لماذا تفشل مشاريع الذكاء الاصطناعي في Mittelstand — والنمط الذي يعمل فعلاً

في يناير 2026، استطلعت Horvath 200 شركة ألمانية متوسطة الحجم ووجدت أنها أنفقت 0.35٪ من الإيرادات على الذكاء الاصطناعي في 2025، نزولاً من 0.41٪ في 2024 (opens in new tab)، بينما تحرّك السوق الأوسع من 0.40٪ إلى 0.50٪. في غضون ذلك، أفادت مبادرة NANDA من MIT بأن نحو 95٪ من تجارب GenAI المؤسسية لا تُقدّم أي تأثير قابل للقياس على الأرباح والخسائر (opens in new tab)، واستطلاع S&P Global 2025 وجد أن نصيب الشركات التي تتخلى عن معظم برامج الذكاء الاصطناعي قفز من 17٪ إلى 42٪ سنويًا (opens in new tab).

شركات Mittelstand الألمانية تستثمر أقل من السوق، ومشاريع السوق تموت بمعدلات قياسية. نبني برمجيات لعملاء Mittelstand، وقد ورثنا أو رفضنا كثيرًا من مشاريع الذكاء الاصطناعي خلال الأشهر الثمانية عشر الماضية. أنماط الفشل تتكرر.

شكل الفجوة

Germany Trade & Invest تضع سوق الذكاء الاصطناعي الألماني عند نحو 9 مليار يورو في 2025، نموًا نحو 37 مليار يورو بحلول 2031 (opens in new tab). ما يهم هو من يلتقطه. مسح ifo Business لشهر مايو 2025 (opens in new tab) قاس الانقسام بصراحة: 56٪ من الشركات الكبيرة في استخدام نشط للذكاء الاصطناعي، و38٪ من المؤسسات الصغيرة والمتوسطة، و31٪ من المؤسسات الصغرى — تقسيم في يونيو 2025 هبط عند 48٪ مقابل 17٪ عند الأطراف (opens in new tab). Mittelstand في الخلف، وتنزلق أبعد.

نمط الفشل 1: التجربة التي لا تغادر المختبر أبدًا

يُشغّل فريق أول إثبات مفهوم على حاسوب محمول. العرض التوضيحي عظيم. بعد ستة أشهر لم يُشحن شيء. توقع Gartner في يوليو 2024 أن 30٪ على الأقل من مشاريع GenAI ستُترك بعد POC بنهاية 2025 (opens in new tab) — ورقم S&P 2025 عند 42٪ جاء أعلى بكثير من ذلك. للذكاء الاصطناعي الوكيلي، يتوقع Gartner الآن أن أكثر من 40٪ ستُلغى بنهاية 2027 (opens in new tab).

النسخة الخاصة بـMittelstand: يُبنى من فريق IT الداخلي إضافة إلى عملهم، برعاية رئيس قسم بلا صلاحية ميزانية، ويُعرض كعرض شرائح. لا أحد يملك خط أنابيب النشر، أو عقود البيانات، أو الاستجابة في 3 صباحًا. الإصلاح هو التوقف عن تشغيل POCs ليس لها هدف إنتاج مُتّفق عليه مسبقًا، ومالك تشغيلي مُسمى، وخطة تكامل. إن لم تستطع الإجابة عن "أي Geschäftsprozess يستبدله هذا"، لا تبدأ.

نمط الفشل 2: بناء chatbot عام فوق الموقع العام

أول مشروع ذكاء اصطناعي لشركة يكون تقريبًا دائمًا chatbot مواجه للعملاء مُلصق على الموقع المؤسسي. يستند إلى نص تسويقي، ويُجيب على أسئلة سبق أن أجابت عليها صفحة الأسئلة الشائعة، ويُكلّف ستة أرقام، ولا أحد يقيس أثره على الإيرادات لأن لا أحد استطاع ذلك في المقام الأول.

في غضون ذلك، الشركة نفسها لديها عملية إدخال طلبات يُعيد فيها فريق المبيعات إدخال أوامر شراء PDF يدويًا — مئات أسبوعيًا، برموز بنود تتطلب بحثًا، وقواعد تسعير خاص في رأس شخص واحد. هناك يدفع الذكاء الاصطناعي: استخراج وثائق، ومطابقة كيانات ضد ERP، وتوجيه مُسجّل الثقة. ارتباط لستة أسابيع يمكن أن يُزيل بشكل دائم FTE كاملاً من عمل ضغط المفاتيح. وجد MIT NANDA أن أكثر من نصف ميزانيات GenAI تذهب إلى أدوات المبيعات والتسويق، لكن أعلى ROI يعيش في أتمتة المكتب الخلفي (opens in new tab).

نمط الفشل 3: بيانات متسخة، وماذا يعني ذلك فعلاً

استطلاع Informatica 2025 CDO Insights لـ600 مسؤول بيانات رئيس وضع البيانات عند 43٪، مربوطة بالتكنولوجيا عند 43٪ (opens in new tab). Gartner يتوقع 60٪ من مشاريع الذكاء الاصطناعي غير المدعومة ببيانات جاهزة للذكاء الاصطناعي ستُترك حتى 2026 (opens in new tab).

في شركة Mittelstand "البيانات المتسخة" تعني: ثلاثة سجلات رئيسية متداخلة للعملاء من استحواذ 2017 لم يُدمج؛ أوصاف منتجات تُرجمت آليًا إلى الإنجليزية في 2014؛ حقل "حالة" فيه سبع عشرة قيمة، ستة منها تعني الشيء نفسه؛ ملفات PDF ممسوحة ضوئيًا لأوامر شراء تجلس على مشاركة Samba؛ حقل BOM هو نص حر للعناصر القديمة وJSON منظّم للجديدة. لا شيء من هذا قابل للإصلاح في مساحة عمل Databricks. قابل للإصلاح من مهندس يقرأ مخطط ERP ويتحدث مع الشخص الذي يُدخل البيانات. إن كانت مرحلة اكتشاف بائع لا تشمل أسبوعًا مع ذلك المُشغّل وتقييم جودة بيانات ملموسًا للجداول المحددة، فالمشروع يجري أعمى.

نمط الفشل 4: توظيف الشريك الذي لا يشحن شيفرة

انعكاس Mittelstand هو إشراك شركة استشارية كبيرة. شرائح جيدة، وورش عمل، وخارطة طريق فيها أربع عشرة "فرصة ذكاء اصطناعي" على مصفوفة 2×2، وتوصية بـ"مركز تميّز". بعد ستة أشهر وفاتورة بسبعة أرقام، لا نظام إنتاج موجود.

استنتاج MIT NANDA مباشر (opens in new tab): الشراء من بائعين متخصصين والشراكة ينجح بنحو 67٪ من الوقت؛ البناءات الداخلية تنجح بنحو ثلث ذلك. السؤال الصحيح لطرحه على أي شركة تُقدّم عمل ذكاء اصطناعي: "من في فريقك سيكتب Python الذي سيعمل في الإنتاج، وهل يمكنني التحدث معه الأسبوع القادم؟" إن كانت الإجابة "شركاء التسليم لدينا في الهند" أو "سنأتي بمتخصصين أثناء التنفيذ"، فتلك إشارة سيئة.

النمط الذي يعمل فعلاً

عبر مشاريع Mittelstand التي شاهدناها تسير جيدًا، ستة أشياء تقريبًا دائمًا صحيحة.

رأسي ضيق. سير عمل واحد بحجم قابل للقياس — طلبات في الأسبوع، بطاقات في اليوم — لا "ذكاء اصطناعي عبر الشركة". الاستراتيجيات الأفقية تخسر أمام حلول رأسية نقطية في كل مرة.

بيانات مملوكة. النموذج يقرأ ويكتب بيانات تحوكمها الشركة بالفعل. نظام السجل يبقى نظام السجل؛ طبقة الذكاء الاصطناعي تقرأ منه عبر APIs محددة.

أفق ستة أسابيع لأول قيمة إنتاج. ليس POC لستة أسابيع — نظام يُعالج عملاً حقيقيًا، حتى لو كان محدد النطاق بضيق. معلم الأسبوع السادس: "عشرة بالمئة من الطلبات تتدفق عبر المسار الجديد، مع إنسان يُراجع المخرجات". الثقة تنمو شهريًا بدقة مقاسة.

راعٍ تنفيذي واحد بصلاحية ميزانية. شخص واحد — COO، أو Geschäftsführer، أو رئيس العمليات — يملك النتيجة ويستطيع قتل الاعتراضات الداخلية دون تصعيد لثلاثة أسابيع.

فريق ثقيل بالمهندسين. مهندسان أو ثلاثة، ومالك مجال واحد من العمليات، وقائد تقني. لا مدير برنامج، لا مستشار تغيير، لا معماري لا يكتب شيفرة.

بوابات تقييم مربوطة بمقاييس الأعمال. قبل كتابة شيفرة، يوافق الفريق على البوابة: طلبات في الساعة، ومعدل خطأ تحت X٪، وتكلفة لكل وثيقة تحت Y سنتًا. في غياب تلك البوابات، تشحن عرضًا توضيحيًا وتكتشف بعد ستة أشهر أنه خاطئ 12٪ من الوقت.

ما تطلبه من أي بائع أو مُدمج ذكاء اصطناعي

RfPs تُكافئ المنهجية الأشمل وقائمة المراجع الأعمق. كلاهما يرتبط ضعيفًا بالتسليم. أربع بوابات صلبة:

1. أرنا شيفرة شحنتها إلى الإنتاج في الاثني عشر شهرًا الماضية. ليس PDF لدراسة حالة. مستودع، أو عرض نظام ببيانات حقيقية، أو URL إنتاج بعميل مُسمى نستطيع الاتصال به.

2. سمِّ المهندس الذي سيقود التسليم، ودعنا نُقابله. المهندس الأول الذي سيكون GitHub خاصته مسؤولاً عن الشيفرة — متاح لمقابلة تقنية لخمس وأربعين دقيقة قبل العقد.

3. التزم بمعلم أسبوع-سادس بحجم قابل للقياس. إنتاجية إنتاج ببوابات دقة محددة، لا عرضًا توضيحيًا. البائعون الذين يدفعون نحو "أولاً نحدد النطاق، ثم نُخطط، ثم نبني" غير قادرين بنيويًا على النمط الذي يعمل.

4. اشرح عمل البيانات. أي جداول ستقرأ؟ أي حقول تقلق بشأنها؟ ما خطتك للخروج إن لم تستطع تنظيف البيانات؟ بائع لا يقود بهذه الأسئلة يُخطط للفشل عند المعيق بنسبة 43٪.

لماذا يهم هذا الآن

دراسة Horvath تنتهي بسطر صريح من قائد الدراسة Heiko Fink: "إن لم يُسرَّع تحوّل الذكاء الاصطناعي هائلاً الآن، ستتطور فجوة التكنولوجيا إلى مخاطر استراتيجية وجودية". الإلحاح حقيقي. الاستجابة الصحيحة ليست إنفاق المزيد على الأنماط الفاشلة نفسها — هي شحن أنظمة أصغر، وقابلة للقياس، ومملوكة تعمل فعلاً.

نقاط قوة Mittelstand — معرفة العمليات العميقة، والعلاقات الطويلة مع العملاء، والانضباط التشغيلي — هي بالضبط المكونات التي يحتاجها مشروع ذكاء اصطناعي رأسي ضيق. ما نادرًا ما يملكونه داخليًا هو دكة هندسة لترجمة تلك المعرفة إلى شيفرة تعمل في ستة أسابيع. الشركات التي تفوز في 2026 ليست التي لديها أكبر ميزانيات ذكاء اصطناعي. هي التي اختارت سير عمل واحدًا غير فاتن، وقاسته بصدق، وشحنت نظامًا أزال تكلفة حقيقية.

قراءات إضافية

• Horvath / Reuters coverage of the January 2026 Mittelstand AI investment study (opens in new tab)
• MIT NANDA, "The GenAI Divide: State of AI in Business 2025" (via Fortune) (opens in new tab)
• Informatica, CDO Insights 2025 (600 chief data officers surveyed) (opens in new tab)
• S&P Global Voice of the Enterprise: AI & Machine Learning Use Cases 2025 (opens in new tab)
• Gartner press release on agentic AI project cancellation (June 2025) (opens in new tab)
• ifo Institute Business Survey on AI adoption by firm size (June 2025) (opens in new tab)