هل تفشل 95% من تجارب الذكاء الاصطناعي التجريبية؟ ما الذي قاسته دراسة MIT فعلًا
رقم 95% ليس معدل فشل عامًّا للذكاء الاصطناعي. إليك ما قاسه تقرير MIT NANDA لعام 2025، ولماذا ينتقده المعترضون، وكيف تحكم فرق المنتج على تجربة ذكاء اصطناعي تجريبية بنتائج حقيقية.
لا، الأدلة لا تُظهر أن 95% من التجارب التجريبية للذكاء الاصطناعي تفشل. الرقم مصدره تقرير MIT NANDA الصادر في يوليو 2025، المبني على 52 مقابلة و153 إجابة استطلاع. يقول التقرير إن 95% من المؤسسات لم تر عائدًا قابلًا للقياس في بيان الأرباح والخسائر من الذكاء الاصطناعي التوليدي. ومن بين الشركات التي جرّبت فعلًا أداة مخصصة، وصلت نحو واحدة من كل أربع إلى مرحلة الإنتاج، ويصف التقرير نفسه أرقامه بأنها استرشادية.
أبرز النقاط
يقول التقرير إن «95% of organizations are getting zero return» على إنفاق مؤسسي يبلغ 30–40 مليار دولار على الذكاء الاصطناعي التوليدي (MIT NANDA, 2025). وهذا يصف مؤسسات وأثرًا في الأرباح والخسائر، لا نتيجة كل تجربة تجريبية.
في الأدوات المخصصة لمهام محددة، قيّمت 60% من المؤسسات أداة واحدة، وأجرت 20% تجربة تجريبية، ووصلت 5% إلى الإنتاج. ومن الشركات التي أجرت تجربة، نجحت نحو 25% (5 من 20).
«النجاح» يعني أثرًا واضحًا ومستدامًا في الإنتاجية أو في الأرباح والخسائر، يُقاس بعد ستة أشهر من التجربة. وهذا معيار مرتفع، ولا يعرّفه التقرير بدقة.
يشير المنتقدون إلى صغر العينة، وغياب مراجعة الأقران، وتناقضات داخلية، ومصلحة المؤلفين التجارية في الذكاء الاصطناعي الوكيلي (agentic AI) الذي يوصون به (80,000 Hours, 2026).
الدرس المفيد لفرق المنتج ليس معدل فشل. بل أن تحدد خط أساس وعتبة نجاح وموعد قرار قبل أن تبدأ التجربة.
من أين جاءت إحصائية «تفشل 95% من التجارب التجريبية للذكاء الاصطناعي»؟
يأتي الرقم من The GenAI Divide: State of AI in Business 2025، الذي كتبه Aditya Challapally وChris Pease وRamesh Raskar وPradyumna Chari، ويحمل تاريخ يوليو 2025. أُعدّ بالتعاون مع Project NANDA، وهي مجموعة في MIT Media Lab تبني بنية تحتية لوكلاء الذكاء الاصطناعي المترابطين (MIT Media Lab). ويصف التقرير نفسه بأنه نتائج أولية.
وللمنهج المعلن ثلاثة أجزاء، ويغطي الفترة من يناير إلى يونيو 2025:
مراجعة لأكثر من 300 مبادرة ذكاء اصطناعي أُعلن عنها علنًا
مقابلات منظّمة مع ممثلين عن 52 مؤسسة
إجابات استطلاع من 153 قياديًّا كبيرًا جُمعت في أربعة مؤتمرات صناعية
وبلغت الإحصائية الرأي العام الواسع في 18 أغسطس 2025، حين نشرت Fortune أن 95% من التجارب التجريبية للذكاء الاصطناعي التوليدي في الشركات تفشل (Fortune, 2025). ووصفت Fortune البحث بأنه 150 مقابلة مع قياديين، واستطلاع لـ 350 موظفًا، و300 عملية نشر علنية. وهذه الأرقام أكبر بمرتين إلى ثلاث مرات من 52 مقابلة و153 إجابة في التقرير نفسه.
يحتوي التقرير على عدة أرقام مختلفة دمجتها العناوين في رقم واحد. وفصلها عن بعضها يغيّر القصة.
ما يردده الناس
ما يقوله التقرير
ما يصفه فعلًا
تفشل 95% من تجارب الذكاء الاصطناعي
95% من المؤسسات لا تحصل على أي عائد
مؤسسات، تُحكم بأثرها القابل للقياس في الأرباح والخسائر
5% فقط من التجارب تنجح
5% من تجارب الذكاء الاصطناعي المدمجة تستخرج قيمة بالملايين
نسبة من جميع المؤسسات، لا من التجارب
التجارب لا تصل إلى الإنتاج
قيّمت 60% أدوات مخصصة لمهام، وأجرت 20% تجربة، ووصلت 5% إلى الإنتاج
قمع يشمل جميع المؤسسات المشمولة بالاستطلاع
أدوات الذكاء الاصطناعي لا تُستخدم
أكثر من 80% استكشفت أدوات على غرار ChatGPT أو جرّبتها؛ وقرابة 40% تفيد بنشرها
أدوات عامة الغرض، تُحكم على حدة
معظم الذكاء الاصطناعي يفشل
النجاح يعني أثرًا واضحًا ومستدامًا في الإنتاجية و/أو الأرباح والخسائر
يبلّغ عنه المستخدمون أو التنفيذيون أنفسهم، ويُقاس بعد 6 أشهر من التجربة
القمع هو الأهم. إذا نظرت 60% من المؤسسات في أداة مخصصة لمهمة، وأجرت 20% تجربة، ووصلت 5% إلى الإنتاج، فإن 80% لم تجرّب شيئًا أصلًا. ومن بين الـ 20% التي جرّبت، نجح 5 من 20: أي معدل انتقال من التجربة إلى الإنتاج نحو 25%.
أشار Rob Wiblin، مقدم برنامج 80,000 Hours، إلى هذه النقطة في أبريل 2026: الرقم يصف جميع المؤسسات المشمولة بالاستطلاع، ومعظمها لم تُجرِ قط تجربة لأداة مخصصة (80,000 Hours, 2026). والتقرير يدعو إلى هذا الخلط حين يسمّي النتيجة في فقرة واحدة معدل فشل 95%.
ويشير التقرير أيضًا إلى حدوده بنفسه. فهو يقول إن أرقام التجارب «directionally accurate based on individual interviews rather than official company reporting» أي صحيحة في اتجاهها، مبنية على مقابلات فردية لا على تقارير رسمية من الشركات، وإن أحجام العينات تختلف بحسب الفئة، وإن تعريفات النجاح قد تختلف بين المؤسسات.
ما أبرز الانتقادات الموجهة إلى دراسة MIT؟
تتكرر خمس مشكلات. لا تثبت أي منها أن الذكاء الاصطناعي في المؤسسات يسير على ما يرام، لكنها مجتمعةً تعني أن رقم 95% لا يتحمل الثقل الذي وُضع عليه.
1. العينة صغيرة
تستند النسب الواردة في العناوين إلى 52 مقابلة. ويقدّر 80,000 Hours أن نسبة النجاح البالغة 5% قد تعكس شركتين أو ثلاثًا، بحيث إن نقل مقابلة أو اثنتين كان سيغيّر العنوان. وتقرّ الملاحظة المنهجية في التقرير نفسه بأن العينة قد لا تمثل جميع قطاعات المؤسسات أو مناطقها، وبأن الشركات المستعدة للحديث عن الذكاء الاصطناعي قد تختلف عن تلك التي رفضت.
2. لم يخضع لمراجعة الأقران وكان يصعب التحقق منه
لم يكن التقرير ورقة أكاديمية. وحين انتشرت قصة Fortune، كان ملف PDF خلف نموذج طلب، فكرر الصحفيون العنوان دون قراءة المنهج (80,000 Hours, 2026).
3. الأرقام لا تتفق دائمًا بعضها مع بعض
مثالان من الوثيقة نفسها:
إحدى النقاط الرئيسية تقول إن 50% من ميزانيات الذكاء الاصطناعي التوليدي تذهب إلى المبيعات والتسويق؛ والفقرة التي تحتها تقول إن المبيعات والتسويق استحوذا على نحو 70% من توزيع افتراضي لـ 100 دولار.
يقول الملخص التنفيذي إن قطاعين فقط من 8 قطاعات رئيسية يُظهران تغيرًا هيكليًّا؛ وتقول فقرة لاحقة إن 7 من 9 قطاعات لا تُظهر تغيرًا هيكليًّا حقيقيًّا.
4. «النجاح» معيار مرتفع وتعريفه فضفاض
لم تُحتسب التجربة ناجحة إلا إذا وصف المستخدمون أو التنفيذيون أثرًا واضحًا ومستدامًا في الإنتاجية أو الأرباح والخسائر خلال ستة أشهر. أما أداة ساعدت الأفراد لكنها لم تحرّك الأرباح والخسائر بعد فاحتُسبت فاشلة. بل يقرّ التقرير بأن نافذة الستة أشهر قد تكون قصيرة جدًّا للحكم على أنظمة مؤسسية معقدة.
5. المؤلفون يوصون بما يبنونه
يخلص التقرير إلى أن الأنظمة الوكيلية ذات الذاكرة والتعلم ستسد الفجوة، وNANDA مشروع لبنية الوكلاء التحتية. ويرى 80,000 Hours أن هذا التعارض في المصالح كان ينبغي الإفصاح عنه.
إذن، ما معدل فشل تجارب الذكاء الاصطناعي الحقيقي؟
لا يوجد معدل فشل واحد موثوق لتجارب الذكاء الاصطناعي، لأن الدراسات تعرّف «الفشل» تعريفات مختلفة. فقد يعطي النموذج إجابات خاطئة، وقد يتوقف المستخدمون عن استخدام ميزة، وقد تُلغى تجربة، وقد يتعطل سير عمل قبل الإنتاج، وقد يعجز فريق عن قياس الأثر المالي.
يستشهد تقرير RAND لعام 2024 بتقديرات تقول إن أكثر من 80% من مشاريع الذكاء الاصطناعي تفشل، أي ضعف معدل مشاريع تقنية المعلومات بلا ذكاء اصطناعي (RAND, 2024). وتنسب RAND هذا الرقم إلى تقديرات خارجية؛ أما أدلتها الخاصة فهي مقابلات مع 65 عالم بيانات ومهندسًا لديهم خمس سنوات من الخبرة على الأقل.
والنجاح الذي يبلّغ عنه أصحابه أنفسهم غير موثوق أيضًا. ففي تجربة METR العشوائية على 16 مطوّرًا ذوي خبرة في المصادر المفتوحة يعملون على 246 مسألة حقيقية، جعلتهم أدوات الذكاء الاصطناعي أبطأ بنسبة 19%. وكان المطوّرون يتوقعون تسارعًا بنسبة 24%، وظلوا بعد ذلك يعتقدون أن الذكاء الاصطناعي جعلهم أسرع بنسبة 20% (METR, 2025). وأرقام النجاح في NANDA يبلّغ عنها أصحابها أيضًا، وهذا سبب إضافي لتقيس خط الأساس الخاص بك بدلًا من استعارة معدل غيرك.
لماذا تفشل تجارب الذكاء الاصطناعي بحسب الأبحاث؟
العنوان ضعيف، لكن النتائج النوعية تتفق مع أبحاث أخرى.
من تقرير MIT NANDA:
«فجوة التعلم» (learning gap). قال المستخدمون إن الأدوات لا تتعلم من الملاحظات، وتحتاج إلى سياق كبير في كل مرة، ولا يمكن تكييفها مع سير عملهم، وتنهار في الحالات الحدّية.
العمل البسيط مقابل العمل المعقد. فضّل 70% من المستجيبين الذكاء الاصطناعي لصياغة البريد الإلكتروني و65% للتحليل الأساسي، لكن في العمل المعقد الممتد لأسابيع فُضّل البشر بنسبة 9 إلى 1.
الذكاء الاصطناعي الخفي (Shadow AI). قالت 40% فقط من الشركات إنها اشترت اشتراكًا رسميًّا في نموذج لغوي كبير، ومع ذلك أفاد العاملون في أكثر من 90% من الشركات المشمولة بالاستطلاع باستخدام أدوات ذكاء اصطناعي شخصية في العمل بانتظام.
الشراء مقابل البناء. بلغت الشراكات الخارجية مرحلة النشر في نحو 67% من الحالات مقابل نحو 33% للتطوير الداخلي. ويلاحظ التقرير أن هذه بيانات يبلّغ عنها أصحابها وأن الارتباط لا يثبت السببية.
السرعة. أفاد أفضل أداء بين الشركات المتوسطة بنحو 90 يومًا من التجربة إلى التنفيذ الكامل؛ واستغرقت المؤسسات الكبيرة تسعة أشهر أو أكثر.
من مقابلات RAND الخمس والستين، خمسة أسباب جذرية: أساء الفريق فهم المشكلة أو أساء توصيلها؛ أو افتقرت المؤسسة إلى البيانات؛ أو طاردت التقنية بدلًا من مشكلة المستخدم؛ أو افتقرت إلى البنية التحتية لنشر النماذج وإدارتها؛ أو كانت المشكلة أصعب من أن يحلها الذكاء الاصطناعي (RAND, 2024).
كيف ينبغي لفريق المنتج أن يقيس تجربة ذكاء اصطناعي؟
اكتب خطة التجربة قبل أن توسّع ميزة ذكاء اصطناعي أو مساعد برمجة إلى مستخدمين أكثر. تُبقي قائمة التحقق هذه ذات النقاط السبع القرار قائمًا على أدلتك أنت، لا على إحصائية غيرك.
المستخدم والمهمة. من يؤدي أي مهمة، وما الصعب في سير العمل الحالي؟
خط الأساس. كيف تُنجز المهمة اليوم؟ سجّل الوقت والإنجاز والأخطاء وإعادة العمل أو أي مقياس آخر ذي صلة.
نتيجة النجاح. أي نتيجة للمستخدم أو للأعمال ينبغي أن تتحسن؟ حدّد عتبة قبل التجربة.
حد الجودة. ما الذي يجعل الإجابة أو الإجراء مقبولًا؟ أدرج أمثلة تمثيلية وحالات حدّية وأنماط فشل معروفة.
البديل والمسؤولية. ماذا يحدث حين يكون النموذج غير متأكد أو مخطئًا؟ سمِّ الشخص الذي يستطيع مراجعة سير العمل أو تجاوزه أو إيقافه. ويوضح دليل قرارات الذكاء الاصطناعي المحدودة كيف تكتب هذا التسليم.
التكلفة وحدود التشغيل. تتبّع زمن الاستجابة وتكلفة النموذج وجهد المراجعة والتصعيد وحمل الدعم إلى جانب نتائج المهام.
موعد القرار. اتفقوا على الموعد الذي سيوسّع فيه الفريق التجربة أو يعدّلها أو يوقفها، ومن يملك هذا القرار.
هل يستطيع الناس الاعتماد على المخرجات في هذه المهمة
التسليم
زمن الدورة، وجهد المراجعة، وإعادة العمل، والعيوب التي تفلت
هل يتدفق العمل داخل الفريق بصورة مختلفة
أثر المنتج
إنجاز المهام، والاستخدام المتكرر، والاحتفاظ، والإيرادات أو تكلفة الخدمة
هل يهم التغيير المستخدمين أو الأعمال
تكلفة التشغيل
زمن الاستجابة، وتكلفة النموذج، والمراجعة البشرية، وحمل الدعم
هل القيمة مستدامة
يستخدم إطار Google Cloud لمساعدي البرمجة بالذكاء الاصطناعي، الذي شارك في كتابته Nathen Harvey قائد DORA، سلّمًا مشابهًا: التبنّي والثقة والتسارع والأثر. ويحذّر من القفز من التبنّي مباشرة إلى الأثر على الأعمال، ويقترح انتظار 6 إلى 8 أسابيع على الأقل، أو أربعة سبرنتات مدة كل منها أسبوعان، قبل أن يظهر التسارع (Google Cloud, 2025). الاقتراحات المقبولة إشارة مبكرة، لا دليل على أن العملاء حصلوا على قيمة أكبر. ويغطي إطار تقييم الذكاء الاصطناعي لفرق المنتج طبقة الجودة بالتفصيل.
مثال تطبيقي: معايير القبول المولّدة بالذكاء الاصطناعي
هذا المثال توضيحي وليس نتيجة عميل. لنفترض أن فريقًا من 6 أشخاص يجرّب معايير قبول للتذاكر تصوغها أداة ذكاء اصطناعي. عدّ المسودات لن يخبره بشيء، لذا يكتب الخطة أولًا:
خط الأساس (آخر 20 تذكرة): 3 أيام من الطلب إلى الملخص المعتمد؛ يلتقط المراجعون 4 حالات حدّية ناقصة لكل 10 تذاكر؛ و2 من كل 10 تذاكر تحتاج إلى إعادة عمل هندسية بعد الانطلاق.
العتبة: ملخص معتمد في يومين أو أقل، مع ألا تزيد إعادة العمل على 2 من كل 10.
حد الجودة: لا متطلبات مختلقة؛ وكل معيار قابل للتتبع إلى الطلب أو إلى ملاحظة عميل مرتبطة.
حد التكلفة: ألا يرتفع وقت المراجعة لكل ملخص فوق 30 دقيقة.
موعد القرار: بعد 8 أسابيع أو 40 تذكرة، أيهما أسبق.
إذا وصلت الملخصات في يوم واحد لكن إعادة العمل ارتفعت إلى 4 من كل 10، فقد فشلت التجربة في النتيجة المهمة، مهما كانت المسودات سريعة. وإذا استغرقت المسودات المدة نفسها لكن إعادة العمل انخفضت إلى النصف، فقد يستحق الأمر التوسيع.
أخطاء شائعة عند قراءة إحصاءات تجارب الذكاء الاصطناعي
التعامل مع استطلاع للمؤسسات على أنه معدل لمشروعك. فرصك تعتمد على مشكلتك وبياناتك وسير عملك، لا على متوسط 52 شركة.
عدّ النشاط نجاحًا. المطالبات المرسلة والمسودات المولّدة والاقتراحات المقبولة تدل على التبنّي لا على القيمة.
الوثوق بشعورك بالسرعة. شعر مطوّرو METR بأنهم أسرع بنسبة 20% بينما أظهر القياس أنهم أبطأ بنسبة 19%. فقِس زمن العمل.
تخطي خط الأساس. بدون أرقام «قبل»، لا يعني أي رقم «بعد» شيئًا.
ترك تاريخ النهاية مفتوحًا. التجارب التي بلا موعد قرار تميل إلى الاستمرار كتجارب دائمة.
يقرأ Specky مكالمات العملاء والملاحظات وSlack وJira والتحليلات في Product Graph، ويصوغ مواصفات مع الأدلة الداعمة مذكورة داخل النص، ويتحقق بعد الإطلاق مما إذا كان الرهان قد نجح. وفي تجربة ذكاء اصطناعي، يعني هذا أن خط الأساس والعتبة وموعد القرار تعيش بجوار المواصفة، بدلًا من شريحة لا يعيد أحد فتحها. وتبقى قياساتك أنت هي التي تحسم نجاح التجربة.
الأسئلة الشائعة
هل صحيح أن 95% من تجارب الذكاء الاصطناعي تفشل؟
لا. يقول تقرير MIT NANDA إن 95% من المؤسسات المشمولة بالاستطلاع لم تر عائدًا قابلًا للقياس في الأرباح والخسائر من الذكاء الاصطناعي التوليدي. ويُظهر قمعه الخاص أن 20% فقط من المؤسسات جرّبت أداة مخصصة لمهمة وأن 5% وصلت إلى الإنتاج، أي أن نحو ربع الشركات التي أجرت تجربة نجحت. وكانت العينة 52 مقابلة و153 إجابة استطلاع.
من كتب دراسة MIT عن تجارب الذكاء الاصطناعي؟
كتب Aditya Challapally وChris Pease وRamesh Raskar وPradyumna Chari الدراسة The GenAI Divide: State of AI in Business 2025، ونُشرت في يوليو 2025 بالتعاون مع Project NANDA في MIT Media Lab. وتعرض نتائج أولية من يناير إلى يونيو 2025، ولم تخضع لمراجعة الأقران.
ما الذي يُعدّ تجربة ذكاء اصطناعي فاشلة؟
احتسب تقرير MIT التجربة ناجحة فقط إذا وصف المستخدمون أو التنفيذيون أثرًا واضحًا ومستدامًا في الإنتاجية أو الأرباح والخسائر خلال ستة أشهر. وتشمل التعريفات الأخرى الإلغاء أو ضعف التبنّي أو الأخطاء الضارة. عرّف الفشل في تجربتك أنت قبل أن تبدأ، بعتبة قابلة للقياس وبتاريخ.
لماذا تفشل معظم تجارب الذكاء الاصطناعي؟
تشير الأبحاث في معظمها إلى أسباب تتعلق بالمنتج: مشكلات غير واضحة، وضعف الملاءمة لسير العمل، ونقص البيانات، وأدوات لا تتعلم من الملاحظات، وغياب مقياس نجاح متفق عليه. ووجدت مقابلات RAND مع 65 ممارسًا أن السبب الجذري الأكثر شيوعًا هو إساءة فهم المشكلة التي كان من المفترض أن يحلها الذكاء الاصطناعي أو إساءة توصيلها.
كم ينبغي أن تستمر تجربة الذكاء الاصطناعي؟
مدةً كافية للمقارنة بخط أساس في النتيجة التي تهمك. يقترح Google Cloud ما لا يقل عن 6 إلى 8 أسابيع قبل أن تظهر مكاسب الإنتاجية من مساعدي البرمجة بالذكاء الاصطناعي. حدّد موعد القرار وحجم العينة، مثل 8 أسابيع أو 40 مهمة، قبل أن تبدأ التجربة.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing