إدارة السلسلة الجرافيكية: لماذا لا يمكن للذكاء الاصطناعي أن يتولى القيادة، وما المخاطر الخفية التي يحملها في قطاعي pharma وFMCG

شهدنا خلال الأشهر الأخيرة حمّى ذهب حقيقية حول الذكاء الاصطناعي. فقد ظهرت منصات تَعِد بأتمتة الموافقات، وتوليد المواصفات، وإعداد إجراءات التشغيل، بل وحتى التحقق التلقائي من الـ artworks ومواد الـ packaging.

يبدو هذا العرض جذابًا. فإذا كانت أداة ما قادرة على تحليل المستندات ومقارنة الإصدارات وتحديد الأخطاء واتخاذ القرارات في غضون ثوانٍ، فمن المنطقي الاعتقاد بأنها قادرة على تقليص مُهل الإطلاق وخفض التكاليف وتبسيط إدارة السلسلة الجرافيكية.

لا شك أن للذكاء الاصطناعي دورًا مهمًا في تحسين العمليات. فهو يستطيع المساعدة في تصنيف المعلومات، ورصد الاختلافات، واقتراح الإجراءات، وتسريع عمليات البحث، وتقليل المهام المتكررة. ونحن في MyMediaConnect نستكشف أيضًا وظائف مدعومة بالذكاء الاصطناعي لحالات استخدام محددة ومنخفضة المخاطر.

ومع ذلك، ثمة خط لا ينبغي لنا تجاوزه: لا يمكن للذكاء الاصطناعي أن يتولى قيادة القرارات الحرجة في السلسلة الجرافيكية.

ويكتسب هذا أهمية خاصة في قطاعات مثل الصناعة الدوائية والـ consumer health والأغذية والسلع الاستهلاكية سريعة الدوران. فالخطأ في عبوة ما ليس مجرد خلل في التصميم؛ بل قد يؤدي إلى سحب منتج من السوق، أو توقف خط إنتاج، أو مخالفة تنظيمية، أو ضرر اقتصادي كبير، أو في بعض الحالات إلى خطر على الصحة.

المسألة ليست تأييد الذكاء الاصطناعي أو معارضته. المسألة هي تحديد الدور الذي ينبغي أن يؤديه، ومن يحتفظ بالمسؤولية، وما الضوابط الواجب توافرها عندما يمكن لتوصية آلية أن تترتب عليها عواقب تشغيلية أو تنظيمية أو صحية.

قضية Purolea: إشارة إنذار

في أبريل 2026، نشرت الـ FDA رسالة تحذير موجهة إلى Purolea Cosmetics Lab، وهي شركة مصنّعة للمنتجات الدوائية في ولاية ميشيغان. وتتضمن الرسالة قسمًا خاصًا بعنوان “Inappropriate Use of Artificial Intelligence in Pharmaceutical Manufacturing”، مخصصًا للاستخدام غير الملائم للذكاء الاصطناعي في الأنشطة المتعلقة بالتصنيع الدوائي.

ووفقًا للـ FDA، كانت Purolea قد استخدمت وكلاء ذكاء اصطناعي للمساعدة في إعداد مواصفات المنتجات والإجراءات وسجلات الإنتاج والرقابة الرئيسية. وادّعت الشركة أنها تستخدم هذه الأدوات بهدف دعم الامتثال للمتطلبات التنظيمية.

لم تكن المشكلة في استخدام الذكاء الاصطناعي كأداة دعم. بل كانت في أن وحدة الجودة لدى الشركة لم تراجع المستندات المولَّدة ولم تتحقق منها على النحو الملائم قبل إدخالها في عمليات التصنيع.

وخلال التفتيش، تبيّن للـ FDA أيضًا أنه لم يُجرَ التحقق من صحة العمليات قبل توزيع المنتجات. وعندما أشار المفتشون إلى هذا القصور، ردّت الشركة بأنها لم تكن على علم بهذا الالتزام لأن وكيل الذكاء الاصطناعي الذي كانت تستخدمه لم يُشر إليه قط.

وكان ردّ الـ FDA واضحًا: إذا استخدمت شركة ما الذكاء الاصطناعي للمساعدة في إعداد مستندات متعلقة بأنشطة cGMP، فيجب عليها مراجعة تلك المستندات لضمان دقتها واستيفائها الفعلي للمتطلبات المعمول بها. ولا يمكن نقل مسؤولية وحدة الجودة إلى وكيل ذكاء اصطناعي.

تشكّل هذه القضية تحذيرًا مهمًا لأي مؤسسة تفكر في أتمتة عمليات خاضعة للتنظيم. فالذكاء الاصطناعي قادر على توليد إجابة مقنعة، لكنه لا يضمن أن تكون هذه الإجابة صحيحة أو كاملة أو كافية من الناحية القانونية.

المخاطر التنظيمية في السلسلة الجرافيكية

تشترك إدارة الـ packaging في كثير من العناصر التي تجعل أنشطة cGMP حساسة بشكل خاص: إجراءات محددة، ومستندات خاضعة للرقابة، وإمكانية التتبع، ومسؤوليات رسمية، ومراجعة التغييرات، والموافقة من قِبل أشخاص مخوّلين.

وفي هذا السياق، قد يتضمن الـ artwork معلومات حرجة:

• اسم المنتج ووصفه.
• التركيبة أو الجرعة أو التركيز.
• التحذيرات وموانع الاستعمال.
• تعليمات الاستخدام.
• الرموز والمعرّفات والبيانات القانونية.
• معلومات التشغيلة وتاريخ انتهاء الصلاحية.
• الـ claims التجارية أو الصحية.
• اللغات والمتطلبات الخاصة بكل سوق.
• العناصر الجرافيكية المرتبطة بتعريف المنتج.

قد يترتب على تغيير يبدو طفيفًا عواقب كبيرة. فرقم غير صحيح، أو وحدة قياس معبَّر عنها بشكل خاطئ، أو ترجمة غير ملائمة، أو تحذير محذوف، أو رمز غير مقروء، كلها أمور قد تُخلّ بمطابقة العبوة.

وتشمل التأثيرات المحتملة:

• سحب المنتج أو استدعاؤه (recall).
• إتلاف المواد المطبوعة أو إعادة معالجتها.
• توقف الإنتاج.
• تأخير عمليات الإطلاق.
• تكاليف لوجستية وتكاليف توزيع.
• عمليات تفتيش أو عقوبات.
• فقدان ثقة المستهلكين والعملاء.
• الإضرار بسمعة العلامة التجارية.
• مخاطر على المرضى أو المستخدمين في المنتجات الخاضعة للتنظيم.

لذلك، ينبغي تحليل الوعد بـ”الموافقة على الـ artwork تلقائيًا“ بحذر شديد. فلا ينبغي أن يقتصر السؤال على مقدار الوقت الذي توفره الأداة، بل يجب أن يشمل أيضًا ما يحدث إذا أخطأت، وكيف يُكتشف الخطأ، ومن يتحقق منه، وما الأدلة التي تبقى مسجّلة.

أتمتة المهام ليست أتمتة للمسؤوليات

ثمة فرق جوهري بين أتمتة مهمة وأتمتة مسؤولية.

يمكن لمنصة ما أن تقارن بين إصدارين من مستند وتشير إلى تغيّر كلمة. ويمكنها أن تحدد أن رمزًا ما في موضع مختلف، أو أن لونًا لا يتطابق، أو أن عنصرًا جرافيكيًا قد انزاح.

هذه مهمة مساعدة موضوعية.

أما أن يقرر النظام ما إذا كان التغيير مقبولًا، أو ما إذا كان مستوفيًا للأنظمة، أو ما إذا كانت المعلومات صحيحة، أو ما إذا كان بالإمكان تمرير المادة إلى الإنتاج، فذلك أمر مختلف تمامًا. فهذا القرار يتطلب سياقًا وصلاحية ومسؤولية.

لا يعرف النظام الآلي بالضرورة:

• السجل الكامل للمنتج.
• الاستثناءات التي سبقت الموافقة عليها.
• الالتزامات التنظيمية في كل بلد.
• الأولويات التجارية لعملية الإطلاق.
• التفسير الصحيح لأحد الـ claims.
• أثر التغيير على المواد الأخرى.
• المسؤوليات الداخلية المحددة في نظام الجودة.

يمكن للذكاء الاصطناعي أن يساعد في اكتشاف الأنماط أو صياغة التوصيات، لكن لا ينبغي أن يصبح المسؤول النهائي عن القرار.

وفي بيئة خاضعة للتنظيم، ثمة مبدأ يجب التمسك به دائمًا: يمكن للذكاء الاصطناعي أن يكون مساعد الطيار، لكن ليس الطيار.

كيف ينبغي استخدام التكنولوجيا

البديل ليس العودة إلى عمليات يدوية بطيئة قائمة على رسائل البريد الإلكتروني. البديل هو تطبيق أتمتة مسؤولة، مصممة منذ البداية حول إمكانية التتبع والإشراف البشري.

يمكن لنموذج ملائم أن يجمع بين:

1. المقارنة التلقائية بين الإصدارات. يرصد النظام الاختلافات الموضوعية بين اثنين من الـ artworks: النصوص والرموز والألوان والمواضع والأحجام والعناصر الجرافيكية.
2. عرض واضح للتغييرات. يمكن للمستخدمين مراجعة الاختلافات بصورة مرئية ومنظمة، دون الحاجة إلى المقارنة اليدوية بين ملفات كاملة.
3. مسارات موافقة محددة. يتبع كل مشروع تسلسلًا من المراجعات والموافقات يتوافق مع مسؤوليات المؤسسة.
4. تدخل بشري إلزامي. يعود القرار النهائي دائمًا إلى شخص مخوّل، لا سيما عندما تتعلق المادة بمنتج خاضع للتنظيم.
5. سجل كامل للنشاط. يحتفظ النظام بمن راجع، وما الملاحظات التي أبداها، وأي إصدار وافق عليه، ومتى تم كل إجراء.
6. التحكم في الإصدارات. لا يمكن إلا للإصدار المعتمد أن ينتقل إلى المرحلة التالية من العملية.

يمكن لهذا النهج أن يكون بكفاءة الأتمتة الكاملة، لكنه يتجنب تحويل أداة احتمالية إلى سلطة تنظيمية.

وقد اخترنا في MyMediaConnect هذا النموذج عن قصد. إذ تحدد أنظمة المقارنة المدعومة لدينا الاختلافات الموضوعية بين الإصدارات، بينما يظل القرار النهائي والتحقق من اختصاص مستخدم مخوّل.

ولا يعني ذلك استخدام قدر أقل من التكنولوجيا، بل يعني استخدامها بتصميم أكثر ملاءمة لمستوى مخاطر العملية.

مخاطر سيادة البيانات

الخطر الثاني الذي يجب تحليله هو سيادة البيانات.

تدير شركات الأدوية والـ consumer health والسلع الاستهلاكية معلومات بالغة الحساسية عبر عمليات الـ packaging لديها. وقد تشمل هذه المعلومات:

• تركيبات المنتجات ومواصفاتها.
• بيانات الجرعات والتركيب.
• تصاميم لمنتجات لم يُعلَن عن إطلاقها بعد.
• معلومات عن الأسواق والأسعار.
• الـ claims واستراتيجيات التموضع.
• بيانات الموردين والموزعين.
• معلومات تتعلق بالشكاوى أو بالمستهلكين.
• مواد خاضعة لاتفاقيات السرية.

عندما تدمج منصة ما خدمات ذكاء اصطناعي خارجية، قد تنتقل البيانات بين مزودين ومناطق ومتعاقدين من الباطن مختلفين. لذلك، لا يكفي السؤال عما إذا كان النظام ”في السحابة“. بل من الضروري معرفة البنية التحتية التي يستخدمها، وأين تُعالَج البيانات، ومن هم المزودون المشاركون، وماذا يحدث للمعلومات المرسلة.

يتيح الـ CLOUD Act الأمريكي لسلطات الولايات المتحدة طلب بيانات معينة من المزودين الخاضعين لولايتها القضائية، حتى عندما تكون تلك البيانات مخزنة خارج الأراضي الأمريكية. ويتوقف مدى انطباقه فعليًا على عوامل قانونية وتعاقدية وتقنية متعددة، لكن الخطر المتعلق بالولاية القضائية يجب أن يكون جزءًا من تقييم أي مزود للخدمات السحابية أو للذكاء الاصطناعي.

بالنسبة لشركة أوروبية، هذه بعض الأسئلة الأساسية:

• أين تُخزَّن البيانات؟
• أين تُعالَج؟
• ما المزودون الخارجيون المشاركون؟
• هل تُستخدم APIs لنماذج ذكاء اصطناعي تابعة لجهات خارجية؟
• هل يمكن تخزين البيانات المرسلة؟
• هل يمكن استخدامها لتدريب النماذج؟
• ما المعالجون الفرعيون المشاركون في المعالجة؟
• هل يوجد خيار للإقامة الحصرية للبيانات داخل الاتحاد الأوروبي؟
• ما تدابير التشفير والتحكم في الوصول المطبقة؟
• ماذا يحدث إذا طلبت سلطة أجنبية معلومات؟

يجب أن تكون الإجابات واضحة وموثقة وقابلة للتحقق تعاقديًا.

نحن في MyMediaConnect نولي الأولوية لتقليل تعرّض البيانات الحساسة إلى أدنى حد، وللشفافية بشأن المعلومات التي تتم مشاركتها، ومع من، ولأي غرض. وفيما يخص القرارات الحرجة في السلسلة الجرافيكية، لا نعتمد على APIs ذكاء اصطناعي من مزودين أمريكيين.

المخاطر الاقتصادية والاعتماد التكنولوجي

البُعد الثالث اقتصادي.

تعتمد كثير من منصات الذكاء الاصطناعي على نماذج تابعة لجهات خارجية قد تتغير أسعارها وحدود استخدامها وشروطها التجارية. وقد تتوقف التكلفة على عدد المستخدمين، أو المستندات التي يتم تحليلها، أو الصفحات المعالَجة، أو الكلمات المولَّدة، أو استدعاءات الـ API، أو الـ tokens المستهلكة.

وهذا يُصعّب التنبؤ بالميزانية، لا سيما عندما تُدمج وظيفة ما بعمق في عملية تشغيلية.

يمكن للمزود أن يعدّل:

• السعر لكل مستخدم.
• التكلفة حسب حجم الاستخدام.
• الحدود المضمّنة في كل خطة.
• شروط التخزين.
• توافر نموذج ما.
• أوقات الاستجابة.
• شروط التدريب أو إعادة استخدام البيانات.
• الوصول إلى API معيّنة.

إذا كانت منصة لإدارة الـ packaging تستخدم خدمة خارجية لوظيفة حرجة، فإن أي تغيير في السعر أو انقطاع أو توقف للنموذج قد ينعكس على العميل.

لذلك، ينبغي للمسؤولين الماليين ومسؤولي العمليات أن يسألوا:

• ما نسبة تكلفة المنصة التي تعتمد على خدمات ذكاء اصطناعي تابعة لجهات خارجية؟
• هل يشمل السعر الاستخدام أم تتم الفوترة حسب الاستهلاك؟
• هل توجد حدود للحجم؟
• ماذا يحدث إذا رفع المزود الخارجي أسعاره؟
• هل يوجد مزود بديل؟
• هل يمكن الحفاظ على الوظيفة دون ذكاء اصطناعي؟
• ما خطة الاستمرارية القائمة إذا لم يعد النموذج متاحًا؟
• هل سيتلقى العميل إشعارًا مسبقًا بشأن التغييرات المهمة؟

يمكن للذكاء الاصطناعي أن يخفض بعض التكاليف، لكنه قد يضيف أيضًا طبقة جديدة من الاعتماد والتقلب. ولا ينبغي تقييم التوفير الأولي دون مراعاة التكلفة الإجمالية للملكية وخطر الاستمرارية.

في MyMediaConnect، لا تعتمد الوظائف الحرجة على APIs ذكاء اصطناعي خارجية. فنحن نستخدم تقنيات خاصة بنا أو أنظمة خاضعة لسيطرتنا، بنموذج تكاليف أكثر قابلية للتنبؤ. ونستكشف وظائف مدعومة بالذكاء الاصطناعي للمهام منخفضة المخاطر، دائمًا ضمن نهج هجين يضمن ألا تصبح نواة المنصة تابعة لمزود خارجي.

ثلاثة أسئلة قبل اختيار منصة مدعومة بالذكاء الاصطناعي

قبل إدخال حل قائم على الذكاء الاصطناعي في إدارة السلسلة الجرافيكية، ينبغي لأي CMO أو مسؤول جودة أو مدير عمليات أو CFO أن يطرح ثلاثة أسئلة.

1. من يتحمل المسؤولية إذا أخطأ الذكاء الاصطناعي؟

لا يمكن أن تختفي المسؤولية لمجرد أن القرار قد أصبح آليًا. يجب أن يكون محددًا بوضوح من يراجع، ومن يوافق، ومن يُسأل عند وقوع أي حادث.

2. أين توجد البيانات وعبر أي مسارات تنتقل؟

يجب على المزود أن يشرح البنية، ومناطق التخزين، والخدمات الخارجية، والتدابير التعاقدية والتقنية المطبقة.

3. ماذا يحدث إذا تغيرت التكاليف أو اختفت الخدمة؟

تحتاج كل وظيفة حرجة إلى خطة بديلة. ويجب أن تكون المنصة قادرة على الحفاظ على العملية الأساسية حتى لو ارتفعت تكلفة نموذج خارجي أو توقف عن العمل أو سُحب.

لا تهدف هذه الأسئلة إلى كبح الابتكار، بل إلى ضمان إدخال الابتكار وفق معايير الجودة والأمان والاستدامة التشغيلية.

الذكاء الاصطناعي بوصفه مساعد الطيار

سيؤدي الذكاء الاصطناعي دورًا متناميًا في إدارة العمليات. إذ يمكنه المساعدة في اكتشاف الحالات الشاذة، وتلخيص المعلومات، وتسريع المقارنات، وتقليل العمل الإداري.

لكن في السلسلة الجرافيكية، ولا سيما في القطاعات الخاضعة للتنظيم، لا يمكن تحقيق الكفاءة على حساب فقدان السيطرة.

يجب أن تُيسّر التكنولوجيا عمل الفرق، لا أن تحل محل مسؤولية الأشخاص المخوّلين. ويجب أن تقدّم السرعة دون التضحية بإمكانية التتبع، والأتمتة دون إنشاء صندوق أسود، والقدرة التحليلية دون تحويل التوصية إلى موافقة تلقائية.

الدرس المستفاد من قضية Purolea واضح: لم تعترض الـ FDA على مجرد وجود أداة ذكاء اصطناعي، بل على غياب المراجعة البشرية الملائمة والاعتماد على إجابة آلية لتحديد الالتزامات التنظيمية.

في MyMediaConnect ندافع عن نهج عملي: استخدام التكنولوجيا حيث تضيف قيمة قابلة للقياس، والإبقاء على نقاط تحقق بشرية في القرارات الحرجة، وتصميم كل عملية بحيث تكون قابلة للتدقيق.

لأن الخطأ في الـ artwork ليس مجرد خلل برمجي. ففي قطاعات pharma والـ consumer health والأغذية، قد يتحول إلى خطر على الشركة وعلى العلامة التجارية وعلى الناس.

يمكن للذكاء الاصطناعي أن يُسرّع السلسلة الجرافيكية، لكن لا ينبغي له أن يقودها.

المصادر

• FDA — Warning Letter: Purolea Cosmetics Lab (أبريل 2026)