４ نقاط أساسية يجب مراعاتها قبل تبني الذكاء الاصطناعي في أعمالك وفضلاتها

قبل الرهان على الذكاء الاصطناعي في عملك مع استمرار تقدم الذكاء الاصطناعي (AI) في العقد القادم، يتوقع المحللون مثل غارتنر أن يصل نصف جميع القرارات التجارية إلى مرحلة التلقائية الكاملة أو الجزئية بفضل الذكاء الاصطناعي خلال السنتين القادمتين. في مؤتمر Snowflake Summit 2025 في سان فرانسيسكو، شارك أربعة قادة أعمال تجاربهم وأخذوا الدروس المستفادة من استخدام الذكاء الاصطناعي. إليكم أهم النقاط التي ذكروا: 1. وضع استراتيجية سحابية صحيحة wayne Filin-Matthews، كبير المهندسين المعماريين في شركة أسترازينيكا، أوضح كيف تسعى شركته لتطبيق الذكاء الاصطناعي في مجالات مختلفة. أسترازينيكا، وهي عملاق صناعة الأدوية، طورت مساعدًا بحثيًا يعتمد على الذكاء الاصطناعي يعزز إنتاجية الباحثين العلميين من خلال التركيز على إعادة إنتاج الأساليب العلمية وتطوير الأدوية الجديدة. تعمل الشركة بالتعاون مع مؤسسات أكاديمية رائدة مثل جامعة ستانفورد لإجراء تجارب الذكاء الاصطناعي. "نحن نفكر في كيفية توفير فريق من الوكلاء يمكنهم دعم الباحثين التقليديين في أبحاثهم"، قال Filin-Matthews. كما تستكشف الشركة كيفية تطبيق الذكاء الاصطناعي في المجالات التجارية. تعمل أسترازينيكا في 126 سوقًا، وتقديم المحتوى المناسب لهذه المناطق المتنوعة يعد تحديًا معقدًا. وهنا يأتي دور الذكاء الاصطناعي. "لقد استفدنا من تقنيات الذكاء الاصطناعي لautomate إنشاء المواد التسويقية والمعلومات المتعلقة بتطوير الأدوية"، أضاف. بينما أظهرت هذه التجارب الفوائد الكبيرة للذكاء الاصطناعي، فقد أظهرت أيضًا أهمية وجود بنية تحتية قوية للبيانات. قال Filin-Matthews إن الشركات يمكنها حل المشكلات باستخدام الذكاء الاصطناعي فقط إذا بنت بنية تحتية قوية في السحابة. "هناك العديد من حالات الاستخدام حيث أصبحت الفائدة واضحة مع تقدم رحلتنا. لكن المفتاح بالنسبة لي هو عدم نسيان تلك العناصر الأساسية الأخرى. لا يمكنك أن تكون أولًا في الذكاء الاصطناعي دون أن تكون أولًا في السحابة." 2. التركيز على مسائل حوكمة البيانات Amit Patel، رئيس البيانات للبنك الجملة في Truist، تعلم درسين مهمين من تنفيذ حالات استخدام الذكاء الاصطناعي. الأول كان أهمية البنية التحتية للبيانات. "كبنك، يجب علينا إثبات، 'من أين جاءت البيانات؟ هل هي صحيحة؟ هل هي محكومة؟ هل لدينا سجل موثوق؟ هل لدينا بيانات مرجعية؟ هل لدينا فحوصات جودة البيانات؟' يجب علي إثبات هذه النقاط للجهة الرقابية الخارجية"، قال Patel. أشار Patel إلى أن التركيز على مصادر البيانات المنظمة ساعد في كشف مشكلة شائعة لدى مسؤولي البيانات: ترتيب البيانات. "خلال هذا العملية، اكتشفت أنني ليس لدي العديد من المصادر الموثوقة التي يمكنني الإشارة إليها. علي تمكين تلك البنية أولاً، ثم يمكنني بناء المزيد عليها." قال Patel أن الدرس الثاني الذي تعلمه هو أن الأشخاص الذين يستخدمون الذكاء الاصطناعي في المنزل يفترضون أنه سيكون من السهل نشر نماذج اللغات الكبيرة (LLMs) في بيئة المؤسسة. "إنها ليست بهذه البساطة. عليك تعريف القيود حول ما يمكن للنماذج النظر فيه. يجب تعريف البيانات المرجعية لتعزيز تفسيرات النماذج. وهذا يتطلب وقتًا"، أضاف. قال Patel إن فريقه حاول معالجة سوء فهم الموظفين حول الوقت اللازم لاستغلال الذكاء الاصطناعي من خلال تمارين لضبط التوقعات. "مع بدء تمكين حالات الاستخدام، بدأ الناس في فهم أنه ليس بالأمر السهل كما يبدو. بينما أصبح تنفيذ التكنولوجيا أسرع مما كان عليه سابقًا، لا يزال الأمر مثيرًا للتحدي ويحتاج إلى وقت وتفكير حول كيفية وضع حوكمة وبنية تحتية للذكاء الاصطناعي قبل تمكينه للعمل." 3. الاعتبار للجودة في النواتج Anahita Tafvizi، رئيسة البيانات والتحليلات في Snowflake، قالت إن فريقها يساعد الشركة التقنية في تطوير المنتجات التي تعتمد على الذكاء الاصطناعي والتي يستخدمها العملاء. ومع ذلك، فإن شركتها لا تقتصر على بيع هذه المنتجات فحسب؛ بل لديها الفرصة للتجريب مع هذه التكنولوجيات. "المثير للإهتمام في كوني المدير الأول للبيانات في شركة للبيانات هو أن لدي الفرصة لأن أكون أول مستخدم للكثير من منتجاتنا"، قالت Tafvizi. ركز فريقها على تطوير مساعد يعتمد على الذكاء الاصطناعي للمنظمة المبيعات الداخلية. اعترفت Tafvizi أن تطبيق أدوات الذكاء الاصطناعي الجديدة يطرح تحديات، خاصة عندما يتعلق الأمر بتوازن سرعة الابتكار مع متطلبات الحوكمة. أحد التحديات الهامة هو الجودة. عند دفع الأداة إلى فريق المبيعات، تساءلت فريقها عن أسئلة مهمة مثل، "هل نسبة الجودة 95٪ كافية؟" نصحت Tafvizi القادة الآخرين بأن يفكروا بعناية في هذه التحديات، حيث يجب على الموظفين أن يثقوا في نواتج تجريب الذكاء الاصطناعي. "التركيز على الجودة كان مهمًا بالنسبة لنا. البنية التحتية الصحيحة للحوكمة، السيطرة على الوصول، السجل، البيانات المرجعية، ونماذج المعنى كلها ضرورية. نحن نفكر دائمًا في هذه الأمور كجزء من التوتر بين الابتكار والسرعة." 4. البحث عن الفوائد غير المتوقعة Thomas Bodenski، رئيس البيانات والتحليلات في شركة TS Imagine المتخصصة في تكنولوجيا المالية، قال إن شركته تستخدم الذكاء الاصطناعي لتقليل أعباء العمل منذ أكتوبر 2023. ومع ذلك، بينما يركز الذكاء الاصطناعي غالبًا على تلقية العمليات اليدوية، فإن تجاربه تشير إلى أن القادة التجاريين يجب أن يعترفوا بأن التكنولوجيا تنتج فوائد أخرى أيضًا. "استخدام الذكاء ال.ascynاعي ليس مجرد تقليل للجهد. يمكنك أن تفعل الأشياء بشكل أسرع وأفضل ولديك تغطية مدهشة أيضًا"، قال Bodenski. شرح كيف تشتري TS Imagine البيانات من موردين متخصصين يرسلون رسائل إلكترونية حول التغييرات القادمة في المنتجات. تلقت الشركة 100,000 من هذه الرسائل الإلكترونية سنويًا. يجب قراءة كل رسالة وإدراك تداعياتها. تقليديًا، استهلك هذا العملية الشاقة، بمعدل متوسط، ما يعادل 2.5 موظف بدوام كامل سنويًا. "إنه مجهد لأنك لا يمكنك أن تخطئ. إذا أخطأنا في معلومة في رسالة إلكترونية، ستصبح أنظمتنا خارج الخدمة. لن يتمكن آلاف المتداولين من التداول وآلاف مديري المخاطر من تقييم تعرضهم، لذا فإن الأمر قد يكون كارثيًا"، أوضح. 为了避免这种情况，Bodenski 表示公司使用 Snowflake 的 AI 模型来完成这项耗时的工作。"现在，我们从不遗漏结果。那2.5个全职员工可以从事知识工作，而不是手动数据管理或输入。" Bodenski 还指出，AI 还管理了以前的弱点：确保在周六处理客户请求。"以前没有人会在这些日子工作。现在有了 AI，她会回应客户询问并将工单分配给合适的人。" تقييم الحدث من قبل المختصين خبراء في مجال الذكاء الاصطناعي يؤكدون على أهمية الاستراتيجيات المذكورة. حوكمة البيانات والبنية التحتية السحابية القوية هما أساس نجاح أي مشروع ذكاء اصطناعي. كما يؤكدون على ضرورة التفكير في الجودة والفوائد غير المتوقعة التي يمكن أن تأتي من استخدام الذكاء الاصطناعي بشكل فعال. نبذة تعريفية عن Snowflake Snowflake هي شركة تكنولوجيا رائدة في مجال إدارة البيانات والسحابة، وتقدم منصة سحابية قوية تساعد الشركات في تخزين ومعالجة وتوفير البيانات بشكل آمن وفعال. من خلال منتجاتها مثل Snowflake Intelligence، تسعى الشركة إلى تسهيل عملية استخدام الذكاء الاصطناعي للشركات الصغيرة والكبيرة على حد سواء.