5 خطوات لتنفيذ الذكاء الاصطناعي في عملك دون كسر البنك

يستمر الذكاء الاصطناعي في الازدهار، وإذا استمر في النفاذ إلى كل صناعة، فإنه سيتغير بشكل كامل الطريقة التي نعيش بها.

نتيجة لذلك، أصبح دمج الذكاء الاصطناعي في شركاتهم أولوية قصوى للعديد من المؤسسين. كما يبحث الأفراد عن طرق للاستفادة من الذكاء الاصطناعي لتحسين حياتهم الشخصية.

الجاذبية هي أن قاموس كولينز، سلطة لغة معترف بها، سمى الذكاء الاصطناعي ككلمة السنة، بسبب زيادة شعبيته.

مع ذلك، بالنسبة لمعظم المنظمات، هناك فجوة كبيرة بين الفكرة والواقع عند محاولة دمج الذكاء الاصطناعي في عملياتهم، لأن المسار ليس مباشرًا كما يبدو، ويمكن أن يكون مكلفًا للغاية، من حيث النفقات الرأسمالية المطلوبة والوقت المهدور، لأن التطورات لن تؤدي إلى النتائج المتوقعة. هذا أدى إلى أن وضع العديد من الشركات في مشكلة. على سبيل المثال، قام CNET بتجربة مقالات مكتوبة بالذكاء الاصطناعي، ونتجت عنها أخطاء كثيرة. كما واجهت شركات أخرى، مثل مجموعة iTutor، غرامات باهظة بالإضافة إلى السخرية العامة بسبب تنفيذهم الضعيف للذكاء الاصطناعي.

كما تظهر هذه الحالات، يمكن للشركات أن ت phạm العديد من الأخطاء مع الذكاء الاصطناعي، و除 إذا كانت لديها حماية مالية مثل أمازون، جوجل، مايكروسوفت، أو ميتا، فإن هذه التجارب الفاشلة يمكن أن تؤدي إلى إفلاس الشركة.

إذا كنت مؤسسًا أو صاحب عمل، هنا دليل بخمس خطوات لمساعدتك في دمج الذكاء الاصطناعي في عملك، مع استخدام حكيم للموارد – المال والوقت، الذي يعد في النهاية مالًا – وخفض احتمال الأخطاء المميتة.

1. كن واضحًا بشأن المشكلة التي تحاول حلها

لا توجد شركة محصنة ضد فشل الذكاء الاصطناعي. كما وجدت أمازون بألم – من خلال متاجرها الخالية من البائعين أمازون غو – ليس كل حالة عمل تحتاج إلى الذكاء الاصطناعي.

لذلك، من المهم أن تحدد المشكلة التي تحاول حلها بالذكاء الاصطناعي. يجب أن يتم تحديد ذلك بوضوح قدر الإمكان.

على سبيل المثال، تطبيق شائع للذكاء الاصطناعي هو دعم العملاء. يمكن تنفيذ الذكاء الاصطناعي في مثل هذه الحالة بطريقة تؤدي إلى نتائج محددة، على سبيل المثال، خفض تكاليف مركز الاتصال بمبلغ معين من المال شهريًا أو تسريع متوسط الوقت اللازم لحل استفسارات العملاء بضعة دقائق. بهذا النهج، لدينا مؤشر قابل للقياس في شكل مال أو وقت، الذي سنحاول تحقيقه من خلال تنفيذ الذكاء الاصطناعي ونتأكد مما إذا كان له أي تأثير.

هناك العديد من الطرق التي يمكن أن يحدث بها ذلك. على سبيل المثال، بدلاً من بوت الدردشة، يمكننا تطوير أو شراء خدمة تحدد ما إذا كان بإمكان صفحة الأسئلة الشائعة الإجابة على استفسار العميل. سيعمل على النحو التالي. عندما يكتب العميل رسالة، نقوم بتشغيل هذا النموذج، ويت告诉نا ما إذا كنا بحاجة إلى نقل هذه المحادثة إلى وكيل أو إظهار صفحة ذات صلة مع إجابة على سؤاله. تطوير هذا النموذج أسرع وأرخص من بناء بوت دردشة معقد من الصفر. إذا نجح هذا التنفيذ، سننجح في تحقيق هدفنا من خفض التكاليف مع تحسين نفقاتنا الرأسمالية المرتبطة بالذكاء الاصطناعي، بالمقارنة مع تكلفة بناء بوت دردشة.

رواد هذا النهج كانوا ماتين لاو، شركة قانونية في كاليفورنيا، والتي دمج مساعدًا مدعومًا بالذكاء الاصطناعي لتحسين العديد من المهام، مما مكن المحامين من قضاء المزيد من الوقت في الاستماع إلى العملاء ودراسة جوانب القضية الأكثر صلة. هذا يظهر أن حتى القطاعات الأكثر صلابة يمكن أن تتغير من خلال الذكاء الاصطناعي بطريقة تعزز تجربة المستخدم، من خلال تعزيز اللمس الإنساني حيث هو الأكثر حاجة.

المشاكل الشائعة الأخرى التي يمكن حلها بمساعدة الذكاء الاصطناعي تشمل تحليل البيانات وإنشاء عروض مخصصة. سبوتيفاي هو مثال استثنائي لشركة استفادت بنجاح من الذكاء الاصطناعي لتطوير نظام ذكي لتوصيات الموسيقى، الذي يصل إلى النظر في وقت اليوم الذي يستمع فيه شخص ما إلى نوع معين من الموسيقى.

في كلتا الحالتين، يساعد الذكاء الاصطناعي في توفير تجربة أفضل للعميل. ومع ذلك، السبب في أن هذه الشركات استفادت من الذكاء الاصطناعي بنجاح كان لأنها كانت واضحة جدًا في الجوانب التي يجب تفويضها إلى الذكاء الاصطناعي.

2. حدد البيانات التي ستحتاج إلى تحليلها

مرة واحدة يتم تحديد المشكلة الرئيسية جيدًا، نحتاج إلى مراعاة البيانات التي سنحتاج إلى تغذية النظام بها. من المهم تذكر أن الذكاء الاصطناعي هو خوارزمية، التي تحلل وتتكيف مع البيانات التي نقدمها. السيناريو الأساسي لجمع البيانات هو كما يلي:

1. فهم ما البيانات التي قد نحتاج إلى تنفيذ الذكاء الاصطناعي.

2. انظر إذا كانت شركتنا تملك تلك البيانات.

   1. إذا كانت كذلك — رائع.

   2. إذا لم تكن كذلك، نحتاج إلى الجلوس وتبين ما إذا كنا نستطيع بدء عملية جمع البيانات الصحيحة داخل الشركة. كإمكانية أخرى، يمكننا أن نطلب من المطورين حفظ البيانات التي نحتاجها إذا لم نكن نفعل ذلك بعد.

هنا مثال. نحن نمتلك مقهى، ونحتاج إلى بيانات حول عدد الزبائن الذين يزورونها. يمكننا القيام بذلك من خلال تنفيذ بطاقات ولاء مخصصة التي سيقدمها المستخدمون عند الشراء. بهذه الطريقة، سنحصل على البيانات التي نحتاجها، مثل الزبائن الذين جاءوا، متى جاءوا، ما اشتروه، وكمية ما اشتروه. مرة واحدة نحصل على ذلك، يمكننا استخدام هذه البيانات لتنفيذ الذكاء الاصطناعي. ومع ذلك، هناك أوقات يمكن أن يكون فيها جمع هذه البيانات مكلفًا للغاية. وهنا يمكن أن يأتي الذكاء الاصطناعي لإنقاذنا. على سبيل المثال، إذا كنا نمتلك كاميرا مثبتة في مقهى – والتي قد نملكها على الأقل لأغراض الأمن – يمكننا الاستفادة منها لجمع البيانات من زبائننا. يجب أن أقول أن قبل تنفيذ ذلك، من المهم التشاور حول قوانين البيانات الشخصية، مثل GDPR، لأن هذا النهج قد لا يعمل في كل بلد. ولكن في تلك الولاية القضائية التي يسمح فيها بذلك، يمكن أن يكون هذا وسيلة سهلة لجمع المعلومات التي تحتاجها، وطلب مساعدة الذكاء الاصطناعي لتحليلها ومعالجتها.

إذا كنت تتساءل، فإن برنامج الولاء المخصص هو ما قامت به ستاربكس، بنجاح كبير. ذهب نظام مكافآت ستاربكس إلى حد تقديم حوافز مخصصة كلما زار العميل موقعًا مفضلاً أو اشترى مشروباً مفضلاً.

3. حدد فرضية

قد تكون هناك حالات ت cảm غير متأكد من العمليات التي يمكن أو يجب تحسينها بالذكاء الاصطناعي.

إذا كانت هذه حالتك، يمكنك البدء بتفكيك عمليةك بأكملها إلى مراحل، وتحديد المراحل التي تشعر أن عملك يؤدي فيها أداءً ضعيفًا. ما هي تلك المناطق التي تنفق فيها الكثير من المال؟ ما هو ما يأخذ وقتًا طويلاً hơn المعتاد؟ من خلال الإجابة على هذه الأسئلة، يمكنك تحديد المناطق الحاسمة للتحسين، و 결정 ما إذا كان الذكاء الاصطناعي يمكن أن يكون مفيدًا.

كما ستجد، هناك حالات يمكن أن تكون فيها الحلول التقليدية أكثر فعالية. إذا كنت تعاني من تحديد العروض التي يجب تسليط الضوء عليها للعملاء، فإن التوصيات المستندة إلى المنتجات الأكثر شعبية غالبًا ما تكون أكثر فعالية في أنظمة التوصية في السوق من محاولات توقع سلوك المستخدم. لذلك، حاول ذلك أولاً. مرة واحدة تحصل على نتيجة – سواء كانت إيجابية أو سلبية – يمكنك أن تضع فرضية لاختبار الذكاء الاصطناعي. خلاف ذلك، سيكون مجال العمل غامضًا جدًا، ويمكن أن ت浪ي الوقت والمال.

4. استفد من الحلول الموجودة

تستهدف العديد من الشركات، على الفور، تصميم خوارزميات التعلم الآلي الخاصة بها. ومع ذلك، إذا كنت لا تخطط لتدريبهم مع مجموعات بيانات كبيرة لفترة زمنية طويلة، فلا تفعل ذلك. سيكون ذلك مكلفًا جدًا ومستهلكًا للوقت.

بدلاً من ذلك، أوصي بأن تركز على الحلول الموجودة بالفعل. شركات مثل أمازون، جوجل، مايكروسوفت، وغيرها لديها أدوات مدعومة بالذكاء الاصطناعي التي يمكن أن تساعدك على تحقيق العديد من الأهداف. ثم، تدريجيًا، يمكنك التوقيع على عقد مع واحدة منهم، وتوظيف مطور داخلي لتهيئة طلبات API الضرورية بمهارة.

الفكرة الأساسية هي أن هذه الأدوات يمكن دمجها من قبل مطورين الأعمال (وليس متخصصي التعلم الآلي)، مما سيسمح لنا باختبار الفرضية بسرعة حول ما إذا كان الذكاء الاصطناعي يؤدي إلى التأثير المتوقع أم لا. إذا فشل في ذلك، يمكننا ببساطة تعطيل هذه الأدوات، وستكون تكلفة اختبار فرضيتنا هي فقط وقت المطور الذي قمنا بإنفاقه على دمج هذه الخدمة ومبلغ ما دفعنا لاستخدام الأداة. إذا كنا نطور نموذجًا، سننفق راتب متخصص التعلم الآلي مضروبًا في الوقت الذي يقضيه في تطوير النموذج بالإضافة إلى أي تكاليف بنية تحتية. ومن ثم ليس من الواضح ماذا نفعل مع المطور والنموذج إذا، في النهاية، لم يكن التأثير المتوقع موجودًا.

إذا ثبتت فرضيتنا، وأدت الأداة المدعومة بالذكاء الاصطناعي إلى التأثير المتوقع، سنفرح ونضع فرضية جديدة. في المستقبل، إذا توقعنا أن تكاليف الأداة تزداد بشكل كبير، يمكننا التفكير في تطوير هذا النموذج بأنفسنا، وبالتالي خفض التكاليف أكثر. ولكننا نحتاج إلى تقييم أولاً ما إذا كانت تكلفة التطوير في الواقع أقل من ما سندفعه لاستخدام أداة من شركة أخرى تختص في تطوير هذه الأدوات.

نصيحتي هي أن تفكر في تطوير منتج التعلم الآلي الخاص بك فقط بعد حصولك على نتائج جيدة من استخدام الذكاء الاصطناعي مع الأدوات المذكورة أعلاه، ومرة واحدة تكون متأكدًا من أن الذكاء الاصطناعي هو الطريقة الصحيحة لحل مشكلتك على المدى الطويل. خلاف ذلك، لن يؤدي مشروع التعلم الآلي الخاص بك القيمة التي تبحث عنها، وكما قال مقال رائع حديثًا في هارفارد بيزنس ريفيو، سيكون هوس الذكاء الاصطناعي فقط يشتت انتباهك عن مهمتك، التي لا تحتاج إلى الذكاء الاصطناعي.

5. استشير مع خبراء الذكاء الاصطناعي

في نفس السياق، يعد خطأ شائع آخر يرتكبه المؤسسون ومالكو الأعمال هو محاولة القيام بكل شيء داخل الشركة. يُ聘ون مهندسًا رئيسيًا للذكاء الاصطناعي أو باحثًا، ثم المزيد من الناس لتشكيل فريق يمكنه إنشاء منتج متقدم. ومع ذلك، فإن هذه التكنولوجيا ستكون عديمة الفائدة لغرض شركتك إذا لم تكن لديك استراتيجية تنفيذ الذكاء الاصطناعي محددة بشكل جيد. هناك أيضًا حالة ي聘ون فيها مهندسًا جونيور للتعلم الآلي لتوفير المال مقارنة بتوظيف خبير أكثر خبرة. هذا أيضًا خطر، لأن شخصًا بدون خبرة قد لا يعرف دقائق تطوير نظام التعلم الآلي وتصميمه ويتسبب في “أخطاء المبتدئين”، والتي ستكون شركة تدفع ثمنًا عاليًا جدًا،几乎 دائمًا يتجاوز سعر توظيف خبير واحد ذي خبرة.

لذلك، أوصي بأن ت聘ي أولاً خبيرًا واحدًا في الذكاء الاصطناعي، مثل مستشار، الذي سيهديك على الطريق وتقييم عملية اعتماد الذكاء الاصطناعي. استفد من خبرته لضمان أن المشكلة التي تعمل عليها تتطلب الذكاء الاصطناعي، وأن التكنولوجيا يمكن أن تتم масштабها بشكل فعال لتحقيق فرضيتك.

إذا كنت شركة ناشئة في مرحلة مبكرة، وتخاف من التمويل، فخدعة لهذا هي الاتصال بمهندسي الذكاء الاصطناعي على لينكد إن مع أسئلة محددة. صدق أو لا تصدق، يحب العديد من خبراء التعلم الآلي والذكاء الاصطناعي مساعدة الآخرين، سواء بسبب حبهم للموضوع، أو لأنهم إذا نجحوا في مساعدتك، يمكنهم استخدامها كدراسة حالة إيجابية لمحفظتهم الاستشارية.

أفكار ختامية

مع كل الهوس المحيط بالذكاء الاصطناعي، من الطبيعي أن تكون حريصًا على دمجها في عملك وتطوير حل مدعوم بالذكاء الاصطناعي يأخذك إلى المستوى التالي. ومع ذلك، عليك أن تضع في اعتبارك أن حقيقة أن الجميع يتحدثون عن الذكاء الاصطناعي لا تعني أن عملك يحتاج إلى الذكاء الاصطناعي. العديد من الشركات، للأسف، تسرع في دمج الذكاء الاصطناعي دون هدف واضح في الاعتبار، وتنتهي بتبديد كميات هائلة من المال والوقت. في بعض الحالات، خاصة للشركات في مرحلة مبكرة، يمكن أن يعني ذلك زوالها. من خلال توضيح المشكلة، وجمع البيانات ذات الصلة، واختبار فرضية، واستخدام الأدوات الموجودة بالفعل مع مساعدة خبير، يمكنك دمج الذكاء الاصطناعي دون استنزاف موارد شركتك المالية. ثم، إذا نجحت الحلول، يمكنك التوسع تدريجيًا ودمج الذكاء الاصطناعي في المجالات التي يزيد فيها من كفاءة أو ربحية شركتك.