الأتمتة أمر بالغ الأهمية لعملك

الأتمتة هي المفتاح لفتح ميزة كبيرة ومستدامة في الشركات عبر القطاعات.

يمكن أن تصبح البيانات الضخمة شيئًا كبيرًا بدون اتباع نهج الأتمتة الاستراتيجي.

فمن ناحية، نحن في وقت حافل بثراء المعلومات، مع وجود كميات غير مسبوقة من البيانات حول كل شيء بدءًا من أداء المعدات وحتى سلوك المستهلك على وسائل التواصل الاجتماعي (أكثر من نصف مواطني العالم يستخدمون وسائل التواصل الاجتماعي). ولكن بدون التشغيل الآلي المدروس - استخدام الآلات والخوارزميات للتعامل مع البيانات المتاحة ومعالجتها وتحليلها - سوف يخسر عملك فرصًا محتملة كبيرة.

إذا تم تنفيذ الأمر بشكل جيد، تعمل الأتمتة على تحويل البيانات الضخمة "الميتة" إلى مورد حي ومتنفس يمكنك استخدامه لزيادة القيمة. لذلك ليس من المستغرب أن تهدف العديد من الشركات إلى ذلك أتمتة أي شيء يمكن أن يكون آليا، كما قال أحد كبار المسؤولين التنفيذيين في Google مؤخرًا.

ولمساعدتك على التفكير في الأتمتة في سياق عملك، أقدم لك ثلاث طرق رئيسية يساعدك بها هذا النشاط القائم على التكنولوجيا على خلق القيمة.

أول شيء تساعدك الأتمتة على القيام به هو ميزة استخراجأو استخراج المعلومات المهمة من أكوام البيانات الضخمة. تخيل أنه يتعين على مؤسستك مراجعة طلبات براءات الاختراع للحصول على معلومات حول تقنية معينة والتقنيات ذات الصلة. ربما تنظر إلى آلاف أو عشرات الآلاف من التطبيقات، كل منها يشغل 30 صفحة أو أكثر، لملايين وملايين الكلمات. لكن نسبة ضئيلة فقط من تلك الكلمات والعلاقات المتبادلة بين براءات الاختراع مهمة، مثل ما تعتمد عليه التكنولوجيا المحمية ببراءة اختراع أو مؤهلات المخترعين وبراءات الاختراع السابقة.

تتضمن هذه المهمة، مثل العديد من المهام في مجال الأعمال، نسبة إشارة إلى ضوضاء صغيرة جدًا، وستتطلب آلاف الساعات من الأشخاص لإنجازها يدويًا، وهو أمر باهظ التكلفة والوقت. ولكن يمكن تدريب الخوارزمية القائمة على التعلم الآلي للتعرف بسرعة نسبية على المعلومات الأساسية المطلوبة، مما يوفر قدرًا كبيرًا من الوقت والجهد. علاوة على ذلك، لنفترض أنك أردت في المستقبل البحث في نفس مجموعة براءات الاختراع أو البراءات ذات الصلة ولكن للحصول على معلومات مختلفة، مثل حجم فريق مقدمي طلبات البراءات. يمكنك بسهولة إعادة برمجة الخوارزمية أو إعادة تدريبها لتولي هذه المهمة، وتحقيق وفورات الحجم وعوائد أكبر على استثمارك الأولي.

ثانياً، تساعد الأتمتة في ذلك فحص البيانات وتنظيفها. غالبًا ما تحتاج مجموعات البيانات إلى العمل. هناك أخطاء وقيم مفقودة، وحالات شاذة، وأحيانًا أدلة على التحيز. على سبيل المثال، إذا تم تدريب الخوارزمية على اكتشاف خصائص منتهكي القانون ولكنها تستخدم البيانات فقط عن الجناة الذين تم القبض عليهم، فستكون الخوارزمية متحيزة لأنها تفتقر إلى البيانات عن الجناة الذين لم يتم القبض عليهم - وهي مشكلة خاصة بالنسبة لجرائم ذوي الياقات البيضاء، والتي تميل إلى ليتم الإبلاغ عنها بشكل ناقص. مرة أخرى، يعد التحقق من هذا الحجم الهائل من المشكلات المحتملة ومعالجته أمرًا صعبًا للغاية بحيث لا يمكن القيام به يدويًا. لكن التشغيل الآلي يسمح بالنشر السريع لأدوات الاختبار والتنظيف، مما يوفر الوقت مرة أخرى مع إنشاء القيمة.

ثالثًا، وهذا أمر كبير، الأتمتة هي المحرك الدافع للتحليلات. أصبحت تحليلات الانحدار البسيطة بالأمس عبارة عن غابات عنقودية وعشوائية اليوم، مدعومة بالتعلم الآلي، سواء لفهم مستخدمي المنتج، أو التنبؤ بمبيعات الشهر المقبل لتحسين المخزون، أو التنبؤ بتأثير حملة إعلانية جديدة. لا تمكنك الأتمتة القائمة على الآلة من تكرار عمليات التحليلات الموحدة بانتظام وبتكلفة منخفضة فحسب، بل يمكنها أيضًا اكتشاف الأنماط غير الخطية التي لا نستطيع نحن البشر اكتشافها.

على سبيل المثال، قام مختبري بدراسة أكثر من 5 ملايين براءة اختراع باستخدام التحليلات المعتمدة على الخوارزميات لمعرفة ما إذا كان بإمكاننا التنبؤ بظهور التقنيات المستقبلية الرائدة استنادًا إلى معلومات طلبات براءات الاختراع الخاصة بها. لقد افترضنا أن الآلة ستحدد براءات الاختراع الناجحة في المستقبل من بيانات التطبيق إذا كان الاختراع يتمتع بقدرات أو أفكار مستقلة "تشبه المعجزة". في نهاية المطاف، تمكنت الخوارزمية من العثور على براءات الاختراع المستقبلية بدقة عالية، ولكن ليس بالطريقة التي تخيلناها نحن البشر. أي أن الخوارزمية لم تحدد براءة اختراع مستقبلية بناءً على قدراتها المستقلة؛ بدلاً من ذلك، حددت براءات الاختراع الناجحة بناءً على ما إذا كانت جزءًا من مجموعة كتلة من براءات الاختراع التابعة التي يمكن أن تحل معًا مشاكل محددة لا يمكن لأي براءة اختراع فردية أن تحلها بمفردها.

على سبيل المثال، أحدثت تقنية الموجات فوق الصوتية تأثيرًا كبيرًا على الرعاية الصحية بعد عدة سنوات من الكشف عنها لأول مرة، مما أتاح التصوير غير الجراحي وعلاج الحالات الجسدية مثل حصوات الكلى وحتى بعض أنواع السرطان. لكن هذا التقدم كان مستحيلاً دون اختراعات أصغر حجماً تتجاوز التكنولوجيا الأساسية، مثل أدوات التطبيق، وعمليات تقليل الكهرباء الساكنة، والوسادات الطبية المتخصصة والمشابك التي تم تطويرها بشكل مستقل عن تكنولوجيا الموجات فوق الصوتية ولكنها ضرورية لتطبيقها الناجح في الطب. لقد أدرك تحليلنا الآلي بشكل موثوق وجود هذه المجموعات من براءات الاختراع ذات الصلة في أكثر من 5 ملايين براءة اختراع بدءًا من المنتجات الصحية وحتى أحدث تقنيات كرة الجولف، وأن هذه المجموعات كانت مرتبطة باحتمال أن تصبح براءات الاختراع فيها التكنولوجيات المهيمنة في المستقبل - الاستدلال لم يقدر من قبل.

زميلي الشمالي الغربي أندرو باباكريستوس استخدمت تحليلات مماثلة لإظهار ذلك فساد الشرطة في شيكاغو ولا ينبع من عدد قليل من ضباط "التفاحة الفاسدة"، بل من شبكة من رجال الشرطة المتصلين الذين يتصرفون بسوء نية؛ يتيح عمله الكشف المبكر عن مثل هذه المشكلات.

آمل أن أكون قد أوضحت المزايا المتبادلة للأتمتة، وكيف يمكن أن تساعدك في تحويل البيانات إلى قيمة كبيرة ومستدامة. في الواقع، كلما زاد عدد البيانات التي لديك، زادت حاجتك إلى الأتمتة؛ وبمجرد أن تتمتع بقدرات أتمتة قوية، يمكنك جمع المزيد من البيانات وتسخيرها، وتستمر الدورة.

خلاصة القول: تعد الأتمتة قدرة بالغة الأهمية بشكل متزايد، وقد تكون محورية لأداء عملك على المدى القريب والبعيد. ولكن من المهم أن نفهم كيف أنها تزيد القيمة، وأن تتخذ خطوات للتخفيف من جوانبها السلبية الحقيقية، لصالح شركتك والمجتمع الواسع الذي تعمل فيه.

في الجزء الثاني من هذه المقالة، سأناقش الجوانب السلبية الثلاثة الرئيسية للأتمتة - وهي سهولة الشرح، والشفافية، والتكلفة - وكيفية معالجتها.