Gartner expects around forty percent of agentic AI projects to be cancelled by the end of 2027, mostly for poor planning and unmet expectations. Having watched a number of these up close, the pattern is more specific than that, and more avoidable.تتوقع جارتنر إلغاء نحو أربعين بالمئة من مشاريع الذكاء الوكيل بنهاية ٢٠٢٧، غالبًا بسبب سوء التخطيط وتوقعات لم تتحقق. وبعد متابعة عدد منها عن قرب، يتبين أن النمط أكثر تحديدًا من ذلك، وأكثر قابلية للتفادي.
Failure one: no governed knowledgeالفشل الأول: لا معرفة محوكمة
The project starts with a model and a channel, and the knowledge is whatever documents someone could find. Six weeks in, the AI is confidently wrong about a refund policy, a senior person sees it, and trust collapses faster than it was built. Nothing recovers a programme from that.يبدأ المشروع بنموذج وقناة، والمعرفة هي ما تيسّر من مستندات. وبعد ستة أسابيع يخطئ الذكاء بثقة في سياسة استرداد، فيراه مسؤول كبير، فتنهار الثقة أسرع مما بُنيت. ولا شيء ينقذ البرنامج بعد ذلك.
The fix is boring and it has to come first: one governed knowledge source with ownership, versioning and an approval step, and retrieval that answers only from it.والعلاج ممل ويجب أن يأتي أولًا: مصدر معرفة واحد محوكم بمالك وإصدارات وخطوة اعتماد، واسترجاع لا يجيب إلا منه.
Failure two: a pilot that cannot become productionالفشل الثاني: تجربة لا تصير إنتاجًا
The pilot runs on exported data, a test tenant and a friendly subset of traffic. It performs well, everyone is pleased, and then production turns out to need identity resolution, rate limits, audit logging, failure handling and a support rota. The pilot proved the model and nothing about the operation.تعمل التجربة على بيانات مصدَّرة وبيئة اختبارية وشريحة ودودة من الحركة. فتؤدي جيدًا ويسر الجميع، ثم يتبين أن الإنتاج يحتاج تحديد هوية وحدود معدل وتسجيل تدقيق ومعالجة أعطال ونوبة دعم. فالتجربة أثبتت النموذج ولم تثبت شيئًا عن التشغيل.
Run the pilot on live traffic in the real environment, smaller in scope rather than lighter in rigour. A narrow slice of production teaches you more than a broad slice of sandbox.شغّل التجربة على حركة حقيقية في البيئة الفعلية، أضيق نطاقًا لا أخف صرامة. فشريحة ضيقة من الإنتاج تعلّمك أكثر من شريحة واسعة من بيئة تجريبية.
Failure three: measuring the wrong thingالفشل الثالث: قياس الشيء الخطأ
Deflection is the metric that kills programmes, because it rewards the system for being unhelpful. Containment is the same trap wearing a different name. Both look excellent while repeat contact climbs and satisfaction falls, and by the time anyone notices, the numbers that justified the budget are the numbers nobody believes.التحويل بعيدًا عن الموظف هو المؤشر الذي يقتل البرامج، لأنه يكافئ النظام على قلة الفائدة. والاحتواء الفخ نفسه باسم آخر. وكلاهما يبدو ممتازًا بينما يرتفع تكرار التواصل وينخفض الرضا، وحين ينتبه أحد تكون الأرقام التي بررت الموازنة هي الأرقام التي لا يصدقها أحد.
Failure four: no owner on the business sideالفشل الرابع: لا مالك من جهة العمل
If the programme lives entirely in IT, the approval boundaries never get set, because the person who can decide that the AI may issue a credit under a certain value does not sit in IT. These projects do not fail loudly. They stall, get re-scoped to something safer, and are quietly not renewed.إن عاش البرنامج بالكامل داخل تقنية المعلومات فلن تُحدَّد حدود الاعتماد أبدًا، لأن من يستطيع أن يقرر أن الذكاء يجوز له إصدار رصيد تحت قيمة معينة لا يجلس في تقنية المعلومات. وهذه المشاريع لا تفشل بصوت عالٍ، بل تتعثر وتُعاد صياغتها لشيء أأمن ثم لا تُجدَّد بهدوء.
The tell, in the first monthالعلامة، في الشهر الأول
Ask two questions. Who owns the knowledge base, by name? And what is the AI allowed to do without asking anyone? If either answer is vague in month one, the project is already in the forty percent.اسأل سؤالين: من يملك قاعدة المعرفة بالاسم؟ وما الذي يُسمح للذكاء بفعله دون سؤال أحد؟ فإن كانت أي إجابة غامضة في الشهر الأول، فالمشروع بالفعل ضمن الأربعين بالمئة.