مقابلات
راجان سيثورامان، الرئيس التنفيذي لشركة LatentView Analytics – سلسلة المقابلات

النقاط الرئيسيةيدعو الرئيس التنفيذي لشركة LatentView إلى تبني الحد الأدنى من الذكاء الاصطناعي من خلال…
عرض المزيد
- يدعو الرئيس التنفيذي لشركة LatentView إلى تبني الحد الأدنى من الذكاء الاصطناعي من خلال التركيز على عدد قليل من المشكلات التجارية عالية التأثير بدلاً من ملاحقة كل اتجاه جديد.
- يتطلب النجاح في تشغيل الذكاء الاصطناعي معاملته كتخصص تشغيلي مع ملكية تنفيذية ودمجه منذ البداية.
- يتطلب توسيع نطاق الذكاء الاصطناعي بمسؤولية حوكمة متعددة الوظائف تشمل فرق الأعمال والتكنولوجيا والمخاطر للحفاظ على الثقة والمساءلة.
راجان سيثورامان، الرئيس التنفيذي لشركة LatentView Analytics، مسؤول تنفيذي مخضرم تمتد مسيرته عبر الاستشارات وقيادة المواهب والتحول المؤسسي، وقد تولى أدوارًا قيادية في Accenture وKPMG قبل انضمامه إلى LatentView. ويعكس تدرجه من منصب رئيس شؤون الموظفين إلى الرئيس التنفيذي اهتمامًا قويًا بتنمية المواهب والتصميم التنظيمي ونماذج التشغيل القابلة للتوسع، وهي عوامل تشكل نهجه الحالي في الذكاء الاصطناعي والتحليلات. وبفضل خبرته العميقة في التوظيف والتعلم واستراتيجية الأعمال، ركز باستمرار على مواءمة الأفراد والثقافة والتكنولوجيا لتحقيق نتائج قابلة للقياس، وصولًا إلى قيادة LatentView خلال طرحها العام الأولي وتوسعها العالمي، مع ترسيخ الذكاء الاصطناعي بوصفه قدرة للأعمال وليس وظيفة مستقلة.
LatentView Analytics شركة عالمية لتحليلات البيانات والتحول الرقمي تساعد المؤسسات على تسخير البيانات والذكاء الاصطناعي والتحليلات المتقدمة لتحسين اتخاذ القرار ودفع النمو. وتقدم خدمات تشمل هندسة البيانات والتحليلات التنبؤية والاستشارات المدعومة بالذكاء الاصطناعي في قطاعات منها الخدمات المالية والتجزئة والتكنولوجيا، وتعمل مع عملاء من شركات Fortune 500 حول العالم. وتتمثل قيمتها الأساسية في تحويل البيانات الخام إلى رؤى قابلة للتنفيذ، تمكن الشركات من تحسين العمليات واستباق الاتجاهات وتحقيق ميزة تنافسية في الاقتصاد.
بدأت مسيرتك في الاستشارات وقيادة المواهب لدى Accenture وKPMG قبل أن تصبح الرئيس التنفيذي لشركة LatentView Analytics، حيث قدت الشركة خلال طرحها العام الأولي وأول استحواذ لها. كيف شكلت خلفيتك في تنمية المواهب والاستراتيجية المؤسسية نهجك في توسيع نطاق الذكاء الاصطناعي والتحليلات اليوم؟
ركزت مسيرتي المبكرة بقوة على المواهب وتطوير القيادة وبناء مؤسسات قادرة على التوسع. ولا تزال تلك الخبرة تشكل تفكيري في الذكاء الاصطناعي اليوم. فالتكنولوجيا وحدها لا توسع نطاق المؤسسة. ما يهم هو كيفية تبني الفرق لها، وتوافق القادة حولها، ووضوح تحديد مشكلة الأعمال. وفي LatentView، نخصص وقتًا كبيرًا لمساعدة المؤسسات على بناء نموذج التشغيل والمهارات والثقافة اللازمة لتحويل التحليلات والذكاء الاصطناعي إلى قرارات يومية.
لذلك أميل إلى النظر إلى الذكاء الاصطناعي من منظور الجاهزية المؤسسية. فتوسيع نطاقه يتطلب خبرة قوية في المجال وأسسًا متينة للبيانات وفرقًا تستطيع تحويل الرؤى إلى إجراءات. وكان تركيزي دائمًا على بناء هذه القدرات معًا، بدلًا من التعامل مع الذكاء الاصطناعي بوصفه قدرة منعزلة.
تحدثت عن الاكتفاء بالقليل في الذكاء الاصطناعي، أي إعطاء الأولوية للوضوح والفضول والثقافة بدلًا من ملاحقة كل اتجاه جديد في الذكاء الاصطناعي التوليدي. كيف يبدو هذا النهج عمليًا لدى قادة المؤسسات؟
يبدأ هذا النهج بالتركيز. فلا يحتاج قادة المؤسسات إلى ملاحقة كل نموذج أو قدرة جديدة تظهر، بل إلى عدد محدود من المشكلات المهمة التي يستطيع الذكاء الاصطناعي تحسين القرارات أو الإنتاجية فيها بصورة قابلة للقياس. وقد تكون قرارات التسعير أو تخطيط سلسلة التوريد أو كيفية انتقال المعرفة عبر المؤسسة. والبدء بمشكلة محددة بوضوح يساعد الفرق على بناء الثقة وتعلم ما يعنيه التوسع المسؤول عمليًا.
ويعني أيضًا دمج الذكاء الاصطناعي في سير العمل الفعلي بدلًا من اعتباره تجربة معزولة. فعندما ترى الفرق أن التكنولوجيا تساعدها على حل المشكلات اليومية، يميل تبنيها إلى النمو طبيعيًا. ويظل الفضول والتجريب مهمين، لكنهما يحققان أفضل النتائج عندما يستندان إلى هدف واضح.
تندفع مؤسسات كثيرة نحو الذكاء الاصطناعي التوليدي دون تعزيز أسس بياناتها أولًا. ما العلامات التحذيرية التي تشير إلى أن الشركة تبني على أرض غير مستقرة؟
من الأمور التي ألاحظها كثيرًا أن النقاش بشأن الذكاء الاصطناعي يتقدم أسرع بكثير من النقاش بشأن البيانات. فإذا تحدث القادة عن المساعدات الذكية والنماذج التوليدية، بينما لا يزال الغموض قائمًا حول موقع البيانات الأساسية أو الجهة التي تملكها أو المقاييس التي تثق بها الشركة فعلًا، فعادة ما يدل ذلك على أن الأساس لم يجهز بعد. وتعتمد أنظمة الذكاء الاصطناعي بشدة على بيانات موثوقة تخضع لحوكمة جيدة. ومن دون ذلك، يصعب على الناس الوثوق بالمخرجات.
ومن العلامات الأخرى أن تشغل الشركات برامج تجريبية كثيرة، لكن قليلًا جدًا منها يؤثر في القرارات الفعلية. يستطيع الذكاء الاصطناعي التوليدي تقديم عروض مثيرة للإعجاب، لكن الاختبار الحقيقي هو ما إذا كان يصبح جزءًا من طريقة عمل المؤسسة.
منذ توليك منصب الرئيس التنفيذي، حققت أثرًا قابلًا للقياس لعملاء عالميين. ما الذي يميز الشركات التي تنجح في إدماج الذكاء الاصطناعي في عملياتها عن تلك التي تظل عالقة في المرحلة التجريبية؟
تتعامل الشركات التي تنجح في توسيع نطاق الذكاء الاصطناعي معه باعتباره نهجًا تشغيليًا، وليس مشروع ابتكار جانبيًا. فهي تسند المسؤولية إلى قيادات تنفيذية، وتربط حالات الاستخدام بنتائج أعمال قابلة للقياس، وتخطط للتكامل منذ البداية. وتستثمر أيضًا في الأعمال الأقل بريقًا، مثل خطوط معالجة البيانات والحوكمة وإعادة تصميم العمليات وتبني المستخدمين. وهذا عادة ما يميز تجربة تلفت الأنظار عن قدرة تغير بالفعل طريقة اتخاذ القرارات.
رأينا في LatentView أن الشركات تتحرك أسرع عندما تربط الذكاء الاصطناعي بمشكلة أعمال تهم المؤسسة أصلًا، مثل تحسين دقة التخطيط أو نتائج إدارة المخزون أو وضوح الرؤية بشأن الموردين. والذكاء الاصطناعي المرتبط بالمقاييس التي تهتم بها الشركة بالفعل تكون فرصه أفضل بكثير في الحصول على التمويل والحوكمة والتبني على نطاق واسع.
كيف تتعامل مع توسيع نطاق الذكاء الاصطناعي بمسؤولية داخل مؤسسة كبيرة مع الحفاظ على الحوكمة والأمن والمساءلة؟
يبدأ التوسع المسؤول بالإقرار بأن قرارات الذكاء الاصطناعي تؤثر في نهاية المطاف في عملاء حقيقيين وموظفين ونتائج أعمال. وهذا يعني أن الحوكمة لا يمكن أن تكون أمرًا يضاف لاحقًا. وتحتاج المؤسسات إلى سياسات واضحة للوصول إلى البيانات والإشراف على النماذج ومراقبتها بعد دخول الأنظمة حيز التشغيل الفعلي.
عمليًا، تكون نماذج الحوكمة الأكثر فاعلية مشتركة بين الوظائف. فلا بد من مشاركة قادة الأعمال وفرق التكنولوجيا ومجموعات المخاطر أو الامتثال. وتستفيد أنظمة الذكاء الاصطناعي أيضًا من الشفافية بشأن كيفية توليد المخرجات والمواضع التي يظل فيها التقدير البشري ضروريًا. وعند وضع الضوابط مبكرًا، تستطيع المؤسسات توسيع التبني مع الحفاظ على الثقة.
تعمل LatentView مع مؤسسات متفاوتة جدًا في النضج الرقمي. كيف تختلف استراتيجيتك للذكاء الاصطناعي عند تقديم المشورة لمؤسسة مقارنة بأخرى لا تزال في بداية رحلتها في التحليلات؟
مع المؤسسة الأولى، يدور النقاش عادة حول التسريع. فهي تمتلك بالفعل أصول بيانات مهمة، ولذلك نركز على إعطاء الأولوية لحالات الاستخدام عالية القيمة، وتحسين سهولة الوصول، ودمج الذكاء الاصطناعي في سير عمل تستطيع الشركة الاستفادة منه بسرعة. وقد يشمل ذلك استرجاع المعرفة المؤسسية أو التخطيط المترابط في سلسلة التوريد أو نماذج متخصصة في مجالات محددة تسرع اتخاذ القرارات عبر الوظائف.
أما المؤسسات التي لا تزال في بدايات الرحلة، فتختلف نقطة انطلاقها. فنخصص وقتًا أكبر لجاهزية البيانات والحوكمة وتحديث ذكاء الأعمال وبناء القدرات، حتى تتمكن الشركة من دعم الذكاء الاصطناعي بصورة مستدامة. وفي هذه الحالات، يكتسب تقييم النضج وترتيب الخطوات أهمية كبيرة. فلا ينبغي أن تعد شركة بمستقبل قائم على وكلاء الذكاء الاصطناعي بينما لا تزال تفتقر إلى بيانات موثوقة أو مؤشرات أداء رئيسية مشتركة أو توافق القيادة التنفيذية على المشكلة التي تحاول حلها.
نظرًا لخبرتك العميقة في استقطاب المواهب والتعلم، ما المهارات التي ينبغي للشركات إعطاء الأولوية لتطويرها داخليًا في عصر الذكاء الاصطناعي، مقابل استقدامها من الخارج؟
داخليًا، أرى أن الشركات ينبغي أن تركز على تنمية فهم واسع للذكاء الاصطناعي والبيانات. لا يحتاج الجميع إلى أن يصبحوا علماء بيانات، لكن ينبغي للعاملين في مختلف أجزاء الشركة إعطاء الأولوية لاتخاذ قرارات تستند إلى الرؤى، وطرح أسئلة أفضل، واستخدام أدوات الذكاء الاصطناعي في عملهم اليومي. وعندما تنتشر هذه الممارسة عبر الفرق، يصبح من الأسهل كثيرًا تحديد المجالات التي يستطيع الذكاء الاصطناعي المساعدة فيها فعلًا، وتلك التي يُرجح أنه لا ينبغي استخدامه فيها.
أما التوظيف الخارجي، فيميل إلى مزيد من التخصص. فمجالات مثل هندسة البيانات وتصميم بنى تعلم الآلة وحوكمة الذكاء الاصطناعي تتطلب خبرة عميقة قد لا تتوفر دائمًا داخل المؤسسة. وعادة ما تجمع الشركات الناجحة في ذلك بين هؤلاء المتخصصين وفرق أعمال تفهم السياق والقرارات التي تحتاج إلى التحسين.
كثيرًا ما تبطئ المقاومة الثقافية التحول. ما السلوكيات القيادية التي وجدتها الأكثر فاعلية في بناء الثقة والزخم حول تبني الذكاء الاصطناعي؟
يُحدث التواصل الواضح من القيادة فرقًا كبيرًا. فالموظفون يريدون فهم سبب إدخال تقنيات جديدة وكيفية ارتباطها باستراتيجية الشركة. ويساعد شرح الغرض من مبادرات الذكاء الاصطناعي وربطها بأهداف أعمال حقيقية على بناء الثقة في أنحاء المؤسسة.
والتعلم مهم بالقدر نفسه. فالأتمتة والذكاء الاصطناعي يحدثان تغييرات كثيرة بالفعل، ولذلك تحتاج الشركات إلى دعم الموظفين بفاعلية في تطوير قدرات جديدة. ويتعامل الناس بانفتاح أكبر مع التغيير عندما يرون فرصًا حقيقية لبناء مهارات جديدة والنمو جنبًا إلى جنب مع التكنولوجيا.
مع اندماج الذكاء الاصطناعي في عمليات اتخاذ القرار، كيف ينبغي لمجالس الإدارة والفرق التنفيذية إعادة التفكير في مقاييس الأداء والمساءلة؟
يغير الذكاء الاصطناعي طريقة اتخاذ القرارات، ولذلك يجب أن تنظر فرق القيادة إلى ما هو أبعد من مقاييس المشاريع التقليدية. والسؤال الحقيقي هو ما إذا كان يحسن جودة القرارات وسرعتها في المجالات المهمة للشركة. وقد يعني ذلك تنبؤات أفضل بالطلب أو قرارات تسعير أدق أو استجابة أسرع لتغيرات السوق.
إذا تحسنت تلك النتائج، فالذكاء الاصطناعي يؤدي دوره. ولا يمكن أن يظل أداؤه طويلًا في لوحة منفصلة عن أداء الأعمال.
وتحتاج المساءلة أيضًا إلى مزيد من الوضوح. فلا بد أن تكون هناك جهة تملك البيانات، وجهة مسؤولة عن مراقبة النماذج في التشغيل الفعلي، ومن يتخذ القرار في نهاية المطاف. يستطيع الذكاء الاصطناعي دعم تلك القرارات، لكن الحوكمة والإشراف يظلان ضروريين.
خلال السنوات الثلاث إلى الخمس المقبلة، ما التحولات الأهم في تبني المؤسسات للذكاء الاصطناعي، وما الذي ينبغي للقادة البدء به الآن للبقاء في المقدمة؟
خلال السنوات القليلة المقبلة، سيظهر الذكاء الاصطناعي بدرجة أكبر بكثير داخل قرارات الأعمال اليومية. وقد أمضت شركات كثيرة وقتًا في البرامج التجريبية وإثباتات المفهوم. والخطوة التالية هي التأكد من أن تلك القدرات تدعم فعلًا كيفية تخطيط الفرق وتوقع الطلب وإدارة سلاسل التوريد واتخاذ قرارات التسويق.
وسيتطور العمل أيضًا مع تنامي قدرات الذكاء الاصطناعي. ومع زيادة أتمتة المهام الروتينية، سيتحول التركيز نحو توجيه أنظمة الذكاء الاصطناعي وتفسير نتائجها والعمل إلى جانبها. وستتكيف المؤسسات التي تعزز أسس بياناتها وتساعد الموظفين على بناء تلك القدرات بسهولة أكبر بكثير، مع تحول الذكاء الاصطناعي إلى جزء من العمليات اليومية.
شكرًا على المقابلة الرائعة. يمكن للقراء الراغبين في معرفة المزيد زيارة LatentView Analytics.












