إحدى الطرق التي تستخدم بها المنظمات أحدث خوارزميات الذكاء الاصطناعي لمساعدتها على النمو والازدهار هو اعتماد نماذج الذكاء الاصطناعى الخاصة في مواءمة استراتيجيات أعمالهم.
يعد التمايز بين الذكاء الاصطناعى الخاص والعامة أمرًا مهمًا في هذا السياق – معظم المؤسسات حذرة بحق من السماح بالوصول إلى مجموعات البيانات الحساسة ، مثل معلومات الموارد البشرية والبيانات المالية وتفاصيل تاريخ التشغيل.
من المنطقي أنه إذا تم منح الذكاء الاصطناعى بيانات محددة يمكن أن تبني ردودها ، فسيكون ناتجه أكثر أهمية ، وبالتالي يكون أكثر فاعلية في مساعدة صانعي القرار على الحكم على كيفية الاستراتيجية. يعد استخدام محركات التفكير الخاص هو الطريقة المنطقية التي يمكن للشركات الحصول عليها أفضل النتائج من الذكاء الاصطناعي والحفاظ على آمنة الملكية الفكرية.
تمنح البيانات الخاصة بالمؤسسات والقدرة على ضبط نموذج الذكاء الاصطناعى المحلي المنظمات القدرة على توفير التنبؤ المخصص والضبط التشغيلي الأكثر ترتكز في الواقع اليومي لعمل الشركة. تطلق ورقة Instratege Instight Paper الخاصة بـ Deloitte Paper Private AI “بوصلة مفصلة” ، وتضع استخدام البيانات الداخلية كميزة تنافسية ، ويصف Accenture AIS بأنه “على استعداد لتوفير الارتفاع الاقتصادي وتغيير العمل منذ الثورات الزراعية والصناعية”.
ومع ذلك ، هناك احتمال أن يكون مثل ذكاء الأعمال التقليدي ، باستخدام البيانات التاريخية المستمدة من عدة سنوات من العمليات في جميع أنحاء المؤسسة ، ترسيخ اتخاذ القرارات في أنماط من الماضي. يقول ماكينزي إن الشركات في خطر “عكس ماضيها المؤسسي في العنبر الخوارزمي”. تلتقط مجلة Harvard Business Review بعض التعقيد الفني ، قائلة إن فعل تخصيص نموذج بحيث يكون أنشطة أكثر صلة بالشركة أمرًا صعبة ، وبالتالي ، ليس المهمة التي يجب اتخاذها من قبل أي شيء ولكن الأكثر قذرة على مستوى علوم البيانات والبرمجة.
يحقق MIT Sloane توازنًا بين المدافعين المتحمسين والأصوات المحافظة للذكور الخاصة في استراتيجية العمل. ينصح أن يتم اعتبار الذكاء الاصطناعي طيارًا مشاركًا ، ويحث على الاستمرار في الاستجواب والتحقق من إخراج الذكاء الاصطناعي ، خاصة عندما تكون المخاطر عالية.
يؤمن بالثورة
ومع ذلك ، فإن صانعي القرار الذين يفكرون في متابعة هذا العمل (الحصول على موجة الذكاء الاصطناعى ، لكن القيام بذلك بطريقة خاصة واعية للسلامة) قد يرغبون في النظر في دوافع مصادر المشورة التي تدعو بقوة لتمكين الذكاء الاصطناعي بهذه الطريقة.
Deloitte ، على سبيل المثال ، تبني ويدير حلول AI للعملاء الذين يستخدمون البنية التحتية المخصصة مثل عروض المصنع كخدمة ، في حين أن Accenture لديها ممارسات مخصصة لاستراتيجية AI لعملائها ، مثل الذكاء التطبيقي Accenture. تتعود مع AWS و Azure ، وبناء أنظمة الذكاء الاصطناعى المخصصة لشركات Fortune 500 ، من بين أمور أخرى ، و Deloitte شركاء مع Oracle و Nvidia.
مع “الجلد في اللعبة” ، فإن عبارات مثل “أهم تغيير (…) في العمل منذ الثورات الزراعية والصناعية” و “بوصلة مفصلة” ملهمة ، لكن دوافع البائعين قد لا تكون إيثارًا تمامًا.
يشير المدافعون عن الذكاء الاصطناعي بشكل عام بحق إلى قدرة النماذج على تحديد الاتجاهات والتيارات الإحصائية بشكل أكثر كفاءة من البشر. بالنظر إلى كتلة البيانات المتاحة للمؤسسة الحديثة ، والتي تضم كل من المعلومات الداخلية والمتاحة للخارج ، فإن وجود برامج يمكنها تحليل البيانات على نطاق واسع هي ميزة لا تصدق. بدلاً من إنشاء تحليل يدويًا للمستودعات الضخمة للبيانات-التي تستغرق وقتًا طويلاً ومفاعلًا للأخطاء-يمكن أن ترى الذكاء الاصطناعى من خلال القشر والرؤى الحقيقية القابلة للتنفيذ.
طرح الأسئلة الصحيحة
بالإضافة إلى ذلك ، يمكن أن تفسر نماذج الذكاء الاصطناعى الأريكة في اللغة العادية ، وتقديم تنبؤات تستند إلى المعلومات التجريبية ، والتي ، في سياق AIS الخاص ، ذات صلة بدرجة كبيرة للمؤسسة. يمكن للموظفين غير المهرة نسبيًا الاستعلام عن البيانات دون أن يكون لديهم مهارات في التحليل الإحصائي أو لغات الاستعلام عن قواعد البيانات ، والحصول على إجابات كانت قد تضمنت عدة فرق ومجموعات مهارات مستمدة من جميع أنحاء المؤسسة. إن توفير الوقت وحده كبير ، مما يتيح للمؤسسات التركيز على الاستراتيجية ، بدلاً من تشكيل نقاط البيانات اللازمة والاستعلام يدويًا للمعلومات التي تمكنوا من جمعها.
كل من McKinsey و Gartner يحذران ، مع ذلك ، من الثقة المفرطة والتقادم في البيانات. في هذا الأخير ، قد لا تكون البيانات التاريخية ذات صلة بالاستراتيجية ، خاصةً إذا عادت السجلات لعدة سنوات. ربما يكون من الأفضل وصف الثقة المفرطة في سياق الذكاء الاصطناعى بأنها عوامل يثقون في ردود الذكاء الاصطناعى دون سؤال ، وليس الخوض بشكل مستقل في تفاصيل الردود ، أو في بعض الحالات ، مع الأخذ في الاعتبار الاستجابات على الاستعلامات التي تم تصويرها بشكل سيئ.
بالنسبة لأي خوارزمية برمجيات ، فإن العبارات البشرية مثل “قاعدة النتائج التي توصلت إليها على بياناتنا التاريخية” مفتوحة للتفسير ، على عكس ، على سبيل المثال ، “تأسيس النتائج التي توصلت إليها على بيانات المبيعات في الاثني عشر شهرًا الماضية ، متجاهلة القيم المتطرفة التي تختلف عن الوسط بأكثر من 30 ٪ ، على الرغم من أن هذه مثيلات لأخذها في الاعتبار”.
برنامج الخبرة
قد تتابع المنظمات حلول منظمة العفو الدولية الخاصة إلى جانب منصات ذكاء الأعمال الناضجة والحالية. يبلغ عمر مؤسسات الأعمال SAP ما يقرب من 30 عامًا ، ولكن شابًا مقارنةً بذكاء الأعمال SAS الذي كان موجودًا منذ ما قبل الإنترنت ، أصبحت السائدة في التسعينيات. حتى القادمين الجدد النسبيين مثل Microsoft Power BI يمثلون ما لا يقل عن عقد من التطوير والتكرار وتعليقات العملاء واستخدام العالم الحقيقي في تحليل الأعمال. لذلك ، يبدو من المنطقي أن يتم اعتبار نشر الذكاء الاصطناعى الخاص على بيانات العمل إضافة إلى مجموعة أدوات الاستراتيجية ، بدلاً من رصاصة فضية تحل محل الأدوات “التقليدية”.
بالنسبة لمستخدمي الذكاء الاصطناعى الخاص الذين لديهم القدرة على مراجعة وتعديل مدخلات طرازهم وخوارزميات داخلية ، فإن الاحتفاظ بالسيطرة على الإنسان والإشراف أمر مهم – تمامًا كما هو الحال مع أدوات مثل Oracle Business Intelligence Suite. هناك بعض السيناريوهات التي تمنح فيها المعالجة الذكية للبيانات في الوقت الفعلي (آليات تسعير التجزئة عبر الإنترنت ، على سبيل المثال) تحليلًا تنافسيًا على منصات BI الحالية. لكن منظمة العفو الدولية لم تتطور بعد إلى سكين سويسري سويسري لاستراتيجية العمل.
إلى أن يتم تطوير منظمة العفو الدولية التي تم تصميمها لتحليل بيانات الأعمال ، وتكرارها ، وتصلب المعركة ، وناضجة كبعض من منصات BI في السوق ، قد يخفف المتبنون الأوائل من حماس بائعي AI و AI مع خبرة عملية وعين حرجة. الذكاء الاصطناعي هي أداة جديدة ، وواحدة مع قدر كبير من الإمكانات. ومع ذلك ، فإنه يظل الجيل الأول في جسمه الحالية ، العامة والخاصة.
(مصدر الصورة: “إنه يتعلق بالقواعد والاستراتيجية” من قبل Pshutterbug مرخصة بموجب CC بمقدار 2.0.)