التغلب على العقبات في تصميم مشروع الذكاء الاصطناعي الشامل

وفقًا لدراسة حديثة أجرتها 451 Research ، وهي جزء من S&P Global Market Intelligence ، "بدأت أكثر من 90٪ من المؤسسات التي اعتمدت الذكاء الاصطناعي في تطوير مشروعها الأول للذكاء الاصطناعي خلال السنوات الخمس الماضية." على الرغم من أنها ناشئة ، إلا أن الحلول التي تدعم الذكاء الاصطناعي آخذة في الارتفاع في كل مكان من حولنا. ومع ذلك ، لا تزال العديد من هذه المبادرات لا تفي بالتوقعات - حتى لو نجحت في النشر.

لتحقيق النجاح ، يجب على القادة اختيار وإدارة مشاريع الذكاء الاصطناعي من خلال استراتيجية مدروسة مدفوعة بتوقعات واضحة ومواءمة مع أهداف العمل والتكرار. دعونا نلقي نظرة على العقبات الشائعة التي تواجهها المؤسسات عند تصميم مشاريع الذكاء الاصطناعي الشاملة الناجحة وكيفية التغلب عليها.

إدارة التوقعات للحلول التي تدعم الذكاء الاصطناعي

تذكرنا الكثير من مشاريع الذكاء الاصطناعي الفاشلة اليوم بمشاريع برمجيات المؤسسات في التسعينيات ، حيث كانت مشاريع التطوير تخرج عن مسارها حيث كان لدى الفرق آمال كبيرة في أن التقنيات الجديدة ستحل مشاكلهم. في كل من الماضي والحاضر ، هناك مشكلة كبيرة تتمثل في تضخم التوقعات حول ما يمكن أن يحله حلك بالفعل.

من الخطير الافتراض أنه من خلال جمع بيانات كافية ، سيصبح كل شيء فجأة شفافًا ؛ أنه يمكنك التنبؤ بسلوكيات العملاء أو تقديم توصيات مثالية لتوقع احتياجاتهم. لسوء الحظ ، العالم أقل قابلية للتنبؤ به بكثير مما يريده الناس. بينما تظهر الأنماط المفيدة ، ليست كل الأحداث سببية أو حتى مترابطة - تحدث أشياء كثيرة وتولد ضوضاء فقط.

في الوقت نفسه ، ترى العديد من المؤسسات أن أقرانها يقومون بتنفيذ حلول الذكاء الاصطناعي ويشعرون بالضغط لمواكبة ذلك. يمكن أن يأتي الاستثمار في الذكاء الاصطناعي لمجرد "مواكبة الجيران" بنتائج عكسية إذا لم تفهم ما الذي يدفع نجاحات أقرانك وما إذا كان سيعمل لصالح مؤسستك أم لا. في كثير من الأحيان ، تمتلك الشركات التي لها ساق في مشاريع الذكاء الاصطناعي الخاصة بها استراتيجيات البيانات والعمليات التجارية في مكان يمكّنهم من جمع الأنواع المناسبة من البيانات للذكاء الاصطناعي والاستفادة منها.

في النهاية ، تبدأ إدارة التوقعات لمشاريع الذكاء الاصطناعي بالقدرة على توضيح أي من مشاكلك يمكن حلها بالفعل باستخدام الذكاء الاصطناعي.

اختيار الأنواع المناسبة من مشاريع الذكاء الاصطناعي لمشاكلك

هل استراتيجية الذكاء الاصطناعي الخاصة بك متوافقة مع أهداف عملك؟ ربما يكون اختيار المشروع هو التحدي الأكبر الذي تواجهه المنظمات بمبادرات الذكاء الاصطناعي الخاصة بها. من المهم أن تفهم حقًا السؤال الذي تحاول الإجابة عليه ، وكيف (وما إذا) ستؤدي الإجابة على هذا السؤال إلى نتائج أعمال محسنة ، وما إذا كانت الموارد التي لديك يمكنها الإجابة عليه بنجاح وكفاءة أم لا.

لنفترض أنك تريد استخدام نموذج تنبؤي لتحديد متى ونوع الخصم الذي تقدمه للعميل. أحضر فريق علوم البيانات! لكن هذا في الواقع يمثل تحديًا كبيرًا للتعامل معه كمشكلة نموذج تنبؤي. بادئ ذي بدء ، من الصعب معرفة ما إذا كان عميلك سيشتري المنتج بدون الخصم أم لا. ومن المحتمل أن يتضمن جمع البيانات الضرورية بدقة إحصائية كافية لإنتاج نموذج مفيد بعض العمليات التي تبدو غير طبيعية بالنسبة للأعمال التجارية - مثل التوزيع العشوائي للعملاء الذين يحصلون على خصومات أو أي مندوبي مبيعات يمكن أن يقدموا خصومات. هذا يضيف الكثير من التعقيد للوضع.

قد تكون أفضل طريقة للتعامل مع هذه المشكلة باستخدام الذكاء الاصطناعي هي استكشاف نماذج محاكاة لسلوك العميل الذي تتوقعه في ظل أنظمة خصم مختلفة. بدلاً من تعذيب النظام للوصول إلى توقعات دقيقة ، يمكن أن تساعد المحاكاة وتخطيط السيناريو الأشخاص في الكشف عن المتغيرات الحساسة لبعضها البعض عند اتخاذ قرارات العمل. اسأل نفسك: ما هو رد العميل الذي نحتاجه للحصول على هذا الخصم ليكون منطقيًا؟ هذا النوع من التمرين في استكشاف النتائج المحتملة أكثر فاعلية وبالتأكيد أسهل بكثير من بناء تجربة معقدة في علم البيانات.

إعداد فرقك للنجاح

يعد فهم الغرض من جمع بياناتك وتنظيمها ، وكيفية استخدامها في الماضي ، وكيف سيتم استخدامها في المستقبل أمرًا بالغ الأهمية للقيام بأي نوع من أنشطة الذكاء الاصطناعي على البيانات. من المهم تدريب نموذج على بيانات كاملة والتي تمثل ما هو متاح في العالم الحقيقي في اللحظة التي تقوم فيها بالتدخل. على سبيل المثال ، إذا كانت لديك مراحل متعددة في خط أنابيب صفقتك وتريد توقع احتمالية إغلاق صفقة خلال المرحلة الخامسة ، فلا يمكنك بعد ذلك تشغيل النموذج على الصفقات في المراحل الثالثة أو الرابعة وتوقع نتائج مفيدة.

غالبًا ما يكون لدى علماء البيانات فجوة في فهم الفروق الدقيقة في ما تمثله البيانات وكيف يتم إنشاؤها. ما هي العمليات البشرية والتكنولوجية التي تلعب دورًا في إنشاء البيانات ، وماذا تعني البيانات بالضبط في سياق عملك؟ هذا هو المكان الذي يكون فيه المحللون والمستخدمون التجاريون القريبون من البيانات - والمشكلات التي تحاول حلها باستخدامها - قيّمة بشكل لا يصدق. نود أن فكر في الذكاء الاصطناعي على أنه رياضة جماعية لأن النجاح يتطلب سياق العمل بالإضافة إلى خط أساس للبيانات ومحو الأمية النموذجية.

أخيرًا ، هناك جوانب تتمحور حول الإنسان لنجاح المشروع يمكن للمنظمات التغاضي عنها إذا كانت تركز بشكل كبير على البيانات أو التكنولوجيا. في كثير من الأحيان ، يمكن للذكاء الاصطناعي أن يقوم بالتنبؤ ولكن الأمر متروك لشخص ما ليقرر كيفية تحويل ذلك إلى إجراء موصى به. هل الاقتراح مفيد في تقديم عمل واضح ، وهو اقتراح سيكون الناس على استعداد لاتباعه؟ هل تخلق بيئة يتم فيها تلقي هذه الاقتراحات بشكل فعال؟

التنبؤ بشيء ما يكون مفيدًا في بعض الأحيان فقط. هل أنت على استعداد لتعديل الأسعار أو أحجام المنتجات أو التوظيف أو حتى تغيير خط الإنتاج الخاص بك؟ ما هو مستوى إدارة التغيير المطلوب حتى يتبنى الناس الحل الجديد ويطورون سلوكياتهم وعملياتهم الراسخة؟ تأتي الثقة من نمط من السلوك المتسق والاستعداد لمواصلة تثقيف الشركة ؛ إذا كنت ستؤثر بشكل جذري على كيفية أداء الأشخاص لوظائفهم ، فيجب أن يكونوا على دراية بها.

البدء بشكل صغير ومتكرر

دعنا نغلق بعض الإرشادات بناءً على ما رأيناه أثناء العمل مع العملاء.

في كثير من الأحيان ، يكون أفضل مشروع للذكاء الاصطناعي هو المشروع الذي سيكون أسهل في التشغيل والدخول في الإنتاج مع إدارة التغيير الأقل تعقيدًا. حاول بناء شيء يقدم قيمة في أسرع وقت ممكن ، حتى لو كان ذلك تحسينًا تدريجيًا صغيرًا جدًا. وحافظ على عملائك ومستخدمي الأعمال وأصحاب المصلحة في أقرب وقت ممكن من عملية التطوير. تهدف إلى خلق بيئة من ردود الفعل الجيدة - سواء من حيث جمع المزيد من البيانات لتحسين النموذج بشكل متكرر ، ومدخلات من أصحاب المصلحة لتحسين المشروع ونتائجه.

مع الذكاء الاصطناعي ، ستكون هناك دائمًا حالات متطرفة يكون الحل فيها مفقودًا. ولكن من الأفضل العثور على حلول تناسب غالبية عملائك أو موظفيك ، بدلاً من تطوير دليل مبهرج حقًا للمفهوم الذي يعمل فقط مع عدد قليل من حالات الاستخدام المخصصة. في نهاية المطاف ، يجب أن يقلل الذكاء الاصطناعي من الاحتكاك ويسهل على الأشخاص القيام بوظائفهم واتخاذ قرارات مستنيرة.

لمعرفة المزيد حول تحليلات Tableau AI ، تفضل بزيارة tableau.com/ai.