الذكاء الاصطناعي في الشركات: احتساب التكلفة الكاملة

لقد تجاوز الذكاء الاصطناعي مرحلة النظرية والجديد. بالنسبة للعديد من المنظمات، أصبح الآن جزءًا من البنية التحتية جنبًا إلى جنب مع الأنظمة الأساسية. لا يزال العديد من الناس يفكرون فيه بشكل رئيسي من حيث النماذج اللغوية العامة العامة وبرامج الدردشة – شيء يمكنك الدخول إليه والخروج منه في المتصفح وإلغاؤه عندما تنتهي. النظر إلى الذكاء الاصطناعي من خلال هذا المنظور يمكن أن يفوت النطاق الأوسع من النماذج والتقنيات التي يمكن أن تحسن النتائج بفعالية أكبر مع مخاطر أقل.

الحقيقة هي أن الذكاء الاصطناعي يجب تقييمه مثل أي استثمار بنيوي رئيسي – مع نظرة واضحة على التكلفة والفائدة والمخاطر التشغيلية من البداية. إحضاره إلى حالة يمكن استخدامها يعني الاستثمار في خطوط أنابيب بيانات جيدة، والرصد، والحوكمة، والأشخاص الذين يبقون عليه موازيًا للنتائج التجارية المرغوبة. قطع الزوايا هنا، وسيتم نقل الفاتورة ببساطة إلى المستقبل مع فائدة إضافية.

كيف تتوسع تكاليف الذكاء الاصطناعي حقًا

من المعقول أن افترض الفرق أن تكاليف الذكاء الاصطناعي تزداد بخط مستقيم: قم بعمله مرتين، ودفع المال مرتين. في الواقع، يمكن أن تتحرك الجهد والتكاليف والنتائج بشكل مستقل عن بعضها البعض بطرق مفاجئة. اسأل الذكاء الاصطناعي قراءة وثيقة طويلة مرة واحدة، وسيتم النظر في كل كلمة في علاقتها بكل كلمة أخرى. في معظم النماذج اللغوية العامة الشهيرة، يعني ذلك أن العمل المشارك، وبالتالي التكلفة، لا تزداد بالطريقة التي يتوقعها الناس بشكل طبيعي – ضعف الإدخال، ضعف التكلفة – ولكنها تزداد تقريبًا مع مربع طول الإدخال. يمكن أن يكون الوعي بأساسيات مثل هذه الآثار الحقيقية على الحساب النهائي لأي تطبيق للذكاء الاصطناعي.

إذا كانت المنظمة التي تتعامل مع أحجام كبيرة من النصوص كل يوم، مثل الهيئة التنظيمية، على سبيل المثال، صممت من البداية حول أنابيب البحث أو الاسترجاع بدلاً من إرسال الوثائق الكاملة إلى النموذج، فإن تجربة المستخدم النهائية هي “اسأل سؤالا، احصل على إجابة في ثوان”، مثل برنامج الدردشة العام. هذا يحافظ على المسؤولين التنفيذيين الذين يحبون الذكاء الاصطناعي سعداء بالتفاعلات الفورية، بينما تحت السطح النظام يقوم بعمل أقل غير ضروري وتكلفة الحوسبة أقل نتيجة لذلك.

كيف يتم توزيع إنفاق الذكاء الاصطناعي عبر المنظمة

اختيارات التكنولوجيا هي جزء فقط من القصة، والباقي هو كيفية 접근 المنظمات إلى الذكاء الاصطناعي في المقام الأول. في العديد من المنظمات، تقع تحضير البيانات مع الهندسة. تقع مراجعات الامتثال مع القانون. تعيش إنفاق السحابة مع فرق المنصة أو البنية التحتية. عادةً ما تقع اختيار النموذج وتفصيله وأي تعديل دقيق مع عدد قليل من مشغلي التخصص. يرى كل مجموعة شريحة من العمل وخط إنفاقه الخاص. تظهر التكاليف كحوسبة هنا، ووقت مقاول هناك، ووقت الأشخاص الممتص في “العمل العادي” عبر عدة فرق. مع أرقام منتشرة عبر مراكز التكلفة، قد لا يكون من الممكن رؤية التكلفة الكاملة للنموذج الواحد للذكاء الاصطناعي في أي مكان واحد، ويمكن أن يكون من السهل تحديدها. في ذلك البيئة، يمكن لتكاليف الذكاء الاصطناعي أن تتزايد بهدوء، ببساطة لأن لا أحد ي跟ي العدد الكامل في مكان واحد.

نهج عملي لإدارة تكاليف الذكاء الاصطناعي

التحايل على الذكاء الاصطناعي ليس هو الحركة الصحيحة للمنظمات، ولكن لا يتم التعامل معه أيضًا كتكنولوجيا شاملة. الاستراتيجية الجيدة هي دائمًا البدء بالناتج المرغوب فيه والعمل بعده. لا كل حالة تحتاج إلى نموذج عام كبير ومكلف التشغيل. يمكن أن تتعامل مع العديد من المهام تقنيات التعلم الآلي المتعارف عليها التي تقع تحت مظلة الذكاء الاصطناعي ويمكن تشغيلها على البنية التحتية الحالية.

ابداً بمشاريع تجريبية صغيرة تقيس التكلفة الكلية للملكية، وليس استخدام النموذج فقط، مما يعني النظر في الحوسبة، بالطبع، ولكن أيضًا عمل التكامل، ووقت الهندسة، وإدارة التغيير، وجهود الامتثال. الهدف هو اختيار النموذج الأصغر والأبسط الذي يوفر نتيجة مقبولة بدلاً من افتراض أن “المزيد من النموذج” يعني “المزيد من الفائدة”.

الذكاء الاصطناعي ليس شيئًا واحدًا. إنه مزيج من التقنيات والأدوات التي يمكن استخدامها بطرق مختلفة. رؤيته بهذه الطريقة يكسح الغموض حول النتائج المثيرة للإعجاب ويمكن للشركات أن تستفيد من قوته بمسؤولية أكبر وأثر أكبر.

الأشخاص والزمن والذكاء الاصطناعي

كل تطبيق للذكاء الاصطناعي في الممارسة هو تعاون بين الأشخاص والبرامج. سواء تم الاعتراف به正式ًا أو لا، هذا هو كيفية عمل العمل. التحول الحالي نحو المزيد من أدوات الذكاء الاصطناعي – الأدوات التي يمكنها ربط الخطوات، و呼و برامج أخرى، والعمل بتحفيز أقل – لا يغير ذلك، في الواقع، يرفع المخاطر للحصول على الجانب البشري من سير العمل بشكل صحيح.

يمكن أن تكون هذه الأدوات سهلة للاعتماد عليها بشكل مبالغ. عندما يقدم النظام إجابات بثقة ووضوح، من الطبيعي للأشخاص أن يفترضوا أنه دائمًا ما يكون صحيحًا. إذا تم إسقاط أداة مثل هذه في سير العمل بدون تدريب适当، وحدود واضحة، وضوابط معقولة، يمكنها أن تولد ببطء تيارًا من الأخطاء الصغيرة. كل واحدة منها يجب أن تكتشف، وفهم، وتصحيحها من قبل شخص. على الورق، يبدو الذكاء الاصطناعي فعالًا، في الممارسة، هناك تكلفة مخفية في الوقت الإضافي الذي يقضيه الأشخاص في تنظيفه.

النمط الأفضل هو الشراكة المتعمدة: يبقى الأشخاص المهرة في السيطرة على النتائج، ويتم استخدام الذكاء الاصطناعي لتسريع أجزاء العمل التي تناسبه، مثل تلخيص، وكتابة، وفرز، وبحث. حتى عندما لا يزال بعض الفحص والتصحيح مطلوبًا، يمكن أن يكون التأثير العام للذكاء الاصطناعي المُقدم جيدًا والمُدار جيدًا في سير العمل أكثر سرعة، وموضوعية، وسعة أكثر مما يمكن لفريق بشري تحقيقه بمفرده.

الحوكمة كجزء من ميزانية الذكاء الاصطناعي

حتى عندما تكون الاختيارات الفنية صحيحة والاستخدام فعالًا، سترتبط حصة متزايدة من إنفاق الذكاء الاصطناعي بالحوكمة بدلاً من الحوسبة الخام. بالنسبة للمنظمات التي تعمل في الاتحاد الأوروبي، يجعل قانون الذكاء الاصطناعي ذلك واضحًا. إنه يأخذ نظرة قائمة على المخاطر للذكاء الاصطناعي وأهم شيء لا ينطبق فقط على المنتجات التي تواجه العامة. يمكن أن تقع الأنظمة الداخلية المستخدمة في مجالات مثل التوظيف والترقية، وإدارة العمال ومراقبتهم، وصنع القرار المتعلق بالسلامة في نطاقه ويمكن أن يأتي مع التوقعات حول إدارة المخاطر، والتوثيق، والتسجيل، والرقابة البشرية معهم.

التأثير العملي لهذا هو أن مشاريع الذكاء الاصطناعي الداخلية يمكن أن تأتي الآن مع عبء حوكمة خاصة بها والتي ليست اختيارية. كل حالة استخدام جديدة يمكن أن تعني تقييم مخاطر جديدًا، ومراقبة أكثر، وأسئلة أكثر من فرق الامتثال، أو التدقيق، أو المخاطر. لا شيء من ذلك سوف يظهر في معايير استخدام النموذج ولكنها جهد حقيقي يجب دفعه.

مرة أخرى، لا شيء من هذا هو سبب للاعتماد على الذكاء الاصطناعي. إنه تذكير بأن تكلفة تشغيل عملية تمكّنها الذكاء الاصطناعي الداخلية ليست فقط سعر استدعاء نموذج. الحوكمة والتوقعات التنظيمية هي الآن جزء من التكلفة الكلية للملكية.

أين تذهب عمليات نشر الذكاء الاصطناعي بشكل خاطئ

النمط المألوف في مشاريع الذكاء الاصطناعي هو الفجوة بين كيفية ظهور النظام في العرض التوضيحي وكيفية سلوكه بمقياس في البرية. في بيئة خاضعة للسيطرة، مع مجموعة ضيقة من الأسئلة وبيانات友ية، يمكن أن تبدو النتائج خالية من العيوب. من السهل في تلك اللحظة افتراض أن النظام جاهز للتعامل مع فئة كاملة من العمل.

تظهر المشاكل فيما بعد، عندما يتم تعرض النظام لجميع التنوع والكمية الحقيقيين للاستخدام: أسئلة غير عادية، مستخدمون مرهقون، سجلات غير كاملة، حالات حافة غير ممتلئة. تظهر الشقوق التي كانت غير مرئية في العرض التوضيحي كإجابات غير موجهة، وتنقص النفاسة، ودوائر الدعم، وأوقات التعامل الأطول، والضرر الصامت للثقة. يمكن أن تبدو معايير داخلية مثل “الأسئلة المعالجة” و “الوقت المحفوظ” جيدة على الورق، ولكن تجربة المستخدمين النهائية قد تحكي قصة مختلفة.

القفز مباشرة من عرض توضيحي متقن أو تجربة صغيرة حيث يتم اعتبار النجاح في ظروف خاضعة للسيطرة كدليل على أن النظام جاهز لنشر أوسع يمكن أن يكون خطأ مكلفًا. في العالم الحقيقي، يجلب المستخدمون أسئلة غير ممتلئة، وبيانات غير كاملة، وافتراضاتهم الخاصة عما يمكن لل أداة القيام به. إذا لم تُدار التوقعات، ولم يتم تصميم سير العمل حول النظام مع سبل للخروج والتصعيد في الاعتبار، تدفع المنظمة ثمنًا مزدوجًا: مرة واحدة للبناء، ومرة أخرى في الدعم الإضافي، والعمل الإضافي، والشكاوى، والثقة المفقودة. قد يبدو التكنولوجيا مثيرة للإعجاب على الورق، ولكن بدون نهج عملي ل كيفية لقاء التكنولوجيا الناس والعمليات الحقيقية، فإن عائد الاستثمار على ذلك الاستثمار يتناقص بسرعة.

الجانب الآخر هو أن الأنظمة المصممة جيدًا، مع حدود واضحة ومiliki البشرية المدمجة فيها من البداية، يمكن أن تفعل أشياء لا يستطيع فريق بشري واحد إنجازها: مسح أحجام هائلة من المعلومات في ثوان، واكتشاف الأنماط عبر سنوات من البيانات، وتحديد القرارات الروتينية بمقياس يتعذر الوصول إليه خلاف ذلك. النقطة هي أن لتكون تلك الفوائد، يجب على المنظمات أن توازن طموحها مع وجهة نظر واقعية حول كيفية سلوك التكنولوجيا مرة واحدة في العالم.

أفكار الختام

لا شيء من هذا هو حجة ضد الذكاء الاصطناعي. إنه حجة لمعالجته بنفس الجدية مثل أي نظام آخر يمكن أن يغير بشكل مادي كيفية عمل الأعمال.

عند استخدامها جيدًا، يساعد الذكاء الاصطناعي الفرق الصغيرة على العمل بمقياس أكبر، واكتشاف الأنماط التي سيكون من الصعب رؤيتها يدوياً، وجعل الحكم الخبير يذهب إلى أبعد من ذلك. لكن الوصول إلى هناك يتطلب رؤية واضحة لどこ يتم استخدام الذكاء الاصطناعي، وما تكلفته الكلية، وكيف يتم حوكمته. هذا يعني اتخاذ خيارات متعمدة حول النماذج والهياكل، والاستثمار في البيانات والرصد، وتصميم العمليات حيث يبقى الأشخاص في الدائرة.

كان “الحركة السريعة وكسر الأشياء” شعارًا كتب لفرق بشرية تعمل على أنظمة بمقياس بشري: إذا كسر شيء ما، يمكنك عكسه، وتصليحه، والمضي قدمًا. مرة واحدة يتم دمج الذكاء الاصطناعي في القرارات المتعلقة بالعملاء، أو الموظفين، أو المواطنين، يمكن أن ينتج نفس الموقف مشاكل تنتشر بشكل أسرع، وتضرب بأشد قوة، وأصعب في لفكها. لا يزال السرعة مهمًا، ويمكن للذكاء الاصطناعي بالتأكيد أن يساعد هنا، ولكن يجب أن يتم مطابقته برؤية واضحة للمخاطر والتكاليف والمسؤولية.

لا توجد طريقة لإزالة التكلفة أو المخاطر تمامًا. لكن هناك فرق واضح بين المنظمات التي تعتمد على التجارب العرضية وتلك التي تبني الذكاء الاصطناعي في عملياتها بطريقة مقاسة، مع رؤية واضحة من الإنفاق إلى النجاح. عبر مجموعة متنوعة من المشاكل والنتائج التي تواجهها المنظمات، لا توجد حلول واحدة للذكاء الاصطناعي يمكن أن تحلها جميعًا. يجب أن يكون استخدام الذكاء الاصطناعي في الشركات دائمًا متخصصًا، ومشرفًا، ومحددًا بعناية.