برونو بيلي، رئيس ومدير تنفيذي لـAPGAR North America، ينصح المؤسسات حول الواقع التشغيلي للبيانات وتحول المؤسسات
على مدى العقد الماضي، استثمرت الشركات بشكل كبير في منصات السحابة، بحيرات البيانات، خطوط البيانات وبيئات التحليل المتطورة بشكل متزايد. من منظور تكنولوجي، يبدو أن العديد من المؤسسات لديها الأسس المطلوبة لدعم الذكاء الاصطناعي، لكن الذكاء الاصطناعي يكشف عن واقع مختلف.
القضية ليست ما إذا كانت المؤسسات تستطيع تخزين البيانات أو نقلها أو الوصول إليها. معظم المؤسسات يمكنها ذلك. القضية هي ما إذا كان الأشخاص، والآن أنظمة الذكاء الاصطناعي، يمكنهم فهم تلك البيانات وتوثيقها واستخدامها باستمرار في السياق التجاري الصحيح.
ما يحدث فعلاً داخل المؤسسة
قبل اجتماع تنفيذي، يقوم مراقبو المالية بتوافق التقارير التي من المفترض أن تتطابق. تصحح عمليات المبيعات صفقات العملاء التي لا تظهر في خط الأنابيب. يقوم محللو سلسلة التوريد بتعديل المقاييس لأن أحد المخازن دائماً ما يقدم تقارير متأخرة.
السياق الذي يجعل تلك التصحيحات ممكنة موجود في رؤوس الناس. نادراً ما يظهر في مخططات العمليات أو الوثائق. الطبقة الخفية من التفسير البشري هي ما يجعل المؤسسة تعمل، وهي أيضاً أحد الأسباب التي تجعل تجارب الذكاء الاصطناعي تبدو جيدة للغاية.
في تجربة، يتم تحديد النطاق بشكل ضيق. خبراء الموضوع موجودون في الغرفة. يقومون بجمع المدخلات، وتصحيح المخرجات وتعديل القواعد التجارية عندما تظهر حالات خاصة. يعرفون أي الاستثناءات تهم وأيها يمكن تجاهله. يمكنهم إخبار النموذج، بشكل مباشر أو غير مباشر، بما يعتبر إشارة وما هو مجرد ضجيج.
تنجح التجربة لأن النموذج يتم الإشراف عليه بواسطة الحكم البشري.
تبدأ المشكلة عندما تحاول المؤسسات تنفيذ تلك التجربة على نطاق المؤسسة. الآن يجب على منتج الذكاء الاصطناعي التنقل عبر الأنظمة والفرق وسير العمل والتعريفات التي لم يتم التوافق عليها بالكامل.
عندما يلتقي الذكاء الاصطناعي بالواقع التنظيمي
اعتبر مثالين حديثين من العملاء.
في أحد العملاء، عملت تجربة دردشة الذكاء الاصطناعي بشكل جيد في بيئة محصورة لكنها واجهت صعوبة عند توسيعها عبر المبيعات والفواتير ونجاح العملاء والتسويق. لم تكن القضية فقط أن تلك الفرق كانت لديها تعريفات مختلفة لـ “العميل”. بل أيضاً أن كل فريق كان يتفاعل مع العميل في سياق مختلف: كانت فرق الدعم تدير المشكلات، وفرق المبيعات تدير الفرص، وفرق نجاح العملاء تدير التوسع، وفرق الفواتير تدير الدفع. كان بإمكان الممثلين البشريين الانتقال بين تلك السياقات تقريباً دون أن يلاحظوا. لكن البوت لم يستطع.
في عميل آخر، تم استخدام الذكاء الاصطناعي لإنشاء لوحة تحكم لـ “أفضل 10 عملاء في خطر”. جمع النظام البيانات وأنتج قائمة مرتبة. ثم راجع القادة ذلك، وتوقف الحديث. لم يكن بإمكان أحدهم الاتفاق تماماً على سبب وجود هؤلاء العملاء هناك. هل كان “في خطر” يتعلق بالرحيل، أو تعرض الإيرادات، أو مشكلات الخدمة، أو مشاكل الدفع، أو تراجع التفاعل أو شيء آخر؟ لقد أنتج النموذج إجابة، لكن المؤسسة لم تتفق على السؤال.
في كلتا الحالتين، بدا أن الذكاء الاصطناعي يعمل حتى احتاجت المؤسسة إلى اتخاذ إجراء بناءً على المخرجات. واجه بوت الخدمة صعوبة لأنه لم يستطع الانتقال بين سياقات العملاء. وتوقف عمل لوحة التحكم لأن “العميل في خطر” يعني أشياء مختلفة لأجزاء مختلفة من العمل.
هذه هي مشاكل السياق.
إنها تكشف عن شيئين غالبًا ما تتركهما المؤسسات ضمنيًا: كيف يحدث العمل فعليًا عبر الوظائف وما يجب أن تعنيه المصطلحات التجارية قبل أن يمكنها دفع العمل.
ماذا يجب أن يفعله القادة التجاريون الآن
لهذا السبب يجب أن تنتقل المناقشة حول جاهزية الذكاء الاصطناعي إلى ما هو أبعد من البنية التحتية. لا تزال الكثير من المحادثة تركز على التكنولوجيا: أي النماذج يجب استخدامها، وأي المساعدين يجب نشرهم، وأي منصات البيانات يجب تحديثها وحتى كيفية قياس استخدام الرموز كبديل لإنتاجية الذكاء الاصطناعي.
تلك الأسئلة مهمة، لكنها لا تقودك بعيدًا إذا لم يمكن الاتفاق في العمل على معنى المخرجات. يمكنك قياس استخدام الرموز حتى الرقم العشري ولا تزال ليس لديك إجابة مشتركة على السؤال الأساسي “ماذا يعني ‘العميل في خطر’ حقًا؟”
إن جاهزية الذكاء الاصطناعي ليست مجرد مسألة بنية تحتية، أو أدوات أو مقاييس استخدام. إنها أيضًا مسألة ما إذا كانت المؤسسة لديها نموذج عمل للسياق.
يجب أن يجيب هذا النموذج التشغيلي على ثلاثة أسئلة عملية.
• من يمتلك البيانات؟ يجب أن يكون هناك شخص مسؤول عن جودة وموثوقية واستخدام مجالات البيانات الأساسية.
• من يمتلك المعنى؟ لا يمكن أن تعيش تعريفات مثل “العميل”، “المنتج”، “النشط”، “الكامل”، “المؤهل” أو “في خطر” فقط في الأنظمة أو التقارير. تحتاج إلى مالكين أعمال يمكنهم تعريف ما تعنيه تلك المصطلحات في سير العمل حيث تُتخذ القرارات.
• من يتوسط بين السياقات؟ لن تستخدم المبيعات والفواتير والدعم والمالية والعمليات نفس المفهوم دائمًا بنفس الطريقة. ولا ينبغي لهم؛ إنهم يعملون في أجزاء مختلفة من سلسلة القيمة. يجب أن يعرف النموذج التشغيلي متى يجب تسوية تلك الاختلافات، ومتى يجب أن تبقى متميزة ومن يقرر متى يكون هناك نزاع.
الخلاصة
المؤسسات التي تفهم هذا بشكل صحيح لن تحصل فقط على منصات أفضل أو المزيد من نشاط الذكاء الاصطناعي. سيكون لديهم فهم أوضح لكيفية حدوث العمل فعليًا، وأين يتحلل المعنى وما الذي حافظ الحكم البشري عليه معًا.
لا يحتاج الذكاء الاصطناعي دائمًا إلى المزيد من البيانات، ولكنه يحتاج إلى أن تكون المؤسسات أكثر وضوحًا بشأن من يمتلك المعنى، ومن يحل النزاعات وكيف يتم تطبيق السياق على نطاق واسع.
مجلس تكنولوجيا فوربس هو مجتمع بدعوة فقط لقادة التكنولوجيا والمديرين التنفيذيين. هل أؤهل؟
