تظل أنظمة السجلات قائمة؛ بينما تصبح طبقة الواجهة والأتمتة والامتداد هي الحدود البرمجية الجديدة.

SAP مؤلم، ومع ذلك لا يزال الخيار السائد

للتوضيح، SAP وأنظمته يصعب التعامل معها، وتعديلها مؤلم، ومع ذلك فهي العمود الفقري لأكبر المؤسسات حول العالم. إليك مثالاً على واجهة SAP!

المصدر

لكن هذه الصعوبة هي جوهر الفرصة.

الحقيقة أن هذه الأنظمة، رغم واجهتها غير المحببة وتعقيد إعداداتها، قوية للغاية: فهي تمثل نموذج البيانات الرسمي للأعمال، وتفرض الصلاحيات والضوابط، وتدير سير العمل على نطاق واسع، وتربط العشرات أو المئات من العمليات المتكاملة. ليست مجرد "تطبيقات" بل ذاكرة مؤسسية متراكمة في جداول وأدوار وموافقات ومنطق معالجة استثناءات.

استبدال هذه الأنظمة مكلف ومحفوف بالمخاطر. وكلما زاد استثمار الشركة في التخصيصات، زادت صعوبة الاستبدال، وأصبحت ميزة تنافسية. لهذا تعتبر قابلية التمدد عاملاً حاسماً: كل مؤسسة فريدة، والتغيير دائم (تشريعات، منتجات، هياكل تنظيمية)، وتبقى هذه المنصات لأنها قادرة على التكيف مع الواقع. لكن نفس هذه القابلية تجعلها هشة: كل تخصيص قد يتحول إلى عقبة مستقبلية، وكل سير عمل إلى متاهة، وكل شاشة إلى عبء إضافي على المستخدمين.

هذه الهشاشة واضحة في كل مكان. رضا المستخدمين عن CRM متذبذب رغم انتشاره، والتخصيص الزائد في ERP يرتبط دائماً بتجاوز الجداول الزمنية والميزانيات. الموظفون الرقميون يتنقلون بين التطبيقات حوالي 1,200 مرة يومياً (%47 منهم يواجهون صعوبة في إيجاد المعلومات اللازمة)، وتفشل %70 من التحولات الرقمية في تحقيق أهدافها. حجم الإنفاق المرتبط بهذه التحديات هائل: سوق تنفيذ البرمجيات/تكامل الأنظمة وحده بلغ $380B في 2023.

كل ذلك يشكل فرصة للذكاء الاصطناعي لتغيير طريقة تنفيذ واستخدام البرمجيات. لفهم الفرصة، راقب دورة حياة النظام: التنفيذ أو الهجرة، التشغيل اليومي، ثم البناء فوق النظام مع تغير الأعمال. في كل مرحلة، الهدف هو تحويل النوايا البشرية المعقدة إلى إجراءات دقيقة وقابلة للتدقيق.

كيف يمكن للذكاء الاصطناعي تحسين الاستفادة من البرمجيات القديمة في كل مرحلة؟

التنفيذ

مرحلة التنفيذ هي الأخطر والأكثر حساسية للميزانية، والأوضح في العائد. هنا يتحول الاكتشاف غير المنظم (اجتماعات، مستندات، تذاكر) إلى متطلبات واضحة، ومن ثم يتم إنتاج سير العمل تلقائياً: رسم العمليات، الإعدادات، البرمجة، الاختبارات، خطط الانتقال، ودلائل الهجرة، مع تنظيف البيانات والتحقق منها. هذه العملية معقدة: سلسلة Lidl الألمانية تخلت عن مشروع انتقالها إلى SAP بعد إنفاق $500 مليون.

هناك شركات ناشئة تطور مساعدين وأدوات إدارة مشاريع لمساعدة الشركات في الهجرة والتنفيذ. أمثلة على شركات ناشئة في هذا المجال (بدعم من Andreessen Horowitz):

• Axiamatic: طبقة ضمان بالذكاء الاصطناعي لأنظمة ERP، تبني رسم معرفة من مخرجات المشاريع وتكشف الإخفاقات الخفية في إدارة المتطلبات/التغييرات عبر Slack/Teams، لتقليل المخاطر وتسريع برامج S/4HANA (شراكة مع SAP Build؛ مدمجة في عمليات KPMG/EY/IBM).

• Conduct: مساعد رسم خرائط العمليات والبرمجة، ينتج طبقة دلالية وتوثيق تقني عبر ECC→S/4، مع أسئلة وأجوبة على الجداول وAPIs المخصصة.

• Auctor: تنفيذ وكيل للأنظمة/الخدمات الاحترافية، يلتقط الاكتشاف تلقائياً في متطلبات منظمة قبل أن يصبح نظام سجلات لعروض العمل، مستندات التصميم، قصص المستخدم، الإعدادات، وخطط الاختبار.

• Supersonik: تمكين المنتجات المدعومة بالذكاء الاصطناعي للقنوات/مزودي الخدمات والعملاء - وكلاء رؤية وصوت يدربون داخل واجهة المستخدم الحقيقية، مما يقلل الحاجة للموظفين ويمكّن تنفيذات يقودها الموزعون.

• Tessera’s: SI أصلي للذكاء الاصطناعي يدير التحولات المؤسسية من البداية للنهاية - يتصل بنسخة ERP الحالية للعميل، يقيم التنفيذ، ثم يكشف تلقائياً ويصلح ما يجب تغييره أثناء الهجرة.

هذه الشركات تخلق قيمة من خلال تسريع التحولات وتقليل التكلفة والمخاطر. تحقق ذلك بكشف المشكلات مبكراً، وضغط الجداول الزمنية، وتحويل البيانات غير المنظمة إلى معرفة منظمة، وتقليل الاعتماد على فرق SI الضخمة عبر الأتمتة.

هناك مجال أكبر لشركات تبني أدوات تعمل مع الشركاء الحاليين، مثل:

• وكلاء التنفيذ الذين يشاركون في النتائج والمخاطر (تتبع المتطلبات، مقارنة الإعدادات، محاكاة الانتقال، توليد الشيفرة، واكتشاف الانحرافات)

• أدوات التوثيق الدلالي التي تبقي المعرفة حديثة وسهلة الوصول

• وكلاء التمكين الذين يحولون التدريب والإطلاق إلى منتج قابل للتكرار

بفضل هذه الحلول، يمكن للشركات الناشئة تسعير خدماتها بناءً على التأخير الذي تم تجنبه، والبيع ضمن ميزانيات التحول التي يعتمدها مدراء التقنية والمالية، مما يقلل الاعتماد على العقود الضخمة.

الاستخدام والصيانة

بعد التنفيذ، يصبح استخدام النظام تحدياً بسبب فوضى واجهة المستخدم. العمل اليومي يتطلب التنقل بين عشرات الشاشات، وتغير الأدوار يعيد ضبط المعرفة، وسير العمل النادر لا يحصل على دعم كافٍ. المستخدمون يقضون وقتهم في البحث وتكرار البيانات وطلب تقارير من فرق العمليات، ما يؤدي إلى بطء العمل وأخطاء متكررة وعبء تدريبي دائم.

الفرصة هنا للذكاء الاصطناعي في إحاطة الأنظمة القديمة بطبقة "نظام إجراء" أكثر مرونة وفعالية.

تعمل الشركات في هذا المجال على تطوير مساعدين يعيشون في Slack أو كإضافة للمتصفح، يجيبون عن الأسئلة وينفذون إجراءات آمنة عبر APIs، ويربطون عدة تطبيقات في سير عمل مركب مع الموافقات البشرية ومسارات التدقيق وRBAC دقيق. أفضل هذه الأدوات تتابع نسب التبني والوقت الموفر ونسب الأخطاء.

الكثير من العمل المؤسسي لا يزال غير مكشوف عبر APIs، بل في الشاشات والبرمجيات الثقيلة وجلسات VDI. لهذا تعتبر "وكلاء استخدام الحاسوب" الحديثة مكملة مهمة للمساعدين المعتمدين على APIs: فهي توسع الأتمتة لتشمل %30–40 من سير العمل الذي لا يمكن أتمتته تقنياً. القدرات الأساسية هي الاعتمادية في الفوضى - وكلاء يدركون واجهة المستخدم، ويتعاملون مع التغيرات، ويستأنفون العمل بأمان. عند دمجها مع التحقق وضوابط المؤسسات، تتحول المهام اليدوية إلى أتمتة محكومة وقابلة للتكرار حتى في أجزاء SAP/ServiceNow/Salesforce غير المدعومة بالأتمتة. APIs تسرّع المسار السعيد، واستخدام الحاسوب يجعل الذيل الطويل قابلاً للأتمتة.

شركات مثل Factor Labs وSola تطبق هذه الحلول فعلياً، مستبدلة الإنفاق على BPO وتساعد المؤسسات الكبرى في أتمتة المهام على نطاق واسع.

الامتدادات

حتى مع تسهيل استخدام SAP/ServiceNow/Salesforce، ستستمر الأعمال في التغير، ما يتطلب تعديل نظام السجلات باستمرار. المنتجات والسياسات والاستحواذات والتشريعات الجديدة، وسير العمل النادر، كلها تتطلب تحديثات مستمرة. تاريخياً، كان أمام الفرق خياران: تخصيص النظام (ودفع ضريبة الهشاشة) أو بناء تطبيقات منفصلة (مع تحديات التكامل والصيانة). هنا يأتي دور الذكاء الاصطناعي: إطلاق تجارب صغيرة محكومة فوق أنظمة السجلات بسرعة، مع الحفاظ على جوهر النظام نظيفاً.

بناء أدوات وأتمتة جديدة فوق الأنظمة القديمة يصبح "الطبقة المحببة" فوق البرمجيات غير المحبوبة. تبدأ العملية بطبقة بيانات وإجراء موحدة، تقرأ من أنظمة السجلات عبر APIs والأحداث، وتوحد البيانات في نموذج دلالي، ثم توفر مجموعة محكومة من الإجراءات مع RBAC والموافقات والتدقيق.

فوق هذه الطبقة، تطلق الفرق تجارب حديثة مركزة. بدلاً من تعقيد إدخال مورد جديد في SAP، يحصل المحلل على تطبيق مصغر "إدخال مورد" ينفذ كل الخطوات تلقائياً. وبالمثل، يحصل موظفو RevOps على محرر سريع لتحديث شروط التجديد عبر واجهة واحدة، مع سجل تدقيق كامل. وبدلاً من مشاريع بوابات جديدة، يحصل الموظفون على لوحة أوامر تنفذ الإجراءات اليومية عبر أنظمة متعددة.

هذه الامتدادات تتيح أيضاً أتمتة سير العمل عبر الأنظمة، مثل "إذا تم ترحيل الفاتورة وكان الفرق >%3 → صغ تفسيراً → أرسل للموافقة"، أو "إذا أعيد فتح التذكرة مرتين → أنشئ سجل مشكلة → عين مسؤولاً → حدث العميل"، مع نقاط تحقق بشرية عند الحاجة. مع الوقت، تتحول أهم عمليات النشر إلى "حزم نوايا" قابلة لإعادة الاستخدام، ترمز ليس فقط ما يجب فعله، بل كيف يتم بأمان في بيئتك.

توفر منصات مثل Cell من General Magic اللبنات الأساسية لبناء سير العمل المخصص: يمكنك رفع مواصفات OpenAPI ليصبح كل endpoint إجراءً، ثم تضمين شريط أوامر ينفذ استدعاءات API حقيقية، مدعومة بالتحليلات وتعدد المستأجرين وحواجز الأمان وRBAC، لينتقل العمل من إعادة بناء واجهة مستخدم إلى تركيب الإجراءات والسياسات الصحيحة فوق الأنظمة التي تثق بها.

كيف يبدو المشهد النهائي؟

ستستمر الأنظمة القديمة غالباً، لكنها ستتوقف عن كونها الواجهة الرئيسية للعمل. أنظمة ERP وCRM وITSM متجذرة جداً بحيث لا يمكن استبدالها بوتيرة تحديث البرمجيات؛ ستظل أنظمة السجلات. ما سيتغير هو "نظام الإجراء" الموجه للمستخدم: سيصبح الذكاء الاصطناعي الواجهة الافتراضية لاكتشاف النظام وتنفيذ سير العمل، وإطلاق تجارب حديثة تتجاوز واجهة المستخدم القديمة. باختصار، يصبح الجسر هو الطريق السريع.

البرمجيات الدائمة في هذه الفئة ستبدو كطبقة تشغيلية موحدة للبيانات والإجراء مع نموذج دلالي وحواجز أمان تجعل الذكاء الاصطناعي موثوقاً في الإنتاج. المستخدم النهائي لن يحتاج إلى تعلم الشاشات والحقول ورموز المعاملات؛ سيصف النتيجة المطلوبة، ويتولى النظام التنفيذ مع الموافقات اللازمة وسجل تدقيق. إغلاق الحلقة سيكون "أنشئ إرجاعاً وأبلغ العميل"، "افتح Sev-2 واستخرج الحوادث الأخيرة"، أو "أدخل هذا المورد، اجمع الوثائق، رتب الموافقات، وحدد شروط الدفع" — وهي إجراءات تتطلب اليوم التنقل بين SAP وSalesforce وServiceNow وجداول البيانات. النتيجة: أخطاء أقل، اعتماد أقل على المعرفة الضمنية، دورات أسرع، وعبء تدريبي أخف لأن الواجهة قائمة على النوايا وواعية للدور وقابلة للخدمة الذاتية.

تتراكم القيمة من الاستخدام الفعلي: كل سير عمل ناجح يصبح نية قابلة لإعادة الاستخدام، وكل استثناء حاجز أمان، وكل أثر هجرة نسباً حية، وكل تكامل يعمق فهم كيفية عمل المؤسسة فعلياً. مع الوقت، تصبح "طبقة الذكاء الاصطناعي" هي المكان الذي تلجأ إليه الفرق لفهم أثر التغيير، ومنع الانحراف، وقياس العائد، وإطلاق سير عمل جديد، حتى مع بقاء الأنظمة الأساسية كما هي.

هذه النشرة الإخبارية لأغراض إعلامية فقط، ولا تشكل نصيحة قانونية أو تجارية أو استثمارية أو ضريبية. لا تُعد هذه المحتويات نصيحة استثمارية، ولا يُقصد بها أن يستخدمها أي مستثمرين أو مستثمرين محتملين في أي من صناديق a16z. قد تتضمن هذه النشرة روابط إلى مواقع إلكترونية أو معلومات من مصادر خارجية لم تتحقق a16z من دقتها. إذا تضمنت هذه النشرة إعلانات لطرف ثالث، لم تقم a16z بمراجعتها ولا تصادق على أي محتوى إعلاني أو شركات ذات صلة. أي استثمارات أو شركات مذكورة ليست ممثلة لجميع استثمارات a16z؛ للاطلاع على القائمة الكاملة، زر https://a16z.com/investment-list/. يمكن العثور على معلومات أخرى على a16z.com/disclosures. تتلقى هذه النشرة لأنك اشتركت مسبقاً؛ إذا رغبت في إلغاء الاشتراك يمكنك ذلك فوراً.

إخلاء المسؤولية:

1. هذا المقال معاد النشر من [a16z]. جميع الحقوق محفوظة للمؤلف الأصلي [Eric وSeema Amble]. لأي اعتراض على إعادة النشر، يرجى التواصل مع فريق Gate Learn وسيتم التعامل مع الأمر مباشرة.

2. إخلاء المسؤولية: الآراء الواردة في هذا المقال تعبر عن رأي الكاتب فقط ولا تشكل أي نصيحة استثمارية.

3. تمت الترجمة بواسطة فريق Gate Learn. ما لم يُذكر خلاف ذلك، يمنع نسخ أو توزيع أو سرقة المقالات المترجمة.