العصر الذهبي للتكنولوجيا بدعم الذكاء الاصطناعي التوليدي: دليل شامل لمدراء أنظمة المعلومات ومدراء التكنولوجيا

| مقالة

ملاحظة: إننا نبذل قصارى جهدنا للحفاظ على جميع التفاصيل الدقيقة عند ترجمة المقالة الإنجليزية الأصلية، ونعتذر عن أي جزئية مفقودة في الترجمة قد تلاحظونها من حين لآخر نرحب بتعليقاتكم على البريد الالكتروني التالي: reader_input@mckinsey.com

تواصل التطورات الجديدة في مجال الذكاء الاصطناعي التوليدي التطور بشكل يومي، مما يثير حماسًا كبيرًا. فبحسب الأبحاث التي أجرتها ماكنزي، من المتوقع أن يضيف الذكاء الاصطناعي التوليدي قيمة تتراوح بين 2.6 تريليون إلى 4.4 تريليون دولار كل عام1.1الفرص الاقتصادية المتاحة من الذكاء الاصطناعي التوليدي: تحديد مستويات الإنتاجية في المستقبل. ماكنزي 14 يونيو 2023.

المزيد من الرؤى والتقارير من ماكنزي باللغة العربية

للمزيد من الرؤى والتقارير من ماكنزي باللغة العربية شاهد مجموعة المقالات الخاصة بنا باللغة العربية، واشترك في النشرة الإخبارية العربية الشهرية

تصفح المجموعة

يقوم مدراء أنظمة المعلومات ومدراء التكنولوجيا بدور حاسم في استخلاص القيمة من الذكاء الاصطناعي التوليدي. ولكن من المهم أن نتذكر تمامًا أننا واجهنا هذه الظروف من قبل مع ظهور تكنولوجيات جديدة مثل الإنترنت، والهاتف ووسائل التواصل الاجتماعي، التي أدت إلى إطلاق العديد من التجارب والبرامج التجريبية، ولكن القيمة التجارية كانت في الغالب صعبة الحصول عليها. مازالت الدروس المستفادة من هذه التجارب ذات أهمية، خاصة عندما يتعلق الأمر بتحقيق النجاح على نطاق واسع بعد المرحلة التجريبية. تتيح النقلة النوعية في مجال الذكاء الاصطناعي التوليدي فرصة مميزة لاستخدام هذه الدروس في توجيه مدراء أنظمة المعلومات ومدراء التكنولوجيا لتحويل الفوائد المتوقعة من الذكاء الاصطناعي التوليدي إلى قيمة مستدامة للأعمال.

وبعد إجراء حوارات مع العديد من قادة التكنولوجيا وإجراء تقييم لمشاريع الذكاء الاصطناعي التوليدي في أكثر من 50 شركة بما فيها شركتنا، قمنا بتحديد تسعة خطوات يمكن لقادة التكنولوجيا اتباعها لتوليد قيمة من الذكاء الاصطناعي، وتنسيق البيانات والتكنولوجيا، وتوسيع نطاق الحلول، وإدارة المخاطر المرتبطة بالذكاء الاصطناعي التوليدي (لمزيد من التفاصيل، انظر الشريط الجانبي بعنوان "نظرة سريعة على المصطلحات الرئيسية".

  1. العمل بفعالية لتحديد موقف الشركة تجاه استخدام الذكاء الاصطناعي التوليدي, بالإضافة إلى وضع استراتيجيات الاتصال الفعالة للموظفين وضمان وصول المعلومات إليهم بشكل مناسب.
  2. إعادة وضع تصور للأعمال لديك وتحديد السيناريوهات التي تضيف قيمة من خلال تعزيز الإنتاجية، والنمو، وإدخال نماذج أعمال جديدة. كما يجب تطوير قدرات 'الذكاء الاصطناعي في القطاع المالي (FinAI)، والتي تتيح فرصة تقدير التكاليف والعوائد الفعلية المرتبطة بتطبيق الذكاء الاصطناعي التوليدي.
  3. إعادة النظر في وظيفة التكنولوجيا لتركز على تطوير قدرات الذكاء الاصطناعي التوليدي بسرعة، وتسريع عملية تقليل الديون التقنية، وكذلك العمل على تقليل المجهود اليدوي المبذول بشكل ملحوظ في عمليات تكنولوجيا المعلومات.
  4. يمكن الاستفادة من الخدمات المتاحة حاليا أو تعديل نماذج الذكاء الاصطناعي التوليدي مفتوحة المصدر لبناء القدرات الخاصة بك، خاصة (وأن بناء وتشغيل النماذج الخاصة بك من الذكاء الاصطناعي التوليدي قد يكلف عشرات إلى مئات الملايين من الدولارات، على الأقل على المدى القريب).
  5. تحديث بنية تكنولوجيا المعلومات لديك لتتمكن من دمج نماذج الذكاء الاصطناعي التوليدية وإدارتها ويتضمن هذا تنسيق عمل هذه النماذج مع بعضها البعض، وكذلك تنسيق عملها مع النماذج الحالية، والتطبيقات، ومصادر البيانات المستخدمة في الذكاء الاصطناعي وتعلم الآلة.
  6. تحسين بنية وهيكل البيانات لضمان الوصول إلى معلومات ذات جودة عالية من مصادر البيانات المهيكلة وغير المهيكلة.
  7. إنشاء فريق منصة مركزي متعدد الوظائف للذكاء الاصطناعي يتم من خلاله تقديم النماذج الموثوقة للفرق المسؤولة عن المنتجات والتطبيقات حسب الطلب.
  8. اهتم بتحسين الأدوار الأساسية، مثل مطوري البرامج، ومهندسي البيانات، ومهندسي عمليات تعلم الآلة، وخبراء الأمن، بالإضافة إلى الكوادر غير الفنية. ستحتاج إلى تطوير برامج تدريبية مصممة خصيصا لتلبية متطلبات كل دور ومستوى كفاءة خصوصاً بالنظر إلى التأثير الكبير للذكاء الاصطناعي التوليدي.
  9. تقييم المخاطر الجديدة التي قد تنشأ والبدء في تطوير استراتيجيات حالية لتخفيف هذه المخاطر للتعامل مع النماذج والبيانات والسياسات.

1- تحديد موقف الشركة تجاه استخدام الذكاء الاصطناعي التوليدي

في ظل الانتشار الواسع للذكاء الاصطناعي التوليدي، تسعى بعض الشركات - من خلال مدراء أنظمة المعلومات ومدراء التكنولوجيا – إلى الحد من المخاطر من خلال منع موظفيها من الوصول إلى التطبيقات المتاحة للجمهور. بيد أن تلك الإجراءات التي تتخذها عندئِذ قد تعرقل فرص الابتكار وتحد من قدرة الموظفين على تطوير مهارات جديدة ضرورية في هذا المجال.

ويجب على مدراء أنظمة المعلومات ومدراء التكنولوجيا أن يتعاونوا مع قادة إدارة المخاطر لتحقيق توازن بين الحاجة الفعلية لتقليل المخاطر وتطوير المهارات المتعلقة بالذكاء الاصطناعي التوليدي داخل الشركة بدلاً من الحظر بشكل كامل. ويتطلب هذا تحديد موقف الشركة بوضوح حيال الذكاء الاصطناعي التوليدي، بناءً على توافق الآراء حول مستوى المخاطر المقبول ودمج الذكاء الاصطناعي التوليدي ضمن استراتيجية الشركة العامة، حيث تتيح هذه الخطوة للشركة سرعة تحديد السياسات والإرشادات العامة.

بعد تحديد السياسات بدقة، يتوجب على القادة نقل هذه السياسات لمختلف الأقسام داخل الشركة. كما يتعين على مدراء أنظمة المعلومات ومدراء التكنولوجيا توفير وسيلة وصول مناسبة وتقديم توجيهات سهلة الفهم. لضمان وصول هذه السياسات لجميع أعضاء الشركة، قامت بعض الشركات بإطلاق تنبيهات على مستوى الشركة تتعلق بالذكاء الاصطناعي التوليدي. بالإضافة إلى ذلك، تم توفير وصول واسع للذكاء الاصطناعي التوليدي لمجموعات معينة من المستخدمين. ووضعت هذه الشركات أيضا نوافذ منبثقة تظهر تحذيرات عندما يقوم المستخدمون بإدخال بيانات خاصة بالشركة في النماذج. وكذلك، تم تأسيس صفحة توجيهات تظهر كلما قام المستخدمون بالوصول إلى خدمة ذكاء اصطناعي توليدي عامة للجمهور.

2- تحديد السيناريوهات التي تضيف قيمة من خلال تعزيز الإنتاجية، والنمو، وإدخال نماذج أعمال جديدة

يتعين على مدراء أنظمة المعلومات ومدراء التكنولوجيا أن يكونوا العنصر المهدئ للهوس الزائد بـ "الاستخدام الأعمى" الذي نراه في العديد من الشركات. من خلال التعاون مع الرئيس التنفيذي والمدير المالي وقادة الأعمال الآخرين، يمكنهم التفكير بشكل متأني حول الطرق التي قد يتحدى فيها الذكاء الاصطناعي التوليدي نماذج الأعمال القائمة، وكيف يمكنه فتح أفاق لنماذج أعمال جديدة وإنشاء مصادر قيمة جديدة. بفضل فهمهم العميق للقدرات التقنية، يتعين على مدراء أنظمة المعلومات ومدراء التكنولوجيا التعرف على أكثر الفرص والمسائل ذات القيمة على مستوى الشركة والتي يمكنها الاستفادة من الذكاء الاصطناعي التوليدي، وكذلك تلك التي لن تتمكن من الاستفادة منه. لأنه في بعض الأحيان، الذكاء الاصطناعي التوليدي قد لا يكون هو الخيار الأمثل.

توضح أبحاث ماكنزي - على سبيل المثال- أن الذكاء الاصطناعي التوليدي قادر على زيادة الإنتاجية بنحو 10٪ في بعض الحالات المتعلقة بالتسويق، مثل تحليل البيانات غير المهيكلة للحصول على فهم أفضل لتفضيلات العملاء، ويمكنه تعزيز الدعم للعملاء بنسبة تصل إلى 40٪2الفرص الاقتصادية المتاحة من الذكاء الاصطناعي التوليدي: تحديد مستويات الإنتاجية في المستقبل. ماكنزي 14 يونيو 2023. من خلال الروبوتات الذكية. ويمكن أن يلعب مدراء أنظمة المعلومات ومدراء التكنولوجيا دوراً بارزاً في تحديد أفضل الطرق لتجميع حالات الاستخدام بحسب القطاع، مثل رحلة العميل أو العمليات التجارية، أو بحسب نوع الاستخدام، مثل إنشاء المحتوى الإبداعي أو الوكلاء الافتراضيين، للحصول على أقصى استفادة من الذكاء الاصطناعي التوليدي. إن تحديد الفرص فحسب ليس هو المهمة الإستراتيجية الأساسية، بل يتعين على مدراء أنظمة المعلومات ومدراء التكنولوجيا تقديم دراسة جدوى دقيقة وتقديرات للموارد لمساعدة الذكاء الاصطناعي في تحديد أولويات الأعمال نظرًا للقيود التي يتم ممارستها على المواهب والقدرات،

ولتقديم مجموعة استشارات بهذا القدر من الدقة، يتطلب من قادة التكنولوجيا العمل بالتعاون مع الشركة لبناء القدرة على استخدام الذكاء الاصطناعي في القطاع المالي للقيام بمهمة تقدير التكاليف والعائدات الفعلية لمشاريع الذكاء الاصطناعي التوليدية. قد تكون حسابات التكلفة معقدة بشكل خاص، حيث يجب أن تأخذ في الاعتبار تكاليف النماذج المتعددة والموردين، وكذلك التفاعلات بين النماذج، (وقد تتطلب بعض الاستفسارات الإدخال من عدة نماذج كل منها له رسومه الخاصة). بالإضافة إلى ذلك، يجب حساب رسوم الاستخدام المستمر وتكاليف الإشراف البشري.

3- إعادة النظر في وظيفة التكنولوجيا

يمتلك الذكاء الاصطناعي التوليدي القدرة على تحويل الطريقة التي تعمل بها الوظائف التكنولوجية بالكامل. ومن الضروري لمدراء أنظمة المعلومات ومدراء التكنولوجيا أن ينظروا في التأثير المحتمل للذكاء الاصطناعي التوليدي على جميع جوانب التكنولوجيا، لكنه من الأهمية بمكان العمل بسرعة لتجميع الخبرة والمعرفة. وهناك ثلاثة مجالات رئيسية يمكنهم التركيز عليها في البداية:

  • تطوير البرمجيات: تشير الأبحاث التي أجرتها ماكنزي إلى أن دعم الذكاء الاصطناعي التوليدي في إنشاء الأكواد يمكن أن يعزز من كفاءة مهندسي البرمجيات بنسبة 35% إلى 45% في تطوير الكود، ومن 20% إلى 30% في إعادة بناء الكود، وبنسبة من 45% إلى 50% في تنفيذ توثيق الكود3.3 كما يمكن للذكاء الاصطناعي التوليدي أن يقوم بأتمتة عملية الاختبار ومحاكاة السيناريوهات المتقدمة، مما يتيح للفرق إنتاج برمجيات أكثر مرونة قبل الإصدار وكذلك تسريع عملية تدريب المطورين الجدد (على سبيل المثال، من خلال الاستفسارات التي يطرحها الذكاء الاصطناعي حول قاعدة الكود). لتحقيق هذه المزايا، سيكون من الضروري القيام بتدريبات مكثفة (انظر المزيد في الإجراء 8) وأتمتة خطوط الانتاج لدمجها والعمل بها من خلال ممارسات DevSecOps للتعامل مع ارتفاع حجم الكود.
  • الديون التقنية: تتراوح الديون التقنية بين 20% و40% من الميزانيات التكنولوجية وهي تقف عائقًا أمام التطوير بشكل كبير4. يتعين على مدراء أنظمة المعلومات ومدراء التكنولوجيا مراجعة ميزانيات الديون التقنية لتحديد مدى الفائدة التي يمكن أن تقدمها قدرات الذكاء الاصطناعي التوليدي، مثل إعادة بناء الكود وتحويله. إضافة إلى ذلك، يمكن أن يساهم الاختبار الآلي في الإسراع من وتيرة تقليل الديون التقنية.
  • عمليات تكنولوجيا المعلومات (ITOps): سيكون مدراء أنظمة المعلومات ومدراء التكنولوجيا بحاجة إلى مراجعة جهود إنتاجية عمليات تكنولوجيا المعلومات لتحديد كيف يمكن استخدام الذكاء الاصطناعي التوليدي في تسريع العمليات. تعد قدرات الذكاء الاصطناعي التوليدية مفيدة بشكل خاص في أتمتة المهام مثل إعادة تعيين كلمة المرور أو الاستفسارات الخاصة بالحالة أو اتاحة أدوات التشخيص الأساسية للمشكلات من خلال الأدوات أو التكنولوجيا التي تتيح للعملاء تنفيذ مهام معينة بأنفسهم ؛ وجعل عمليات التصنيف والفرز تتم بشكل أسرع واتخاذ القرارات وتقديم توصيات بشكل أفضل؛ واستخراج المعلومات الرئيسية ذات الصلة أو تقديمها ، مثل الموضوع أو الأولوية ، وتوليد الردود المقترحة ؛ وتحسين إمكانية الملاحظة من خلال تحليل مجموعة هائلة من السجلات لتحديد الأحداث التي تتطلب الاهتمام حقًا ؛ وتطوير الوثائق، مثل إجراءات التشغيل القياسية، وفحص ما بعد الوفاة، أو تقارير الأداء.

4- الاستفادة من الخدمات المتاحة حاليا أو تعديل نماذج الذكاء الاصطناعي التوليدي مفتوحة المصدر

تتغير النظرة التقليدية لقرار "التأجير أو الشراء أو البناء" عندما نتحدث عن وضع استراتيجيات لتطوير قدرات الذكاء الاصطناعي التوليدي. ولا تزال القاعدة الأساسية صحيحة وهي أنه ينبغي على الشركات الاستثمار في قدرات الذكاء الاصطناعي التوليدي حيث يمكن أن تحقق ميزة تنافسية، بينما تواصل تقديم الخدمات المتاحة بالفعل للمهام التي تكون عامة إلى حد كبير.

يمكن لمدراء أنظمة المعلومات ومدراء التكنولوجيا أن ينظروا في التأثيرات المترتبة على هذه الخيارات باعتبارها ثلاثة نماذج أولية وهي: -

  • نموذج المتعامل (Taker): يتفاعل مع النماذج العامة المتوفرة من خلال واجهة المستخدم أو واجهة برمجة التطبيقات، مع إضافة تعديل بسيط أو بدون تعديل. هناك أمثلة جيدة على ذلك تتمثل في حلول البرمجة الجاهزة (مثل GitHub Copilot) أو أدوات دعم المصممين المُستخدمة لإنشاء وتحرير الصور (مثل Adobe Firefly). يعتبر هذا النموذج هو الأبسط من حيث المتطلبات التقنية والبنية التحتية وهو عادة ما يكون الأسرع في الإعداد والتشغيل. إن هذه النماذج، في الأساس، هي سلع تعتمد على تقديم البيانات كمدخلات للنموذج العام.
  • نموذج المُشكِل (Shaper):يقوم بدمج النماذج مع البيانات والأنظمة الداخلية للشركة لتقديم نتائج مُخصصة بشكل أكبر. مثال على ذلك، نموذج يعزز عمليات المبيعات من خلال دمج أدوات الذكاء الاصطناعي التوليدية وأنظمة إدارة العلاقات مع العملاء (CRM) والأنظمة المالية، وهذا يسمح بالدمج والتفاعل بين سجلات المبيعات وتاريخ التفاعلات السابقة مع العملاء. مثال آخر وهو تهيئة وتخصيص النموذج مع وثائق الشركة الداخلية وأرشيف الدردشات للعمل كمساعد لوكيل دعم العملاء. ويُعد هذا النموذج مناسب بشكل خاص للشركات التي تسعى لتوسيع نطاق قدراتها في الذكاء الاصطناعي التوليدي، أو لتطوير قدرات حصرية أكثر، أو الاستجابة لمتطلبات أمنية أو توافقية أعلى.

    هناك طريقتين شائعتين للدمج بين البيانات ونماذج الذكاء الاصطناعي التوليدي في هذا السياق. الأولى وهي " نقل نموذج الذكاء الاصطناعي لمكان تواجد البيانات، بحيث يكون النموذج متواجدًا على البنية التحتية الخاصة بالمؤسسة، سواءً كانت داخل المؤسسة أو في السحابة. مثلاً، توفر Cohere نماذجها الأساسية على البنية التحتية السحابية للعملاء، مما يقلل من الحاجة لعمليات نقل البيانات. الطريقة الثانية تدعى 'جلب البيانات إلى النموذج'، حيث يتم تجميع بيانات المؤسسة ونشر نسخة من النموذج الكبير على البنية التحتية السحابية. كلا النهجين لهما نفس الهدف، الذي هو الوصول إلى النماذج الأساسية، والاختيار بين الاثنين يعتمد على التأثير المترتب على عمل المؤسسة."

  • نموذج الصانع (Maker): يقوم بتطوير نموذج أساسي للتعامل مع سيناريو عمل محدد. إن تصميم هذا النموذج ليس مهمة سهلة، فهو يتطلب استثمارًا هائلاً للوقت والموارد. يحتاج تصميم النموذج إلى قاعدة بيانات ضخمة، إضافة إلى خبرة عالية وقوة حسابية فائقة. وبالنظر لما يتطلبه من موارد، فإن إعداده قد يكلف الشركات ملايين الدولارات، إذ تعتمد التكلفة النهائية على عدة عوامل، منها البنية التحتية المستخدمة في التدريب، وتصميم النموذج نفسه، وعدد متغيراته، بالإضافة إلى حجم البيانات المستخدمة والخبرات المتاحة.

كل نموذج يترتب عليه تكاليف ينبغي لقادة التكنولوجيا مراعاتها (كما هو موضح في الشكل 1). ومع ذلك، يمكن أن تساعد التقنيات الجديدة مثل طرق التدريب الفعالة وتقليل تكاليف وحدات معالجة الرسومات (GPU) في تخفيض هذه التكاليف وعلى الرغم من ذلك، ونظرًا للتعقيد الخاص بنموذج "Maker" الأصلي، فقليل من المؤسسات هم من سيختارون استخدامه في الوقت الحالي. وسيرغب الكثيرون، بدلاً من ذلك، في اللجوء إلى استخدام نموذج "Taker" للوصول السريع إلى الخدمات الجاهزة، أو "Shaper" لتطوير قدرات خاصة استنادًا إلى نماذج أساسية.

Technology’s generational moment with generative AI: A CIO and CTO guide

ملاحظة: تشهد اقتصاديات الذكاء الاصطناعي التوليدي تقدمًا سريعًا بفضل التطورات والتحسينات الهندسية. الأرقام التي نقدمها هي تقديرات تعود لمنتصف عام 2023 وهي تعكس التكلفة الإجمالية للملكية، من الموارد وحتى تدريب النموذج.

5- تحديث بنية تكنولوجيا المعلومات لدمج نماذج الذكاء الاصطناعي التوليدية وإدارتها

سوف تعتمد المؤسسات على نماذج الذكاء الاصطناعي التوليدية المتعددة باختلاف أحجامها وتعقيدها وقدراتها. ينبغي لهذه النماذج التداخل بفعالية مع الأنظمة والتطبيقات الموجودة بالفعل في الشركة من أجل تحقيق فائدة حقيقية. إلا أن إنشاء بنية تقنية منفصلة خصيصًا للذكاء الاصطناعي التوليدي قد يؤدي إلى المزيد من التعقيدات بدلاً من حلها. مثلاً، عندما يتواصل عميل مع خدمة العملاء في شركة سفر لمعالجة مشكلة حجز (كما في الشكل 2)، فإن النموذج سيحتاج للوصول إلى العديد من التطبيقات ومصادر بيانات.

Technology’s generational moment with generative AI: A CIO and CTO guide

وفيما يتعلق بالنموذج "Taker" الأصلي، فالتنسيق المعقد ليس أمرًا ضروريًا. لكن عند رغبة الشركات في الاستفادة من قوة الذكاء الاصطناعي التوليدي من خلال النماذج "Maker" و"Shaper"، تصبح مراجعة وتعزيز البنية التكنولوجية أمرًا حتميًا. فالهدف الرئيسي هو ضمان تكامل هذه النماذج داخل الأنظمة المؤسسية وتواصلها السلس مع مصادر البيانات المختلفة. وفي النهاية، تمثل البنية التكنولوجية المتقدمة العامل المحوري لتحقيق أقصى استفادة من قدرات الذكاء الاصطناعي.

بفضل التطورات الحديثة في وضع أدوات ومعايير وبروتوكولات ربط نماذج الذكاء الاصطناعي بتطبيقات وبيانات أخرى مثل LangChain وLlamaIndex، أصبحت عملية ربط تلك النماذج بالتطبيقات والبيانات أسهل من قبل. ظهرت العديد من الطرق التي تسمح بتكامل نماذج الذكاء الاصطناعي مع التطبيقات. من هذه الطرق، القدرة على استدعاء واجهات برمجة التطبيقات (API) عند الرد على استعلامات المستخدمين. فعلى سبيل المثال، يمكن لنموذج مثل GPT-4 استدعاء بيانات خارجية عند الحاجة لها. هذه العملية، التي تسمى " تحسين التوليد المُعزز باستخدام مصادر خارجية "، تسمح بإثراء الإجابة من خلال الاستفادة من مصادر بيانات متعددة. لضمان هذه التكاملات بشكل فعال، يتعين على قادة التكنولوجيا في المؤسسات تحديد الأسس التي يتم الاعتماد عليها، مثل معايير واجهات برمجة التطبيقات والمعلومات التي يجب توجيهها للنموذج عند استدعائها."

لدمج الذكاء الاصطناعي التوليدي بشكل فعّال في الهيكل التكنولوجي، يجب أن نأخذ في الاعتبار خمسة عناصر رئيسية (كما هو موضح في الشكل 3):

  • إدارة السياق والتخزين المؤقت وهي عملية تهدف إلى تزويد النماذج بالبيانات المرتبطة من مصادر المؤسسة. ويتيح الحصول على هذه البيانات في الوقت المناسب للنموذج فرصة فهم السياق بشكل أفضل وتقديم نتائج دقيقة. بينما يتم استخدام التخزين المؤقت لحفظ الأجوبة للأسئلة الشائعة، مما يساعد في تقديم ردود أسرع وأقل تكلفة.
  • إدارة السياسات وهي عملية تهدف إلى تنظيم وتحديد الوصول إلى بيانات المؤسسة بحيث يضمن ذلك عدم إتاحة البيانات الحساسة، مثل تفاصيل أجور الموظفين، لجميع أفراد المؤسسة وتحدد إمكانية وصلوهم إليها.
  • مركز النماذج وهو مخزن مركزي يضم نماذج قد تم تدريبها وتوثيقها بدقة، وهو مصمم لتوفير الوصول السهل إلى نقاط التحقق، والأوزان أي "عوامل التأثير"، والمعلمات أي "القيم المتغيرة الخاصة بكل نموذج".
  • المكتبة الفورية وهي تضم مجموعة من التعليمات المحسّنة لنماذج الذكاء الاصطناعي التوليدي، بما في ذلك الإصدار الفوري للنماذج مع إجراء تحديثات مستمرة عليها.
  • منصة عمليات تعلم الآلة MLOps وقدراتها المُحسنة هي بيئة متكاملة لإدارة عمليات تعلم الآلة، لمراعاة مدى تعقيد نماذج الذكاء الاصطناعي التوليدية. فعلى سبيل المثال، ستكون تلك العمليات بحاجة إلى تضمين أدوات لقياس الأداء الخاص بالمهمة المحددة، مثل قياس قدرة النموذج على توليد البيانات الصحيحة.
Technology’s generational moment with generative AI: A CIO and CTO guide

عند تطوير الهيكل التكنولوجي، سيحتاج مدراء أنظمة المعلومات ومدراء التكنولوجيا للانتقال لنظام إيكولوجي سريع التطور يعتمد على تقنيات الذكاء الاصطناعي وأدواته الحديثة. يوفر مزودو السحابة إمكانية الوصول السريع إلى أجهزة ونماذج الذكاء الاصطناعي المتنوعة على نطاق واسع، بالإضافة إلى مجموعة واسعة من الخدمات. بينما يوفر مزودو عمليات تعلم الآلة ومراكز النماذج الأدوات والتقنيات والممارسات لتهيئة نماذج الذكاء الاصطناعي وتوظيفها في الإنتاج. في حين تهدف الشركات الأخرى إلى تطوير التطبيقات المبنية على النماذج الأساسية الأولية لتنفيذ مهام محددة وتوفير وصول مباشر للمستخدمين. وبالتالي، سيكون مدراء أنظمة المعلومات ومدراء التكنولوجيا بحاجة إلى تقييم طريقة دمج هذه القدرات المختلفة وتجميعها معًا لتوظيفها والاستفادة منها في تشغيل نماذج الذكاء الاصطناعي التوليدية بنجاح.

6- تحسين بنية وهيكل البيانات لضمان الوصول إلى معلومات ذات جودة عالية

يعتمد نجاح المؤسسة على تمكنها من تحقيق قيمة مضافة وتوسيع نطاق أعمالها، وذلك من خلال خفض التكاليف وتعزيز أمان البيانات وزيادة مستوى المعرفة. وتتحقق هذه الأهداف الطموحة بفضل استفادتنا الفعّالة من نماذج الذكاء الاصطناعي التوليدية. إن مفتاح تحقيق هذه الإمكانيات المذهلة يكمن في بنية البيانات القوية التي تربط نماذج الذكاء الاصطناعي بمصادر البيانات الداخلية. فهذه الترابطات المحكمة تمنحنا قدرة فريدة على فهم سياق البيانات وضبط النماذج لتوليد مخرجات دقيقة وملائمة لاحتياجاتنا.

في هذا السياق، يتعين على مدراء أنظمة المعلومات ومدراء التكنولوجيا أن يعملوا سويًا بشكل وثيق لاتخاذ مجموعة من الإجراءات المهمة، والتي تشمل: -

  • ترتيب وتنظيم البيانات لكي تناسب استخدامات نماذج الذكاء الاصطناعي التوليدية. سيكون قادة التكنولوجيا بحاجة إلى تطوير هيكل بيانات شامل يضم كل أنواع البيانات ذات المصادر المهيكلة أو غير المهيكلة. ويتطلب ذلك وضع معايير وقواعد لجعل البيانات جاهزة لاستخدام الذكاء الاصطناعي، على سبيل المثال، زيادة بيانات التدريب باستخدام نماذج تركيبية لتحسين التنوع والحجم؛ وتحويل أنواع الوسائط إلى تنسيقات بيانات موحدة؛ وإضافة البيانات الوصفية لتحسين إمكانية التتبع وجودة البيانات وتحديثها.
  • التأكد من أن البنية التحتية والهيكل التكنولوجي الحالي أو الخدمات السحابية قادرة على استيعاب ومعالجة كميات ضخمة من البيانات التي تحتاجها تطبيقات الذكاء الاصطناعي التوليدية.
  • إيلاء الأهمية لتطوير خطوط البيانات لربط نماذج الذكاء الاصطناعي التوليدية بمصادر البيانات التي تساعد في فهم السياق. وفي هذا السياق، هناك أساليب جديدة تركز على تخزين المعلومات واسترجاعها بشكل فعال (ولاسيما البيانات المنظمة)، بالإضافة إلى تقنيات التعلم من السياق التي تعتمد على أمثلة محددة، مثل "تقنية التعلم العميق باستخدام عدد محدود من الأمثلة"، لتعليم النماذج كيفية تقديم الإجابات الأمثل."

7- إنشاء فريق منصة مركزي متعدد الوظائف للذكاء الاصطناعي

تتجه العديد من المؤسسات التقنية نحو نموذج تشغيل يعتمد على المنتج والمنصة. ولضمان الاستفادة القصوى من هذا، ينبغي على مدراء التكنولوجيا دمج قدرات الذكاء الاصطناعي في هذا النموذج، لتعزيز البنية التحتية الموجودة وتسريع استخدام وتبني تقنيات الذكاء الاصطناعي بشكل واسع. حيث تتمثل الخطوة الأولى في تشكيل فريق متخصص في منصة الذكاء الاصطناعي التوليدي، يهتم بشكل أساسي بتطوير ودعم النظام الأساسي، مما يتيح الحصول على نماذج الذكاء الاصطناعي حسب الطلب لفرق التطوير.

كما يعمل هذا الفريق على تحديد الطرق المناسبة لدمج هذه النماذج مع الأنظمة الداخلية وتطبيقات المؤسسات والأدوات، ويطور وينفذ مناهج قياسية وموحدة للتعامل مع المخاطر، مثل اتباع أطر عمل الذكاء الاصطناعي الآمن.

ينبغي على مدراء أنظمة المعلومات ومدراء التكنولوجيا التأكد من أن الأفراد المشكلين لفريق المنصة يمتلكون الخبرات والمهارات الضرورية. بينما يحتاج الفريق إلى قيادة تقنية خبيرة، ممثلة في شخص المدير العام. ومن الأدوار الأساسية التي يجب توافرها في هذا الفريق مهندسي البرمجيات ويقع على عاتقهم مهمة تكامل ودمج نماذج الذكاء الاصطناعي مع الأنظمة والتطبيقات الحالية؛ ومهندسي البيانات لإعداد وربط النماذج بأنظمة متنوعة من السجلات ومصادر البيانات؛ وباحثي البيانات لتحديد أنسب نموذج وفق المتطلبات التقنية؛ ومهندسو عمليات تعلم الآلة (MLOps) لمراقبة وإدارة النماذج؛ ومهندسو تعلم الآلة لتحسين النماذج وفق مصادر البيانات الجديدة؛ وخبراء المخاطر للتعامل مع المشاكل المتعلقة بالأمن مثل تسريب البيانات والتحكم في وسائل الوصول ودقة المخرجات والتحيزات. يعتمد الهيكل التنظيمي للفريق على حالات الاستخدام بالمؤسسة والاحتياجات الخاصة بها. وفي حالات معينة، قد تحتاج المؤسسة إلى فريق متخصص في إدارة المنتجات وتجربة المستخدم، خاصة عند تطوير واجهات دردشة آلية تخدم العملاء.

من منظور عملي، ينبغي على فريق المنصة البدء بالتركيز على عدد محدود ومحدد من حالات الاستخدام التي تُعد ذات أولوية. وبمرور الوقت، ومع بناء القدرات التي يمكن إعادة استخدامها وتحقيق تجربة أكبر، يمكنهم توسيع نطاق مشروعاتهم. من الضروري أن يتعاون قادة التكنولوجيا بشكل وثيق مع الجهات المستفيدة لتحديد الحالات التي تستحق التمويل والدعم.

8. تصميم برامج ملائمة لمختلف الأدوار ومستويات الكفاءة لتطوير المهارات

يُمكن للذكاء الاصطناعي التوليدي تعزيز إنتاجية الموظفين وتطوير قدراتهم. ومع ذلك، تختلف فوائده حسب الأدوار ومستويات المهارة، ما يدعو القادة للنظر مجددًا في تطوير المهارات المطلوبة للأفراد وكيفية بناءها.

أظهر بحثنا التجريبي الأخير باستخدام أداة الذكاء الاصطناعي التوليدي "GitHub Copilot" على سبيل المثال أنها ساعدت مهندسي البرمجة في تسريع كتابة الكود بنسبة تتراوح بين 35% و45%5. ومع ذلك، اختلفت الفوائد، فقد حقق المبرمجون ذوو الخبرة مكاسب وصلت من 50% إلى 80%، بينما عايش المبرمجون الجدد تباطؤًا بنسبة تصل من 7% إلى 10%. يعود السبب في ذلك أن الذكاء الاصطناعي يحتاج من المبرمجين مراجعة دقيقة وتحسين للكود وتوثيقه، وهي مهمة قد تكون صعبة على المبتدئين. من ناحية أخرى، في المجالات الأقل تقنية مثل خدمة العملاء، ساعد الذكاء الاصطناعي المستخدمين بمهارات أقل، مُحققًا زيادة في الإنتاجية بنسبة 14% وانخفاض في نسبة تدوير واستبدال الموظفين وفقًا لإحدى الدراسات الموثقة.6

تظهر هذه الفوارق أهمية وجود قادة في مجال التكنولوجيا يتعاونون مع المسئول الأول لموظفي الموارد البشرية (CHRO) لمراجعة وتحسين استراتيجيات إدارة المواهب بشكل يعمل على بناء الكوادر المستقبلية. سيكون استقطاب الكفاءات الموهوبة في مجال الذكاء الاصطناعي مهمة بالغة الأهمية، خصوصًا في ظل ندرتهم وقيمتهم الاستراتيجية. لذا، يتعين على قادة التكنولوجيا تطبيق استراتيجيات للحفاظ على هؤلاء الموظفين، مثل تقديم رواتب تنافسية وفرص للمشاركة في مشروعات استراتيجية ضخمة للمؤسسة.

ومع ذلك، فإن التوظيف هو خطوة أولية ولكنها ليست النهاية بالنسبة لقادة التكنولوجيا. في عالم يجسد فيه الذكاء الاصطناعي التوليدي نقلة نوعية في كل مجال، يجب أن يسعى هؤلاء القادة لاستمرار تطوير وتحسين مهارات الأفراد. يجب أن تكون هذه العملية موجهة برؤية واضحة تحدد المهارات الأساسية التي يحتاجها كل دور وفقًا لمستوى الكفاءة المطلوب وأهداف الشركة.

فلنأخذ مطوري البرامج كمثال لذلك، فبالإضافة إلى توليد الأكواد، يجب تزويد المطورين المبتدئين بالأدوات والتدريب اللازم ليصبحوا مراجعين ماهرين للكود. فالكتابة تختلف عن التحرير، وكذلك الأمر بالنسبة لتوليد ومراجعة الأكواد. يجب على المطورين أن يتمتعوا بقدرة عالية على التعرف على ما يُعتبر كودًا جيدًا، ومراجعة الأكواد التي تم إنشاؤها باستخدام الذكاء الاصطناعي لضمان جودتها ووظائفها وسهولة قراءتها، بالإضافة إلى البحث عن أي ثغرات قد تهدد الجودة أو الأمان.

وبما أن التقدم في مجال الذكاء الاصطناعي يغير من مفهوم وطريقة البرمجة، فإنه يتعين على المطورين أيضًا النظر إلى البرمجة من منظور مختلف، من خلال فهم أعمق لنوايا المستخدمين. لأن هذا سيمكنهم من تقديم البيانات حسب السياقات التي تساعد أدوات الذكاء الاصطناعي في تقديم نتائج أكثر دقة وفعالية.

بالإضافة إلى تطوير المهارات لدى الفريق التقني، يأتي على عاتق مدراء أنظمة المعلومات ومدراء التكنولوجيا دورًا حيويًا في نقل مهارات الذكاء الاصطناعي التوليدي للفرق غير التقنية. فلا يكفي أن يكون لدى الأفراد القدرة على استخدام الأدوات التقنية في مهام روتينية، مثل إعداد الرسائل الإلكترونية والتحكم بالمهام، بل يجب أن يتمتعوا بالثقة في استخدامها لتحقيق تحسين ملموس في جودة الأعمال التي يقومون بها. في هذا السياق، يمكن لمدراء أنظمة المعلومات ومدراء التكنولوجيا المساهمة بشكل فعال في تطوير برامج تدريبية معترف بها تقدم شهادات تثبت الخبرة في هذا المجال.

ومع تقليل الاعتماد على المهندسين الذين يفتقرون إلى الخبرة، من الضروري الابتعاد عن النموذج التقليدي الهرمي لتوزيع الموظفين، حيث يكون العدد الأكبر منهم في المستوى المبتدئ، والتحول نحو هيكل يشبه شكل الماسة، يغلب عليه الموظفين ذوي الخبرة. يعني ذلك في سياق عملي أنه يجب تعزيز مهارات الموظفين الجدد بأسرع وقت ممكن وتقليل الوظائف التي تقوم بمهام يدوية بسيطة، (كما هو الحال في كتابة اختبارات الوحدات).

9. تقييم وإدارة المخاطر الجديدة وتطوير ممارسات دائمة للحد منها

يساهم الذكاء الاصطناعي التوليدي في ظهور تحديات ومخاطر أخلاقية جديدة، بما في ذلك ما يعرف بـ "الهلوسة"، حيث يمكن للنماذج الذكية الإجابة بطرق غير دقيقة بناءً على الاحتمالية الأعلى. كما يمثل تسريب المعلومات الشخصية السرية والتحيز الناتج عن مجموعات البيانات الكبيرة استجداءً لمخاطر أخرى، بالإضافة إلى أخطار محتملة فيما يتعلق بالملكية الفكرية. ولذلك، ينبغي على مدراء أنظمة المعلومات ومدراء التكنولوجيا أن يتعاملوا بمسؤولية مع المسائل الأخلاقية والإنسانية، وأن يلتزموا بالامتثال للقوانين المعمول بها (التي تختلف حسب الدولة)، والالتزام بروح الشفافية والمصداقية في إدارة سمعة الشركة.

تحتاج معالجة هذا المشهد الجديد إلى مراجعة شاملة لممارسات الأمن السيبراني وتحديث عملية تطوير البرمجيات لتقييم المخاطر وتحديد إجراءات التخفيف منها قبل بدء تطوير النموذج، وذلك لتقليل المشكلات وضمان سير العملية بسلاسة. يمكن لإجراءات التخفيف من مخاطر الهلوسة أن تكون فعالة بضبط مستوى الإبداع (المعروف باسم "درجة الحرارة") للنموذج عندما يُولد ردود غير دقيقة. ويمكن زيادة النموذج بالاستفادة من البيانات الداخلية ذات الصلة لتوفير سياق إضافي. كما يمكن استخدام المكتبات التي تفرض حواجز حماية لمنع وجود أخطاء. كذلك، يمكن استخدام نماذج "الاعتدال" للتحقق من دقة المخرجات وإضافة إخلاء مسؤولية واضح للحفاظ على النزاهة. بل يجب أن تركز حالات الاستخدام الأولى للذكاء الاصطناعي على المجالات التي تكون فيها تكلفة الخطأ منخفضة، حتى تتمكن المؤسسة من التعامل مع التحديات المتوقعة وتجربة التعلم المستمر بشكل أفضل.

تحتاج حماية خصوصية البيانات إلى إنشاء وتنفيذ بروتوكولات لتمييز البيانات الحساسة وتحديد ضوابط الوصول إليها في مختلف المجالات، (مثل بيانات أجور الموارد البشرية). كما يتطلب الأمر إضافة طبقات إضافية من الحماية عند استخدام البيانات خارجيًا وضمان سرية البيانات. على سبيل المثال، أنشأت بعض المؤسسات إدارة للسياسات لتقييد الوصول إلى المعلومات الحساسة حسب دور المستخدم بمجرد منح الإذن للنموذج. بالإضافة إلى ذلك، يجب على مدراء أنظمة المعلومات ومدراء التكنولوجيا التأكد من شفافية مقدمي نماذج المؤسسة بشأن مصادر البيانات والتراخيص وحقوق الملكية الفكرية المرتبطة بمجموعات البيانات المستخدمة للتخفيف من مخاطر انتهاك الملكية الفكرية.


يعد الذكاء الاصطناعي التوليدي من أسرع تطورات التكنولوجيا التي شهدناها على الإطلاق. ولا يمكن لقادة التكنولوجيا تجاهل أهمية تحديد وتشكيل استراتيجية فعالة لاستخدام الذكاء الاصطناعي التوليدي. وفي ظل استمرار تطور هذا المجال بسرعة، يمكن للإجراءات التسعة المذكورة أن تدعم مدراء أنظمة المعلومات ومدراء التكنولوجيا بشكل مسؤول وفعال في استثمار قوة الذكاء الاصطناعي التوليدي على نطاق واسع.

Explore a career with us