كيف تكتسب IBM الكفاءة التشغيلية من خلال شفافية مصدر البيانات المحسنة

لا يمكن أن تكون أنظمة الذكاء الاصطناعي جديرة بالثقة إلا بقدر البيانات المستخدمة في تطويرها. هذا هو السبب في أن استخدام البيانات عالية الجودة والموثوقة يعد خطوة حساسة نحو بناء الذكاء الاصطناعي المسؤول. ولكن من دون الشفافية في مصدر البيانات - تفاصيل حول مصدر البيانات وكيفية تطويرها وكيفية استخدامها من وجهة نظر قانونية وتعاقدية - قد يكون تقييم مصداقية مجموعة البيانات أمرًا صعبًا، حتى بالنسبة لمحترفي البيانات المتمرسين. يعد عدم وجود تصنيف قياسي للبيانات الوصفية لمجموعات البيانات مشكلة شائعة عبر النظام البنائي للبيانات.

لذا، عندما تولى Data & Trust Alliance (D&TA) تطوير الإصدار الأول على الإطلاق من معايير مصدر البيانات على مستوى المجالات، كانت شركة IBM حريصة على المساهمة. وطوال عام 2024، قمنا بقيادة جهود الاختبار المبكرة وكنا من أوائل المؤسسات التي بدأت في مواءمة معايير البيانات الداخلية لدينا مع معايير مصدر البيانات، حيثما كان ذلك مناسباً. والآن، وبعد ثلاثة أشهر من الانتهاء من اختبارنا والإعلان رسمياً عن الإصدار V1.0 من معايير مصدر البيانات، شهدنا تأثيراً ثابتاً وقابلاً للقياس الكمي على الكفاءة الإجمالية لعمليات العناية بالبيانات وإدارتها لدينا.

تلتزم شركة IBM بتطوير الذكاء الاصطناعي ونشره بشكل مسؤول. ويمتد هذا الالتزام إلى البيانات التي نستخدمها لبناء أنظمة الذكاء الاصطناعي لدينا وتدريبها. بصفتنا "العميل صفر"، أردنا تقييم معايير مصدر البيانات في بيئة صارمة لفهم تأثيرها حقًا ووضعها تحت الاختبار بطريقة مفيدة. لذلك، قمنا بتنفيذ العناصر الرئيسية ضمن برنامج الحوكمة المتكامل (IGP) الخاص بنا الذي يتحكم في البيانات والنماذج التي طورتها وتستخدمها IBM، بدءاً من تقييم شمولية المعايير. وللقيام بذلك، قمنا بمقارنة معايير مصدر البيانات مع متطلبات استيعاب البيانات الخاصة بنا لمجموعات البيانات المستخدمة لتطوير نماذج الأساس وقمنا بتقييم الدرجة التي مكننا بها تصنيف البيانات الوصفية لمعايير مصدر البيانات من التحقق من ملاءمة البيانات لمجموعة متنوعة من حالات الاستخدام.

بعد ذلك، طلبنا من علماء البيانات والباحثين في شركة IBM من مختلف مستويات الخبرة تطبيق معايير مصدر البيانات على عدة أنواع شائعة من البيانات، بما في ذلك البيانات المملوكة لشركة IBM، وبيانات الجهات الخارجية والبيانات التي تتضمن HAP (مواد تحض على الكراهية أو لغة مسيئة أو ألفاظ نابية).

وأخيراً، طلبنا من الخبراء من مكتب IBM للخصوصية والتكنولوجيا المسؤولة فحص اكتمال ودقة البيانات الوصفية المقدمة وفقاً لمعايير مصدر البيانات، ومراجعة البيانات المقدمة مع علماء البيانات والباحثين لفهم نقاط المشكلات أو الارتباك لديهم بشكل أفضل. مكنتنا هذه التعليقات النوعية من تحديد المصطلحات والتعريفات والإرشادات التي كانت غير واضحة أو غامضة.

إن التأثير الأبرز الذي لاحظناه منذ مواءمة معايير البيانات الداخلية لدينا بشكل أوثق مع معايير مصدر البيانات هو تقليل الوقت الذي تستغرقه معالجة طلبات تخليص البيانات. في فترة الثمانية أشهر التي اختبرنا خلالها معايير مصدر البيانات ونفذنا تحسينات أخرى على التكنولوجيا والعمليات، لاحظنا أن متوسط وقت معالجة تصريح البيانات انخفض بنسبة 58٪ لبيانات الجهات الخارجية وبنسبة 62٪ للبيانات المملوكة لشركة IBM. يعد هذا التحسن مهمًا بشكل خاص نظرًا للزيادة الكبيرة في طلبات التصريح الواردة من خلال برنامج الحوكمة المتكامل (IGP). وبحلول أغسطس 2024، كان عدد طلبات التصريح لكل من بيانات الجهات الخارجية والبيانات المملوكة لشركة IBM قد تجاوز بالفعل العدد الإجمالي لعام 2023 بأكمله.

تعتبر هذه الكفاءة المحسنة ذات قيمة عالية. أصبح فريق إدارة البيانات لدينا قادرًا على معالجة المزيد من طلبات البيانات بسرعة أكبر، مما يمكننا من توسيع نطاق برنامج إدارة البيانات لدينا مع الحفاظ على معاييرنا للثقة والشفافية. تتضمن بعض جوانب معايير مصدر البيانات التي ساعدتنا في تسريع عمليات العناية بالبيانات لدينا ما يلي:

• الطريقة: تصف الإجراءات المستخدمة لجمع البيانات أو توليدها أو تجميعها. يُعد هذا العنصر مهمًا لأن المجمّعين غالبًا لا يتيحون هذه التفاصيل، مما يزيد من صعوبة تقييم موثوقية البيانات وصحتها.
• تصنيف السرية: يحدد أنواع البيانات الحساسة المعروفة بوجودها في البيانات. يرشد هذا التصنيف إلى الوصول إلى البيانات ومعالجتها بشكل صحيح.
• جهة إصدار البيانات: توضح مكان نشأة البيانات وما إذا كان الموفر هو المالك الفعلي. نظراً لأن الجهات الخارجية يمكنها إعادة نشر البيانات كما لو كانت خاصة بها، فإن هذا العنصر يتيح المساءلة ويفتح خط اتصال للاستفسارات المحتملة.

وهذا له تأثير متتالٍ في جميع أنحاء مؤسستنا. عندما تكون طلبات تصريح البيانات دقيقة وتتم معالجتها بشكل أكثر كفاءة، يتم تسريع تطوير النموذج، مما يمكن فرقنا من الاستجابة بشكل أسرع لطلبات العملاء. وهذا يعني أيضًا أن كتالوجنا على مستوى المؤسسة للبيانات التي تم تصريحها يتوسع دائمًا ويتحسن من حيث الجودة، مما يسمح بإعادة استخدام أكثر كفاءة ومسؤولية من قبل ممارسينا في جميع أنحاء أعمالنا التجارية.

تسمح البيانات الوصفية الشفافة والمتسقة للممارسين باتخاذ خيارات أسرع وأكثر استنارة حول اختيار البيانات، مما قد يؤدي في النهاية إلى الحصول على نماذج وأنظمة أكثر مسؤولية. وهذا لا ينطبق على شركة IBM فحسب، بل ينطبق أيضًا على النظام البنائي للبيانات بأكمله. يمكن أن يؤدي الاعتماد الأوسع لمعايير مصدر البيانات إلى تحقيق عائد استثمار واضح من خلال المزيد من الأتمتة والابتكار المسؤول.

من خلال تجربتنا باعتبارنا "العميل الصفر" مع معايير مصدر البيانات، نعمل على تعزيز التزامنا بالثقة من خلال رفع مستوى الشفافية بشأن البيانات التي تشكل أساس أنظمة الذكاء الاصطناعي لدينا. إن تجربتنا في إدارة برنامج الحوكمة المتكامل الخاص بنا أو ما يعرف اختصارًا (IGP) — بما في ذلك مواءمة معايير بياناتنا الداخلية بشكل أوثق مع معايير مصدر البيانات— تتيح لنا إدخال الذكاء الاصطناعي إلى السوق بسرعة وثقة أكبر. وقد هيأنا ذلك أيضًا لدعم العملاء بشكل أفضل في تنفيذ أطر عمل إدارة البيانات الخاصة بهم، بما في ذلك المواءمة مع معايير الصناعة وأطر عمل مثل معايير مصدر البيانات. وفي النهاية، إذا استطعنا أن نجعل شيئًا ما يعمل لصالح IBM، يمكننا بالتأكيد مساعدة عملائنا على القيام بالمثل.

اقرأ دليلنا الخاص ببدء حوكمة الذكاء الاصطناعي

استكشف خدمات حوكمة الذكاء الاصطناعي التي نقدمها