كابجيميني تستكشف أسباب فشل نماذج إثبات المفهوم الخاصة بالذكاء الاصطناعي التوليدي في تحقيق النجاح.

تكشف الأبحاث الحديثة التي أجرتها Capgemini عن تحدٍ كبير يواجه جميع القطاعات: تحويل نماذج إثبات مفهوم الذكاء الاصطناعي إلى حلول إنتاجية فعلية. وفقًا لستيف جونز، نائب رئيس الأعمال القائمة على البيانات والذكاء الاصطناعي التوليدي في Capgemini، يعود هذا التأخير إلى مشكلات مثل الحدود الرقمية، والموظفين الرقميين، وبيانات الجودة الضعيفة.

وأكد جونز، "لقد أصبحنا متعودين جداً على البيانات السيئة. الخرافة الأكثر انتشارًا في تكنولوجيا المعلومات هي الاعتقاد بأننا سنقوم بإصلاح مشكلات البيانات في نظام المصدر. هذه فكرة مضللة تتداولها المنظمات باستمرار."

وصف البيانات بأنها تشبه النفط، مشيرًا إلى أنه مثلما يحتاج النفط إلى تكرير ليكون قابلاً للاستخدام، يجب أيضًا تنظيف البيانات وتنظيمها لتكون فعّالة. مع توقعات بأن 50% من القرارات التجارية ستعتمد على الذكاء الاصطناعي بحلول 2030، خاصة في سلاسل الإمداد المستقلة، فإن المخاطر المرتبطة بالبيانات غير الموثوقة كبيرة جداً.

قال جونز: "يجب ألا تنتظر الموظفون الرقميون للوصول إلى بيانات نظيفة لاتخاذ القرارات؛ فهذا أمر غير عملي من الناحية التشغيلية." وأضاف: "في سيناريوهات مثل المركبات المستقلة أو المستودعات، فإن البيانات غير المدارة بشكل جيد غير مقبولة ببساطة. يجب على المنظمات تطوير إطار عمل لإدارة موظفيها البشريين وأيضًا الذكاء الاصطناعي الذي يعمل ضمن فرقهم."

كما أشار جونز إلى أن النماذج اللغوية الكبيرة قد تؤدي أداءً ضعيفًا إذا كانت تفتقر إلى الوصول إلى بيانات تشغيلية دقيقة. ولسوء الحظ، كانت الشركات تاريخيًا تخلق فجوة بين عملياتها التشغيلية واستراتيجيات إدارة البيانات.

معالجة تحديات تبني الذكاء الاصطناعي

لسد هذه الفجوة، تحتاج المنظمات إلى نموذج تشغيل رقمي قوي. يتضمن ذلك تحديد المشكلات التي يسعون لحلها رقميًا بوضوح، وتحديد مجموعات البيانات المناسبة لعملية اتخاذ القرار، وتحديد ما يجب أن يؤثر عليه الذكاء الاصطناعي وما لا ينبغي عليه.

وأوضح جونز، "إذا قمت بإطلاق ذكاء اصطناعي قوي لتقليل بصمة الكربون لشركة بدون حدود، فقد يقترح توقف العمليات الأساسية للشركة تمامًا، وهو ما لا يعد استراتيجية قابلة للتطبيق." وأضاف: "المفتاح هو ضمان أن يعمل الذكاء الاصطناعي ضمن حدود محددة مسبقًا تتماشى مع أهداف الأعمال."

لن تستفيد المنظمات من نظام ذكاء اصطناعي موحد يحكم جميع العمليات بسبب المخاطر العالية المعنية. يجب أن تكون حلول الذكاء الاصطناعي مخصصة لوظائف معينة. على سبيل المثال، ستعمل روبوتات جمع الديون تحت مجموعة من اللوائح المختلفة مقارنة بروبوتات مستشار المبيعات. تعاني العديد من المنظمات من الانتقال من نماذج إثبات المفهوم لأنها تتجاهل أهمية التعامل مع الذكاء الاصطناعي من منظور إدارة الأعمال، وتأمل فقط في وجود تقنية تحل جميع مشاكلها.

قال جونز: "نتمسك بفكرة أن التكنولوجيا وحدها ستعالج مشكلاتنا، لكن التبني الحقيقي يتطلب تفاعل الأشخاص مع هذه التكنولوجيا." لتحقيق تكامل فعال للذكاء الاصطناعي، يجب أن تحدد الشركات نماذج مفصلة لإدارة المخاطر التشغيلية وامتثال الأمن السيبراني مع ضمان المساءلة.

على سبيل المثال، يمكن أن يتعاون روبوت مستشار المبيعات مع عدة روبوتات فرعية، لكل منها مجموعتها الخاصة من القواعد. يمكن أن تسهم جهودهم المشتركة في تحقيق نتائج تجارية كبيرة، لكن منطقة العمليات غير الواضحة تزيد من المخاطر.

قال جونز: "يسمح التحكم الفعال والمساءلة بأتمتة العمليات التي كانت غير قابلة للإدارة سابقًا. يتطلب ذلك تركيزًا على تحسين نماذج الأعمال بدلاً من مجرد إدخال الذكاء الاصطناعي في سير العمل الحالي."

التركيز على التغيير التنظيمي لتوسيع نطاق الذكاء الاصطناعي

أكد جونز: "يجب أن نعطي الأولوية للتغيير التنظيمي على التطورات التكنولوجية. بينما تتطور التكنولوجيا بسرعة في وادي السيليكون، التحدي الرئيسي هو اعتماد الأعمال وتكييف النماذج."

لتحقيق النجاح، يجب أن تكون بنية الذكاء الاصطناعي مختلفة تمامًا. ينبغي أن تكون البيانات متاحة بسهولة للموظفين الرقميين، بدلاً من أن تُركن في الواجهة الخلفية للتطبيقات حيث تحدث المعاملات.

اختتم جونز بقوله: "تعود نسبة التحول المنخفضة من إثبات المفهوم إلى التبني الكامل للذكاء الاصطناعي إلى عدم كفاءة استراتيجيات البيانات الحالية. يتطلب الموظفون الرقميون نموذجًا تشغيليًا محددًا جيدًا، وغالبية المنظمات غير مستعدة لهذا التحول. من الضروري لقادة الأعمال - الذين قد لا يفهمون التكنولوجيا بشكل كامل - احتضان الذكاء الاصطناعي لضمان نجاحهم والتكيف مع عالم يؤثر فيه الذكاء الاصطناعي بشكل كبير على اتخاذ القرار."