ساثيا AG، كبير المعماريين في جوجل – سلسلة المقابلات

ساثيا AG هو مناصر تكنولوجي، ومؤلف منشور ل “استراتيجيات سحابة متعددة هجينة ومتعددة من الدرجة المؤسسية“، وكبير المعماريين في جوجل (الصناعات الاستراتيجية للبيع بالتجزئة)، مع أكثر من 19 عامًا من الخبرة في هندسة المؤسسات والذكاء الاصطناعي. وهو قائد فكري عالمي معترف به من قبل جائزة التأثير الاصطناعي الرائدة وجائزة رئيس جوجل، وهو مؤلف استراتيجيات سحابة متعددة هجينة ومتعددة من الدرجة المؤسسية وعضو مجلس إدارة دائرة CAIO. وهو زميل في الجمعية البريطانية للحاسوب (FBCS)، وعضو كبير في IEEE، وخريج برنامج ستانفورد LEAD. وهو متحدث مطلوب في AI Forward، وGoogle Next، وNRF، كما يطوع لتعليم AI / ML للمجتمعات المحرومة.

الإفصاح: الأفكار المشاركة أدناه والآراء المعبر عنها هي آراء المؤلف الخاصة ولا تعكس بالضرورة آراء أو مواقف صاحب العمل أو أي منظمة يرتبط بها.

قضيت أكثر من عقد من الزمن في Oracle (ORCL ) قبل الانتقال إلى دور معماري كبير في جوجل، حيث تعمل الآن مع الشركات التجارية الكبيرة. كيف تغيرت رؤيتك لذكاء الأعمال مع تحول الشركات من مشاريع تحديث البيانات التقليدية إلى مبادرات الذكاء الاصطناعي التوليدي والوكالة؟

في أيام أوراكل، كنت دائمًا مهتمًا ببناء الأنظمة المعقدة التي تعتمد عليها المنظمات لتشغيل أعمالها. كنا نحل تحديات التكامل الحكومي وإدارة البيانات الرئيسية لتضمن أن تكون المؤسسة لديها مصدر وحيد موثوق ومقاوم للغاية. كان التحديث التقليدي للبيانات في الأساس حول المراقبة السلبية، وتصميم طبقات семантиكية وخطوط أنابيب البيانات التي تقدم رؤى موثوقة لمتخذي القرارات البشرية.

تطور الذكاء الاصطناعي التوليدي والوكالة قد غير تمامًا المعادلة المعمارية من المراقبة السلبية إلى نظام ذاتي الإجراء. الآن، انتقلت العدسة إلى ما إذا كان يمكننا السماح لنظام بأخذ إجراء من جانبنا (و، بشكل صحيح، دون إشراف)، بمقياس. هذا معيار أعلى لجودة البيانات والسياق والتحكم لأن نظامًا خاطئًا لا ينتج فقط لوحة تحكم خاطئة، بل إجراءً خاطئًا. نظام وكالة يقرأ بيانات المخزون بشكل خاطئ لا يخدع فقط شخصًا ما، بل يؤدي إلى وضع طلب خاطئ.

هنا يصبح البناء المعماري للشركات الحقيقية حاسمًا وأساسيًا لأنظمة الذكاء الاصطناعي. لتبني أنظمة ذاتية بشكل آمن، يجب علينا جسر الفجوة بين الأنظمة المؤسسية التقريرية والذكاء الاصطناعي الاحتمالي. المحادثات المعمارية التي أ dẫnها الآن هي حول بناء بنية بيانات موثوقة، وضمان أن العقلانية الذاتية في الوقت الفعلي مقيدة بالحوكمة الصارمة والرصد القوي والسلامة التعاقدية التي طالبنا بها دائمًا من الأنظمة المؤسسية.

لقد جادلت بأن العديد من مشاريع الذكاء الاصطناعي فشلت ليس بسبب النموذج، ولكن بسبب قرارات البيانات والهندسة المعمارية التي تم اتخاذها في وقت مبكر. ما هي أكثر الخيارات المعمارية المبكرة التي تهدد مشاريع الذكاء الاصطناعي فيما بعد؟

الأكثر شيوعًا هو معاملته لمستودع أو بحيرة كالمصدر الوحيد للtruth عندما هو في الواقع مجرد وجهة واحدة. يتم توجيه كل شيء إلى مكان واحد وافتراض أن ذلك يحل مشكلة “إصدار واحد من الحقيقة”، لكنه لا يفعل ذلك، بل يركز فقط على الخلاف. إذا كان ثلاثة أنظمة مصدر تعرف كل منها العملاء النشطين بشكل مختلف، فإن توجيههم إلى مستودع واحد يعطيك إجابة خاطئة واحدة بدلاً من ثلاث.

ثم هناك فخ بناءه لما هو أمامك بالضبط. يتم ضبط خط أنابيب بشكل مثالي للوحة تحكم واحدة، ويعمل بشكل رائع، ثم بعد ستة أشهر، يحتاج نموذج جديد إلى نفس البيانات بشكل أسرع أو أكثر طازجة، ويجب كسر كل شيء بدلاً من توسيعه.

والذي دائمًا ما يعود ليعض الناس هو تجاوز السلالة والبيانات الوصفية لأنها تبدو كعائق لا أحد يطلبها. لا يوجد لها عوائد؛ حتى يوم يطلب فيه شخص ما لماذا اتخذ النموذج قرارًا معينًا وليس هناك طريقة لتتبعه. هذا عندما يتحول إلى تصحيح باهظ الثمن بدلاً من قرار تصميم رخيص.

عند العمل مع الشركات من فورتشن 500، ما هي الإشارات التي تخبرك بأن المنظمة جاهزة حقًا لتوسيع الذكاء الاصطناعي ما وراء التجارب؟

بصراحة، يمكنني عادةً معرفة ذلك في المحادثات الأولى. الفرق بين منظمة تجربة الذكاء الاصطناعي وواحدة جاهزة لتشغيله على مستوى المؤسسة يأتي إلى ثلاثة إشارات رئيسية: الإقناع الاستراتيجي، وتكامل الأعمال، والنضج التشغيلي.

هنا ما يشير إلى الاستعداد الحقيقي للتوسع:

1. الانسجام الاستراتيجي والإقناع التنفيذي

استراتيجية الذكاء الاصطناعي الواضحة، وليس فقط “حسد الذكاء الاصطناعي”: يظهر قيادة المنظمة إقناعًا حقيقيًا بشأن استراتيجيتهم للذكاء الاصطناعي. يمكن تحديده بسهولة من خلال طرح بعض الأسئلة التوجيهية حول كيفية خريطة الذكاء الاصطناعي إلى أهداف الأعمال. إذا كانوا يستطيعون التعبير عن القيمة التجارية الدقيقة (مثل نمو الإيرادات أو تحسين الهامش أو تجربة العملاء) بدلاً من مجرد الرغبة في “استخدام الذكاء الاصطناعي التوليدي”، فهم جاهزون.

التخصيص المالي للمؤسسة: لقد انتقلوا إلى ما وراء ميزانيات البحث والتطوير المعزولة. هناك ميزانية مخصصة ومخصصة للاستخدام عبر الوظائف لا تخص فقط مشاريع الذكاء الاصطناعي، بل للتغييرات الإدارية والبنية التحتية والصيانة المستمرة.

2. ملاءمة المشكلة والحل وتكامل الأعمال

حل المشكلات الصحيحة: إشارة حمراء كبيرة هي الخلط بين أتمتة Flux أو أتمتة العمليات الروبوتية (RPA) مع الذكاء الاصطناعي، وضغط الذكاء الاصطناعي عليه فقط لإظهار تبني الذكاء الاصطناعي إلى المجلس. المنظمات الجاهزة تفهم القيمة الفريدة للذكاء الاصطناعي. إنهم يركزون على الحالات التي يقدم فيها الذكاء الاصطناعي تحولًا في القدرة، بدلاً من مجرد وضع علامة تكنولوجية على عملية موروثة.

ملكية الوحدة التجارية: هذه إشارة هادئة، ولكنها غالبًا ما تكون أكبر عائق أمام التوسع. إذا كان حماس الذكاء الاصطناعي يعيش فقط في مختبر ابتكار معزول بدون أي مساهمة من الوحدات التجارية الفعلية، فإن التجارب سوف تفشل في الإقلاع. الاستعداد الحقيقي يتم إظهاره عندما يطور مساهمو الأعمال الحل بشكل مشترك ويتook ملكية النتيجة التجارية النهائية، بدلاً من رمي برهان概念 عبر الجدار إلى العمليات.

3. النضج التشغيلي والحوكمة

مشاركة الأمن والامتثال من اليوم الأول: عدم وجود مشاركة من فرق الأمن والامتثال، أو محاولة عزل حالة استخدام الذكاء الاصطناعي الحاسمة عنهم ل “الحركة بشكل أسرع”، هو وصفة للفشل في النشر. المنظمات الناضجة تجلب InfoSec والقانون والحوكمة البيانات إلى الطاولة في اليوم الأول. إنهم يعتبرون هذه الفرق من المسهلين الحاسمة الذين يبنيون الحواجز اللازمة للتوسع بأمان، وليس كحواجز.

في النهاية، المنظمات التي تنجح في توسيع الذكاء الاصطناعي تعامل معه ليس كتجربة علمية في مجال تكنولوجيا المعلومات، ولكن كقدرة تجارية تحولية مع الرعاية الصحيحة، والحدود الصحيحة، والترابط التجاري الصحيح.

ماذا يبدو عليه أساس بيانات الذكاء الاصطناعي الفعلي تحت السطح، خاصة للشركات التي لديها بيانات متجزئة عبر أنظمة ERP وCRM والتجارة والسحابة والنظم الموروثة؟

معظم الشركات لا تواجه مشكلة حجم البيانات، بل مشكلة ثقة البيانات. هذا ما يزداد سوءًا مع طبقة الذكاء الاصطناعي فوقه. إنه أقل حول وجود منصة لامعة جديدة وأكثر حول بعض الخصائص غير المثيرة التي تظل صحيحة عبر الأنظمة.

على سبيل المثال، يجب أن يتم التعرف على نفس العميل أو المنتج أو المتجر ككيان واحد، بغض النظر عما إذا كان موجودًا في نظام ERP موروث أو نظام CRM حديث أو منصة تجارية. إذا لم تتمكن أنظمتك من الاتفاق على من هو العميل، فإن نماذجك الشخصية والتوقعات سوف تعمل على بيانات متكسرة مما يؤدي إلى صورة مخادعة. لا يمكنك التنبؤ بقيمة العمر العميل إذا كان الذكاء الاصطناعي يعامل نفس العميل كأشخاص مختلفين.

ثانيًا، свежة البيانات التي تتماشى مع القرار، وليس افتراضيًا إلى ما تفعله نظام المصدر. تحديثات المخزون الليلية جيدة للتخطيط على المدى الطويل وعديمة الفائدة لتنفيذ الوقت الفعلي؛ يدعم الأساس الحقيقي كلا السرعات دون تقليل كل شيء إلى أبطأ واحد.

ثالثًا، طبقة سلالة تسمح لك بالإجابة على “من أين أتى هذا الرقم” في دقائق، وليس في تحقيق لمدة يومين. معظم الشركات المتناثرة ليست قصيرة على البيانات، بل قصيرة على طبقة تجعل البيانات التي لديهم بالفعل موثوقة وقابلة للتتبع. هذا هو الأساس الفعلي، وليس الأداة التي يتم تثبيتها فوقه.

غالبًا ما يتم讨论 5 Vs للبيانات: الحجم والسرعة والتنوع والدقة والقيمة. أيها يعتبر قادة المؤسسات أنهم يقللون من شأنه أكثر عند تحضير البيانات للذكاء الاصطناعي؟

دقة البيانات، بدون شك، يليها عن كثب قيمة البيانات.

الحجم هو أمر مفروغ منه في نظام البيانات الكبير اليوم. كل شخص يغرق في البيانات. التنوع والسرعة يحصلان على ميزانية لأنها مرئية على خريطة الطريق – مصادر جديدة وأنابيب ومدخلات في الوقت الفعلي.

الدقة غير مرئية حتى تكلفك شيئًا – عادةً ما ينتج نموذج ناتجًا خاطئًا واضحًا، ويتبعه شخص ما إلى سجلات العملاء المكررة أو حقل ثلاثة فرق تساهم به ثلاثة طرق مختلفة.

أخيرًا، القيمة تقلل من شأنها بشكل مختلف – يفترض القادة أن البيانات موجودة لها قيمة، دون سؤال عما إذا كانت تنتقل فعلاً قرارًا. معظم الشركات لديها جزء صغير من بياناتها تفعل أي عمل حقيقي ولا أحد خريطة الجزء الذي هو.

في البيع بالتجزئة على وجه الخصوص، يمكن أن تشمل حالات استخدام الذكاء الاصطناعي التخصيص والتوقعات والمخزون وسلسلة التوريد وخدمة العملاء وعمليات المتجر. أين ترى أكبر فجوة بين طموح الذكاء الاصطناعي وجاهزية البيانات؟

في حين أن طموح الذكاء الاصطناعي موزع بشكل متساوٍ عبر البيع بالتجزئة، فإن جاهزية البيانات غير متناسقة للغاية.

التخصيص والتوقعات لديهما جاهزية معقولة – كان البائعون يجمعون بيانات المعاملات والتصفح لسنوات.

الفجوة الكبيرة هي سلسلة التوريد والقناة المتعددة، خاصةً الاتصال بين المتاجر عبر الإنترنت والفعلية. القناة المتعددة معقدة للغاية لأنها ت迫 البائع على حل两个 من أصعب مشاكل البيانات في الوقت الفعلي: الهوية الموحدة للعملاء والجرد السائل. معظم البائعين لديهم مخزون تجارة إلكترونية في الوقت الفعلي ولكن فقط رؤية دورية، أحيانًا في نهاية اليوم، لمخزون المتجر.

خدمة العملاء وعمليات المتجر لا تزال في مراحلها الأولى. الطموح مرتفع، ولكن البيانات التشغيلية، أي التهيئة، وإتمام المهمة، والظروف الفعلية للمتجر، غالبًا ما تكون أقل جزء من الأعمال الرقمية. الطموح موزع بالتساوي عبر هذه الحالات؛ جاهزية ليست كذلك.

كيف يجب على الشركات تحديث بنية بياناتها الموروثة دون تعطيل الأنظمة الحيوية التي تعتمد عليها الأعمال كل يوم؟

منصات بيانات موروثة غالبًا ما تعاني من عيوب تشغيلية، ومشاكل جودة البيانات الشديدة، ومحدوديات التماسك المؤسسي. أكثر الطرق فعالية لحماية العمليات اليومية خلال رحلة التحديث هي تجنب الهجرة الكبيرة عالية المخاطر. الهدف الرئيسي لتحديث منصة البيانات يجب أن يكون جعل البيانات أكثر فائدة لاتخاذ القرارات المؤسسية، بدلاً من معاملته كبديل منصة تكنولوجيا بحتة.

للمواكبة عصر الذكاء الاصطناعي، يجب على المنظمات تبني معمارية بيانات ميدالية وشبكة بيانات. هذه الاستراتيجية تخلق خط أنابيب منظم حيث يتم تكرير البيانات تدريجياً من الخام إلى جاهزة للأعمال، وتمنع فعالًا البيانات الرديئة من اتخاذ القرار. من خلال فصل البيانات إلى طبقات منطقية منفصلة، تقوم المنظمات بإنشاء سلالة واضحة، مما يسهل تتبع كيفية تحويل المعلومات من المصدر إلى الوجهة.

من خلال تغليف البيانات المثبتة في منتجات قابلة للوصول، تمكّن المنظمات فرقها من اتخاذ قرارات استراتيجية وقائمة على الأدلة بدلاً من الاعتماد على الحدس. وبشكل حاسم، هذا النهج يؤسس أساس الثقة بالبيانات المطلوبة للذكاء الاصطناعي المؤسسي. بناء وكلاء الذكاء الاصطناعي على منتجات بيانات مدققة يضمن أن النماذج تتعلم من معلومات دقيقة وآمنة بدلاً من مجموعات بيانات غير موثقة.

الحوكمة غالبًا ما تتم إضافتها بعد أن يكون مشروع الذكاء الاصطناعي قد بدأ بالفعل. ما التغييرات التي تحدث عندما يتم التعامل مع الحوكمة والخصوصية والأمان وجودة البيانات كمتطلبات هندسية من اليوم الأول؟

كل شيء يتحرك بشكل أسرع، وينكسر أقل، ويتوسع بشكل أفضل. مع الطبيعة الاحتمالية للذكاء الاصطناعي التوليدي، فإن الحوكمة حرجة للغاية ولكنها غالبًا ما يتم تجاهلها في العديد من المنظمات.

عندما تعامل هذه العناصر كمتطلبات هندسية من اليوم الأول بدلاً من قائمة مراجعة نهائية، انتقلت من التحكم في الأضرار إلى السرعة. هنا ما يتغير:

أولاً، تتجنب مرحلة “التمزق والاستبدال” حيث يتم التخلص من مشاريع الذكاء الاصطناعي المبنية بالكامل لأنها تنتهك معايير الامتثال أو الخصوصية.

ثانيًا، لا يتم تثبيت الأمان وجودة البيانات؛ بل يتم دمجهما في خط الأنابيب. تعمل نماذجك على بيانات موثوقة، مما يؤدي إلى مخرجات يثق بها القيادة والمستخدمون.

أخيرًا، بدلاً من اصطدام جدار تنظيمي عند الانتقال من برهان المفهوم إلى الإنتاج، يتم تطهير مسار النشر وتأتمته بالفعل.

باختصار، الحوكمة ليست فراملًا على الابتكار، بل نظام التوجيه الذي يسمح لك بالسير بسرعة بأمان.

كما مستشار لدائرة CAIO، كيف تعتقد أن دور كبير مسؤولي الذكاء الاصطناعي يجب أن يتطور، وأين يجب أن تبدأ مسؤولياته وتنتهي بالنسبة لمدير تكنولوجيا المعلومات ومدير البيانات وقادة الوحدات التجارية؟

كوني جزءًا من دائرة CAIO كان نافذة مفيدة حقًا، لأن الدور الآن في كل مكان لأن العديد من الشركات أنشأته بشكل phản應ي، استجابةً لدهشة الذكاء الاصطناعي التوليدي، بدلاً من ملء فجوة تشغيلية واضحة. أعتقد أن هذا سوف يستقر بسرعة وينبغي أن يستقر. للعمل بشكل فعال، يجب أن تكون الانقسام التنفيذي حادًا:

مدير تكنولوجيا المعلومات يمتلك البنية التحتية وموثوقية النظام. مدير البيانات يمتلك البيانات كأصل مؤسسي (جودتها، والحوكمة، وسهولة الوصول). كبير مسؤولي الذكاء الاصطناعي يمتلك طبقة الترجمة بين القدرة الخام للذكاء الاصطناعي والنتائج التجارية الحقيقية.

تلك الطبقة الترجمة تعني اتخاذ ملكية صريحة ل портфوليو الذكاء الاصطناعي، وتحديد ما يجب بناؤه، وتحديد المجالات التي يمكن تحسينها وتقديمها بشكل أفضل من خلال تكنولوجيا الذكاء الاصطناعي، وتقديم السلطة النهائية حول أين يجب نشر الذكاء الاصطناعي وأين لا ينبغي نشره.

أ أكبر فجوة في معظم الشركات اليوم هي تقييم المخاطر والقيمة المتضاربة عبر الوحدات التجارية المنافسة. حظر مبادرة الذكاء الاصطناعي عالية المخاطر التي تريدها وحدة أعمال واحدة بشكل حاسم يتطلب شخصًا لا ترتبط حوافزه بوحدة واحدة قصيرة الأجل ويكون تقنيًا بما يكفي لتقييم المخاطر مباشرة. هذا هو الحارس المستقل والتقني الذي يحتاجه دور كبير مسؤولي الذكاء الاصطناعي أن يصبح.

نظرًا إلى المستقبل، ما الذي سيفصل الشركات التي تحقق ميزة الذكاء الاصطناعي المستدامة عن تلك التي تجرب فقط بأدوات الذكاء الاصطناعي الأخيرة؟

لن يكون ذلك الذي لديه أفضل النماذج. تتقارب قدرة النموذج بسرعة، ولن يبقى التكنولوجيا الخام ميزة دائمة.

بدلاً من ذلك، يتم اختبار نجاح الذكاء الاصطناعي على المدى الطويل – سواء كان داخليًا أو موجهًا للعميل – إلى شيء واحد: الثقة.

الثقة تتناسب trực tiếp مع قدرة المنظمة على بناء أساس جاهز للذكاء الاصطناعي وبيئة حيث يمكن اختبار القدرات الجديدة بأمان ونشرها وتوسيعها بسرعة. بشكل ملموس، يتطلب ذلك ثلاثة أشياء:

أساس بيانات موثوق: بيانات نظيفة موثوقة بحيث لا يتطلب كل حالة استخدام جديدة مشروع تنظيف كبير.

الحوكمة المرنة: عمليات الامتثال والمخاطر كافية لتبقى متقدمة مع تطور النماذج الأساسي.

المقاييس القائمة على النتائج: ثقافة مؤسسية تقيس الذكاء الاصطناعي من حيث القيمة التجارية، وليس التكنولوجيا المتقدمة.

الشركات التي ستظل عالقة في “وضع التجربة” بعد ثلاث سنوات من الآن سوف تكون تلك التي لم تبني ذلك الأساس – سوف يستمرون في إعادة تعلم نفس الدروس حول البيانات والحوكمة في كل مشروع ذكاء اصطناعي.

الرابحون بميزة مستدامة سوف يكونون أولئك الذين يصبح لديهم الحالة العاشرة لاستخدام الذكاء الاصطناعي أقل تكلفة وأسرع في النشر من الأولى، لأن الأساس تم بناؤه بشكل صحيح من البداية.

شكرًا على المقابلة الرائعة، قد يرغب القراء في قراءة كتابه أيضًا استراتيجيات سحابة متعددة هجينة ومتعددة من الدرجة المؤسسية.