كيف تتوقف عن خسارة المال في تجارب الذكاء الاصطناعي: ثلاثة أخطاء وماذا تفعل بدلاً من ذلك

على مدى السنوات القليلة الماضية، كانت الصناعة المالية تتسابق لتطبيق الذكاء الاصطناعي. تتزايد الشركات في شراء النماذج وتوقيع العقود مع البائعين، لكن ذلك يحقق القليل أو نتيجة مخيفة. وفقًا لدراسة صادرة عن معهد ماساتشوستس للتكنولوجيا نشرت العام الماضي، 95% من تجارب الذكاء الاصطناعي في الشركات ليس لها تأثير قابل للقياس على أرباح الشركات.

في الوقت نفسه، إنفاق المال يتصاعد بسرعة، حيث يُقدّر أن العالم أنفق العام الماضي 1.76 تريليون دولار على الذكاء الاصطناعي، ومن المتوقع أن يرتفع هذا الرقم في عام 2026 إلى 2.59 تريليون. لذا يبدو أن الأموال المستثمرة والعائدات تختلف بشكل كبير، وتستمر التكاليف في الارتفاع أساسًا دون جدوى.

مع ذلك، ليست المشكلة أن التقنية ضعيفة. نماذج الذكاء الاصطناعي تصبح أكثر ذكاءً كل عام، لدرجة أن شركة OpenAI قررت إيقاف تطويراتها لتجنب التقدم المفرط. لذا، في هذه الحالة، العيب الحقيقي هو نقص نموذج تشغيلي يمكنه استخدام هذه التقنيات بفعالية.

الوهم في امتلاك تجربة تجريبية

حجم دمج الذكاء الاصطناعي كبير لدرجة أن تقريبًا كل شركة fintech أو شركة مالية تقليدية أطلقت مؤخرًا على الأقل تجربة تجريبية واحدة للذكاء الاصطناعي، مثل روبوت محادثة للعملاء. ولكن بغض النظر عما يطلقون، فإن هذه القصص تنتهي جميعها بنهاية غير سارة إلى حد ما.

كل شيء يبدأ بفريق معين يبني إثبات مفهوم يعمل بشكل جيد تحت ظروف اختبار مُتحكم فيها. ثم، بعد العرض التجريبي، يُعجب الإدارة ويسمح لهم بنشره، لكن في مرحلة ما ينهار المشروع أو يثبت عدم فعاليته. ولكن لماذا؟

بالطبع، ليس كل مشروع داخلي للذكاء الاصطناعي يفشل، لأنه في هذه الحالة لن يبقى أي مهندسي تعلم آلي، وستصبح التقنية عديمة الفائدة. لكنني شاهدت هذه الدورة الفاشلة مرات عديدة لدرجة أنني أعرف جذورها جيدًا. ببساطة، المشكلة تكمن في التجربة التجريبية نفسها، التي رغم أنه يمكن تنفيذها بشكل جيد، لم تُصمم لتتناسب مع طريقة عمل الأعمال فعليًا من يوم إلى آخر.

ونتيجة لذلك، النموذج الذي يعمل بامتياز في عزلة يصطدم بالواقع ويواجه البنية التحتية القديمة أو الموظفين الذين لا يعرفون حتى كيفية التعامل مع التقنية. لكن لا أحد من هذه الحواجز يُحل بواسطة خوارزمية أكثر ذكاءً. جميعها لا يمكن إصلاحها إلا بقرارات إدارية، وهذا ليس من مسؤولية علماء البيانات.

بعض الأخطاء التي من الأفضل تجنبها

قبل أن نرى كيف ندمج الذكاء الاصطناعي بشكل أكثر فعالية في الشركة، دعونا نلقي نظرة على الأخطاء الأخرى التي قد تحدث على طول الطريق.

الخطأ الأول والأهم، كما ذكرنا بشكل غير مباشر، هو التعامل مع الذكاء الاصطناعي كإضافة دون إعادة بناء العمليات. في الواقع، العديد من الشركات تأخذ سير عمل موجود وتدمج أداة ذكاء اصطناعي في خطوة واحدة فقط، دون حتى التفكير فيما إذا كان الذكاء الاصطناعي منطقيًا في تلك العملية.

لذا، كمدير، سأسأل نفسي أولاً: هل كانت هذه العملية ضرورية حتى في شركتكم؟ إذا كان سير العمل غير فعال قبل الأتمتة، سيظل غير فعال بنفس القدر بعد ذلك. وقد يزداد سوءًا، لأن الذكاء الاصطناعي يمكنه تذكر الأنماط السلبية وتكرارها.

الخطأ التالي يحدث عندما يقلل المديرون من عبء الامتثال والحكم. تواجه الخدمات المالية بعض أقوى الضغوط التنظيمية في أي صناعة، وعلى سبيل المثال، لا يمكنك أتمتة كامل قسم الامتثال باستخدام الذكاء الاصطناعي. وينطبق نفس الأمر على تقديم الخدمات المباشرة وإدارة المحافظ. يبدو ذلك كحقيقة عامة، لكنكم ستتفاجؤون بكمية المؤسسين الذين يخطئون.

وأخيرًا وليس آخرًا، كثيرًا ما تنسى الشركات تدريب موظفيها على تنفيذ الذكاء الاصطناعي. عندما تتولى التقنية روتين الموظفين، يكون الدافع الأول غالبًا تقليل عدد الموظفين، لأن العديد من المهام يمكن إنجازها بسرعة أكبر بوجود عدد أقل من الأشخاص. رغم أنها ستخفض نفقاتكم على المدى القريب، إلا أنها نظرة قصيرة الأمد جدًا.

إذا كنتم تسعون إلى قيمة حقيقية، اسألوا أنفسكم سؤالًا مختلفًا. ما هي الأعمال ذات المستوى الأعلى التي يمكن لموظفينا القيام بها الآن بعد أن تحرروا من الروتين؟ هل هم مستعدون لذلك بمهاراتهم الحالية وتحفيزهم؟

ما الذي يجب البدء به يوم الاثنين لزيادة الكفاءة

كخطوة أولى، قم بتدقيق تجارب الذكاء الاصطناعي المعلقة. أي، لا تقدم أفكارًا جديدة حتى تتعامل بشكل صحيح مع القديمة. في 90% من الحالات، تكون المشكلة هي نقص المسؤولية، أي عدم وجود شخص واضح يتحمل مسؤولية توسيعها. لذا عيّن مالكًا.

إذا كان هناك شخص يمتلك بالفعل التحكم في الذكاء الاصطناعي، فإن الخطوة التالية هي مراجعة العملية وإعادة بنائها بالكامل. لا تقتصر على إضافة الذكاء الاصطناعي إلى سير العمل الحالي. نصيحتي هي أن تسأل بدلاً من ذلك كيف سيبدو هذا العملية إذا كنا نصممها اليوم من الصفر، مع العلم أن الذكاء الاصطناعي يمكنه إجراء التحليل الأولي. غالبًا ما يكون الجواب أبسط بكثير مما يبدو.

كما لا تنس حساب الأرقام الحقيقية التي يجلبها نموذج الذكاء الاصطناعي. إذا، بعد ستة أشهر من الإطلاق، لم تتمكن من تحديد أرقام حول فعالية نموذجك (مثل عدد الساعات التي تم توفيرها أو زيادة الأرباح)، فإن ذلك يعني أنه لا يعمل كما ينبغي، لذا من الأفضل إعادة تقييم قيمته.

وربما الأهم من ذلك، لا تطرد الأشخاص، خاصةً المسؤولين والذين كانوا دائمًا يؤدون عملهم بأمانة. إذا جلب الأشخاص المزيد من المال للشركة مقارنةً بما يكسبونه في سنة واحدة، فإن الطرد سيصبح مشكلة لك قريبًا. والشركات التي لا تفهم ذلك تفقد معرفتها المؤسسية وثقة الفريق، مما يكلفها أكثر بكثير.

مجتمعةً، لا تحقق 95٪ من التجارب النتائج المرجوة، وليس ذلك لأن التكنولوجيا قد فشلت. لا ينجحون لأن المنظمة المحيطة بهم ظلت كما هي وقديمة. هذا هو المتغير الوحيد الذي يجب تغييره أولاً.