يبدأ دمج الذكاء الاصطناعي في مؤسستك بتحديد مدى توافق منصات الذكاء الاصطناعي والنماذج التأسيسية والذكاء الاصطناعي التوليدي والتعلم الآلي (ML) مع أهدافك الرئيسية. تميل الشركات إلى المبالغة في تقدير أثر قدرات الذكاء الاصطناعي والتهوين من تعقيداته—وهو ما يتطلب من قادة البيانات والتحليلات ضبط التوقعات، أو المخاطرة بفشل مشروع مكلف.²

تقول آن ليتش، مديرة إدارة مجموعة المنتجات في IBM: "إذا كنت رئيسًا لقسم البيانات، ففكر في المهام التي تُطلب من فرقك أكثر من غيرها، وكيف يمكن للذكاء الاصطناعي أن يسهل مهام مجالات الأعمال تلك. أين يمكن لفرقك أن يدمجوا الذكاء الاصطناعي للمساعدة على اتخاذ القرارات، أو تحسين سير العمل والعمليات، أو توفير معلومات حول الأعمال التي تقود التفكير المستقبلي؟"

لتحقيق أقصى استفادة ممكنة من تطبيقات الذكاء الاصطناعي، ضع هذه التوجيهات في الحسبان:

الاتصال بنتائج الأعمال

تعاون مع القيادة لخدمة الأهداف العامة لمؤسستك. يوضح تيم همفري، المدير التنفيذي للتحليلات في IBM أنه سواء أكنت تدرس إحدى حالات استخدام الذكاء الاصطناعي مع أحد مديري قسم التسويق أو الموارد البشرية أو سلسلة التوريد أو المبيعات أو إدارة الأصول، فعليك أن تسأل ماذا يحاول هذا المدير أن يحقق لهذه الإدارة أو هذه المؤسسة. عليك أن تفهم الوضع الحالي والوضع المستهدف. ويضيف همفري قائلاً: "إذا لم تتمكن من تطبيق الذكاء الاصطناعي طوال هذا المسار من الوضع القائم وحتى الوضع المستهدف، فعليك ألا تبدأ."

عليك بإجراء الاختبارات أولاً


باستخدام الذكاء الاصطناعي، اختبر طرق إثبات فكرتك حتى تجد الطريقة المناسبة. ثم اعمل على تحسينها. تقول كارولين كاروثرز، الرئيس التنفيذي لشركة كاروثرز وجاكسون ومؤلفة كتاب دليل مديري قسم البيانات: "بدلاً من قضاء الكثير من الوقت لجعل كل شيء مثاليًا، فأنا من أشد المعجبين بمبدأ اختبار العديد من طرق إثبات الفكرة حتى تجد الطريقة المناسبة بالفعل".

حدد الأهداف وتتبعها

حدد مؤشرات الأداء الرئيسية التي تقيس مدى نجاح كل حالة من حالات الاستخدام. لنفترض أن المشروع يتعلق بتحديد حالات الاحتيال في استخدام بطاقات الائتمان وترغب في أن يكتشف الذكاء الاصطناعي 95% من حالات الاحتيال. يتيح لك تتبع التقدم المحرز باستخدام المقاييس أن تحدد مستويات أداء الذكاء الاصطناعي وتراقبها وتظهر قيمة الذكاء الاصطناعي للأطراف المعنية.

إن من بين أصعب مهام رئيس قسم البيانات هو إيجاد طرق سريعة وموثوقة لاكتساب معارف من البيانات. فأنت بحاجة إلى البيانات المناسبة لتشغيل نموذجك، ولكن ليست كل البيانات مناسبة للذكاء الاصطناعي.


يقول ريموس لازار، نائب رئيس قسم تطوير البرمجيات ونسيج البيانات في IBM، "إن أي شيء يبدأ بمجموعة البيانات المناسبة لحالة استخدام معينة، ومن دون ذلك لن يكون هناك ذكاء اصطناعي على الإطلاق." ويشير إلى مثال شركة الطيران التي ترغب في استخدام الذكاء الاصطناعي التنبئي لتوقع ما إذا كان بإمكان الركاب استكمال رحلاتهم غير المباشرة. "إذا كنت قد جمعت بيانات عن الركاب الذين فاتتهم رحلاتهم فقط، ولم تجمع بيانات عن أولئك الذين تمكنوا من اللحاق بها، فلن تكون تلك البيانات مناسبة للاستخدام. فمن دون مجموعات البيانات المناسبة لن تتمكن أبدًا من حل حالة الاستخدام."

قيّم بنية بياناتك

ترى أكثر من نصف المؤسسات أن البيانات هي السبب وراء تعثر مشاريع الذكاء الاصطناعي. توفر بنية البيانات الحديثة مثل نسيج البيانات إمكانات مدمجة لمراقبة جودة البيانات وإدارة البيانات. فهي تُمكّن علماء البيانات لديك من البيانات ذاتية الخدمة بغض النظر عن مكان وجودها، مع تطبيق جميع متطلبات الإدارة والخصوصية تلقائيًا. يتيح هذا النهج للمستخدمين بيانات موثوقة في متناول أيديهم ويسهل إمكانية الوصول إلى مصادر مختلفة في الوقت الفعلي مع تطبيق إدارة كاملة تمهد الطريق لتحقيق المرونة والسرعة.

عزز نماذجك بالبيانات الموثوقة

في وقت تكثر فيه اللوائح والمعايير الأخلاقية المتغيرة والمعقدة في مجال الذكاء الاصطناعي، يجب أن تسأل دائمًا: كيف يمكن إدارة هذه البيانات وهل يمكن استخدامها لتحقيق غرضك؟ تُعد جودة البيانات وإدارة البيانات أمرين ضروريين لتوسيع نطاق حلول الذكاء الاصطناعي بنجاح. احرص على طرح الأسئلة التالية على مؤسستك للإجابة عنها قبل أن تستقر على قرارات متعلقة بالخوارزمية.


• على سبيل المثال، هل تحتاج إلى بيانات خارجية أم بيانات داخلية؟
• هل تستخدم بيانات قديمة؟
• إذا كنت تستخدمها، فهل هي مطابقة للمعايير الأخلاقية في الوقت الحالي؟

الأمر يرجع إليك بصفتك رئيسًا لقسم البيانات لتحديد من يتحكم في البيانات، ومن لديه حق الوصول إلى برامج الذكاء الاصطناعي وتطبيقاته، ومن يحتاج إلى الوصول لضمان أن تكون مبادرات الذكاء الاصطناعي مفيدة.

التزم بأخلاقيات الذكاء الاصطناعي

تتضمن المبادئ التوجيهية لاستخدام الذكاء الاصطناعي المسؤول عدة اعتبارات مثل الأمان وقابلية التفسير والتحيز. إذا كنت تستخدم بيانات قديمة لتعزيز نموذج ما، فتأكد من أنها مناسبة لأخلاقيات المجتمع وقدراته الإدراكية في الوقت الحالي. فعلى سبيل المثال، تختلف المواقف المتعلقة بالنوع والعرق والجنس والطبقة والعمر اليوم عما كانت عليه في السبعينيات. ويمكن أن يؤدي استخدام مجموعة بيانات قديمة إلى ترسيخ تحيز الذكاء الاصطناعي، ما يؤدي إلى تحريف النتائج منذ البداية. يمكن للمؤسسات أن تتميز عن طريق مواجهة القضايا الأخلاقية بشكل إستراتيجي وهادف ومدروس.

تتعرض الشركات لمخاطر جسيمة تضر بسمعة علاماتها التجارية إذا كانت نماذج الذكاء الاصطناعي متحيزة أو غير قابلة للتفسير. كما يمكن أن تتعرض لعمليات التدقيق الحكومية وتتكبد غرامات بالملايين في حال فشلها في الالتزام بمتطلبات الامتثال المعقدة والمتغيرة. كل هذه المشاكل يمكن أن يكون لها تأثير مدمر في المساهمين وعلاقات العملاء.

تعرّف على نماذج الذكاء الاصطناعي لديك وثق بها

تُشكل نماذج الصندوق الأسود التي تفتقر إلى الإجراءات الشفافة مصدر قلق متزايدًا للأطراف المعنية في مجال الذكاء الاصطناعي. هذه النماذج تُبنى وتُنشر لكنها تفتقر إلى الشفافية. فليس من السهل دائمًا—حتى على عالم البيانات—تتبع كيفية وسبب اتخاذ النموذج للقرارات. ومع ظهور اللوائح التنظيمية، مثل قانون مدينة نيويورك الذي ينظم كيفية استخدام الذكاء الاصطناعي في عملية التوظيف وقانون الذكاء الاصطناعي المقترح من الاتحاد الأوروبي، يجب أن تصبح الشركات أكثر حذرًا وسرعة.


حوكمة الذكاء الاصطناعي هي العملية الشاملة التي تتضمن توجيه أنشطة الذكاء الاصطناعي وإدارتها ومراقبتها عبر عمليات الأعمال. لذا يجب أن يتعاون قادة البيانات مع مديري شؤون المخاطر ومديري قسم الامتثال وغيرهم من الأطراف المعنية الرئيسية منذ انطلاق مشروع الذكاء الاصطناعي لوضع إطار عمل لحوكمة الذكاء الاصطناعي. وينبغي أن يحدد إطار العمل هذا أفضل الممارسات التي يجب أن تتبعها الشركة في عمليات تطوير ونشر وإدارة نماذج الذكاء الاصطناعي وحتى التخلص من الصندوق الأسود.

تتبع النماذج من البداية إلى النهاية

تضع حوكمة الذكاء الاصطناعي حواجز حماية في كل مرحلة من مراحل دورة حياة الذكاء الاصطناعي والتعلم الآلي، بما في ذلك جمع البيانات وبناء النماذج ونشرها وإدارتها ومراقبتها. وتؤدي حواجز الحماية هذه إلى عمليات أكثر شفافية وتوفر نتائج يمكن تفسيرها للأطراف المعنية الرئيسية والعملاء. يساعدك تطبيق حوكمة الذكاء الاصطناعي منذ البداية على تحسين عملية إدارة المخاطر والسمعة والالتزام بالمبادئ الأخلاقية واللوائح الحكومية وتجنب مخالفتها.

لجأت إحدى شركات البيع بالتجزئة الكبرى في الولايات المتحدة إلى IBM لمساعدتها على معالجة مشكلات النزاهة في استخدام الأدوات وأنظمة التوظيف التي تفرز المرشحين للوظائف. لقد كان مهمًا لهذه الشركة أن ترسخ مبادئ النزاهة والثقة، بما في ذلك القدرة على تحديد مواضع التحيز وتفسير قرارات الذكاء الاصطناعي ونماذج التعلم الآلي (ML) المستخدمة في عملية التوظيف. استخدمت الشركة نظام IBM Cloud Pak® for Data لإدارة النماذج المدعومة بالذكاء الاصطناعي باستمرار من أجل تحقيق الدقة والنزاهة. والآن، تراقب الشركة التحيز في عمليات التوظيف وتحد منه بشكل استباقي.

اعرض عملك

تطبق شركة IBM هي الأخرى هذا النهج داخليًا. يقول إليوك: "إذا كانت هناك لائحة معينة تتطلب الشفافية أو التفسير، فإننا نتأكد من أن الخوارزمية أو عملية تقييم التأثير توضح تلك التفاصيل حتى نتمكن من التحول بسرعة نحو الامتثال المستمر للوائح الجديدة بدلاً من المساس بالأعمال."

ومع انتقال الذكاء الاصطناعي من مرحلة التجريب إلى المرحلة المؤثرة في الأعمال، تدرك المؤسسات الحاجة إلى تطبيق حوكمة الذكاء الاصطناعي بشكل استباقي لتعزيز استخدام الذكاء الاصطناعي الشفاف والقابل للتفسير. ويمكن أن يؤدي عدم وجود حواجز حماية في أثناء استخدام الذكاء الاصطناعي إلى عرقلة مشاريع الذكاء الاصطناعي وتثبيط عملية الابتكار.