لماذا يجب أن تفكر في الذكاء الاصطناعي على أنه رياضة جماعية

ماذا يعني التفكير في الذكاء الاصطناعي باعتباره رياضة جماعية؟ نحن نشهد تحول مشاريع الذكاء الاصطناعي من الضجيج إلى التأثير، ويرجع ذلك إلى حد كبير إلى مشاركة الأدوار المناسبة لتوفير سياق الأعمال الذي كان مفقودًا في السابق. الخبرة في المجال أمر أساسي؛ لا تتمتع الآلات بعمق السياق الذي يمتلكه الأشخاص، ويحتاج الأشخاص إلى معرفة الأعمال والبيانات جيدًا بما يكفي لفهم الإجراءات التي يجب اتخاذها بناءً على أي رؤى أو توصيات يتم عرضها.

عندما يتعلق الأمر بتوسيع نطاق الذكاء الاصطناعي، يعتقد العديد من القادة أن لديهم مشكلة تتعلق بالأشخاص، وعلى وجه التحديد، عدم وجود عدد كافٍ من علماء البيانات. ولكن ليست كل مشكلة عمل هي مشكلة تتعلق بعلم البيانات. أو على الأقل، لا يجب طرح كل تحديات الأعمال على عاتق فريق علوم البيانات لديك. باستخدام النهج الصحيح، يمكنك جني فوائد الذكاء الاصطناعي دون التحديات التي تأتي مع دورات علم البيانات التقليدية.

لنشر حلول الذكاء الاصطناعي وتوسيع نطاقها، يحتاج القادة إلى تغيير عقلية المنظمة للتفكير في الذكاء الاصطناعي باعتباره رياضة جماعية. تحتاج بعض مشاريع الذكاء الاصطناعي إلى مجموعة مختلفة من الأشخاص والأدوات والتوقعات بشأن الشكل الذي تبدو عليه النتائج الناجحة. إن معرفة كيفية التعرف على هذه الفرص ستساعدك على التعامل مع مشاريع الذكاء الاصطناعي الأكثر نجاحًا وتعميق مجموعتك من مستخدمي الذكاء الاصطناعي، مما يضيف السرعة والقوة إلى عملية صنع القرار عبر القوى العاملة. دعونا نستكشف لماذا وكيف.

تعمل المنظمات على إضفاء الطابع الديمقراطي على التحليل المتقدم باستخدام الذكاء الاصطناعي

لقد كان استخدام الذكاء الاصطناعي لحل مشكلات الأعمال من اختصاص علماء البيانات إلى حد كبير. في كثير من الأحيان، يتم تخصيص فرق علوم البيانات لأكبر الفرص والتحديات الأكثر تعقيدًا في المؤسسة. لقد نجحت العديد من المؤسسات في تطبيق علم البيانات على حالات استخدام محددة مثل اكتشاف الاحتيال والتخصيص وغير ذلك الكثير، حيث تؤدي الخبرة الفنية العميقة والنماذج المضبوطة بدقة إلى تحقيق نتائج ناجحة للغاية.

ومع ذلك، فإن توسيع نطاق حلول الذكاء الاصطناعي من خلال فريق علوم البيانات الخاص بك يمثل تحديًا للمؤسسات، لأسباب عديدة. يعد جذب المواهب والاحتفاظ بها أمرًا مكلفًا للغاية وقد يكون صعبًا في السوق التنافسية. غالبًا ما تستغرق مشاريع علوم البيانات التقليدية الكثير من الوقت للتطوير والنشر قبل أن ترى الشركة قيمتها. وحتى فرق علوم البيانات الأكثر خبرة وقوة يمكن أن تفشل إذا كانت تفتقر إلى البيانات أو السياق اللازم لفهم الفروق الدقيقة في المشكلة التي يُطلب منهم حلها.

2021 جارتنر® حالة علوم البيانات والتعلم الآلي يشير تقرير (DSML) إلى أن "طلب العملاء آخذ في التحول، حيث يرغب الجمهور الأقل تقنيًا في تطبيق DSML بسهولة أكبر، ويحتاج الخبراء إلى تحسين الإنتاجية والشركات التي تحتاج إلى وقت أقصر لتقييم استثماراتها¹". في حين أنه قد تكون هناك العديد من مشكلات الأعمال التي يمكن أن تستفيد من سرعة أو شمولية التحليل الذي يمكن أن يوفره الذكاء الاصطناعي، إلا أن نهج علم البيانات التقليدي قد لا يكون دائمًا أفضل خطة للهجوم لمعرفة القيمة بسرعة. في الواقع، يتوقع تقرير جارتنر نفسه أنه “بحلول عام 2025، لن تعيق ندرة علماء البيانات اعتماد علم البيانات والتعلم الآلي في المؤسسات”.

تعد الخبرة في المجال أمرًا بالغ الأهمية لتوسيع نطاق الذكاء الاصطناعي عبر الأعمال

يساعد الذكاء الاصطناعي بالفعل في توفير إمكانات التحليل المتقدمة للمستخدمين الذين ليس لديهم خلفيات في علم البيانات. يمكن للآلات الاختيار من بين أفضل نماذج التنبؤ والخوارزميات، ويمكن عرض النماذج الأساسية، مما يوفر القدرة على ضبطها والتأكد من أن كل شيء يطابق ما يبحث عنه المستخدم.

تمنح هذه القدرات المحللين وخبراء مجال الأعمال المهرة القدرة على تصميم تطبيقات الذكاء الاصطناعي الخاصة بهم والاستفادة منها. ولكونهم أقرب إلى البيانات، يتمتع هؤلاء المستخدمون بميزة على العديد من نظرائهم من علماء البيانات. إن وضع هذه القوة في أيدي ذوي الخبرة في المجال يمكن أن يساعد في تجنب أوقات التطوير الطويلة وأعباء الموارد والتكاليف الخفية المرتبطة بدورات علوم البيانات التقليدية. بالإضافة إلى ذلك، يجب أن يكون الأشخاص ذوو الخبرة في المجال هم من يقررون ما إذا كان توقع أو اقتراح الذكاء الاصطناعي مفيدًا أم لا.

من خلال عمليات بناء النماذج الأكثر تكرارًا والمراجعة وإعادة النشر، يمكن للأشخاص ذوي سياق العمل الحصول على قيمة من الذكاء الاصطناعي بشكل أسرع - حتى نشر نماذج جديدة لآلاف المستخدمين في غضون أيام إلى أسابيع، بدلاً من أسابيع إلى أشهر. يعد هذا أمرًا قويًا بشكل خاص لتلك الفرق التي قد لا تمثل تحدياتها الفريدة أولوية عالية لفرق علوم البيانات، ولكن يمكنها الاستفادة من سرعة ودقة تحليل الذكاء الاصطناعي.

ومع ذلك، من المهم ملاحظة أنه على الرغم من أن هذه الحلول يمكن أن تساعد في معالجة فجوة المهارات بين المحللين وعلماء البيانات، إلا أنها ليست بديلاً للأخير. يظل علماء البيانات شريكًا مهمًا مع خبراء الأعمال للتحقق من صحة البيانات المستخدمة في الحلول التي تدعم الذكاء الاصطناعي. وبالإضافة إلى هذا التعاون، ستكون مهارات التعليم والبيانات حاسمة في استخدام هذه الأنواع من الأدوات بنجاح على نطاق واسع.

محو الأمية البيانات يمكّن المزيد من الناس من الاستفادة من الذكاء الاصطناعي

تلعب استراتيجية البيانات الأساسية الخاصة بك دورًا كبيرًا في إعداد مؤسستك لتحقيق النجاح باستخدام الذكاء الاصطناعي، ولكن تقديم حلول الذكاء الاصطناعي لعدد أكبر من الأشخاص في جميع أنحاء الشركة سيتطلب خطًا أساسيًا من المعرفة بالبيانات. إن فهم البيانات المناسبة لتطبيقها على مشكلة العمل، وكذلك كيفية تفسير البيانات ونتائج توصية الذكاء الاصطناعي سيساعد الأشخاص على الثقة في الذكاء الاصطناعي واعتماده بنجاح كجزء من عملية صنع القرار. كما تفتح لغة البيانات المشتركة داخل المؤسسة المزيد من الأبواب للتعاون الناجح مع الخبراء.

كشف أحدث استطلاع عالمي أجرته شركة ماكينزي حول الذكاء الاصطناعي أنه في 34% من المنظمات عالية الأداء "يعمل مركز تدريب مخصص على تطوير مهارات الذكاء الاصطناعي للموظفين غير التقنيين من خلال التعلم العملي"، مقارنة بـ 14% فقط من جميع المنظمات الأخرى التي شملها الاستطلاع. بالإضافة إلى ذلك، في 39% من المؤسسات عالية الأداء "توجد قنوات مخصصة للاتصالات ونقاط الاتصال بين مستخدمي الذكاء الاصطناعي وفريق علوم البيانات في المؤسسة"، مقارنة بـ 20% فقط من المنظمات الأخرى.

يمكن للقادة اتباع مجموعة متنوعة من الأساليب لبناء المعرفة بالبيانات، بدءًا من التعليم والتدريب وبرامج الإرشاد ومسابقات بيانات بناء المجتمع والمزيد. فكر في تطبيع الوصول إلى البيانات ومشاركتها، بالإضافة إلى كيفية الاحتفال بالنجاحات والتعلم وصنع القرار باستخدام البيانات وتعزيزها.

قالت فيديا سيتلور، رئيسة أبحاث Tableau: "يجب أن يكون محو الأمية البيانات والتعليم حول التصور وعلوم البيانات أكثر انتشارًا، وأن يتم تدريسهما في وقت أقرب". "هناك نوع من المسؤولية الاجتماعية والتنظيمية التي تأتي مع الاعتماد على استخدام البيانات. يجب أن يكون الأشخاص مجهزين بشكل أفضل لفهم البيانات وتفسيرها والاستفادة منها إلى أقصى حد لأن الذكاء الاصطناعي سيصبح أكثر تعقيدًا، ويجب أن نكون متقدمين على اللعبة ببضع خطوات.

يؤدي الاستمرار في بناء ثقافة البيانات في مؤسستك إلى خلق فرص قوية لتعزيز المهارات وتعزيز الحلول الجديدة عبر الأعمال. وقد قامت العديد من المؤسسات بالفعل بزيادة استثماراتها في البيانات والتحليلات في السنوات الأخيرة، مع تسارع التحول الرقمي. ليس من السهل التفكير في البيانات باعتبارها رياضة جماعية، والآن لدينا الوسائل لتوسيع هذه العقلية لتشمل الذكاء الاصطناعي.