تحقيق الدخل من الذكاء الاصطناعي: نماذج الأعمال والاستراتيجيات
تستثمر الشركات مليارات الدولارات في الذكاء الاصطناعي التوليدي، لكن قلة منها فقط ترى أرباحًا قابلة للقياس. يسلط هذا المقال الضوء على سبب عدم تحقيق معظم مشاريع الذكاء الاصطناعي عائدًا على الاستثمار (ROI) وما الذي يميز النسبة الناجحة البالغة 5٪ بنهج مختلف.
المصدر: عرض تقديمي خاص
مقدمة
حوالي 95 بالمائة من الشركات التي تم استطلاعها لا ترى حتى الآن أي ربح قابل للقياس من مبادرات الذكاء الاصطناعي التوليدي الخاصة بها، على الرغم من أن ما يقدر بنحو 30 إلى 40 مليار دولار أمريكي قد تم ضخه في مشاريع كهذه على مستوى العالم. في الوقت نفسه، يصف معهد ماساتشوستس للتكنولوجيا مجموعة صغيرة تبلغ حوالي 5٪ تحقق وفورات أو إيرادات جديدة بالملايين باستخدام نفس التقنيات - نوع من النخبة في الذكاء الاصطناعي التوليدي. السؤال الحاسم وراء ذلك: ما الذي يجعله هؤلاء القليلون مختلفون - وكيف يمكن لعدد أكبر من الشركات كسب المال حقًا باستخدام الذكاء الاصطناعي، بدلاً من مجرد جمع مشاريع تجريبية مكلفة؟
عندما نتحدث عن كيفية تمكن الشركات من كسب المال باستخدام الذكاء الاصطناعي، فإن الأمر يتعلق أساسًا بالعائد: هل يأتي منفعة قابلة للقياس من مشروع ذكاء اصطناعي أكثر مما يتم استثماره من مال ووقت ومخاطر؟ IBM يفرض تمييزًا بين عائد الاستثمار المادي - يمكن قياسه مباشرة باليورو أو الفرنك أو الدولار - وعائد الاستثمار غير المادي، مثل القرارات الأفضل، وتقليل الإحباط بين الفريق، أو رضا العملاء.
يشير الذكاء الاصطناعي التوليدي إلى نماذج تنشئ محتوى: نصوص، أكواد، صور، صوت، أو حوارات كاملة. يتم تضمينها في أدوات مثل روبوتات الدردشة، المساعدين، أو محركات المحتوى وتهدف إلى تسريع العمليات أو تمكين منتجات جديدة. تعمل العديد من الشركات اليوم بهذه التطبيقات بالضبط: تلخيص المستندات، رسائل بريد إلكتروني آلية، نصوص تسويقية، نماذج أولية للبرامج.
Agentic AI يذهب خطوة إلى الأمام . بدلاً من الرد على الأوامر الفردية فقط، يعمل النظام كموظف رقمي: فهو يتابع الأهداف، يخطط للخطوات، ينسق نماذج وأنظمة ذكاء اصطناعي متعددة، ويعمل بشكل مستقل إلى حد كبير. يمكن للوكيل، على سبيل المثال، مراجعة استفسارات العملاء، البحث في قواعد البيانات الداخلية، بدء تدفقات العمل في أنظمة تخطيط موارد المؤسسات (ERP) وإدارة علاقات العملاء (CRM)، وإكمال معاملة بالكامل في النهاية - بما في ذلك الأسئلة المتابعة، تصحيحات الأخطاء، والتوثيق.
من الضروري لتحقيق عائد استثمار حقيقي أن هذه الأنظمة لا تقدم مجرد "عروض توضيحية رائعة"، بل ترتبط بشكل ملموس بمؤشرات أداء الأعمال: تقليل تكاليف العمليات، زيادة معدلات التحويل، زيادة الإيرادات لكل عميل، تقليل أوقات التوقف، أو تقصير أوقات الدورات في العمليات المعقدة.
الوضع الحالي والتحديات
يصف تحليل معهد ماساتشوستس للتكنولوجيا، الذي تستند إليه العديد من التقارير الحالية، فجوة واضحة: استثمرت الشركات على مستوى العالم في السنوات الأخيرة معًا حوالي 30 إلى 40 مليار دولار أمريكي في الذكاء الاصطناعي التوليدي ، لكن حوالي 95٪ من الشركات التي تم استطلاعها لم تبلغ عن أي زيادات قابلة للقياس في الأرباح أو تخفيضات في التكاليف من هذه المشاريع. فقط حوالي 5٪ من المنظمات التي تم فحصها تذكر أن مشاريع الذكاء الاصطناعي التوليدي المتكاملة قد حققت بالفعل "قيمًا بالملايين"، على سبيل المثال من خلال الوفورات أو الإيرادات الجديدة.
TechRadar يلخص هذا الوضع بشكل موجز : تفشل جميع مشاريع الذكاء الاصطناعي التوليدي التجريبية تقريبًا في الشركات - مما يؤدي إلى أن العديد من النماذج لا تقدم ما يعد به التسويق. وفقًا لهذا التقرير، فقد شهد 95٪ من الشركات التي تم استطلاعها "تأثيرًا ضئيلًا جدًا" أو معدومًا لنماذجها اللغوية الكبيرة (LLMs) على الأعمال التشغيلية. Tom’s Hardware يستشهد بنفس نتيجة معهد ماساتشوستس مع الإشارة إلى أن معظم التطبيقات "ليس لها تأثير قابل للقياس على قائمة الدخل" - ويرجع ذلك أساسًا إلى ضعف تكاملها في العمليات.
ترسم دراسات أخرى أيضًا صورة مختلطة. خلصت دراسة واحدة IBM-Analyse unter C-Level-Führungskräften إلى أن حوالي ربع مبادرات الذكاء الاصطناعي فقط قد حققت عائد الاستثمار المتوقع، وأن 16٪ فقط قد تم توسيع نطاقها بالفعل - معظم المشاريع تظل عالقة في المرحلة التجريبية. بينما تتوقع جارتنر أن أكثر من 80٪ من الشركات ستستخدم الذكاء الاصطناعي التوليدي بحلول عام 2026، فإنها تتوقع أن حوالي 20٪ فقط سيقيسون عائد الاستثمار بدقة.
من ناحية أخرى، تظهر الشركات الكبرى بشكل فردي أن برامج الذكاء الاصطناعي والوكلاء يمكن أن تكون مربحة للغاية - إذا تم دمجها بعمق في نموذج العمل. IBM تذكر أن الاستخدام على مستوى الشركة للذكاء الاصطناعي والأتمتة منذ بداية عام 2023 من المتوقع أن يصل إلى مكاسب إنتاجية إجمالية تبلغ حوالي 4.5 مليار دولار أمريكي وساهم في التدفق النقدي الحر البالغ 12.7 مليار دولار أمريكي في عام 2024. وراء ذلك هناك آثار قابلة للقياس بشكل ملموس: توفير ملايين ساعات العمل، وتسريع عمليات الموارد البشرية وتكنولوجيا المعلومات بشكل كبير، ومعدلات أتمتة عالية في خدمة العملاء.
مثال آخر تمت مناقشته على نطاق واسع هو سيلز فورس. CEO Marc Benioff تذكر أن الشركة خفضت قوتها العاملة في دعم العملاء من حوالي 9000 إلى 5000 موظف ، بينما تولت وكلاء الذكاء الاصطناعي عبر منصة Agentforce حوالي 1.5 مليون تفاعل لخدمة العملاء - مع درجات رضا مماثلة لفرق الدعم البشري. وفي الوقت نفسه، تظهر دراسة Recherche von Business Insider أن أقل من نصف عملاء Agentforce البالغ عددهم 12500 يدفعون بالفعل مقابل المنتج، وأقل من 2٪ يؤدون أكثر من 50 محادثة Agentforce في الأسبوع - وهو مؤشر على أن العديد من عمليات التثبيت لا تزال بعيدة عن وعود عائد الاستثمار الطموحة.
باختصار: معظم الشركات تجري تجارب، بينما يحصد عدد قليل منهم بالفعل ملايين ملموسة - وهناك فجوة كبيرة بينهما.
الدوافع والسياق
لماذا تستمر الشركات في استثمار الكثير من الأموال في الذكاء الاصطناعي التوليدي على الرغم من النتائج الأولية المخيبة للآمال؟ أحد الدوافع هو ببساطة حجم الرهانات التي تم وضعها بالفعل: من المتوقع أن تستثمر أكبر 11 مزود سحابيih وحدهم حوالي 400 مليار دولار أمريكي في البنية التحتية في عام 2025 ، ويتم دفع ذلك بشكل أساسي من خلال متطلبات الحوسبة لنماذج اللغة الكبيرة. من يبني هذه القدرة الهائلة يحتاج إلى عملاء - وبالتالي قصص مقنعة حول طفرات الإنتاجية المستقبلية.
بالنسبة للعديد من المديرين التنفيذيين، يعد الذكاء الاصطناعي أيضًا إشارة استراتيجية للمستثمرين: نحن لا نفوت الموجة التالية. تعزز التقارير الإعلامية حول الثورات الإنتاجية المزعومة هذا الضغط، حتى لو لم تتطابق الأرقام الخاصة بهم بعد. يشير معهد ماساتشوستس إلى "شكل" „GenAI Divide“ بين "فائزين" قليلين قاموا بإعادة هيكلة العمليات باستمرار، وغالبية كبيرة راضية بمشاريع تجريبية ذات اقتران فضفاض.
بالإضافة إلى ذلك، هناك ديناميكية حول الذكاء الاصطناعي الوكيل. بينما يرى محللون مثل جارتنر في هذا أحد أهم اتجاهات التكنولوجيا للسنوات القادمة، فإنهم يحذرون في الوقت نفسه من "غسل الوكلاء"، أي الحالات التي يتم فيها تسويق حلول الأتمتة التقليدية "كوكلائ" دون امتلاك الاستقلالية اللازمة لذلك. Reuters تذكر أن أكثر من 40٪ من مشاريع الذكاء الاصطناعي الوكيل من المتوقع أن يتم إلغاؤها بحلول نهاية عام 2027 - ويرجع ذلك جزئيًا إلى ارتفاع التكاليف وفائدة الأعمال غير الواضحة.
في الوقت نفسه، يعد هؤلاء المحللون بأن الوكلاء يمكن أن يجلبوا مكاسب كفاءة هائلة على المدى الطويل. Gartner تقدر أن الذكاء الاصطناعي الوكيل يمكنه معالجة ما يصل إلى 80٪ من طلبات خدمة العملاء المنتظمة بشكل مستقل بحلول عام 2029 ، مما يقلل التكاليف التشغيلية بنحو 30٪. هذا النوع من التنبؤ يغذي الاستثمارات، حتى لو كان التنفيذ الفعلي لا يزال في مراحله الأولى.
المصدر: wohlstandsnavigator.net
الذكاء الاصطناعي كمحرك للقيمة المالية.
هناك أيضًا مخاوف مشروعة: تحذر رئيسة مؤسسة سيجنال، ميريديث ويتيكر، على سبيل المثال، من أن الوكلاء الذين يؤدون مهام بشكل مستقل يجب أن يتعاملوا بشكل شبه إلزامي مع بيانات حساسة مثل جهات الاتصال، معلومات الدفع، أو التقويمات - وأن هناك مخاطر كبيرة متعلقة بحماية البيانات والأمن. لذلك، فإن أي شخص يريد تحقيق عائد استثمار من الذكاء الاصطناعي الوكيل يجب أن يعيد التفكير ليس فقط في العمليات، ولكن أيضًا في الحوكمة والأمن والامتثال.
في النهاية، تتصادم ثلاثة قوى: المصلحة الاقتصادية للموردين ومقدمي الخدمات السحابية، وضغط الابتكار والمنافسة في الشركات - والمخاوف المشروعة بشأن الأمن والجودة وعالم العمل. في مجال التوتر هذا، يصبح تحديد متى يكون الوكيل مربحًا حقًا أكثر تعقيدًا من ترقية برامج تقليدية.
المصدر: فيديو يوتيوب
توضح الندوة "عائد الاستثمار في الذكاء الاصطناعي عمليًا: ما الذي تفعله الشركات الرائدة بشكل صحيح" بشكل جيد كيف تتعامل الشركات الكبيرة داخليًا مع مجالات التوتر هذه وكيف تستخدم مؤشرات الأداء الرئيسية لتحقيق عائد استثمار حقيقي.
الحقائق والادعاءات
من المثبت أن غالبية الشركات لا ترى حتى الآن أي فائدة مالية مباشرة من استثماراتها في الذكاء الاصطناعي التوليدي. " MIT-Auswertung mit rund 95 Prozent „Null-ROI“-Projekten " يتم تناقلها من قبل العديد من وسائل الإعلام المستقلة ويتم وصفها باستمرار. تؤكد آي بي إم ببياناتها الخاصة أن جزءًا صغيرًا فقط من مبادرات الذكاء الاصطناعي يحقق عائد الاستثمار المتوقع وأن التوسع خلف المشاريع التجريبية هو الاستثناء. في الوقت نفسه، تظهر دراسات الحالة الملموسة - على سبيل المثال، في آي بي إم نفسها أو في مجالات خدمة فردية لدى سيلز فورس - أنه مع العمليات المعاد هيكلتها باستمرار وهياكل الوكلاء، يمكن تحقيق وفورات كبيرة ومكاسب إنتاجية.
من غير الواضح مدى تمثيل الأرقام المتاحة حاليًا لجميع الصناعات وأحجام الشركات. " MIT-Studie basiert auf einer begrenzten Stichprobe " من المهنيين والمديرين وتقيس بشكل أساسي التأثيرات قصيرة إلى متوسطة المدى؛ نادرًا ما تظهر الابتكارات طويلة الأجل أو المزايا التنافسية غير المباشرة فيها. تشير جارتنر إلى أنه بينما تعتمد العديد من الشركات أدوات الذكاء الاصطناعي التوليدي، فإن لديها القليل من خطوط الأساس القوية، أو جودة البيانات، أو أنظمة المؤشرات لقياس عائد الاستثمار بدقة. تشير دراسات مثل تلك التي أجرتها كانيريكا بالإضافة إلى ذلك إلى أنه من الصعب جدًا نمذجة التأثيرات غير الملموسة - مثل الابتكار الأسرع أو تحسين ولاء العملاء - باستخدام نماذج عائد الاستثمار الكلاسيكية.
بيانات عامة مثل "من لا يعتمد الوكلاء الآن سيختفي قريبًا من السوق" أو "الذكاء الاصطناعي التوليدي يحل تلقائيًا جزءًا كبيرًا من القوى العاملة" خاطئة أو مضللة على الأقل. " MIT-Analyse findet keine Hinweise auf massenhafte KI-bedingte Entlassungen "، بل على آثار تدريجية مثل عدم شغل وظائف معينة. في الوقت نفسه، يوضح مثال سيلز فورس أن خفض التكاليف العدواني من خلال الوكلاء يمكن أن يثير توترات داخلية كبيرة ومشاكل في القبول - وأن المستثمرين يقيمون وعود الذكاء الاصطناعي بتشكك الآن إذا لم تتوافق أرقام الإيرادات. وبالمثل، فإن صورة الذكاء الاصطناعي الوكيل كـ "آلة سحرية جاهزة" مضللة: Gartner من المتوقع أن يتم التخلي عن أكثر من 40٪ من مشاريع الذكاء الاصطناعي الوكيل في السنوات القادمة ، ويرجع ذلك تحديدًا إلى أن قيمة الأعمال لا تزال غير واضحة.
ردود الفعل ووجهات النظر المعارضة
غالبًا ما يقدم مقدمو التكنولوجيا والمنصات الكبرى صورة متفائلة للغاية. Marc Benioff يتحدث عن الوكلاء كشكل جديد من أشكال العمل ويعد بأن Agentforce لا يخفض التكاليف فحسب، بل يجب عليه أيضًا استكشاف عملاء محتملين لم يتم معالجتهم من قبل في نطاق ستة إلى سبعة أرقام. في الوقت نفسه، يوثق Business Insider, wie Analysten vielen dieser Aussagen derzeit „null Glaubwürdigkeit“ beimessen, طالما أن الأرقام الموثوقة لنمو الإيرادات والهوامش والاعتماد مفقودة.
يمثل Gartner وشركات أبحاث السوق الأخرى موقفًا أكثر غموضًا. من ناحية، يرون الذكاء الاصطناعي الوكيل كتكنولوجيا رئيسية يمكنها معالجة الغالبية العظمى من استفسارات العملاء القياسية بشكل مستقل بحلول عام 2029. من ناحية أخرى، يحذرون من التوقعات المفرطة، ورداءة جودة البيانات، والحوافز الخاطئة التي يمكن أن تجعل المشاريع تفشل بتكلفة عالية.
المصدر: gruender.de
الاستشارات في مجال الذكاء الاصطناعي: الخبرة البشرية تلتقي بالذكاء الاصطناعي في سوق بمليارات الدولارات.
تحاول مجموعة ثالثة - مثل IBM أو التكامل المتخصصة - التركيز بشكل أكبر على حالات الاستخدام الملموسة والمؤشرات القابلة للقياس. IBM يؤكد في عدة مساهمات أن مشاريع الذكاء الاصطناعي الوكيل الناجحة تبدأ عادةً بتخفيض تكاليف محدد بوضوح، وتفترض خطوط أساس واضحة وتحليلات للعمليات، وتستهدف فقط في خطوة ثانية مصادر إيرادات ونماذج أعمال جديدة.
تذكر الأصوات النقدية - مثل تلك الصادرة عن منظمات المجتمع المدني - أن هياكل الوكلاء يمكن أن تخلق أيضًا مخاطر جديدة للمراقبة والتبعيات. Meredith Whittaker von Signal warnt davor, تزويد الوكلاء بأذونات وصول واسعة النطاق إلى البيانات الشخصية والحيوية للأعمال عندما يكون من غير الواضح كيف تعمل هذه الأنظمة بالضبط ومن هم مقدمو الخدمات السحابية الذين يمكنهم الوصول إليها في الخلفية. وبالتالي، يصبح واضحًا: الأمر لا يتعلق فقط بعائد الاستثمار، بل أيضًا بالسعر الذي ترغب الشركات في دفعه لتحقيق مكاسب محتملة في الكفاءة - ماليًا ومنظميًا واجتماعيًا.
التداعيات العملية والأسئلة المفتوحة
إذا كنت تفكر في شركتك حول كيفية كسب المال باستخدام الذكاء الاصطناعي، فإن أهم استنتاج هو: نادرًا ما ينشأ عائد الاستثمار من مجرد إدخال أداة، بل من إعادة هيكلة العمليات باستمرار. تظهر الدراسات أن المشاريع الناجحة غالبًا ما تبدأ حيث توجد تكاليف عمليات قابلة للقياس بوضوح، أو أوقات دورات، أو معدلات توقف - على سبيل المثال، في معالجة المستندات، أو خدمة العملاء، أو تكنولوجيا المعلومات الداخلية. IBM empfiehlt, vor jedem Projekt eine Prozesszerlegung zu machen: كم تستغرق العملية اليوم، وما تكلفتها، وأين توجد الاختناقات - وما هي مؤشرات الأداء التي من المفترض أن تتغير بشكل ملموس مع الذكاء الاصطناعي؟ ثانيًا، تحتاج إلى خط أساس واضح، وإلا فلن تكون قادرًا على إثبات أن الوكلاء يوفرون الوقت أو المال أو يقللون المخاطر لاحقًا. ثالثًا، يجدر النظر في التأثيرات المادية وغير المادية بشكل منفصل: الوفورات المباشرة والإيرادات الإضافية من ناحية، والرضا والقدرة على الابتكار والمرونة من ناحية أخرى.
بالنسبة للذكاء الاصطناعي الوكيل، ينطبق الأمر الإضافي: بدون قاعدة بيانات نظيفة وتصميم عمليات قوي، سرعان ما يتحول وعد "الموظف الرقمي" إلى نظام مكلف وغير قابل للتنبؤ. TechRadar bringt es mit „Garbage in, Agentic out“ auf den Punkt ويشير إلى حالات تجعل فيها جودة البيانات السيئة الأنظمة المستقلة غير قابلة للاستخدام عمليًا. في الوقت نفسه، تظهر شركات مثل IBM أن الوكلاء في تدفقات العمل المصممة بوضوح - على سبيل المثال، في خدمة الموارد البشرية أو تذاكر تكنولوجيا المعلومات - يمكنهم الجمع بين معدلات أتمتة عالية جدًا ووفورات قابلة للقياس.
بشكل عملي، هذا يعني لك ولفريقك: اطرح بعض الأسئلة البسيطة والمباشرة قبل كل مشروع وكيل أو ذكاء اصطناعي توليدي. أي مؤشر يجب أن يتغير - وبمقدار كم؟ ما البيانات التي تستخدمها النظام، وما مدى جودتها حقًا؟ كيف تبدو العملية بعد ذلك بالضبط، بما في ذلك التصعيد إلى البشر؟ وكيف يتم توثيق ما قرره الوكيل؟ توفر أطر عمل من IBM و Gartner والاستشاريين المتخصصين قوائم مرجعية ومقاييس يمكنك تكييفها.
المصدر: فيديو يوتيوب
يُظهر العرض التقديمي "عائد الاستثمار للذكاء الاصطناعي الوكيل: من الأتمتة إلى القرارات" بأمثلة ملموسة كيف تستخدم الشركات الوكلاء بطرق تولد من المهام المؤتمتة آثارًا مالية قابلة للقياس وجودات قرارات جديدة.
على الرغم من جميع الأرقام، تظل النقاط الرئيسية مفتوحة. لا يزال هناك القليل من الدراسات الوصفية المستقلة والواسعة النطاق التي تقوم بتقييم عائد الاستثمار الفعلي لمشاريع الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيل على مدى عدة سنوات ودورات اقتصادية. " MIT spricht zwar von einem „GenAI Divide“ " بين عدد قليل من المشاريع الناجحة وكتلة كبيرة من التجارب التي بالكاد تحقق أي تأثير، ولكن كيف ستتطور هذه الفجوة على المدى الطويل غير واضح. وبالمثل، يظل السؤال مفتوحًا ما إذا كانت موجة الاستثمار الحالية ستثبت أنها دفعة أولية مفرطة أو قاعدة لقفزات إنتاجية مستدامة.
نقطة مفتوحة ثانية هي قابلية قياس عائد الاستثمار غير المادي. كم يكلف اختبار فرق المنتجات للنماذج الأولية بشكل أسرع بفضل الذكاء الاصطناعي، أو فرق التسويق التي تجد جماهير مستهدفة أفضل، أو المديرين الذين يتخذون قرارات بناءً على قاعدة بيانات أوسع؟ IBM betont, dass solche Effekte langfristig entscheidend sein können, ولكنها لا تتناسب بسهولة مع صيغ عائد الاستثمار الكلاسيكية. تحاول شركات استشارية مثل كانيريكا إنشاء أنظمة مؤشرات مجمعة لهذا الغرض، والتي تجمع بين المؤشرات المالية والإنتاجية والمتعلقة بالعملاء والمخاطر - وهو مجال من المحتمل أن يتطور فيه الكثير في السنوات القادمة.
أخيرًا، يبقى السؤال حول كيفية تعامل التنظيمات وقواعد المحاسبة والإشراف مع استثمارات الذكاء الاصطناعي في المستقبل. لا توجد حاليًا معايير موحدة حول كيفية قيام الشركات بالكشف عن مشاريع الذكاء الاصطناعي في التقارير السنوية، أو تقارير الاستدامة، أو تقارير المخاطر، وجعل ربحيتها شفافة. بالنسبة لك، هذا يعني: من المحتمل أن يكون معيارك الداخلي الخاص للقياس والتوثيق والحوكمة بنفس أهمية اختيار النماذج أو المنصات في السنوات القادمة.
يمكن تلخيص الوضع الحالي بموضوعية على النحو التالي: لا تزال معظم الشركات تبحث عن نموذج عمل قوي للذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيل، بينما تحقق أقلية صغيرة بالفعل آثارًا مالية واضحة. تشير البيانات إلى أن عائد الاستثمار لا ينبع من التكنولوجيا نفسها، بل من الطريقة التي تفكر بها الشركات باستمرار في العمليات والتنظيم وقاعدة البيانات حول هذه التكنولوجيا.
إذا كنت تريد حقًا جني الأموال باستخدام الذكاء الاصطناعي، فإن الأمر يستحق نظرة واقعية: ابدأ صغيرًا، قس بوضوح، ركز بشكل جذري على أهداف العمل الملموسة - وافهم الوكلاء ليس ككائنات سحرية، بل كعناصر بناء متطورة لتصميم عملية جديدة. بهذه الطريقة، يزداد احتمال الانتقال من المجموعة الكبيرة من الشركات التي تجري تجارب إلى المجموعة الصغيرة من تلك التي تحقق بالفعل عائدًا حقيقيًا وقابلًا للإثبات من الذكاء الاصطناعي اليوم.