‏6 خطوات لإطلاق مشاريع الذكاء الاصطناعي التنبؤية

  • 7/9/2024
  • 13:00
  • 2
  • 0
  • 0
news-picture

في كتابه الجديد، يقول إريك سيجل؛ المستشار والأستاذ السابق في جامعة كولومبيا وجامعة فيرجينيا؛ إن المؤسسات تحتاج إلى نموذج أعمال لإدارة ‏مبادرات التعلم الآلي، وهو ما يعينها بطبيعة الحال عند إطلاق مشاريع الذكاء ‏الاصطناعي.‏ تتوق الشركات إلى التحليلات التنبؤية التي تعد بتعزيز المبيعات وخفض التكاليف ‏ومنع الاحتيال وتبسيط العمليات، ومع ذلك فإن معظم المنظمات تفشل في تحقيق ‏النتائج المرجوة منها. ‏ فهرس المحتوي Toggle مشاريع الذكاء الاصطناعي‏إطلاق مشاريع الذكاء الاصطناعيتحديد الهدف:تحديد هدف التنبؤ:‏إنشاء المقاييس الصحيحة:‏تحضير البيانات:‏التدريب:‏نشر النموذج:‏ مشاريع الذكاء الاصطناعي وجدت دراسة أجرتها ‏MIT Sloan Management Review‏ وBoston ‎Consulting Group‏، أن 10% فقط من الشركات حصلت على فوائد مالية كبيرة ‏من استثماراتها في مشاريع الذكاء الاصطناعي. ‏ وفي استطلاع أجرته شركة ‏Rexer Analytics، قال 22% فقط من علماء البيانات، إن مبادراتهم الجديدة عادة ما تنشر وتشغل عبر المؤسسة.‏ وتفشل العديد من مشاريع التعلم الآلي التنبؤية لأنها تركز كثيرًا على التكنولوجيا ‏وحدها بدلًا من التركيز على تطوير التكنولوجيا كمشروع عمل استراتيجي، وفقًا ‏لإريك سيجل. وفي كتابه الجديد، “‏The AI Playbook: Mastering the Rare Art of ‎Machine Learning Deployment‏”، يوضح “سيجل” أن المؤسسات لا ترى ‏قيمة من الذكاء الاصطناعي؛ لأنها تفتقر إلى نموذج أعمال فعال لتشغيل مشاريع ‏التعلم الآلي. ‏ نظرًا لأن معظم مشاريع التعلم الآلي، تتسم بالتقنية العالية، فإنها غالبًا ما تقع ضمن ‏نطاق متخصصي علوم البيانات ذوي الخبرة. ‏ والنتيجة هي الانفصال بين خبراء البيانات الذين يعدون البيانات ويطورون ‏نماذج الذكاء الاصطناعي وتشغيلها، وأصحاب المصلحة التجاريين المسؤولين عن ‏إدارة العمليات واسعة النطاق والذين سيستفيدون من الرؤى التنبؤية.‏ وقال “سيجل” في ندوة عبر الإنترنت نظمها معهد ماساتشوستس للتكنولوجيا ‏Sloan ‎Management Review‏ مؤخرًا:‏ ‏ “من خلال التركيز كثيرًا على علم النمذجة بدلًا من نشرها، يبدو الأمر وكأنك ‏متحمسًا لعلوم الصواريخ أكثر من الإطلاق الفعلي للصاروخ، هذا هو ما نحن فيه ‏اليوم”.‏ وأضاف أنه من أجل تعزيز النجاح، تحتاج الشركات إلى دليل تشغيل موحد لـ ‏مشاريع الذكاء الاصطناعي، يمكن لمحترفي الأعمال الوصول إليه، وأن ‏يساعدهم على المشاركة في دورة حياة مشاريع التحليلات التنبؤية.‏ ‏إطلاق مشاريع الذكاء الاصطناعي ولسد الفجوة، يدعو سيجل إلى ما يسميه “‏BizML‏”. وهو عبارة عن مجموعة من ‏الممارسات التجارية لتشغيل مشاريع التعلم الآلي التنبؤية.‏ وحدد ست خطوات لتعزيز التعاون بين أصحاب المصلحة التجاريين والتقنيين في ‏جميع مراحل نشر التعلم الآلي:‏ تحديد الهدف: لاستخلاص أي قيمة حقيقية من التعلم الآلي، تحتاج الشركات إلى عرض قيمة ‏محدد يوضح بالتفصيل كيفية تأثير التكنولوجيا على العمليات. ‏ ولا يستطيع علماء البيانات القيام بذلك في الفراغ. من المهم أن يتمتع أصحاب ‏المصلحة في الأعمال الذين هم على دراية وثيقة بنقاط الضعف والفرص بالذكاء ‏التكنولوجي، بما يكفي للمشاركة في تحديد الأهداف الواقعية.‏ تحديد هدف التنبؤ:‏ ‏ في حين أن النمذجة والتنبؤ تنطوي على رياضيات معقدة، إلا أنه يجب وضع ‏أهداف العمل في الاعتبار. ‏ يحتاج مستخدمو الأعمال إلى فهم شبه تقني للتكنولوجيا حتى يتمكنوا من مشاركة ‏معرفتهم بالمجال المحدد مع تحديد أيضًا ما يهدف نموذج التعلم الآلي إلى التنبؤ به ‏لكل حالة استخدام.‏ إنشاء المقاييس الصحيحة:‏ ‏ تحديد المعايير البارزة التي يجب تتبعها أثناء تدريب النموذج ونشر النموذج. ‏بالإضافة إلى ذلك، ينبغي تحديد مستويات الأداء التي يجب تحقيقها حتى يعتبر ‏مشروع التعلم الآلي ناجحًا. ‏ عادةً ما تعتمد معظم مشاريع الذكاء الاصطناعي والتعلم الآلي على مقاييس فنية ‏مثل الدقة أو الاستدعاء أو الدقة. ‏ وقد أشار سيجل إلى أن المؤسسات بحاجة إلى تحويل تركيزها إلى مقاييس الأعمال ‏مثل: الربح وعائد الاستثمار والمدخرات واكتساب العملاء.‏ تحضير البيانات:‏ ‏وحدد الشكل الذي يجب أن تبدو عليه بيانات التدريب، وتأكد من أن البيانات ‏بالتنسيق المطلوب. ويرى “سيجل” إن هذه الخطوة الحاسمة غير قابلة للتفاوض لأنها ‏تمثل العمود الفقري لتحقيق نتائج عالية القيمة.‏ التدريب:‏ ‏ بعد ذلك، يتم استخدام البيانات المعدة لتدريب وإنشاء نموذج تنبؤي. ويتولى خبراء ‏البيانات المسؤولية هنا، ولكن هناك دائمًا مجال لمدخلات الأعمال الإضافية.‏ نشر النموذج:‏ ‏واستخدم النموذج النتائج التنبؤية لتحسين ‏العمليات التجارية. ومن المهم أيضًا الحفاظ على النماذج من خلال المراقبة ‏المستمرة والتحديث الدوري.‏ بينما الخطوات الثلاث الأخيرة أكثر تقنية من الثلاث الأولى، إلا ‏أنها تتطلب جميعًا تعاونًا عميقًا بين أصحاب المصلحة في مجال التكنولوجيا ‏والأعمال. ‏ ويتطلب الأمر بناء الجسور لربط المعسكرين الاستثمار والمشاركة في ممارسات ‏إدارة التغيير الصحيحة؛ لضمان الفهم المناسب للتعلم الآلي بين أصحاب المصلحة ‏في جميع أنحاء العمل.‏ وقال “سيجل”: “إن تحديات إدارة التغيير ليست جديدة عامة. ولكن عندما يتعلق ‏الأمر بمشاريع التعلم الآلي، غالبًا ما يتم التغاضي عن الحاجة إلى إدارة التغيير ‏بذكاء”. ‏ وتابع: “يُطلق التعلم الآلي صاروخًا، لكن لا يزال يتعين على المسؤولين أن ‏يأمروا بإطلاقه”.‏ بقلم/ بيث ستاكبول المقال الأصلي (هنــــــــــا).‏ الرابط المختصر :

مشاركة :