قادة الفكر
لماذا يعتمد عائد الاستثمار في الذكاء الاصطناعي على صحة البيانات وثقة البشر
يعتبر دمج الذكاء الاصطناعي نقطة محورية في استراتيجية الأعمال الحالية والمستقبلية. المشكلة هي أن العديد من المنظمات لا تزال تعامل الذكاء الاصطناعي كما لو كان تقنية متقدمة عندما هو في الواقع تشغيلي وبشري.
يبدأ هذا الفجوة في الظهور في الأرقام. وجدت أبحاث ماساتشوستس最新 حول حالة الذكاء الاصطناعي في الأعمال أن 95٪ من الشركات تقول إن مبادرات الذكاء الاصطناعي التوليدية لا تتوافق مع التوقعات. يشير تقرير ديلويت للشركات لعام 2026 إلى نمط مشابه: تعلن المنظمات أن استراتيجيتها جاهزة للذكاء الاصطناعي، لكنها ليست واثقة بنفس القدر من حيث البنية التحتية والبيانات والمخاطر والموهبة. بعبارة أخرى، هناك رغبة في توسيع نطاق وتطوير أنظمة الذكاء الاصطناعي بشكل كامل. لكن الأساس التشغيلي لدفعها عبر خط النهاية في كثير من الأحيان لا يزال غير موجود.
ما لا يزال يدركه العديد من المنظمات هو أن عائد الاستثمار في الذكاء الاصطناعي يعتمد على “صحة البيانات” وثقة البشر.
صحة البيانات هي أساس ثقة الذكاء الاصطناعي
تعني صحة البيانات أكثر من سجلات نظيفة. صحة البيانات الحقيقية هي عندما يتم تعريف البيانات بشكل متسق، وملكية واضحة، وحكمة محكمة، ويفهمها الأشخاص المتوقع منهم العمل معها. في العديد من الشركات، هذا لا يزال ليس الواقع. البيانات الإيرادية تعني شيئًا واحدًا للمبيعات، وشيئًا آخر للمالية، وشيئًا آخر للتسليم. يتم تتبع صحة العملاء في أنظمة متعددة. تختلف طرق الإبلاغ والأرقام من فريق إلى آخر. ثم يتم وضع طبقة الذكاء الاصطناعي فوقها وقادة مفاجئون عندما يشك الأشخاص في الإخراج.
هذا الشك ليس مقاومة. إنه استجابة عقلانية لأنظمة لم تكتسب الثقة بعد.
وجدت تقرير معهد أبحاث الأعمال في آي بي إم أن 43٪ من مسؤولي العمليات يعتبرون الجودة هي أولوية البيانات الأكثر أهمية، وأكثر من ربع المنظمات تقدر أنها تفقد أكثر من 5 ملايين دولار سنويًا بسبب سوء جودة البيانات. لاحظت آي بي إم أيضًا أن المكررات والتناقضات والسجلات غير المتسقة تزيد من تكاليف التخزين، وتقدم الارتباك، وتضر الأداء. النقطة بسيطة: إذا كانت بياناتك غير صحية قبل دخول الذكاء الاصطناعي إلى الصورة، فإن الذكاء الاصطناعي لن يصلحها. سوف يضخمها.
إذا كانت المنظمة لديها عملية أعمال أساسية قوية، وحوكمة واضحة، وتواصل صحيًا بين الوظائف، يمكن للذكاء الاصطناعي جعل هذه القوة أكثر وضوحًا وأكثر قيمة. يصبح التنبؤ بالتنبؤ أكثر حدة. ترى فرق نجاح العملاء أنماطًا في وقت أقرب. تصبح أدوات الدعم والتشات بوت أكثر توافقًا لأنها تسحب من أنظمة تعكس الواقع. لكن عندما تكون الظروف الأساسية ضعيفة، يضخم الذكاء الاصطناعي الاحتكاك. تقضي الفرق أكثر الوقت في التحقق من الإخراج، وتصحيح الأرقام، وتصحيح نفس الفجوات العملية التي كانت موجودة قبل النشر.
هذا هو السبب في أن العديد من محادثات الذكاء الاصطناعي لا تزال تفوت العلامة. تبقى محددة على النموذج. القضية الحقيقية هي التنفيذ والبيانات خلفه.
تحدد القيادة المعيار للتبني
هناك أيضًا سؤال قيادي يتم تجاهله. قبل أن ينجح الذكاء الاصطناعي تشغيليًا، يجب على القيادة أن تتخذ قرارًا بشأن السرد الداخلي. هل يتم تقديم الذكاء الاصطناعي لتحقيق عمل بشري، أو لتعزيز حكم بشري وقدرة؟ هذه ليست نفس الأشياء، والأشخاص يعرفون الفرق على الفور.
إذا كان الرسالة غامضة، يملأ الناس الفراغات بأنفسهم. هذا هو المكان الذي يتباطأ فيه التبني. يصبح العمال حذرين. يتردد المديرون في الاعتماد على الإخراج. تبدأ الفرق في استخدام الأدوات بشكل غير متسق أو تجنبه تمامًا. وجدت أبحاث ديلويت حول رأس المال البشري أن القيادة التي تتواصل مع دور الذكاء الاصطناعي في تحويل الوظيفة ونمو المسار المهني وتناسب العمل والحياة يمكن أن تساعد في بناء ثقة القوى العاملة. كما جادلت ديلويت بأن المنظمات تحتاج إلى أن تكون صريحة حول كيف سيؤثر الذكاء الاصطناعي على العمل وإنشاء قيمة للأشخاص كبشر.
هذا يهم لأن الثقة مرتبطة مباشرة بالأداء.
إذا ثقفت الموظفون في البيانات وفهموا الدور الذي يُفترض أن يلعبه الذكاء الاصطناعي، فإن التبني والتحجيم ناجحان بشكل كبير. إذا لم يفعلوا، حتى الأدوات المصممة بأفضل شكل سوف ت투ق في الصراع على التحرك ما وراء مرحلة الاختبار. هذا尤 مهم في خدمات المحترفين وبيئات بى بى، حيث تعتمد القرارات على تعريفات مشتركة وتنسيق متقاطع وثقة حقيقية في الأنظمة أسفلها. لا يمكنك بناء نموذج تنبؤ موثوق به إذا كانت المالية والمبيعات والتسليم ينظرون جميعًا إلى إصدارات مختلفة من الحقيقة. لا يمكنك توقع أداء نظام ذكاء اصطناعي مواجه للعميل جيدًا إذا كانت السجلات التي تغذيه قديمة أو معزولة أو غير مكتملة.
هذا هو السبب في أن المنظمات الناضجة لا تستثمر فقط في النماذج. أنها تستثمر في المنظمات. أنها تأكد من أن شخصًا ما يملك البيانات وأن البيانات نظيفة وصحية. أنها تتماشى مع الأنظمة قبل تسريع التأتمتة. أنها تعرف ما يبدو النجاح عليه من حيث تشغيلي، وليس فقط تقني.
يوفر أبحاث ديلويت حول مدير بيانات الشركة زاوية مختلفة: المنظمات التي تحصل على قيمة أكبر من الذكاء الاصطناعي ليست بالضرورة تلك التي لديها وصول إلى المزيد من البيانات. أنها تلك التي تستخدم البيانات الأكثر قيمة لتحقيق نتائج محددة. هذا هو الانضباط الذي تحتاجه الشركات أكثر. إنه يعني معرفة ما يهم، وتنسيق الفرق حول تعريفات مشتركة، وتطبيق البيانات مع النية. هذا هو العقلية التي تحتاجها الشركات إذا أرادت أن ينتج الذكاء الاصطناعي نتائج أعمال حقيقية.
يعتمد نجاح الذكاء الاصطناعي على الأشخاص
جيل الذكاء الاصطناعي التالي من النجاح لن يأتي من التظاهر بأن هذه الأنظمة هي أنظمة مستقلة بالكامل. نحن لسنا هناك بعد. الذكاء الاصطناعي لا يزال يحتاج إلى الإدارة والمراقبة والحكم البشري. لا يزال يحتاج إلى أشخاص يفهمون الأعمال، يفهمون البيانات، ويمكنهم التمييز بين إخراج تقني صحيح ووظيفي مفيد.
يجب أن يكون هذا خبرًا جيدًا للقادة الذين يقلقون من خط أنابيب الموهبة على المدى الطويل. المستقبل ليس نموذجًا فقط. إنه إنسان ونظام. الشركات التي تتعامل بجدية مع صحة البيانات وتبني استراتيجية تعزيز أولًا هي التي تضع نفسها في وضع أفضل لتحقيق عائد استثمار أفضل في الذكاء الاصطناعي، وتبني منظمات حيث يمكن للأشخاص القيام بأفضل عمل مع أنظمة أقوى خلفهم.
إذا أرادت الشركات أكثر من الاختبارات، يجب أن تتوقف عن السؤال عما إذا كان النموذج قويًا بدرجة كافية. يجب أن تسأل عما إذا كانت البيانات صحية بدرجة كافية، و是否 واضحة الحوكمة بدرجة كافية، و是否 يفهم الأشخاص الذين يستخدمون النظام سبب وجوده في المقام الأول. هذا ما يحرك الذكاء الاصطناعي من التجربة إلى أصل أعمال حقيقي يظهر قيمة.
