ميزانية الذكاء الاصطناعي الخاصة بك تتزايد. هل القيمة التجارية تتزايد أيضًا؟

الإنفاق على الذكاء الاصطناعي يرتفع بشكل أسرع من العوائد القابلة للقياس

تتوسع ميزانيات الذكاء الاصطناعي المؤسسي بسرعة. تتلقى النماذج الجديدة والبنية التحتية ومنصات البيانات ووكلاء الذكاء الاصطناعي استثمارات جادة. ومع ذلك، يبقى سؤال واحد دون إجابة في العديد من غرف الاجتماعات:

ما هي القيمة التجارية القابلة للقياس التي يخلقها هذا الاستثمار؟

وفقًا لـ دراسة IBM لرؤساء الشركات لعام 2025، حققت 25% فقط من مبادرات الذكاء الاصطناعي العائد المتوقع على الاستثمار، بينما نجح 16% فقط في التوسع عبر المؤسسة بأكملها.

إن الإنفاق المرتفع على الذكاء الاصطناعي لا يؤدي تلقائيًا إلى زيادة الإنتاجية أو تعزيز الإيرادات أو تحسين القرارات. دون تحقيق نتائج أعمال واضحة، يمكن أن يتحول الميزانية المتزايدة للذكاء الاصطناعي إلى مجموعة متنامية من المشاريع التجريبية غير المتصلة وأدوات مكررة وتكاليف تشغيلية خفية.

المقياس الحقيقي لعائد الاستثمار من الذكاء الاصطناعي المؤسسي لا يتمثل في كمية التقنية التي تتبناها المؤسسة. بل في مدى فعالية هذه التقنية في تحسين طريقة عمل المؤسسة واتخاذ القرارات ونموها.

المشكلة ليست في حجم ميزانية الذكاء الاصطناعي

لا تعاني معظم المؤسسات بسبب استثمارها القليل في الذكاء الاصطناعي، بل تعاني بسبب توزيع الاستثمارات على أدوات منعزلة ومشاريع تجريبية وأقسام غير مترابطة دون تعريف مشترك للقيمة.

يقيس فريق واحد الوقت المُوفَّر. بينما يقيس فريق آخر دقة النموذج. ويُقدم فريق ثالث تقارير عن عدد المستخدمين أو الأوامر النصية. قد تُظهر هذه المقاييس النشاط، لكنها لا تثبت التأثير التجاري.

عادةً ما تبدأ الفجوة تحت طبقة الذكاء الاصطناعي. البيانات المجزأة والتعريفات غير المتسقة والأنظمة المنفصلة تمنع المؤسسات من تحويل المخرجات الذكية إلى قرارات موثوقة. كما نوقش في مشكلة تكامل البيانات التي لا يمكن لأي نموذج ذكاء اصطناعي حلها، حتى أكثر النماذج تقدمًا لا يمكنها خلق قيمة مؤسسية متسقة من بيانات لا تستطيع المؤسسة ربطها أو فهمها أو الوثوق بها.

قبل زيادة ميزانية الذكاء الاصطناعي، يحتاج القادة إلى تحديد ما إذا كان الاستثمار الحالي يحقق نتائج يمكن للشركة التحقق منها.

النشاط في الذكاء الاصطناعي لا يمثل القيمة التجارية للذكاء الاصطناعي

العدد المتزايد من أدوات الذكاء الاصطناعي والمستخدمين والتجارب قد يشير إلى الانتشار، ولكنه لا يشير بالضرورة إلى القيمة.

يتم قياس العديد من برامج الذكاء الاصطناعي المؤسسية من خلال مقاييس النشاط لأنها سهلة الجمع. ومع ذلك، يحتاج قادة الأعمال إلى مقاييس النتائج التي توضح ما إذا كان الذكاء الاصطناعي يغير الإيرادات أو التكاليف أو السرعة أو الجودة أو المخاطر.

تُظهر أبحاث McKinsey العالمية حول الذكاء الاصطناعي أن الانتشار الواسع لا يترجم تلقائيًا إلى تأثير مالي ذي معنى. المنظمات التي تحقق أكبر قيمة هي الأكثر احتمالًا لإعادة تصميم سير العمل وربط مبادرات الذكاء الاصطناعي بالنمو والابتكار والنتائج التشغيلية.

النشاط يظهر أن الذكاء الاصطناعي قيد الاستخدام. القيمة تظهر أن الأعمال تتحسن.

لا ينبغي اعتبار مبادرة الذكاء الاصطناعي ناجحة لمجرد تفاعل الموظفين معها. بل يجب اعتبارها ناجحة عندما تنتج تلك التفاعلات نتيجة تشغيلية أو مالية قابلة للقياس.

التكاليف الخفية وراء الذكاء الاصطناعي المؤسسي

التكلفة الظاهرة للذكاء الاصطناعي عادة ما تكون سهلة التحديد: تراخيص البرمجيات، البنية التحتية السحابية، الوصول إلى النماذج ورسوم التنفيذ.

التكلفة الإجمالية غالبًا ما تكون أعلى بكثير.

يعتمد الذكاء الاصطناعي المؤسسي على إعداد البيانات، وتكامل الأنظمة، وضوابط الأمان، والإشراف البشري، والمراقبة المستمرة، والصيانة الدورية. عندما يتم استبعاد هذه التكاليف، يبدو عائد الاستثمار من الذكاء الاصطناعي المؤسسي أقوى مما هو عليه في الواقع.

يجب أن تحسب حالة الأعمال الموثوقة للذكاء الاصطناعي التكلفة الكاملة لدورة الحياة—بدءًا من إعداد البيانات الأولي وصولاً إلى التشغيل طويل الأجل. وإلا، قد يوافق القادة على مشاريع تبدو فعالة خلال المرحلة التجريبية ولكنها تصبح مكلفة عند نشرها على نطاق واسع.

الأبعاد الخمسة لقيمة الذكاء الاصطناعي في المؤسسات

الذكاء الاصطناعي يُحقق قيمة أعمال بأكثر من طريقة. بعض المبادرات تزيد الإيرادات بشكل مباشر. بينما تخفض أخرى تكاليف التشغيل، أو تسرع اتخاذ القرارات، أو تمنع المخاطر المكلفة.

يجب أن يُقيّم إطار عمل شامل لقياس قيمة الذكاء الاصطناعي خمسة أبعاد.

1. نمو الإيرادات

يمكن للذكاء الاصطناعي دعم نمو الإيرادات من خلال تحسين استهداف العملاء، وتقديم تجارب مخصصة، وتحسين التسعير، وتحديد أولويات المبيعات، وتسريع تطوير المنتجات.

لا ينبغي قياس القيمة من خلال عدد التوصيات أو التنبؤات أو العملاء المحتملين المُولَّدين. بل يجب أن تكون مرتبطة بنتائج قابلة للقياس مثل ارتفاع معدلات التحويل، زيادة الإيرادات لكل عميل، تحسين معدلات الاحتفاظ أو تقليل معدلات تسرب العملاء.

2. تخفيض التكاليف

يمكن للذكاء الاصطناعي تقليل التكاليف من خلال أتمتة المهام المتكررة، وتقليل الجهد اليدوي، وتقليل إعادة العمل، والسماح للفرق بإدارة أحمال عمل أكبر بنفس الموارد.

ومع ذلك، الوقت الذي يتم توفيره لا يعادل تلقائيًا قيمة مالية. إذا كان نظام الذكاء الاصطناعي يوفر للعاملين عدة ساعات كل أسبوع ولكن المؤسسة غير قادرة على تحويل هذه القدرة نحو أعمال ذات قيمة أعلى، فإن الفائدة المالية تظل غير واضحة.

3. السرعة التشغيلية

في العديد من المنظمات، تنخفض قيمة المعلومات بينما تنتظر الفرق الحصول عليها. يمكن للذكاء الاصطناعي تقصير دورات إعداد التقارير، وتسريع التحقيقات، وتقليل الوقت المطلوب للانتقال من السؤال إلى اتخاذ القرار.

السرعة تخلق قيمة عندما تسمح للمنظمة بالاستجابة بشكل أسرع للعميل أو المخاطر أو المشكلة التشغيلية أو فرصة السوق.

4. جودة القرار

يمكن للذكاء الاصطناعي تحسين دقة واتساق وعمق القرارات التجارية. يمكنه تحديد الأنماط عبر مجموعات البيانات الكبيرة، وتقليل الأخطاء البشرية، وتزويد صانعي القرار بالأدلة ذات الصلة في الوقت المناسب.

يجب قياس جودة القرار من خلال النتائج مثل انخفاض معدلات الأخطاء، وتوقعات أكثر دقة، وعدد أقل من الموافقات غير الصحيحة، أو تقليل إعادة العمل.

5. تقليل المخاطر

بعض أكثر مبادرات الذكاء الاصطناعي قيمة لا تولد إيرادات مرئية. إنها تمنع الخسائر.

يمكن للذكاء الاصطناعي مساعدة المؤسسات في اكتشاف الاحتيال، وتحديد مشكلات الامتثال، ومراقبة الشذوذ التشغيلي، وتقليل احتمالية الأخطاء المكلفة. يمكن قياس القيمة من خلال عدد أقل من الحوادث، وتقليل التعرض المالي، وتحسين نتائج التدقيق، أو الكشف السريع عن المخاطر.

"قد تُحدث أقوى مبادرات الذكاء الاصطناعي قيمة عبر عدة أبعاد، ولكن يجب أن يكون لكل مبادرة نتيجة أولية واحدة يمكن للقيادة قياسها والتحقق منها."

كيفية قياس عائد الاستثمار للذكاء الاصطناعي في المؤسسات

قياس عائد الاستثمار من الذكاء الاصطناعي يبدأ بمبدأ بسيط: قارن القيمة المُنشأة مع التكلفة الإجمالية المطلوبة لإنشائها.

قد تشمل القيمة التجارية إيرادات إضافية، وتكاليف مُتجنبة، وطاقة تشغيلية مُحررة، والقيمة المالية للمخاطر المُخفضة.

الصيغة بسيطة. لكن تحديد مدخلاتها ليس كذلك.

قبل التنفيذ، تحتاج المنظمة إلى خط أساس واضح. كم من الوقت تستغرق العملية اليوم؟ كم تكلف؟ كم مرة تحدث الأخطاء؟ ما هي الإيرادات التي يتم فقدانها؟ ما هي المخاطر التي تظل غير مُدارة؟

بعد النشر، يجب قياس نفس المؤشرات مرة أخرى. وهذا يُنشئ مقارنة موثوقة بين الحالة السابقة والحالة المعززة بالذكاء الاصطناعي.

يتطلب حساب عائد الاستثمار الموثوق للذكاء الاصطناعي:

تقليل وقت إعداد التقارير من خمسة أيام إلى خمس دقائق قد يبدو مثيرًا للإعجاب. لكن القيمة الحقيقية تعتمد على ما يحدث بعد ذلك.

إذا تلقى المديرون الإجابة في وقت مبكر واتخذوا قرارًا أفضل بينما لا تزال الفرصة قائمة، فإن الذكاء الاصطناعي قد خلق قيمة تجارية. أما إذا وصل التقرير مبكرًا فقط ولم يتغير أي قرار، تظل القيمة محدودة.

عائد الاستثمار في الذكاء الاصطناعي يبدأ من بيانات المؤسسة الموثوقة

يمكن لنظام الذكاء الاصطناعي أن يخلق قيمة موثوقة فقط عندما يعمل مع بيانات موثوقة.

إذا ظلت بيانات العملاء والمالية والعمليات مجزأة عبر أنظمة مختلفة، يجب أن تعمل الذكاء الاصطناعي مع رؤية غير مكتملة للأعمال. قد تبدو النتيجة ذكية بينما تظل غير متسقة أو صعبة التحقق أو منفصلة عن الواقع التشغيلي.

البيانات المؤسسية الموثوقة تتطلب أكثر من مجرد الوصول. إنها تتطلب تعريفات مشتركة، وملكية واضحة، وسياق أعمال متسق، ومصادر يمكن تتبعها.

بدون هذه الأساس، لا يمكن للمنظمات الإجابة على ثلاثة أسئلة أساسية:

من أين حصل الذكاء الاصطناعي على معلوماته؟

هل تمثل تلك المعلومات الحالة الحالية للعمل؟

هل يمكن التحقق من القرار الناتج؟

كما أوضحنا في تحليلنا حول لماذا يجب أن تسبق تكامل بيانات المؤسسة الذكاء الاصطناعي، فإن النماذج المتقدمة لا يمكنها تعويض أنظمة غير متصلة وتعريفات أعمال متضاربة.

البيانات الموثوقة لا تقتصر على تحسين دقة الذكاء الاصطناعي فحسب، بل تجعل القيمة التجارية قابلة للقياس.

الحوكمة تحمي القيمة التي يخلقها الذكاء الاصطناعي

غالبًا ما يتم التعامل مع حوكمة الذكاء الاصطناعي على أنها متطلب للامتثال. ولكن في الممارسة العملية، تعد أيضًا آلية لخلق القيمة التجارية.

بدون حوكمة واضحة، يمكن لمبادرات الذكاء الاصطناعي أن تخلق تكاليف خفية من خلال الأدوات المكررة، والمخرجات غير المتسقة، وأعطال الأمان، والمراجعة البشرية غير الضرورية، وتأخير النشر.

الحوكمة الفعالة تحدد:

من يمتلك نظام الذكاء الاصطناعي

ما هي البيانات التي يمكن للنظام الوصول إليها

ما هي الإجراءات المسموح بتنفيذها

عندما تكون الموافقة البشرية مطلوبة

كيف يتم تقييم الأداء

كيف يتم تتبع القرارات والمخرجات

من المسؤول عندما يحدث خطأ ما

يوفر إطار إدارة مخاطر الذكاء الاصطناعي من NIST هيكلًا عمليًا لحوكمة ورسم وتقييم وإدارة مخاطر الذكاء الاصطناعي طوال دورة حياة النظام.

هذه الضوابط تجعل أنظمة الذكاء الاصطناعي أكثر أمانًا، كما تجعلها أسهل في التوسع. بدلاً من إنشاء قواعد جديدة لكل مشروع، يمكن للمنظمات إعادة استخدام نفس المعايير عبر مبادرات متعددة للذكاء الاصطناعي.

كما ناقشنا في مقالنا السابق حول الحوكمة التشغيلية للذكاء الاصطناعي، لا ينبغي أن تظل الحوكمة مجرد وثيقة سياسات. بل يجب أن تصبح جزءًا من كيفية تصميم أنظمة الذكاء الاصطناعي ونشرها ومراقبتها وتحسينها.

بطاقة تقييم القيمة للذكاء الاصطناعي المؤسسي

لا يمكن لنسبة عائد الاستثمار (ROI) الواحدة أن تُظهر التأثير الكامل لمبادرة الذكاء الاصطناعي. فقد تقلل من وقت المعالجة بينما تزيد من الأخطاء أو تكاليف المراجعة أو المخاطر التشغيلية.

توفر بطاقة الأداء المتوازن للقادة رؤية أوضح للأداء.

سبع علامات تشير إلى أن ميزانية الذكاء الاصطناعي الخاصة بك لا تحقق قيمة

لا يشير توسع المحفظة في مجال الذكاء الاصطناعي دائمًا إلى التقدم. تشير هذه العلامات التحذيرية إلى أن الاستثمار في الذكاء الاصطناعي ينمو بشكل أسرع من العوائد التجارية القابلة للقياس.

1. العديد من النماذج التجريبية، أنظمة إنتاج قليلة

تطلق المنظمة بانتظام تجارب الذكاء الاصطناعي، لكن القليل منها يتحول إلى أنظمة موثوقة مدمجة في سير عمل الأعمال الفعلية.

2. عدم وجود مالك واضح للأعمال

تقوم الفرق التقنية بإدارة التنفيذ، ولكن لا يوجد قائد أعمال مسؤول عن النتيجة المالية أو التشغيلية.

3. يُقاس النجاح بأداء النموذج

يتم تتبع الدقة وجودة الاستجابة والاستخدام، لكن تأثيرها على الإيرادات أو التكلفة أو السرعة أو الجودة أو المخاطر لا يزال غير واضح.

4. التكاليف الإجمالية للذكاء الاصطناعي غير معروفة

تكاليف الترخيص والبنية التحتية واضحة للعيان، بينما يتم تجاهل تكامل البيانات، والإشراف البشري، والحوكمة، والصيانة، وتصحيح الأخطاء.

5. تظل بيانات المؤسسات مجزأة

تعمل الذكاء الاصطناعي عبر أنظمة غير متصلة وتعريفات متضاربة ومعلومات غير مكتملة، مما يجعل مخرجاتها صعبة الثقة والتحقق.

6. الاعتماد لا يصل إلى سير العمل الحرجة

يمكن للموظفين تجربة الذكاء الاصطناعي، لكنه يظل منفصلًا عن العمليات والقرارات التي تخلق قيمة تجارية.

7. نتائج الذكاء الاصطناعي غير مرتبطة بمؤشرات الأداء الرئيسية للأعمال

لا تستطيع المؤسسة إثبات وجود صلة موثوقة بين نشاط الذكاء الاصطناعي والتغيرات الملموسة في الإيرادات أو التكاليف أو سرعة العمليات أو جودة القرارات أو المخاطر.

عندما تظهر عدة من هذه العلامات، فإن زيادة ميزانية الذكاء الاصطناعي وحدها من غير المرجح أن تحل المشكلة الأساسية. يجب على المنظمة أولاً تعزيز أساسيات البيانات، والملكية، والحوكمة، والقياس.

من الإنفاق على الذكاء الاصطناعي إلى القيمة التجارية القابلة للقياس

تحويل الاستثمار في الذكاء الاصطناعي إلى قيمة قابلة للقياس يتطلب أكثر من مجرد إطلاق أدوات جديدة أو توسيع نطاق الوصول إلى النماذج المتقدمة. تحتاج المؤسسات إلى مسار واضح يربط كل مبادرة للذكاء الاصطناعي بمشكلة عمل، وقرار تشغيلي، ونتيجة قابلة للقياس.

يجب أن تبدأ العملية بتحدي تجاري محدد. على القادة تحديد ما يحتاج إلى تحسين، ووضع خط أساس للأداء الحالي وتعيين مسؤول تجاري يكون مسؤولاً عن النتيجة.

يجب على المؤسسة بعد ذلك حساب تكلفة دورة الحياة الكاملة للمبادرة. وهذا يشمل التكنولوجيا، وتكامل البيانات، والتنفيذ، والأمان، والحوكمة، والإشراف البشري، والتدريب، والمراقبة والصيانة طويلة الأجل.

يجب أيضًا دمج مخرجات الذكاء الاصطناعي في سير العمل الفعلية. يقدم النظام قيمة محدودة إذا كان ينتج رؤى لا يستطيع الموظفون الوثوق بها أو التحقق منها أو استخدامها عند اتخاذ القرارات.

يتطلب إنشاء هذا الاتصال طبقة ذكية بين مستخدمي المؤسسات والبيانات التنظيمية والقرارات التشغيلية. تم تصميم محرك Hiwa Insight Engine (HIE) لتوفير هذه الطبقة. يوفر HIE طبقة ذكية بين مستخدمي المؤسسات والبيانات التنظيمية، مما يمكن المستخدمين من الوصول إلى معلومات موثوقة دون الحاجة إلى معرفة مكان تخزين البيانات أو كيفية عمل كل نظام أساسي.

من خلال مساعدة المؤسسات على ربط البيانات المجزأة، والحفاظ على السياق التجاري وتوليد إجابات قابلة للتتبع، يدعم HIE الانتقال من تجارب الذكاء الاصطناعي المعزولة إلى قدرات مؤسسية قابلة للتكرار والقياس.

يجب بعد ذلك تقييم التقدم بشكل مستمر من خلال مؤشرات الأداء الرئيسية للأعمال - وليس فقط دقة النموذج أو إحصائيات الاستخدام أو عدد المشاريع التجارية المكتملة. يمكن توسيع نطاق المبادرات التي تفي بعتبات القيمة والجودة والتبني والمخاطر المحددة. أما تلك التي لا تفي بهذه المعايير فيجب إعادة تصميمها أو إيقافها.

يجب أن يبدأ قرار الميزانية التالي للذكاء الاصطناعي بالقيمة

الميزانية الأكبر للذكاء الاصطناعي ليست دليلاً على نضج أكبر في الذكاء الاصطناعي. النضج الحقيقي هو القدرة على ربط كل استثمار بنتيجة أعمال قابلة للقياس وإثبات عائد استثمار مستدام للذكاء الاصطناعي على مستوى المؤسسة.

يتطلب ذلك بيانات مؤسسية موثوقة، وملكية واضحة، وحوكمة تشغيلية، وقياس أداء مستمر. بدون هذه الأسس، تخاطر المؤسسات ببناء مجموعة متزايدة من الأدوات باهظة الثمن، ومشاريع تجريبية منفصلة، ونتائج غير مثبتة.

الاستثمار التالي في الذكاء الاصطناعي لا ينبغي أن يبدأ بنموذج أو منصة أو اتجاه تكنولوجي. يجب أن يبدأ بمشكلة عمل محددة، وخط أساس قابل للقياس، وشرح واضح لكيفية التحقق من النجاح.

الخلاصة: يجب أن تؤدي الاستثمارات في الذكاء الاصطناعي إلى قيمة قابلة للقياس

زيادة ميزانية الذكاء الاصطناعي لا تُظهر نضج الذكاء الاصطناعي. النضج الحقيقي هو القدرة على ربط كل استثمار بنتيجة أعمال قابلة للقياس.

المنظمات التي تحقق عائد استثمار مستدام من الذكاء الاصطناعي المؤسسي تبدأ بمشكلة عمل محددة، وبيانات موثوقة، وخط أساسي واضح. تقوم بحساب تكلفة دورة الحياة الكاملة، وتدمج الذكاء الاصطناعي في سير العمل الحرجة، وتقيس باستمرار تأثيره على الإيرادات، والتكلفة، والسرعة، وجودة القرار، والمخاطر.

يجب أن لا يبدأ الاستثمار التالي في الذكاء الاصطناعي بنموذج أو توجه تكنولوجي. بل يجب أن يبدأ بسؤال واحد:

ما النتيجة التجارية التي ستتغير، وكيف سنثبت ذلك؟

الأسئلة الشائعة

ما هو عائد الاستثمار من الذكاء الاصطناعي المؤسسي؟

يقيس عائد الاستثمار في الذكاء الاصطناعي المؤسسي القيمة المالية والتشغيلية التي يولدها مشروع الذكاء الاصطناعي مقارنةً بإجمالي تكلفة دورة حياته. وهذا يشمل التكنولوجيا، وتكامل البيانات، والتنفيذ، والحوكمة، والتدريب، والمراقبة والصيانة.

كيف يمكن للمنظمات قياس القيمة التجارية للذكاء الاصطناعي؟

يجب على المنظمات وضع خط أساس قبل التنفيذ وقياس التغييرات في الإيرادات وتكاليف التشغيل وسرعة العمليات وجودة اتخاذ القرارات ومدى التبني والمخاطر بعد النشر.

لماذا تفشل مبادرات الذكاء الاصطناعي في تحقيق عائد الاستثمار المتوقع؟

تشمل الأسباب الشائعة عدم وضوح الأهداف التجارية، وتجزئة البيانات، وضعف تكامل سير العمل، وحسابات التكلفة غير المكتملة، وانخفاض معدل الاعتماد، وغياب المساءلة عن الملكية التجارية.

هل دقة النموذج كافية لإثبات قيمة الذكاء الاصطناعي؟

لا. تقيس مقاييس الدقة الأداء الفني، لكنها لا تثبت التأثير التجاري. يجب أن يحسن الذكاء الاصطناعي أيضًا نتيجة تشغيلية أو مالية قابلة للقياس.

كيف يؤثر تكامل البيانات على عائد الاستثمار في الذكاء الاصطناعي؟

يقلل دمج البيانات الموثوقة من أعمال التوفيق، ويعزز موثوقية مخرجات الذكاء الاصطناعي، ويمكن المنظمات من قياس النتائج بشكل متناسق عبر الأنظمة.

ما هو دور حوكمة الذكاء الاصطناعي في خلق القيمة التجارية؟

تحدد حوكمة الذكاء الاصطناعي ملكية النظم، وحدود الوصول، ومعايير التقييم، والمساءلة. تقلل هذه الضوابط من المخاطر، وتمنع تكرار العمل، وتجعل مبادرات الذكاء الاصطناعي الناجحة أسهل في التوسع.

كيف يمكن لتبادل المعلومات الصحية (HIE) دعم القيمة القابلة للقياس للذكاء الاصطناعي؟

محرك Hiwa Insight يربط مستخدمي المؤسسات بالبيانات التنظيمية الموثوقة من خلال التفاعل باللغة الطبيعية. يساعد المنظمات على توليد إجابات قابلة للتتبع وتحويل المعلومات المجزأة إلى قرارات أعمال قابلة للقياس.

المراجع