يعمل الذكاء الاصطناعي (AI) على إعادة تشكيل كيفية عمل الشركات. هناك الآن العديد من الفرص لتبسيط العمل والتحكم في التكاليف واتخاذ قرارات مستنيرة. ومع ذلك، تظهر الأبحاث الجديدة التي أجرتها حكومة المملكة المتحدة وجود فجوة واضحة.
يزعم المزيد من المؤسسات أنها تستخدم الذكاء الاصطناعي، لكن نصفها فقط يشعر بالاستعداد لتوسيع نطاقه، مع الإشارة إلى التكلفة وتعقيد البيانات باعتبارها بعض العوائق الرئيسية. ونتيجة لذلك، فإن العديد من مشاريع الذكاء الاصطناعي لا تتجاوز المرحلة التجريبية أبدًا وتفشل في تحقيق التأثير عبر المؤسسة.
يستمر المقال أدناه
مدير أول للذكاء الاصطناعي/تعلم الآلة في Teradata.
العوائق الشائعة أمام توسيع نطاق الذكاء الاصطناعي
من خلال تجربتي، غالبًا ما تواجه الشركات التي تسعى إلى تحقيق الذكاء الاصطناعي على نطاق واسع ثلاثة تحديات رئيسية. الأول هو جاهزية البيانات والثقة. يمكن أن يؤدي ضعف جودة البيانات والنسب غير الواضح والوصول المجزأ إلى إبطاء التقدم وتقويض الثقة في مخرجات الذكاء الاصطناعي. وبدون بيانات موثوقة، حتى النماذج القوية من الناحية الفنية لا يمكنها تقديم نتائج متسقة.
التحدي الثاني هو زحف التكلفة وانتشار الأدوات. وهذا يعني أن تشغيل نماذج ووكلاء متعددين يمكن أن يؤدي إلى تصعيد نفقات الترخيص والتكامل السحابي. وبدون ضوابط، يمكن أن تصبح مبادرات الذكاء الاصطناعي غير مستدامة، مما يحد من القدرة على التوسع إلى ما بعد المرحلة التجريبية.
وأخيرا، التحدي الثالث هو الموثوقية والمخاطر. يمكن أن يؤدي الأمن والامتثال والمخرجات أو الإجراءات غير الآمنة إلى عرقلة عملية التبني وجعل المؤسسات مترددة في الاعتماد على الذكاء الاصطناعي على نطاق واسع.
خريطة طريق عملية لتوسيع نطاق الذكاء الاصطناعي
على هذه الخلفية، تحتاج الشركات إلى طريقة واضحة للانتقال من التجارب إلى التأثير الحقيقي. هناك بعض الطرق العملية التي يمكن للشركات أن تأخذها في الاعتبار والتي من شأنها أن تساعدها على الانتقال من الطيارين الواعدين إلى قدرات الذكاء الاصطناعي التي يمكن الاعتماد عليها على مستوى المؤسسة. تنطبق نفس المبادئ سواء كنت تنشر نماذج تقليدية أو تبني أنظمة ذكاء اصطناعي أكثر فاعلية.
على سبيل المثال، يجب أن تبدأ باختيار عملية يمكن للذكاء الاصطناعي أن يحدث فيها فرقًا ملموسًا، مثل تلخيص خدمة العملاء أو التنبؤ بالطلب، وتحديد كيفية قياس النجاح مقدمًا. ومن هناك، يمكنك تتبع المقاييس مثل الدقة ومعدل الدقة ووقت الدورة والتكلفة لكل معاملة. وهذا يضمن لك التركيز على التأثير الحقيقي للأعمال ويجعل من السهل إظهار القيمة أثناء التوسع.
للمضي قدمًا، من المهم أن نتذكر أن الذكاء الاصطناعي لا يمكنه التوسع إلا إذا كان لديه أساس بيانات قوي. ولتحقيق ذلك، يجب عليك التأكد من أن بياناتك عالية الجودة، ومُدارة بشكل جيد، ولها ملكية واضحة. قم بتحديد الأذونات المستندة إلى الأدوار، وعناصر تحكم PII، والمصادر المعتمدة حتى تتمكن فرقك من العمل بثقة.
يساعد استخدام الطبقة الدلالية أو منتجات البيانات المنظمة على تقليل التعقيد ويوفر ميزات متسقة وأصول معرفية لكل شخص يقوم ببناء النماذج أو استخدامها. ولذلك، فإن تحديد أولويات البيانات الموثوقة سيمنع الأخطاء ويدعم النتائج القابلة للتكرار عبر الأعمال. بالنسبة للذكاء الاصطناعي الوكيل، فإن أساس البيانات الموثوق به هو ما يسمح للأنظمة بالاستفادة من السياق ذي الصلة ومعرفة المجال عند اتخاذ القرارات واتخاذ الإجراءات.
والآن بعد أن تم تحديد دور البيانات الموثوقة في النشر الناجح للذكاء الاصطناعي، فإن الخطوة التالية هي التعامل مع الذكاء الاصطناعي مثل أي نظام أعمال مهم آخر. وهذا يعني تطبيق ممارسات التكامل المستمر والتسليم/النشر المستمر (CI/CD) للنماذج والمطالبات وتدفقات التنسيق بحيث تكون التحديثات قابلة للتنبؤ بها وقابلة للتكرار.
علاوة على ذلك، من الضروري أتمتة الاختبار للتحقق من الدقة والمتانة ومراقبة الأداء المباشر لمعرفة معدل النجاح ووقت الاستجابة والتكلفة. ناهيك عن أن الممارسات التشغيلية، مثل مراقبة الانحراف والشذوذات والاحتفاظ بسجل مُصدر بالموافقات والبيانات الوصفية، ستضمن تقديم الذكاء الاصطناعي بشكل موثوق في الإنتاج.
إعطاء الأولوية لمتطلبات إقامة البيانات والتشفير
في هذه المرحلة، يجب عليك الآن إعطاء الأولوية لفرض متطلبات إقامة البيانات وتشفيرها، وإدارة الوصول إلى واجهة برمجة التطبيقات (API)، وتطبيق عوامل تصفية المحتوى أو عمليات فحص السياسات لحالات الاستخدام عالية المخاطر.
ويعني هذا أيضًا تسجيل المدخلات والمخرجات والإجراءات بمعرفات يمكن تتبعها لأغراض التدقيق، واستخدام الإشراف البشري عندما تكون المخاطر عالية. بفضل حواجز الحماية الواضحة، يمكن للمؤسسة حماية نفسها مع السماح للذكاء الاصطناعي بالتوسع بثقة عبر وحدات الأعمال.
وبناءً على ذلك، يجب على المؤسسات التركيز على تطوير عناصر قابلة للتكرار مثل وحدات خطوط الأنابيب وقدرات الوكيل وأدوات التقييم وأنماط النشر. يتيح ذلك للفرق طرح حالات الاستخدام الجديدة بسرعة أكبر مع الحفاظ على الموثوقية.
استخدم أيضًا منصة مركزية للتنسيق والمراقبة وإدارة الميزات ومراقبة التكاليف. من الضروري إنشاء أدلة التشغيل وإرشادات التشغيل لمنح الفرق الجديدة مسارًا مباشرًا لمتابعة العمليات بأمان وفعالية. تمكن هذه الطريقة الذكاء الاصطناعي من التوسع عبر المؤسسة بطريقة يمكن التحكم فيها ويمكن التنبؤ بها.
وأخيرًا، لتجميع كل ذلك معًا، تحتاج المؤسسات إلى توسيع نطاق اعتماد الذكاء الاصطناعي في جميع أنحاء الأعمال وتتبع تأثيره من خلال مؤشرات أداء رئيسية واضحة. يساعد قياس التحسينات في مجالات مثل التكلفة والإيرادات وتجربة العملاء على إظهار قيمته الحقيقية، وتحويل الذكاء الاصطناعي إلى محرك قابل للقياس للنمو والكفاءة.
يوفر اتباع هذا النهج مسارًا أكثر تنظيمًا من النطاق التجريبي إلى نطاق المؤسسة. إنه يضمن أن الذكاء الاصطناعي يمكن التنبؤ به وقابل للتكرار وقادر على تقديم قيمة أعمال قابلة للقياس عبر الفرق والعمليات.
تحويل الحواجز إلى نجاح ذكاء اصطناعي قابل للتطوير
ومن خلال معالجة العقبات الرئيسية أولاً، تنشئ الشركات أساسًا يمكن للذكاء الاصطناعي أن ينمو فيه بشكل موثوق. تعمل البيانات الموحدة والمحكومة على بناء الثقة، بينما تقوم ممارسات MLOps وحواجز الحماية بإدارة المخاطر وإبقاء التكاليف تحت السيطرة.
تتيح المكونات القابلة لإعادة الاستخدام والمنصات المركزية إمكانية توسيع اعتماد الذكاء الاصطناعي عبر الفرق وسير العمل دون البدء من الصفر. يحول هذا النهج الطيارين الأفراد إلى قدرات متسقة وقابلة للتكرار توفر نتائج قابلة للقياس.
إن النجاح في توسيع نطاق الذكاء الاصطناعي ليس مجرد إنجاز تقني؛ إنها فرصة استراتيجية. تضع المؤسسات التي تتبع خريطة الطريق هذه نفسها في وضع قوي لتسريع اعتمادها وزيادة الكفاءة التشغيلية وجعل الذكاء الاصطناعي الوكيل جزءًا لا يتجزأ من الأعمال اليومية ويمكن الاعتماد عليه.
لقد قمنا بتصنيف أفضل أدوات إدارة تكنولوجيا المعلومات.
التعليقات