مبادرات الذكاء الاصطناعي لا تحتاج إلى بيانات مثالية: نظرة واقعية على الذكاء الاصطناعي في الشركات

سوق الذكاء الاصطناعي في الشركات سوف يصل إلى 204 مليار دولار في عام 2030. وتخطط 92% من المنظمات لزيادة استثماراتها في الذكاء الاصطناعي خلال السنوات الثلاث القادمة. ومع ذلك، تظهر الأبحاث في معهد ماساتشوستس للتكنولوجيا أن 90% من مشاريع الذكاء الاصطناعي تفشل في الخروج من مرحلة الاختبار. والسبب الرئيسي لذلك ليس تعقيد النماذج، بل جودة البيانات.

تجري غرف المجالس نقاشات حول ChatGPT مقابل Claude. هم يسألون السؤال الخطأ. القضية الحقيقية هي ما إذا كانت بيانات المنظمة جاهزة لتنفيذ أي نظام ذكاء اصطناعي. تبني معظم الشركات قدرات ذكاء اصطناعي متقدمة على أساس بيانات متكسرة وغير متسقة وفاقدة للسياق.

هذا يخلق فشلات باهظة الثمن. تعمل المؤسسات المالية على إنشاء روبوتات دردشة تتصور أرقام الإيرادات. تعمل المتاجر على إنشاء محركات توصية تقترح منتجات متوقفة. تستثمر الشركات المصنعة في تحليلات تنبؤية لا تستطيع الإجابة على أسئلة تشغيلية أساسية. هذه الفشلات تنجم عن العجلة في تنفيذ نماذج متقدمة مع تجاوز إعداد البيانات الأساسي.

فهم تحدي تعقيد البيانات

توجد بيانات الشركات في ثلاث فئات. كل فئة تتطلب نهجًا مختلفًا للإعداد. فهم هذه الفروق يحدد نجاح الذكاء الاصطناعي.

البيانات المهيكلة تبدو مألوفة. المعلومات تقع في قواعد البيانات والجداول مع صفوف وأعمدة واضحة. تفترض العديد من المنظمات أن أنظمة المعاملات المنظمة جيدًا تعني جاهزية الذكاء الاصطناعي. هذا الافتراض يخلق مشاكل. أنظمة الذكاء الاصطناعي تعاني من البيانات المهيكلة ليس بسبب الارتباك، ولكن بسبب فجوات السياق. عندما تقابل أنظمة الذكاء الاصطناعي حقول “ProductID” عبر جداول قواعد البيانات المتعددة، لا تستطيع فهم هذه العلاقات بدون تعليمات صريحة. النتيجة هي أنظمة ذكاء اصطناعي تصل إلى البيانات ولكن لا تستطيع تحليلها بفعالية.

البيانات غير المهيكلة تقدم تحديات وفرصًا معاكسة. هذه الفئة تشمل البريد الإلكتروني والوثائق والتقديمات والفيديوهات والمحتوى الآخر الذي ينتجه البشر حيث تعيش معظم معرفة المنظمة. تعاني أدوات التحليل التقليدية من البيانات غير المهيكلة. أنظمة الذكاء الاصطناعي الحديثة مصممة لمعالجتها. النجاح يتطلب إعدادًا منهجيًا. لا يمكن للمنظمات تحميل آلاف ملفات PDF وتوقع استخلاص رؤى ذات معنى. يتطلب التنفيذ الفعال تقسيم المحتوى وإنشاء البيانات الوصفية وتنظيم البحث.

تقع البيانات شبه المهيكلة في وسط معقد. ملفات JSON وسجلات النظام والتقريرات تجمع بين عناصر منظمة ومحتوى روائي. الخطأ الشائع هو معاملة هذه المصادر على أنها غير مهيكلة فقط، مما يفقد العناصر المنظمة القيمة. يتطلب نجاح تنفيذ الذكاء الاصطناعي تحليل العناصر المهيكلة مع الحفاظ على رؤى غير مهيكلة، ثم إعادة دمجها لتحليل شاملة.

كل نوع من البيانات يتطلب استراتيجيات إعداد محددة. يجب تكوين أنظمة الذكاء الاصطناعي لمواجهة هذه التعقيدات. المنظمات التي تعامل جميع البيانات بشكل موحد تخلق تنفيذات ذكاء اصطناعي تتفوق في نوع بيانات واحد وتفشل في الأنواع الأخرى.

فجوة السياق التي تعطل أداء الذكاء الاصطناعي

السياق هو العامل الأكثر أهمية في نجاح الذكاء الاصطناعي. إنه也是 الأكثر إهمالًا. يأتي المحللون البشرون بسنوات عديدة من المعرفة التجارية لتحليل البيانات. عند استعراض التقارير الربع سنوية، يفهمون أن “الإيرادات” تمثل مبيعات ما بعد الضريبة بالدولار الأمريكي. لا تملك أنظمة الذكاء الاصطناعي مثل هذا الفهم. بدون سياق صريح، قد تفسر أنظمة الذكاء الاصطناعي “47%” على أنها رقم إيرادات عند القيمة الفعلية هي 4.7 مليون دولار. هذا يؤدي إلى توصيات أعمال фундамنتالية معيبة.

تتجاوز فجوة السياق تفسير البيانات الأساسي. كل منظمة تطور تعريفات فريدة للمقاييس الشائعة. “تكلفة اكتساب العميل” تعني شيئًا مختلفًا تمامًا في شركة ناشئة مقابل شركة راسخة. “معدل الانقطاع” يختلف بشكل كبير عبر الصناعات والشركات. تحتاج أنظمة الذكاء الاصطناعي إلى تعليمات صريحة في دقائق المنظمة لتوفير رؤى ذات معنى.

تخيب تقنيات التوثيق التقليدية أمام تنفيذ الذكاء الاصطناعي. القواميس الثابتة للمعلومات المخزنة على الخوادم تبقى غير مرئية لأنظمة الذكاء الاصطناعي وسريعة الزوال. المنظمات الناجحة تُنشئ توثيقًا حيًا يمكن لأنظمة الذكاء الاصطناعي الإشارة إليه بنشاط. هذا التوثيق يتم تحديثه تلقائيًا مع تطور القواعد التجارية.

يصبح توازن الإدخال الآلي والإدخال البشري حاسمًا هنا. تتفوق الآلات في تحديد العلاقات الفنية. تعرف أن العمود أ يصل إلى الجدول ب عبر أنظمة قواعد البيانات. فقط الخبرة البشرية توفر السياق التجاري. يشرح البشر لماذا تهم بعض المقاييس، وكيف يتم حسابها، وما يشكل نطاقات الأداء العادية مقابل المقلقة. التنفيذ الناجح للذكاء الاصطناعي يجمع بين اكتشاف آلي وتحضير معرفة بشري.

المخاطر المعززة في عصر الذكاء الاصطناعي

يضخم تنفيذ الذكاء الاصطناعي المشاكل الحالية في البيانات بمقياس وسرعة غير مسبوقين. تصبح تحديات حوكمة البيانات التقليدية معقدة بشكل كبير عندما تصل أنظمة الذكاء الاصطناعي إلى البيانات، وتعالجها، وتبادلها عبر الحدود التنظيمية.

آليات التحكم في الوصول المصممة للاستخدام البشري تثبت عدم كفايتها لأنظمة الذكاء الاصطناعي. قد تمنح نماذج الأمان التقليدية محللي المبيعات الوصول إلى مجلدات محددة. لكن المساعدين الذكاء الاصطناعي يمكن أن ي暴وا معلومات حساسة لاستخدام غير مصرح به من خلال استفسارات تبدو بريئة. قد يصل مساعد خدمة العملاء إلى بيانات تسعير المنافس ويشاركها في اتصالات العملاء. تحتاج المنظمات إلى إطارات أمان تفهم ما يمكن لأنظمة الذكاء الاصطناعي مشاركة ما لا يمكنها في سياقات مختلفة.

ت trởى متطلبات الامتثال أكثر تعقيدًا عندما تتخذ أنظمة الذكاء الاصطناعي قرارات تؤثر على الأفراد. كانت الامتثال لقوانين حماية البيانات صعبًا عندما اتخذ البشر قرارات مدفوعة بالبيانات. الآن، يجب على المنظمات تفسير كيف وصلت خوارزميات الذكاء الاصطناعي إلى استنتاجات محددة. يجب عليهم الحفاظ على سجلات مراجعة للاختيارات الآلية. يجب عليهم ضمان امتثال بيانات التدريب للتنظيمات الخاصة بالبيانات. يأخذ “حَقُّ التفسير” معنى جديدًا عندما يكون المتخذ للقرار نظامًا خوارزميًا وليس محللًا بشريًا.

يصبح بناء الثقة يتطلب نهجًا جديدًا للاختبار والمراقبة. ركزت جودة الخدمة التقليدية على ما إذا كانت الأنظمة تعمل بشكل صحيح في ظروف متوقعة. تحتاج أنظمة الذكاء الاصطناعي إلى مراقبة مستمرة للكشف عن فشلها، ومدى خطورته، والسبب. يجب على المنظمات تنفيذ مراقبة في الوقت الفعلي لكل قرار ذكاء اصطناعي، وليس فقط مقاييس أداء النظام.

يصبح حلقة التغذية الراجعة حاسمة للتحسين. عندما يصحح المستخدمون استجابات الذكاء الاصطناعي، تمثل تلك التصحيح بيانات تدريب قيمة. ولكن فقط إذا قامت المنظمات بجمعها وتضمينها بشكل منهجي. هذا يتطلب عمليات لجمع ملاحظات المستخدم، وتصديق التصحيحات، وتحديث سلوك الذكاء الاصطناعي وفقًا لذلك.

التحكم في قرار بناء أو شراء

تواجه المنظمات خيارًا بين تطوير قدرات الذكاء الاصطناعي الداخلية والشراكة مع منصات خارجية. كل نهج يحمل مزايا وتحديات فريدة يجب أن تتوافق مع قدرات المنظمة وأهدافها الاستراتيجية.

يقدم بناء القدرات الداخلية للذكاء الاصطناعي أقصى درجة من التحكم والتعديل. يمكن للمنظمات تطوير أنظمة مخصصة بدقة لاحتياجاتها الفريدة. تحتفظ بالملكية الكاملة لبياناتها وخوارزمياتها. ومع ذلك، تتطلب متطلبات الموارد الكثير. يتطلب التطوير الناجح عادةً فرقًا من مهندسي البيانات وخبراء الذكاء الاصطناعي وخبراء المجال. يستغرق التطوير 12-24 شهرًا. تشمل التكاليف الخفية البقاء على اطلاع دائم بالتقنيات المتطورة للذكاء الاصطناعي، والحفاظ على الأنظمة على مدار الساعة، وتفسير تأخيرات الجدول الزمني للقيادة التنفيذية.

تعدل حلول المنصات وعدم الحاجة إلى خبرة تقنية. يمكن للمنظمات تحميل البيانات، وتكوين الإعدادات الأساسية، وبدء توليد رؤى ذكاء اصطناعي. ومع ذلك، يجب على المنظمات تقييم قدرات المنصة بدقة مقابل متطلباتها المحددة. تشمل الاعتبارات الحاسمة توافق صيغ البيانات، والفهم الخاص بالصناعة، وحماية البيانات وأمانها، وقدرات التكامل مع الأنظمة الحالية.

غالبًا ما يعمل النهج الهجين بشكل أفضل للعديد من المنظمات. يسمح البدء بحلول المنصات للشركات بثبوت قيمة الذكاء الاصطناعي بسرعة بينما يتعلمون من متطلباتهم المحددة. بمجرد أن تفهم المنظمات ما يعمل، يمكنهم اتخاذ قرارات مدروسة حول القدرات التي تستحق التطوير الداخلي مقابل الاستمرار في استخدام حلول المنصات.

إطار عملي للمضي قدمًا

يبدأ تنفيذ الذكاء الاصطناعي الناجح بالتقييم الصادق بدلاً من التخطيط الطموح. يجب على المنظمات أن تبدأ بفهرسة موجودات البيانات الحالية. غالبًا ما يكشف هذا العرض عن المزيد من التعقيد والتناقض مما كان متوقعًا في البداية. بدلاً من محاولة تحويل الذكاء الاصطناعي الشامل، تعرف الشركات الناجحة على مشاكل محددة ويمكن قياسها حيث يمكن للذكاء الاصطناعي توفير قيمة واضحة.

يتطلب العمل التأسيسي جهدًا كبيرًا ولكنه ضروري. يشمل هذا تنظيف البيانات، ووضع السياق، وتنفيذ التحكم في الوصول، واختبار الطيار مع مقاييس نجاح محددة بوضوح. يجب على المنظمات التخطيط لأجلال زمني الواقعي. افكر في أشهر أو سنوات بدلاً من أسابيع. بناء القدرات بشكل متزايد.

الشركات التي تكمل هذا العمل التأسيسي بينما لا تزال منافسها تركز على اختيار نماذج الذكاء الاصطناعي ستحصل على مزايا كبيرة. يهم اختيار التكنولوجيا أقل من التحضير الذي يمكّن أي نظام ذكاء اصطناعي من النجاح.

تكلفة الانتظار

ثورة الذكاء الاصطناعي تستمر بغض النظر عن جاهزية المنظمة. يمكن للشركات اختيار الاستثمار في إعداد البيانات المناسب الآن. أو يمكنهم محاولة تثبيت الحلول لاحقًا بتكلفة وتعقيد أعلى. المنظمات التي تبرز كقادة في الذكاء الاصطناعي سوف تعترف مبكرًا أن النجاح يعتمد ليس على اختيار النماذج الأكثر تطورًا، بل على بناء أسس بيانات تسمح لأي نظام ذكاء اصطناعي بتوفير قيمة تجارية ذات معنى.

السؤال الذي تواجهه قادة الشركات ليس أي تكنولوجيا ذكاء اصطناعي يجب تنفيذها. بل السؤال هو ما إذا كان لديها المنظمة العمل الصعب اللازم لجعل أي تنفيذ للذكاء الاصطناعي ناجحًا. تتطور قدرات الذكاء الاصطناعي شهريًا. المنفعة التنافسية المستدامة تنتمي إلى الشركات التي لديها أسس بيانات قوية بدرجة كافية لدعم أي تطور تكنولوجي يظهر بعد ذلك.