لماذا يتوقف GenAI بدون حوكمة قوية

تتعثر الشركات مع تحويل مشاريع Generative AI من التجربة إلى الإنتاج – لا تزال العديد من الشركات عالقة في وضع التجربة. كما يشير بحثنا الأخير، 92% من المنظمات قلقون من أن مشاريع GenAI تتسارع بدون معالجة القضايا الأساسية للبيانات أولاً. حتى أكثر إظهارًا: 67% لم يتمكنوا من توسيع نصف مشاريعهم التجريبية إلى الإنتاج. هذا الفجوة في الإنتاج أقل حول النضج التكنولوجي وأكثر حول جاهزية البيانات الأساسية. يتمثل إمكانية GenAI في قوة الأرض التي تقف عليها. واليوم، لمعظم المنظمات، هذه الأرض غير مستقرة على أفضل تقدير.

لماذا يتوقف GenAI في وضع التجربة

على الرغم من أن حلول GenAI بالتأكيد قوية، فإنها فعالة فقط مثل البيانات التي تغذيها. القاعدة القديمة “النفايات داخل، النفايات خارج” صحيحة اليوم أكثر من أي وقت مضى. بدون بيانات موثوقة و كاملة و مخولة و قابلة للشرح، فإن نماذج GenAI غالبًا ما تنتج نتائج غير دقيقة أو متحيزة أو غير مناسبة للغرض.

لسوء الحظ، تعجلت المنظمات في نشر استخدامات منخفضة الجهد، مثل المحادثات التي تعمل بالذكاء الاصطناعي وتقدم إجابات مخصصة من وثائق داخلية مختلفة. و虽然 هذه تحسن تجارب العملاء إلى حد ما، إلا أنها لا تتطلب تغييرات جذرية في بنية بيانات الشركة. ولكن لتوسيع GenAI بشكل استراتيجي، سواء في الرعاية الصحية أو الخدمات المالية أو تقليل سلسلة التوريد، يتطلب مستوىً آخر من نضج البيانات.

في الواقع، 56% من مسؤولي البيانات يعتبرون موثوقية البيانات عائقًا رئيسيًا لتنفيذ الذكاء الاصطناعي. هناك مشاكل أخرى، مثل بيانات غير كاملة (53%)، قضايا الخصوصية (50%)، وفجوات حوكمة أكبر في الذكاء الاصطناعي (36%)。

لا حوكمة، لا GenAI

لتحويل GenAI إلى ما وراء مرحلة التجربة، يجب على الشركات معاملة حوكمة البيانات كأمر استراتيجي لاعمالها. يجب عليهم ضمان أن تكون البيانات قادرة على تشغيل نماذج الذكاء الاصطناعي، ولذلك يجب معالجة الأسئلة التالية:

• هل البيانات المستخدمة لتدريب النموذج تأتي من الأنظمة الصحيحة؟
• هل أزلنا المعلومات المتعلقة بالهوية الشخصية واتبنا جميع لوائح البيانات والخصوصية؟
• هل نحن شفافون، ونستطيع إثبات أصل البيانات التي يستخدمها النموذج؟
• هل يمكننا توثيق عملياتنا البيانية وكونها جاهزة لإظهار أن البيانات لا تحتوي على أي تحيز؟

تحتاج حوكمة البيانات أيضًا إلى أن تكون متأصلة في ثقافة المنظمة. لتحقيق ذلك، يتطلب بناء أدبيات الذكاء الاصطناعي عبر جميع الفرق. قانون الذكاء الاصطناعي في الاتحاد الأوروبي يُحدد هذه المسؤولية، ويطالب مقدمي أنظمة الذكاء الاصطناعي ومستخدميها ببذل أفضل الجهود لضمان أن يكون موظفوهم على دراية كافية بالذكاء الاصطناعي، ويتأكدون من فهم كيفية عمل هذه الأنظمة واستخدامها بشكل مسؤول. ومع ذلك، يتجاوز تبني الذكاء الاصطناعي الفعال ما وراء المعرفة الفنية. إنه يتطلب أيضًا أساسًا قويًا في مهارات البيانات، من فهم حوكمة البيانات إلى صياغة الأسئلة التحليلية. معاملة أدبيات الذكاء الاصطناعي بشكل منفصل عن أدبيات البيانات سيكون قصير النظر، بالنظر إلى مدى ارتباطهما الوثيق.

فيما يتعلق بحوكمة البيانات، لا يزال هناك عمل قائم. بين الشركات التي تريد زيادة استثماراتها في إدارة البيانات، 47% يتفقون على أن نقص أدبيات البيانات هو عائق رئيسي. هذا يسلط الضوء على الحاجة إلى بناء الدعم العلوي وتطوير المهارات المناسبة عبر المنظمة هو أمر بالغ الأهمية. بدون هذه الأسس، حتى النماذج الأكثر قوة سوف تواجه صعوبات في تقديم النتائج.

تطوير الذكاء الاصطناعي الذي يجب أن يكون مسؤولا

في البيئة التنظيمية الحالية، لم يعد كافياً للذكاء الاصطناعي “أن يعمل فقط”، بل يجب أن يكون أيضًا مسؤولاً ومُفسرًا. قانون الذكاء الاصطناعي في الاتحاد الأوروبي وخطط العمل المقترحة في المملكة المتحدة للمسؤولية في استخدامات الذكاء الاصطناعي عالية المخاطر يتطلب الشفافية. ويتابع آخرون هذه الخطوة، وأكثر من 1000 مشروع قانون متعلق بالسياسات على جدول الأعمال في 69 دولة.

هذا الاتجاه العالمي نحو المسؤولية هو نتيجة مباشرة لزيادة الطلب من المستهلكين والمشتركين على العدالة في الخوارزميات. على سبيل المثال، يجب على المنظمات أن تكون قادرة على قول الأسباب التي تم رفضها لتقديم قروض أو فرض أسعار تأمين أعلى. للقيام بذلك، يجب أن يعرفوا كيف اتخذ النموذج ذلك القرار، وهذا بدوره يعتمد على وجود سجل واضح وقابل للتدقيق للبيانات المستخدمة في تدريبه.

إذا لم تكن هناك قابلية للشرح، فإن الأعمال تخاطر بفقدان ثقة العملاء، بالإضافة إلى مواجهة العواقب المالية والقانونية. وبالتالي، فإن تتبع أصل البيانات وتصحيح النتائج ليس أمرًا “يفضل القيام به”، بل هو شرط مطابق.

وكما يتوسع GenAI إلى ما وراء أدوات بسيطة ليعمل كوكلاء كاملين يمكنهم اتخاذ القرارات والعمل عليها، ترتفع المخاطر المتعلقة بحوكمة البيانات إلى مستويات أعلى.

خطوات بناء الذكاء الاصطناعي الموثوق

ماذا يبدو الجيد؟ لتوسيع GenAI بشكل مسؤول، يجب على المنظمات النظر في تبني استراتيجية بيانات واحدة عبر ثلاثة ركائز:

• تكييف الذكاء الاصطناعي مع الأعمال: قم بفهرسة بياناتك حول الأهداف التجارية الرئيسية، وضمان أنها تعكس السياق والتحديات والفرص الفريدة الخاصة بأعمالك.
• تأسيس الثقة في الذكاء الاصطناعي: قم بوضع سياسات ومعايير وعمليات للامتثال والرقابة على نشر الذكاء الاصطناعي بشكل أخلاقي ومسؤول.
• بناء خطوط أنابيب بيانات جاهزة للذكاء الاصطناعي: قم بدمج مصادر بياناتك المتنوعة في قاعدة بيانات قوية للخبز الجيد في الذكاء الاصطناعي مع اتصال مسبق بالذكاء الاصطناعي.

عندما تفعل المنظمات ذلك بشكل صحيح، تعزز الحوكمة قيمة الذكاء الاصطناعي. على سبيل المثال، في الخدمات المالية، تستخدم الصندوق المتداول الذكاء الاصطناعي لتجاوز تحليلات البشر في توقع أسعار الأسهم مع تقليل التكاليف بشكل كبير. في التصنيع، يتيح تحسين سلسلة التوريد بواسطة الذكاء الاصطناعي للمنظمات الاستجابة في الوقت الفعلي للتغيرات الجيوسياسية والضغوط البيئية.

وهذه ليست أفكار مستقبلية فقط، بل تحدث الآن، مدفوعة بالبيانات الموثوقة.

مع أسس بيانات قوية، تقلل الشركات من انحراف النموذج، وتحد من دورات إعادة التدريب، وتزيد من سرعة القيمة. لذلك، الحوكمة ليست عائقًا، بل هي مُحفز للابتكار.

ماذا بعد؟

بعد التجربة، تتحرك المنظمات إلى ما وراء النماذج الأولية وتستثمر في القدرات التحويلية. من تخصيص تفاعلات العملاء إلى تسريع البحث الطبي، تحسين الصحة النفسية وتبسيط العمليات التنظيمية، يبدأ GenAI في إظهار إمكانياته عبر الصناعات.

然而، تعتمد هذه المكاسب بالكامل على البيانات التي تؤسسها. يبدأ GenAI ببناء أساس قوي للبيانات، من خلال حوكمة بيانات قوية. و虽然 سيتطور GenAI والذكاء الاصطناعي العامل، إلا أنه لن يُستبدل بالإشراف البشري قريباً. بدلاً من ذلك، ندخل مرحلة من خلق القيمة المنظمة، حيث يصبح الذكاء الاصطناعي شريكًا موثوقًا. مع الاستثمارات الصحيحة في جودة البيانات والحوكمة والثقافة، يمكن للشركات أخيرًا تحويل GenAI من تجربة واعدة إلى شيء يأخذ حقًا طيرانه.