الاستفادة من الذكاء الاصطناعي لتحويل استراتيجيات الأعمال القابلة للتنفيذ إلى شكل موثوق

عكس ما يعتقده بعض الناس حول الاكتشاف "الأخير" للذكاء الاصطناعي (AI) للاستخدامات التجارية، فإن الذكاء الاصطناعي كوظيفة حاسوبية ليس جديدًا. الجديد هو اعتمادها المتزايد للاستخدامات الموسعة والقدرة على تحويل البيانات إلى استراتيجيات عمل قابلة للتنفيذ.

لقد كان الذكاء الاصطناعي موجودًا منذ فترة طويلة، كما لاحظ دانييل زيف، نائب الرئيس لإدارة الخبرة والتحليلات، استراتيجية GTM في شركة إدارة القوى العاملة Verint . الذكاء الاصطناعي ليس شيئًا واحدًا. لديها مجموعة متنوعة من القدرات اعتمادا على ما تم تصميمه للقيام به.

على سبيل المثال، أحد المكونات الرئيسية للعناصر المختلفة للذكاء الاصطناعي هو نماذج اللغة الكبيرة (LLMs)، والتي لها وجود طويل الأمد في هذا المجال. وقد نتج الابتكار في قدراتهم عن ظهور التطورات التي كشفت عن قوة فهم اللغة الطبيعية وتوليد اللغة الطبيعية منذ حوالي 18 شهرًا.

وقال زيف لصحيفة E-Commerce Times: "لقد كان هذا العمل يتطور ويتطور لسنوات عديدة". "لقد كشف الوعي لأنه كان متاحًا للجميع لتجربته."

التحول المحوري للذكاء الاصطناعي في الأعمال

وأشار زيف إلى أن نقطة التحول المهمة هي تسريع الحاجة والفرصة لمنصات الأتمتة التي يمكن للمؤسسات الاستفادة منها بطرق جديدة. على سبيل المثال، يتطور الذكاء الاصطناعي التوليدي ويصبح أكثر ذكاءً وكفاءة في فهم اللغة.

أحد العناصر الرئيسية في تبني الأعمال التجارية المتنامية للذكاء الاصطناعي هو الحوسبة السحابية، والتي يمكنها معالجة المزيد من البيانات بشكل أسرع وبتكلفة أقل. قبل عشر سنوات، قامت الشركات بنشر معظم برامج الذكاء الاصطناعي محليًا. كان على المتبنين شراء الأجهزة وتوفيرها وتثبيت البرامج وتدريب الجميع.

قال زيف: "سيستغرق الأمر شهورًا - وأحيانًا سنوات - للحصول على القيمة التي يمكنك الحصول عليها الآن في بعض الأحيان في أيام أو أسابيع".

التحدي الذي يواجهنا اليوم هو تعلم كيفية الاستفادة من التقدم الذي حققه الذكاء الاصطناعي على مدار العامين الماضيين لتحويل البيانات الضخمة من أجل التحليل السريع والتوصيات. لتحويل البيانات العديد من الأساليب اعتمادًا على أنواع البيانات التي تم جمعها، مثل البيانات المنظمة وغير المنظمة.

"تميل البيانات المنظمة إلى أن تكون أرقامًا، وكانت أجهزة الكمبيوتر تعمل على البيانات المنظمة. إن أجهزة الكمبيوتر جيدة جدًا في بناء النماذج والقيام بالأشياء بناءً على الأرقام.

تصبح عملية التحويل أكثر تعقيدًا مع البيانات غير المنظمة وشبه المنظمة، والتي تتضمن عناصر غير منظمة مثل النص أو الصوت أو الفيديو وبعض البيانات الوصفية المرتبطة بها.

"في الماضي، كان ذلك أكثر صعوبة بالنسبة لأجهزة الكمبيوتر. وأوضح زيف: “اليوم، مع الذكاء الاصطناعي التوليدي، تمكنت التكنولوجيا من اللحاق بالركب ويمكنها القيام بذلك بشكل أسرع بكثير”.

تحسين الذكاء الاصطناعي للحصول على رؤى أعمال مخصصة

استخدمت شركة Verint الذكاء الاصطناعي لعقود من الزمن لمساعدة الشركات على التعامل مع استخدام بياناتها بشكل أكثر فعالية. لقد ساعدت عملائها على العمل مع مجموعة من مشكلات الدقة.

"في صناعتنا، أعتقد أن الناس قد يدركون أن البيانات التحويلية ليست دقيقة جدًا لأننا قمنا بتعيين ماجستير إدارة أعمال عامين تم تدريبهم على بيانات الإنترنت التي لا تخص أعمالك. إنها ليست بيانات سلوكية. لذا، فإن ما تعلمته هو أن يفعله مثل الأطفال عندما يتعلمون الكلام”، قال زيف.

لقد قمنا حتى الآن بتدريب الذكاء الاصطناعي لدينا على فهم اللغة بشكل عام والقدرة على الاستجابة لمستوى معين. وأضاف أن فهم الذكاء الاصطناعي يشبه إلى حد كبير طفلًا لا يزال يفتقر إلى المعرفة والمعلومات والخبرات الصحيحة لتقديم إجابات مدروسة حول الأشياء التي ترتبط بشكل مباشر بالنتائج المرجوة.

يواصل مطورو الذكاء الاصطناعي تعلم كيفية جعل هذا الطفل ينمو ليصبح شخصًا بالغًا فعالاً. الحل، وفقًا لـ Ziv، هو الاستفادة من هذه القدرة على فهم اللغة وإنشاء لغة باستخدام البيانات السلوكية الصحيحة الخاصة بالتفاعلات التي تجريها مع عملائك أو المؤسسات مع عملائها.

"نحن في بداية هذه المرحلة التحويلية. لكنني أعتقد أن الكفاءة في كتابة البيانات باستخدام منصة مفتوحة وقوة الذكاء الاصطناعي التوليدي ستسمح لنا برؤية أشياء مقنعة للغاية وستسمح لنا بالتشغيل الآلي.

الرحلة نحو الدقة التنبؤية

يعد SoundCommerce مثالاً على أن استخدام البيانات للتنبؤ بالنتائج القابلة للتنفيذ ليس عملية ذات مقاس واحد يناسب الجميع. تتبع الشركة نهجًا مختلفًا عن موفري إدارة البيانات الآخرين من خلال استخدام بيئة بدون تعليمات برمجية يمكن للجميع الوصول إليها.

وأشار الرئيس التنفيذي للشركة، إريك بيست، إلى أن مسار تحويل البيانات مليء بالتحديات. تتضمن العملية استخراج البيانات من النظام المصدر وبيانات العميل من منصة CRM الخاصة بالعميل.

ومن ثم، يجب التحقق من صحة البيانات لتحتوي على جودة معقولة. وفقًا لبيست، فإن الخطوة التالية هي تطبيق البيانات لمعالجة مشكلة معينة تعمل SoundCommerce على حلها: إسناد معنى للبيانات أثناء تدفقها.

وقال بست لصحيفة E-Commerce Times: "هذا مهم لأنه بحلول الوقت الذي تصل فيه إلى مستودع البيانات، حيث سيتم إجراء التحليل، ستتخذ هذه القرارات التجارية المهمة للغاية".

ولتحقيق ذلك بدقة، يجب تحويل البيانات من تنسيق إلى آخر لتحقيق التوافق والتشابه. على سبيل المثال، بالنسبة لمعظم العلامات التجارية للبيع بالتجزئة، تأتي الطلبات من مصادر متعددة بالإضافة إلى ماكينة تسجيل النقد أو نظام نقاط البيع. غالبًا ما تشتمل مواقع البيع هذه على واجهة متجر للتجارة الإلكترونية، وأعمال Amazon Marketplace، وتطبيق جوال خاص.

قال بيست: "إن رؤية سجلات بيانات الطلب الأربعة بتنسيق ومخطط مشترك هو مجال يمكن أن يكون فيه الذكاء الاصطناعي مفيدًا".

رسم خرائط الذكاء الاصطناعي بدون شهادة في الهندسة

للحصول على نتائج دقيقة من خلاصات البيانات المجمعة، يجب أن تكون قادرًا على وصف البيانات بمصطلحات اللغة الطبيعية. لذا، من أجل جعل الذكاء الاصطناعي يساعد في حل مشكلة تعيين البيانات هذه، عليك أن تخبر الذكاء الاصطناعي بلغة طبيعية مطولة جدًا عن البيانات التي تريدها وكيف تريد تحديد البيانات.

الحل هو جعل الذكاء الاصطناعي يكتب البرنامج لإحداث هذا التغيير في هذا التحويل على البيانات. وأوضح بيست أنه بدلاً من أن تكون مهندس برمجيات جيدًا، عليك أن تصبح مهندسًا سريعًا.

"يجب أن يكون الناس جيدين جدًا في وصف ما يريدون، ليس من خلال مصطلحات البرمجة ولكن من خلال مصطلحات اللغة الطبيعية. الدقة في الكلام والكتابة تصبح في غاية الأهمية.

بدأ عملاء SoundCommerce للتو في تجربة خوارزميات الذكاء الاصطناعي التوليدية هذه. وأشار بيست إلى أن بعضًا من تمكين الذكاء الاصطناعي يتم بواسطة الشركة باستخدام خوارزميات خاصة بها حول أشياء متخصصة جدًا لعملائها.

أحد أمثلة التعليمات البرمجية الخاصة هو القدرة على التنبؤ بالقيمة الدائمة للعميل أو المتسوق الفردي. عندما يتعلق الأمر بالقدرات العامة، فإن ابتكار عمل الذكاء الاصطناعي التوليدي يأتي من Microsoft وGoogle وAmazon Web Services وشركة مستقلة متخصصة في تخزين البيانات تسمى Snowflake التي تعمل بها شركة Best.

تقوم شركات المنصات السحابية بشكل عام ببناء أدوات الذكاء الاصطناعي التوليدية الخاصة بها باستخدام نماذج اللغات الكبيرة الخاصة بها.

الذكاء الاصطناعي الحديث، أسئلة الأعمال الخالدة

إلى أي درجة تعتبر هذه القدرة على اتخاذ القرار باستخدام الذكاء الاصطناعي عالي التقنية فعالة من حيث التكلفة وعملية؟ الإجابة على هذا السؤال تعتمد على ما قاله بيست ساخرًا.

بالنسبة للمؤسسات الأقل تقنية، يزداد التطبيق العملي للتكنولوجيا الجديدة للشركات الصغيرة كلما تمكنت من تحديد حالة الاستخدام بشكل أكثر إحكامًا. واعترف بأن SoundCommerce كان عليه أن يتعلم ذلك بالطريقة الصعبة.

يستخدم Best واقعًا قديمًا للإجابة على سؤال التطبيق العملي مقابل فعالية التكلفة. لأكثر من قرن من الزمان، كان الناس يكتشفون أين يمكن إنفاق الأموال الإعلانية بشكل فعال.