لتحقيق النمو في بيئة اليوم، تحتاج الشركات إلى الذكاء الاصطناعي

 

توصية

الطريقة المثيرة التي تصور بها وسائل الإعلام الذكاء الاصطناعي يجعل الأمر يبدو مخيفًا. ولكن لتحقيق النمو في بيئة اليوم، تحتاج الشركات إلى الذكاء الاصطناعي للمساعدة في تحديد الأنماط والمشكلات ضمن كميات البيانات الخاصة بها. في هذا النص المفيد، تتخلص خبيرة التحليلات Asha Saxena من التوتر الناتج عن فهم الدور العملي الذي يجب أن تلعبه البيانات الضخمة والذكاء الاصطناعي في تطوير عملك. وتذكرك بأنك ربما تستخدم بالفعل الذكاء الاصطناعي في حياتك اليومية، حتى لو لم تكن على علم بذلك، وتشرح كيف يمكن لقادة الأعمال تكييف الذكاء الاصطناعي مع المتطلبات التنظيمية المحددة.

الدروس المستفادة

• كانت Netflix و Starbucks من رواد البيانات الضخمة والذكاء الاصطناعي (AI).

• البيانات الضخمة تغذي الذكاء الاصطناعي.

• يمكن للبيانات والذكاء الاصطناعي أن يكشفا عن مصادر جديدة للقيمة في أي صناعة.

• يطرح الذكاء الاصطناعي قضايا أخلاقية خطيرة.

• قم بتقييم عملك قبل محاولة تنفيذ استراتيجية البيانات الضخمة والذكاء الاصطناعي.

• اسأل: هل مؤسستك جاهزة لاستراتيجية تعتمد على البيانات؟

• عند تنفيذ البيانات الضخمة والذكاء الاصطناعي، ركز على المجالات التي يمكنك من خلالها توليد أكبر قيمة.

• لاستخدام الذكاء الاصطناعي بشكل فعال، أنت بحاجة إلى فريق البيانات المناسب.

• كقائد أعمال، عليك أن تضع في اعتبارك ظهور الجيل الثالث "Web3".

ملخص

 كانت Netflix وStarbucks من رواد البيانات الضخمة والذكاء الاصطناعي (AI).

في تسعينيات القرن الماضي، كانت شركة Blockbuster Video هي الشركة المهيمنة التي يتم اللجوء إليها لتأجير أحدث مقاطع الفيديو أو أقراص DVD لمشاهدتها في ليلة السبت. ولكن بحلول عام 2013، انهارت الشركة، حين فشلت في إدراك الإمكانات التحويلية للإنترنت، وجاءت شركة Netflix وتسلمت القيادة، وتبنى مؤسسو Netflix التغيير واستغلال إمكانيات الإنترنت.

وإدراكًا منها أن مستقبل Netflix يكمن في بث الفيديو، طورت الشركة خوارزميات دقيقة وبشكل متواصل في نصح المشتركين بالأفلام لتسجل تفضيلاتهم. وبدأت بعد ذلك في إنتاج المحتوى الأصلي للفيديوهات الذي حقق نجاحًا كبيرًا.

"وبدون تركيز Netflix على البيانات الضخمة والذكاء الاصطناعي، لن يتمكن أحد بسهولة من إنشاء عروض أصلية مثل "Orange is the New Black" أو "Stranger Things".

بحلول العام 2020، قلبت Netflix أعمال السينما والتلفزيون التقليدية رأسًا على عقب، حيث أصبحت مؤسسة عملاقة حققت أرباحًا تزيد عن 2 مليار دولار. وقد نجحت جزئياً في كسر نماذج الأعمال التقليدية بفعل استعداد قادتها مسبقاً لإجراء هذا التغيير. لقد استغلوا بياناتهم الاستغلال الأمثل، وركزوا على قيمتها المتأصلة، واستندوا في قراراتهم التجارية إلى النتائج التي يوفرها تحليل البيانات والذكاء الاصطناعي.

Netflix لم تكن الشركة الوحيدة التي استفادت من توفر البيانات والذكاء الاصطناعي للتوسع بشكل كبير. حيث انتقلت ستاربكس من مقهى واحد في سياتل إلى امتياز واسع الانتشار بفضل استخدام البيانات والذكاء الاصطناعي لتحسين تجربة عملائها بطرق مختلفة، بما في ذلك الطلب عبر الإنترنت وانتشار تطبيق "الولاء". تستخدم كلتا الشركتين البيانات لفهم عملائهما بشكل أفضل، حتى يتمكنوا من تقديم ما يفضله المشترون.

لتحديد البيانات الصحيحة، كن واضحًا بشأن أهدافك. حدد مشكلات العملاء التي تحتاج إلى تطوير. تأكد من أن بياناتك ذات صلة بأهداف عملك الكبرى حتى تتمكن الاستفادة منها بفعالية. وأخيرًا، قم بتجميع مزيج من البيانات الحالية والتنبؤية حول ما فعله عملاؤك حتى الآن بالإضافة إلى رؤى حول ما قد يفعلونه في المستقبل.

البيانات الضخمة تغذي الذكاء الاصطناعي.

يتكون الذكاء الاصطناعي من عدة تقنيات متطورة. وبشكل عام فإن الذكاء الاصطناعي ليس نسخة هوليود من الذكاء الاصطناعي الذي يفترض جدلاً أن الروبوتات ستكون قادرة على القيام بكل ما يمكن للبشر القيام به، بل وأكثر من ذلك. الذكاء الاصطناعي هو إجراء حسابي يمكن أن يعكس بعض السمات الأساسية للذكاء البشري، مثل التفكير وتحليل المعلومات.

"الذكاء الاصطناعي قادر على القيام بإنجازات غير عادية. ويمكنه تحرير البشر من المهام المتكررة ويعزز بطريقة ملحوظة من قيمة ما تقدمه الأعمال التجارية.

يمكنك تقسيم الذكاء الاصطناعي إلى ثلاث طبقات:

• الذكاء الاصطناعي المباشر يعكس قدرات الذكاء البشري.

• التعلم الآلي يتكون من خوارزميات تتيح التعلم من البيانات.

• التعلم العميق وهو التعلم الآلي الذي يطبق بنية الشبكات العصبية على كميات مذهلة من البيانات.

على الرغم من أنها لا تتطلب بالضرورة الذكاء الاصطناعي، إلا أن تحليلات البيانات يأتي أيضًا في ثلاثة أشكال:

• التحليلات الوصفية وهي التي تقدم وصفًا تاريخياً للمعلومات الموجودة في مجموعة من البيانات

• التحليلات التشخيصية وهي التي توفر تحليلاً لما هو موجود بالفعل في مجموعة البيانات ولماذا وجدت.

• التحليلات التنبؤية وهي الشكل الأكثر أهمية للأعمال، إذ تقوم بتقييم ما قد يحدث في المستقبل بناءً على بيانات اليوم، بما قد يريده العملاء أو يفعلونه في المستقبل.

تعد البيانات الضخمة أمرًا بالغ الأهمية للذكاء الاصطناعي، لأنها توفر كمية هائلة من المعلومات للذكاء الاصطناعي للتعلم منها وتحليلها. تتكون البيانات الضخمة من ثلاثة عناصر: 

• الحجم: وهو الكمية الهائلة من البيانات، سواء كانت بالجيجابايت أو حتى بالبيتابايت. 

• التنوع: وهو الذي يشير إلى تنوع البيانات وتعقيدها. 

• السرعة: وهي السرعة التي يمكن لشركتك من خلالها معالجة البيانات. 

عندما يقوم الذكاء الاصطناعي مع التعلم الآلي بتحليل البيانات الضخمة لشركتك، لم تعد بحاجة إلى اتخاذ قرارات عمل مهمة في الخفاء أو بناءً على نطاق الرؤية أو الحدس المحدود لأي فرد. بل يمكنك أن تبني قراراتك على معلومات موضوعية.

يمكن للبيانات والذكاء الاصطناعي أن يكشفا عن مصادر جديدة للقيمة في أي صناعة.

"عامل الذكاء الاصطناعي" هو القيمة الموجودة في البيانات الحقيقية أو المحتملة في أي صناعة تقريبًا. ويمكن لأي مؤسسة تستفيد " بحسابات مالية أو غير ذلك" من الكشف عن هذه القيمة باستخدام الذكاء الاصطناعي للاستفادة من البيانات بطرق مبتكرة. إن أنجح الشركات التي تضاعف أرباحها هي تلك المنفتحة على تغيير نماذج أعمالها.

"الأخبار السارة هي أن الذكاء الاصطناعي والبيانات الضخمة أصبحا الآن أكثر سهولة من أي وقت مضى. وعلى الرغم من أنها لا تخلو من الصعوبات والمخاطر، إلا أنها مفاتيح النجاح الاستثنائي".

خذ مثلاً Domino Pizza. وعلى الرغم من نجاحها في فترة التسعينيات، إلا أنها عانت خلال فترة الركود في عام 2008. إذ استجابت الشركة لمبدأ استخدام الأجهزة الذكية في تسويقها. في عام 2012، قدمت شركة Domino's صفحة على موقع Facebook تسمى "Think Oven" حيث طالبت عملاءها بطرح أفكارهم وتفضيلاتهم حول موضوعات مختلفة، بما في ذلك قائمة الطعام وحتى مظهر الزي الرسمي لموظفيها.

سارت المبادرة على ما يرام، لذلك استخدمت شركة Domino البيانات والتقنيات الرقمية بشكل متزايد، والتي أصبحت جوهر نموذج أعمالها. ويمكن للعملاء طلب البيتزا عبر تطبيق Slack وFacebook Messenger  وTwitter وتطبيق Domino للهاتف المحمول. كما قامت أيضًا بإعداد مساعدين افتراضيين مدعومين بالذكاء الاصطناعي لمساعدة العملاء على تقديم طلباتهم. بحلول عام 2017، أصبحت Domino أكبر سلسلة مطاعم بيتزا في العالم.

يطرح الذكاء الاصطناعي قضايا أخلاقية خطيرة.

يمكن أن تساهم البيانات الضخمة والذكاء الاصطناعي بشكل كبير في نجاح المؤسسة. ومع ذلك، يمكن أيضًا للأشخاص عديمي الضمير التلاعب فيها واستخدامها بطرق غير أخلاقية. يمكن لاستخدام البيانات بطرق غير أخلاقية التأثير ليس فقط على المنظمات الفردية، ولكن من المحتمل أن يؤثر على العمليات السياسية والمجتمعات والأفراد في بلد بأكمله. انتقد المسؤولون منصات التواصل الاجتماعي الكبرى مثل فيسبوك لاستخدامها المشكوك فيه لبيانات العملاء. وقد تواجه الشركة في النهاية تحقيقًا حكوميًا وتنظيمًا وملاحقة قضائية. إن الاستخدام غير الأخلاقي للبيانات الضخمة والذكاء الاصطناعي له تأثير سلبي على المجتمع، وهو أمر سيء بالنسبة للأعمال.

"يمكن أن يكون للذكاء الاصطناعي والبيانات الضخمة أيضًا تأثيرات هائلة – إيجابية وسلبية – على الأشخاص والمجتمعات، وعلى المكان الذي تمارس فيه أعمالك."

الذكاء الاصطناعي الأخلاقي شفاف. يجب أن تكون الطريقة التي يعمل بها نظام الذكاء الاصطناعي واضحة. وينبغي أن تعمل بطريقة تتفق مع القيم الأخلاقية، مثل الحفاظ على كرامة وحقوق الإنسان والمعاملة المتساوية للجميع. لا ينبغي للمصممين إنشاء أنظمة الذكاء الاصطناعي لأغراض مدمرة، ويجب على الأشخاص الذين يستخدمون الذكاء الاصطناعي أن يتحملوا مسؤولية كيفية عمل أنظمتهم. وأخيرًا، يجب على أولئك الذين ينتجون البيانات التي يستخدمها الذكاء الاصطناعي أن تكون لديهم القدرة على السيطرة المطلقة عليها. إن مجرد إنشاء إطار أخلاقي للبيانات الضخمة والذكاء الاصطناعي قد لا يكون كافيا. قد تحتاج السلطات القضائية إلى وضع لوائح قانونية لاستخدام الذكاء الاصطناعي والبيانات الضخمة، خاصة عندما يتعلق الأمر بتلبية المعايير الدولية وحماية الخصوصية الشخصية.

قم بتقييم عملك قبل محاولة تنفيذ استراتيجية البيانات الضخمة والذكاء الاصطناعي.

تتمتع البيانات الضخمة والذكاء الاصطناعي بالقدرة على إحداث تحول هائل، ولكن إذا كنت مبتدئًا نسبيًا، فأنت بحاجة إلى تعلم كيفية البدء في إنشاء استراتيجية لاستخدام هذه الأدوات وتحقيق الاستفادة القصوى من إمكاناتها. بالإضافة إلى إقناع الزملاء القلقين بشأن فائدة استخدام تطبيق الذكاء الاصطناعي والبيانات الضخمة في استراتيجية الأعمال، قم بتقييم إمكانات مؤسستك للتوسع والإبداع. عندما تتعلم طرق كيفية استخدام البيانات بشكل فعال، قم بتخصيص إستراتيجيتك لمواجهة التحديات المحددة التي تواجهها شركتك.

"إن إجراء تقييم النمو يجبرنا على فحص الوضع الحالي لشركتنا، والأهم من ذلك، تطلعاتنا للمستقبل". 

أولاً، حدد ما إذا كانت شركتك منفتحة على المخاطرة والابتكار، لأنها قد تحتاج إلى التخلي عن بعض أساليب العمل الحالية. 

ثانياً، قم بتقييم ما إذا كانت لديها القدرة على النمو المستقبلي في قطاعها الحالي. تميل المنظمات التي تتبنى الابتكار الديناميكي إلى أن يكون لديها مديرون تنفيذيون يؤيدون الأساليب الجديدة، والاستراتيجيات التي تحفز الموظفين على الابتكار، والمقاييس الدقيقة التي تتنبأ بالوقت المحتمل لنجاح الابتكار، والسياسات التي تشجع التواصل المفتوح، وتقلل من القلق بشأن المخاطرة. كثيرا ما تقلل المنظمات من قدرتها على النمو. وغالب لا يسعى الأفراد ببساطة إلى الحصول على فرص كافية.

اسأل: هل مؤسستك جاهزة لاستراتيجية تعتمد على البيانات؟

إذا قررت أن شركتك منفتحة على الابتكار والنمو ويمكنها الاستفادة من البيانات الضخمة والذكاء الاصطناعي، فتأكد من أنها مستعدة لتبني استراتيجية تعتمد على الذكاء الاصطناعي والبيانات. للتحضير لهذا التحول على المستوى الإداري، تحتاج شركتك إلى مديرين تنفيذيين يرغبون في الاستثمار في مبادرة الذكاء الاصطناعي وقادة التكنولوجيا الذين يتوافقون مع الشركة بشكل عام وأهدافها. للاستعداد لهذا النقل، تحتاج شركتك إلى الوصول إلى كل من البيانات المنظمة، مثل الأسماء وأرقام الهواتف وعناوين البريد الإلكتروني، والبيانات غير المنظمة، مثل الصور، لتكون بيانات جاهزة يمكن الاستفادة منها.

"ولحسن الحظ، تمتلك العديد من الشركات البيانات الضرورية أو يمكنها الوصول إليها، حتى لو لم تكن على علم بها. ".

يمكن للمنظمة الحصول على البيانات من خلال وسائل مختلفة. على سبيل المثال، يمكنها تنفيذ أساليب "جمع البيانات النشطة" لجمع المعلومات من الدراسات الاستقصائية والاستبيانات ومجموعات التركيز والمقابلات. توفر وسائل التواصل الاجتماعي كمية هائلة من البيانات في شكل نصوص وصور ومقاطع فيديو. يمكن أن تتضمن أساليب "جمع البيانات السلبية أو القائمة على الأذونات" التي تستخدمها مؤسستك اتصالات خدمة العملاء والتجارة الإلكترونية. توفر هذه البيانات نظرة ثاقبة لتفضيلات المستخدم واهتماماته وقرارات الشراء. السجلات العامة هي أيضًا مصدر قيم للبيانات.

بحلول عام 2024، ستشكل البيانات الاصطناعية أكثر من 50% من البيانات التي يستخدمها الذكاء الاصطناعي والتعلم الآلي. يتم إنشاء البيانات الاصطناعية من خلال نمذجة التوزيع المحتمل لانتشار مجموعة بيانات حقيقية موجودة لإنشاء بيانات جديدة.

عند تنفيذ البيانات الضخمة والذكاء الاصطناعي، ركز على المجالات التي يمكنك من خلالها توليد أعلى قيمة.

بمجرد أن تصبح مؤسستك جاهزة للتعامل مع البيانات، حدد الأنشطة التي سيولد فيها الذكاء الاصطناعي وجمع البيانات أكبر قيمة. تجنب التركيز على مجالات أو منتجات متعددة في وقت واحد. في البداية، واحدة أو اثنتين أكثر من كافية. بمجرد اختيار الهدف المحوري، فأنت في طريقك لتصبح شركة تنمو بشكل كبير.

"من خلال عرض نجاحك الأولي في مجال الطاقة، سوف تجذب انتباه الآخرين إلى إمكانات البيانات لتحسين أداء الأعمال ".

يمكن أن يكون للذكاء الاصطناعي والبيانات الضخمة أكبر الأثر عند تطبيقهما على أهم المشكلات التي لم يتم حلها في مؤسستك. عند تحديد المشكلات التي تناسب الفاتورة، ضع في اعتبارك التكلفة الإجمالية لمشاكل محددة وكيف يمكن أن تمنعك من اغتنام الفرص المستقبلية القيّمة.

قد يتعين على القادة الاعتماد على حدسهم أو "حدسهم" لتحديد أهم مشكلاتهم التي لم يتم حلها قبل تقييم بياناتهم. ولا تتبع شركات مثل Netflix استراتيجية تعتمد على البيانات بمعزل عن غيرها، بل تأخذ في الاعتبار هذه القضايا الخارجية. ومع ذلك، من المهم أن نأخذ في الاعتبار العوامل الخارجية مثل ظروف السوق والتضخم وأسعار الفائدة والسياسات الحكومية.

مع تقدمك، حدد أهدافًا واضحة، بدءًا بأهداف صغيرة وقابلة للتحقيق مثل التحكم في التكاليف وإدارة الأسعار، والانتقال إلى أهداف أكبر وأكثر أهمية مثل توسيع قاعدة عملائك وتطوير منتجات جديدة. ضع في اعتبارك أن تحليل بياناتك قد يدحض افتراضاتك التشغيلية، وبما أن الذكاء الاصطناعي يعمل مع كميات هائلة من البيانات، فقد يأخذك إلى أماكن غير متوقعة.

لاستخدام الذكاء الاصطناعي بشكل فعال، أنت بحاجة إلى فريق البيانات المناسب.

في هذه المرحلة، قمت بتقييم مؤسستك، وحددت مدى جاهزيتها للبيانات، وحددت الأولويات والأهداف. لتنفيذ استراتيجية البيانات الضخمة والذكاء الاصطناعي، ستحتاج إلى فريق بيانات مختص. يجب أن يتكون هذا الفريق من أحد كبار المدافعين، ومهندس، وعالم بيانات، ومهندس عمليات للإشراف على التنفيذ، وأخصائي أعمال لضمان التوافق بين عمل الفريق الفني واحتياجات وأهداف عمل المنظمة. يجب أن يكون فريق البيانات على دراية بأساليب البيانات المناسبة وقادرًا على التركيز على أهداف المشروع.

"إذا كان الأداء المقاس للمشروع يتطابق مع قيمة الأعمال المتوقعة أو يتجاوزها، فسيؤدي ذلك إلى دفع نمو الأعمال الحقيقي". 

أولاً، يجب على فريق البيانات تحديد قيمة بياناتك وتقييم قدرتها على دعم أهداف المنظمة. 

ثانيًا، يجب على الفريق تحديد طرق جمع البيانات الإضافية. ومن الناحية المثالية، ستكون هذه البيانات الجديدة متوافقة مع التعلم الآلي، مما يتيح تقييمات وقرارات أكثر دقة لتغذية الذكاء الاصطناعي. 

وأخيرًا، يجب على الفريق إنشاء طريقة لقياس تأثير عملهم باستخدام البيانات والذكاء الاصطناعي. من المهم قياس نتائج مشروعك وعدم اعتبار قيمة البيانات وتأثيرها أمرًا مسلماً به.

عند تطوير قياسات دقيقة لأي مبادرة تعتمد على البيانات، احذر من وضع الافتراضات والتحيزات المعرفية. ومن السهل أن نخلط عن طريق الخطأ بين الارتباط والسببية، وأن تستسلم لإغراء البحث عن الأدلة التي تدعم الافتراضات القائمة وقبولها، حتى لو لم تنجح في تقييم الجودة. وللتخفيف من هذه الأخطاء المعرفية، يوصى بإنشاء نظام مراجعة النظراء، ووضع قواعد أساسية واضحة المعالم، وإنشاء ثقافة مؤسسية تركز على الأهداف الأكبر لكل مشروع.

كقائد أعمال، عليك أن تضع في اعتبارك ظهور "Web3".

أدى ظهور البيانات الضخمة والذكاء الاصطناعي إلى تطوير "Web3.0" أو "Web3"، حيث تكون البيانات مستقلة ولا مركزية. وقد أدى هذا إلى ظهور تقنيات جديدة، بما في ذلك تقنية blockchain، والتي تعتمد على دفتر الأستاذ المشفر. تترك تقنية Blockchain البيانات مستقلة وتحت سيطرة المستخدم، مما يضمن الخصوصية. إنه أمر بالغ الأهمية لظهور العملة المشفرة. على الرغم من أن تقنية blockchain تلقت انتقادات سلبية، إلا أن لها العديد من الاستخدامات المفيدة مستقبلاً. لذلك، يجب على القادة الذين يقومون بتطوير استراتيجيات البيانات الضخمة والذكاء الاصطناعي الموجهة نحو المستقبل أن يضعوا في اعتبارهم تطور Web3.0، حيث أن معظم عملهم الحالي لا يزال متجذرًا في Web 2.0.

عن المؤلف

Asha Saxena ، أستاذ مساعد في السياسة الصحية والإدارة في جامعة كولومبيا، تقوم بتدريس استشارات الرعاية الصحية وريادة الأعمال والبيانات الضخمة وتحليلات البيانات. شغلت منصب الرئيس التنفيذي لشركة Aculyst، وهي شركة لتحليلات الرعاية الصحية، وهي الآن الرئيس والمدير التنفيذي لشركة Future Technologies، وهي شركة دولية لإدارة البيانات وتحليلها.