فتح آخر ميل لذكاء الشركات باستخدام الذكاء الاصطناعي الفيدرالي والذكاء على مستوى البيانات

تعتمد الشركات على ذكاء الأعمال على نطاق واسع في الطموح ومتفرقة في التنفيذ. عبر الصناعات، تقوم المنظمات بتجربة التعلم الآلي والنمذجة التوليدية، وتدريب الفرق، وتنفيذ أدوات الذكاء الاصطناعي في سلاسل عمل محدودة. ومع ذلك، فإن عددًا صغيرًا فقط من الشركات تسمح لأنظمة الذكاء الاصطناعي بالتأثير على قرارات تشغيلية حقيقية. العائق الرئيسي ليس أداء النموذج، ولكن الثقة في البيانات التي ت告ي تلك القرارات.

بيانات الشركات متجزئة، وحساسة، وتنظمها مجموعة واسعة من القيود. تعيش الإشارات الحاسمة عبر منصات تحليلية، ونظم تشغيلية، وبيئات منظمة، وبيئات شركاء، وتيار الوقت الحقيقي. لا يمكن نسخ معظم هذه البيانات أو مركзуها دون زيادة المخاطر الأمنية أو انتهاك متطلبات الامتثال. ونتيجة لذلك، تظل العديد من مبادرات الذكاء الاصطناعي محصورة في تجارب، وتحليل، ودراسات حالة، مع تأثير محدود على استراتيجية الأعمال أو القرارات التي تؤثر على الأعمال.

هذا الفجوة بين التجربة والتأثير غالبًا ما يُوصف بأنه آخر ميل لذكاء الشركات. إنه يعكس تحديًا هندسيًا أوسع نطاقًا: تمكين الذكاء الاصطناعي من العمل بأمان عبر جميع بيانات الشركات، وليس فقط الجزء الذي يسهل الوصول إليه.

بيانات الشركات موزعة بالتصميم

تعمل الشركات الحديثة عبر بيئة بيانات معقدة وموزعة. تدعم المستودعات والبحيرات التحليلات والتقارير، في حين تدير الأنظمة التشغيلية المعاملات واللوجستيات والتفاعلات مع العملاء. تولد بيئات الحواف إشارات حساسة للزمن، وتنفذ الأنظمة المنظمة ضوابط صارمة على المعلومات الحساسة. تضيف بيانات الشركاء والبيئات المزيد من التعقيد.

صممت هذه الأنظمة لتلبي متطلبات تشغيلية وتنظيمية وأداء مختلفة. ونتيجة لذلك، يتم توزيع بيانات الشركات بالضرورة وليس بالصدفة. غالبًا ما تُقدم محاولات توحيد جميع البيانات في منصة واحدة إلى تأخير، وازدواجية، وعبء الحوكمة، وتعرض أمني.

النتيجة هي أن أنظمة الذكاء الاصطناعي يتم تدريبها وتقييمها غالبًا على تمثيلات جزئية للواقع الشركي. في حين أن هذه النماذج قد تعمل جيدًا في الإعدادات المسيطرة، فإن فائدتها تقل عندما يتم تطبيقها على قرارات تشغيلية حقيقية تعتمد على مجموعة أوسع من الإشارات.

الثقة تنشأ من الوصول والحوكمة والسيطرة

تتطور الثقة في ذكاء الشركات عندما تثق المنظمات في كيفية الوصول إلى البيانات، وحوكمتها، واستخدامها. يتوقع صناع القرار أن تعكس أنظمة الذكاء الاصطناعي الظروف التشغيلية الحالية، وتحترم متطلبات الأمان والخصوصية، وتعمل في إطار الإطارات الحوكمة المحددة.

في الممارسة، يصعب تحقيق هذه التوقعات عندما يتم تقييد الوصول إلى البيانات إلى مجموعات مركزية أو معالجة. يتم استبعاد السمات الحساسة، والسجلات المنظمة، والإشارات في الوقت الحقيقي، مما يقلل من صلاحية مخرجات الذكاء الاصطناعي. بمرور الوقت، هذا يحد من ثقة المنظمة في التوصيات التي يقدمها الذكاء الاصطناعي.

تؤكد أبحاث المحللين هذا النمط. في حين أن التجربة مع الذكاء الاصطناعي شائعة، غالبًا ما تشير المنظمات إلى استعداد البيانات، ونجوم الحوكمة، وقيود الأمان كأسباب فشل مبادرات الذكاء الاصطناعي في التقدم إلى ما وراء النشر المحدود.

لتصبح أنظمة الذكاء الاصطناعي شريكًا موثوقًا في اتخاذ القرارات الشركية، يجب أن تكون قادرة على التفاعل مع جميع البيانات ذات الصلة تحت السيطرات المناسبة، بدلاً من العمل على مجموعة مقيدة.

الهندسة الموزعة تمكن الذكاء الاصطناعي من الوصول إلى جميع بيانات الشركات

تعالج الهندسة الموزعة هذا التحدي من خلال محاذاة تنفيذ الذكاء الاصطناعي مع طبيعة بيانات الشركات الموزعة. بدلاً من نقل البيانات إلى نظام مركزي، تسمح النهج الموزعة للعمليات الحسابية بالعمل مباشرة عبر البيئات الحالية.

في نموذج موزع، تظل البيانات تحت ملكية وحوكمة محلية. يتم تطبيق السياسات حيث تقع البيانات، وتنفذ سلاسل عمل الذكاء الاصطناعي في المكان. هذا النهج يقلل من حركة البيانات غير الضرورية، ويحافظ على سيادة البيانات، ويمكّن أنظمة الذكاء الاصطناعي من التفاعل مع مجموعة أوسع من إشارات الشركات.

تزداد اعترافات الهندسة الموزعة كاستجابة عملية لقيود أنظمة الذكاء الاصطناعي المركزية. تسلط جارتнер الضوء على التحليلات الموزعة كنمط لتمكين التآزر ومشاركة المعلومات عبر نطاقات البيانات شبه المستقلة، ودعم الحوكمة اللامركزية ومالكية المجال مع الحفاظ على معايير الشركات. تشدد التحليلات الصناعية على أن النهج الموزعة تتوافق مع بيئات البيانات الموزعة، وتحافظ على السيطرة المحلية، والحوكمة، والأمان، في حين تمكين الوصول الأوسع إلى الذكاء الاصطناعي.

يوضح التعلم الموزع هذا المبدأ في العمل من خلال تمكين تدريب النماذج التعاونية عبر مجموعات بيانات متفرقة دون مشاركة البيانات الخام. في حين أنه يمثل تقنية محددة، يظهر كيف يمكن استخلاص الذكاء عبر البيئات مع احترام السيطرات المحلية.

بشكل أوسع، تقوم الهندسة الموزعة بإنشاء أساس لأنظمة الذكاء الاصطناعي للعمل عبر جميع بيانات الشركات، بما في ذلك البيانات التحليلية، والتشغيلية، والمنظمة، والزمنية، دون المساس بالحوكمة.

أمان البيانات على مستوى البيانات يجعل الاتحاد تشغيليًا

يوسع تنفيذ الاتحاد نطاق الذكاء الاصطناعي، في حين يضمن أمان البيانات على مستوى البيانات أن هذا النطاق يظل تحت السيطرة. مع تفاعل أنظمة الذكاء الاصطناعي مع البيانات بشكل مستمر وعبر المجالات، يجب أن تعمل الأمان والحوكمة بدقة تتوافق مع حساسية البيانات.

يفرض أمان البيانات على مستوى البيانات السياسات على مستوى عناصر البيانات الفردية بدلاً من الاعتماد فقط على التحكم على مستوى النظام أو الدور. هذا يسمح لسلاسل عمل الذكاء الاصطناعي بالوصول إلى السمات المسموح بها في حين تظل الحقول الحساسة محمية، حتى داخل نفس مجموعة البيانات.

من خلال دمج الأمان مباشرة في استخدام البيانات، يمكن للمنظمات تطبيق الذكاء الاصطناعي عبر بيئات الحساسية المختلطة في حين تقلل من المخاطر وتحافظ على الامتثال. تشدد أبحاث الصناعة، بما في ذلك تحليل ديلويت لتحديات تبني الذكاء الاصطناعي، على أن الحوكمة يجب أن تعمل بشكل مستمر عبر دورة حياة الذكاء الاصطناعي مع تقدم الأنظمة نحو التأثير على اتخاذ القرارات التشغيلية.

من الرؤية الجزئية إلى الذكاء على مستوى الشركات

تقع وعد ذكاء الشركات في قدرته على دمج جميع البيانات ذات الصلة، وليس فقط ما يسهل الوصول إليه. تمكن الهندسة الموزعة مجتمعة مع أمان البيانات على مستوى البيانات من أنظمة الذكاء الاصطناعي من العمل عبر所有 ممتلكات البيانات للشركات مع الحفاظ على الثقة، والامتثال، والسيطرة.

يسمح هذا النهج للمنظمات بالقيام بما يلي:

• دمج الإشارات التشغيلية والزمنية في سلاسل عمل الذكاء الاصطناعي
• احترام الحدود التنظيمية والتعاقدية
• تقليل التكرار والتعرض الأمني
• الحفاظ على حوكمة متسقة عبر البيئات

مع استمرار تقدم قدرات الذكاء الاصطناعي، ستلعب القرارات الهندسية حول الوصول إلى البيانات والأمان دورًا حاسمًا بشكل متزايد في تحديد النتائج الشركية.

تصميم الذكاء الاصطناعي للشركات كما هي موجودة

ينجح ذكاء الشركات عندما يعكس الواقع التشغيلي. البيانات موزعة، والحوكمة دقيقة، وتوقعات الأمان عالية. تعترف الهندسة الموزعة، والهندسة الموجهة إلى البيانات بهذه الشروط وتوفر مسارًا لذكاء الشركات للتحرك إلى ما وراء التجارب المحدودة.

من خلال تمكين الذكاء الاصطناعي من العمل حيث تعيش البيانات، وفرض السيطرة على مستوى البيانات، يمكن للمنظمات توسيع الذكاء عبر جميع مناظر البيانات الخاصة بهم. هذا التحول يتحول الذكاء الاصطناعي من أداة تحليلية إلى شريك موثوق به في اتخاذ القرارات.

يتم الوصول إلى آخر ميل عندما يمكن للذكاء الاصطناعي التفاعل بأمان ومسؤولية مع جميع بيانات الشركات، حيثما تقع.