دون شويرمان، الرئيس التنفيذي للتقنية في Pegasystems – سلسلة المقابلات

دون شويرمان هو الرئيس التنفيذي للتقنية ونائب الرئيس لتحديد موقع المنتج في Pegasystems، ويتحمل مسؤولية منصة Pega وتطبيقات إدارة علاقات العملاء (CRM).

لديه 20 عامًا من الخبرة في تقديم حلول برمجية مؤسسية لمنظمات Fortune 500، مع التركيز على التحول الرقمي والتنقل والتحليلات وإدارة العمليات التجارية والسحابة وCRM.

Pegasystems تقدم منصة قوية مصممة لمساعدة المنظمات على تحقيق نتائج تحولية للأعمال من خلال التحسين في الوقت الفعلي. تمكن المنصة العملاء من معالجة التحديات التجارية الرئيسية باستخدام اتخاذ القرارات بالذكاء الاصطناعي وآلية العمل، بما في ذلك تخصيص التفاعل مع العملاء وتمكين الخدمات وتحسين الكفاءة التشغيلية. تأسست Pegasystems في عام 1983، وطورت بنية تحتية قابلة للتطوير ومرونة تدعم الشركات في تلبية الطلبات الحالية للعملاء وتكيفها مع الاحتياجات المستقبلية.

مع خبرتك الواسعة كرئيس تنفيذي للتقنية في Pegasystems، كيف يميز Pega GenAI نفسه في المناظر المتطورة بسرعة لتحول الذكاء الاصطناعي التوليدي للمؤسسات؟

لقد كان Pega يبتكر حلول الذكاء الاصطناعي لسنوات، بما في ذلك استكشاف الذكاء الاصطناعي التوليدي قبل أن يصبح شائعًا. أعتقد أن هناك ثلاثة أشياء تميزنا:

أولاً، نحن لا نسرع فقط العمليات، نحن ندفع التطور. معظم موردي البرمجيات المؤسسية قد أصدروا ميزات مختلفة للذكاء الاصطناعي التوليدي، ولكن الحقيقة هي أن هذه الأدوات المتشابهة لن تدفع التميز التنافسي. نمكن عملاءنا من إعادة تخيل كيفية تشغيل أعمالهم بالكامل بأدوات فريدة مثل Pega GenAI Blueprint، التي توفر تصاميم تطبيقات من الدرجة الأولى في ثوان. نحن لا نأتم فقط المهام، نحن نغير بشكل أساسي كيفية عمل الأعمال وتطورها.

ثانيًا، نحن لا نأتم فقط في العزلة، نحن ننظم كيفية عمل الأعمال من البداية إلى النهاية. يرسب موردين آخرون هذه الميزات التوليدية للذكاء الاصطناعي ويتمنون أن يكون ذلك كافياً لزيادة الكفاءة. منصتنا تتميز بقيادتنا في إدارة الحالات وتنسيق العمل، مما يسمح لنا بتمكين التوليد التوليدي للذكاء الاصطناعي وتنسيقه وتحسينه.

ثالثًا، نحن لا نكون محركًا عامًا للذكاء الاصطناعي التوليدي – نحن مركزون على دفع المشاركة العميلية وتحسين آليات العمل من خلال الذكاء الاصطناعي. في بعض الأحيان، يتطلب المشكل المطروح طاقة إبداعية للذكاء الاصطناعي التوليدي، بينما قد تتطلب مشاكل أخرى الذكاء الاصطناعي التنبؤي أو اتخاذ القرارات لتحقيق منطق أكبر في العملية.

في مقالك في Forbes، “فتح الإمكانات الكامنة للذكاء الاصطناعي المتقدم لابتكار الأعمال،提到 إمكانية الذكاء الاصطناعي التوليدي لإعادة تخيل عمليات الأعمال. ما هي بعض الأمثلة المحددة حيث يمكن للذكاء الاصطناعي أن يحفز التحول في الشركات التقليدية؟

أشار دانيال وينزل، نائب الرئيس لسلطات التصميم في Deutsche Telekom، إلى الجمهور في PegaWorld iNspire هذا الصيف عن كيفية استخدامه الحالي لمنصة Pega GenAI Blueprint لمساعدته في إعادة تخيل أكثر من 800 عملية أعمال منفصلة في إدارة الموارد البشرية. يقول إن أكبر عائق في محاولة تحسين هذه العمليات هو أن الأشخاص العاملين في مجال الأعمال والتقنية لا يتكلمون نفس اللغة، مما يؤدي إلى توقعات غير محققة. تساعد منصة Pega GenAI Blueprint كلا الطرفين على فهم العملية وكيفية تحسينها بشكل أسرع من الطرق التقليدية، مما يؤدي إلى حلول أكثر فعالية.

يناقش نفس المقال القيود الحالية للتطبيقات التوليدية للذكاء الاصطناعي. كيف يمكن للشركات أن تتجاوز تحسينات الإنتاجية المتزايدة لاستخدام الذكاء الاصطناعي بشكل كامل؟

معظم الذكاء الاصطناعي التوليدي في البرمجيات المؤسسية يطبق كسمات منفصلة تساعد على تسريع جوانب معينة من العملية. لكن هذه النوعية من السمات أصبحت شائعة الآن، وتوفر القليل من الميزة التنافسية. تحسينات الإنتاجية مثل تلخيص والنص التوليدي هي معايير أساسية – ما يحتاجه الأعمال لتقدمه في السوق هو استخدام الذكاء الاصطناعي التوليدي لابتكار طرق جديدة لتنفيذ الأعمال على مستوى عال. على سبيل المثال، حددت Gartner فئة تقنية جديدة يطلقون عليها تكنولوجيا التوجيه والتحكم في الأعمال التي تنظر إلى دفع نتائج الأعمال بشكل شامل، من تقليل التكاليف إلى تحسين اتخاذ القرارات وتقليل التكاليف التشغيلية واختيار التكنولوجيا المناسبة للوظيفة المطلوبة. لا تكتفي السمات المنفصلة للذكاء الاصطناعي التوليدي بمكانها، بل هي مجرد جزء من اللغز وليست الرصاصة الفضية لحل جميع المشاكل.

ما هي الحالات الأكثر وعدًا لاستخدام الذكاء الاصطناعي التوليدي في المؤسسات التي تتجاوز تحسينات الإنتاجية النموذجية، وكيف يمكن للأعمال تنفيذها بشكل أفضل؟

الفرصة الأكثر إثارة للذكاء الاصطناعي التوليدي هي إمكانية حقن أفضل الممارسات في العملية. أولئك الذين يستخدمون الذكاء الاصطناعي التوليدي لكتابة المزيد من الشفرة قد يضعون أنفسهم في المزيد من الديون التقنية في المستقبل. حقن الخبرة في عملية تصميم البرمجيات هو مغير اللعبة، مما يسمح للمنظمات بالوصول إلى حل مثالي بشكل أسرع بناءً على سنوات من الخبرة. وبسبب تطويره كنموذج مرئي وليس مجرد سطور من الشفرة، يصبح من الأسهل التعاون وتحسينه مع مرور الوقت عبر أصحاب المصلحة الفنيين وغير الفنيين. في الماضي، كان من الممكن أن يستغرق تحديد تصميم التطبيق أسابيع ويتطلب مهارات متخصصة للغاية؛ الآن، تمكن أدوات الذكاء الاصطناعي التوليدي المستخدمة من مستخدمي الأعمال كتابة احتياجاتهم المحددة باللغة العادية والانتقال بسرعة من المفاهيم إلى التصميم الشامل. نشرت Forrester مؤخرًا بعض الأبحاث التي تتنبأ باستخدام الذكاء الاصطناعي لحقن الخبرة في أنظمة التصميم القائمة على النماذج أو منخفضة الشفرة – مما يغير بشكل أساسي كيفية استخدام المؤسسات البرمجيات – مما يسمح لهم ببناء المزيد وشراء عدد أقل من التطبيقات “جاهزة”. أعتقد أن هذا هو تحول كبير، ونحن نعتقد مع منصة Pega GenAI Blueprint أننا في موقع جيد لتكون المنصة المختارة لعملائنا المؤسسين.

قمت في السابق باقتراح أن الذكاء الاصطناعي التوليدي يمكن أن يساعد في تطوير المنتج من خلال تحديد الفجوات في السوق. هل يمكنك توضيح كيفية عمل هذا العملية ومشاركة مثال حقيقي؟

solutionنا Pega Customer Decision Hub هو حل للذكاء الاصطناعي التنبؤي يساعد عملاءنا على اتخاذ الإجراء التالي مع العملاء، سواء كان ذلك بيع منتج أو تصحيح مشكلة في الخدمة أو في بعض الأحيان عدم القيام بشيء على الإطلاق. هذا يسمح لنا بالتواصل مع العملاء بشكل فردي بإجراءات تخدم احتياجاتهم الفردية بشكل أفضل. لكن العمل بطريقة 1:1 يعني أنك تحتاج إلى كمية كبيرة من العروض المعدلة – من الأفضل بكثير من إرسال نفس الرسالة إلى الجميع، ولكنها تتطلب من المنظمات التسويقية إنشاء المزيد من الرسائل الفريدة للمجموعات المختلفة من العملاء. الآن مع الذكاء الاصطناعي التوليدي، يمكننا اكتشاف العملاء الذين لم يتلقوا الخدمة الكافية ومن ثم اقتراح إجراءات جديدة وبناء علاجات جديدة ستكون أكثر فائدة لهذه المجموعات. هذا له إمكانية مساعدة المنظمات على التوسع في السوق إلى جمهور لم يتمكنوا من الوصول إليه عادة.

كيف يمكن للشركات التقليدية مع الأنظمة التقليدية دمج الذكاء الاصطناعي التوليدي بشكل فعال لتبقى منافسة ضد الشركات الناشئة الأكثر مرونة، خاصة في إعادة تخيل عملياتها الأساسية؟

أعتقد أننا ندخل نقطة تحول للأنظمة التقليدية. لقد قامت الشركات الكبيرة بتمديد الديون التقنية لسنوات. قمنا بتقديم حلول مؤقتة مثل RPA لم تتمكن من معالجة المشكلة الأساسية التي تسببها الأنظمة التقليدية على المؤسسات – فهي تبتلع الإنفاق التكنولوجي الذي يمكن أن يذهب إلى الابتكار، وتعرضها للمخاطر، وتمنعها من الحركة بسرعة في الأسواق المتغيرة. لحسن الحظ، أعتقد أن واحدة من القدرات الفائقة للذكاء الاصطناعي التوليدي هي أنها ستمكننا من تسريع معدل إعادة تصميم الأنظمة التقليدية وإلغائها – ليس ببساطة إعادة برمجةها، ولكن بإعادة التفكير في أنفس العمليات والعمليات لتشغيلها على هياكل سحابية حديثة وتقديم تجارب رقمية تتناسب مع العملاء والموظفين.

في مقال منفصل عن إنشاء مаниفستو للذكاء الاصطناعي، تؤكد على أهمية ربط استراتيجية الذكاء الاصطناعي بنتائج ملموسة. هل يمكنك تقديم إرشادات حول كيفية تحقيق ذلك؟

كثير من الشركات تبدأ بالتركيز على أداة جديدة مثل الذكاء الاصطناعي بدلاً من البدء بفهم أهدافها التجارية وما هي المشكلة التي تحتاج إلى حلها. من خلال التركيز على الأداة بدلاً من المشكلة، يضعون أنفسهم في مسار قد لا يكون الأمثل لأعمالهم. بدلاً من ذلك، يحتاجون إلى التراجع قليلًا وسؤال أنفسهم عما ي试ون تحقيقه بالفعل. في بعض الأحيان، قد لا يكون الذكاء الاصطناعي التوليدي هو الحل الصحيح وقد يكون من الأفضل تطبيق الذكاء الاصطناعي للاتخاذ القرارات بدلاً من ذلك. يحتاجون إلى تذكر أن هناك أنواعًا مختلفة من الذكاء الاصطناعي التي هي أكثر ملاءمة لحل مشاكل تجارية مختلفة.

كيف يمكن للشركات استغلال الذكاء الاصطناعي التوليدي لثورة عملياتها بدلاً من تلقين المهام الروتينية فقط؟ ما هي الاستراتيجيات التي يجب أن يتبعوها لتحقيق أقصى استفادة من العائد على الاستثمار في هذا المجال؟

لا تركز فقط على المهام الفردية – هذا سوف يمنعك من رؤية الغابة بسبب الأشجار. خطو إلى الوراء وافهم سير عملك العام والنتائج التي تحاول دفعها من خلالها. يمكن استخدام الذكاء الاصطناعي التوليدي لتحليل عملياتك وحقن أفضل الممارسات في مختلف الصناعات. هذا يمكن أن يدفع تغييرات عميقة من خلال تمكين الشركات من إعادة التفكير في سير عملياتها الأساسية. على سبيل المثال، يمكن للذكاء الاصطناعي مساعدة في تصميم نماذج تشغيلية جديدة من الصفر أو إعادة هندسة النماذج الحالية لتحسين الكفاءة والابتكار. أعد تعريف معايير واضحة لقياس النجاح ورفق نهجك بانتظام بناءً على هذه الاكتشافات. من خلال استغلال الذكاء الاصطناعي لتحقيق تغييرات معنوية بدلاً من التحسينات المتزايدة، يمكن للشركات解ック قيمة كبيرة والبقاء في صدارة المنافسة.

ما هي الصناعات التي تظن أنها أكثر استعدادًا للاستفادة من إعادة تصميم سير العمل باستخدام الذكاء الاصطناعي، وكيف يجب أن تبدأ في تنفيذ هذا النهج؟

يمكن لأي منظمة تقريبًا أن تستفيد بشكل عام من تحسين سير عملياتها، خاصة في الأسواق السريعة التغيير. يمكن للصناعات الخدمية مثل الخدمات المالية والاتصالات والرعاية الصحية تحقيق مكاسب كبيرة لمساعدتهم على تسهيل كيفية تفاعلهم مع العملاء. هذه القطاعات تتعامل مع عمليات معقدة ومكثفة بالبيانات وتخضع لضغوط متزايدة لتحسين الكفاءة وتقليل التكاليف وتحقيق نتائج أفضل. بالإضافة إلى ذلك، يمكن لأي صناعة تتمتع بخدمات تقليدية كبيرة – مثل البنوك – أن تستفيد من فحص عملياتها التي قد تم إنشاؤها منذ سنوات لتحديثها وضمان بقائها في صدارة المنافسة.

كيف يعزز نهج “الإنسان في الحلقة” فعالية الذكاء الاصطناعي وتطبيقه الأخلاقي، خاصة في الأدوار التي تتعامل مع العملاء؟

الذكاء الاصطناعي التوليدي، على الرغم من قوته، يمكن أن ينتج مخرجات ليست دقيقة أو مناسبة دائمًا. من خلال دمج الإشراف البشري، يمكننا التخفيف من المخاطر مثل عدم دقة المحتوى الذي ينتجه الذكاء الاصطناعي أو القضايا الأخلاقية.

على سبيل المثال، في خدمة العملاء، يمكن للذكاء الاصطناعي توليد استجابات وتوصيات، ولكن وجود إنسان يراجع هذه المخرجات يضمن أنها تتماشى مع قيم الشركة ومتطلبات العملاء. هذا الإشراف ضروري ل維護 الشفافية والمساءلة، خاصة عندما تنتج نماذج الذكاء الاصطناعي معلومات مقنعة ولكن غير صحيحة أو خاطئة.

من المثير للاهتمام أن وجود إنسان في الحلقة يسمح لك بأخذ واحدة من نقاط الضعف في الذكاء الاصطناعي التوليدي – وهو أنه لا يعتمد على التنبؤ أو التحديد، مما يعني أنه لا يعطي نفس الإجابة مرتين – وتصويره كقوة. مع منصة Pega GenAI Blueprint، نستخدم الذكاء الاصطناعي التوليدي كشريك في العصف الذهني، مقترحًا طرقًا جديدة لتصميم سير العمل. الإنسان دائمًا هو المقرر النهائي، ولكن من خلال اقتراح طرق جديدة باستمرار، يدفع الذكاء الاصطناعي التوليدي التفكير الأصلي ويساعد البشر على تجنب “سفح الطريق”.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا Pegasystems.