الحقيقة حول الذكاء الاصطناعي والعائد على الاستثمار: هل يمكن للذكاء الاصطناعي أن يحقق ذلك حقًا؟
أكثر من أي وقت مضى، تضع المنظمات ثقتها – واستثمارها – في إمكانات الذكاء الاصطناعي (AI) والتعلم الآلي (ML).
وفقًا لمؤشر تبني الذكاء الاصطناعي العالمي لشركة IBM لعام 2022
أفادت 35٪ من الشركات أنها تستخدم الذكاء الاصطناعي اليوم في أعمالها، بينما تقول 42٪ أخرى إنها تستكشف الذكاء الاصطناعي.
في غضون ذلك، وجدت دراسة أجرتها شركة McKinsey أن 56٪ من المشاركين أفادوا بأنهم اعتمدوا الذكاء الاصطناعي في وظيفة واحدة على الأقل في عام 2021، ارتفاعًا من 50٪ في عام 2020.
ولكن هل يمكن للاستثمارات في الذكاء الاصطناعي تحقيق عائد استثمار حقيقي يؤثر بشكل مباشر على أرباح الشركة؟
وفقًا لاستطلاع REVelate الأخير من Domino Data Lab، والذي شمل الحضور في مؤتمر Rev3 بمدينة نيويورك في مايو، يبدو أن العديد من المستجيبين يعتقدون ذلك.
ما يقرب من النصف، في الواقع، يتوقعون نموًا مزدوج الرقم نتيجة لعلوم البيانات.
وقال 4 من كل 5 مشاركين (79٪) أن علم البيانات والتعلم الآلي والذكاء الاصطناعي أمور بالغة الأهمية للنمو المستقبلي الشامل لشركتهم، مع 36٪ وصفوها بأنها العامل الوحيد الأكثر أهمية.
إن تطبيق الذكاء الاصطناعي، بالطبع، ليس بالمهمة السهلة. تُظهر بيانات المسح الأخرى وجهًا آخر لعملة الثقة.
على سبيل المثال، وجدت بيانات استقصائية حديثة أجرتها شركة CognitiveScale الهندسية للذكاء الاصطناعي أنه على الرغم من أن التنفيذيين يعرفون أن جودة البيانات ونشرها من عوامل النجاح الحاسمة لتطوير التطبيقات الناجحة لدفع التحول الرقمي، إلا أن أكثر من 76٪ ليسوا متأكدين من كيفية تحقيق هدفهم. نافذة من 12 إلى 18 شهرًا.
بالإضافة إلى ذلك، يقول 32٪ من المديرين التنفيذيين إن الأمر استغرق وقتًا أطول من المتوقع لبدء تشغيل نظام الذكاء الاصطناعي.
يجب أن يكون الذكاء الاصطناعي خاضعًا للمساءلة
عائد الاستثمار من الذكاء الاصطناعي ممكن، ولكن يجب وصفه بدقة وتجسيده وفقًا لهدف العمل، كما قال بوب بيكيانو، الرئيس التنفيذي لشركة Cognitive Scale، لموقع VentureBeat.
قال: “إذا كان هدف العمل هو الحصول على المزيد من التنبؤات بعيدة المدى ودقة التنبؤ المتزايدة مع البيانات التاريخية، فهذا هو المكان الذي يمكن أن يلعب فيه الذكاء الاصطناعي”.
“لكن يجب أن يكون الذكاء الاصطناعي مسؤولاً لدفع فعالية الأعمال – لا يكفي القول بأن نموذج ML كان دقيقًا بنسبة 98٪.”
بدلاً من ذلك، يمكن أن يكون عائد الاستثمار، على سبيل المثال، أنه من أجل تحسين فعالية مركز الاتصال، تضمن القدرات التي تعتمد على الذكاء الاصطناعي تقليل متوسط وقت معالجة المكالمات.
وأوضح “هذا النوع من عائد الاستثمار هو ما يتحدثون عنه في C-suite”. “إنهم لا يتحدثون عما إذا كان النموذج دقيقًا أم قويًا أم منحرفًا.”
أضاف شاي الصبخي، الشريك المؤسس ومدير العمليات في Cognitive Scale، أنه لم يفاجأ بحقيقة أن 76٪ من المشاركين أفادوا بأنهم يواجهون مشكلة في توسيع نطاق جهودهم في مجال الذكاء الاصطناعي.
قال “هذا بالضبط ما نسمعه من عملاء مؤسستنا”. وأوضح أن إحدى المشكلات هي الاحتكاك بين فرق علوم البيانات وبقية المؤسسة، والتي لا تعرف ما يجب فعله بالنماذج التي يطورونها.
قال: “قد تحتوي هذه النماذج على أفضل الخوارزميات والتذكر الدقيق، ولكن تجلس على الرف لأنه يتم طرحها حرفيًا على فريق التطوير الذي يتعين عليه بعد ذلك التدافع، في محاولة لتجميع التطبيق معًا”.
ومع ذلك، في هذه المرحلة، يجب أن تكون المنظمات مسؤولة عن استثماراتها في الذكاء الاصطناعي لأن الذكاء الاصطناعي لم يعد سلسلة من التجارب العلمية، كما أشار بيكيانو.
قال: “نسميها الانتقال من المختبر إلى الحياة”. “كنت في مؤتمر لمسؤولي تحليلات البيانات وقالوا جميعًا، كيف يمكنني التوسع؟ كيف يمكنني تصنيع الذكاء الاصطناعي؟ ”
هل عائد الاستثمار هو المقياس الصحيح للذكاء الاصطناعي؟
ومع ذلك، لا يتفق الجميع على أن عائد الاستثمار هو أفضل طريقة لقياس ما إذا كان الذكاء الاصطناعي يقود القيمة في المؤسسة.
وفقًا لنيكولا موريني بيانزينو، كبير مسؤولي التكنولوجيا العالمي، EY، فإن التفكير في الذكاء الاصطناعي والمؤسسة من حيث “حالات الاستخدام” التي يتم قياسها بعد ذلك من خلال عائد الاستثمار هو طريقة خاطئة لاستخدام الذكاء الاصطناعي.
قال: “بالنسبة لي، الذكاء الاصطناعي عبارة عن مجموعة من التقنيات التي سيتم نشرها إلى حد كبير في كل مكان عبر المؤسسة – لن يكون هناك عزل لحالة الاستخدام مع تحليل عائد الاستثمار المرتبط بها”.
وأوضح أنه بدلاً من ذلك، يتعين على المنظمات ببساطة استخدام الذكاء الاصطناعي – في كل مكان.
“إنها تشبه السحابة تقريبًا، حيث أجريت قبل عامين أو ثلاث محادثات كثيرة مع العملاء الذين سألوا،” ما هو عائد الاستثمار؟ ما هي حالة العمل بالنسبة لي للانتقال إلى السحابة؟ ” الآن، بعد الوباء، هذه المحادثة لم تعد تحدث.
الجميع يقول فقط، “على أن أفعل ذلك.”
كما أشار Bianzino إلى أن مناقشة الذكاء الاصطناعي والعائد على الاستثمار تعتمد على ما تعنيه بـ “استخدام الذكاء الاصطناعي”.
قال: “لنفترض أنك تحاول تطبيق بعض قدرات القيادة الذاتية – أي رؤية الكمبيوتر كفرع من الذكاء الاصطناعي”.
“هل هذه حالة عمل؟ لا، لأنه لا يمكنك تنفيذ القيادة الذاتية بدون الذكاء الاصطناعي “.
وينطبق الشيء نفسه على شركة مثل EY، التي تستوعب كميات هائلة من البيانات وتقدم المشورة للعملاء – وهو أمر لا يمكن القيام به بدون الذكاء الاصطناعي. قال: “إنه شيء لا يمكنك عزله بعيدًا عن العملية – إنه مدمج فيها”.
بالإضافة إلى ذلك، فإن الذكاء الاصطناعي، بحكم تعريفه، ليس منتجًا أو فعالًا في اليوم الأول.
ستغرق الأمر وقتًا للحصول على البيانات وتدريب النماذج وتطوير النماذج وتوسيع نطاقها. قال: “إنه ليس يومًا ما يمكنك القول، لقد انتهيت من الذكاء الاصطناعي و100٪ من القيمة موجودة هناك – لا، هذه قدرة مستمرة تتحسن بمرور الوقت”.
“ليس هناك حقًا نهاية من حيث القيمة التي يمكن إنشاؤها.”
بطريقة ما، قال Bianzino، أصبح الذكاء الاصطناعي جزءًا من تكلفة ممارسة الأعمال التجارية.
وأوضح: “إذا كنت تعمل في مجال يتضمن تحليل البيانات، فلا يمكنك امتلاك قدرات الذكاء الاصطناعي”.
هل يمكنك عزل دراسة الجدوى الخاصة بهذه النماذج؟ إنه أمر صعب للغاية ولا أعتقد أنه ضروري. بالنسبة لي، يبدو الأمر أشبه بتكلفة البنية التحتية لتشغيل عملك “.
يصعب قياس عائد الاستثمار للذكاء الاصطناعي
يقول Kjell Carlsson، رئيس إستراتيجية علوم البيانات والتبشير في مزود Domino Data Lab التابع لمؤسسة MLops، إنه في نهاية اليوم، ما تريده المؤسسات هو قياس تأثير عائد الاستثمار على الأعمال – إلى أي مدى ساهمت في النتيجة النهائية.
لكن إحدى المشكلات هي أنه يمكن فصل هذا تمامًا عن مقدار العمل المبذول في تطوير النموذج.
قال: “إذا أنشأت نموذجًا يعمل على تحسين تحويل النقر إلى الظهور بنقطة مئوية، فقد أضفت للتو عدة ملايين من الدولارات إلى صافي أرباح المؤسسة”.
“ولكن كان بإمكانك أيضًا إنشاء نموذج صيانة تنبؤي جيد ساعد في إعطاء تحذير مسبق لقطعة من الآلات تحتاج إلى صيانة قبل حدوثها.”
في هذه الحالة، يمكن أن يكون تأثير قيمة الدولار على المنظمة مختلفًا تمامًا، “على الرغم من أن إحداها قد ينتهي بها الأمر إلى مشكلة أصعب بكثير”، أضاف.
بشكل عام، تحتاج المؤسسات إلى “بطاقة أداء متوازنة” حيث تقوم بتتبع إنتاج الذكاء الاصطناعي.
قال: “لأنه إذا لم تدخل أي شيء في الإنتاج، فمن المحتمل أن تكون هذه علامة على وجود مشكلة لديك”. “من ناحية أخرى، إذا كنت تنخرط كثيرًا في الإنتاج، فقد يكون ذلك أيضًا علامة على وجود مشكلة.”
على سبيل المثال، كلما زاد عدد النماذج التي تنشرها فرق علوم البيانات، زاد عدد النماذج التي هم في مأزق لإدارتها وصيانتها، كما أوضح.
“لذا، [إذا] قمت بنشر هذه النماذج العديدة في العام الماضي، فلا يمكنك في الواقع القيام بهذه النماذج الأخرى عالية القيمة التي تأتي في طريقك،” قال.
لكن هناك مشكلة أخرى في قياس عائد الاستثمار للذكاء الاصطناعي وهي أنه بالنسبة للعديد من مشاريع علوم البيانات، فإن النتيجة ليست نموذجًا يدخل حيز الإنتاج.
وقال: “إذا كنت ترغب في إجراء تحليل كمي للصفقات في العام الماضي، فقد ترغب في إجراء تحقيق إحصائي دقيق في ذلك”.
“ولكن لا يوجد نموذج يمكن أن يدخل حيز الإنتاج، فأنت تستخدم الذكاء الاصطناعي للحصول على الرؤى التي تحصل عليها على طول الطريق.”
يجب تتبع أنشطة علوم البيانات
ومع ذلك، لا تستطيع المؤسسات قياس دور الذكاء الاصطناعي إذا لم يتم تتبع أنشطة علوم البيانات.
قال كارلسون: “إحدى المشكلات في الوقت الحالي هي أن عددًا قليلاً جدًا من أنشطة علوم البيانات يتم جمعها وتحليلها بالفعل”.
“إذا سألت الأشخاص، فإنهم يقولون إنهم لا يعرفون حقًا كيفية أداء النموذج، أو عدد المشاريع التي لديهم، أو عدد CodeCommits التي قام بها علماء البيانات لديك خلال الأسبوع الماضي.”
أحد أسباب ذلك هو الأدوات المنفصلة جدًا التي يتعين على علماء البيانات استخدامها.
وأوضح أن “هذا هو أحد الأسباب التي جعلت Git أكثر شهرة كمستودع، ومصدر وحيد للحقيقة لعالم البيانات الخاص بك في المؤسسة”.
تقدم أدوات MLops مثل Domino Data Lab منصات تدعم هذه الأدوات المختلفة. وقال: “إن الدرجة التي يمكن للمنظمات أن تنشئ بها هذه المنصات الأكثر مركزية … مهمة”.
نتائج الذكاء الاصطناعي في قمة اهتماماتنا
قضى Vid Jain الرئيس التنفيذي والمؤسس لشركة Wallaroo ما يقرب من عقد من الزمان في مجال التجارة عالية التردد في Merrill Lynch، حيث كان دوره، كما قال، هو نشر ML على نطاق واسع والقيام بذلك مع عائد استثمار إيجابي.
لم يكن التحدي في الواقع هو تطوير علم البيانات أو تطهير البيانات أو بناء مستودعات تجارية، تسمى الآن بحيرات البيانات. وقال إن التحدي الأكبر إلى حد بعيد هو استخدام هذه النماذج وتشغيلها وتقديم قيمة الأعمال.
قال: “لقد تبين أن تحقيق عائد الاستثمار أمر صعب للغاية – 90٪ من مبادرات الذكاء الاصطناعي هذه لا تولد عائد استثمار، أو أنها لا تولد عائد استثمار كافٍ لتستحق الاستثمار”.
“لكن هذا يحتل المرتبة الأولى في أذهان الجميع. والجواب ليس بشيء واحد “.
وأوضح أن القضية الأساسية هي أن الكثيرين يفترضون أن تشغيل ML لا يختلف كثيرًا عن تشغيل نوع قياسي من التطبيقات، مضيفًا أن هناك فرقًا كبيرًا، لأن الذكاء الاصطناعي ليس ثابتًا.
قال: “إنها تقريبًا مثل رعاية مزرعة، لأن البيانات حية، والبيانات تتغير وأنت لم تنته”.
“ليس الأمر كما لو كنت تبني خوارزمية للتوصية ومن ثم يتجمد سلوك الناس في كيفية الشراء في الوقت المناسب. يغير الناس طريقة الشراء. فجأة، حصل منافسك على ترقية. توقفوا عن الشراء منك. يذهبون إلى المنافس. عليك أن تميل إليه باستمرار “.
في النهاية، تحتاج كل مؤسسة إلى تحديد كيفية مواءمة ثقافتها مع الهدف النهائي حول تطبيق الذكاء الاصطناعي.
قال “ثم عليك حقًا تمكين الناس لدفع هذا التحول، ومن ثم جعل الأشخاص المهمين لخطوط عملك الحالية يشعرون أنهم سيحصلون على بعض القيمة من الذكاء الاصطناعي”.
وأضاف أن معظم الشركات لا تزال في وقت مبكر من تلك الرحلة.
“لا أعتقد أن معظم الشركات موجودة حتى الآن، لكنني بالتأكيد رأيت خلال الأشهر الستة إلى التسعة الماضية أن هناك تحولًا نحو الجدية بشأن نتائج الأعمال وقيمة الأعمال.”
لا يزال عائد الاستثمار للذكاء الاصطناعي بعيد المنال
لكن مسألة كيفية قياس عائد الاستثمار للذكاء الاصطناعي تظل بعيدة المنال بالنسبة للعديد من المؤسسات.
قال جين: “بالنسبة للبعض، هناك بعض الأشياء الأساسية، مثل أنهم لا يستطيعون حتى إدخال نماذجهم في الإنتاج، أو يمكنهم ذلك لكنهم يطيرون عمياء، أو أنهم ناجحون ولكنهم يريدون الآن التوسع”.
“ولكن فيما يتعلق بعائد الاستثمار، غالبًا ما لا توجد أرباح وخسائر مرتبطة بالتعلم الآلي.”
في كثير من الأحيان، تكون مبادرات الذكاء الاصطناعي جزءًا من مركز التميز ويتم الاستيلاء على عائد الاستثمار من قبل وحدات الأعمال، كما أوضح، بينما يصعب قياسه في حالات أخرى.
“المشكلة هي، هل الذكاء الاصطناعي جزء من العمل؟ أم أنها فائدة؟ إذا كنت مواطنًا رقميًا، فقد يكون الذكاء الاصطناعي جزءًا من الوقود الذي تعمل به الشركة “.
ولكن في مؤسسة كبيرة لديها أعمال تجارية قديمة أو تعمل على التمحور، تعد كيفية قياس عائد الاستثمار سؤالًا أساسيًا يتعين عليهم مواجهته.”
المصدر: venturebeat
شاهد المزيد:
