لماذا البيانات هي البطل الخفي في استراتيجية الذكاء الاصطناعي

حفلة الذكاء الاصطناعي – من تجارب واختبارات إلى استراتيجية ومقياس مؤسسي

قانون مور ساري المفعول حقًا عندما يتعلق الأمر بالذكاء الاصطناعي. هناك طلب كبير على الذكاء الاصطناعي، وتعتمد كل المؤسسات عليه. كما أن الابتكار يساهم في تعزيز هذا الطلب بفضل ظهور نماذج ووكلاء ذكاء اصطناعي وتقنيات جديدة. هذا يخلق تحولًا أساسيًا للمؤسسات – حيث يتراجع دور الاختبارات والتجارب الرائعة للذكاء الاصطناعي، خاصة الذكاء الاصطناعي التوليدي. وتدرك المؤسسات أن الذكاء الاصطناعي يجب أن يكون جزءًا من استراتيجية المؤسسة لتوسيع نطاقها وخلق تمييز حقيقي في الأعمال. والذكاء الاصطناعي هو موضوع في معظم غرف المجالس، مما يؤدي إلى ابتكارات استراتيجية وميزانيات.

البيانات: الدومينو الأول في استراتيجية الذكاء الاصطناعي

يجب أن تكون البيانات اعتبارًا رئيسيًا في أي استراتيجية للذكاء الاصطناعي. البيانات حاسمة لكي تكون نماذج الذكاء الاصطناعي سياقية وذكية ومتعلقة بالقطاع والمؤسسة. تنبئ نماذج الذكاء الاصطناعي بنتائج بناءً على كيفية ضبط النموذج والمدخلات المقدمة إليه. وتعتمد كلاهما على جودة وتنوع وحداثة وهيكل البيانات.

وفقًا لتقدير أيدك الأخير، من المتوقع أن يزيد الذكاء الاصطناعي من الاقتصاد العالمي بمقدار 20 تريليون دولار تقريبًا بحلول عام 2030، مدفوعًا ليس فقط bằng نماذج ولكن أيضًا bằng استثمارات ضخمة في البيانات والبنية التحتية التي تقدمها.

البيانات التدريبية مع مجموعات فرعية ضيقة تؤدي إلى نماذج متحيزة، والبيانات القديمة تؤدي إلى نتائج غير ذات صلة، والبيانات الضعيفة تؤدي إلى نتائج سيئة للذكاء الاصطناعي. لذلك، البيانات هي الدومينو الأول في استراتيجية البيانات للمؤسسة. حتى مع أفضل الأشخاص وتقنيات متقدمة، إذا سقط دومينو البيانات، تسقط استراتيجية الذكاء الاصطناعي بسرعة.

كما يشير تقرير جارتنر لعام 2024 حول الاتجاهات الرائدة في البيانات والتحليلات، فإن المنظمات التي تتعامل مع الذكاء الاصطناعي تعتمد على البيانات، وسيتمكن القادة من النجاح إذا أقاموا ثقة في بياناتهم وقادوا بها استراتيجيًا.

القرارات الاستراتيجية الرئيسية للبيانات من أجل استراتيجية الذكاء الاصطناعي

هناك 5 اعتبارات رئيسية يجب أن تأخذها أنت ومؤسستك في الاعتبار لتحضير بياناتك لاستراتيجية الذكاء الاصطناعي:

1. إعادة استخدام景ة البيانات – لا تعيد العديد من المؤسسات استخدام إدارة البيانات وحوكمة البيانات وتخزين البيانات والتحليلات للذكاء الاصطناعي. يمكن أن تكون البيانات التي تخدم التقارير والتحليلات الحاسمة أيضًا حاسمة للذكاء الاصطناعي. ومن المهم أن تبدأ بassets البيانات الموجودة بالفعل في المؤسسة. بالطبع، يجب أن يتم تعزيز ذلك بالتدابير الصحيحة لجودة البيانات.

السؤال الرئيسي للطرح – ما هي البيانات التي لدينا في مؤسستنا، وما هي حالتها؟

2. ميتاداتا وخط سير البيانات – للبيانات الموجودة، قد تكون ميتاداتا (بيانات حول البيانات) مهمة بنفس القدر، إن لم تكن أكثر أهمية، للذكاء الاصطناعي. على سبيل المثال، يمكن أن تساعد المصطلحات التجارية المرتبطة بالبيانات في تحديد السياق المناسب لنماذج راغ. عندما يطلب مستخدم حالة مطالبة في مؤسسة تأمين، يمكن استخدام جميع سمات البيانات المرتبطة بحالة المطالبة كسياق لنماذج الذكاء الاصطناعي للاستجابة. كما تساعد خط سير البيانات في فهم تدفق البيانات، مما يساعد نماذج الذكاء الاصطناعي في تحديد مصادر البيانات الموثوقة.

وفقًا لمقال أي ساكا الأخير، حوكمة الذكاء الاصطناعي حاسمة وتتطلب ميتاداتا وخط سير البيانات الصحيحين لتوسيع نطاقها.

السؤال الرئيسي للطرح – هل بياناتنا مصنفة بشكل صحيح مع ميتاداتا تجارية وتقنية؟ هل نجمع خط سير البيانات لفهم كيفية تدفق البيانات من البداية إلى النهاية؟

3. حوكمة البيانات والامتثال – تأكد من أن بياناتك محوكمة ومدارة جيدًا، وأن أي لوائح وسياسات الخصوصية يتم تطبيقها على البيانات. يجب أن ترث استراتيجية الذكاء الاصطناعي هذه الحوكمة واللوائح بدلاً من البدء من الصفر. على سبيل المثال، إذا أراد عميل أن يتم إ匿مة بياناته وفقًا للوائح العاملة، يجب أن يتم تدريب نموذج الذكاء الاصطناعي وعمله على مجموعة بيانات مخفية.

السؤال الرئيسي للطرح – هل لدينا برنامج حوكمة وامتثال للبيانات؟ إذا لم يكن كذلك، ما هي الجوانب الرئيسية التي أحتاج إلى وضعها لاستراتيجية الذكاء الاصطناعي؟

4. معاملة البيانات الرئيسية كالركن الأساسي لاستراتيجية الذكاء الاصطناعي – يجب استخدام البيانات الرئيسية الحاسمة، التي تحتوي على بيانات حول الكيانات الرئيسية في مؤسستك، كقاعدة لاستراتيجية الذكاء الاصطناعي. على سبيل المثال، إذا كانت هناك نظرة شاملة لعملاء، يجب أن تستخدم استراتيجية الذكاء الاصطناعي في مجال العملاء، مثل التنبؤ بخسارة العملاء، هذه البيانات الرئيسية لتجنب أي بيانات مفقودة أو غير كاملة. بالطبع، يمكن أن يتم دمج ذلك مع مزيد من المعلومات من مصادر بيانات محددة.

السؤال الرئيسي للطرح – هل لدي بياناتي الرئيسية المتعلقة بجميع مجالات بياناتي متاحة بشكل كامل ومتصلة ببقية بياناتي؟

5. البيانات وقيمتها – لا يجب معاملة البيانات كمركز تكلفة، بل يجب قياسها من حيث قيمتها، سواء للذكاء الاصطناعي أو للأعمال. هذا يتطلب أن تكون البيانات على جدول أعمال مجلس الإدارة وموضوعات CXO بالإضافة إلى الذكاء الاصطناعي.

السؤال الرئيسي للطرح – هل يفهم مجلس الإدارة وCXO قيمة البيانات للمؤسسة؟ إذا لم يكن كذلك، كيف يمكننا ضمان فهم ذلك، خاصة في سياق استراتيجية الذكاء الاصطناعي في المؤسسة؟

النماذج تذهب وتأتي، لكن البيانات تدوم.

随着 تطور استراتيجية الذكاء الاصطناعي، ستظهر نماذج وابتكارات جديدة. سرعة الابتكار في هذا المجال مذهلة. ومع ذلك، فإن نماذج الذكاء الاصطناعي ستصبح عادية؛ الفارق الحقيقي في مؤسستك ليس النموذج الذي تستخدمه، بل كيف يتم سياقه مع البيانات التي يتم تدريبه وتحسينه وعمله عليها.

إذا كنت تصنع استراتيجية للذكاء الاصطناعي، لا تبدأ بالنماذج. ابدأ بالسؤال: هل لدينا البيانات لدعمها؟