الذكاء الاصطناعي الخاص بك يتخذ قرارات بملايين الدولارات بناءً على بيانات لا يفهمها أحد

الذكاء الاصطناعي لا يتردد عندما تكون بياناتك خاطئة. هذه هي المشكلة.

اسحب شيئًا غير موصوف من الفريزر وتعرف أنه طعام، لكنك لا تعرف حقًا ما الذي تتعامل معه. من المحتمل أن تكتشف ذلك في النهاية. هذه الغموض يكلفك، ربما، وجبة سيئة.

الآن تخيل أن نفس الغموض يعمل على نطاق المؤسسات، بسرعة الآلات، عبر كل قرار اتخذته أنظمة الذكاء الاصطناعي الخاصة بك اليوم. هذا ليس فرضيًا. هذا ما يحدث عندما تستثمر المؤسسات بشكل كبير في الذكاء الاصطناعي دون الاستثمار بشكل متساوي في البنية التحتية التي توضح للذكاء الاصطناعي ما تعنيه البيانات بالفعل.

لقد قضينا سنوات في تحسين القدرة على نقل البيانات بسرعة. ما زال الأمر غير محسوم إلى حد كبير هو ما إذا كانت الأنظمة التي تستهلك تلك البيانات تفهم ما تعنيه. لأن السرعة بدون معنى ليست سوى ضوضاء تُقدم بشكل أسرع، والفجوة بين البيانات المتحركة بسرعة والبيانات التي يتم فهمها بشكل صحيح هي المكان الذي تنهار فيه استراتيجيات الذكاء الاصطناعي.

مشكلة البيانات الوصفية التي لا يتحدث عنها أحد بصوت مرتفع بما يكفي

على مدى عقود، تم تصميم أنظمة البيانات الوصفية أساسًا لتفسير البشر. وثقت الكتالوجات مجموعات البيانات. تتبع أدوات الحوكمة الملكية والسياسات. رسمت أنظمة السلسلة الحركة عبر الأنابيب. لكن معظم البيانات الوصفية كانت خاملة، مجزأة ومفصولة عن الأنظمة التشغيلية التي تنتج وتستهلك البيانات بالفعل. عوّض البشر تلك الفجوات من خلال المعرفة المؤسسية والخبرة. لا يمكن لأنظمة الذكاء الاصطناعي القيام بذلك.

إذا سحب محلل لوحة بيانات ورأى إيرادات سلبية لمدة 90 يومًا الماضية، فلا يتصرف بناءً على ذلك. يتصل بشخص ما. يحفر. يثق بحدسه أن هناك شيئًا خاطئًا قبل أن يتعطل شيء ما.

تعمل أنظمة الذكاء الاصطناعي بشكل متزايد دون الحدس الذي يطبقه البشر تلقائيًا. يلاحظ المحلل المتمرس عندما يبدو أن الرقم خاطئ. تقوم الآلة بتقييم المدخلات التي تتلقاها وتواصل وفقًا للمنطق والسياق المتاح.

لهذا السبب تستحق استراتيجيتك للبيانات الوصفية نفس الانتباه في مجلس الإدارة مثل استراتيجيتك للذكاء الاصطناعي. التحدي هو أن معظم المؤسسات لا تزال تعالج البيانات الوصفية على أنها وثائق بدلاً من بنية تحتية. في الهياكل الحديثة، تعمل البيانات الوصفية بشكل متزايد كنظام تشغيل يحدد ما إذا كان يمكن الوثوق بكل ما يعمل فوقها.

التسميات الثابتة لا يمكنها مواكبة الأنظمة المتحركة

تم تصميم النهج التقليدي للبيانات الوصفية لعالم يقرأه البشر. فكر في الوثائق، الكتالوجات البيانية وسياسات الحوكمة المكتوبة في ويكي في مكان ما. يفترض أن السياق واضح. يفترض أن التعريفات تظل مستقرة. يفترض أن الشخص الذي يستهلك البيانات يفهم ماذا كانت عندما تم إنشاؤها. لا يتمسك أي من تلك الافتراضات في بنية البيانات الحديثة، ولا يتمسك أي منها على الإطلاق بمجرد دخول وكلاء الذكاء الاصطناعي إلى الصورة.

ما تحتاجه المؤسسات فعليًا هو بيانات وصفية نشطة: بيانات وصفية يتم جمعها باستمرار، ومقارنتها وتفعيلها عبر المؤسسة. ليس مجرد كتالوج للأصول، ولكن نظام يعي الأحداث قادر على فهم العلاقات، ونشر السياسات، واكتشاف الانحراف، وتتبع التأثير اللاحق، وفرض قواعد الحوكمة وتوفير السياق التشغيلي لكل من البشر والآلات. في بيئات الذكاء الاصطناعي، لا يمكن للبيانات الوصفية بعد الآن أن تبقى بجانب التنفيذ. يجب أن تحافظ على وتيرة مع البيئة البيانية بدلاً من توثيق لقطة منها.

جارتنر تتوقع أن المؤسسات التي تعطي الأولوية للاكتمال الدلالي في بياناتها ستشهد تحسينًا يصل إلى 80% في دقة نموذج الذكاء الاصطناعي وتخفيضًا يصل إلى 60% في التكاليف بحلول عام 2027. المؤسسات التي تعتبر معنى البيانات عاملًا من الدرجة الأولى تتفوق. الفجوة التنافسية بينهم وبين أولئك الذين لا يفعلون ذلك تتسع أسرع مما يدركه معظم الناس.

العقود تغير كيف تتصرف الأنظمة

واحدة من أكثر الآليات فعالية لتفعيل معنى البيانات هي عقد البيانات: اتفاقية رسمية قابلة للقراءة من الآلات بين الفرق التي تنتج البيانات والفرق، والتطبيقات ونظم الذكاء الاصطناعي التي تستهلكها. يعرف العقد الناضج ليس فقط كيف تبدو البيانات، ولكن ما الذي تعد به، مثل مدى حداثتها، من يمتلكها عندما تتعطل وما هو معيار الجودة الذي يجعلها ملائمة للاستخدام. يمكن للنظم بعد ذلك تطبيق تلك الوعود تلقائيًا دون الانتظار حتى يلاحظ شخص ما الانتهاك.

إذا كانت سجلات العملاء تتطلب بموجب العقد تحديثها كل خمس دقائق وتوقفت فجأة عن التحديث لمدة 15 دقيقة، يمكن للنظام اكتشاف الانتهاك على الفور. يمكن منع أنظمة الذكاء الاصطناعي اللاحقة من استهلاك البيانات القديمة. يمكن لخطوط استرجاع البيانات أن تشير إلى إشارات الثقة المتدهورة. يمكن لوحات المعلومات التشغيلية أن تحدد أي النماذج والتقارير وسير العمل تتعامل الآن مع افتراضات غير صحيحة. يصبح العقد جزءًا قابلاً للتنفيذ من البنية بدلاً من وثائق ثابتة لا يقرأها أحد.

مع البيانات الوصفية النشطة، أعيد تعريف شيئًا بسيطًا مثل تاريخ بدء العقد وسرعان ما ترى أي لوحات بيانات، نماذج وأنظمة تشغيلية متأثرة. لا تزال معظم المؤسسات تكتشف ذلك بالطريقة الصعبة، بعد أن تتعطل في الإنتاج.

مالكَيْن. مصدر واحد للحقيقة.

كل أصل بيانات ذي معنى يحتاج إلى مالكيْن. مالك تقني يفهم كيف تم بناؤه وصيانته وتسليمه. ومالك تجاري يفهم ماذا يعني ذلك فعلاً في العالم الحقيقي. في الممارسة العملية، نادرًا ما يتحدث هذان الشخصان بما فيه الكفاية. يعرف المالكة التقنية أن الأنبوب صحي. يعرف المالكة التجارية أن التعريف قد تغير قبل ستة أشهر. لا يعرف أي منهما أن الآخر لا يعرف. تستمر البيانات في التدفق، وتستمر لوحات المعلومات في التحديث، ويواصل الذكاء الاصطناعي الاستهلاك. في مكان ما أسفل، يتم اتخاذ قرار بناءً على مقياس له معنى مختلف للنظام المنتج له مقارنةً بالفريق الذي يتعامل معه.

يجب أن تتقارب هاتان الرؤيتان في مكان رسمي، مُحافظ عليه وقابل للقراءة من الآلات. لا يمكن أن تكون فهمًا مشتركًا يعيش في الذاكرة المؤسسية للأشخاص الذين قد يغادرون في الربع التالي. في بنية البيانات الحديثة، تكون نقطة التقارب هي الطبقة الدلالية: النظام المشترك الذي يربط بين المفاهيم التجارية والأصول التقنية والسياسات والسلسلة إلى تعريف مشترك للمعنى عبر المؤسسة.

الملكية بدون بنية تحتية هي مجرد نوايا حسنة. الطبقة الدلالية هي حيث تصبح النوايا الحسنة شيئًا يمكن للأنظمة تطبيقه بالفعل.

من إطفاء الحرائق إلى البصيرة

عندما يتجمع كل هذا، فإن الأثر أقل دراماتيكية مما يبدو وأكثر قيمة مما تتوقع المؤسسات. تمضي وقتًا أقل في تتبع الخطوط الأنابيب للخلف خلال الحوادث. تقوم بتعديل البنية التحتية بمخاطر أقل لأنك تفهم بالفعل العواقب اللاحقة. تثق في مخرجات الذكاء الاصطناعي أكثر لأنك تستطيع تتبع بالضبط أي البيانات، والسياسات، والتعريفات، ومسارات الاسترجاع ساهمت في قرار ما وما إذا كانت تلك الإشارات كانت صالحة في الوقت الذي تصرفت فيه الأنظمة بناءً عليها.

لن تكون المؤسسات التي ستستمد أكبر قيمة من الذكاء الاصطناعي على مدار السنوات القليلة القادمة بالضرورة هي تلك التي لديها أكبر النماذج أو الأكثر تجريبيًا. ستكون المؤسسات التي تبني هياكل قادرة على الحفاظ على المعنى كلما تحركت البيانات عبر أنظمة أكثر استقلالية.

لن تأتي الجيل القادم من إخفاقات المؤسسات من الذكاء الاصطناعي الذي يتخذ قرارات غير عقلانية. بل ستأتي من الذكاء الاصطناعي الذي يتخذ قرارات عقلانية تمامًا بناءً على بيانات لم يفهمها أحد تمامًا.

مجلس تقنية فوربس هو مجتمع بالدعوة فقط لكبار مديري المعلومات، وكبار مسؤولي التكنولوجيا والتنفيذيين في التكنولوجيا. هل أستوفي الشروط؟