قيادة تجارب العملاء الأكثر ذكاءً باستخدام الذكاء الاصطناعي والتعلم الآلي
يُظهر الذكاء الاصطناعي (AI) قدرته على تحفيز النمو في كل من الشركات المحلية الرقمية وغير الرقمية. وفقًا لشركة Deloitte، تستخدم الشركات عبر القطاعات الذكاء الاصطناعي لخلق قيمة تجارية. من تبسيط تحليلات البيانات إلى تحسين تجارب العملاء، يقدم الذكاء الاصطناعي العديد من الفوائد للشركات.
عندما يتم دمج الذكاء الاصطناعي في المنتج الأساسي للمؤسسة أو الخدمة والعمليات التجارية، يكون ذلك مفيدًا للغاية.
على الرغم من الشعبية المتزايدة للذكاء الاصطناعي، لا تزال العديد من الشركات تجد صعوبة في استخدام الذكاء الاصطناعي والتعلم الآلي على نطاق أوسع.
في حلقة نقاش خلال المؤتمر الافتراضي لـ VentureBeat’s Transform 2022، كريس داغوستينو ، كبير موظفي التكنولوجيا في المجال العالمي لشركة Databricks ، باتريك باجينسكي ، المدير الأول لعلوم البيانات وتحليلات البيانات في ماكدونالدز، وإيرول كولميستر ، مستشار الذكاء الاصطناعي والبيانات في The AI Framework ، ناقشوا كيف تستخدم شركاتهم الذكاء الاصطناعي والتعلم الآلي لخلق تجارب عملاء أكثر ذكاءً.
تطبيق الذكاء الاصطناعي والتعلم الآلي على نطاق أوسع
هناك اهتمام متزايد بالذكاء الاصطناعي، ومجالاته الفرعية، والتخصصات المرتبطة به مثل التعلم الآلي (ML) وعلوم البيانات نتيجة لكيفية تحويل الذكاء الاصطناعي لكل صناعة ووظائف تجارية.
وفقًا لاستطلاع أجرته شركة McKinsey مؤخرًا، تستخدم 56٪ من المؤسسات الذكاء الاصطناعي في وظيفة عمل واحدة على الأقل.
سواء كان ذلك كشركة رقمية أو غير رقمية، قال باجينسكي إنه من المهم التفكير دائمًا في السطر الأول أولاً حول القيمة التي يمكن تقديمها من مشاريع الذكاء الاصطناعي والتعلم الآلي.
وفقًا لـ Koolmeister، أظهر تقييم أجراه معهد ماساتشوستس للتكنولوجيا Sloan لعام 2019 كيف واجهت الشركات صعوبة لأنها استمرت في محاولة بدء أعمالها، مشيرًا إلى أن عائد الاستثمار من الذكاء الاصطناعي كان ضئيلًا.
كما استشهد Koolmeister بدراسة حديثة أجراها Thomas Davenport وNewVantage Partners والتي تظهر أن السوق قد تغير – 26 ٪ من أكبر الشركات في العالم لديها الذكاء الاصطناعي في الإنتاج على نطاق واسع بينما يستثمر 92 ٪ منها حاليًا في التكنولوجيا.
قال Koolmeister: “أعتقد أن معظم الشركات تبذل نوعًا من الجهد في التطبيق الفعلي للذكاء الاصطناعي في مؤسساتها”.
“هناك بعض الأشياء المميزة الواضحة، أحدها هو بناء القدرات الداخلية من أجل التمكن من تقديم مؤسسات الذكاء الاصطناعي الكبيرة.
لا يمكنك البدء بمنظمة لا مركزية، فأنت بحاجة إلى بناء زخم مركزي. أولاً، تحتاج إلى بناء حالات الاستخدام الأولى ثم زيادة النضج أثناء طرح الأشياء في المؤسسة.
لذلك يجب تعلمها من حيث القيمة وهناك حاجة إلى وجود نقاط إثبات واضحة في وقت مبكر لتعديل أو تحفيز مستويات الاستثمار المطلوبة لتحويل المؤسسات القديمة الكبيرة “.
مزالق محاولة إنشاء بيئة قوية للذكاء الاصطناعي / تعلم الآلة
يتسم الذكاء الاصطناعي اليوم بأنه مركزي إلى حد كبير ويمكن أن يمتلكه كيان واحد فقط.
هذه عقبة كبيرة أمام الذكاء الاصطناعي، وفقًا لباجينسكي، الذي أشار إلى أن الشركات تبني أفضل الممارسات وإجراءات التشغيل القياسية والأنظمة الأساسية المشتركة لـ 80٪ من العمل الذي يقوم به المحللون وعلماء البيانات ومهندسو البيانات.
ومع ذلك، أكد أنه ينبغي النظر إلى مثل هذه الأنشطة على أنها مسعى جماعي يعزز التنمية الملحوظة.
قال باجينسكي: “أعتقد أن أحد أكبر التحديات هو فرض المركزية”.
“أعتقد أن هناك سببًا للقول إنك تؤسس أفضل الممارسات والأنظمة الأساسية المشتركة والعمليات المشتركة لـ 80٪ من العمل الذي يقوم به محلل أو عالم بيانات أو مهندس بيانات، لكنك تحتاج حقًا إلى رؤية هذا على أنه أكثر كجهد مجتمعي ونجاحك في بناء هذه الإرشادات يعتمد على الشركة ووحدات الأعمال التي تتبناها.
لذا فإن فرض المركزية عادة ما يكون ضارًا جدًا لهذا الجهد “.
سلط باجينسكي أيضًا الضوء على تحدٍ آخر: الانتقال من فريق علم البيانات العام الذي يتعامل مع كل التعلم الآلي وعلوم البيانات والقياس والتحليلات وإنشاء خطوط الأنابيب وما إلى ذلك، نحو الحصول على العديد من الأدوار المختلفة الأكثر تخصصًا، والتي يلعب كل منها دورًا في الصورة الأكبر لتطوير حل جيد.
“التحدي الآخر هو أن الشيطان يكمن في كثير من الأحيان في التفاصيل أليس كذلك؟ لذلك أعتقد أننا ابتعدنا قليلاً عن فريق علم البيانات العام الذي سيتعامل مع كل التعلم الآلي، كل علم البيانات، كل القياس، كل التحليلات، كل إنشاء خط الأنابيب وكل شيء، نحو الحصول على العديد قال باجينسكي: “أدوار مختلفة أكثر تخصصًا، يلعب كل منها دورًا في الصورة الأكبر لتطوير حل جيد”.
لاحظ باجينسكي أيضًا أن التحدي النموذجي الذي رآه هو أن الشركة تحتاج إلى أن تكون واضحة جدًا في وقت مبكر، بشأن اثنين من أهم أولويات المشاريع أو حالات الاستخدام التي يكون من المنطقي أن يبدأ بها الفريق ويمكن استخدامها في ذلك الوقت.
اشتقاق اعتماد هذه المبادئ التوجيهية بشكل أساسي في وحدات الأعمال.
وأضاف أن حالات الاستخدام هذه يجب أن يتم فحصها بشكل صحيح من قبل الخبراء لمعرفة مدى قابليتها للتطبيق على فكرة ML وAI، ومدى جودة خدمتها ومقدار القيمة التي ستحققها.
ومع ذلك، شحذ D’Agostino أهمية إنشاء فريق لحل المشاكل المذكورة أعلاه.
“لن تجد وحيد القرن الذي سيحل كل هذه المشاكل بطريقة سحرية. هناك بالفعل جهد تعاوني. أصحاب المصلحة في الأعمال هم عوامل التمكين الرئيسية لإنجاز الأمور.
قال داوستني: “إنهم يفهمون حالات الاستخدام التي يجب دفعها داخل الشركة”.
قال باجينسكي، “في كثير من الشركات، إذا كنت جادًا، وإذا كنت تعمل في مجموعة C للإدارة، فأنت بحاجة إلى توفير التدريب أو الدعم دون التوسع حتى يتمكنوا من القيادة بالفعل.
لذلك هناك جانب تعليمي للنجاح في الواقع مع هذه الأشياء “.
أضاف Koolmeister أن تعليم العمال باستمرار أمر بالغ الأهمية، خاصة إذا كان في مؤسسة كبيرة موزعة بشكل كبير في العديد من البلدان المختلفة.
المصدر: venturebeat
قد يهمك:
