تحويل تجارب الذكاء الاصطناعي إلى ذكاء وقيمة مؤسسية

الذكاء الاصطناعي المؤسسي لا يقتصر على النماذج. يمكن للشركات تشغيل برامج تجريبية اختبارية، وتنفيذ المهام الشائعة، وتطبيق نماذج إثبات المفهوم بسرعة أكبر من ذي قبل، لكنها غالبًا ما تفشل في تجاوز الانتصارات المعزولة للذكاء الاصطناعي.

لكن المشكلة ليست في النموذج؛ بل في البيئة التي يعملون فيها. لا تزال هناك العديد من تحديات التوسع، بما في ذلك البيانات المتفرقة وعدم وضوح الملكية، وذلك إلى حد كبير لأن هذه الأنظمة صُممت قبل أن يصبح الذكاء الاصطناعي خيارًا أساسيًا للأعمال.

أظهر دراسة حديثة أجرتها Wipro and HFS Research أن 90٪ من قادة المؤسسات يتوقعون أن تصبح الفرق البشرية والذكاء الاصطناعي واقعًا خلال ثلاث سنوات، إلا أن 18٪ فقط يقومون إعادة تصميم عملياتهم لدعم ذلك المستقبل. وبالمثل، يقول 87٪ إنهم يستثمرون في الذكاء الاصطناعي أسرع مما يمكنهم إظهار القيمة المستلمة. لا يمكن للمؤسسات أن تتوقع أن يحول الذكاء الاصطناعي الأعمال إذا لم تعطِ أولوية لتحديث بياناتها وحوكمتها وعمليات سير العمل.

تصبح قدرة الذكاء الاصطناعي شائعة بسرعة. ستأتي المزايا التنافسية من مدى فعالية ربط المؤسسات بين البيانات والسياق والذكاء والحكم والتنفيذ.

Pilots Tend to Stall

حتى عندما تكون هناك بيانات قيمة للعمل معها، يمكن للبرامج التجريبية أن تفشل. على سبيل المثال، إذا كان فريق صغير يعرف من أين نشأت البيانات لجدول البيانات، فإنه عادةً ما يكون مرتاحًا لاستخدامها. ومع ذلك، من الصعب توسيع نفس مستوى الفهم للبيانات عبر المؤسسة بأكملها. باستخدام الذكاء الاصطناعي الوكيل، يصبح من السهل استرجاع المعلومات من أنظمة متعددة أو إنشاء سير عمل يؤدي إلى توصيات للعملاء. بينما يمكن للوكيل الذكي أن يتصرف بسرعة، غالبًا ما يكون من غير الواضح ما إذا كانت البيانات موثوقة.

عندما تحاول الشركات توسيع نطاق استخدامها من حالة استخدام واحدة للذكاء الاصطناعي إلى عدة حالات، يزداد التشكيك ويمكن أن تظهر المشكلات. إذا كانت معلومات العملاء تنشأ في أنظمة مختلفة، قد يكون من المستحيل معرفة كيفية استخراج المعلومات الأصلية وتنقيحها. وبالمثل، قد توجد سياسات حوكمة، لكن من غير الواضح ما إذا كانت تلك القواعد قد طُبقت على مجموعة البيانات التي استخرجها الوكلاء.

لذلك، بينما يبدو توسيع نطاق الذكاء الاصطناعي جذابًا، فإن التناقضات تخلق عقبات. لضمان قيمة حقيقية من الذكاء الاصطناعي الوكيل، يجب على الشركات تنفيذ تصاميم البيانات وسير العمل من البداية، وليس بعد ذلك.

Build a Trusted AI Foundation

بناء أساس صلب جاهز للذكاء الاصطناعي يعني أن الأشخاص وأنظمة الذكاء الاصطناعي يمكنهم اكتشاف البيانات الموثوقة والوصول إليها واستخدامها مع وجود نظام حوكمة مناسب.

ركز على ثلاث قدرات أساسية: 

1. من الضروري اتخاذ نهج موحد للبيانات والذكاء الاصطناعي. تحتاج تطبيقات الذكاء الاصطناعي الوكيل إلى استخراج البيانات من أساس صلب، وليس من أنظمة متفرقة وغير متصلة. هذا يقلل بشكل كبير من الالتباس الناتج عن تداخل مصادر البيانات ويسهل تطبيق قواعد منهجية للوصول والجودة والامتثال.
2. إن دمج الحوكمة في النظام من البداية أمر حاسم لإدارة كيفية استخدام البيانات. على سبيل المثال، يجب أن يستند الوكيل الذي يوصي بإجراء ما إلى معلومات معتمدة، وأن يعمل ضمن مجموعة محددة من الأذونات، وأن يوفر سجلًا قابلًا للتتبع يوضح كيف وصل إلى النتائج التي قدمها.
3. استخدام الذكاء الاصطناعي حول سير العمل والعمليات الفعلية. يجب دمج الذكاء الاصطناعي في سير العمل حيث يواجه الموظفون احتكاكًا بالفعل، مثل الاستجابة لطلبات العملاء أو حل مشكلات تقنية المعلومات.

لا تفكر في الذكاء الاصطناعي كأداة مستقلة. بل ركّز على ربط الوكلاء، والإشراف البشري، واتخاذ القرار ضمن عملية شاملة محكومة. الإشراف البشري أمر حاسم، لكنه يتعلق أكثر بوجود سيطرة محددة للعمليات المعقدة.

Putting AI Into Practice

إن بناء أساس بيانات يمكن للذكاء الاصطناعي الاستفادة منه هو المفتاح. مثال واحد يأتي من عملية الشراء إلى الدفع في شركة رعاية صحية مستهلكة. قد تعالج مؤسسة كبيرة أحجامًا هائلة من الفواتير بينما تدير عمليات موافقة معقدة. أدى المراجعة اليدوية لهذه الفواتير إلى إبطاء دورات الدفع وتقييد الرؤية حول مكان حدوث المشكلات. أدى تطبيق الذكاء الاصطناعي الوكيل لمعالجة الفواتير إلى تحقيق عملية تشغيلية بنسبة 70٪ بدون تدخل بشري وزيادة كفاءة قدرها 45٪. يعالج النظام المدعوم بالذكاء الاصطناعي ما يقرب من مليون فاتورة سنويًا، ما يمثل حوالي 6 مليارات دولار من القيمة، مع توجيه أكثر القضايا تعقيدًا إلى الأشخاص للمراجعة.

الهدف هو إنشاء عملية محكومة يمكن للنظام من خلالها استرجاع المعلومات الصحيحة، وتطبيق القواعد المعتمدة، والتعلم من الأنماط المتكررة، وتصعيد الأمور فقط عند الضرورة. يمنح أساس البيانات القوي أنظمة الذكاء الاصطناعي السياق اللازم لدعم التخطيط والتحليل وإعداد التقارير، مع ضمان وجود نظام حوكمة.

Steps to Move Forward

لتهيئة الشركة للنجاح على المدى الطويل، تعامل مع توسيع الذكاء الاصطناعي وقابليته للتوسع بنفس العناية الواجبة المستخدمة في برنامج التحول على مستوى الشركة.

1. البيانات والذكاء الاصطناعي: قبل البدء، افهم المصدر الأصلي للمعلومات واسأل: هل البيانات غير مكتملة؟ هل كانت تعريفات الأعمال غير متسقة؟ هل منع قيود الوصول النظام من رؤية السياق الضروري؟ هل يفتقر الموظفون إلى سير عمل لاستخدام أو تحدي مخرجات الذكاء الاصطناعي؟
2. إنشاء أساس: من الضروري بناء أساس بيانات صلب يعطي الأولوية لمجالات البيانات الأكثر أهمية للحالات الاستخدام الأولية. عيّن الملكية وطبق الوصول مع ضوابط جودة متوافقة من البداية. الهدف هو بيانات ذات جودة عالية ومحكومة تبني الثقة وتدفع اتخاذ قرارات أفضل.
3. تحديد عدد قليل من سير العمل الهامة حيث تكون مشكلات الأعمال واضحة تمامًا؛ تتوفر البيانات، ومن السهل قياس النجاح. أنشئ وكلاء يركزون على تلك سير العمل، بما في ذلك تلك التي تتضمن تدخلًا بشريًا، لضمان الجودة.

What Lies Ahead

الميزة التنافسية التالية لن تأتي من الوصول إلى الذكاء الاصطناعي. بل ستأتي من القدرة على تحويل البيانات على مستوى المؤسسة إلى ذكاء مؤسسي ونتائج أعمال قابلة للقياس على نطاق واسع. سيتحدد نجاح الذكاء الاصطناعي المؤسسي بمدى جودة إنشاء النماذج، والوكيل المبني عليها لتشغيله بمسؤولية وإنتاجية. العيش في عالم من البيانات المتفرقة، ذات المصدر الضعيف، وغير المدارة سيحد من النتائج الإيجابية للأعمال. الشركات التي تربط البيانات، الحوكمة، وإعادة تصميم سير العمل يمكنها تحويل التجارب إلى قيمة طويلة الأجل. يبدأ الطريق إلى الذكاء الاصطناعي الوكيل بالأسس التشغيلية والبيانية التي تمكّن من اتخاذ إجراءات ذكية.