مع كل هذا “الضجيج”، قد يبدو الذكاء الاصطناعي في بعض الأحيان وكأنه أخبار قديمة، حيث تناقش كل مؤسسة تقريبًا كيفية تأثيره على أعمالها. لكن في الوقت الحالي، الكثير من الحديث لا يتطابق مع الواقع. معظم الشركات لا تريد الاعتراف بذلك، لكنها تظل عالقة في الوضع التجريبي.
في الواقع، وجدت الأبحاث التي أجرتها مبادرة ناندا التابعة لمعهد ماساتشوستس للتكنولوجيا أن 95٪ من البرامج التجريبية للذكاء الاصطناعي تفشل، مما لا يحقق سوى تأثير ضئيل أو معدوم يمكن قياسه. وبدلاً من القفز إلى الأمام، يسعى معظمهم إلى إظهار القيمة، ويفتقرون إلى الثقة اللازمة للابتكار الحقيقي.
نائب الرئيس لاستراتيجية المنتج في Veeam Software.
وفي قلب هذا التحدي تكمن البيانات. إن الحجم الهائل والتعقيد والحساسية لما هو مطلوب للذكاء الاصطناعي يمكن أن يكون مخيفًا وحتى مشلولًا. وهذا أمر مفهوم. إن الوصول إلى البيانات وإدارتها وتأمينها في عالم يعتمد على الذكاء الاصطناعي أمر شاق، وغالبا ما تبدو تدابير المرونة الحالية غير كافية.
يستمر المقال أدناه
ومع ذلك، تظل النظافة الجيدة للبيانات أمرًا ضروريًا، والاستثمار في الرؤية والمرونة منذ البداية هو الطريقة الوحيدة للمضي قدمًا بثقة. وإلا فإنك ستظل عالقًا في الحديث بدلاً من المشي.
إعطاء الذكاء الاصطناعي فحصًا للواقع
مع تركيز الكثير من المحادثات حول الذكاء الاصطناعي على إمكانية تحويل الأعمال، فمن السهل أن ننسى ما يتلخص في كل ذلك: البيانات. الذكاء الاصطناعي التوليدي (GenAI)، ونماذج اللغة الكبيرة (LLMs)، واكتشاف الحالات الشاذة، ونماذج التنبؤ، سمها ما شئت، كلها مبنية على البيانات وتدرب عليها وتنشئها.
وهذا جزء كبير من السبب وراء توقعنا لإنشاء والتقاط ونسخ واستهلاك 181 زيتابايت من البيانات على مستوى العالم هذا العام وحده، أي ثلاثة أضعاف ما فعلناه قبل 5 سنوات. من الصعب تصور مثل هذه الأعداد الكبيرة، ولكن في الأساس، هناك المزيد من البيانات التي كانت المؤسسات مجهزة سابقًا للتعامل معها.
يقوم الذكاء الاصطناعي أيضًا بقلب السيناريو بشأن مقدار البيانات التي يمكن للشركات استخدامها فعليًا. وفقًا لشركة Gartner، فإن 80% من بيانات المؤسسة غير منظمة. قبل الذكاء الاصطناعي، كان هذا يعني أنه كان في الغالب مجرد مكان هناك، وغالبًا ما يحتاج إلى التخزين والحماية، ولكن من المستحيل استخلاص القيمة منه. مع الذكاء الاصطناعي، تغير كل شيء.
وهو ينمو بشكل كبير مع استمرار تطور الذكاء الاصطناعي. لذا، فإن الواقع الحقيقي للذكاء الاصطناعي اليوم هو أن المؤسسات تكافح من أجل الخوض في جبال البيانات المتزايدة لتصنيف ما حصلت عليه بالفعل. أضف برنامجًا تجريبيًا للذكاء الاصطناعي إلى أعلى هذه الكومة وسيصبح من الواضح سبب فشل العديد من الطيارين حاليًا.
لذا، في حين ترغب المؤسسات في القول بأن لديها سياسة محكمة للذكاء الاصطناعي، بالنسبة لمعظمها، تظل تكنولوجيا المعلومات الظلية مشكلة حقيقية للغاية. يؤدي فشل البرامج التجريبية إلى إعاقة تقدم المؤسسات، مما يترك الموظفين لإجراء التجارب في الخلفية باستخدام أدوات الذكاء الاصطناعي غير المصرح بها.
وسيستمر هذا الأمر ما لم تتمكن المؤسسات من الهروب من فجوة البيانات لدفع الابتكار الحقيقي في مجال الذكاء الاصطناعي.
البناء على الأسس الصحيحة
قد يتم الإعلان عن الذكاء الاصطناعي على أنه “عصر جديد”، ولكن صدق أو لا تصدق، يجب بناء هذا “العصر الجديد” على أسس العصر الأخير. بكل بساطة، تظل نظافة البيانات الجيدة نظافة بيانات جيدة، وليست هناك حاجة لشطب تدابير المرونة الحالية لديك.
وهذا يعني الاستمرار في إجراء تقييمات التأثير على جميع بياناتك. لأن الخطوة الأولى لفرز أكوام البيانات المتزايدة باستمرار هي فهم ما لديك. عندها فقط يمكنك تحديد البيانات الأكثر تكاملاً في مؤسستك، والتعامل معها بشكل مناسب.
يعد الحصول على هذه الرؤية أمرًا ضروريًا لضمان مرونة بياناتك مع استمرار نموها. بخلاف ذلك، في حالة وقوع حادث، فلن تعرف ما هي البيانات التي تحتاجها فعليًا للنسخ الاحتياطي والتشغيل، ولن تتمكن من تحديد آخر حالة جيدة معروفة.
لا يمكن أن يكون هذا “واحدًا وتم إنجازه”. لن يتوقف تدفق البيانات في أي وقت قريب، وتحتاج إلى التحكم في كل ذلك. من الأساسي أن تستمر ممارسات مثل توحيد البيانات والتحقق من صحة البيانات وتقييمات التأثير المستمر في منع المؤسسات من الغرق تحت التدفق مرة أخرى.
نأمل أن يكون لدى معظم المؤسسات هذه التدابير مطبقة بالفعل، لذلك لا يتعلق الأمر بإدخال أساليب جديدة تمامًا لإطلاق العنان للذكاء الاصطناعي بقدر ما يتعلق بتوسيع ما لديك بالفعل. إن الحصول على هذه الأسس بشكل صحيح يجب أن يكون الأولوية الأولى.
لأن الحقيقة هي أن الذكاء الاصطناعي يمكن أن يساعدك بالفعل في القيام بهذا العمل الأساسي. يمكنك استخدام الذكاء الاصطناعي لدعم تصنيف البيانات، وتحسين نسب البيانات الخاصة بك، وتعزيز تدابير المرونة لديك. بطريقة ما، يجب أن يكون مشروعك الأول في مجال الذكاء الاصطناعي هو ببساطة الاهتمام ببياناتك. احصل على الذكاء الاصطناعي ليعتني ببياناتك، ومن ثم ستعتني بياناتك بالذكاء الاصطناعي الخاص بك.
يعد إنشاء هذا الشعور بالتحكم في بياناتك أمرًا ضروريًا ليس فقط لبناء الأسس، ولكن لبناء الثقة اللازمة للابتكار حقًا باستخدام الذكاء الاصطناعي، ولتقديم برامج تجريبية تعمل بالفعل.
لا تركض قبل أن تتمكن من المشي
يبدو الأمر واضحًا، لكن الحل بسيط من حيث المبدأ: ابدأ صغيرًا. لا تحتاج إلى اختراع الشيء الكبير التالي؛ كل ما تحتاجه هو إثبات أن مؤسستك يمكنها تقديم الابتكار وزيادة القيمة مع موازنة التحكم.
بدلاً من إعادة اختراع العجلة، ابدأ بمبادرة يمكن التحكم فيها حيث يمكن للذكاء الاصطناعي إضافة قيمة بأمان وإظهار النتائج. وبهذا، لن تتمكن من بناء ثقتك بنفسك فحسب، بل ستثبت أيضًا للمؤسسة الأوسع أن الابتكار أمر ممكن. وبعد ذلك، يمكنك الانتقال إلى تطبيقات أكبر وأكثر تحويلية.
ولكن خلال كل ذلك، استمر في العودة إلى الأساسيات. تأكد من توافق تكلفة الإنشاء والأداء والمرونة لنموذج الذكاء الاصطناعي الخاص بك. وإلا فلن تتمكن من بناء عمليات تجارية حولها دون تعريض مرونتك للخطر.
في كل خطوة، يجب أن تكون قادرًا على شرح العمليات، والثانية التي لا تستطيع ذلك، هي عندما تحتاج إلى إيقافها وإعادتها قبل أن تخرج عن نطاق السيطرة.
يعد البدء صغيرًا أمرًا أساسيًا للتغلب على هذا الخوف من الفشل الذي يعيق العديد من المؤسسات ليس فقط عن تسخير القيمة الحقيقية لبياناتها، ولكن أيضًا عن استخدام الذكاء الاصطناعي لتقديم قيمة أعمال تحويلية حقيقية.
لكننا بحاجة إلى أن نحمل جرعة صغيرة من هذا الخوف طوال العملية للحفاظ على هذا التوازن الحاسم بين السيطرة والابتكار للبقاء صامدين. هذه هي الطريقة التي تتحدث بها أخيرًا وتسير في الطريق عندما يتعلق الأمر بالذكاء الاصطناعي.
لقد أبرزنا أفضل منشئ مواقع الويب بالذكاء الاصطناعي.
تم إنتاج هذه المقالة كجزء من قناة Expert Insights التابعة لـ TechRadarPro حيث نعرض أفضل وألمع العقول في صناعة التكنولوجيا اليوم. الآراء الواردة هنا هي آراء المؤلف وليست بالضرورة آراء TechRadarPro أو Future plc. إذا كنت مهتمًا بالمساهمة، اكتشف المزيد هنا: https://www.techradar.com/news/submit-your-story-to-techradar-pro
التعليقات