لماذا يعتمد عائد الاستثمار في الذكاء الاصطناعي على صحة البيانات والثقة البشرية

تعتبر تكامل الذكاء الاصطناعي نقطة محورية في الاستراتيجية التجارية الحالية والمستقبلية.然而، لا تزال العديد من المنظمات تعامل الذكاء الاصطناعي كما لو كان تكنولوجيا فقط، بينما هو في الواقع تشغيلي وبشري.

تبدأ هذه الفجوة في الظهور في الأرقام. وجد بحث مؤسسة ماساتشوستس للتكنولوجيا حول حالة الذكاء الاصطناعي في الأعمال أن 95% من الشركات تقول إن مبادرات الذكاء الاصطناعي التوليدية لا تتوافق مع التوقعات. يشير تقرير ديلوايت حول حالة الذكاء الاصطناعي في المؤسسات إلى نمط مشابه: تقول المنظمات إن استراتيجيتها جاهزة للذكاء الاصطناعي، لكنها ليست واثقة من البنية التحتية والبيانات والمخاطر والموهبة. بعبارة أخرى، هناك رغبة في توسيع نطاق أنظمة الذكاء الاصطناعي وتطويرها بالكامل، لكن الأساس التشغيلي لتحقيق ذلك غالبًا ما يكون غير موجود.

ما لا يزال العديد من المنظمات غير مدرك له هو أن عائد الاستثمار في الذكاء الاصطناعي يعتمد على “صحة البيانات” والثقة البشرية.

صحة البيانات هي أساس الثقة في الذكاء الاصطناعي

تعني صحة البيانات أكثر من سجلات نظيفة. صحة البيانات الحقيقية هي عندما يتم تعريف البيانات بشكل متسق، وملكية واضحة، وحكمة مدروسة، ويفهمها الأشخاص المتوقع منهم العمل معها. في العديد من الشركات، هذه ليست هي الحقيقة. تعني بيانات الإيرادات شيء واحد للمبيعات، وشيء آخر للمالية، وشيء آخر للتسليم. يتم تتبع صحة العملاء في أنظمة متعددة. تختلف طرق الإبلاغ والأرقام من فريق إلى آخر. ثم يتم وضع طبقة الذكاء الاصطناعي فوق ذلك، وي驚 الزعماء عندما يشك الأعضاء في الإخراج.

ذلك الشك ليس مقاومة. إنه استجابة عقلانية لأنظمة لم تكن قد كسبت الثقة بعد.

وجد تقرير معهد أبحاث الأعمال في شركة آي بي إم أن 43% من مسؤولي العمليات يعتبرون الجودة هي الأولوية الأكثر أهمية لبياناتهم، وأكثر من ربع المنظمات تقدر أنها تفقد أكثر من 5 ملايين دولار سنويًا بسبب سوء جودة البيانات. لاحظت آي بي إم أيضًا أن النسخ المكررة والمتكررة والسجلات غير المتسقة تزيد من تكاليف التخزين، وتعرض للاضطراب، وتضر بالأداء. النقطة بسيطة: إذا كانت بياناتك غير صحية قبل دخول الذكاء الاصطناعي إلى الصورة، فإن الذكاء الاصطناعي لن يصلحها. سوف يضخمها.

إذا كانت المنظمة لديها عمليات أعمال أساسية قوية، وحوكمة واضحة، وتنسيق صحي بين الوظائف، يمكن للذكاء الاصطناعي جعل هذه القوى أكثر وضوحًا وأهمية. يصبح التنبؤ بالتقديرات أكثر حدة. ترى فرق نجاح العملاء الأنماط في وقت أقرب. تصبح أدوات الدعم وأدوات الدردشة أكثر συνέما لأنها تستمد من أنظمة تعكس الواقع. لكن عندما تكون هذه الشروط الأساسية ضعيفة، يضخم الذكاء الاصطناعي الاحتكاك. تقضي الفرق أكثر الوقت في التحقق من الإخراج، وتصحيح الأرقام، وتصحيح نفس الفجوات العملية التي كانت موجودة قبل التنفيذ.

هذا هو السبب في أن العديد من محادثات الذكاء الاصطناعي لا تزال تفوت العلامة. تظل مركزة على النموذج. القضية الحقيقية هي التنفيذ والبيانات التي وراءه.

القيادة تحدد المعيار للتبني

هناك أيضًا سؤال القيادة الذي يتم تجاهله. قبل أن يتمكن الذكاء الاصطناعي من النجاح تشغيليًا، يجب على القيادة أن تتخذ قرارًا بشأن السرد الداخلي. هل يتم تقديم الذكاء الاصطناعي لتحسين العمل البشري، أو لتعزيز الحكم البشري والقدرة؟ هذه ليست نفس الأشياء، والأشخاص يعرفون الفرق على الفور.

إذا كانت 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 يتجنبونها تمامًا. وجد بحث ديلوايت حول رأس المال البشري أن القيادة التي تواصل دور الذكاء الاصطناعي في تحويل الوظيفة ونمو المسيرة وتناغم العمل والحياة يمكن أن تساعد في بناء ثقة القوى العاملة. كما جادلت ديلوايت بأن المنظمات تحتاج إلى أن تكون صريحة حول كيفية تأثير الذكاء الاصطناعي على العمل وخلق القيمة للأشخاص كبشر.

ذلك يهم لأن الثقة مرتبطة مباشرة بالأداء.

إذا ثقة الموظفين في البيانات وفهمهم لدور الذكاء الاصطناعي المزمع له، فإن التبني وتوسيع النطاق أكثر نجاحًا بشكل كبير. إذا لم يكن كذلك، حتى الأدوات المصممة بأفضل طريقة ستكافح للخروج من مرحلة الاختبار. هذا尤重要 في خدمات المحترفين وبيئات بيزنيس إلى بيزنيس، حيث تعتمد القرارات على تعريفات مشتركة وتنسيق متقاطع وثقة حقيقية في الأنظمة أسفلها. لا يمكنك بناء نموذج توقعات موثوق إذا كانت المالية والمبيعات والتسليم ينظرون 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.

ذلك هو السبب في أن المنظمات الناضجة لا تستثمر فقط في النماذج. تستثمر في منسقين. يضمنون أن يملك شخص ما البيانات وأن تكون البيانات نظيفة وصحية. ينسقون الأنظمة قبل توسيع автоматиتهم. يحددون ما يبدو النجاح عليه من حيث تشغيلي، وليس فقط تقني.

يقدم بحث ديلوايت حول مسؤول البيانات زاوية مختلفة: المنظمات التي تحصل على قيمة أكبر من الذكاء الاصطناعي ليست بالضرورة تلك التي لديها وصول إلى المزيد من البيانات. بل هي تلك التي تستخدم البيانات الأكثر قيمة لتحقيق نتائج محددة. هذا هو الانضباط الذي تحتاجه المنظمات أكثر. إنه يعني معرفة ما يهم، وتنسيق الفرق حول تعريفات مشتركة، وتطبيق البيانات بالنية. هذا هو العقلية التي تحتاجها المنظمات إذا أرادت أن ينتج الذكاء الاصطناعي نتائج أعمال حقيقية.

نجاح الذكاء الاصطناعي يعتمد على الأشخاص

جيل الذكاء الاصطناعي التالي لن يأتي من التظاهر بأن هذه الأنظمة متطورة بالكامل. نحن لسنا هناك بعد. الذكاء الاصطناعي لا يزال يحتاج إلى إدارة ومراقبة وحكم بشري. يحتاج إلى أشخاص يفهمون الأعمال ويفهمون البيانات ويمكنهم التمييز بين إخراج تقني صحيح وآخر عملي مفيد.

يجب أن يكون هذا خبرًا جيدًا للقادة الذين يقلقون من خط أنابيب المواهب على المدى الطويل. المستقبل ليس نموذجيًا فقط. إنه بشري ونظامي. الشركات التي تضع صحة البيانات في الاعتبار وتبني استراتيجية تعزيز أولًا تحدد نفسها لتحقيق عائد استثمار أفضل في الذكاء الاصطناعي وبناء منظمات حيث يمكن للأشخاص القيام بعمل أفضل مع أنظمة أقوى خلفهم.

إذا أرادت المنظمات أكثر من الاختبارات، يجب أن تتوقف عن السؤال فقط عما إذا كان النموذج قويًا بدرجة كافية. يجب أن تسأل عما إذا كانت البيانات صحية بدرجة كافية، ومدى وضوح الحوكمة، ومدى فهم الأشخاص الذين يستخدمون النظام لمعرفة سبب وجوده في المقام الأول. هذا هو ما ينتقل بالذكاء الاصطناعي من التجربة إلى أصل أعمال حقيقي يظهر قيمة.