كاتب أم مشغل؟ سؤال بنية الذكاء الاصطناعي الذي تخطئ فيه معظم شركات الخدمات المهنية

نوعان من أدوات الذكاء الاصطناعي

​النوع الأول من الأدوات هو “كاتب”. إنه يتعامل جيدًا مع المهام المتعلقة باللغة الطبيعية: ملاحظات الاجتماعات، توليد الوثائق والملخصات التنفيذية. لكنه ليس لديه وعي بالهياكل التجارية، المالية والموارد التي تحكم كيفية تشغيل أعمال الخدمات فعليًا.

من جهة أخرى، فإن المشغل هو نظام عامل يستدعي ضمن القيود الصارمة والحتمية لمنظمة الخدمات حيث تعتمد الهوامش على الاعتراف الدقيق بالإيرادات، الامتثال للعقود والنشر الدقيق للمواهب. ينفذ المشغل الإجراءات، يتحقق من مخرجاته ويتعامل مع العواقب اللاحقة عبر الهيكل التشغيلي.

السبب الهيكلي الذي يجعل معظم مبادرات الذكاء الاصطناعي تتعثر عند المستوى 1 أو 2 هو غياب طبقة منطقية مقيدة بالقواعد: مجموعة من القواعد التجارية الثابتة، نماذج بيانات موثقة وقيود مالية لا يمكن للذكاء الاصطناعي تجاوزها. هذه “الإطار الحتمي” هو ما يمنع نظام الذكاء الاصطناعي من الاقتراب من تحقيق توازن في البيانات المالية.

يعمل الذكاء الاصطناعي الاحتمالي على أساس الاحتمال، وهو قوي للمهام الإبداعية والتوليدية. ولكن في تحليل هوامش المشاريع أو الاعتراف بالإيرادات، تتحول تلك الطبيعة الاحتمالية إلى عبء امتثال. يمكن أن يتخيل نموذج ما، وينجرف رياضيًا ويدخل أخطاء في سير العمل حيث لا يتم التفاوض على أي شيء أقل من دقة 100%.

يتطلب المشغل قاعدة في عمارة قيود موثقة – وهي أنطولوجيا مدفوعة بالبيانات تعمل كمرجع موثوق للحقيقية للأعمال. تقوم تلك الطبقة بتشفير:

• أنطولوجيا المشاريع: كيف تتصل الساعات، التكاليف والإيرادات عبر أنواع مختلفة من المشاريع

• دلالات الموارد: التمييز المعنوي بين استشاري كبير في نيويورك ومتخصص في لندن، مستندًا إلى ملايين نتائج التوظيف

• قواعد العمل: معايير الاعتراف بالإيرادات، منطق المحاسبة متعددة العملات وإطارات تسليم المشاريع التي يجب تنفيذها، وليس تقديرها​

تُعتبر نماذج LLM العامة التي تم تدريبها على بيانات الويب المفتوحة ليست متجذرة بطبيعتها في هذه القيود التشغيلية والمالية.​​

مشغل أو كاتب: أي واحد لديك؟

سواء كنت تقيم نظامًا جديدًا أو تدقق في ما تم نشره بالفعل، فإن السؤال هو نفسه: هل يعمل حقًا بالمستوى الذي تحتاجه؟ اختبر أي نظام عبر هذه الأبعاد الثلاثة.

1. هل يفهم الذكاء الاصطناعي عملك أم أنه يتوقع النص؟

يتم بناء المشغل الحقيقي على بيانات وأنطولوجيا محددة المجال. إنه يفهم كيفية ارتباط النقاط الرئيسية، الاعتراف بالإيرادات والاستخدام، معاملة “المشروع”، “المورد” و”هوامش” كالمفاهيم المتصلة هيكليًا. يتم تأطير تدريبه في تاريخ عملي حقيقي، لا بيانات عامة على الإنترنت.

اطلب من المورد شرح نموذج بيانات الخدمات وكيف تم بناؤه. ​يجب أن يشير هذا في المثالي إلى حجم ونوع بيانات الخدمات التي تم تدريب النموذج عليها ويصف كيف يرتبط ذلك بالتقاليد القيودية. إذا كان الجواب يصف LLM عالي الإستخدام مع طبقة رقيقة من مصطلحات الخدمات مُطَبَّقَة فوقها، فإن الأساس هو أساس كاتب.

2. كيف يفصل النظام بين الطلاقة والدقة؟

يستدعي المشغل ضمن قيود موثقة. قد يقوم LLM بتوليد توصية، ولكن يجب على طبقة منطق مالية التحقق منها قبل أن يتم كتابة أي شيء مرة أخرى إلى أنظمة السجل. يجب أن تحمل كل مخرجات أثر تدقيق يمكن تتبعه للبيانات وقواعد العمل التي أنتجتها.

اطلب من المورد توضيح كيف يتم حساب سيناريو هوامش معقد، وماذا يحدث عندما ينتج LLM نتيجة غير صحيحة. ​ابحث عن فهم طبقة التحقق، أثر التدقيق وكيف يتم التقاط الأخطاء قبل أن تصل إلى نظام السجل.

3. ماذا يمكن أن ينفذ الذكاء الاصطناعي، وليس مجرد وصفه؟

يتصرف المشغل الحقيقي عبر الأنظمة في وقت واحد. يمكنه تعديل خطة المشروع، ضبط التوظيف وتحديث جداول الفوترة استجابةً لتغيير في النطاق مع احترام القيود التعاقدية والمالية وموارد في نفس الوقت.

اطلب من الموردين توضيح كيف يتعامل الذكاء الاصطناعي مع أمر تغيير قيد التنفيذ عبر الفوترة والموارد وتأثير الهامش في سيناريو واحد، من البداية إلى النهاية، بدون تداخل بشري بين الأنظمة.

تميل العروض الأكثر إظهارًا إلى إبراز كيفية تصرف النظام عندما تتعارض القيود أو تتغير الظروف خلال العملية. انتبه ليس فقط إلى ما إذا كان الذكاء الاصطناعي يمكن أن ينفذ عبر الأنظمة، ولكن أيضًا إلى كيفية تعاملها مع الاستثناءات، انتهاكات السياسة والتأثيرات التشغيلية اللاحقة في الوقت الحقيقي.​​

الانتقال من كاتب إلى مشغل

لدى معظم الشركات الغريزة الصحيحة: ابدأ صغيرًا، أثبت القيمة وتوسع. الفرق هو معرفة من أين تبدأ حقًا.

ابدأ بنموذج بياناتك. لا يمكن أن تكون عمارة القيود الموثقة موثوقة إلا بقدر ما تكون البيانات الأساسية متسقة. يجب حل سجلات المشاريع المنفصلة، التدرجات المتباينة للموارد والحل اليدوي للفوترة قبل أن يتمكن المشغل من العمل. قم بتدقيق هذه الفجوات أولاً.

ثم، حدد سير العمل في عملك حيث تكون التقريب غير قابلة للتفاوض: إغلاق الاعتراف بالإيرادات، قرارات التوظيف ذات التعقيد العالي ومصالح الفوترة متعددة الكيانات. هذه هي سير العمل حيث ينشئ الكاتب خطرًا حقيقيًا وتكون عائد الاستثمار في بنية المشغل واضحة. قم ببناء طبقة القيود الموثقة حول تلك الأعمال قبل التوسع.

أخيرًا، أرسِ أثر التدقيق كمتطلب غير قابل للتفاوض في كل مخرج ذكاء اصطناعي يمس نظامًا للسجل. يعمل أثر التدقيق ككل من مراقبة الامتثال وآلية التعلم، مما يبرز أين تنحرف الطبقة الاحتمالية وأين تحتاج عمارة القيود إلى التشديد.

لن يقوم الذكاء الاصطناعي بتحويل الخدمات المهنية من خلال تحسين قدرة الشركات على إنتاج النصوص، بل عن طريق جعل الشركة نفسها أكثر ذكاءً حيث يكون كل قرار مشروع، اتصال توظيف وإجراء فوترة مستندا إلى الكاملة ثقل تاريخ التشغيل للمنظمة. يأتي هذا التحول من الشركات التي كان لديها الانضباط لبناء الأساس قبل السعي وراء الحدود.​​

مجلس تكنولوجيا فوربس هو مجتمع خاص بدعوة فقط لقادة التكنولوجيا والمديرين التنفيذيين في العالم. هل أؤهل؟