التغلب على الهيستيريا: تشغيل الذكاء الاصطناعي والتعلم الآلي لتحقيق نتائج أعمال

بواسطة: كريشان فينكاتا، رئيس قسم العملاء في شركة لاتينفيو للتحليلات الرقمية LatentView Analytics.

لمزيد من عشر سنوات، كانت الشركات، بدءًا من الشركات الناشئة الصغيرة إلى الشركات الكبيرة، تتحدث عن وعد الذكاء الاصطناعي (AI) والتعلم الآلي (ML). وفقًا لهذه النبوءات، سوف يتحول الذكاء الاصطناعي والتعلم الآلي العمل الحديث، وسيؤديان إلى توفير العمليات اليومية وسيسمحان للموظفين البشريين بالتركيز على المهام ذات المستوى الأعلى.

بعد عشر سنوات، ل许多 الشركات، أصبح وعد الذكاء الاصطناعي مجرد وعد، وليس أكثر. في حين أن العديد من هذه المنظمات اتخذت خطوات لتعجيل جهود التحول الرقمي، إلا أن هناك بعض العوائق الشائعة التي غالبًا ما تترك حلم الذكاء الاصطناعي والتعلم الآلي غير محقق.

ما هي بعض العوامل الأكبر التي تعوق الإمكانات التحويلية للذكاء الاصطناعي والتعلم الآلي؟

• نقص التنظيم: الخطوة الأولى لاستراتيجية الذكاء الاصطناعي الناجحة هي جمع البيانات. ولكن من المهم أيضًا التخطيط لتنظيم تلك البيانات؛ الشركات التي تجمع كنزًا من البيانات دون خطة لتنظيمها وتحليلها ووضعها في العمل تترك معها موردًا غير منضبط، و практически غير قابل للاستخدام. ما قيمة اكتشاف النفط إذا لم يكن هناك طريقة لاستخراجه من الأرض أو تحويله للاستخدام؟
• التحول الجزئي: في حين أن التحولات الرقمية توعد بالتوفير التكلفة على المدى الطويل، فإن السعر الأولي لتبني تقنيات جديدة يمكن أن يكون مرتفعًا. هذا يؤدي إلى أن بعض الشركات تتخذ نهجًا جزئيًا لدمج أدوات الذكاء الاصطناعي، دون النظر في كيفية توافق تلك الحلول مع خطة أكبر.
• نقص العمليات/الانضباط: حلول الذكاء الاصطناعي والتعلم الآلي سوف يتم الترويج لها وتقديمها من قبل قادة معينين داخل الشركة، ولكن نجاحها يعتمد على الموافقة المؤسسية من الأعلى إلى الأسفل. يجب على المبتكرين الأوائل إعداد الممر لاعتماد أوسع، وغرس الانضباط والروتين اللازمين لجعل دمج أدوات جديدة سلسًا قدر الإمكان.

أظهر العام الماضي أن هناك لا وقت للاستبعاد فيما يتعلق بالتحول الرقمي وآليته من خلال الذكاء الاصطناعي والتعلم الآلي. وفقًا لـ Fortune Business Insights، من المتوقع أن يصل السوق العالمي للذكاء الاصطناعي إلى 267 مليار دولار في عام 2027، مما يمثل نموًا تقريبًا عشرة أضعاف من قيمة 27 مليار دولار في عام 2019. أدى التحول الطويل إلى العمل عن بُعد الذي أثارته جائحة كوفيد-19 إلى دفع الشركات لتبني حلول جديدة؛ وجد تقرير Twilio’s COVID-19 Digital Engagement Report أن 97% من المدراء التنفيذيين قالوا إن الجائحة أCELERت جهود التحول الرقمي.

ماذا سوف يأخذ لتحويل الهيستيريا حول الذكاء الاصطناعي والتعلم الآلي إلى تشغيل هذه الأدوات بشكل فعلي؟ هناك بعض التكنولوجيا والاستراتيجيات التي يمكن أن تجعل الفرق بين النجاح والفشل:

1. AIOps، MLOps، DataOps

إضافة -Ops إلى تكنولوجيا أو تطبيق هو وصفة مؤكدة لإنشاء مصطلح جديد ساطع، ولكن ليس كل هذه الحلول الجديدة هي بلا حقيقة. في الواقع، استراتيجيات مثل AIOps و MLOps و DataOps يمكن أن توفر الحل للتحدي الذي يواجهه تنظيم جميع البيانات التي يتم جمعها داخل المنظمة. هذه الأدوات تطبق مبادئ إدارة Agile على الذكاء الاصطناعي والتعلم الآلي وإدارة البيانات، على التوالي، مما يبسط بشكل كبير المعرفة والجهد المطلوب لاستخراج القيمة من حلول جديدة.对于 الشركات التي تتخذ خطواتها الأولى في الذكاء الاصطناعي والتعلم الآلي وتبحث عن سرعة في البدء، هذه الاستراتيجيات هي ضرورية.

2. Low Code/No Code

أ复雑 nhất و دقيق nhất من نماذج التعلم الآلي سوف يتطلب دائمًا مطورين ومحللين بيانات مخصصين لضمان نجاحهم. ومع ذلك، التحديات التي تواجه العديد من الشركات ليست معقدة جدًا، ويمكن حلها باستخدام حلول الذكاء الاصطناعي البسيطة التي تتناسب مع جميع الحالات. منصات Low Code و No Code تقلل من الحاجة إلى خلفية في تطوير البرمجيات للعاملين. أدوات No Code تمكن أي موظف من بناء حلول مثل محركات التوصية من خلال منصات سهلة الاستخدام و سحب وإفلات، في حين أن منصات Low Code يمكنها أداء مهام معقدة باستخدام بضع أسطر من الكود فقط.

3. AutoAI و AutoML

إذا كان الذكاء الاصطناعي والتعلم الآلي يؤديان إلى آليته العمليات التجارية، فلماذا يحتاجان إلى آليته نفسهما؟ جانب حاسم من نجاح الذكاء الاصطناعي والتعلم الآلي هو فكرة التطوير: مع تعلم هذه الأدوات على العمل وتكامل المزيد من البيانات، يمكنها تحسين أدائها وتقديم نتائج أفضل بشكل مستمر. AutoAI و AutoML يؤديان عملية التطوير هذه دون الحاجة إلى أي مدخلات بشرية، مما يخلق دورة فضلى لا نهاية لها. يمكن للبشر التحقق من أداء النموذج لمنع التحيز والتأكد من أن الأداة تخدم احتياجات المنظمة، ولكن AutoML يسمح للموظفين بالتوجه إلى تحديات أخرى خلال يوم العمل.

مع تقدم الشركات المصنعة للرقائق والبرمجيات في معالجة اللغة الطبيعية، سوف يصل مجال الذكاء الاصطناعي والتعلم الآلي إلى نقطة تحول سوف تشهد انفجارًا في حالات استخدام جديدة. يجب على الشركات أن تكون مستعدة للتفاعل مع هذه التكنولوجيات الناشئة؛ تلك التي لا تضع بيتها في الطоряд الآن سوف تُترك وراء المنافسين الذين يفعلون ذلك.