تحويل فشل الذكاء الاصطناعي إلى قصص نجاح للذكاء الاصطناعي
لن يستغرق الأمر وقتًا طويلاً قبل أن تتلاشى حداثة الذكاء الاصطناعي وتصبح مجرد تقنية أخرى تساعد المؤسسة على أن تصبح أكثر كفاءة وإنتاجية.
ولكن في حين أن معدل نجاح مشاريع الذكاء الاصطناعي آخذ في التحسن وبدأت المؤسسات تشهد فوائد حقيقية لبيئات الإنتاج، إلا أنه لا يزال من الصعب للغاية الوصول بالمشاريع إلى خط النهاية.
في معظم الحالات، هذه ليست مشكلة في التكنولوجيا نفسها، ولكن مع طريقة تنفيذها وعدم التوافق العام بين القدرات الفعلية للذكاء الاصطناعي وحالات الاستخدام التي يُتوقع معالجتها.
لحسن الحظ، يمكن تصحيح هاتين المشكلتين، لكن الأمر سيستغرق بعض الوقت قبل أن يكتسب المستخدمون نوع الخبرة اللازمة لتوظيف الذكاء الاصطناعي بشكل فعال.
وفقًا لـ PwC ، تشترك تطبيقات الذكاء الاصطناعي الناجحة في عدد من الخصائص الرئيسية
بدلاً من مجرد إطلاق العنان للتكنولوجيا أولاً على هدف واحد ثم آخر بطريقة خطية، وهي العادة بالنسبة لمعظم مبادرات التكنولوجيا التقليدية، فإن النهج الأكثر فاعلية هو توجيهها إلى ثلاث قدرات حاسمة: تحويل الأعمال، وتعزيز صنع القرار والأنظمة وتحديث العملية.
لا يقتصر هذا النهج الشامل على توحيد المتخصصين في الذكاء الاصطناعي وفرق التحليلات ومهندسي البرمجيات وغيرهم حول مجموعة من الأهداف المشتركة، بل يعزز أيضًا إنشاء بيئة مبنية على إدارة البيانات والعمليات الذكية والسحابة.
مع وجود إطار العمل هذا، يمكن للمؤسسات الانتقال بسهولة نحو المزيد من التطبيقات العملية مثل أتمتة العمليات وتحسين تجربة المستخدم وتطوير المنتجات وغيرها.
لا تضيع في الذكاء الاصطناعي
حتى في هذه المرحلة، من السهل أن تضيع بدون خطة واضحة لما تأمل في تحقيقه باستخدام الذكاء الاصطناعي وكيف تريد القيام بذلك. وضعت Boston Consulting Group خطة من خمس نقاط لتصميم برنامج تعلم آلي ناجح:
- ابدأ بالتأكد من أن التطبيق يطابق النتيجة المرجوة. حتى الشيء البسيط نسبيًا مثل توقعات المبيعات يمكن أن يتأثر بعوامل أخرى غير التسعير.
- استخدم جميع البيانات القابلة للتطبيق، بما في ذلك البيانات من مصادر خارجية. في كثير من الأحيان، تنحرف النماذج عن مسارها بسبب الرؤية النفقية لمصمميها.
- تجنب جعل النموذج معقدًا بشكل مفرط، لأن هذا يؤدي غالبًا إلى تفسير غير صحيح ونتائج غير دقيقة. بدلاً من ذلك، ابحث عن نماذج فرعية أبسط وأكثر قابلية للتفسير تتناول منطق التحديات المحددة بوضوح.
- حافظ على تركيز النماذج على قرارات العمل الملموسة والعملية التي تقود القيمة الحقيقية.
- لا تضع الدقة فوق الفائدة. قد يستمر أداء النموذج جيدًا بعد فترة من الوقت، ولكن قم بتحديثه أو استبداله إذا لم يعد مناسبًا للظروف الحالية.
النجاح هو مصطلح نسبي، بالطبع، لذلك لن يكون هناك تعريف واضح بين مشروع الذكاء الاصطناعي الناجح والمشروع الفاشل.
استطلعت مجلة Harvard Business Review مؤخرًا أكثر من 100 شركة عبر قطاعات أعمال متعددة ووجدت أن 15 بالمائة فقط في موقع قيادي عندما يتعلق الأمر بالذكاء الاصطناعي.
هذه هي المنظمات التي ليس لديها سجل حافل بالنجاح فحسب، بل لديها أيضًا عمليات تنفيذ وتقييم محددة بوضوح لمبادرات الذكاء الاصطناعي الخاصة بها، والتي يتم تقييمها جميعًا وتحديثها باستمرار.
يخصص القادة أيضًا المزيد من رأس المال لتطوير الذكاء الاصطناعي – في بعض الحالات بنسبة تصل إلى 60 في المائة – أكثر من الشركات الأقل نجاحًا.
في كثير من الأحيان، يقول ريتشارد تيبيتس وسارة واتشتر من Tableau ، إن فشل الذكاء الاصطناعي في تلبية التوقعات يرجع إلى أن تلك التوقعات كانت عالية جدًا.
بالنظر إلى الضجيج الذي تم الترحيب به بالذكاء الاصطناعي، من المفهوم أن العديد من المستخدمين يعتقدون أنه يمكن إصلاح أي شيء ببيانات كافية.
لكن العالم لا يمكن التنبؤ به، وبينما قد تظهر الأنماط في البيانات، حتى الذكاء الاصطناعي لا يمكنه إنشاء روابط سببية أو حتى مترابطة بين الأحداث إذا لم تكن موجودة في المقام الأول.
هذا هو السبب في أن اختيار المشروع ربما يكون أكبر عقبة ستوجهها معظم المنظمات ولا يمكن التغلب على ذلك إلا من خلال طرح الأسئلة الصحيحة أولاً والحفاظ على فهم واضح للتحديات التي يمكن وما لا يمكن معالجتها من خلال النمذجة التنبؤية.
تجربة مشاريع الذكاء الاصطناعي
حتى في العالم الرقمي، فإن القول المأثور عن النجاح يأتي فقط لأولئك الذين يحاولون ويحاولون مرة أخرى صحيحًا.
يتمتع الذكاء الاصطناعي بميزة أنه يمكن إعادة تدريبه وإعادة تركيزه على المهام الرئيسية بسهولة أكبر بكثير من البرامج التقليدية، مما يعني أنه حتى إخفاقاته يمكن أن تنتج معرفة قيمة يمكن استخدامها لتحديد المشروع التالي.
وبينما قد يكون هناك ضغط لإدخال الذكاء الاصطناعي في الإنتاج بسرعة، من المهم أن نتذكر أن النجاح الحقيقي لا يأتي لمن يفعل الذكاء الاصطناعي أولاً، ولكن أولئك الذين يفعلون ذلك بشكل أفضل.
المصدر: venturebeat
شاهد المزيد:
