قادة الفكر
تقابل الذكاء الاصطناعي مع هندسة التحليلات: النضج الذكائي للعمليات
أضف Unite.AI إلى مصادرك المفضلة على Google
تشعر الشركات في جميع Industries والاختصاصات بالحاجة إلى الغوص في عالم الذكاء الاصطناعي، ويشمل ذلك هندسة التحليلات. الفرص حقيقية ومثيرة، ولكن المنظمات التي تسعى إلى تحقيق أقصى استفادة منها يجب أن تنفذ هيكلها الإجرائي بطريقة مدروسة وواقعية، بناءً على نضجها الذكائي. دعونا نستكشف كيف يمكن القيام بذلك.
مستويات النضج الذكائي
عند وصف تعقيد الذكاء الاصطناعي الذي تستخدمه، تكون مستويات النضج الذكائي مفيدة كإطار مبسط ومُشرّف.
المستوى 1: الذكاء المساعد (الآلي): آليّة أساسية للعمليات المتكررة والتدفقات. الأمثلة: المحادثات الآلية مع إجابات محددة، أدوات التصفح على المواقع، أدوات البحث الداخلي.
المستوى 2: الذكاء المعزز (التحليل الموجه): تقول للذكاء الاصطناعي الطريقة / النموذج وما يجب تحليله، ويقوم بباقي العمل. الأمثلة: خوارزميات المناقصة الإعلانية، ملخصات المحتوى.
المستوى 3: الذكاء المستقل (الذكاء الاصطناعي الذي يتعلم ذاتيًا): يحدد الذكاء الاصطناعي الطرق، يعثر على الأنماط، ويقدم توصيات. الأمثلة: السيارات ذاتية القيادة، روبوتات تداول الأسهم المستقلة.
الضغط لتحقيق “الذكاء الاصطناعي”
بالطبع، هناك ضغط كبير اليوم للوصول إلى “المستوى 3”. لكن هذا يعتمد إلى حد كبير على موارد الشركة، الأصول، القدرات الأساسية، المعرفة، والأشخاص. أفضل نهج هو البدء من حيث يبدو مناسبًا، حتى لو كان ذلك في المستوى 1.
في الوقت الحالي، هناك ملايين المقالات على الإنترنت التي تقذفك بأفكار للذكاء الاصطناعي. لكن الأفكار لا تجلب النتائج. وفقًا لأدوبي،只有 12% من الشركات لديها حاليًا حلول ذكاء اصطناعي تعمل وتظهر عائدًا明显ًا على الاستثمار. معظم هذه الحلول لا تزال في مرحلة الاختبار، وتقييم الفعالية، أو تواجه تحديات في توسيع مبادرات الذكاء الاصطناعي. العديد من الفرق تكافح لتحديد مكان دمج الذكاء الاصطناعي في تدفقات العمل، وحتى عندما يتم تحديد حالة استخدام، غالبًا ما تفتقر المنظمات إلى القدرات الداخلية لبناء أدوات ذكاء اصطناعي مخصصة أو العثور على حلول خارجية موثوقة.
دعونا نلتزم بالتطبيقات الواقعية. هناك طرق رائعة لتطوير استخدام الذكاء الاصطناعي بشكل تدريجي إلى عناصر واقعية في العمل للقادة الذين يستعدون لتوسيع نطاقهم بمسؤولية.
ما يمكن تطبيقه تلقائيًا عند بناء التحليلات لمنتج تجارة إلكترونية / سaaS
في رأيي، هناك عمليتان شائعتان داخل فرق هندسة التحليلات الناجحة هما مرشحان رائعان لبناء نضج الذكاء الاصطناعي:
- الذكاء الاصطناعي لإدارة المعرفة والتدريب
- الذكاء الاصطناعي لآليّة الاختبار والتدقيق
1. الذكاء الاصطناعي لإدارة المعرفة والتدريب
التوثيق هو أداة رئيسية لمراقبة الأنظمة المعقدة. وفقًا لإطار العملية، يحتاج مرجع التصميم الحل (SDR) إلى توثيق كل خطوة من الخمس خطوات. قد يبدو هذا كما يلي:
- العمية #1: توثيق النتائج المتوقعة.
- العمية #2: مراقبة القصص الرئيسية لجمع البيانات التي يتم فحصها بانتظام.
- العمية #3: تسجيل تاريخ متطلبات بيانات أصحاب المصلحة التكنولوجية من الطرف الثالث.
- العمية #4: تفصيل طبقة البيانات عبر جميع التطبيقات والسطحات.
- العمية #5: وصف وتفصيل الهندسة المعمارية مع الرسومات والهرархيات والمتطلبات.
الآن، دعونا نضيف بعض الذكاء الاصطناعي إلى هذا.
المستوى 1
في المستوى 1، يمكنك البدء في استخدام المحادثات الآلية الداخلية لاسترجاع الوثائق.
تملك العديد من الشركات الآن محادثات آلية داخلية يمكن تدريبها على الوثائق المملوكة. إذا لم تكن لديك محادثة آلية داخلية، يمكنك استخدام وضع الاستكشاف أو حظر الوثائق قبل تغذيتها إلى الروبوت.
اغذ روبوتك بمراجع التصميم الحل (SDR)، ودليل الاختبار، والاتفاقيات المسمى، ومعايير التنفيذ.
بعد إطلاق ناجح، اغذ روبوتك بملاحظات المشروع أو خطط التنفيذ، لإضافة الوثائق. ثم اسأل الذكاء الاصطناعي الأسئلة التالية:
- “ما هي أفضل طريقة لتنفيذ X إذا كنت أريد استخدام نفس المنطق مثل Y؟”
- “ما هي البيانات المطلوبة لجمعها لتعقب المشتريات؟”
- “ما هي العلامات المفقودة من صفحة المنتج الجديدة هذه؟”
نتيجة هذا العملية هي أنك تقضي وقتًا أقل في تصفح الوثائق أو إرسال رسائل إلى زملائك، وأعضاء الفريق الجدد يمكنهم الحصول على الإجابات بشكل自ي، وال знания القبلية تصبح قابلة للتوسع.
هناك بعض التحفظات هنا. هذه الطريقة تعمل جيدًا إذا قمت بعمل جيد في الحفاظ على توثيقك، وتصبح قابلة للتوسع فقط إذا قمت بتدريب وطلب من أشخاصك استخدام الأداة.
المستوى 2
إذا نجحت هذه الطريقة لفرقك، فكر في توسيع نطاقها إلى ربط روبوتك مباشرة بتقنيتك. يمكنك آليّة الآليّة.
المستوى 3
أنا متأكد من أن السماء هي الحد هنا. الاتجاه الذي سأتبعه سيكون بناء ذكاء اصطناعي استباقي يحدد التناقضات ويوفر تحسينات. الحقيقة هي أن قلة من الشركات تصل إلى هذا المستوى، وأنا أكتب هذا المقال لمعظمنا، الذين ما زالوا يتعلمون الأساسيات.
2. الذكاء الاصطناعي لآليّة الاختبار والتدقيق
التدقيق المنتظم لطرق جمع البيانات هو واحدة من أفضل الممارسات لإطار العملية. في كثير من الأحيان، يكون المدقق فريق الاختبار، أو يمكن استخدام أداة تدقيق. على سبيل المثال، ObservePoint هي أداة متقدمة ويمكن تخصيصها بشكل كبير، مما يسمح ببناء تدفقات تدقيق معقدة. حتى مع روبوت، يمكنك دائمًا استخدام المزيد من الذكاء الاصطناعي، أليس كذلك؟
المستوى 1
دعونا نبدأ bằng آليّة الجوانب الفنية. بناء الرحلات في أدوات التدقيق الروبوتية مثل ObservePoint غالبًا ما يكون فنيًا ويتطلب دعمًا كبيرًا. يمكنك مرة أخرى طلب المساعدة من محادثة آلية. اسأل الذكاء الاصطناعي الأسئلة التالية:
“أعطني محدد CSS للزر “الخطوة التالية”.”
“اكتب رمزًا مخصصًا يختار تلقائيًا جميع ملفات تعريف الارتباط.”
نتيجة هذا يجب أن تكون سهولة أكبر في استخدام الأدوات الفنية المعقدة، وسرعة أكبر في التصحيح وإصلاح الأعطال، وأقل اعتمادًا على الدعم ومطوري الواجهة.
هناك بعض التحفظات هنا. إذا لم تستخدم روبوتًا لتدقيق بياناتك، قد تستخدم فريق اختبار. يمكن لفريق الاختبار تبني آليّات للخطوات الشائعة. ابدأ ببطء، وزد من النشاط عندما تكون مستعدًا؛ الخطوات التالية تصبح واضحة فقط عندما تتخذ الخطوة الأولى.
المستوى 2
للمستوى 2 من استخدام الذكاء الاصطناعي، ابحث في دمج محادثتك مع الأداة مباشرةً، مع تجنب التحفيز اليدوي للمحادثة.
المستوى 3
أخيرًا، للمستوى 3، السماء هي الحد مرة أخرى. اكتشف كيف يمكنك جعل آليّاتك أكثر استباقية في تحديد التحسينات وتقديم حلول.
ما لا يجب آليّته (بعد)
دعونا نعتمد على أفضل الممارسات #3: التعاون مع أصحاب المصلحة التكنولوجية من الطرف الثالث. هذا شيء ما زال البشر يفعلونه بشكل أفضل. يمكنك استخدام الذكاء الاصطناعي لتحضير مكالمات البائع، أو تلخيص العقود، أو صياغة خطط التكامل. لكن لحد الآن، بناء العلاقات يبقى بشريًا.
أفكار ختامية
حتى لو لم تكن لديك ميزانية لتطوير الذكاء الاصطناعي المخصص، يمكنك البدء بالأدوات التي لديك بالفعل. عملية جيدة ومحادثة آلية جيدة يمكن أن يأخذاك بعيدًا.
ابدأ ببساطة، مع المستوى 1 أو 2، واسمح لفريقك أن يصبح مريحًا. بمجرد أن ترى حيث يوفر الذكاء الاصطناعي وقتًا ويزيد من التماسك، ستعرف أين تستثمر في أدوات أكثر تطورًا. الجزء الأكثر صعوبة في تبني الذكاء الاصطناعي غالبًا ما يكون تحديد مكان الحاجة إليه في المقام الأول. بمجرد أن تحدد ذلك الأساس، حاول تحريك الأمور إلى مستوى أعلى مع فريقك، وسترى كيف يمكن أن يكون هندسة التحليلات التي تعمل بالذكاء الاصطناعي أكثر سلاسة.
هل تريد معرفة المزيد عن الذكاء الاصطناعي في هندسة التحليلات، وأخصّص Processes لأفضل عمليات جمع البيانات النظيفة؟ تحقق من مقالي حول إنشاء إطار بيانات تجارة إلكترونية نظيف.
