قادة الفكر
تفعيل البيانات لسد الفجوة بين العائد على الاستثمار في الذكاء الاصطناعي: 4 خطوات لتحقيق القيمة التجارية من خلال الذكاء الاصطناعي العامل
أضف Unite.AI إلى مصادرك المفضلة على Google
عندما ندخل العام الرابع على التوالي من “عام الذكاء الاصطناعي”، يعتبر العديد من قادة المنظمات سؤالين متعارضين بشكل واضح. أولاً، هل يعتبر الذكاء الاصطناعي التكنولوجيا الأكثر تحولاً في القرن الحادي والعشرين؟ ثانياً، هل يتم التهويل حول الذكاء الاصطناعي؟ سأجيب على كلا السؤالين بنعم، ولكن أعتقد أن هذه الأسئلة خاطئة. بدلاً من ذلك، أعتقد أن هؤلاء القادة يجب أن يطرحوا على أنفسهم سؤالاً مختلفاً: كيف يمكن لمنظمتي الحصول على قيمة تجارية من الذكاء الاصطناعي الآن؟
الواقع هو أن العديد من الشركات قد أنفقت السنوات الثلاث الماضية في استثمار تكنولوجيا الذكاء الاصطناعي الجديدة وتجربة أدوات الذكاء الاصطناعي الجديدة، ولكنها لم تحقق بعد المكافآت المتوقعة. هذا لا ينبغي أن يكون مفاجئاً. تعلمنا من التاريخ أن التكنولوجيا الأكثر إثارة للدهشة تأخذ وقتًا قبل أن تدر أرباحاً. هناك فجوة زمنية بين الابتكار الفني والابتكار التجاري.
أظهر توماس إديسون قوة الكهرباء في مانهاتن في عام 1882، ولكن لم يكن حتى عام 1913 عندما قدم فورد خط التجميع الكهربائي أن الكهرباء استولت تماماً على القوة البخارية في التصنيع. يمكنك أن تتخيل قائداً تجارياً في عام 1885 يحث عمال المصنع على البدء في تجربة الطاقة الكهربائية؟ ومع ذلك، استمرت الطاقة الكهربائية وفتحت الطريق للعديد من الابتكارات الثورية في القرن العشرين، من البث الإذاعي إلى الحوسبة الرقمية.
على سبيل المثال الحديث، أصبحت شبكة الويب العالمية شائعة في بداية التسعينيات. انفجرت استخدامات المستهلك على الفور، ولكن تبنت الشركات الكبيرة استخدامها بعد نصف عقد. استغرق الأمر نصف عقد قبل أن تبدأ معظم الشركات التقليدية في الاستفادة من الويب من خلال التجارة الإلكترونية. ومع ذلك، فتحت شبكة الويب العالمية الطريق إلى وسائل التواصل الاجتماعي والتفاعل المحمول و الحوسبة السحابية وأخيراً الذكاء الاصطناعي. تُنشأ القيمة التجارية بشكل متدرج من التكنولوجيا الجديدة.
إذا كان عصر الكهرباء في الأعمال بدأ مع خط التجميع، وبدأت عصر الويب مع التجارة الإلكترونية، فما هي التطبيق القاتل لعصر الأعمال الذكاء الاصطناعي؟ أدخل إطلاق ChatGPT في نهاية عام 2022 قوة نماذج اللغة الكبيرة إلى الجمهور العام. بسبب شعبيته، أصبح “الروبوت الذي يفهمني ويتكلم مثل الإنسان” هو النموذج المثالي لطريقة تطبيق الذكاء الاصطناعي. ونتيجة لذلك، بدأت العديد من الشركات باستخدام الذكاء الاصطناعي من خلال إدخال مساعدين مشابهين مخصصين ليكونوا نسخة الشركة من ChatGPT. في العديد من الحالات، كانت النتائج جيدة عند استقبال المستخدمين، ولكن العائدات على الإنتاجية صعبة القياس.
أحد التطبيقات الأكثر تطوراً للنماذج اللغوية الكبيرة في الأعمال هو في مجال مساعدي البرمجة. أصبحت أدوات مثل Claude Code و Cursor شائعة، وأظهرت نتائج قريبة من السحر. ومع ذلك، تشير الدراسات إلى أن مكاسب الإنتاجية لل مطورين الفردية لم تترجم بعد إلى إنتاجية المنظمة. بالإضافة إلى ذلك، لا يساعد تسريع التطوير في أداء الأعمال إذا ما تم إنتاج شيء لا يقدم قيمة تجارية. سيساعد مساعدوا البرمجة في توسيع استخدام الذكاء الاصطناعي مع مرور الوقت، ولكنهم ليسوا التطبيق القاتل.
Để العثور على التطبيق الأكثر تأثيراً للذكاء الاصطناعي، يجب على المنظمات التركيز على العجلات التي تدفع نماذج أعمالها. في كتابنا “فك الارتباط مع الشركة”، يبحث ستيفن فишمان وأنا مفهوم “الديناميات القيمة”، وهي طريقة لتحليل نماذج الأعمال إلى مجموعة من التبادلات القيمة المترابطة. تتضمن التبادلات القيمة عدة “عملات”، بما في ذلك الرسوم والادخار في الوقت والوصول وتحسين الجودة. العملة الأكثر فريدة هي البيانات. في الكتاب، نُظهر كيف استخدمت شركات مثل جوجل وميتا تراكم البيانات لتحقيق السيادة الرقمية. نجاحهم جاء من خلال توفير روابط تلقائية في تبادلات القيمة. ربطوا جمع البيانات بالتوليد الإيرادي في دائرة فاضحة. كلا الشركتين قامت بتحويل بيانات العملاء إلى استهداف الإعلانات، ثم استخدمت ذلك لتشغيل إيراداتها الأساسية وجمع المزيد من البيانات من خلال تفاعل المستخدم.
في حين أن العديد من المنظمات قد أنفقت العقد الماضي في جمع البيانات وتحسينها، لم تتمكن بعد من استغلال إمكانات البيانات بشكل كامل من خلال مثل هذه الدائرة. في جوهره، النموذج اللغوي الكبير هو ببساطة بيانات تطبيقية. لديه إمكانية أن يكون المحرك الذي يدفع مثل هذه الدائرة القيمة للمنظمات، ولكن هذا المحرك يحتاج إلى وقود في شكل بيانات سياقية، ويجب ربطه بعجلات نموذج الأعمال للمنظمة. هذا “تنشيط البيانات” يجعل البيانات موثوقة ومتاحة بمقياس، مما يضع الأساس للآليات الديناميكية في المؤسسة، و في النهاية يكتشف التطبيق القاتل للذكاء الاصطناعي للمنظمات.
ما شكل المنظمات التي قامت بتفعيل بياناتها لعصر الذكاء الاصطناعي؟ ضع في الاعتبار السيناريوهات التالية:
- شركة أدوية تنتقل من وضعها الحالي الذي يضطر إلى وضع رهانات بملايين الدولارات لمدة سنوات على أدوية جديدة إلى شركة أكثر مرونة مع دورات تجارب سريرية أقصر وأكثر توازناً من خلال آليات أتمتة ديناميكية مشبعة بالذكاء الاصطناعي
- بنك تجاري ينتقل من إرسال عروض منتجات “أمل و صلاة” إلى جميع العملاء مع القليل من الاستجابة والتحقق اليدوي لأسفل إلى عروض مخصصة مع إصدار ائتماني مبسط، مما يؤدي إلى اعتمادات منتجات قروض ربحية أعلى
- تاجر ينتقل من نظام إدارة المخزون الحالي الذي يعاني من مخزون زائد ومبيع إلى شركة تفهم وضع المخزون في الوقت الفعلي بفضل الاتصالات المباشرة مع المخازن والموردين والمنافذ التي يتم تحليلها من خلال وكلاء ذكاء اصطناعي دائمين
الطريق إلى العائد على الاستثمار المحدد في هذه السيناريوهات يتبع هذا النوع الجديد من الأتمتة الديناميكية، ويتم تشغيله من خلال تنشيط البيانات.
كيف يمكن للمنظمات أن تبدأ هذه الرحلة؟ ها هي أربع خطوات للبدء…
الخطوة 1: فهم ديناميات القيمة للمنظمة
تفكيك نموذج أعمال المنظمة إلى التبادلات القيمة الأساسية له هو شيء قيّم لعدة أسباب. يُظهر خريطة التبادل القيمة الناتجة ما هي القدرات التي تدفع الأعمال، وما الوظائف التجارية الأكثر حرجاً، وكيف يساهم كل عنصر في المنظمة في إنشاء القيمة واكتسابها وتوزيعها. لأغراضنا، يمكن استخدام خريطة التبادل القيمة لتصور العمليات التجارية الأساسية التي ستكون مرشحة للآليات الديناميكية. كطبقة أدنى، يمكن ربط كل تبادل قيمة ومكون به إلى كيفية تشغيلها داخل المنظمة. يمكن أن يكون هذا في شكل تطبيقات برمجية أو مخازن بيانات أو حتى مهام موظفيها. يمكن وزن فرص الأتمتة من حيث التأثير وcomplexity التنفيذ من أجل التركيز على أفضل مكان لتطبيق الذكاء الاصطناعي وتنشيط البيانات.
الخطوة 2: نشر الخيارات من خلال طبقة تنشيط البيانات
يتوقف khả năng المنظمة لتنشيط البيانات على الخيارات المتاحة في المناظر الرقمية. تتوفر الخيارات عندما تكون الأصول الرقمية – الوظائف البرمجية، مصادر البيانات، خدمات الطرف الثالث – متاحة في الوقت الفعلي. في سياق الذكاء الاصطناعي، يعني ذلك أمرين. أولاً، يجب على المنظمة أن تكون قادرة على دمج البيانات من مصادر متفرقة لتقديم سياق دقيق للنماذج اللغوية الكبيرة التي تؤدي إلى استدلال دقيق وتجنب الوهم. ثانياً، يجب أن تكون المكونات البرمجية التي تنفذ الوظائف التجارية الأساسية – مثل خدمة القرض في البنك أو نظام المخزون الحي للبائع – قابلة للاتصال بواسطة تطبيقات قائمة على النماذج اللغوية الكبيرة من أجل تنفيذ الأتمتة. في كلا الحالتين، تعد واجهات برمجة التطبيقات (APIs) أفضل آليات جعل البيانات والوظائف متاحة بشكل مناسب. يمكن تحويل مجموعة القدرات القابلة للوصول إلى منصة سياقية للمنظمة. تحويل المناظر الرقمية من مجموعة تطبيقات ومخازن بيانات معزولة إلى طبقة من واجهات برمجة التطبيقات الموجهة للأعمال هو أمر حيوي لتحقيق العائد على الاستثمار من خلال تنشيط البيانات.
الخطوة 3: تبني نمط الذكاء الاصطناعي لل حلول الرقمية
تظهر الهندسة المعمارية البرمجية السائدة لعصر الذكاء الاصطناعي. تتطلب الحلول البرمجية المثلى توازناً بين المكونات المشبعة بالذكاء الاصطناعي والمكونات غير المشبعة. يستخدم وكلاء الذكاء الاصطناعي – المكونات المشبعة بالذكاء الاصطناعي في هذه الهندسة المعمارية الجديدة – استدلال النماذج اللغوية الكبيرة المبني على الوعي السياقي لتنفيذ المهام من خلال الأدوات المتاحة. هم أدوات تنشيط البيانات والآليات الديناميكية. المناظر الرقمية التي تم تحويلها إلى خيارات من خلال واجهات برمجة التطبيقات (بما في ذلك أدوات بروتوكول سياق النموذج) هي أرضية الخصب الأكثر خصوبة لوكلاء مثل هؤلاء. تسمح الهندسة المعمارية بالعامل بالعديد من الأنماط التي تجمع بين المكونات البرمجية الحتمية في البنية التحتية الحالية مع وكلاء الذكاء الاصطناعي. تتراوح هذه الأنماط من بوتات المحادثة البسيطة ووكلاء العمال إلى سير عمل عاملية وصولاً إلى أنظمة وكلاء متعددة مستقلة. ستتمكن المنظمات التي تتبنى هذا النهج الهندسي من حصاد القيمة الأكبر من أصولها الرقمية الحالية مع تبني الذكاء الاصطناعي بسرعة تسمح لهم بإدارة زيادة تعقيد الحلول التي تزيد من القيمة.
الخطوة 4: استخدام الذكاء الاصطناعي كأداة إنتاجية لإنشاء آليات عاملية
تطبيق الذكاء الاصطناعي لزيادة إنتاجية العمال قد لا يؤدي إلى أعلى عائدات للأعمال. ومع ذلك، يمكن استخدام مكاسب الإنتاجية للذكاء الاصطناعي في خدمة تنشيط بيانات المنظمة وتوفير آليات عاملية، ويمكن أن يسرع العائدات الحقيقية. هذا لا يعني فقط استخدام الذكاء الاصطناعي لتسريع عمل المطورين. حتى قبل انفجار الذكاء الاصطناعي، كان أحد أكبر الحواجز أمام التسليم هو الفجوة التنظيمية بين خبراء المجال التجاري الذين يفهمون تطبيق التكنولوجيا، وفرق تكنولوجيا المعلومات التي تبني الحلول. ساعدت الاتجاهات التنظيمية مثل DevOps في سد هذه الفجوة، ولكن يمكن للذكاء الاصطناعي أن يساعد بطرق أكثر ملموسة. كتكنولوجيا لغة، يمكن للنماذج اللغوية الكبيرة ترجمة بين المتطلبات والحلول بطريقة غير مسبوقة. يسمح الذكاء الاصطناعي المتعدد الوسائط بتقاطع مسودات الأعمال التي يمكن أن تولد نماذج قابلة للاستخدام لمراحل التطوير اللاحقة. يمكن تحويل النصوص إلى نماذج. هذا هو نوع جديد من تنشيط البيانات: تحويل معرفة المجال التجاري إلى هيكل حل في الوقت الفعلي.
باتباع هذه الخطوات الأربع، يمكن للمنظمات تفعيل بياناتها وبدء رؤية عائدات على استثماراتها في الذكاء الاصطناعي. بالإضافة إلى ذلك، ستكون أفضل استعداداً للمنظومات والوظائف والفرص الجديدة التي يخلقها اقتصاد الذكاء الاصطناعي. من خلال فهم ديناميات القيمة الخاصة بأعمالك، وتحويل أصولك الرقمية إلى خيارات قابلة للتنفيذ، وتوجيه نفسك حول الهندسة المعمارية العاملية، ستجهز منظمتك للمستقبل الذكاء الاصطناعي من خلال اختراعه بنفسك.
