بناء مؤسسة معتمدة على الذكاء الاصطناعي

يسهم الذكاء الاصطناعي حالياً في تغيير شكل قطاع الأعمال عبر بناء مؤسسة معتمدة على الذكاء الاصطناعي، وإن لم يكن بالوتيرة السريعة جداً التي يتوقعها العديد من الناس. لكن الصحيح أيضاً هو أن الذكاء الاصطناعي بات الآن موجّهاً للقرارات المتعلقة بكل شيء من حصاد المحاصيل إلى القروض المصرفية، حتى أن أشياء كانت تعتبر مستحيلة من قبل مثل أتمتة خدمة الزبائن بالكامل باتت الآن تلوح في الأفق. كما أن التكنولوجيات التي تمكّن من استعمال الذكاء الاصطناعي مثل منصات التطوير، والقدرة الهائلة على المعالجة وتخزين البيانات، آخذة بالتطور السريع، وباتت أسعارها ميسرة بصورة متزايدة. ويبدو أن الوقت قد حان لكي تستفيد الشركات من الذكاء الاصطناعي. في الحقيقة، تشير تقديراتنا إلى أن الذكاء الاصطناعي سيضيف 13 تريليون دولار إلى الاقتصاد العالمي خلال العقد المقبل.

مع ذلك، وعلى الرغم من الوعد الهائل الذي ينطوي عليه الذكاء الاصطناعي، إلا أن جهود العديد من المؤسسات في مجال الذكاء الاصطناعي لا تعطي النتيجة المرجوة. أجرينا مسوحاً شملت آلاف التنفيذيين حول كيفية استعمال شركاتهم للذكاء الاصطناعي وعمليات التحليل المتقدمة، وكيف تنظم هذه الشركات نفسها لاستعمالها، وقد أظهرت بياناتنا أن 8% فقط من الشركات تنخرط في ممارسات أساسية لدعم تبني هذه التكنولوجيات على نطاق واسع. أما معظم الشركات فلم تطبق إلا برامج تجريبية لأغراض محددة، أو تستعمل الذكاء الاصطناعي في عملية تجارية وحيدة.

فلماذا هذا التقدم البطيء؟ على المستوى الأعلى، يعكس ذلك حالة من الفشل في إعادة تنظيم المؤسسة بطريقة مختلفة. ففي المسوح التي أجريناها، وفي عملنا مع مئات العملاء، لاحظنا أن مبادرات الذكاء الاصطناعي تواجه عوائق ثقافية ومؤسسية صعبة. لكننا رأينا أيضاً أن القادة الذين يتخذون خطوات منذ البداية للتغلب على هذه العوائق يمكن أن يغتنموا بفاعلية كل الفرص التي يوفرها الذكاء الاصطناعي.

إجراء التحول

واحد من أكبر الأخطاء التي يرتكبها القادة هي النظر إلى الذكاء الاصطناعي بوصفه تكنولوجيا يمكن تشغيلها بمجرد تركيبها والحصول منها على عوائد فورية. فبعد أن يقرروا إطلاق بضعة مشاريع في هذا المجال، يبدؤون باستثمار الملايين في البنية التحتية للبيانات، والأدوات البرمجية للذكاء الاصطناعي، والخبرات في مجال البيانات، وتطوير النماذج. تنجح بعض البرامج التجريبية في تحقيق مكاسب صغيرة في بعض الأماكن هنا وهناك في المؤسسة. لكن بعد ذلك تمر الشهور أو السنوات دون أن تأتي المكاسب الكبيرة التي توقعها التنفيذيون.

وتعاني الشركات في الانتقال من البرامج التجريبية إلى البرامج التي تطبّق في عموم المؤسسة – ومن التركيز على مشاكل تجارية محددة، مثل تحسين عملية تقسيم الزبائن إلى شرائح، إلى المشاكل التجارية الكبيرة مثل تحويل رحلة الزبون بأكملها إلى رحلة مثالية.

كما يميل القادة غالباً إلى تبنّي نظرة ضيقة جداً تجاه متطلبات الذكاء الاصطناعي. فرغم أن أحدث ما توصلت إليه التكنولوجيا وأصحاب المواهب هما شيئان مطلوبان بكل تأكيد، لكن هناك أمراً آخر لا يقل أهمية عنهما ألا وهو ضمان التوافق بين ثقافة الشركة، وهيكليتها، وطرق العمل فيها، بما يدعم تبنّي الذكاء الاصطناعي على نطاق واسع. ولكن في معظم الشركات التي لم تولد كشركات تكنولوجية أصلاً، فإن الذهنيات وطرق العمل التقليدية تسير في اتجاه معاكس للذهنيات وطرق العمل التي يحتاجها الذكاء الاصطناعي.

وإذا ما أرادت الشركات نشر الذكاء الاصطناعي على نطاق واسع، فإنها بحاجة إلى إجراء ثلاثة تحولات:

من العمل ضمن صوامع منعزلة إلى التعاون القائم على التداخل بين عدة اختصاصات

يترك الذكاء الاصطناعي أكبر أثر ممكن عندما تطوره فرق تمثل مختلف الأقسام الوظيفية، وتمتلك مزيجاً من المهارات والآراء. فدفع الناس المتخصصين بالجوانب التجارية والعمليات إلى العمل جنباً إلى جنب مع خبراء تحليل البيانات سيضمن تمكّن المبادرات من التعامل مع الأولويات المؤسسية العريضة، وليس المشاكل التجارية المعزولة فقط. وبوسع الفرق المتنوعة أيضاً أن تفكّر معاً في التغييرات التي تستدعي التطبيقاتُ الجديدة إدخالها على عمليات التشغيل. فعلى سبيل المثال، ستكون هذه الفرق أكثر ميلاً إلى إدراك أن طرح خوارزمية تتنبأ باحتياجات الصيانة يجب أن يترافق بإصلاح شامل لسير عمليات الصيانة. وعندما تُشرِكُ فِرَقُ التطوير المستخدمين النهائيين في تصميم التطبيقات، فإن احتمالات تبنّيها تزداد ازدياداً هائلاً.

من عمليات اتخاذ القرار المستندة إلى الخبرة والتي يوجهها القادة، إلى عمليات اتخاذ القرار التي توجهها البيانات على الخطوط الأمامية

عندما يحظى الذكاء الاصطناعي بالتبني على نطاق واسع، فإن الموظفين في طول المؤسسة وعرضها وعلى مختلف مستويات التراتبية سيعززون حكمهم على الأمور وحدسهم، بالاعتماد على التوصيات التي تضعها الخوارزميات للتوصل إلى إجابات أفضل من تلك التي يتوصل إليها البشر بمفردهم أو تتوصل إليها الآلات وحدها. ولكن لكي تنجح هذه المقاربة، يجب على الموظفين الموجودين على كل المستويات أن يثقوا باقتراحات الخوارزمية وأن يشعروا أنهم متمكنين من اتخاذ القرارات – وهذا يعني التخلي عن النهج التنازلي التقليدي. فإذا ما كان الموظفون مضطرين إلى مشاورة من هم أعلى منهم مرتبة وظيفية قبل اتخاذ إجراء معيّن، فإن ذلك سيثبط استعمال الذكاء الاصطناعي.

حصل تحوّل دراماتيكي في العمليات في إحدى المؤسسات عندما استبدلت الطريقة اليدوية المعقدة لجدولة المناسبات بنظام جديد يعتمد على الذكاء الاصطناعي. في الماضي، كان مخططو المناسبات في الشركة يستعملون الإشارات الملونة والدبابيس والأوراق اللاصقة لتتبّع التضارب، والخيارات المفضلة للمشاركين، وغير ذلك من الاعتبارات. كانوا يعتمدون غالباً على إحساسهم، وعلى المعطيات المقدمة من كبار المدراء الذين كانوا يعتمدون على غريزتهم لاتخاذ القرارات. أما النظام الجديد فقد حلل بسرعة النطاق الواسع للتفاوتات الموجودة في جدولة المواعيد، مستعملاً خوارزمية أولى لاستبعاد مئات ملايين الخيارات واستخراج ملايين السيناريوهات، ثم خوارزمية ثانية لاختصار هذه الملايين من السيناريوهات إلى مئات فقط، مرتباً الجداول الزمنية المثالية لكل مشارك.

بعد ذلك كان المخططون البشر من أصحاب الخبرة يستندون إلى خبراتهم تلك لاتخاذ القرارات النهائية المدعومة بالبيانات دون الحاجة إلى الحصول على المعطيات من قادتهم. تبنّى المخططون الأداة وأبدوا ثقتهم بنتائج عملها لأنهم ساعدوا في وضع محدداتها وعوائقها وكانوا يعلمون أنهم هم أنفسهم من سيتخذ القرار النهائي.

من الأسلوب الصارم القائم على تجنب المخاطر، إلى أسلوب "الأجايل" الرشيق والتجريبي والقابل للتكييف

يجب على الشركات أن تتخلص من الذهنية القائمة على أن أي فكرة يجب أن تكون مدعومة بالكامل، أو أن كل أداة تجارية يجب أن تحظى بكل المزايا الإضافية قبل نشرها للاستعمال. عند استخدام النسخة الأولى من تطبيقات الذكاء الاصطناعي، نادراً ما تؤدّي كل الوظائف المرجوة منها. وبالتالي فإن عقلية الاختبار والتعلم سوف تنظر إلى الأخطاء بوصفها مصدراً للاكتشافات، الأمر الذي يقلل من الخوف من الفشل. الحصول على الآراء التقويمية المبكرة وإدماجها ضمن النسخة التالية سيسمح للشركات بتصحيح المشاكل الثانوية قبل أن تتحول إلى مشاكل مكلفة. هذا التطوير سيتسارع ويمكّن فرق الذكاء الاصطناعي الصغيرة من إنتاج منتجات قابلة للحياة بحدودها الدنيا في غضون أسابيع عوضاً عن أشهر.

لا تحصل هذه التحولات الأساسية بسهولة وهي تستدعي من القادة تهيئة القوى العاملة، وتحفيزها، وتجهيزها بالشكل المناسب لتحقيق التغيير. لكن يجب على القادة أولاً أن يكونوا هم أنفسهم مهيئين. رأينا حالات فشل تلو الأخرى وكانت ناجمة عن غياب الفهم الأساسي للذكاء الاصطناعي بين صفوف كبار التنفيذيين. (في موضع لاحق في المقالة، سوف نناقش كيف يمكن لأكاديميات تحليل البيانات أن تساعد القادة في اكتساب هذا الفهم).

في معظم الشركات التي لم تولد كشركات تكنولوجية أصلاً، فإن الذهنيات وطرق العمل التقليدية تسير في اتجاه معاكس للذهنيات وطرق العمل التي يحتاجها الذكاء الاصطناعي.

تهيئة الأرضية للنجاح

إذا ما أراد القادة إشراك الموظفين وتمهيد الطريق أمام نجاح مبادرات الذكاء الاصطناعي، يجب عليهم إيلاء الاهتمام في وقت مبكر بعدة مهام:

شرح السبب. يساعد وجودُ قصة مثيرة للاهتمام المؤسسةَ في فهم مدى الإلحاح في تطبيق مبادرات التغيير وكيف ستفيدهم. ويحظى هذا الأمر بأهمية خاصة في حالة مشاريع الذكاء الاصطناعي، لأن الخوف من أن يؤدي الذكاء الاصطناعي إلى القضاء على الوظائف يزيد من مقاومة الموظفين له.

يجب على القادة طرح رؤية تسهم في تحلق الجميع حول هدف مشترك. فالعمال بحاجة إلى أن يفهموا سبب أهمية الذكاء الاصطناعي للشركة وكيف سيكون موقعهم ضمن الثقافة الجديدة المتمحورة حول الذكاء الاصطناعي. بالتحديد، هم بحاجة إلى طمأنة من أن الذكاء الاصطناعي سوف يعزز أدوارهم عوضاً عن أن يؤدي إلى تلاشيها أو حتى اختفائها. (تظهر أبحاثنا أن غالبية العمال سيحتاجون إلى التأقلم مع استعمال الذكاء الاصطناعي عوضاً عن أن يحل الذكاء الاصطناعي مكانهم).

عندما أرادت شركة تجزئة ضخمة مؤلفة من تجمع شركات خطب ود موظفيها لكي يدعموا استراتيجيتها الخاصة بالذكاء الاصطناعي، عرضت إدارتها هذه الاستراتيجية بوصفها حاجة وجودية أساسية مطلوبة. وصف القادة التهديد الذي تشكله متاجر التجزئة الإلكترونية وكيف يمكن للذكاء الاصطناعي أن يساعد في تفادي ضررها من خلال تحسين كفاءة عمليات الشركة وقدرتها على التجاوب السريع. عندما لجأت الإدارة إلى الدعوة لحمل السلاح للقتال دفاعاً عن الوجود كانت تفهم الدور الحاسم الذي يؤديه الموظفون في هذه المعركة.

في معرض طرح قادة الشركة لرؤيتهم سلطوا الضوء على العمال الذين طبقوا برنامجاً تجريبياً لأداة جديدة للذكاء الاصطناعي ساعدتهم في الوصول إلى الحالة المثالية في عرض تشكيلة المنتجات في المتاجر وزيادة الإيرادات. شكّل هذا الأمر مصدر إلهام للعمال الآخرين لكي يتخيلوا كيف يمكن للذكاء الاصطناعي أن يعزز أداءهم ويرتقي بمستواه.

فكرة المقالة باختصار

المشكلة

لا تعطي جهود العديد من الشركات الرامية لتوسيع انتشار الذكاء الاصطناعي النتيجة المرجوة. ويعود السبب في ذلك إلى أن 8% فقط من الشركات منخرطة في ممارسات أساسية لدعم تبني هذه التكنولوجيات على نطاق واسع.

الحل

لا يكفي امتلاك أحدث أنواع التكنولوجيا وأفضل أصحاب المواهب. بل يجب على الشركات تحطيم الحواجز المؤسسية والثقافية التي تقف حجر عثرة في طريق تطبيق الذكاء الاصطناعي.

ما يتحتم على القادة فعله

يجب على القادة أن يعبروا عن الحاجة الملحة إلى مبادرات الذكاء الاصطناعي والمنافع التي ستعود على الجميع؛ وأن ينفقوا على تبني التكنولوجيا ذات المبلغ الذي ينفقونه على التكنولوجيا أو أكثر؛ وأن ينظموا عمل الذكاء الاصطناعي على أساس مدى نضوج الذكاء الاصطناعي في الشركة، ومدى تعقيد الشركة، ووتيرة الابتكار فيها؛ وأن يستثمروا في تثقيف الجميع في الذكاء الاصطناعي.

توقع العوائق التي قد تقف حجر عثرة في طريق التغيير

هناك عوائق شائعة في معظم المؤسسات، مثل خوف العمال من انتهاء أدوارهم، وانتفاء الحاجة إليهم. لكن الثقافة السائدة في شركة معينة قد تكون لها مزايا خاصة تسهم في المقاومة. فعلى سبيل المثال، إذا كان لدى شركة ما مدراء علاقات يفخرون بمعرفتهم لحاجات الزبائن، فإنهم قد يرفضون فكرة أن تكون لدى الآلة أفكار أفضل بخصوص ما يريده الزبائن، ويتجاهلون التوصيات التي تضعها أداة الذكاء الاصطناعي للمنتجات والمفصلة بحسب حاجات هؤلاء الزبائن. والمدراء العاملون في مؤسسات كبيرة ويؤمنون أن مكانتهم مرتبطة بعدد الناس الذين يشرفون عليهم قد يرفضون ما يسمح به الذكاء الاصطناعي من لامركزية في اتخاذ القرارات أو تقليل في أعداد المرؤوسين.

في حالات أخرى، يمكن للعمليات التي تجري في صوامع معزولة أن تثبط عملية تبنّي الذكاء الاصطناعي على نطاق واسع. وقد تعاني المؤسسات التي تخصص الموازنات بحسب الوظيفة أو الوحدة التجارية في تجميع فرق من أقسام ووظائف مختلفة تعمل وفق منهجية "أجايل" رشيقة، على سبيل المثال.

يمكن العثور على بعض الحلول من خلال إجراء مراجعة للطريقة التي تغلبت بها مبادرات التغيير في الماضي على العوائق. وقد تشمل الحلول الأخرى تحقيق الانسجام بين مبادرات الذكاء الاصطناعي والقيم الثقافية ذاتها التي تبدو بمثابة عوائق. ففي إحدى المؤسسات المالية التي تشدد كثيراً على العلاقة المباشرة بين الزبون والمصرف في الأنشطة المصرفية، على سبيل المثال، سلط القادة الضوء على قدرة الذكاء الاصطناعي على تعزيز الروابط مع الزبائن.

وضع المصرف كتيباً لمدراء العلاقات يُظهر لهم كيف يمكن للجمع بين خبراتهم ومهاراتهم والتوصيات التي يضعها الذكاء الاصطناعي للمنتجات والمفصلة بحسب احتياجات الزبائن أن يسهم في تحسين تجارب هؤلاء الزبائن وفي زيادة الإيرادات والأرباح. كما شمل برنامج تبنّي الذكاء الاصطناعي أيضاً مسابقة لحوارات خاصة بالمبيعات المدعومة باستعمال الأداة الجديدة؛ وقد عُرِضَت إنجازات الرابحين في النشرة الشهرية التي يرسلها الرئيس التنفيذي إلى الموظفين.

قد يرفض مدراء العلاقات الذين يفخرون بمعرفتهم لحاجات الزبائن، فكرة أن تكون لدى الآلة أفكار أفضل بخصوص ما يريده الزبائن.

هناك فئة جديدة نسبياً من الخبراء، هم مترجمو تحليل البيانات، بوسعهم تأدية دور في تحديد العراقيل والعوائق الموجودة في الطريق. ويشكل هؤلاء الأشخاص جسراً بين مهندسي البيانات وعلماء البيانات القادمين من العالم التقني والأفراد القادمين من عالم الأعمال – مثل التسويق، وسلسلة التوريد، والتصنيع، وموظفي إدارة المخاطر، وهكذا دواليك. يمكن لهؤلاء المترجمين أن يساعدوا في ضمان تلبية تطبيقات الذكاء الاصطناعي المطورة لاحتياجات الشركة وسلاسة عملية التبني. وفي وقت مبكر من عملية التنفيذ، قد يستطلعون آراء المستخدمين النهائيين، ويراقبون عاداتهم، ويدرسون سير الأعمال لتشخيص المشاكل وحلها.

الذكاء الاصطناعي" width="805" height="597" />

فهم العوائق التي تقف في طريق التغيير لا يساعد القادة على فهم الطريقة الأنسب للتواصل مع القوى العاملة فحسب، وإنما يساعدهم أيضاً في تحديد الموضع الأنسب للاستثمار، ومبادرات الذكاء الاصطناعي الأكثر جدوى، والتدريبات التي يجب أن تقدّم، والحوافز التي قد تكون ضرورية، وغير ذلك من الأشياء.

تخصيص موازنات لإدماج التكنولوجيا وتبنّيها

ويجب ألّا تقل عن الموازنات المخصصة للتكنولوجيا ذاتها (إن لم يكن أكثر)، ففي أحد الاستبيانات التي أجريناها، كان 90% تقريباً من الشركات التي انخرطت في ممارسات ناجحة للتوسع على نطاق أوسع قد أنفقت أكثر من نصف موازنتها المخصصة لتحليل البيانات على أنشطة تشجّع على تبني التكنولوجيا، مثل إعادة تصميم سير العمليات، والتواصل، والتدريب. 23% فقط من الشركات المتبقية كانت قد خصصت موارد مشابهة.

لنأخذ على سبيل المثال شركة اتصالات كانت تعتزم إطلاق برنامج جديد للاحتفاظ بالزبائن يعتمد على الذكاء الاصطناعي في مركز الاتصال التابع لها. استثمرت الشركة بشكل متزامن في تطوير نموذج للذكاء الاصطناعي وفي مساعدة موظفي المركز في الانتقال إلى المقاربة الجديدة. وعوضاً عن مجرّد إبداء رد فعل تجاه مكالمات الزبائن المطالِبة بإلغاء الخدمة، فإن الشركة طرحت فكرة التواصل مع الزبائن المعرضين لخطر التخلي عنها، ومنحهم توصيات من اقتراح الذكاء الاصطناعي بخصوص عروض جديدة سيكون من المرجح قبولها.

حصل الموظفون على التدريب والإرشاد الوظيفي وهم على رأس عملهم على مهارات المبيعات المطلوبة لإبرام الصفقات. وقد أصغى المرشدون والمدراء إلى اتصالاتهم، ومنحوهم آراء تقويمية فردية، واستمروا في تحديث المواد التدريبية وسيناريوهات المكالمات. وبفضل هذه الجهود المنسقة، تمكن البرنامج الجديد من تخفيض استنزاف الزبائن بنسبة 10%.

%90 تقريباً من الشركات التي انخرطت في ممارسات ناجحة للتوسع على نطاق أوسع قد أنفقت أكثر من نصف موازنتها المخصصة لتحليل البيانات على أنشطة تشجّع على تبني التكنولوجيا

الموازنة بين الجدوى، والاستثمارات الزمنية، والقيمة

يمكن للسعي وراء المبادرات التي يتسم تنفيذها بصعوبة غير مبررة أو يحتاج إطلاقها إلى أكثر من عام واحد أن تخرّب مشاريع الذكاء الاصطناعي الحالية والمستقبلية.

لا يجب على المؤسسات أن تركّز على المكاسب السريعة فقط؛ وإنما يجب أن تطور مجموعة من المبادرات ذات الأطر الزمنية المختلفة. فالعمليات المؤتمتة التي لا تحتاج إلى تدخّل بشري، مثل كشف الاحتيال بمساعدة الذكاء الاصطناعي، يمكن أن تحقق العوائد خلال أشهر؛ في حين أن المشاريع التي تحتاج إلى تدخل بشري، مثل خدمة الزبائن المدعومة بالذكاء الاصطناعي، يمكن أن تؤتي أكلها على مدار فترة أطول زمنياً.

يجب أن تستند عملية تحديد الأولويات إلى نظرة طويلة الأجل (تستغرق عادة ثلاث سنوات) وأن تأخذ بالحسبان كيف يمكن الجمع بين عدة مبادرات ذات أطر زمنية مختلفة لتحقيق أقصى قيمة ممكنة. فعلى سبيل المثال، إذا ما أرادت الشركة تكوين نظرة عن الزبائن تكون مفصلة بما يكفي للسماح للذكاء الاصطناعي بتقسيم هؤلاء الزبائن إلى شرائح متناهية الصغر، فإنها قد تحتاج إلى إطلاق عدد من مبادرات المبيعات والتسويق. بعض هذه المبادرات، مثل العروض المستهدفة، قد تحقق قيمة مضافة في غضون أشهر، في حين قد يستغرق الأمر 12 إلى 18 شهراً حتى تتمكن مجموعة كاملة من القدرات الجديدة من تحقيق الأثر الكامل.

قررت شركة تجزئة تعمل في منطقة آسيا والمحيط الهادئ أن إحدى مبادرات الذكاء الاصطناعي الرامية إلى الاستفادة المثالية من مساحات المتاجر وأماكن عرض مخزون المنتجات لن يُستفاد من قيمتها بشكل كامل ما لم تعمد الشركة إلى تجديد كل متاجرها، بحيث تعيد تخصيص المساحة المحددة لكل فئة من البضائع. بعد سجال كبير، قرر تنفيذيو الشركة أن المشروع كان مهماً بما يكفي للربحية المستقبلية لتمضي به الشركة قدماً – ولكن ليس دون تقسميه على مرحلتين.

شملت المرحلة الأولى تصميم أداة ذكاء اصطناعي تقدّم إلى مدراء المتجر توصيات بخصوص الزيادة التدريجية لبضعة منتجات ستسجل مبيعات جيدة في متاجرهم. لم تبيّن الأداة إلا جزءاً يسيراً من العائد الإجمالي المتوقع، لكن كان بوسع المدراء الحصول على المنتجات وعرضها في متاجرهم فوراً، ما يظهر منافع المشروع ويوجد حماسة لهذه الرحلة المقبلة الممتدة على مدار عدة سنوات.

تنظيم الذكاء الاصطناعي بطريقة تسمح بالتوسع في تطبيقه

ثمة جدل كبير يدور بخصوص تحديد المكان الذي يجب أن توضع فيه قدرات الذكاء الاصطناعي وتحليل البيانات ضمن المؤسسات. وغالباً ما يطرح القادة سؤالاً بسيطاً: "ما هو النموذج المؤسسي الأنجح؟" وبعد ذلك، وعقب سماع التجارب الناجحة في الشركات الأخرى، يقومون بشيء واحد من ثلاثة: إما يجمّعون غالبية قدرات الذكاء الاصطناعي وتحليل البيانات ضمن "محور" مركزي؛ أو يُضفونَ عليها الطابع اللامركزي ويدخلونها في معظم الأحيان ضمن الوحدات التجارية ("الفروع")؛ أو يوزعونها على الاثنين باستعمال نموذج محوري هجين (المحور والفروع). وقد وجدنا أن أياً من هذه النماذج ليس دائماً أفضل من النموذجين الآخرين في نشر الذكاء الاصطناعي على نطاق واسع؛ فالخيار الصحيح يتوقف على الحالة الفردية لكل شركة.

لنأخذ على سبيل المثال مؤسستين ماليتين كبيرتين عملنا معهما. جمّعت واحدة منها فرق الذكاء الاصطناعي وتحليل البيانات ضمن محور مركزي، بحيث كان موظفو تحليل البيانات يعملون تحت إمرة مدير البيانات وتحليل البيانات، ويوزَّعُون على الوحدات التجارية بحسب المطلوب. أما المؤسسة الثانية فقد وزعت كل موظفيها المتخصصين بتحليل البيانات تقريباً بشكل لامركزي بحيث كانت الفرق مسؤولة تجاه إدارات الوحدات التجارية التي تعمل ضمنها.

تمكنت الشركتان من تطوير الذكاء الاصطناعي ونشره على نطاق واسع لتتصدرا المشهد في قطاعهما؛ وازداد عدد مبادرات الذكاء الاصطناعي المربحة في المؤسسة الثانية من 30 مبادرة إلى 200 في غضون عامين فقط. وكانت كلتا المؤسستين قد اختارتا نموذجيهما بعد أن أخذتا بالحسبان هيكلية المؤسسة، وقدراتها، واستراتيجيتها، وخصائصها الفريدة من نوعها.

المحور

من الأفضل دوماً حصر مجموعة صغيرة من المسؤوليات في محور يقوده مدير تحليل البيانات او مدير البيانات. وهي تشمل حوكمة البيانات، واستراتيجيات التوظيف والتدريب الخاصة بالذكاء الاصطناعي، والعمل مع الأطراف الثالثة المزودة لخدمات وبرمجيات البيانات والذكاء الاصطناعي. يجب على المحاور المركزية أن ترعى أصحاب المواهب في مجال الذكاء الاصطناعي، وأن تشكّل تجمّعات تسمح لخبراء الذكاء الاصطناعي بتشارك الممارسات الفضلى، وتحديد عمليات تطوير الذكاء الاصطناعي في أرجاء المؤسسة. يُظهر بحثنا أن الشركات التي طبّقت الذكاء الاصطناعي على نطاق واسع أكثر ميلاً بواقع ثلاثة أضعاف من أقرانها إلى امتلاك محور مركزي، وبواقع ضعفين ونصف الضعف إلى امتلاك منهجية واضحة لوضع النماذج، وتفسير الاستنتاجات، وطرح قدرات جديدة في مجال الذكاء الاصطناعي.

كما يجب أن تكون المحاور المركزية مسؤولة أيضاً عن الأنظمة والمعايير المتعلقة بالذكاء الاصطناعي. ويجب أن تعتمد على احتياجات مبادرات الشركة، ما يعني أنها يجب أن تطور تدريجياً، عوضاً عن أن توضع دفعة واحدة، قبل تحديد الاستعمالات التجارية. رأينا العديد من المؤسسات التجارية تبدد وقتاً ومالاً ثمينين – منفقة مئات ملايين الدولارات – سلفاً على مشاريع تشمل الشركة بأكملها لتنظيف البيانات وإدماجها، لتعود لاحقاً وتوأد تلك الجهود في منتصف الرحلة، دون أن تحقق أي فائدة أو بعد تحقيق فائدة ضئيلة.

في المقابل، عندما وجد بنك أوروبي أن استراتيجيات إدارة البيانات المتضاربة كانت تشكل عائقاً أمام تطوير أدواته الجديدة في مجال الذكاء الاصطناعي، تبنّى مقاربة أبطأ وتيرة، واضعاً خطة لتوحيد بنية البيانات وإدارتها فيه على مدار أربع سنوات أثناء تحديد الاستعمالات التجارية المختلفة لعملية التحول نحو الذكاء الاصطناعي لديه. من المنتظر أن يحقق هذا البرنامج، المؤلف من عدة مراحل والذي ينطوي أيضاً على عملية إعادة تصميم مؤسسية واستراتيجية معدلة للتعامل مع أصحاب المواهب، أثراً سنوياً تزيد قيمته على 900 مليون دولار.

الفروع

هناك مجموعة أخرى من المسؤوليات التي يجب أن تتركز على الدوام تقريباً في الفروع المرتبطة بالمحور، لأنها الأقرب إلى الأشخاص الذين سيستعملون أنظمة الذكاء الاصطناعي. ومن بين هذه المسؤوليات المهام المرتبطة بتبنّي الذكاء الاصطناعي، بما في ذلك تدريب المستخدمين النهائيين، وإعادة تصميم سير العمليات، وبرامج الحوافز، وإدارة الأداء، وتتبّع الأثر.

في إحدى شركات التصنيع كان قسم المبيعات والصيانة يرغب في تشجيع الزبائن على تبنّي الخدمات المعتمدة على الذكاء الاصطناعي التي يقدّمها أحد أجهزته المتصلة بالإنترنت. لذلك أنشأ القسم فريقاً للتدخل السريع مهمته هي دعم الزبائن الذين يستعملون المنتج ووضع خطة تسعير تهدف إلى تعزيز عملية التبني. من الواضح أن هذا العمل يقع ضمن نطاق اختصاص أحد الفروع المرتبطة بالمحور، ولا يمكن إيكاله إلى المحور المركزي المتخصص بتحليل البيانات.

المنطقة الرمادية

يقع معظم العمل في التحول الناجح نحو الذكاء الاصطناعي ضمن منطقة رمادية من حيث المسؤولية. فالمهام الأساسية – أي تحديد الاتجاه الذي ستسير فيه مشاريع الذكاء الاصطناعي، وتحليل المشاكل التي ستحلها، وبناء الخوارزميات، وتصميم الأدوات، واختبارها لدى المستخدمين النهائيين، وإدارة التغيير، وإنشاء البنية التحتية الداعمة لتكنولوجيا المعلومات – يمكن أن توكل إما إلى المحور أو إلى الفرع، أو أن يتقاسمانها معاً، أو أن تكون مشتركة مع قسم تكنولوجيا المعلومات. (راجعوا الفقرة الجانبية بعنوان: "تنظيم الذكاء الاصطناعي بطريقة تسمح بالتوسع في تطبيقه"). لا يخضع تحديد المكان الذي يجب أن توضع فيه المسؤولية ضمن المؤسسة لقواعد علمية صارمة، لكنه يتأثر بثلاثة عوامل:

> نضوج قدرات الذكاء الاصطناعي. عندما تكون شركة ما في المراحل الأولى من رحلتها نحو تطبيق الذكاء الاصطناعي، غالباً ما يكون من المنطقي أن يتواجد التنفيذيون المسؤولون عن تحليل البيانات، وعلماء البيانات، ومهندسو البيانات، ومصممو واجهات التخاطب مع المستخدمين، واختصاصيو التمثيل البصري الذين يحولون نتائج تحليل البيانات إلى أشكال ورسوم بيانية، وأشباههم ضمن مكان مركزي (المحور) وأن يُرسَلوا حسب الحاجة إلى الفروع. ويمكن لهؤلاء عندما يعملون معاً أن ينشئوا الأصول والقدرات الأساسية للشركة في مجال الذكاء الاصطناعي، مثل أدوات تحليل البيانات، وعمليات البيانات، ومنهجيات التطبيق. ولكن مع مرور الوقت، وعندما تصبح العمليات معيارية، يمكن أن يتواجد هؤلاء الخبراء في الفروع بذات الفاعلية (أو أكثر).

> تعقيد النموذج التجاري. كلما كبر عدد الوظائف التجارية، أو خطوط الأعمال، أو المناطق الجغرافية التي ستدعمها أدوات الذكاء الاصطناعي، زادت الحاجة لبناء مرشدين من خبراء الذكاء الاصطناعي (مثل علماء البيانات أو المصممين). وغالباً ما تجمّع الشركات ذات الأنشطة التجارية المعقدة هؤلاء المرشدين في المحور المركزي ومن ثم تكلفهم بحسب المطلوب بالذهاب إلى الوحدات أو الوظائف التجارية أو المناطق الجغرافية التي تتواجد فيها أعمال الشركة.

> وتيرة الابتكار التقني المطلوب ومستواه. عندما تحتاج بعض الشركات إلى الابتكار بسرعة، فإنها تضع المزيد من الاستراتيجيات وعمليات بناء القدرات التي تنتمي إلى المنطقة الرمادية في المحور المركزي، ليكون بوسعها رصد التغيرات الحاصلة في القطاع والتكنولوجيا بشكل أفضل ونشر موارد الذكاء الاصطناعي بسرعة لمواجهة التحديات التي تفرضها المنافسة.

دعونا نعود إلى المؤسستين الماليتين اللتين ناقشناهما سابقاً. واجهت كلتاهما ضغوطاً تنافسية تطلبت ابتكاراً سريعاً. لكن نضوجهما في مجال تحليل البيانات ودرجة تعقيد أعمالهما اختلفا.

المؤسسة التي وضعت فرق تحليل البيانات ضمن محورها المركزي كان لديها نموذج أعمال أعقد، وكانت أقل نضجاً نسبياً في مجال الذكاء الاصطناعي. كانت خبرتها الحالية في الذكاء الاصطناعي تنصب بصورة أساسية في إدارة المخاطر. وبوضع الشركة لعلماء البيانات ومهندسي البيانات لديها وغيرهم من الخبراء الواقعين في المنطقة الرمادية ضمن المحور المركزي، ضمنت تمكّن كل الوحدات التجارية والوظائف من الوصول بسرعة إلى المعارف الأساسية عندما تكون مطلوبة.

أما المؤسسة المالية الثانية فكان لديها نموذج تجاري أبسط بكثير شمل التخصص في عدد أقل من الخدمات المالية. كما كان لدى هذا البنك خبرة وتجربة كبيرتين في الذكاء الاصطناعي. لذلك تمكّن من توزيع أصحاب المواهب في الذكاء الاصطناعي لديه بطريقة لامركزية، حيث وضع العديد من خبراء تحليل البيانات الواقعين في المناطق الرمادية، وكذلك خبراء الاستراتيجية والتكنولوجيا ضمن الوحدات التجارية الواقعة في الفروع.

كما تشير هذه الأمثلة، تنطوي عملية اتخاذ قرار بخصوص تحديد مواطن المسؤولية على شيء من الفن. فكل مؤسسة تتمتع بقدرات مميزة وضغوط تنافسية، ولا بد من أخذ هذه العوامل الثلاثة برمّتها، عوضاً عن النظر إلى كل واحد بمفرده. فعلى سبيل المثال، قد تتضمن المؤسسة أعمالاً تجارية شديدة التعقيد، وتحتاج إلى ابتكار سريع جداً (مما يشير إلى أنها يجب أن تنقل المزيد من المسؤوليات إلى المحور المركزي) ولكنها قد تتضمّن قدرات شديدة النضوج في الذكاء الاصطناعي (مما يشير إلى أنها يجب أن تنقلها إلى الفروع). يتعيّن على قادتها أن يزنوا الأهمية النسبية للعوامل الثلاثة جميعها لكي يحددوا الموضع الأنسب لوضع أصحاب المواهب ليكونوا بأقصى درجات الفاعلية. فتأثير مستويات أصحاب المواهب (وهذا عنصر مهم في نضوج الذكاء الاصطناعي) غالباً ما يكون أكبر من غيره على القرار.

هل لدى المؤسسة ما يكفي من خبراء البيانات ليكون بوسعها إذا ما نقلتهم إلى الفروع أن تظل قادرة على تلبية احتياجات كل الوحدات والوظائف التجارية والمناطق الجغرافية التي تتواجد فيها أعمال الشركة؟ إذا كانت الإجابة هي كلا، قد يكون من الأفضل ربما وضعهم في المحور المركزي وتقاسمهم مع أنحاء المؤسسة المختلفة.

الإشراف على التنفيذ

رغم تفاوت توزيع المسؤوليات عن الذكاء الاصطناعي وتحليل البيانات من مؤسسة إلى أخرى، إلا أن المؤسسات التي تنشر الذكاء الاصطناعي على نطاق واسع تتصف بأمرين مشتركين:

> ائتلاف حاكم من قادة القسم التجاري، وقسمي المعلوماتية وتحليل البيانات. الإدماج الكامل للذكاء الاصطناعي هو رحلة طويلة. وإنشاء فريق عمل مشترك للإشراف عليه سيضمن تعاون الوظائف الثلاث وتقاسمها للمسؤولية، بغضّ النظر عن طريقة توزيع الأدوار والمناصب. ويمكن لهذه المجموعة التي غالبا ما تجتمع بطلب من مدير تحليل المعلومات أن تلعب دوراً أساسياً في بناء الزخم تجاه مبادرات الذكاء الاصطناعي، ولاسيما في وقت مبكر.

> فرق التنفيذ المؤلفة بحسب المهام. المؤسسات التي تنشر الذكاء الاصطناعي على نطاق واسع أكثر ميلاً بمقدار مرتين إلى إنشاء فرق مؤلفة من أفراد ينتمون إلى أقسام مختلفة ضمن الفروع. تعرض هذه الفرق آراء متنوعة معاً وتستمزج آراء الموظفين على الخطوط الأمامية أثناء بنائها للقدرات الجديدة في مجال الذكاء الاصطناعي ونشرها ورصدها. وعادة ما تؤلَّف هذه الفرق في بداية كل مبادرة وتستقطب أصحاب المهارات من المحور المركزي والفروع. ويشمل كل فريق منها عموماً المدير المسؤول عن نجاح أداة الذكاء الاصطناعي الجديدة ("مالك المنتج")، والمترجمين، ومنظمي البيانات، ومهندسي البيانات وعلماء البيانات، والمصممين، والاختصاصيين في التمثيل البصري ومحللي الأنشطة التجارية. تعالج هذه الفرق مشاكل التنفيذ في وقت باكر وتحقق القيمة في زمن أسرع.

على سبيل المثال، في شركة التجزئة التي تعمل في منطقة آسيا والمحيط الهادئ التي استعملت الذكاء الاصطناعي للاستفادة المثالية من مساحة المتجر وأماكن عرض مخزون المنتجات، ساعد فريق التنفيذ المؤلف من أشخاص ينتمون إلى أقسام مختلفة في تحطيم الجدران بين التجار (الذين كانوا يقررون طريقة عرض المنتجات في المتاجر) والمشترين (الذين كانوا يختارون تشكيلة المنتجات). في السابق، كانت كل مجموعة تعمل باستقلالية، بحيث كان المشترون يغيّرون توصيات الذكاء الاصطناعي حسبما كانوا يرتأون ذلك مناسباً. قاد ذلك إلى حالة من عدم التطابق بين مخزون المنتجات المشتراة والمساحة المتاحة في المتجر. وعندما دعا الفريق كلتا المجموعتين للتعاون في عملية التطوير الإضافي لأداة الذكاء الاصطناعي، تمكّن من إيجاد نموذج أكثر فعالية يوفر مجموعة من الخيارات ذات الأوزان المختلفة للمشترين، الذين كان بمقدورهم بعدها انتقاء أفضل الخيارات بعد الحصول على توصيات التجار. في نهاية العملية، ازدادت هوامش الأرباح الإجمالية من كل فئة من المنتجات التي طبّقت هذه الأداة بمقدار 4% إلى 7%.

تنطوي عملية اتخاذ قرار بخصوص تحديد الأماكن الأنسب للمسؤولين عن الذكاء الاصطناعي في الشركة على شيء من الفن.

تثقيف الجميع

إذا ما أرادت الشركات ضمان تبنّي الذكاء الاصطناعي، فإنها بحاجة إلى تثقيف الجميع بداية من كبار القادة نزولاً إلى الموظفين ذوي المراتب الوظيفية الأدنى. ولهذه الغاية، يطلق البعض أكاديميات داخلية للذكاء الاصطناعي تتضمّن عادة حضور دورات دراسية (عن طريق الإنترنت أو شخصياً)، وورش، وتدريبات عملية أثناء ممارسة الوظيفة، بل وحتى زيارات ميدانية إلى الشركات المشابهة في القطاع. تستعين معظم الأكاديميات في بادئ الأمر بأعضاء هيئة تدريسية خارجيين لكتابة المنهاج وتقديم التدريب، لكنها تنشئ أيضاً عمليات لبناء القدرات على المستوى الداخلي.

تختلف كل أكاديمية عن الأخرى، لكن معظمها يقدّم أربعة أنماط مختلفة من التدريس:

القيادة

تسعى معظم الأكاديميات جاهدة إلى تزويد كبار المدراء التنفيذيين وقادة الوحدات التجارية بفهم رفيع المستوى لكيفية عمل الذكاء الاصطناعي وبطرق لتحديد الفرص التي يطرحها الذكاء الاصطناعي، وترتيبها حسب أولويتها. كما أنها توفر مجالاً لمناقشة أثر ذلك على أدوار العمال، والعوائق التي تحول دون تبنيها، وتطوير أصحاب المواهب؛ كما توفّر هذه الأكاديميات إرشادات تتعلق بكيفية ترسيخ التغييرات الثقافية الضمنية المطلوبة.

تحليل البيانات

ينصب التركيز هنا على الصقل الدائم للمهارات التقنية والناعمة لعلماء البيانات، ومهندسي البيانات، ومصممي هيكلية البيانات، وغيرهم من الموظفين المسؤولين عن تحليل البيانات وحوكمتها، وبناء حلول الذكاء الاصطناعي.

المترجم

غالباً ما يأتي مترجمو تحليل البيانات من صفوف موظفي الأقسام التجارية ويحتاجون إلى تدريب تقني أساسي، في أشياء من قبيل كيفية تطبيق المقاربات التحليلية لحل المشاكل التجارية وتطوير استعمالات الذكاء الاصطناعي.

وقد يشمل التدريس الذي يحصلون عليه دورات تدريبية عن طريق الإنترنت، واكتساب خبرات عملية من المترجمين القدامى، واجتياز "امتحان" نهائي يطبقون فيه بنجاح مبادرة للذكاء الاصطناعي.

المستخدم النهائي

قد يحتاج العاملون على الخطوط الأمامية إلى مقدمة عامة فقط على أدوات الذكاء الاصطناعي الجديدة، يلي ذلك تدريب عملي وإرشاد وهم على رأس عملهم في كيفية استخدام هذه الأدوات. وقد يحتاج صنّاع القرارات الاستراتيجية، مثل المسوقين، والموظفين الماليين، إلى جلسات تدريبية أرفع مستوى تتضمن سيناريوهات حقيقية تمس أعمال الشركة التي يمكن للأدوات الجديدة أن تحسّن فيها مثلاً القرارات المتعلقة بإطلاق المنتجات.

تعزيز التغيير

يستغرق استكمال معظم عمليات التحول الخاصة بالذكاء الاصطناعي ما بين 18 و36 شهراً، في حين قد يحتاج بعضها إلى ما يصل حتى خمس سنوات. وإذا ما أراد القادة الحيلولة دون فقدان هذه العمليات للزخم، فإنها بحاجة إلى أربعة أشياء:

إقران الأقوال بالأفعال

ضرب مثال يُحتذى هو أمر أساسي للغاية. على سبيل البداية، يمكن للقادة أن يُظهروا مدى التزامهم بالذكاء الاصطناعي عبر حضور تدريبات الأكاديمية.

لكنهم يجب أن ينشطوا أيضاً في التشجيع على طرق جديدة في العمل. يحتاج الذكاء الاصطناعي إلى تجريب، وغالباً لا تنجح النسخ الأولى كما هو مخطط لها. وعندما يحصل ذلك، يجب على القادة أن يسلطوا الضوء على العبر والدروس المستفادة من البرامج التجريبية. سوف يساعد ذلك في التشجيع على المجازفة المناسبة.

أكثر الأشخاص فاعلية من بين هذه النماذج التي تحتذى وقابلناهم متواضعون. فهم يطرحون أسئلة، ويعززون قيمة الآراء المتنوعة. وهم يجتمعون دورياً مع الموظفين لمناقشة البيانات، وطرح أسئلة من قبيل "ما عدد المرات التي نكون فيها على صواب؟" و "ما هي البيانات التي بحوزتنا وتدعم قرار اليوم؟"

من الأمثلة الجيدة على ذلك الرئيسة التنفيذية لمتاجر تجزئة متخصصة. ففي كل اجتماع تحضره، تدعو الحاضرين إلى طرح خبرتهم وآرائهم، وتطرح خبرتها وآراءها في النهاية. كما تخصص الوقت للاجتماع مع موظفي الأقسام التجارية وقسم تحليل البيانات كل بضعة أسابيع لتطلع على ما أنجزوه – سواء تعلق الأمر بإطلاق مشروع تجريبي جديد أو توسيع نطاق مشروع حالي.

تحميل مختلف الأقسام المسؤولية

ليس من غير الشائع أن نرى موظفي تحليل البيانات يعيّنون كمالكين لمنتجات الذكاء الاصطناعي. لكن بما أن تحليل البيانات هو ببساطة عبارة عن وسيلة لحل المشاكل التجارية، فإن الوحدات التجارية هي من يجب أن يقود المشروع وأن يكون مسؤولاً عن نجاحه. يجب أن توكل الملكية إلى شخص من القسم التجاري ذي الصلة، وهو يجب أن يكون مسؤولاً عن رسم خارطة بالمناصب، وتوجيه المشروع من ألفه إلى يائه. في بعض الأحيان، تعيّن الأقسامُ مالكين مختلفين في نقاط مختلفة من دورة حياة عملية التطوير (على سبيل المثال أثناء إثبات القيمة، أو التطبيق، أو النشر على نطاق واسع). وهذا خطأ أيضاً، لأن ذلك قد يؤدي إلى ترك الأمور معلقة أو إلى تضييع الفرص.

يُعتبرُ وجود بطاقة أداء تضم مقاييس الأداء في المشروع وتشمل كل الجهات المعنية طريقة ممتازة لضمان التوافق بين أهداف فرق تحليل البيانات وفرق الأقسام التجارية. استعملت إحدى شركات الطيران، على سبيل المثال، بطاقة أداء مشتركة لقياس معدل تبنّي أحد حلول الذكاء الاصطناعي الرامية إلى الوصول بعمليات التسعير والحجوزات إلى الوضع المثالي، وتسريع الوصول به إلى حالة القدرة الكاملة، فضلاً عن قياس نتائجه التجارية.

تتبّع عملية التبني وتسهيلها

المقارنة بين نتائج القرارات المتخذة بمساعدة الذكاء الاصطناعي وتلك المتخذة دونه يمكن أن تشجع الموظفين على تبنّيه. على سبيل المثال، في إحدى شركات السلع، علم المتداولون أن توقعاتهم غير المدعومة بالذكاء الاصطناعي كانت عادة صائبة في نصف الحالات – أي لم تكن أفضل من مجرّد التخمين. هذا الاكتشاف جعلهم أكثر انفتاحاً على أدوات الذكاء الاصطناعي لتحسين عملية التوقع.

يمكن للفرق التي ترصد التنفيذ أن تصحح المسار حسب المقتضى. في إحدى شركات التجزئة في أميركا الشمالية، رأى مالك مشروع للذكاء الاصطناعي أن مدراء المتاجر كانوا يعانون من إدماج محصلات أحد المشاريع التجريبية ضمن آلية تتبّع نتائج أداء المتاجر التي كانوا يستعملونها. كان التعامل مع واجهة المستخدم الخاصة بالذكاء الاصطناعي صعباً، كما أن الاستنتاجات التي يتوصل إليها الذكاء الاصطناعي لم تكن تدمج ضمن لوحات التحكم التي كان المدراء يعتمدون عليها يومياً لاتخاذ القرارات. وبغية إصلاح المشكلة، بسّط فريق الذكاء الاصطناعي واجهة المستخدم، وغيّر إعدادات النتائج بحيث باتت البيانات الجديدة الواردة تظهر في لوحات التحكم.

توفير الحوافز الداعمة للتغيير

يُعتبر الإقرار بالفضل ونسبه إلى أهله عنصراً مُلهماً للموظفين على المدى البعيد. تبدأ الرئيسة التنفيذية لمتاجر التجزئة المتخصصة الاجتماعات بتسليط الضوء على أحد الموظفين (مثل مدير منتج، أو عالم بيانات، أو أحد العاملين على الخطوط الأمامية) ممن ساعدوا في إنجاح برنامج الذكاء الاصطناعي في الشركة. وعلى مستوى تجمّع شركات التجزئة الكبير، أوجد الرئيس التنفيذي أدواراً جديدة لأصحاب الأداء الأفضل ممن شاركوا في تنفيذ عملية التحول الخاصة بالذكاء الاصطناعي. على سبيل المثال، رقى مدير فئة المنتج الذي ساعد في اختبار الحل المقترح للوصول بالعمليات إلى السوية المثالية خلال مرحلته التجريبية ليقود عملية نشره ضمن المتاجر – مما يظهر بوضوح الآثار المترتبة على المسيرة المهنية لعملية تبنّي الذكاء الاصطناعي.

أخيراً، يجب على الشركات أن تتفقد مدى التوافق الحقيقي بين الحوافز المقدمة إلى الموظفين واستعمال الذكاء الاصطناعي. لم يكن هذا هو الحال في متجر تجزئة تقليدي طور نموذجاً للذكاء الاصطناعي للتطبيق المثالي لعمليات تسعير الحسومات ليكون بمقدوره التخلص من المخزون القديم. كشف النموذج أن من المربح أكثر في بعض الأحيان التخلص من المخزون القديم عوضاً عن بيعه بحسومات، لكن موظفي المتجر كانوا يحصلون على الحوافز ليبيعوا كل شيء، حتى بحسومات ضخمة. بما أن توصيات الذكاء الاصطناعي عاكست المعيار الذي كانوا يعملون وفقه، وممارسات منح المكافآت التي كانوا يحصلون عليها، شكك الموظفون في الأداة وتجاهلوها.

وبما أن حوافز رواتبهم كانت مرتبطة ارتباطاً وثيقاً بالعقود ولم يكن من السهل تغييرها، حدّثت المؤسسة في نهاية المطاف نموذج الذكاء الاصطناعي ليدرك المقايضات القائمة بين الأرباح والحوافز، الأمر الذي ساعد في زيادة تبنّي المستخدمين له وحسّن الأرباح.

تخلق الإجراءات التي تروّج لنشر الذكاء الاصطناعي على نطاق واسع حلقة مثمرة. فالانتقال من الفِرَق الوظيفية إلى الفِرَق التي تضم أشخاصاً من اختصاصات مختلفة يؤدي في بادئ الأمر إلى استقطاب المهارات والآراء المتنوعة ومعطيات المستخدمين المطلوبة لبناء أدوات فاعلة. وعندما يحين الوقت المناسب، يستوعب العاملون في أرجاء المؤسسة الممارسات التعاونية الجديدة. وعندما يعمل الموظفون بشكل أوثق مع زملائهم من الأقسام والوظائف والمناطق الجغرافية الأخرى، يبدؤون بالتفكير على نطاق أوسع، حيث ينتقلون من محاولة حل مشاكل خاصة إلى إعادة تخيل الشركة ونماذجها التشغيلية بأكملها بحلة جديدة. تتزايد وتيرة الابتكار بعد أن تبدأ بقية المؤسسة في تبنّي مقاربات الاختبار والتعلم التي قادت المشاريع التجريبية إلى بر الأمان.

مع انتشار أدوات الذكاء الاصطناعي في أرجاء المؤسسة، تتزايد قدرة الأشخاص الأقرب إلى مركز الفعل على اتخاذ القرارات التي كان يتخذها يوماً ما من هم أعلى منهم مرتبة، الأمر الذي يؤدي إلى تسطيح التراتبية المؤسسية. يشجّع ذلك على المزيد من التعاون والتفكير على نطاق أوسع حتى.

تستمر الطرق التي يمكن أن يستعمل بها الذكاء الاصطناعي لتعزيز عملية اتخاذ القرار في التوسع. وسوف تسهم التطبيقات الجديدة في إحداث تغييرات أساسية وأحياناً صعبة في سير الأعمال، والأدوار، والثقافة، ويجب على القادة أن يوجهوا مؤسساتهم خلال عمليات التغيير هذه بعناية. وستجد الشركات التي تتميز في تطبيق الذكاء الاصطناعي في أرجاء المؤسسة أنها تمتلك ميزة أكبر في عالم يتفوق فيه البشر الذين يعملون جنباً إلى جنب مع الآلات في الأداء على البشر الذين يعملون وحدهم أو الآلات التي تعمل وحدها.

10 طرق لإخراج برنامج الذكاء الاصطناعي عن مساره

على الرغم من الاستثمارات الكبيرة، إلا أن العديد من المؤسسات تحصل على نتائج مخيبة من جهودها في مجال الذكاء الاصطناعي وتحليل البيانات. فما هو السبب الذي يجعل البرامج تخرج عن المسار المرسوم؟ تعرّض الشركات نفسها للفشل عندما:

1. تفتقر إلى فهم واضح لتحليل البيانات المتقدم، وتكدّس الموظفين من علماء البيانات، والمهندسين وغيرهم من الأشخاص الأساسيين دون إدراك أوجه الاختلاف بين تحليل البيانات المتقدم والتقليدي.
2. لا تقوّم الجدوى الاقتصادية، والقيمة التجارية، والآفاق الزمنية، وتطلق المشاريع التجريبية دون التفكير في كيفية الموازنة بين المكاسب القصيرة الأجل في السنة الأولى والثمار البعيدة المدى.
3. لا تمتلك استراتيجية تتجاوز مجرد عدد محدود من الاستعمالات، وتتعامل مع الذكاء الاصطناعي بطريقة مرتجلة بحسب الحالة دون أن تأخذ بحسبانها الفرص والتهديدات الأعم التي يمثلها الذكاء الاصطناعي في قطاعها.
4. لا تحدد بوضوح المناصب الرئيسة، لأنها لا تفهم طبيعة مجموعة المهارات والمهام التي يحتاجها برنامج قوي للذكاء الاصطناعي.
5. تفتقر إلى "المترجمين" أو الخبراء القادرين على جسر الهوة بين عالمي الأعمال وتحليل البيانات من خلال تحديد الاستعمالات العالية القيمة، وإبلاغ الاحتياجات التجارية إلى الخبراء التقنيين، وإيجاد حالة من القبول لدى المستفيدين من خدمات الشركة.
6. تعزل عملية تحليل البيانات عن القسم التجاري، حيث تضفي عليها طابعاً مركزياً صارماً أو تحبسها ضمن صوامع منعزلة لا يوجد بينها تنسيق قوي، عوضاً عن تنظيمها بطرق تسمح لخبراء تحليل البيانات والخبراء التجاريين بالعمل معاً عن قرب.
7. تبدد الوقت والمال على تنظيف البيانات في عموم المشروع عوضاً عن ضمان التوافق بين عملية توحيد البيانات وتنظيفها من جهة، وأكثر استعمال قيّم لها من جهة أخرى.
8. تبني منصات جاهزة لتحليل البيانات بالكامل قبل تحديد الأسباب التجارية الموجبة، وتنشئ هيكليات للبيانات مثل "بحيرات البيانات" دون معرفة أوجه استعمالاتها، وغالباً ما تدمج المنصات بالأنظمة القديمة الموروثة بطريقة غير ناجحة.
9. تهمل التحديد الكمي لأثر عملية تحليل البيانات على الأرباح لأنها تفتقر إلى إطار لإدارة الأداء يتضمن مقاييس واضحة لتتبّع كل مبادرة.
10. تفشل في التركيز على المضامين الأخلاقية، والاجتماعية، والتنظيمية، الأمر الذي يجعلها تترك نفسها عرضة لاحتمال اتخاذ خطوات خاطئة فيما يتعلق بالاستحواذ على البيانات واستعمالها، وانحياز الخوارزميات، وغير ذلك من المخاطر، وتعرّض نفسها بالتالي لعواقب اجتماعية وقانونية بسبب بناء مؤسسة معتمدة على الذكاء الاصطناعي بطريقة غير صحيحية.

للمزيد من التفاصيل، اقرؤوا المقال "عشر علامات تحذيرية تشير إلى أن برنامج تحليل البيانات لديكم سيفشل" على موقع الإنترنت (McKinsey.com).

اقرأ أيضاً:

• طريقة أفضل لاعتماد تقنيات الذكاء الاصطناعي
• كيف تستخدم الشركات الذكاء الاصطناعي في أعمالها حالياً؟
• كيف يمكن أن يساعد الذكاء الاصطناعي الشركات الصغيرة؟
• لماذا لا تتمكن الشركات التي لم تعتمد الذكاء الاصطناعي بعد من اللحاق بالركب؟