أهم 5 أخطاء ترتكبها الشركات عند توظيف استشارات أتمتة الذكاء الاصطناعي
يشهد السوق العالمي للذكاء الاصطناعي توسعًا سريعًا، مع توقعات تشير إلى أن القطاع سيصل إلى 126 مليار دولار بحلول عام 2025. وقد دفع هذا النمو العديد من المؤسسات إلى البحث عن خبرات خارجية من خلال استشارات أتمتة الذكاء الاصطناعي للحفاظ على قدرتها التنافسية. ومع ذلك، لا يزال الانتقال من مشروع تجريبي إلى بيئة إنتاج واسعة النطاق يمثل عقبة كبيرة. وفقًا لأبحاث من S&P Global Market Intelligence، قفزت حصة الشركات التي تتخلى عن معظم مبادرات الذكاء الاصطناعي الخاصة بها إلى 42٪ في عام 2024، بزيادة حادة عن 17٪ في العام السابق. غالبًا ما يؤدي إشراك استشاري أتمتة الذكاء الاصطناعي دون عملية فحص صارمة إلى إهدار رأس المال والديون التقنية.
1. التعامل مع استشارات أتمتة الذكاء الاصطناعي على أنها مشتريات تكنولوجيا معلومات تقليدية
أحد الأخطاء الأكثر شيوعًا هو تطبيق منطق شراء البرامج القياسي على مشاريع الذكاء الاصطناعي. تطوير البرامج التقليدية حتمي. يكتب المطور التعليمات البرمجية لتنفيذ إجراء معين، والنتيجة قابلة للتنبؤ بناءً على الإدخال. الذكاء الاصطناعي احتمالي، مما يعني أنه يعتمد على الأنماط والاحتمالات الإحصائية.
عندما تقوم الشركات بتوظيف استشارات أتمتة الذكاء الاصطناعي، فإنها تتوقع غالبًا جدولًا زمنيًا ثابتًا مع ميزات مضمونة. يتعارض هذا التفكير مع الطبيعة التكرارية للتعلم الآلي. تشير أبحاث Gartner إلى أن 60٪ من المؤسسات تعامل مشاريع الذكاء الاصطناعي مثل تكنولوجيا المعلومات التقليدية، مما يساهم في ارتفاع معدلات التخلي عنها. يتطلب المشاركة الناجحة التركيز على MLOps (عمليات تعلم الآلة)، والتي تشمل المراقبة المستمرة وإعادة تدريب النموذج. يجب على استشاري أتمتة الذكاء الاصطناعي إعطاء الأولوية للإطار التجريبي على جدول التسليم الصارم لحساب المتغيرات في دقة النموذج والتغيرات البيئية.
2. إهمال تدقيق صارم لجاهزية البيانات
تتطلب أنظمة الذكاء الاصطناعي بيانات عالية الجودة لتعمل. تقوم العديد من الشركات بتعيين مستشارين قبل تقييم ما إذا كانت بياناتهم الداخلية متاحة أو قابلة للاستخدام. تتوقع Gartner أن 60٪ من مشاريع الذكاء الاصطناعي التي تفتقر إلى بيانات جاهزة للذكاء الاصطناعي سيتم التخلي عنها بحلول عام 2026. تعتبر صوامع البيانات والوسم غير المتسق وسوء الإدارة من العقبات الرئيسية التي تعيق عمليات التنفيذ.
الخطأ الشائع هو افتراض أن المستشار سيقوم "بإصلاح" البيانات كجزء من التنفيذ. في الواقع، غالبًا ما يمثل إعداد البيانات 60٪ إلى 70٪ من إجمالي وقت المشروع. وفقًا لمسح أجرته Gartner في يوليو 2024، يفتقر 63٪ من المؤسسات إلى الثقة في ممارسات إدارة البيانات الحالية الخاصة بها للذكاء الاصطناعي. عند فحص خدمات استشارات أتمتة الذكاء الاصطناعي، يجب على الشركات البحث عن شركاء يصرون على إجراء تدقيق أولي للبيانات. غالبًا ما يؤدي المضي قدمًا بدون هذه الخطوة إلى ظاهرة "القمامة في الداخل، القمامة في الخارج"، حيث تنتج النماذج المتطورة مخرجات غير موثوقة أو متحيزة.
3. إعطاء الأولوية للجدة التقنية على النتائج التجارية
أدى الضجيج المحيط بالذكاء الاصطناعي التوليدي إلى قيام العديد من الشركات بمتابعة التكنولوجيا من أجل التكنولوجيا نفسها بدلاً من حل مشكلات تشغيلية محددة. وفقًا لأبحاث RAND Corporation، تفشل 80٪ من مشاريع الذكاء الاصطناعي في تحقيق عائد حقيقي على الاستثمار. غالبًا ما ينبع هذا من نقص في مؤشرات الأداء الرئيسية (KPIs) المحددة في بداية المشاركة.
تقوم المؤسسات غالبًا بتعيين استشاري أتمتة الذكاء الاصطناعي "لتنفيذ الذكاء الاصطناعي" دون تحديد العملية التي تحتاج إلى تحسين. تركز المشاريع عالية الأداء عادةً على أحد المجالات الثلاثة التالية:
تقليل العمل اليدوي المتكرر، مثل إدخال البيانات أو إعداد التقارير. توسيع نطاق العمليات عالية الحجم مثل دعم العملاء أو إعداد الموظفين. تقليل الأخطاء في البيئات عالية المخاطر مثل التدقيق المالي أو مراقبة الجودة.تفيد Gartner أن المتبنين الأوائل للذكاء الاصطناعي التوليدي يعانون من ارتفاع التكاليف، حيث تتراوح بعض عمليات النشر من 5 ملايين دولار إلى 20 مليون دولار. بدون دراسة جدوى واضحة، يصبح تبرير هذه التكاليف أمرًا صعبًا. تبدأ استشارات أتمتة الذكاء الاصطناعي الفعالة بتحديد مشكلة قابلة للقياس، مثل تقليل تكاليف الدعم بنسبة 30٪ في غضون 12 شهرًا، بدلاً من مجرد نشر روبوت محادثة.
4. استبعاد العنصر البشري من إدارة التغيير
الحل التقني فعال فقط إذا اعتمده الموظفون. تركز العديد من الشركات بشكل كامل على الأداء الخوارزمي للأداة مع تجاهل كيفية تفاعل الموظفين معها. وفقًا لأبحاث MIT، تفشل 95٪ من التجارب الرائدة في مجال الذكاء الاصطناعي التوليدي في تحقيق عائد، غالبًا بسبب انخفاض معدلات الاعتماد.
مقاومة الموظفين هي عامل مهم. وجدت دراسة أجرتها Aberdeen Strategy Research أن 70٪ من جيل طفرة المواليد و 63٪ من موظفي الجيل X يعتقدون أن الذكاء الاصطناعي يعرض وظائفهم للخطر. إذا اعتبر العمال التكنولوجيا تهديدًا، فقد يقدمون بيانات سيئة أو يجدون حلولًا بديلة تتجاوز النظام الجديد.
يجب على استشاري أتمتة الذكاء الاصطناعي تقديم خارطة طريق لإدارة التغيير جنبًا إلى جنب مع التكامل التقني. وهذا يشمل:
تحويل دور الموظف من "مساهم" إلى "مشرف" على المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي. توفير تدريب عملي لبناء المعرفة بالذكاء الاصطناعي. التواصل بوضوح حول كيفية قيام الأتمتة بزيادة الأدوار البشرية، بدلاً من استبدالها.يؤدي تجاهل هذه العوامل الثقافية إلى "شلل تجريبي"، حيث تمتلك الشركة التكنولوجيا ولكنها غير قادرة على دمجها في سير العمل اليومي.
5. الاعتماد على العموميين في أمن الصناعة الصارم
تقدم مشاريع الذكاء الاصطناعي مخاطر أمنية وقانونية فريدة تختلف عن تطبيقات الويب أو الهاتف المحمول القياسية. أحد الأخطاء التي ترتكبها الشركات هو توظيف شركات استشارات أتمتة الذكاء الاصطناعي العامة التي تفتقر إلى العمق في اللوائح الإقليمية أو الخاصة بالصناعة. تتطلب معايير خصوصية البيانات مثل GDPR و CCPA ضوابط صارمة حول كيفية استخدام البيانات لتدريب النماذج.
تعتمد العديد من المؤسسات على "أمن مربع الاختيار" مثل شهادات SOC 2 أو ISO 27001. على الرغم من أنها مفيدة، إلا أنها لا تغطي دائمًا المخاطر المحددة لانحراف النموذج أو حقن المطالبة أو تسرب البيانات في نظام إنشاء معزز للاسترجاع (RAG). وفقًا لـ Informatica، فإن ثلثي الشركات غير قادرين على نقل التجارب الرائدة إلى الإنتاج لأنهم لا يستطيعون تلبية متطلبات الأمن والخصوصية.
يجب أن يكون استشاري أتمتة الذكاء الاصطناعي المتخصص قادرًا على الإجابة على أسئلة محددة بخصوص البنية التحتية:
أين تتم استضافة البيانات فعليًا؟ هل يتم استخدام البيانات لتدريب نماذج الطرف الثالث؟- ما هي البروتوكولات المطبقة لإخفاء معلومات التعريف الشخصية (PII)؟
في القطاعات الخاضعة للتنظيم مثل التمويل أو الرعاية الصحية، فإن الخبرة في المجال غير قابلة للتفاوض. قد يؤدي استخدام العموميين إلى حل يعمل تقنيًا ولكنه لا يمكن نشره قانونًا بسبب حالات الفشل في الامتثال.
الفحص من أجل شراكات ناجحة
لتجنب هذه المزالق، يجب أن تتجاوز عملية الاختيار مراجعة حافظة المشاريع السابقة. يجب أن تطالب الشركات بقطع أثرية توضح قدرة المستشار على نقل المشاريع إلى ما بعد مرحلة إثبات المفهوم. يتضمن ذلك وثائق حول نهج MLOps الخاص بهم وأطر إدارة البيانات وطرق قياس عائد الاستثمار.
بدلاً من البدء بتطبيق واسع النطاق على مستوى المؤسسة، تبدأ العديد من الشركات الناجحة بمشاركة محدودة النطاق. يتيح ذلك للشركة تقييم العمق التقني للمستشار والملاءمة الثقافية مع تقليل المخاطر المالية. وفقًا لمعهد ماساتشوستس للتكنولوجيا، تصل الشراكات الخارجية لأدوات الذكاء الاصطناعي المخصصة إلى النشر بنسبة 67٪ من الوقت، مقارنة بـ 33٪ فقط لعمليات الإنشاء الداخلية البحتة. هذا يسلط الضوء على قيمة الخبرة الخارجية المناسبة عندما تتم إدارة الشراكة بأهداف واضحة واستراتيجية تركز على البيانات.
غالبًا ما يكمن الفرق بين التجربة الفاشلة والأداة التحويلية في مرحلة الفحص الأولية. من خلال التركيز على استعداد البيانات والنتائج التجارية وإدارة التغيير، يمكن للمؤسسات التأكد من أن استثماراتها في استشارات أتمتة الذكاء الاصطناعي تحقق تحسينات ملموسة في الكفاءة والقيمة.