الذكاء الاصطناعي المؤسسي يعتمد على بيانات يمكن للناس الوثوق بها

في عام 2025، استثمرت الشركات ما يقدر بـ30 إلى 40 مليار دولار في الذكاء الاصطناعي التوليدي، ومع ذلك وجدت مشروع NANDA التابع لمعهد MIT أن فقط 5٪ من أكثر من 300 عملية نشر للمؤسسات فحصها كانت تحقق عوائد مالية قابلة للقياس.

قضيت أكثر من 25 عامًا أعمل داخل برامج بيانات المؤسسات. قبل أن يدخل الذكاء الاصطناعي التوليدي النقاش بوقت طويل، رأيت مدى سرعة فقدان التكنولوجيا لمصداقيتها عندما لا يستطيع الناس الاعتماد على البيانات التي تقف وراءها. يرفع الذكاء الاصطناعي التوليدي الرهان لأنه يمكنه تحويل البيانات المشكوك فيها إلى إجابة واثقة.

كنا نقول دائمًا: مدخلات غير صالحة، مخرجات غير صالحة. الآن أصبحت: مدخلات غير صالحة، كوارث في المخرجات. عندما تبدو البيانات مشكوكًا فيها، كان بإمكان الشخص الاعتماد على حكمه والتواصل مع أخصائي بيانات. كان الأخصائي يجري تحليل السبب الجذري، يحدد المشكلة، ويطبق حلاً. اليوم، يمكن للوكلاء اتخاذ إجراءات بناءً على أي بيانات يصادفونها. بدون إشراف بشري ملم، قد تصبح النتيجة جزءًا من العمليات، تُستخدم في اتخاذ القرارات، وتنتشر عبر المؤسسة.

يمكن أن تظهر نفس المشكلة في روبوت الدردشة. يمكن أن يؤدي إهمال الحوكمة إلى تحويل بيانات سيئة أو غير مفهومة جيدًا إلى إجابة تبدو موثوقة، على الفور وعلى نطاق واسع.

الثقة هي العائق الحقيقي أمام التبني

عندما يقدم روبوت الدردشة الداخلي إجابة واثقة لكنها خاطئة لشخص ما، قد لا يثق به مرة أخرى. في مؤسسة كبيرة، سيكتشف الذكاء الاصطناعي أيضًا البيانات التي تفضل ألا يجدها. أقارن ذلك بالجوارب المتسخة تحت السرير: قد تكون تلك البيانات غير مرئية، لكن الذكاء الاصطناعي سيعثر على تلك البيانات المظلمة ويستخدمها.

يجب أن يصاحب السياق البيانات ويكون الأساس الذي تستند إليه نماذج اللغة الكبيرة (LLM). قبل أن يستخدم نموذج الذكاء الاصطناعي البيانات، يحتاج الناس إلى معرفة ما تعنيه، من أين جاءت، من يملكها، وما هي القواعد والسياسات التجارية المحيطة بها.

قد يغفل القادة عن ذلك لأن النظام نادرًا ما ينهار. يمكن للذكاء الاصطناعي أن يكون خاطئًا بثقة؛ قد يقترح صلصًا على البيتزا (مثال قديم جدًا). تخيل روبوت دردشة يقدم إجابة واثقة لكنها خاطئة، فتتوقف القوى العاملة عن الثقة به. إعادة بناء تلك الثقة تستغرق وقتًا أطول بكثير مقارنةً بوضع الضوابط الصحيحة مسبقًا.

تظهر هذه التآكل أيضًا في البيانات. الموظفون في أكثر من 90٪ من الشركات دراسة MIT ما زالوا يستخدمون أدوات الذكاء الاصطناعي الشخصية على الجانب، حتى بعد فشل النموذج التجريبي الرسمي الذي أنشأه صاحب العمل في كسب ثقتهم. عندما لا تكسب الأداة المعتمدة ثقتهم، يبحث الموظفون عن طريقة أخرى لإنجاز العمل.

تشير معظم أبحاث الذكاء الاصطناعي لهذا العام إلى نفس المشكلة: تسير المنظمات قدمًا في تبني الذكاء الاصطناعي قبل أن تقوم بالعمل اللازم لجعل بياناتها موثوقة. تقدّر Gartner أن ما يقرب من ثلثي المنظمات إما تفتقر إلى ممارسات إدارة البيانات المناسبة للذكاء الاصطناعي أو غير متأكدة مما إذا كانت تمتلكها. وجدت أبحاث IDC فجوة مماثلة من جانب الثقة: 78٪ من المنظمات تقول إنها تثق بالكامل في الذكاء الاصطناعي لديها، لكن 40٪ فقط استثمرت فعليًا في أعمال الحوكمة والشرح التي من شأنها تبرير تلك الثقة.

يساعد التفاوت بين الثقة والاستثمار في توضيح سبب تعثر العديد من مبادرات الذكاء الاصطناعي قبل وصولها إلى مرحلة الإنتاج أو فشلها في التوافق مع القيمة المقصودة.

حوكمة الذكاء الاصطناعي هي الآن الميزة التنافسية

طوال معظم مسيرتي المهنية، كانت حوكمة البيانات واحدة من أقل الجوانب بريقًا في تقنية المعلومات بالمؤسسات. كان تصنيف البيانات الوصفية، وتحديد الملكية، وتحليل بيانات وتدفق العمل يبدو كعمل نظافة. كثيرًا ما كان الناس يتجاوزونها لأن الجهد يبدو أكبر من القيمة التي تنتجها.

غيّر الذكاء الاصطناعي ذلك. أصبح قدرة حوكمة في مجالات مثل تصميم مخططات البيانات، وإنشاء مسارد مصنفة من قبل الصناعة، وتوصية وتفعيل سياسات البيانات. حتى سلالة البيانات يمكن الآن استنتاجها وتبسيطها بسرعة أكبر من ذي قبل، مما يجعل قيمة خطوط أنابيب البيانات المدارة والملاحظة أسهل في التحقيق.

كما تجعل التنظيمات شفافية البيانات أكثر إلحاحًا. أصبح EU AI Act ساريًا على نطاق واسع في 2 أغسطس 2026، بما في ذلك قواعد الشفافية لبعض الأنظمة والمحتوى المولد بالذكاء الاصطناعي. يضع القانون أيضًا متطلبات منفصلة لل الأنظمة عالية المخاطر، بما في ذلك الوثائق والمعلومات التي تساعد الناشرين على تفسير مخرجاتهم، رغم أن بعض أحكام المخاطر العالية تتبع جداول زمنية لاحقة.

بالنسبة للشركات، الدرس العملي واضح: سلالة واضحة وحوكمة تجعل من الأسهل توثيق البيانات المستخدمة، ومصدرها، وكيفية تشغيل النظام.

لا يزال المشهد التنظيمي في الولايات المتحدة غير مستقر. بدون قانون فيدرالي شامل للذكاء الاصطناعي، يتعين على الشركات التنقل بين متطلبات الولايات المختلفة، حتى مع سعي البيت الأبيض للحد من قدرة الولايات على إنشاء وتطبيق قواعد الذكاء الاصطناعي الخاصة بها. تم تأجيل وإعادة صياغة قانون الذكاء الاصطناعي في كولورادو، وهو الإطار الأكثر شمولاً على مستوى الولايات، مرة واحدة في ظل هذا الصراع، وتم تأجيل الالتزامات الأساسية إلى عام 2027. بالنسبة للعديد من الشركات الأمريكية، الإغراء هو الانتظار حتى تزول حالة عدم اليقين.

أرى أن هذا هو الغرائز الخاطئة. أياً كان النموذج التنظيمي الذي ينجح في النهاية في الولايات المتحدة، فإن المتطلب الأساسي لن يختفي. اعرف من أين جاءت بياناتك. اعرف ما إذا كان أحدهم قد تحقق منها فعليًا قبل أن يستخدمها الذكاء الاصطناعي. سيساعد تطوير هذه الانضباط الآن الشركات على الاستعداد للتنظيم الجديد وتحويل نماذج الذكاء الاصطناعي الواعدة إلى أدوات يمكن للأعمال استخدامها بثقة.

ما يفرق الـ5 بالمئة

اسمح لي أن أروي لك قصة أحد العملاء. كان فريق دفتر الأستاذ العام يضطر إلى فحص 300 جدول بيانات منفصل في كل مرة تظهر فيها اختلافات في السجلات. ثلاثمائة. أخيرًا، أعاد أحدهم بناء تلك الفوضى بالكامل كأصل بيانات موحد تحت الحوكمة، مع الحسابات، والتقارير، والبيانات الأساسية المجمعة معًا ومُتحققة مسبقًا. في المرة التالية التي ظهرت فيها مشكلة، استغرق الإصلاح جزءًا صغيرًا من الجهد السابق. وعلى مدار تلك العملية وحدها، تم توفير ما يقرب من 750 يوم عمل. وهذا يعادل ملايين الدولارات من توفير التكاليف بمجرد تنظيف ذلك.

جاء التحسن من جعل البيانات الصحيحة سهلة الاكتشاف وموثوقة بما يكفي للاستخدام دون الشك المتكرر. جعل التعاون وإعادة الاستخدام ذلك ممكنًا. يمكن مواءمة منتجات البيانات الموثوقة مع معايير الشركة، وتوسيعها وتحديثها مع مرور الوقت، وتقييمها من حيث الثقة وإدارتها للقيمة. يقلل هذا النهج من الحاجة إلى إنشاء مئات أو آلاف المنتجات المرتبطة بجداول قواعد البيانات الفردية.

تجعل البرامج القوية تلك الثقة مرئية. في أسواق البيانات التي أعمل معها، يمكن تصنيف الأصول كذهب أو فضة أو برونز بناءً على عوامل مثل الجودة، والتنقيح، والاستخدام، والملكية. يمكن للمستخدمين التجاريين رؤية مدى موثوقية الأصل قبل استخدامه. تساعد هذه الرؤية الأشخاص على التوقف عن التخمين وتزيد من رغبتهم في إعادة استخدام البيانات الموجودة بالفعل.

النسبة 95 بالمئة هي تحذير بشأن مدى التعامل العفوي للعديد من الشركات مع البيانات وراء الذكاء الاصطناعي التوليدي. الشركات التي تحقق تقدمًا تمنح الأشخاص رؤية واضحة لمصدر بياناتهم، وكيف تم التحقق منها، وما إذا كانت صالحة للغرض. بعد سنوات من اعتبار إدارة البيانات عملًا خلفيًا، يبرز الذكاء الاصطناعي أخيرًا قيمتها.