قادة الفكر

حل كيفية ومتى: دمج الاستراتيجية التجارية في اعتماد الذكاء الاصطناعي

Boobesh Ramadurai
أضف Unite.AI إلى مصادرك المفضلة على Google
AI Business Applications
النقاط الرئيسيةيجب على الشركات أن تعطي الأولوية لبناء أنظمة بيانات قوية أولاً لأن جودة البيانات تؤثر…
عرض المزيد
  • يجب على الشركات أن تعطي الأولوية لبناء أنظمة بيانات قوية أولاً لأن جودة البيانات تؤثر بشكل كبير على أداء الذكاء الاصطناعي.
  • حدد مشكلات العمل المحددة التي يمكن للذكاء الاصطناعي حلها بدلاً من الانسياق وراء اتجاهات تبني الذكاء الاصطناعي العامة.
  • تقدم نماذج اللغة مفتوحة المصدر تحكماً ومرونةً لكنها تتطلب إدارة مخاطر الأمنية وتطوير مهارات الفريق.

لقد وصلنا إلى نقطة تحول مع الذكاء الاصطناعي حيث تحولت مناقشات غرف المجالس من مناقشة الفعالية إلى تسريع التبنّي. إنه وقت مثير، خاصة عند النظر إلى سرعة التغيير التي لن تكون أبدا بهذا البطء مرة أخرى. وفقا لشركة BCG، على الرغم من عدم اليقين الاقتصادي العالمي، ارتفعت مكانة الابتكار كأحد أهم الأولويات للشركات في عام 2023، حيث صنفت 79٪ من الشركات الابتكار كأحد أهم ثلاثة أهداف لها.

لكن الابتكار من أجل الابتكار فقط ليس استراتيجية تجارية صحيحة، والشركات التي تتعرض للهيجان حول الذكاء الاصطناعي تتعرض لخطر الاستثمار في الهيجان بدلا من الحلول التي تُحدث قيمة طويلة الأمد. فهم الفرق يتطلب التفكير بعناية في القدرات الحالية والصبر لتحديد الأولويات للنمو المستدام على الاتجاهات القصيرة الأمد.

منطقة جولديلوك

تاريخ الأعمال يمتلئ بالأمثلة على الشركات التي كانت قراراتها الاستراتيجية في اللحظات الحاسمة لها عواقب على وجودها. على سبيل المثال، نجت أمازون من انفجار الدوت كوم من خلال الاعتراف بأهمية تعديل استراتيجية المحاسبة وتعزيز الاحتياطيات النقدية أثناء حرق الشركات الأخرى للنقود وكأنه لا يوجد غد. النقطة هي أن القرارات التجارية الصحيحة أكثر أهمية من أي وقت مضى خلال فترات الحماس الجماعي، والتخطيط للغد يتطلب القدرة على التفكير في جميع السيناريوهات المحتملة. (AMZN )

بشكل عام، هناك شعور عام بالخوف من تفويت فرص الذكاء الاصطناعي (FOMO) الذي أصبح منتشرا بين فرق القيادة، مما يُضاعف من التعقيد بسبب حقيقة أن عدم القيام بأي شيء (أي الخضوع ل “الشلل بالتحليل”) هو تهديد حقيقي. (اسأل كوداك.) هنا ثلاثة اعتبارات للشركات التي تبحث عن “منطقة جولديلوك” للذكاء الاصطناعي – بحيث لا تستثمر بسرعة مفرطة أو ببطء مفرط، بل تجد التوازن الأمثل للابتكار المستدام.

1. التركيز على نمو البيانات أولا

مثل أي آلة، من المهم فهم آلياتها الداخلية لاستخلاص القيمة منها. وهذا يعني أن الذكاء الاصطناعي ليس منتجا كاملا، بل تعتمد نماذج اللغة الكبيرة (LLM) على كميات هائلة من نقاط البيانات المتنوعة لتعلم الأنماط والسياق والتفاصيل اللغوية. حجم وتعقيد LLM تتطلب بيانات تدريب واسعة لتشغيلها بشكل فعال عبر مجالات ومهام مختلفة. جودة وكمية هذه البيانات ستؤثر بشكل كبير على أداء LLM، وبالتالي على مجموعة أدوات الذكاء الاصطناعي للشركة.

إنشاء أنظمة بيانية أكثر متانة هو بالتالي استثمار حكيم أول للشركة التي تخطط لتحول الذكاء الاصطناعي، وستخدم هذه البيانات كأساس لنمو LLM و تطورها. خلال هذا التطور، تصبح البيانات عالية الجودة أكثر أهمية. بينما وجدت الدراسات أن LLM يمكن أن تكون كفؤة مع حد أدنى من البيانات، يقول الخبراء الآن أن “تأثير جودة البيانات وتنوعها على كل من المواءمة مع الأهداف والمسارات الأخرى لتدريب LLM (التدريب المسبق، والضبط الدقيق، وقابلية توجيه السلوك، وغيرها) هو بالفعل كبير للغاية”.

2. تحديد حالة استخدام تجارية

في حين أن الذكاء الاصطناعي يمتلك بالفعل القدرة على التطبيقات الخارجية الواسعة، فإن معظم الشركات أكثر تركيزا على استخدام التكنولوجيا لتحسين العمليات الداخلية. “تحسين” هو الكلمة الأساسية هنا، مما يعني أن الشركات لا يجب أن تتوقع ببساطة تثبيت برنامج الذكاء الاصطناعي لتحسين الإنتاج بشكل سحري. بل بعض أكثر حالات استخدام الذكاء الاصطناعي نجاحا تتضمن تحليل البيانات ليكشف عن رؤى قيمة حول سلوك العملاء واتجاهات السوق والمخاطر المحتملة. كما أثبتت فعاليتها في تسهيل الأنشطة الداخلية، بما في ذلك أشياء مثل أتمتة المهام اليدوية لتخصيص وقت الموظفين لأنشطة أعلى مستوى.

باختصار، بدلا من تبديد الوقت في محاولة تحديد أي نماذج الذكاء الاصطناعي لاستخدامها، تحتاج المنظمات إلى التركيز على المشاكل المحددة التي تحتاج إلى حلها. (أي ابدأ بالنتيجة التي تريد تحسينها، وحدد مؤشر الأداء الرئيسي الذي تريد التأثير عليه، ثم اعمل بشكل عكسي لتحديد أدوات الذكاء الاصطناعي التي ستحقق تلك الأهداف.) وفقا لمسح MIT العالمي للذكاء الاصطناعي، يقول 90٪ من الذين يستخدمون الذكاء الاصطناعي لإنشاء مؤشرات أداء رئيسية جديدة أنهم يرون تحسين مؤشرات الأداء الرئيسية الخاصة بهم. “تقدّم هذه المؤشرات الموجّهة بالذكاء الاصطناعي فوائد تجارية وتظهر قدرات جديدة: غالبا ما تؤدي إلى مزيد من الكفاءة والفائدة المالية الأكبر وتكون أكثر تفصيلاً ومراعاةً لعامل الوقت ومتوافقة مع أهداف المنظمة”.

3. بناء أدوات الذكاء الاصطناعي المخصصة باستخدام LLM مفتوحة المصدر

لبناء أو شراء – هذا هو السؤال. بناء حل مخصص للذكاء الاصطناعي قد يبدو شاقاً، وتختار العديد من الشركات شراء ترخيص من مورّد خارجي يقدم نموذج لغة احتكارياً لتجنب السير في هذا المسار. ومع ذلك، قد يحد الترخيص من كيفية استخدام نموذج اللغة، ويمكن أن تصبح رسوم الترخيص باهظة الثمن مع مرور الوقت. بدلا من ذلك، فإن نماذج اللغة مفتوحة المصدر مجانية والهيكل الأساسي متاح للمطورين للوصول إليه وبنائه وتعديله بناء على احتياجات الشركة المحددة.

أصبحت هذه النماذج مفتوحة المصدر شائعة بين الشركات التي تسعى إلى الاحتفاظ بمعلومات حساسة على شبكتها والحفاظ على المزيد من التحكم في بياناتها. توفر نماذج اللغة مفتوحة المصدر للشركات هذه الشفافية والمرونة، بالإضافة إلى الفوائد المضافة لتقليل مشكلات زمن الاستجابة وتحسين الأداء. قامت شركة آي بي إم و ناسا مؤخرا بالتعاون لتطوير نموذج لغة مفتوح المصدر مدرب على بيانات الجغرافية المكانية لمساعدة العلماء على مكافحة تغير المناخ، كجزء من مبادرة ناسا لمدة عشر سنوات العلم المفتوح لبناء مجتمع علمي أكثر إتاحةً وشمولاً وتعاوناً.

كما هو الحال مع أي تكنولوجيا مفتوحة المصدر، هناك مخاطر مرتبطة بنماذج اللغة مفتوحة المصدر، بما في ذلك تسريبات أو خروقات أمنية محتملة، وهلوسات أو تحيزات ناتجة عن معلومات غير دقيقة أو معيبة، وجهات خبيثة تتلاعب بالبيانات عمداً. ومع ذلك، تصبح نماذج اللغة مفتوحة المصدر أكثر ذكاء وأمان مع مرور الوقت، مما يؤدي إلى بعض الخبراء يشعرون أن نماذج اللغة مفتوحة المصدر سوف تصل إلى مستوى أفضل نماذج اللغة مغلقة المصدر قريبا، مما يبرر الاستثمار في التبنّي المبكر والوقت الذي يقضيه في تطوير مهارات الفريق.

سيكون تبنّي الذكاء الاصطناعي عدة سباقات قصيرة سريعة ضمن ماراثون

استنادا إلى الأرقام الحديثة، هناك حوالي 15,000 شركة ذكاء اصطناعي في الولايات المتحدة، أكثر من ضعف العدد في عام 2017. على مستوى العالم، تزداد هذه الأرقام إلى ما يقارب أربعة أضعافها. مع هذا العدد الكبير من البائعين والشركات الناشئة الجديدة الواعدة التي تروج لخدماتها، لا يثير الدهشة أن الشركات تواجه صعوبة في تحديد مكان استثمار وقتها ومالها. ومع ذلك، من خلال تقييم احتياجاتها بعناية والمخاطر والمكاسب التي تتيحها الابتكارات، سيجد قادة الشركات الخلطة الصحيحة من الذكاء الاصطناعي لدفع شركاتهم إلى مستقبل النمو المستدام.

بصفته رئيس أعمال قطاع التكنولوجيا في LatentView Analytics، يعتبر Boobesh قائدًا ذا خبرة عملية في التحليلات وعلوم البيانات والتسويق الرقمي وتصور البيانات مع التركيز على النمو لعملاء التكنولوجيا من خلال بناء فرق أداء عالية تنتج حلولًا مبتكرة تمكن من الحصول على رؤى قابلة للتنفيذ.