الذكاء الاصطناعي المؤسسي يعتمد على بيانات يمكن الوثوق بها

في عام 2025، استثمرت الشركات ما يقدر بـ 30 إلى 40 مليار دولار في الذكاء الاصطناعي التوليدي، ومع ذلك وجدت مشروع NANDA التابع لمعهد MIT أن 5٪ فقط من أكثر من 300 تنفيذ مؤسسي فحصه كانت تحقق عوائد مالية قابلة للقياس.

قضيت أكثر من 25 عاماً أعمل داخل برامج بيانات المؤسسات. قبل أن يدخل الذكاء الاصطناعي التوليدي إلى النقاش، 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 سابقاً «المدخلات القذرة تُنتج مخرجات قذرة». الآن أصبحت «المدخلات القذرة تُنتج كارثة». عندما تبدو البيانات مشكوك فيها، كان بإمكان الشخص الاعتماد على حكمه والتواصل مع متخصص بيانات. كان المتخصص يجري تحليل السبب الجذري، يحدد المشكلة ويطبق حلاً. اليوم، يمكن للوكيل أن يتصرف بناءً على أي بيانات يصادفها. بدون إشراف بشري مطلع، قد تصبح النتيجة جزءاً من العمليات، تُستخدم في اتخاذ القرارات وتنتشر عبر المؤسسة.

يمكن أن تظهر نفس المشكلة في روبوت الدردشة. إهمال الحوكمة يمكن أن يحول البيانات السيئة أو غير المفهومة إلى إجابة تبدو موثوقة، فوراً وعلى نطاق واسع.

الثقة هي العائق الحقيقي أمام التبني

عندما يقدم روبوت دردشة داخلي إجابة واثقة لكنها خاطئة، قد لا يثق الشخص به مرة أخرى. في مؤسسة كبيرة، سيكتشف الذكاء الاصطناعي أيضاً البيانات التي تفضل ألا يكتشفها. أقارن ذلك بالجوارب القذرة تحت السرير: قد تكون تلك البيانات غير مرئية، لكن الذكاء الاصطناعي سيعثر على تلك البيانات المظلمة ويستخدمها.

يجب أن يسافر السياق مع البيانات ويكون الأساس الذي تستند إليه نماذج اللغة الكبيرة. قبل أن يستخدم نموذج الذكاء الاصطناعي البيانات، يحتاج الناس إلى معرفة ما تعنيه، من أين جاءت، من يملكها وما هي القواعد والسياسات التجارية التي تحيط بها.

قد يغفل القادة عن ذلك لأن النظام نادراً ما يتعطل. يمكن للذكاء الاصطناعي أن يكون خاطئاً بثقة؛ قد يقترح غراءً على بيتزاك (مثال قديم). تخيل روبوت دردشة يقدم إجابة واثقة لكنها خاطئة، فتتوقف القوة العاملة عن الثقة به. إعادة بناء تلك الثقة تستغرق وقتاً أطول بكثير من وضع الضوابط الصحيحة مسبقاً.

هذا التآكل يظهر أيضاً في البيانات. الموظفون في أكثر من 90٪ من الشركات دراسة MIT ما زالوا يستخدمون أدوات الذكاء الاصطناعي الشخصية جانباً، حتى بعد فشل التجربة الرسمية التي أنشأها 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: تتقدم المؤسسات في تبني الذكاء الاصطناعي قبل أن تقوم بالعمل اللازم لجعل بياناتها موثوقة. قدر Gartner أن ما يقرب من ثلثي المؤسسات إما تفتقر إلى ممارسات إدارة البيانات المناسبة للذكاء الاصطناعي أو غير متأكدة مما إذا كانت تمتلكها. وجدت أبحاث منفصلة من IDC فجوة مماثلة في جانب الثقة: 78٪ من المؤسسات تقول إنها تثق بالكامل في ذكائها الاصطناعي، لكن 40٪ فقط استثمرت فعلياً في حوكمة وشرح النتائج التي من شأنها تبرير تلك الثقة.

التباين بين الثقة والاستثمار يساعد في تفسير لماذا تتوقف العديد من مبادرات الذكاء الاصطناعي قبل الوصول إلى الإنتاج أو تفشل في التوافق مع القيمة المقصودة.

حوكمة الذكاء الاصطناعي هي الآن الميزة التنافسية

طوال معظم مسيرتي المهنية، كانت حوكمة البيانات واحدة من أقل جوانب تكنولوجيا المعلومات المؤسسية بريقاً. كان تصنيف البيانات الوصفية، وتحديد الملكية، وتحليل البيانات وإدارة سير العمل يبدو كعمل تنظيف. كثيراً ما كان الناس يتجاوزون ذلك لأن الجهد بدا أكبر من القيمة التي ينتجها.

غير ذلك الذكاء الاصطناعي. أصبح قدرة حوكمة في مجالات مثل تصميم مخططات البيانات، وإنشاء مسارد مصنّفة من قبل الصناعة، وتوصية وتفعيل سياسات البيانات. حتى أصل البيانات يمكن الآن استنتاجه وتبسيطه أسرع من ذي قبل، مما يجعل قيمة خطوط أنابيب البيانات المدارة وقابلية المراقبة أسهل في التحقيق.

التنظيم يجعل شفافية البيانات أكثر إلحاحاً. أصبح قانون الذكاء الاصطناعي للاتحاد الأوروبي ساري المفعول على نطاق واسع في 2 أغسطس 2026، متضمناً قواعد الشفافية لبعض الأنظمة والمحتوى الذي يولده الذكاء الاصطناعي. كما يضع القانون متطلبات منفصلة للالأنظمة عالية المخاطر، بما في ذلك الوثائق والمعلومات التي تساعد المطورين على تفسير مخرجاتهم، رغم أن بعض أحكام المخاطر العالية ستتبع جداول زمنية لاحقة.

بالنسبة للشركات، الدرس العملي واضح: سلاسة توثيق الأصل والحوكمة 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، يجب على الشركات التنقل بين متطلبات الولايات المختلفة، حتى بينما تسعى البيت الأبيض إلى الحد من قدرة الولايات على إنشاء وإنفاذ قواعد الذكاء الاصطناعي الخاصة بها. تم تأجيل وإعادة كتابة قانون الذكاء الاصطناعي في كولورادو، وهو الإطار التشريعي الأكثر شمولاً على مستوى الولايات، مرة واحدة في ظل هذا الصراع، وتم تأجيل التزاماته الأساسية إلى عام 2027. بالنسبة للعديد من الشركات الأمريكية، الإغراء هو الانتظار حتى تزول حالة عدم اليقين.

أعتقد أن هذا هو الغرائز الخاطئة. أياً كان النموذج التنظيمي الذي سينجح في النهاية في الولايات المتحدة، فإن المتطلب الأساسي لن يختفي. اعرف من أين جاءت بياناتك. اعرف ما إذا كان قد تم التحقق منها فعلاً قبل أن يستخدمها الذكاء الاصطناعي. تطوير هذا الانضباط الآن سيساعد الشركات على الاستعداد للتنظيم الجديد وتحويل تجارب الذكاء الاصطناعي الواعدة إلى أدوات يمكن للأعمال استخدامها بثقة.

ما يميز الـ 5 بالمئة

دعني أخبرك عن أحد العملاء. كان فريق دفتر الأستاذ العام لديهم يضطر إلى مراجعة 300 جدول بيانات منفصل في كل مرة تظهر فيها اختلافات في السجلات. ثلاثمائة. في النهاية أعاد أحدهم بناء تلك الفوضى بالكامل كأصل بيانات موحد تحت الحوكمة، مع الحسابات والتقارير والبيانات الأساسية المجمعة معاً ومُعتمدة مسبقاً. في المرة التالية التي ظهرت فيها مشكلة، استغرق الإصلاح جزءاً من الجهد الذي كان يحتاجه سابقاً. عبر تلك العملية وحدها، تم توفير ما يقرب من 750 يوماً من العمل. هذا يعني ملايين الدولارات من توفير التكاليف فقط من خلال تنظيف ذلك.

جاء التحسين من جعل البيانات الصحيحة سهلة الاكتشاف وموثوقة بما يكفي لاستخدامها دون الحاجة إلى التشكيك مرة أخرى. جعل التعاون وإعادة الاستخدام ذلك ممكنًا. يمكن توجيه منتجات البيانات الموثوقة لتتوافق مع معايير الشركة، وتُوسّع وتُحدّث بمرور الوقت، وتُقَيَّم للثقة وتُدار للقيمة. يقلل هذا النهج الحاجة إلى إنشاء مئات أو آلاف المنتجات المرتبطة بجداول قواعد البيانات الفعلية.

البرامج القوية تجعل 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 للمستخدم التجاري رؤية مدى موثوقية الأصل قبل استخدامه. هذه الرؤية تساعد الأشخاص على التوقف عن التخمين وتزيد من رغبتهم في إعادة استخدام البيانات الموجودة.

النسبة 95 بالمئة هي تحذير حول مدى التعامل غير الجاد من قبل العديد من الشركات مع البيانات التي تقف خلف الذكاء الاصطناعي التوليدي. الشركات التي تحقق تقدماً تمنح الأشخاص رؤية واضحة لمصدر بياناتهم، وكيف تم التحقق منها، وما إذا كانت صالحة للغرض. بعد سنوات من اعتبار إدارة البيانات عملاً خلفيًا، أصبح الذكاء الاصطناعي أخيراً يُظهر قيمتها.