يجب أن تبدأ المؤسسات في الاستفادة من البيانات المملوكة والأنظمة متعددة النماذج لتقديم حلول أكثر ذكاءً ومحددة بالسياق تعمل على تحسين الكفاءة وتمكين الأتمتة المتقدمة.
يضمن الحوكمة القوية الاستخدام الموثوق للذكاء الاصطناعي المؤسسي من خلال حماية المعلومات الحساسة، وتعزيز جودة البيانات، ومنع الأخطاء المكلفة، وتعزيز الثقة والمصداقية.
لتحقيق قيمة ملموسة، يجب تصميم الذكاء الاصطناعي ليكون قابلاً للتوسع بفعالية. يجب أن ينتقل من مرحلة التجارب إلى النشر على مستوى المؤسسة بالكامل مع الحفاظ على الأداء والدقة والتحكم في التكاليف.
لقد مر أكثر من عامين منذ أن أطلقت OpenAI نموذج ChatGPT، مما أدى إلى دورة ضخمة من الترويج للذكاء الاصطناعي التوليدي (GenAI). لكن ما الذي تعتقده المؤسسات حقًا بشأن إمكانات الذكاء الاصطناعي التوليدي؟ وكيف يستخدمونه اليوم؟
وفقًا لاستطلاع حديث أجرته Economist Impact شمل 1,100 من المديرين التنفيذيين والخبراء التقنيين، يعتقد 73% من الشركات أن الذكاء الاصطناعي التوليدي ضروري لأهدافهم الاستراتيجية طويلة الأجل.
في الواقع، 85% منهم يستخدمون الذكاء الاصطناعي التوليدي بالفعل في وظيفة واحدة على الأقل. ورغم هذا الحماس، لا تزال الدقة تمثل تحديًا كبيرًا، حيث يعتقد 37% فقط من المديرين التنفيذيين أن مشاريعهم في الذكاء الاصطناعي التوليدي جاهزة للإنتاج.
لتحويل الضجة إلى نتائج فعلية، يجب على الشركات معالجة العوامل التي تعرقل اعتماد الذكاء الاصطناعي التوليدي والثقة به: الدقة، المخاطر، وإمكانية الوصول. من خلال أنظمة متخصصة مبنية على بيانات مملوكة، إلى جانب استراتيجية حوكمة قوية، يمكن للمؤسسات حل مشكلات أداء الذكاء الاصطناعي والبدء في استخدام التقنية بشكل فعال من حيث التكلفة لدفع النمو العام للأعمال.
نحو ذكاء اصطناعي مؤسسي موثوق
إليك ثلاث خطوات يجب أن يتخذها كل قائد لضمان ذكاء اصطناعي مؤسسي أكثر دقة وموثوقية في عام 2025.
1. تجاوز نموذج الذكاء الاصطناعي الواحد
سواء كان البنك يسعى لاكتشاف الاحتيال أو كانت شركة أدوية تحاول تسريع اكتشاف الأدوية، فإن لكل حمل عمل متطلبات فريدة لا يمكن تلبيتها من خلال نموذج لغوي تجاري واحد. وبدلاً من ذلك، تتعلم المؤسسات بسرعة أن البيانات الأفضل تؤدي إلى ذكاء اصطناعي أكثر ذكاءً.
تحمل البيانات المملوكة للشركة معلومات حيوية حول تفاعلات العملاء والموظفين والشركاء والموردين. يمكن لهذه الأصول المؤسسية تدريب النماذج التي تفهم الثقافة الفريدة للمؤسسة، والمصطلحات المتخصصة، والعمليات الداخلية. توفر هذه الأنظمة ذكاءً أعمق وأتمتة متقدمة يحتاجها الموظفون لأداء وظائفهم بشكل أفضل وأسرع وأكثر ذكاءً.
يساعد استخدام نماذج وأنظمة ذكاء اصطناعي متعددة على تحسين الأداء العام. يمكن لهذا النوع من الهندسة المعمارية إنشاء نظام وكيل ذكاء اصطناعي مؤسسي يتيح للمستخدمين معالجة استفسارات أكثر تعقيدًا وديناميكية من تلك التي توفرها برامج الدردشة التقليدية، بل ويمكنه اتخاذ إجراءات نيابة عن الموظفين.
على سبيل المثال، أطلقت Mastercard مؤخرًا وكيل ذكاء اصطناعي لتبسيط عملية انضمام العملاء. يعمل النظام على أتمتة المهام الروتينية، ويجيب على الأسئلة الحرجة للعملاء، ويتحسن باستمرار من خلال التغذية الراجعة من الخبراء. وبفضل تدريبه على بيانات Mastercard المملوكة، فإنه يضمن استجابات دقيقة ومحدّثة ومخصصة لـ Mastercard. يساعد إقران الوكلاء بتصميم يدمج الإنسان في الحلقة في تجنب مخاطر ""الذكاء الاصطناعي السيئ"".
2. إعطاء الأولوية لحوكمة البيانات
مع الاستخدام المتزايد للبيانات في جميع أنحاء المؤسسة، تحتاج المؤسسات إلى توفير والتحكم في الوصول إلى المعلومات الحساسة. تمنح الحوكمة الموحدة الفعالة المؤسسات الثقة في توسيع نطاق الوصول إلى البيانات بشكل انتقائي مع الحفاظ على أدوات ذكاء اصطناعي مسؤولة تعزز الكفاءة والنمو التنظيمي.
تتجاوز حوكمة البيانات مجرد تحديد الأذونات المناسبة. فمن خلال الضوابط الصحيحة، يمكن للحوكمة مساعدة المؤسسات في تعزيز الثقة في أنظمة الذكاء الاصطناعي. يساعد وضع معايير للبيانات، ووضع سياسات لكيفية استخدام الأصول، والتحكم في المخرجات على تحسين الجودة العامة وموثوقية البيانات.
على سبيل المثال، من خلال بروتوكولات الحوكمة الصحيحة، كان بإمكان شركة Chevy منع وكيل الذكاء الاصطناعي الخاص بها من التوصية بسيارة Ford F-150 المنافسة للعملاء المحتملين.
3. التخطيط للتوسع
قد لا يعمل نظام الذكاء الاصطناعي الذي يعمل بشكل جيد في بيئة اختبار بنفس الكفاءة عند استخدامه من قبل آلاف الموظفين أو ملايين المستهلكين. بينما قد تتمكن الشركات من الحفاظ على تكاليف منخفضة أثناء تشغيل التقنية في بيئة خاضعة للرقابة، يصبح ذلك أكثر صعوبة عندما يتمكن كامل القوى العاملة أو قاعدة العملاء من الوصول إليها.
نتيجة لذلك، تظل العديد من مشاريع الذكاء الاصطناعي عالقة في المرحلة التجريبية، حيث من المحتمل أن تحقق قيمة تجارية ضئيلة أو معدومة. وعند نشر الذكاء الاصطناعي بفعالية على نطاق واسع، يمكن أن يساعد المؤسسة في تعزيز استراتيجيتها التجارية الحالية والسعي بشكل أسرع نحو فرص سوقية جديدة لدفع النمو الشامل.
على سبيل المثال، قامت شركة Grainger ببناء نظام ذكاء اصطناعي مخصص لمساعدة فرق الخدمة في التنقل وإدارة أكثر من 2.5 مليون منتج موزع في قطاع المعدات الصناعية. يمكن لوكلاء الدعم الآن استخدام استفسارات اللغة الطبيعية للوصول بسرعة إلى المعلومات الحرجة، مما يساعد على تقليل أوقات الخدمة وتحسين رضا العملاء.
والأهم من ذلك، أن النظام يمكنه معالجة ما يقرب من 400,000 تغيير في المنتجات يوميًا على الفور، مما يضمن حصول المستخدمين دائمًا على أكثر المعلومات دقة وحداثة.
تحقيق قيمة فعلية
لتنفيذ هذه الحالات في العالم الحقيقي، يجب أن تكون الشركات قادرة على تتبع أداء الأنظمة عبر قاعدة المستخدمين الأكبر. يمكن لحوكمة البيانات الآن مساعدة المؤسسات في مراقبة استخدام النماذج للتحكم في التكاليف.
في الوقت نفسه، يضمن التدريب المستمر عدم تدهور أداء أنظمة الذكاء الاصطناعي التوليدي بمرور الوقت. ومن المهم أن تساعد دورات التغذية الراجعة من الموظفين في تحسين الدقة العامة للأنظمة.
بينما ستسير كل مؤسسة في رحلتها الخاصة نحو اعتماد الذكاء الاصطناعي، فإن هذه الخطوات أساسية لبناء أنظمة ذكاء اصطناعي مؤسسية دقيقة وفعالة من حيث التكلفة، وتساعد الموظفين والعملاء بالفعل. هذه هي الطريقة التي تبني بها المؤسسات الثقة في التكنولوجيا التحويلية.
