قليل من الشركات تعمل بمفردها في عصر الذكاء الاصطناعي. فتكلفة وتعقيد إنشاء نماذج اللغة الكبيرة (LLMs) والنماذج التوليدية من الصفر يُعد باهظًا، في حين أن السوق مليء بمنصات وأدوات جاهزة بالفعل.
يقول كيفن كولينز، المؤسس والرئيس التنفيذي لشركة Charli AI المتخصصة في حلول الذكاء الاصطناعي:
""بالنسبة لمعظم المؤسسات، فإن بناء نماذج لغوية كبيرة خاصة بها مكلف للغاية، كما أن فائدتها محدودة زمنيًا. إذا لم تكن لديك الخبرة والموارد الكافية للاستثمار الكبير، فمن الأفضل تعديل النماذج الجاهزة وتحسينها.""
يتزايد أيضًا دمج الذكاء الاصطناعي في المنصات البرمجية الحالية، بما في ذلك تلك الخاصة بعمالقة التكنولوجيا مثل Microsoft وAdobe.
يقول SP Singh من شركة Infosys:
""نحن نُدخل الذكاء الاصطناعي في كل ما نقوم به داخل مؤسستنا، ونتبنى نفس النهج مع عملائنا.""
وبطبيعة الحال، يمكن للشركات أيضًا أن تدفع لاستخدام النماذج الخاصة من مزوّدين مثل OpenAI، أو تقوم بتعديل تلك النماذج حسب الحاجة. كما يمكنها بناء أدوات الذكاء الاصطناعي التوليدي الخاصة بها باستخدام نماذج مفتوحة المصدر.
يُؤكد مات ماكلارتي، المدير التقني في شركة Boomi للبرمجيات، أن بناء نماذج لغوية كبيرة (LLMs) لن يكون هو المسار المناسب لمعظم الشركات.
ويقول:
""معظم المؤسسات لن تقوم ببناء نماذج لغوية كبيرة، فهي مكلفة وتتطلب بنية تحتية ضخمة. بدلاً من ذلك، عليها أن تصبح خبيرة في تطبيق هذه التقنيات الجديدة ضمن سياق أعمالها الخاص. الشركات التي لا تضع عربة الذكاء الاصطناعي أمام حصان المشكلة التجارية ستكون في موقع أفضل.""
تشير نتائج استطلاعنا إلى أن الشركات تأخذ بهذه النصيحة، إذ تسعى إلى تطوير حالات استخدام للذكاء الاصطناعي تعالج مشكلاتها التجارية الفريدة.
ففي حين أن العديد من المؤسسات تنشر استخدامات عامة للذكاء الاصطناعي (مثل روبوتات الدردشة المدعومة بالذكاء التوليدي لخدمة العملاء)، تقول نسبة أكبر إنها تعمل على تطوير حالات استخدام خاصة بالصناعة، أو حتى مخصصة لأعمالها بالذات.
وتدعم الفروقات القطاعية—بما في ذلك اختلاف تنسيقات البيانات والمتطلبات التنظيمية والاستخدامات—الحاجة إلى نهج مصمم خصيصًا لكل صناعة.
فمن أدوات الذكاء الاصطناعي المصممة لتوثيق محادثات الأطباء مع المرضى، إلى تلك المستخدمة لتحسين عمليات تشطيب الجدران الجافة، فإن الحلول المصممة وفق احتياجات الصناعات أو الأعمال الخاصة تكون الأقدر على تحقيق نتائج فارقة.
اختيار المزوّد
لدى الشركات الكثير من مزوّدي الذكاء الاصطناعي للاختيار من بينهم؛ وفي الواقع، قد يكون هذا التنوع محيّرًا للمديرين التنفيذيين الذين يجب عليهم الموازنة بين التكلفة، والأمان، والتنوع.
تقول إيمي ماتشادو، مديرة الأبحاث الأولى في شركة IDC المتخصصة في أبحاث السوق:
""الأمر مربك بالنسبة للشركات — فهناك الكثير من الضوضاء والتساؤلات حول من يمكن الوثوق به.""
ومن منطلق الخصوصية، فإن الكثيرين يتوجسون من الاعتماد على أدوات ذكاء اصطناعي متاحة للعامة قد تحتفظ بالبيانات التي يدخلها المستخدمون وتعيد استخدامها، مما دفع بعض الشركات إلى تقييد استخدام موظفيها لبعض النماذج اللغوية الكبيرة.
يُعلق كولينز قائلاً:
""إذا كنت ترسل بياناتك إلى نموذج ذكاء عام، فعليك أن تتحقق بدقة من كيفية تعاملهم مع بياناتك وما الذي يفعلونه بها خلف الكواليس.""
أما الأدوات المتخصصة المبنية على LLM فغالبًا ما توفر حماية أفضل لبيانات المؤسسات الخاصة، وتأتي مع دعم فني، ويتم تحديثها باستمرار لمعالجة الثغرات الأمنية.
في النهاية، قد يكتشف القادة التنفيذيون أن تجميع بيئة “متعددة الذكاء الاصطناعي” (multi-AI) هي الأنسب لتلبية احتياجات أعمالهم، والاستفادة من المزايا الفريدة لكل مزوّد على حدة.
الذكاء الاصطناعي المناسب للقطاع المالي
تعمل مؤسسات الخدمات المالية في بيئة شديدة التنظيم، تتطلب أعلى معايير الخصوصية، والامتثال، والأمان في التعامل مع البيانات.
يقول كيفن كولينز من شركة Charli AI:
""في قطاع الخدمات المالية، الثقة والأمان أمران أساسيان. عملاؤنا هم بنوك استثمارية كبرى، وصناديق تحوط، وبنوك ضخمة تقوم بتحليل شركات مؤشر S&P 500. كل ما نقوم به يجب أن يكون موثوقًا ومدققًا.""
في هذا القطاع، غالبًا ما تكون المعلومات القيّمة محجوبة داخل العقود، والمستندات القانونية، وملفات PDF، وجداول البيانات، وعروض PowerPoint التقديمية.
وقد يشكل استخراج هذه البيانات ودمجها لأغراض التحليل تحديًا هائلًا.
لكن خدمات متخصصة مثل Charli AI فتحت آفاقًا جديدة لتحرير هذه البيانات المحجوبة، إذ تقوم أدوات الشركة باستخراج وتنظيم مجموعة واسعة من البيانات المالية، مما يوفر وقت المحللين ليتمكنوا من التركيز على المهام ذات القيمة الأعلى.
يقول كولينز:
""الذكاء الاصطناعي الجديد لديه قدرة غير مسبوقة على فهم المحتوى ‘المقفل’، ونحن فعليًا نكشف عن منجم ذهب. عملاؤنا يصفوننا بالمحللين الآليين لوول ستريت — نحن ننجز في 30 دقيقة ما قد يستغرق من المحلل 80 ساعة لتصفّح ملف مكوّن من 500 صفحة صادرة عن لجنة الأوراق المالية.""
ورغم وعي الشركات بقيمة بياناتها المحتملة، إلا أن العديد منها يكافح لاستخدامها بفعالية.
يضيف كولينز:
""لديهم وعي كبير بالبيانات، لكنهم يدركون أيضًا مدى صعوبة تحويلها إلى تنسيق مناسب للتحليلات والذكاء الاصطناعي.""
وقد أظهر استطلاعنا أن المشاركين من قطاع الخدمات المالية كانوا الأقل احتمالًا لتطوير استخدامات ذكاء اصطناعي خاصة بالصناعة في الوقت الحالي — إلا أن شركات مثل Charli تسعى لتغيير هذا الواقع.
