ما المقصود بذكاء الأعمال التوليدي؟

ذكاء الأعمال التوليدي، والمعروف أيضًا باسم "generative BI" أو "gen BI"، هو عملية استخدام الذكاء الاصطناعي التوليدي في عمليات ذكاء الأعمال. يمكن أن تساعد أدوات ذكاء الأعمال التوليدي على أتمتة وتبسيط مهام تحليل البيانات الرئيسية، مثل تحديد الأنماط وإنشاء التصورات.

يشير مصطلح ذكاء الأعمال أو BI إلى مجموعة من عمليات تحليل بيانات الأعمال من أجل اتخاذ قرارات أعمال مستنيرة. تتميز الأدوات وسير العمل التقليدية في مجال ذكاء الأعمال بأنها يدوية إلى حد كبير، وتتطلب وقتًا كبيرًا وخبرة تقنية هائلة لتحويل البيانات غير المنسقة إلى معارف عملية. في كثير من الأحيان لا تتمكن الأطراف المعنية التي ليس لديها خبرة في مجال علم البيانات من الاستفادة الكاملة من تقنيات ذكاء الأعمال.

يتيح ذكاء الأعمال التوليدي لعدد أكبر من الأشخاص إمكانية المشاركة في تحليلات الأعمال. تعتمد أدوات ذكاء الأعمال التوليدي عادةً على نماذج لغوية كبرى (LLMs)، وتعمل بشكل مشابه جدًا لأدوات الذكاء الاصطناعي التوليدي الشهيرة الأخرى، مثل ChatGPT أو Microsoft Copilot. يكتب المستخدمون التعليمات باللغة الطبيعية وتستجيب الأداة تبعًا لذلك. 

على عكس ذكاء الأعمال التقليدي، لا يحتاج المستخدمون إلى تعلم لغات برمجة خاصة أو إجراء عمليات حسابية يدوية أو إنشاء مخططات من البداية. بإمكانهم أن يطلبوا من أداة ذكاء الأعمال التوليدي، بلغة بسيطة، إجراء تحليلات متقدمة وإنشاء تقارير نيابةً عنهم.  

بهذه الطريقة، يتيح ذكاء الأعمال التوليدي إمكانية إجراء تحليلات الخدمة الذاتية للمستخدمين عبر المؤسسة، بغض النظر عن مهاراتهم. وبدورها، تساعد تحليلات الخدمة الذاتية المؤسسات على اتخاذ قرارات أكثر اعتمادًا على البيانات.

يُعد ذكاء الأعمال التوليدي فئة تقنية جديدة نسبيًا. وفقًا لأحد الاستطلاعات، أفاد 3% فقط من المؤسسات بأنها تستخدم ذكاء الأعمال التوليدي "بشكل كامل في عملياتها". إلا أن أكثر من نصف المؤسسات أفادت بأنها في مراحل مختلفة من استكشاف ذكاء الأعمال التوليدي.¹ ومن المتوقع أن تزداد معدلات التبني مع زيادة تطور أدوات ذكاء الأعمال التوليدي وإتاحتها بسهولة أكبر.

لا يُعد ذكاء الأعمال التوليدي والذكاء الاصطناعي التوليدي نوعين مختلفين من التقنيات أو نماذج الذكاء الاصطناعي. بل يمكن أن يُعد ذكاء الأعمال التوليدي حالة من حالات استخدام الذكاء الاصطناعي التوليدي. وعلى وجه التحديد، فإن ذكاء الأعمال التوليدي هو عملية استخدام حلول الذكاء الاصطناعي التوليدي لجمع البيانات المؤسسية وإدارتها وتحليلها لإثراء عمليات الأعمال.

يشير الذكاء الاصطناعي التوليدي (gen AI) إلى فئة من نماذج الذكاء الاصطناعي (AI) والتعلم الآلي (ML) التي يمكنها إنشاء محتوى أصلي - مثل النصوص أو الصور أو التعليمات البرمجية - استجابةً لتعليمات المستخدمين. يُعد ذكاء الأعمال التوليدي نوعًا من تحليلات الذكاء الاصطناعي نظرًا إلى أنه يُطبق خوارزميات الذكاء الاصطناعي لمعالجة بيانات الأعمال وتحليلها.

تعمل أدوات ذكاء الأعمال التوليدي بالطريقة نفسها التي تعمل بها الأدوات الأخرى المدعومة بالذكاء الاصطناعي التوليدي. يكتب المستخدمون التعليمات بلغة طبيعية ثم تُنشئ الأداة المحتوى استجابةً لذلك. 

على سبيل المثال، قد يكتب أحد المستخدمين "أرني مخططًا دائريًا يُظهر أكثر 5 منتجات مبيعًا لدينا العام الماضي، مقسمًا على حسب النسبة المئوية لمبيعات كل منتج". عندئذٍ، ستحلل أداة ذكاء الأعمال التوليدي مجموعة البيانات ذات الصلة وتعرض بالضبط: مخطط دائري يُظهر المنتجات الأكثر مبيعًا، مقسمًا حسب النسبة المئوية للمبيعات.

معظم أدوات ذكاء الأعمال التوليدي تكون في واحد من الثلاثة أشكال التالية: 

1. نماذج الذكاء الاصطناعي التوليدي عامة الأغراض، مثل Llama المقدم من شركة Meta، المستخدمة في مهام ذكاء الأعمال.
    

2. منصات ذكاء الأعمال المدعومة بنماذج الذكاء الاصطناعي المدمجة. على سبيل المثال، تدمج منصة Amazon QuickSight Q روبوت المحادثة المدعوم بالنماذج اللغوية الكبرى Amazon Q في QuickSight، وهي أداة ذكاء أعمال مقدمة من Amazon Web Services (AWS). 
    

3. نماذج الذكاء الاصطناعي المهيأة خصوصًا لذكاء الأعمال. على سبيل المثال، تُعد منصة IBM Project Ripasso منصة مدعومة بالنماذج اللغوية الكبرى، ومدربة على محتوى ذي صلة بالمؤسسة، ومزودة بإمكانات مدمجة لحوكمة البيانات.

في حين أن نماذج الذكاء الاصطناعي التوليدي عامة الأغراض يمكن أن تؤدي العديد من وظائف ذكاء الأعمال، إلا أن العديد من المؤسسات تفضل استخدام أدوات ونماذج ذكاء الأعمال الأكثر تخصصًا عليها. وعادةً ما يمنح ذلك المؤسسات مزيدًا من التحكم في كيفية استخدام بياناتها.

يمكن أن تختلف المزايا بين الأدوات، ولكن إمكانات ذكاء الأعمال التوليدي الشائعة تشمل ما يلي:

• معالجة اللغة الطبيعية (NLP): تستخدم أدوات ذكاء الأعمال التوليدي معالجة اللغة الطبيعية وواجهات المحادثة حتى يتمكن المستخدمون من إرسال التعليمات والاستعلام عن مجموعات البيانات وإجراء العمليات الحسابية من دون استخدام لغة الاستعلام المركبة (SQL) أو أي تركيب لغوي متخصص آخر.

• لوحات المعلومات والتقارير والتصورات المخصصة: تحتوي معظم حلول ذكاء الأعمال التوليدي على أدوات إنشاء تتيح للمستخدمين إمكانية إنشاء لوحات المعلومات وتصورات البيانات والتقارير المكتوبة وملفات البيانات من خلال وصف ما يحتاجون إليه، بدلاً من إنشائها يدويًا.

• عمليات التكامل: يمكن أن تتكامل أدوات ذكاء الأعمال التوليدي مع مصادر بيانات مختلفة، بما في ذلك قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومستودعات بحيرات البيانات.

• التوصيات: يمكن أن تسهم العديد من أدوات ذكاء الأعمال التوليدي في إثراء التحليلات من خلال التوصية بمجموعات البيانات ذات الصلة، واقتراح الاستعلامات ذات الصلة، وتقديم ملاحظات حول تحسين التقارير، وتقديم إرشادات أخرى. 

• مسارد مصطلحات الأعمال: تدعم بعض أدوات ذكاء الأعمال التوليدي مسارد الأعمال أو تتكامل معها. تساعد المسارد المؤسسات على تحديد المصطلحات والمفاهيم والعمليات المهمة حتى تتمكن الأداة من تقديم إجابات ترتكز على السياق الفريد للشركة.

يمكن استخدام الذكاء الاصطناعي التوليدي في أي مرحلة من مراحل عملية ذكاء الأعمال، ولكنه يُستخدم بشكل أكثر شيوعًا لدعم عمليات جمع البيانات وتحليل البيانات وتصور البيانات والتخطيط للإجراءات.

يمكن أن تساعد أدوات ذكاء الأعمال التوليدي المستخدمين على اكتشاف البيانات وتنظيمها وتحويلها وتجميعها من أجل التحليل.  

على سبيل المثال، قد يطلب المستخدم من أداة ذكاء الأعمال التوليدي إعداد تقرير عن الإنفاق حسب وحدة الأعمال. ستبحث الأداة عندئذٍ عن البيانات ذات الصلة عبر مصادر البيانات المتكاملة - بما في ذلك السجلات المالية على مستوى الشركة والسجلات الخاصة بالوحدة - وتوحد تنسيق نقاط البيانات وتجمعها معًا في تقرير متماسك.  

يمكن أن تستهلك أدوات ذكاء الأعمال التوليدي كميات هائلة من البيانات المعقدة لاكتشاف الأنماط، والإجابة عن الأسئلة، وتحديد الاتجاهات، وغير ذلك الكثير. يتيح هذا للمستخدمين إمكانية اكتساب المعارف من البيانات من دون الحاجة إلى إجراء عمليات حسابية يدوية.

على سبيل المثال، قد يطلب المستخدم الذي يُنشئ تقريرًا عن إنفاق وحدة الأعمال من أداة ذكاء الأعمال التوليدي تحديد الوحدات التي تجاوزت الميزانية دائمًا في الأرباع الثمانية الأخيرة. قد يطلب المستخدم أيضًا من أداة ذكاء الأعمال التوليدي المساعدة على تحديد أسباب زيادة إنفاق هذه الوحدات.  

وعندئذٍ، يمكن لأداة ذكاء الأعمال التوليدي تحويل نتائج تحليلها إلى رسوم بيانية وملخصات سهلة الفهم والمشاركة، مع تسليط الضوء على المقاييس الرئيسية ونقاط البيانات والمعارف المهمة الأخرى.

على سبيل المثال، قد يُنشئ المستخدم مخططًا شريطيًا يقارن بين إنفاق وحدة الأعمال في كل ربع سنة والميزانية المخصصة لتسليط الضوء على الفروق بين الإنفاق المخطط له والإنفاق الفعلي.

يمكن أن تقترح أدوات ذكاء الأعمال التوليدي الخطوات التي يمكن أن تتخذها المؤسسات بناءً على تحليل البيانات. على سبيل المثال، قد تقترح الأداة تقسيم إنفاق وحدة الأعمال على أساس كل مشروع على حدة من أجل تحديد المشاريع التي لا تحقق عائدًا كافيًا يشجع على مواصلة الاستثمار فيها.

يمكن أن تدعم أدوات ذكاء الأعمال التوليدي تحليلات البيانات ذاتية الخدمة وتحليلات البيانات المتقدمة. لم يعد المستخدمون بحاجة إلى إتقان لغات برمجة أو صيغ رياضية أو أدوات معينة للتعامل مع البيانات. بل يمكنهم الاستعلام وإجراء العمليات الحسابية وإنشاء التقارير باستخدام اللغة الطبيعية.

اعتاد مستخدمو أدوات ذكاء الأعمال على الاعتماد على علماء البيانات ومحللي الأعمال في أداء الكثير من مهام ذكاء الأعمال الشاقة نيابةً عنهم. لكن أدوات ذكاء الأعمال التوليدي سهلت الكثير من تعقيدات مجال ذكاء الأعمال، ما يسمح للمستخدمين عبر الشركة بالاستعانة بالبيانات الواقعية في الوقت الفعلي عند اتخاذ القرارات. على سبيل المثال:

• يمكن أن يطلب المستخدمون العاملون بقسم الموارد البشرية (HR) من أدوات ذكاء الأعمال التوليدي تحليل اتجاهات المواهب وتقديم توصيات لتنظيم القوى العاملة.

• ويمكن أن تطلب الفرق المالية من أدوات ذكاء الأعمال التوليدي إنشاء توقعات أكثر دقة من خلال تحليل الإيرادات على مستوى العملاء والمنتجات والقنوات.

• ويمكن أن تسهم فرق سلسلة التوريد والمشتريات في تحسين المخزون من خلال الطلب من أداة ذكاء الأعمال التوليدي استخدام الاتجاهات السابقة للتنبؤ بأنماط الشراء المستقبلية.

• ويمكن أن تستخدم فرق التسويق أدوات ذكاء الأعمال التوليدي لإجراء تحليلات دلالية لآراء العملاء من أجل اكتساب معارف يمكنهم استخدامها لتحسين تجارب العملاء.

• ويمكن أن تستخدم فرق المبيعات أدوات ذكاء الأعمال التوليدي لتحليل تأثيرات نقاط الأسعار المختلفة في معدل إنفاق العملاء. ويمكنهم استخدام النتائج لتحسين الأسعار.

علاوة على ذلك، فإن إتاحة تحليلات الخدمة الذاتية يسمح لعلماء البيانات ومحللي الأعمال بالتركيز على المشاريع الأكثر إستراتيجية. فبدلاً من الإجابة عن الأسئلة المحدودة التي يمكن للمستخدمين الآن الإجابة عنها بأنفسهم، أصبح بإمكان خبراء البيانات إنشاء أدوات بيانات جديدة أو تدريب نماذج الذكاء الاصطناعي الخاصة، على سبيل المثال.

يمكن أن توفر أدوات ذكاء الأعمال التوليدي العديد من المزايا، بما في ذلك ما يلي:

• تعزيز تبني أدوات وممارسات ذكاء الأعمال
• تحسين نتائج ذكاء الأعمال
• معالجة نقص المهارات في مجال علم البيانات
• تحليل كميات أكبر من البيانات الأكثر تعقيدًا
• تقليل تكلفة جهود ذكاء الأعمال

وفقًا لأحد الاستطلاعات، اتضح أن نسبة 25% فقط من المستخدمين يستخدمون أدوات ذكاء الأعمال.² ويرجع انخفاض معدلات التبني جزئيًا إلى التعقيد التقني لعمليات ذكاء الأعمال التقليدية.

ومع ذلك، تسمح أدوات ذكاء الأعمال التوليدي لعدد أكبر من المستخدمين بالتعامل مباشرةً مع بياناتهم من دون الاضطرار إلى اللجوء إلى علماء البيانات والمحللين. وهذا بدوره يعني أنه يمكن لعدد أكبر من الأشخاص استخدام ذكاء الأعمال لدعم المزيد من عمليات اتخاذ القرارات القائمة على البيانات عبر المؤسسة.

بالإضافة إلى التشجيع على زيادة استخدام ذكاء الأعمال، يمكن أن يعزز ذكاء الأعمال التوليدي نتائج جهود تحليلات الأعمال.

نظرًا إلى تمتعها بإمكانات تحليل البيانات بشكل أسرع من المستخدم البشري أو أداة ذكاء الأعمال التقليدية، يمكن أن تكتشف أداة ذكاء الأعمال المدعومة بالذكاء الاصطناعي في كثير من الأحيان الاتجاهات التي قد يغفل عنها الناس.

كما تزود العديد من أدوات ذكاء الأعمال التوليدي المستخدمين بتعليمات تتضمن الأسئلة المقترحة والبيانات والمعارف التي تساعد على تحسين تحليلاتهم. ويمكن أن تحول أدوات ذكاء الأعمال التوليدي نتائج تحليل البيانات إلى تصورات وتقارير حتى تُسهل عملية مشاركتها واستهلاكها. 

يتطلب ذكاء الأعمال التقليدي قدرًا معينًا من الخبرة في مجال البيانات لا يتوفر لدى جميع الناس. وقد يكون من الصعب العثور على ما يكفي من علماء البيانات ومحللي الأعمال المهرة لإنجاز كافة مشاريع ذكاء الأعمال.

بفضل دعم التحليلات ذاتية الخدمة، يمكن أن تساعد أدوات ذكاء الأعمال التوليدي المؤسسات على الحد من تأثير نقص المهارات في مجال علم البيانات في جهود ذكاء الأعمال.

تعالج أدوات ذكاء الأعمال التوليدي كميات هائلة من البيانات أكثر مما يمكن لعالم البيانات أو مستخدم الأعمال أن يعالجها يدويًا.

كما يمكنهم أيضًا معالجة البيانات غير المنظمة، مثل المستندات والصور، والتي تُشكل الجزء المتزايد من بيانات الأعمال. يمكن أن تواجه خوارزميات الذكاء الاصطناعي التقليدية القائمة على القواعد صعوبة في التعامل مع البيانات التي لا تتبع تنسيقًا محددًا، ولكن أدوات الذكاء الاصطناعي التوليدي لا تعاني من هذه المشكلة.

يمكن أن يساعد ذكاء الأعمال التوليدي المؤسسات على توفير الوقت والموارد من خلال أتمتة العديد من العمليات الأكثر استهلاكًا للوقت والموارد في مجال ذكاء الأعمال، مثل إجراء العمليات الحسابية وإنشاء التقارير. وهذا يعني أنه يمكن أن تنفق المؤسسات قدرًا أقل من المال والجهد على تحليلات الأعمال من دون تضييع فرصة اكتساب المعارف العملية.

في حين أن ذكاء الأعمال التوليدي يمكن أن يوفر العديد من المزايا، إلا أن استخدام أدوات ذكاء الأعمال التوليدي لا يخلو من التحديات. تشمل بعض التحديات الأكثر شيوعًا ما يلي:

• الشفافية وقابلية التفسير
• أمن البيانات والخصوصية
• النتائج الخاطئة
• منظومات البيانات غير الفعالة

تتصرّف بعض نماذج الذكاء الاصطناعي التوليدي كالصندوق الأسود؛ لا يُظهر أي معارف عن ما يحدث في عمليات التوصل إلى النتائج. قد يثير هذا الأمر إشكالية في جهود ذكاء الأعمال، حيث يحتاج المستخدمون إلى فهم كيفية تحليل البيانات حتى يتمكنوا من الوثوق في استنتاجات أداة ذكاء الأعمال التوليدي.

علاوة على ذلك، تتطلب بعض اللوائح، مثل قانون الذكاء الاصطناعي الصادر عن الاتحاد الأوروبي، أن تكون المؤسسات شفافة بشأن كيفية معالجة أدوات الذكاء الاصطناعي لديها لبيانات الأشخاص.

يمكن أن يساعد استخدام أدوات ذكاء الأعمال التوليدي التي تشرح "آلية عملها"، بما في ذلك البيانات التي يستخدمونها وكيفية توصلهم إلى الاستنتاجات، المؤسسات على الحفاظ على الشفافية وقابلية التفسير.

لدى المؤسسات أسباب قانونية وتجارية لإعطاء الأولوية لأمن البيانات وخصوصية البيانات. تضع قوانين معينة، مثل اللائحة العامة لحماية البيانات (GDPR) الصادرة عن الاتحاد الأوروبي، قيودًا على كيفية استخدام الشركات لأنواع البيانات المختلفة. علاوة على ذلك، تكلّف حوادث اختراق البيانات المؤسسات ما يصل إلى 4.88 مليون دولار أمريكي في المتوسط لكل حادثة اختراق، وفقًا لتقرير IBM حول تكلفة حوادث اختراق البيانات.

تفتقر بعض نماذج الذكاء الاصطناعي التوليدي إلى تدابير خصوصية وأمن البيانات الصارمة. وما يثير قلقًا بالغًا هو حقيقة أن المؤسسات قد لا تتمكن من التحكم في كيفية تصرف هذه النماذج في البيانات بعد استهلاكها.

يمكن أن تساعد أدوات ذكاء الأعمال التوليدي المزودة بإمكانات مدمجة لحوكمة البيانات وأمن البيانات المؤسسات على الحفاظ على إمكانية التحكم في البيانات ومنع الوصول غير المصرح به.

يمكن أن تُظهر نماذج الذكاء الاصطناعي التوليدي نتائج خاطئة. أي أنها تستطيع اختلاق الأشياء وإنشاء مخرجات كاذبة. يمكن أن تعطل النتائج الخاطئة مشاريع ذكاء الأعمال، ما يؤدي إلى وضع إستراتيجيات أعمال واتخاذ خطوات عمل قائمة على معلومات غير صحيحة.

يمكن أن تحد المؤسسات من ظهور النتائج الخاطئة من خلال تدريب أدوات ذكاء الأعمال التوليدي على مجموعات البيانات فائقة الجودة وذات الصلة بالأعمال فقط. كما يمكنهم استكشاف تقنيات أخرى، مثل التوليد المعزز بالاسترجاع (RAG)، والذي يُمكّن النماذج اللغوية الكبرى من إنشاء الردود استنادًا إلى مصدر معرفة خارجي واقعي.

مثل أي نموذج من نماذج الذكاء الاصطناعي التوليدي، تحتاج أدوات ذكاء الأعمال التوليدي إلى الوصول إلى كميات هائلة من البيانات فائقة الجودة. يمكن أن تحول منظومات البيانات المجزأة بالمؤسسات، والتي تُعزل فيها البيانات وتُوزع عبر المؤسسة، دون وصول أداة ذكاء الأعمال التوليدي إلى البيانات التي تحتاجها.

يمكن أن تساعد منظومة البيانات الفعالة، مع أنظمة تخزين البيانات المناسبة المتصلة في بنية بيانات متكاملة، على ضمان وصول أدوات ذكاء الأعمال التوليدي إلى البيانات التي تحتاجها، ومن ثَم إظهار نتائج فائقة الجودة.