【رصد من Yunqi】 مؤتمر Yunqi ليس الجواب، بل خريطة لما تراهن عليه صناعة الذكاء الاصطناعي

أكبر ما خرجتُ به من حضور مؤتمر Yunqi هذه المرة لم يكن نماذج جديدة استقرّت في الذاكرة، ولا شركات جديدة أُضيفت إلى القائمة، بل تغيّر طريقة قراءتي للمعارض.

في ما مضى، كان الذهاب إلى المؤتمرات التقنية يدفعني — دون أن أنتبه — إلى تبنّي أحكام جاهزة: ما يركّز عليه اللاعبون الكبار يمثّل على الأرجح مستقبل السوق؛ وما يتكرّر على المنصّة يمثّل توافق القطاع؛ وعرض منتج على الجناح يعني ضمنًا أنه بلغ قدرًا من النضج. ثم مع تراكم الحضور، ينزلق الانطباع بسهولة إلى الطرف المقابل: لا يعدو المؤتمر كونه فعالية تسويقية، ولا يعدو الجناح كونه إعلانًا، ولا يعدو العرض التقديمي كونه تغليفًا.

غير أن كلا الانطباعين فيه تبسيط مُخلّ.

بالتأكيد هناك بُعد تسويقي، لكن التسويق نفسه يحمل معلومة. حين يوجّه أحد المورّدين ميزانيته ومديرّي منتجاته وفِرَق الهندسة والمبيعات وحجوزات الأجنحة نحو اتجاه بعينه، فهذا يكشف عن أمرين على الأقل: ما الذي يأمل أن يصدّقه السوق، وعلى أيّ مشكلة يحاول تحويل الجهد الهندسي فيها إلى منتج جاهز للتسليم.

لذلك أعود اليوم إلى المؤتمرات التقنية الكبرى بوصفها ميدانًا لعيّنات عالية الكثافة من القطاع. لن يمنحك المؤتمر إجابة، لكنه يمنحك عيّنات، وإشارات، وحالات شاذّة، وخريطة لـ”أيّ مستقبل يراهن عليه القطاع”.

أولًا: تفكيك “الصخب” داخل المعرض إلى مستويات من الأدلّة

هذه المرة بدأت أعمد إلى تفكيك أيّ اتجاه تقني إلى خمسة مستويات:

طبقة السرد ← طبقة المنتج ← طبقة الإنتاج ← طبقة الأعمال ← طبقة الإيرادات
(Narrative → Product → Production → Business → Revenue)

في الأعلى تقع طبقة السرد (Narrative) — ما تأمل الشركات المصنّعة أن يُصدّقه السوق. على سبيل المثال: أن الوكلاء الذكيين (Agents) سيُصبحون بوابة العمل الجديدة، وأن المؤسسات تحتاج إلى بنية أصلية-ذكائياً (AI-native)، وأن السياق (Context) سيُصبح الأصل الجوهري، وأن الأنظمة متعددة الوكلاء ستتولى مهاماً متزايدة التعقيد. هذه الطروحات مهمّة لأنها تكشف لنا إلى أين تتّجه أنظار المؤسسات ورؤوس الأموال، لكنها تبقى في نهاية المطاف مجرد أحكام ورهانات.

أسفلها تأتي طبقة المنتج (Product) — ما تمّ إنجازه فعلاً وقابل للعرض والاستدعاء والتسليم. توجد على منصّات العرض واجهات كاملة، وواجهات برمجية (APIs)، ولوحات تحكّم، ومنصات حوكمة، ما يدلّ على أن اتّهاهاً معيّناً انتقل من مرحلة المفهوم إلى مرحلة التماس. غير أن الفجوة لا تزال واسعة بين ما يمكن “عرضه” وما يمكن “تشغيله باستقرار على المدى الطويل”.

ثمّ ننتقل إلى طبقة الإنتاج (Production) — حيث يدخل المنتج فعلياً ضمن تدفقات عمل العميل، ويعمل بشكل مستمر، ويبدأ بالاصطدام بواقع الأذونات والبيانات والتدقيق والاستعادة والتكلفة والتنظيم بين الفرق. عند هذه المرحلة فقط يمكن القول إن المنتج بات في بيئة الإنتاج.

ثم تأتي طبقة الأعمال (Business) — وهنا يستمر التساؤل: ما الذي تغيّر فعلياً بعد الإطلاق؟ هل قُلِّصت دورة التسليم، أم ارتفعت معدلات التحويل، أم انخفضت التكلفة التشغيلية، أم توسّعت طاقة اختبار المواد الإعلانية، أم صار بالإمكان تنفيذ عملية أعمال كان يستحيل إنجازها من قبل؟

وفي القاع — وهي الطبقة الأكثر واقعية — تأتي طبقة الإيرادات (Revenue): هل يدفع العميل على المدى الطويل، وما النتيجة التي يدفع مقابلها، وتحت أيّ ظروف تتجدّد الاشتراكات؟

إن فائدة هذا الإطار هي تجنّب الخلط بين أدلّة من أنواع مختلفة. فالمنصة في المعرض تُثبت أن اتجاهاً يستحق العرض، والمنتدى يُثبت أن المورّد يسعى لترسيخ تصوّر معيّن، وقصص العملاء الفعليين ترفع مصداقية طبقة الإنتاج وطبقة الأعمال، ولا تثبت طبقة الإيرادات إلّا إيرادات متكررة ومستدامة.

وعليه، فإن كون اتجاهاً ما رائجاً في مؤتمر لا يعني بالضرورة أن الوقت قد حان للاستثمار فيه الآن.

ثانياً: أبرز تغيّر هذه المرة — طبقات تتكاثر فوق النموذج

في السنوات الماضية، كانت أغلب أحاديثنا عن الذكاء الاصطناعي تدور حول النموذج ذاته: حجم المعلمات، واختبارات قياس الأداء (Benchmark)، وقدرة الاستدلال، والسعر، وطول نافذة السياق، وجودة الصور، والقدرات البرمجية.

أمّا هذه المرة، فقد شعرت في الميدان أنَّ محور الاهتمام بدأ ينتقل.

النماذج لا تزال مهمّة، إلّا أنّ طبقة الأنSystems المحيطة بها أصبحت أكثر سماكةً بشكلٍ واضح. قاعدة البيانات (Data Layer)، ودمج النماذج (Model Integration)، وحوكمة الـ Token، ووقت تشغيل الوكلاء الذكيين (Agent Runtime)، والبيئات المعزولة (Sandbox)، والسياق (Context)، والذاكرة (Memory)، والمهارات (Skill)، والتعامل مع المتصفح (Browser Use)، والتعامل مع الحاسوب (Computer Use)، والتحقّق (Verification)، وقابلية الرصد (Observability)، والأذونات، والتدقيق، والتحكّم في التكلفة — كلّ قدرةٍ من هذه القدرات باتت تُنتَج بشكلٍ مستقلٍّ كمنتجٍ قائمٍ بذاته.

السبب مباشر: بين نموذجٍ يُجيب عن الأسئلة، ونموذجٍ يدخل إلى خطّ الإنتاج ويُنجز العمل بموثوقية، توجد منظومةٌ هندسيةٌ كاملة.

إذا أمضيت يومًا في معرضٍ تقني، فستلحظ خمسة أو ستة منتجات بأسماء مختلفة تمامًا، لكنها تتقارب فعليًا نحو البنية ذاتها. يعرض QwenWork كيف يستدعي الوكيل الذكي (Agent) أدواتٍ متعددةً داخل بيئة معزولة لإنجاز المهام. ويتناول Qoder السياق (Context) ومواصفات المتطلبات (Spec) وأُطر الاختبار (Harness) والتحقق (Verification) والذاكرة وتوجيه النماذج المتعددة. أما الشركة المستقلة المشاركة في المعرض، TinyFish، فتعمل على إرسال الوكلاء إلى عالم الويب الحقيقي لتنفيذ المهام. ويُفكّك WonderClip إنتاج الفيديو إلى: النص، والتصوير المشهدي، والمواد، والتوليد، والمراجعة، والإصدارات، والإنتاج بالجملة. وفي السياق ذاته، يمتد البحث الوكيلي (Agentic Search) من Alibaba Cloud OpenSearch ليشمل التخطيط (Planning) والاستنتاج (Reasoning) والذاكرة (Memory) والإجراء (Action) والتقييم (Evaluation).

قد تبدو هذه المنتجات من مجالات مختلفة تمامًا، لكن بنيتها التحتية تتقارب:

سياق ← تخطيط ← مهارة ← تنفيذ ← تحقق ← ذاكرة ← نتيجة أعمال
(Context → Planning → Skill → Execution → Verification → Memory → Business Outcome)

النماذج (Models) باتت تدريجياً مجرد أحد المكونات الأساسية، في حين تتركز القيمة الحقيقية للمنتج في الطبقات العلوية من النظام.

ثالثاً: السياق (Context) يتحوّل من “مادة إدخال” إلى أصل دائم

كان في عرض تقديمي مباشر لـ Qoder عبارة صريحة:

Model power is a commodity. Context is the asset.

العبارة بالطبع تحمل موقفاً تسويقياً، لكنها تُضيء على مشكلة حقيقية: كلما ازدادت قدرة النموذج وانخفضت تكلفة الحصول عليه، أصبح العامل الذي يُحدّد ما إذا كان الوكيل الذكي (Agent) قادراً على العمل المستمر هو “ما يعرفه فعلياً”.

في أي مشروع برمجي ناضج توجد قيود معمارية، وقرارات تاريخية، وتبعيات بين الوحدات، ومعايير كتابة الكود، وأخطاء سابقة، وسجلات النشر. وفي أي مؤسسة توجد هياكل تنظيمية، وصلاحيات، وإجراءات تشغيل معيارية (SOP)، ووثائق، ومحادثات جماعية، وقواعد عمل، وحالات عملاء. وفي أي علامة تجارية توجد معلومات المنتجات، ومعايير بصرية، وأصول إبداعية سابقة، وبيانات الحملات، وقيود القنوات.

هذه المعلومات لن تظهر تلقائياً بمجرد استبدال النموذج بنموذج أقوى.

ولذلك تتّجه Qoder (منصة تطوير برمجي صينية) إلى بناء Wiki للمستودعات البرمجية (Repo Wiki)، والذاكرة (Memory)، وبطاقات المعرفة (Knowledge Cards)، بينما تُركّز QwenWork (مساعد برمجي من Alibaba) على السياق المؤسسي (Enterprise Context)، ويُبرز OpenSearch أهمية الذاكرة طويلة المدى، وذاكرة المهام، وضغط السياق. كلها تسعى إلى حلّ المشكلة ذاتها: كيف لا يحتاج الوكيل الذكي (Agent) في كل مرة إلى فهم العالم من الصفر.

وهذا يعني أيضاً أن مكتبات الأوامر النصية (Prompt Library) التي دأبت فرق كثيرة على تجميعها قد لا تحمل القيمة بعيدة المدى التي يُتوهّم بها. فالأمر النصي (Prompt) أقرب إلى أسلوب استدعاء لمهمة بعينها، أما ما يتصاعد فعلاً ويتراكم بعائد مضاعف فهو: سياق العمل، وسجلّ القرارات، ونتائج التحقق، وأسباب الإخفاق، والمهارات القابلة لإعادة الاستخدام.

رابعاً: وحدة المنافسة في منتجات الذكاء الاصطناعي تنتقل من «ميزة واحدة» إلى «منظومة عمل متكاملة»

وما تركه فيّ WonderClip كان بالغ الوضوح.

لو اقتصرنا على إلقاء نظرة سريعة على قائمة القدرات، فلن يكون في كثير منها ما هو بالجديد: توليد الصور، وتوليد الفيديو، والترجمة، والتعليق الصوتي، واستبدال المواد، والإنتاج بالجملة. كل قدرة من هذه القدرات، بمعزل عن غيرها، يستطيع مزوّدو النماذج، أو برامج المونتاج، أو غيرها من خدمات SaaS أن يستوعبوها ويغطّوها على مراحل.

لكن بنية المنتج التي قدّمها في عرضه الحيّ تتّجه نحو نظام إنتاجي أشمل:

ارفع السكريبت ← راجع التحليل ← جهّز الأصول ← ولِّد بالجملة

تأتي بعدها Storyboard وCanvas والمهارات المخصصة والأصول المشتركة والتعاون بين الفرق وإدارة الإصدارات. لقد أعاد المنتج خطوة «التوليد» إلى منتصف سير العمل، لا إلى نهايته.

وهذا يحمل دلالة مباشرة لكل من يصنع تطبيقات الذكاء الاصطناعي.

إذا ظل جوهر المنتج قاصرًا على «ارفع شيئًا، يعالجه الذكاء الاصطناعي، نزّل النتيجة»، فأي ترقية لاحقة للنموذج ستسحق قيمته بسهولة. أما الاتجاه الأكثر رسوخًا، فهو احتلال كامل المهمة التي كان المستخدم سينجزها بنفسه.

خذ مشهد محتوى التجارة الإلكترونية على سبيل المثال: تبديل منتج، أو تغيير خلفية، أو ترجمة، أو تعليق صوتي — كلٌّ منها على حدة يبقى سطحيًا. ارتقِ طبقة أعلى، واجعل الكائن الذي يتناوله المنتج هو العلامة التجارية (Brand)، ووحدة المخزون (SKU)، والحملة (Campaign)، والسوق (Market)، والاستراتيجية الإبداعية (Creative Strategy)، ومتغيرات الأصول (Variants)، وقنوات التوزيع (Distribution)، وأداء الإعلان (Performance). هنا لا يعدو التوليد كونه منفّذًا، أما القيمة الحقيقية فتأتي من سير عمل التشغيل الإبداعي بأكمله (Creative Operations Workflow).

خامسًا: الوكلاء (Agents) ينتقلون من «الإجابة عن الأسئلة» إلى «إنجاز المهام»

اليوم وأنا أستمع إلى عرض علي بابا كلاود عن البحث القائم على الوكلاء في OpenSearch، لفتني مخططٌ تطوري كان شديد الاختزال والإفصاح في آنٍ معاً.

البحث في مراحله الأولى كان يُجيب عن معادلة بسيطة: من عبارة البحث (Query) إلى قائمة النتائج (Results). ثم جاء الذكاء الاصطناعي التوليدي (Generative AI) ليدفع هذه المعادلة إلى المستوى التالي: من السؤال (Question) إلى الإجابة (Answer). والآن يأتي البحث الوكيلي (Agentic Search) ليقلب المعادلة رأساً على عقب: من الهدف (Goal) إلى الإجراء (Action).

وبهذا، فإن مفهوم البحث ذاته يعيد التموضع.

في المستقبل القريب، قد يتولى وكيلٌ بحثي (Research Agent) — بشكل مستقل — تفكيك المسألة، وصياغة خطة استعلام، واستدعاء مصادر بحث متعددة، واستكمال عمليات الاسترجاع، وإجراء تحققٍ متقاطع من النتائج، للوصول إلى استنتاجات وسيطة، ثم استدعاء أدوات أخرى لمواصلة التنفيذ. وهكذا لم تعد واجهة البحث البرمجية (Search API) مجرد بوابة لجلب النتائج، بل بدأت تتشكّل كبنيةٍ تحتية يستقي منها الوكيل سياقه الخارجي.

هذا التحول سيُعيد بدوره رسم طريقة رصدنا لمؤشرات تحسين محركات البحث (SEO) وتحسين محركات التوليد (GEO). فبينما كان الانتباه ينصبّ تاريخياً على مرات الظهور (Impression)، والنقر (Click)، والترتيب (Ranking)، أصبح لزاماً أن تُضاف إلى لوحة المتابعة مؤشراتٌ جديدة: الرؤية أمام الذكاء الاصطناعي (AI Visibility)، والاستشهاد (Citation)، والذكر (Mention)، والتدفق القادم عبر الوكلاء (AI Referral)، وما إذا كان هذا المسار ينتهي في نهاية المطاف إلى تسجيل (Signup)، أو دفع (Paid)، أو احتفاظ بالعميل (Retention).

البحث لم يختفِ، بل بدأ يُدمَج ضمن حلقات مهامٍ أكبر وأكثر تكاملاً.

سادسًا: المشكلة الحقيقية في ذكاء المؤسسات الاصطناعي تنتقل إلى المستوى التنظيمي

طُرحت في المؤتمر الأسئلة التقنية حول ذكاء المؤسسات الاصطناعي مرارًا: البيانات، والأذونات، والأمان، والحوكمة، ودمج النماذج، والبنية السحابية، ومنصات الوكلاء (Agent).

كلها عناصر مهمة. غير أنني، بعد الاستماع إلى عددٍ من حالات المؤسسات، أصبحت أكثر انشغالًا بسؤال آخر:

من يملك الدافع الحقيقي لاستخدامها؟

لنفترض أن موظفًا استخدم الذكاء الاصطناعي وضغط عمله من ثماني ساعات إلى خمس. ماذا سيحدث في الساعات الثلاث المتبقية؟ إن كان الجواب مجرّد “سيُكلَّف بمزيدٍ من العمل”، فالدافع الذاتي لدى الموظف لدفع عجلة الذكاء الاصطناعي سيبقى محدودًا على الأرجح.

ومثالٌ آخر: إذا كان مؤشر الأداء الرئيسي (KPI) لفريق الذكاء الاصطناعي هو عدد الوكلاء المنشَرين وعدد الاستدعاءات، فسيكون لديه دافعٌ مستمرٌ إلى إضافة المزيد من الميزات؛ في الوقت الذي يتحمّل فيه فريق الأعمال تكلفة إعادة هندسة العمليات، ويتحمّل فريقا تكنولوجيا المعلومات والأمن مخاطر الأخطاء، ولا تُنسَب الزيادة النهائية في الإيرادات بوضوحٍ إلى أحد. في هذا النوع من الهياكل التنظيمية، حتى حين تتوفّر التقنية، قد يظلّ التبنّي بطيئًا.

لا يمكن الحكم على ذكاء المؤسسات الاصطناعي من خلال البنية (Architecture) وحدها؛ فتصميم الحوافز (Incentive Design) هو السقف الحقيقي.

تُحلّ المشكلات التقنية بالنفقات، أمّا المشكلات التنظيمية فلا يضمن المال حلّها بالضرورة. على أقلّ تقدير، لا بدّ من أن يُجيب كلّ مشروع بوضوح عن: الأدوار (Role)، ومؤشّر الأداء (KPI)، والفائدة (Benefit)، والتكلفة (Cost)، والمخاطر (Risk)، وصلاحية القرار (Decision Right). من ينال الفائدة، يتحمّل المخاطر؛ ومن يملك صلاحية القرار، يتولّى المسؤولية عن النتائج.

كثير ممّا يُسمّى «مشكلات تطبيق الذكاء الاصطناعي» ينتهي إلى كونه مشكلات تصميم تنظيمي.

سابعاً: أكثر المقاييس تضليلاً هي التي تبدو للوهلة الأولى أكثرها مباشرةً

لفتت انتباهي شريحة في عرض Qoder، أداة تطوير برمجيات بالذكاء الاصطناعي:

Generation rate is a vanity metric.

جرت المقارنة بين نسب توليد الشيفرة بالذكاء الاصطناعي في مراحل مختلفة، مع التأكيد في الوقت ذاته على أن دورة تسليم البرمجيات (Delivery Cycle) لم تتقصَّر بالنسبة نفسها. هذه الأرقام تحديداً مستمدة من عرض قُدّم من قِبَل المورّد، فلا يجوز اعتمادها مباشرةً معياراً مرجعياً للصناعة (Benchmark)، غير أن المنطق الذي تستند إليه يبقى سليماً.

بعد أن خفّض الذكاء الاصطناعي تكلفة كتابة الأكواد (Coding)، انتقل عنق الزجاجة إلى: المتطلبات (Requirement)، والسياق (Context)، والبنية المعمارية (Architecture)، والمراجعة (Review)، والاختبار (Test)، والتكامل (Integration)، والنشر (Deployment)، والقبول (Validation).

ولهذا قد تتحوّل أرقام مثل معدّل توليد الأكواد، وعدد الـTokens، وعدد الوكلاء الذكيين (Agents)، وعدد الاستدعاءات، وكمية الصور المولَّدة، إلى مؤشرات كفاءة جزئية لا غير. الأهمّ هو الحصيلة الشاملة من البداية إلى النهاية: هل تقصّرت مدة التسليم (Lead Time)؟ هل انخفضت الدقائق البشرية المُنفَقة (Human Minutes)؟ هل ارتفعت نسبة القبول من المحاولة الأولى (First-pass Acceptance Rate)؟ هل انخفضت تكلفة كلّ مهمة مقبولة (Cost per Accepted Task)؟ وهل تغيّرت مؤشرات الأعمال في نهاية المطاف؟

ذكّرني هذا المؤتمر بأمر جوهري: لا تنبهر بما «أنجزه الذكاء الاصطناعي» فحسب، بل اسأل: «ما الذي تغيّر في المنظومة بأكملها جرّاء ذلك؟»

ثامناً: المؤتمر يطرح الرهانات، لكنّ سلطة البتّ النهائي تبقى في يدك

أسهل ما يمكن أن يقع لك حين تحضر مؤتمراً، أن يبدأ الخارج في تقرير أولوياتك نيابةً عنك.

يُكثَّر الكلام على المنصة عن اتّجاه بعينه فترى أنه يستحقّ الدراسة؛ وتضخّ شركة كبيرة استثمارات ضخمة فيه فتشعر أنه يجب اللحاق بها؛ ويظهر منتج يبدو متقدّماً فتقرّر أنه لا بدّ من بناء منظومة مشابهة لديك.

أفضّل هذه المرة أن أضع كل هذه المعلومات في سياق سؤال أبسط:

ما القرار الذي سيُغيّره هذا المحتوى؟

إن كان كل ما فعله هو أن جعلني أقول “مثير للاهتمام”، فهو مجرّد مُدخل.

أما إن دفعني إلى إعادة النظر بين البناء داخليًا (Build) أو الشراء من الخارج (Buy) أو التجاهل (Ignore)، أو إلى تعديل حدود منتج، أو إيقاف مشروع ذي عائد متدنٍّ، أو إعادة تصميم سير عمل، أو إعادة تعريف مقياس تجريبي، فهنا فقط يدخل فعليًا في نطاق القرار.

مؤتمر Cloud栖 (يونكي) ليس الجواب.

هو أقرب إلى خريطة رهانات صناعية. الخريطة تُطلعك على حيث يتّجه الآخرون، وأي الطرق بدأت تزدحم، وأي البنى التحتية تتشكّل، وأي المشكلات بدأت تتحوّل إلى منتجات قابلة للنشر على نطاق واسع.

أي طريق تسلكه في النهاية، يبقى رهنًا بأهدافك وقيودك ومواردك وأدلّتك.

وهذا هو الشيء الذي أحرص على الاحتفاظ به حين أحضر أي مؤتمر تقني الآن: أن أرى أكبر قدر من الرهانات، وأن أبقي صلاحية الحكم في يديّ.

إن كنت تقيّم من أين تبدأ في تبنّي الذكاء الاصطناعي المؤسسي، وأي الاتجاهات تستحق الاستثمار، وأيها مجرد فقاعة نفختها السرديات التسويقية، يسعدني أن نتحدّث. نقدم استشارات متخصّصة في تحوّل المؤسسات نحو الذكاء الاصطناعي — من اختيار التقنيات، إلى تصميم الهياكل التنظيمية، إلى بناء منظومة قياس — لمساعدتك على تحويل “ضجيج المؤتمرات” إلى “حُكم خاص بك”. للتعاون: [email protected].

قراءة موسّعة: إطار تحوّل الذكاء الاصطناعي في سبع خطوات، يتناول المسار الكامل لتطبيق الذكاء الاصطناعي داخل المؤسسات بشكل منهجي.

عن هذه السلسلة

رصد أبسارا سلسلة ميدانية للصناعة تصدر عن IAIUSE، تنطلق من مؤتمر أبسارا ٢٠٢٦ (云栖大会)، وتفكّك بنظرة بحثية التحوّلات الحقيقية التي يشهدها قطاع الذكاء الاصطناعي — لا نلاحق الترند، بل نراقب اتجاهات الرهان وقوة الأدلة.

تتناول السلسلة — في نحو عشر مقالات — مواضيع تتجاوز طبقة النماذج: طبقة الأنظمة، ونشر الـ Agent، وأصول السياق (Context)، وتصميم المؤسسات لاستيعاب الذكاء الاصطناعي، وهجرة وحدات المنافسة في منتجات الـ AI.

أملك خبرة قاربت ثماني سنوات في استشارات المؤسسات الكبرى وتحليل الأعمال، عملت خلالها في IBM، وشاركت في مشاريع في قطاعات الاتصالات والمالية والتأمين والتصنيع. ثم انتقلت إلى خطوط الأمام في منتجات المشغلين ومنتجات الإنترنت وتطوير تطبيقات الذكاء الاصطناعي، حيث تولّيت تحليل المتطلبات وتصميم المنتجات والتنفيذ عبر الفرق. أحكام هذه السلسلة مستمدة من ملاحظاتي الميدانية وتحقّقاتي القطاعية المتقاطعة، وهي تحمل موقفًا صريحًا للمؤلف، ولا تمثّل بأي حال وجهة نظر أيّ مزوّد.