في نهاية المطاف، يتلقى كل فريق بيانات الطلب نفسه، مما يسمح لإدارات المبيعات والمالية والعمليات ببناء نماذج تنبؤية بأنفسهم بدلاً من انتظار تراكم مهام علوم البيانات الذي لا يبدو أنه يتقلص. لقد تطورت الأدوات بشكل أسرع من الحوكمة المحيطة بها، وهذه الفجوة هي التي تتسبب في تعثر معظم عمليات النشر في مراجعة الامتثال أو تتحول بهدوء إلى خطر لم يكتشفه أحد في الوقت المناسب.
استكشف القرارات الثلاثة التي تحدد ما إذا كان البرنامج سينجح أم سيفشل: أي مشروع يستحق التجربة الأولى، وما يحتاج مستخدم الأعمال إلى فهمه قبل التعامل مع نموذج حي، ومن يوافق بمجرد أن تبدأ التوقعات في تشكيل القرارات المتعلقة بالعميل.
اقرأ أيضًا: المخطط الشامل لحلول التعلم الآلي لأنظمة المؤسسات متعددة الوكلاء
هل أصبح تبني البرمجة بدون كتابة أكواد مبادرةً في مجال تكنولوجيا المعلومات الآن؟
اعتاد الموردون على التعامل مع الأتمتة كميزة ثانوية مُضافة إلى حلول أكبر، لكن هذا الوضع انقلب إلى خطط استراتيجية كاملة مبنية حولها. وتشير توقعات Fortune Business Insights إلى أن سوق منصات الذكاء الاصطناعي بدون كتابة أكواد سيصل إلى 75.14 مليار دولار بحلول عام 2034، بنمو سنوي يزيد عن 31%. ويتماشى هذا النمو مع ما تواجهه فرق تكنولوجيا المعلومات حاليًا: ارتفاع مطرد في طلبات لوحات المعلومات التنبؤية في مقابل تناقص عدد علماء البيانات القادرين على بنائها. وتتجه وحدات الأعمال إلى استخدام أدوات بناء النماذج بالسحب والإفلات، وتُصدر توقعاتها وفقًا لجدولها الزمني الخاص، سواءً وُجدت خطة نشر رسمية أم لا.
هل يحتاج فريق العمل إلى مهارات حقيقية في علم البيانات لتطبيق الذكاء الاصطناعي بدون كتابة أكواد والتعلم الآلي؟
تُزيل واجهة البرمجة بدون كتابة أكواد الحاجة إلى بنية اللغة، لكن الأساسيات تبقى قائمة. لا يزال على المستخدم صياغة السؤال بدقة، وملاحظة انحراف بيانات التدريب، وقراءة مصفوفة الارتباك بعناية كافية لاكتشاف أي نموذج يعتمد على التخمين. تتولى المنصات المراحل المتوسطة الشاقة من عملية المعالجة، بما في ذلك هندسة الميزات وضبط المعلمات الفائقة، لكن يبقى الحكم على دلالة المخرجات مسؤولية بشرية. عادةً ما يكون الجمع بين خبير في المجال ودورة تدريبية قصيرة في مجال البيانات أفضل من ترك عالم بيانات مرتبطًا بكل مشروع، ويظهر الفرق جليًا لحظة وصول النموذج إلى مرحلة الإنتاج.
ما هو المشروع الأول الذي يهيئ فرق العمل التي لا تعتمد على البرمجة للنجاح؟
ثلاثة أنواع من المشاريع تصلح كنقطة انطلاق:
- تعتمد توقعات الطلب على أرقام المبيعات التاريخية التي تتتبعها معظم الفرق بالفعل
- تستمد نقاط معدل التخلي عن الخدمة من حقول نظام إدارة علاقات العملاء (CRM) التي نادرًا ما تحتاج إلى تنظيف قبل أن يتمكن النموذج من استخدامها
- يؤدي تصنيف المستندات إلى أتمتة مهمة يقوم المحللون بالفعل بتنفيذها يدويًا كل أسبوع
اختيار شيء خارج تلك القائمة المختصرة يعني عادةً قضاء وقت أطول في تنظيف البيانات بدلاً من تعلم المنصة.
من يملك النموذج فعلياً بمجرد وصوله إلى العميل؟
تبقى ملكية النموذج في يد قسم تقنية المعلومات حتى عند بنائه في مكان آخر. ويتجلى هذا الفصل في كيفية بناء الموردين لمنصاتهم حاليًا، بإضافة ضوابط وصول قائمة على الأدوار وتوثيق آلي، ما يضمن استمرار إشراف قسم تقنية المعلومات بينما تواصل فرق العمل الأخرى عملية البناء. يسمح هذا الهيكل لنموذج التغيير بالمرور عبر عملية الموافقة كما هو الحال في نشر البرامج، مع وجود مراجع وسجل تغييرات وخطة تراجع جاهزة في حال حدوث أي مشكلة. تعمل البرامج التي تتجاوز الموافقة الرسمية بشكل جيد إلى أن يسأل أحد الجهات التنظيمية أو المدققين عن الجهة التي وافقت على النموذج وقررت أمرًا يتعلق بأحد العملاء.
الأسئلة الشائعة: متى يجب على القيادة أن تتوقع النتائج؟
تُظهر معظم عمليات الإطلاق نتائج ملموسة خلال ربع سنة واحدة في المشروع الأول، بافتراض تحديد نطاق حالة الاستخدام بدقة. ويتسارع تقدم المشروعين التاليين بمجرد وجود نظام حوكمة، حيث تصبح عملية المراجعة نموذجًا ثابتًا بدلًا من مفاوضات جديدة في كل مرة. وتميل الفرق التي تتعامل مع المشروع التجريبي الأول كعملية حوكمة ونمذجة في آنٍ واحد إلى التوسع ليشمل خمس أو ست حالات استخدام خلال عام، بينما تتوقف الفرق التي تتعامل معه كإثبات للمفهوم فقط عادةً بعد النجاح الأول.
