الفرق ليس تقنيًا فقط؛ بل يحدد ما إذا كان الذكاء الاصطناعي سيكتب لك مسودة أم سيدير جزءًا من المؤسسة.

ملخص تنفيذي

يعرف كثير من أصحاب الشركات الذكاء الاصطناعي من خلال أدوات تكتب، أو تلخص، أو تترجم، أو تقترح أفكارًا. هذا هو جوهر الذكاء الاصطناعي التوليدي (Generative AI). لكن هناك اتجاه قوي متنامي نحو الذكاء الاصطناعي الوكيلي (Agentic AI)، حيث يستطيع الوكلاء الأذكياء (AI Agents) تنفيذ مهام متعددة الخطوات، والتفاعل مع أدوات وموارد الشركة، واتخاذ قرارات معينة وفق قواعد محددة. يشرح هذا المقال الفرق العملي بين النوعين، ومتى يستخدم صاحب القرار كل نوع، وما المخاطر، وكيف يبدأ تدريجيًا دون مبالغة أو اندفاع.

مقدمة: هل تريد AI يكتب لك… أم AI يعمل معك؟

في البداية، كان السؤال الشائع داخل الشركات: “كيف نستخدم ChatGPT في كتابة المحتوى أو تلخيص الاجتماعات؟”. ومع التطورات المتسارعة في تقنيات الذكاء الاصطناعي ظهر سؤال جديد: “هل يمكن للذكاء الاصطناعي أن يتابع العملاء، يُحدّث نظام CRM، يرتب الأولويات، ويرسل التنبيهات؟”

هنا يظهر الفرق بين نوعين أصبحا محوريين في قرارات الأعمال:

• الذكاء الاصطناعي التوليدي (Generative AI): ينتج محتوى أو إجابات أو تحليلات.
• الذكاء الاصطناعي الوكيلي (Agentic AI): يخطط وينفذ خطوات ضمن سير عمل منظم، بدرجة من الاستقلالية وتحت ضوابط.

في GenAI، تظهر القيمة غالبًا في الإنتاجية وخفض وقت المهام. لكن التحدي هو تحويل الاستخدام الفردي إلى نتائج مالية قابلة للقياس. BCG تشير إلى أن الشركات الرائدة لا تكتفي بمبادرات إنتاجية صغيرة، بل تخصص أكثر من 80% من استثمارات AI لإعادة تشكيل الوظائف الأساسية وابتكار عروض جديدة. (BCG)

في Agentic AI، التوقعات أعلى لكنها أكثر مخاطرة. في مسح PwC، من بين الشركات التي تتبنى AI agents، قال 66% إنها تحقق قيمة قابلة للقياس عبر زيادة الإنتاجية، و57% أبلغت عن وفورات في التكلفة، و55% عن تسريع اتخاذ القرار، و54% عن تحسين تجربة العملاء. (PwC)

لكن بالنسبة لصاحب القرار، ليست كل استخدامات AI متساوية. أحيانًا تحتاج أداة توليد محتوى، وأحيانًا تحتاج وكيلًا ذكيًا يتابع عملية كاملة. الفرق بينهما هو الفرق بين “مساعد يكتب” و“مساعد ينفّذ”.

ما هو الذكاء الاصطناعي التوليدي Generative AI؟

الذكاء الاصطناعي التوليدي (Generative AI) هو نوع من الذكاء الاصطناعي قادر على إنتاج مخرجات جديدة اعتمادًا على توجيهات prompts (تعليمات و بيانات). والمخرجات قد تكون: نصوص، صور، فيديو، أكواد برامج، والمعالجة التي يقوم بها نموذج الذكاء الاصطناعي قد تكون إنتاج مادة جديدة، تلخيص، دمج، شرح، ترجمة، مقارنة، تقييم، تحليل بيانات، اقتراح أفكار.

في بيئة الأعمال، يظهر Generative AI في مهام مثل:

• كتابة مسودات رسائل تسويقية.
• إعداد مقترحات بيع.
• تلخيص اجتماعات.
• ترجمة محتوى.
• توليد أفكار منتجات.
• تحليل تعليقات العملاء.
• صياغة أوصاف وظائف.
• إعداد مسودات تقارير.

قيمة هذا النوع من الذكاء الاصطناعي أنه يُسرّع العمل المعرفي ويقلل الوقت المطلوب لإنتاج مسودات أولية. لكنه لا “يدير العملية” وحده. هو يحتاج إلى إنسان (أو وكيل Agent) يطلب، يراجع، يعدّل، ويقرر.

تؤكد McKinsey أن القيمة الاقتصادية المحتملة للذكاء الاصطناعي التوليدي ما زالت كبيرة؛ إذ قد يضيف GenAI ما بين 2.6 و4.4 تريليون دولار سنويًا عبر 63 حالة استخدام، خصوصًا في عمليات العملاء، التسويق والمبيعات، تطوير البرمجيات، والبحث والتطوير. لكن بيانات McKinsey الأحدث لعام 2025 تُظهر أن القضية لم تعد في التبنّي فقط، بل في التوسّع وتحقيق الأثر: فقد أفاد 88% من المشاركين بأن مؤسساتهم تستخدم AI بانتظام في وظيفة أعمال واحدة على الأقل، مقارنة بـ 78% في العام السابق، بينما لم تبدأ سوى نحو ثلث المؤسسات في توسيع برامج AI على مستوى المؤسسة. كما برز Agentic AI كموجة جديدة، إذ قالت 62% من المؤسسات إنها تجرّب أو توسّع استخدام AI agents، لكن 23% فقط وصلت إلى مرحلة التوسّع الفعلي في وظيفة أعمال واحدة أو أكثر. (McKinsey)

بالنسبة لصاحب المنشأة الصغيرة أو المتوسطة، هذا يعني أن Generative AI مناسب كبداية لأنه غالبًا:

• أسرع في التجربة.
• أقل تكلفة من بناء أنظمة مخصصة.
• واضح الأثر في الوقت والإنتاجية.
• مناسب للمهام منخفضة المخاطر.
• لا يحتاج دائمًا إلى تكامل عميق مع أنظمة الشركة.

ما هو الذكاء الاصطناعي الوكيلي Agentic AI؟

يشير الذكاء الاصطناعي الوكيلي (Agentic AI) إلى أنظمة أو وكلاء أذكياء (AI Agents) لا تكتفي بالإجابة أو توليد المحتوى، بل تستطيع تنفيذ سلسلة من الخطوات لتحقيق هدف محدد.

الوكيل الذكي قد يقوم مثلًا بقائمة مهام مرتبة على النحو التالي:

1. قراءة طلب عميل جديد.
2. تصنيفه حسب نوع الخدمة.
3. البحث في قاعدة المعرفة.
4. اقتراح رد.
5. تحديث نظام CRM.
6. إرسال تنبيه لموظف المبيعات.
7. جدولة متابعة.
8. إعداد ملخص للمدير.

هذا يختلف عن Generative AI التقليدي؛ لأن الوكيل لا ينتج نصًا فقط، بل يتحرك داخل سير عمل (Workflow).

أعلنت Gartner أن 40% من تطبيقات المؤسسات ستتضمن وكلاء ذكاء اصطناعي مخصصين للمهام بحلول نهاية 2026، مقارنة بأقل من 5% في 2025، وهو مؤشر على انتقال Agentic AI من مفهوم ناشئ إلى جزء من تطبيقات الأعمال. (Gartner)

لكن كلما زادت قدرة النظام على الفعل، زادت الحاجة إلى الحوكمة، الصلاحيات، المراجعة البشرية، وتتبع القرارات.

الفرق العملي بين Generative AI وAgentic AI

يمكن تبسيط الفرق لصاحب القرار هكذا:

السؤال	Generative AI	Agentic AI
ماذا يفعل؟	ينتج محتوى أو إجابة أو تحليلًا	ينفذ سلسلة خطوات لتحقيق هدف
مثال بسيط	يكتب مسودة عرض بيع	يتابع العميل ويحدّث CRM ويقترح خطوة تالية
مستوى الاستقلالية	منخفض إلى متوسط	متوسط إلى مرتفع
الحاجة للتكامل	محدودة غالبًا	عالية غالبًا
المخاطر	جودة المخرجات والدقة	الصلاحيات، القرارات، التنفيذ، الأمن
البداية المناسبة	مهام محتوى وتحليل منخفضة المخاطر	عمليات متكررة متعددة الخطوات بعد وجود ضوابط

بعبارة أخرى:

Generative AI يساعد الموظف على إنتاج أفضل وأسرع. Agentic AI يساعد المؤسسة على تنفيذ عمليات أكثر انسيابًا.

لماذا يجب أن يهتم صاحب القرار بهذا الفرق؟

لأن الخلط بين النوعين يؤدي إلى قرارات خاطئة. إذا توقعت من أداة توليد نصوص أن تدير عملية مبيعات كاملة، ستصاب بخيبة أمل. وإذا استخدمت Agentic AI في عملية حساسة دون ضوابط، قد تخلق مخاطر أكبر من العائد.

صاحب القرار يحتاج هذا الفرق لخمسة أسباب:

1 تحديد التوقعات العملية

Generative AI يمكن أن يسرّع إعداد المحتوى والتقارير والردود، لكنه لا يلغي الحاجة إلى مراجعة بشرية. Agentic AI قد ينفذ خطوات، لكنه يحتاج حدودًا واضحة: ماذا يمكنه أن يفعل؟ ومتى يجب أن يتوقف؟ ومتى يحوّل المهمة إلى إنسان؟

2  اختيار الاستثمار الصحيح

لا تحتاج كل شركة إلى AI Agents منذ اليوم الأول. كثير من الشركات الصغيرة تحقق قيمة كبيرة من Generative AI فقط، خاصة في التسويق، خدمة العملاء، التقارير، وإعداد العروض.

3  إدارة المخاطر

كلما اقترب AI من التنفيذ داخل الأنظمة، زادت المخاطر: صلاحيات، بيانات، أخطاء، قرارات غير مرغوبة، أو تنفيذ خطوة في توقيت خاطئ.

4 تصميم سير العمل

Agentic AI ليس أداة منفصلة؛ بل يحتاج تصميمًا واضحًا لسير العمل (Workflow Automation). يجب معرفة: من يبدأ العملية؟ ما البيانات؟ ما الخطوات؟ ما نقاط الموافقة؟ ما الحد الأقصى للصلاحيات؟

5 بناء ميزة تنافسية تدريجية

الشركات التي تبدأ بـ Generative AI بشكل منظم، ثم تنتقل إلى Agentic AI في العمليات المتكررة، ستكون أقدر على تحويل الذكاء الاصطناعي إلى قدرة تشغيلية لا مجرد استخدام فردي.

متى تستخدم Generative AI؟

ابدأ بـ Generative AI عندما تكون المهمة:

• نصية أو معرفية.
• منخفضة المخاطر.
• تحتاج مسودة أولى.
• قابلة للمراجعة البشرية.
• لا تتطلب تنفيذًا مباشرًا داخل أنظمة حساسة.

أمثلة مناسبة:

• كتابة محتوى تسويقي.
• إعداد مسودة عرض سعر.
• تلخيص مكالمة أو اجتماع.
• تحويل تقرير طويل إلى ملخص تنفيذي.
• صياغة أسئلة مقابلات.
• تحليل تعليقات العملاء.
• إعداد ردود أولية لخدمة العملاء.

هذا النوع مناسب جدًا لأول 30 إلى 60 يومًا من رحلة الشركة مع AI.

متى تستخدم Agentic AI؟

استخدم Agentic AI عندما تكون العملية:

• متكررة.
• متعددة الخطوات.
• لها قواعد واضحة.
• تحتاج تنسيقًا بين أنظمة أو فرق.
• يمكن مراقبتها وقياسها.
• يمكن إيقافها أو مراجعتها عند الحاجة.

أمثلة مناسبة:

• متابعة العملاء المحتملين بعد تعبئة نموذج.
• تصنيف تذاكر الدعم وتحويلها.
• جدولة مواعيد مبدئية.
• تنبيه المدير عند انخفاض مؤشر معين.
• جمع بيانات من مصادر متعددة وإعداد تقرير دوري.
• تحديث CRM بعد تفاعل عميل.
• إنشاء مسار تهيئة onboarding داخلي للموظفين الجدد.

لكن Agentic AI يجب ألا يبدأ في قرارات عالية المخاطر مثل الموافقة المالية، التوظيف النهائي، الردود القانونية، أو التفاوض التلقائي دون ضوابط صارمة.

Agentic AI آخذ في الصعود، لكن المؤسسات لا تزال تتحرك وفق وتيرة مرتبطة بالتغيير التنظيمي، المخاطر، والحوكمة، لا بسرعة التقنية وحدها.

ما دور الإنسان في الحالتين؟

في Generative AI، الإنسان يراجع المخرجات، يصحح السياق، ويتخذ القرار النهائي.
في Agentic AI، الإنسان يجب أن يصمم القواعد، يحدد الصلاحيات، يراقب النتائج، ويتدخل عند الحالات الحساسة.

هذا ما يسمى Human-in-the-Loop، أي بقاء الإنسان داخل الحلقة. وهو ضروري خصوصًا في:

• التوظيف.
• التسعير.
• العقود.
• الشكاوى الحساسة.
• البيانات المالية.
• القرارات القانونية.
• التواصل الرسمي مع العملاء الكبار.

الهدف ليس منع AI من العمل، بل جعله يعمل داخل حدود آمنة.

كيف ينتقل صاحب القرار من التوليدي إلى الوكيلي؟

الانتقال يجب أن يكون تدريجيًا:

المرحلة الأولى: استخدام فردي منظم

ابدأ بأدوات Generative AI في مهام مثل كتابة المحتوى، تلخيص الاجتماعات، إعداد التقارير، أو اقتراح الردود.

المرحلة الثانية: قوالب وسياسات

ضع قوالب استخدام (Prompt Templates)، وحدد ما البيانات المسموح بإدخالها، وما المخرجات التي تحتاج مراجعة.

المرحلة الثالثة: حالة استخدام متكررة

اختر عملية متكررة، مثل متابعة العملاء أو تصنيف طلبات الدعم.

المرحلة الرابعة: وكيل محدود الصلاحيات

استخدم AI Agent لا ينفذ كل شيء، بل يقترح أو يجهّز أو يصنف، مع موافقة بشرية قبل الخطوة النهائية.

المرحلة الخامسة: أتمتة محسوبة

بعد قياس النتائج، يمكن توسيع صلاحيات الوكيل تدريجيًا، بشرط وجود سجلات، مراقبة، ومؤشرات أداء.

ماذا يعني ذلك لمتخذ القرار في المنشأة الصغيرة؟

بالنسبة لصاحب الشركة، السؤال ليس: “أيهما أفضل؟” بل: “أيهما يناسب مشكلتي الآن؟”

يكون Generative AI مناسبًا عندما تريد:

• تقليل وقت الكتابة والتحليل.
• رفع إنتاجية الفريق.
• تحسين جودة المسودات.
• تدريب الفريق على استخدام AI.
• بدء سريع ومنخفض التكلفة.

ويكون Agentic AI مناسبًا عندما:

• توجد عملية متكررة متعددة الخطوات.
• توجد بيانات منظمة نسبيًا.
• يوجد Workflow واضح.
• يمكن تحديد الصلاحيات.
• توجد مراجعة بشرية للحالات المهمة.
• يمكن قياس النتائج عبر KPIs.

يجب تأجيل Agentic AI إذا كانت الشركة لا تعرف بعد أين تحقق القيمة، أو لا تملك بيانات كافية، أو لا تمتلك سياسة واضحة للصلاحيات والمراجعة.

حالات استخدام عملية

مثال 1

• القطاع: العقارات
• المشكلة: كثرة العملاء المحتملين وتفاوت جودة المتابعة بعد أول استفسار.
• تطبيق الذكاء الاصطناعي المناسب: وكيل AI يتابع العملاء المحتملين، يصنف درجة الجدية، ويقترح موعدًا لموظف المبيعات.
• نوع التقنية: Agentic AI + CRM Integration
• القيمة المتوقعة: تحسين سرعة المتابعة وزيادة فرص تحويل العملاء.
• KPI مقترح: زمن أول متابعة، ومعدل تحويل العملاء المحتملين إلى مواعيد.

مثال 2

• القطاع: خدمات مهنية B2B
• المشكلة: بطء إعداد العروض والمقترحات للعملاء.
• تطبيق الذكاء الاصطناعي المناسب: Generative AI لإعداد مسودات عروض بيع مخصصة بناءً على قوالب الشركة.
• نوع التقنية: Generative AI
• القيمة المتوقعة: تقليل وقت إعداد العرض وتحسين جودة الصياغة.
• KPI مقترح: متوسط زمن إعداد العرض، ونسبة العروض المقبولة.

مثال 3

• القطاع: الموارد البشرية في SME
• المشكلة: تراكم السير الذاتية وصعوبة جدولة المقابلات الأولية.
• تطبيق الذكاء الاصطناعي المناسب: وكيل داخلي يفرز السير الذاتية وفق معايير معلنة، يقترح قائمة مختصرة، ويساعد في جدولة المقابلات مع مراجعة بشرية.
• نوع التقنية: Agentic AI + Human-in-the-Loop
• القيمة المتوقعة: تقليل الوقت الإداري مع الحفاظ على قرار بشري نهائي.
• KPI مقترح: زمن الفرز، وجودة القائمة المختصرة، ورضا المرشحين.

جدول تطبيقي: أين تبدأ؟

المجال / الإدارة	حالة استخدام AI	نوع التقنية	القيمة المتوقعة	مستوى التعقيد	أولوية التنفيذ	KPI مقترح
التسويق	كتابة مسودات حملات ومحتوى	Generative AI	تسريع إنتاج المحتوى وتقليل التكلفة	منخفض	عالية	زمن إنتاج المسودة / معدل التفاعل
المبيعات	إعداد عروض بيع مخصصة	Generative AI	تحسين سرعة الاستجابة وزيادة جودة العروض	منخفض إلى متوسط	عالية	زمن إعداد العرض / معدل القبول
خدمة العملاء	اقتراح ردود للأسئلة المتكررة	Generative AI + Human Review	تقليل زمن الرد وتحسين الاتساق	متوسط	عالية	متوسط زمن الاستجابة
خدمة العملاء	تصنيف التذاكر وتحويلها للموظف المناسب	Agentic AI	تحسين توزيع العمل وتقليل التأخير	متوسط	متوسطة	زمن حل التذكرة / نسبة التصنيف الصحيح
المبيعات	متابعة العملاء المحتملين وتحديث CRM	Agentic AI + CRM	تحسين انتظام المتابعة وزيادة التحويل	متوسط إلى مرتفع	متوسطة	معدل التحويل / زمن أول متابعة
الموارد البشرية	فرز أولي وجدولة مقابلات	Agentic AI + Human-in-the-Loop	تقليل العمل الإداري مع مراجعة بشرية	متوسط	متوسطة	زمن الفرز / جودة القائمة المختصرة
المالية	إعداد تنبيهات عند تجاوز حدود مصروفات	Agentic AI + Rules	تحسين الرقابة التشغيلية	مرتفع	منخفضة إلى متوسطة	عدد التنبيهات الصحيحة / الأخطاء المكتشفة

أخطاء شائعة يجب تجنبها

1 الخلط بين المساعد والوكيل

ليس كل chatbot وكيلًا ذكيًا. إذا كان النظام يجيب فقط، فهو أقرب إلى Generative AI. إذا كان ينفذ سلسلة خطوات داخل الأنظمة، فهو أقرب إلى Agentic AI.

2 استخدام Agentic AI قبل تنظيم البيانات

الوكيل الذكي الذي يعمل على بيانات فوضوية قد يسرّع الخطأ بدل أن يحل المشكلة. نظّم قاعدة المعرفة والبيانات الأساسية أولًا.

3 منح صلاحيات واسعة مبكرًا

لا تعطِ الوكيل القدرة على إرسال رسائل رسمية، تعديل أسعار، أو تحديث سجلات حساسة دون موافقة بشرية في البداية.

4 تجاهل Human-in-the-Loop

المراجعة البشرية ليست عائقًا، بل صمام أمان. خصوصًا في القرارات الحساسة أو التواصل مع العملاء الكبار.

5 توقع استقلالية كاملة من اليوم الأول

Agentic AI يحتاج تدريبًا، قيودًا، اختبارات، مراقبة، وتدرجًا في الصلاحيات. لا تبدأ بأتمتة كاملة.

6 استخدام Generative AI في مهام تحتاج تنفيذًا

إذا كانت المشكلة تتطلب متابعة خطوات داخل CRM أو نظام دعم، فقد لا تكفي أداة توليد نصوص. قد تحتاج Workflow أو Agent.

7 غياب مؤشرات قياس واضحة

لا يكفي أن يبدو الوكيل “ذكيًا”. يجب قياس زمن التنفيذ، عدد الأخطاء، رضا المستخدم، معدل التحويل، أو عدد الساعات الموفرة.

خطة تنفيذ أولية خلال 30 يومًا

الأسبوع الأول: التشخيص

• الهدف: تحديد هل المشكلة تحتاج Generative AI أم Agentic AI.
• الأنشطة: حصر العمليات المتكررة، تحديد مستوى المخاطر، مراجعة البيانات المتاحة، رسم سير العمل الحالي.
• المخرجات: قائمة من 3 حالات استخدام مصنفة: توليدية أو وكيلية.
• القرار المطلوب: اختيار حالة استخدام منخفضة المخاطر للتجربة.

الأسبوع الثاني: اختيار حالات الاستخدام

• الهدف: تحديد حالة استخدام مناسبة للتطبيق الأول.
• الأنشطة: مقارنة الأثر، سهولة التنفيذ، الحاجة للتكامل، الصلاحيات، وKPI.
• المخرجات: بطاقة حالة استخدام توضح الهدف، الأداة، البيانات، المراجعة البشرية، ومؤشر القياس.
• القرار المطلوب: اختيار تجربة Generative AI أو Agentic AI محدودة.

الأسبوع الثالث: تنفيذ تجربة محدودة PoC

• الهدف: اختبار التطبيق على نطاق صغير.
• الأنشطة: إعداد القوالب أو الوكيل، تحديد صلاحيات محدودة، تشغيل التجربة على عينة، مراجعة المخرجات.
• المخرجات: نتائج أولية وملاحظات الفريق.
• القرار المطلوب: الاستمرار أو التعديل أو إيقاف التجربة.

الأسبوع الرابع: القياس واتخاذ القرار

• الهدف: تقييم العائد والمخاطر.
• الأنشطة: قياس KPI، مقارنة الأداء بخط الأساس، رصد الأخطاء، تقييم رضا المستخدمين، مراجعة الصلاحيات.
• المخرجات: تقرير قرار من صفحة واحدة.
• القرار المطلوب: التوسع، البقاء في نطاق محدود، أو العودة إلى استخدام توليدي أبسط.

الخاتمة

الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيلي ليسا بديلين متنافسين بقدر ما هما مستويان مختلفان من النضج والاستخدام. الأول يساعدك على إنتاج المعرفة والمحتوى بسرعة أكبر، والثاني يساعدك على تنفيذ عمليات متعددة الخطوات بدرجة من الاستقلالية.

بالنسبة لصاحب Startup أو SME، البداية الذكية غالبًا تكون مع Generative AI في مهام منخفضة المخاطر، ثم الانتقال تدريجيًا إلى AI Agents عندما تصبح البيانات أوضح، وسير العمل أكثر تنظيمًا، والحوكمة أكثر نضجًا.

لا تسأل فقط: “ما أحدث تقنية؟”
اسأل: “ما مستوى الاستقلالية الذي تتحمله عمليتي الحالية بأمان؟”

ابدأ بالذكاء الاصطناعي التوليدي في المهام منخفضة المخاطر، مثل المحتوى، التقارير، العروض، وتلخيص الاجتماعات. ثم انتقل تدريجيًا إلى الوكلاء الأذكياء بعد بناء قواعد واضحة للبيانات، الصلاحيات، والمراجعة البشرية.

مراجع للاستزادة

• Stanford HAI — AI Index Report 2025.
  يوضح التقرير أن 78% من المؤسسات أفادت باستخدام AI في 2024، مقارنة بـ55% في العام السابق، وأن الاستثمار الخاص عالميًا في Generative AI بلغ 33.9 مليار دولار في 2024. (Stanford HAI)
• McKinsey & Company — The Economic Potential of Generative AI: The Next Productivity Frontier.
  يقدّر التقرير أن Generative AI قد يضيف بين 2.6 و4.4 تريليون دولار سنويًا للاقتصاد العالمي عبر 63 حالة استخدام. (McKinsey & Company)
• Gartner — Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026.
  يشير إلى أن 40% من تطبيقات المؤسسات ستتضمن وكلاء AI مخصصين للمهام بحلول نهاية 2026، مقارنة بأقل من 5% في 2025. (Gartner)
• Deloitte — The State of Generative AI in the Enterprise 2024.
  يناقش التقرير صعود Agentic AI، وأهمية التنظيم والحوكمة وإدارة المخاطر في الوصول إلى القيمة من الذكاء الاصطناعي. (Deloitte)