لاتخاذ القرارات بسرعة ودقة أكبر، تتحول الشركات بشكل متزايد إلى التعلم الآلي، وهو التطبيق الأكثر عملية اليوم للذكاء الاصطناعي (AI). التعلم الآلي هو نوع من الذكاء الاصطناعي يسمح لتطبيقات البرمجيات بأن تصبح أكثر دقة في التنبؤ بالنتائج دون أن تكون مبرمجة صراحة للقيام بذلك. تستخدم خوارزميات التعلم الآلي البيانات التاريخية كمدخلات للتنبؤ بقيم الإخراج الجديدة. يشارك النقاد في الصناعة رؤىً حول سبب جعل التعلم الآلي جزءاً أساسياً من العمليات التجارية.
مع خروج المؤسسات من قيود الحجر الصحي التي تم فرضها على الشركات بسبب جائحة كوفيد -19، احتل التعلم الآلي مركز الصدارة لأنه يمنح الشركات نظرة على الاتجاهات في سلوك العملاء وأنماط تشغيل الأعمال، بالإضافة إلى دعم تطوير منتجات جديدة. جعلت العديد من الشركات متعددة الجنسيات الرائدة اليوم، مثل فيسبوك وجوجل واوبر، التعلم الآلي جزءاً أساسياً من عملياتها. حيث أصبح التعلم الآلي مميزا تنافسيا كبيرا للعديد من الشركات في جميع أنحاء الشرق الأوسط وأفريقيا (MEA).
ووفقاً لشركة الأبحاث (جارتنر)، فإن اعتماد التعلم الآلي في المؤسسة يتم تحفيزه من خلال التحول الرقمي، والحاجة إلى الديمقراطية والحاجة الملحة للتصنيع. تقول الشركة إن 48 ٪ من المشاركين في استطلاع Gartner CIO و Technology Executive لعام 2022 قد نشروا بالفعل أو يخططون لنشر الذكاء الاصطناعي/التعلم الآلي في السنة المقبلة. وقالت جارتنر أن التحول الرقمي المستمر يتطلب اتخاذ قرارات أفضل وأسرع ولكن أيضاً أخلاقية، بفضل التقدم في ذكاء القرار وحوكمة الذكاء الاصطناعي.
كما أن أحد أبرز الأسباب التي تجعل صناعة تكنولوجيا المعلومات تشهد تبنياً متزايداً للتعلم الآلي هو الرغبة في جلب قوة التعلم الآلي إلى جمهور متزايد، لدمقرطة علوم البيانات والتعلم الآلي (DSML)، مما يقلل من حاجز الدخول الذي يتم تمكينه من خلال التقدم التقني في الأتمتة والتعزيز.
قال فرحان شودري، المحلل الرئيسي في جارتنر، عن تقييم المكان الذي يمكن تطبيق التعلم الآلي فيه في المؤسسة، حيث يحتاج مدير تقنية المعلومات وفريق تكنولوجيا المعلومات أولاً إلى سؤال “ما هي؟” لبيان المشكلة، على سبيل المثال، “ما هي” مؤشرات الأداء الرئيسية للأعمال التي تريد المنظمة أن تتأثر بها من خلال العمل في التعلم الآلي، وثانياً، “كيف” لبيان المشكلة، أي كيف ستنجز المنظمة هذه المهمة.
وقال تشودري إن التعلم الآلي يمكن تطبيقه في أجزاء كثيرة من الأعمال، وقد تكون بعض التطبيقات أو الفرص منخفضة الثمار، وقد يكون بعضها عبارة عن نقود أو بعض القطع المتطورة. وقال إنه ينبغي إجراء تقييم شامل ومنهجي للفرص قبل تحديد “أين” يمكن تطبيق التعلم الآلي من قبل تكنولوجيا المعلومات في المؤسسة، وحيث يمكن اتباع نهج ديمقراطي.
“يجب أن يكون هذا نهجاً كاملاً. لنفترض أننا نعمل في مجال تجارة التجزئة ونريد الاستفادة من التعلم الآلي أثناء العمل بالتعاون مع تكنولوجيا المعلومات المؤسسية لتوليد قيمة تجارية ملموسة. أول أمر للأعمال هو إجراء تقييم لقيمة الأعمال التي نتوقع أن يولدها المشروع أو مؤشرات الأداء الرئيسية التي سيؤثر عليها، وجدوى استخدام التعلم الآلي في المؤسسة. لنفترض أن أولوياتنا هي نمو الإيرادات، ونريد استخدام التعلم الآلي للتأثير على حجم المبيعات، يمكن القيام بذلك من خلال استخدام التعلم الآلي في المنتجات والخدمات والمبيعات والتسويق أو في خدمة العملاء (هذه هي خطوطنا المنفصلة من الشركات التي يمكنها الاستفادة من التعلم الآلي).
وأشار تشودري إلى أن هناك فرصاً في المبيعات والتسويق والبحث والتطوير والأعمال قانونية للشركات وإدارة رأس المال البشري وخدمة العملاء وعمليات تكنولوجيا المعلومات وتطوير البرمجيات واختبارها والعديد من المجالات الأخرى التي يمكن فيها تطبيق التعلم الآلي.
وقال مايك بروكس، المدير العالمي لإدارة أداء الأصول في أسبن: “خوارزميات التعلم الآلي خالية بشكل أساسي من العديد من المصادر المفتوحة. يبدو أن الجميع يستخدمه ولكن التعلم الآلي نفسه بالكاد هو اللمسة السرية، ولكن هذه هي الطريقة التي تستخدمها لأي غرض. أكبر مشكلة في التعلم الآلي هي مهارات علم البيانات المطلوبة والضرورة المطلقة لإشراك خبراء الموضوع مع الإلمام العميق بمساحة المشكلة، بما في ذلك العملية، الميكانيكية، الموثوقية، التخطيط/جدولة الموظفين، إلخ.”
وقال بروكس إن Aspen قامت بتضمين التعلم الآلي والذكاء الهندسي في عوامل الشذوذ والفشل التي تتم كل بضع دقائق للقيام بالتعلم الآلي والتوجيه لضمان أنها تبحث عن السببية بدلاً من الارتباط البسيط للتمييز بين المنهجية. “المنهجية المنسوخة من أفكار ايفون هي أن الأذكياء في الداخل يقومون بالعمل المعقد والشاق، لذلك لا يتعين عليك ذلك. ويؤكد هذا النهج أنه من الأسهل والأسرع القيام بتطبيقات التعلم الآلي على معدات محددة مع تطبيق يتوسع بسرعة وسهولة، مما يعني وقتاً أسرع للاستفادة من العديد من الأصول. والبديل هو نهج التعلم الآلي النقي على منصة تعلم آلي محددة لا تأخذ المستخدم إلى أي مكان بالقرب من المشكلة حيث يكون كل تطبيق مشروعاً مفتوحاً في كل مرة كاملة مع الهشاشة والمتطلبات الكبرى لخبرة المجال.”
ومع اعتماد تقنية التعلم الآلي على مستوى المؤسسة في بيئات العمل المختلفة في جميع أنحاء الشرق الأوسط وأفريقيا، يتم حث المؤسسات على إنشاء دراسة جدوى قبل الشروع في أي مشروع.
وقال رامبراكاش رامامورثي، مدير أبحاث الذكاء الاصطناعي، “منذ بداية الوباء، كانت نقطة الاتصال الأولى للعديد من الشركات رقمية.” وقال رامامورثي إنه يجب على المؤسسات أن تظل قادرة على المنافسة رقمياً للبقاء واقفة على قدميها، وأن تحقق ذلك من خلال تطبيق تقنيات أحدث مثل التعلم الآلي. وقال إن هناك عاملاً آخر هو صيف الذكاء الاصطناعي المستمر، حيث كان هناك الكثير من الاستثمارات في الذكاء الاصطناعي والتقنيات الأخرى المرتبطة به، مما أدى بدوره إلى زيادة اعتماد التعلم الآلي في جميع أنحاء العالم.
وأشار رامامورثي إلى أنه نظراً لأن التعلم الآلي يمكّن برامج المؤسسات من الانتقال من أتمتة العمليات إلى أتمتة القرار، فإن استخدام التعلم الآلي ينطوي على إعادة كتابة العمليات وسير العمل الحالي والحتمية التقليدية لجعلها احتمالية.
على سبيل المثال، يستخدم نظام الشذوذ التقليدي منحنى الجرس لتحديد الحالات الشاذة، في حين أن نظام الشذوذ القائم على التعلم الآلي يحدد الحالات الشاذة إلى جانب احتمال حدوث انقطاع. ويتعين على الرؤساء التنفيذيين للمعلومات دفع هذه التغييرات وتحفيز الفرق على استخدام ودمج التقنيات الجديدة مثل ML في سير العمل اليومي من خلال الإشارة إلى التأثير الذي يمكن أن تحدثه على نمو الأعمال “.
وقال وليد عيسى، المدير الأول لهندسة ما قبل البيع والحلول في منطقة الشرق الأوسط في NetApp، إن الذكاء الاصطناعي والتعلم الآلي قد تجاوزا مجال المفهوم إلى التطبيق في العالم الحقيقي، مما يمثل فرصة كبيرة للبقاء في المنافسة، ودفع النمو، وخفض التكاليف.
وقال عيسى إن الذكاء الاصطناعي و ML مناسبان تماماً في قطاعات مختلفة مثل التصنيع والرعاية الصحية والاتصالات والقطاع العام وتجارة التجزئة والتمويل والأتمتة. “إذا اخترت الرعاية الصحية كمثال، فإن الذكاء الاصطناعي يحول الرعاية الصحية بطرق لم نكن نعتقد أنها ممكنة. والأمر كله يتعلق بالبيانات. باستخدام البيانات، يمكن أن يساعد الذكاء الاصطناعي والتعلم الآلي أخصائيي الرعاية الصحية في إجراء تقييمات وتشخيصات أكثر استنارة ودقة واستباقية. فالقدرة على تحليل البيانات في الوقت الحقيقي تمكن المتخصصين في الرعاية الصحية من تحسين نوعية الحياة للمرضى وإنقاذ الأرواح في نهاية المطاف. وسيمكنهم ذلك من إجراء تشخيصات استباقية باستخدام أدوات رعاية صحية أكثر ذكاءً، والعثور على البيانات الصحيحة بشكل أسرع والحفاظ على سلامة المرضى ومؤسسات الرعاية الصحية من مجرمي الإنترنت والهجمات “.
يجب على الرؤساء التنفيذيين لتقنية المعلومات وقادة تكنولوجيا المعلومات إشراك الأعمال لضمان المشاركة في نشر نظام التعلم الآلي في مؤسستهم لأن ذلك يضمن النجاح في المؤسسة.
وقال كريس رويليس، رئيس قسم التكنولوجيا الميدانية في أوروبا والشرق الأوسط وأفريقيا، كلوديرا، إن الرؤساء التنفيذيين لتقنية المعلومات وقادة تكنولوجيا المعلومات سيكونون مؤثرين في بناء ثقافة البيانات والحفاظ عليها في المنظمة. وقال رويلز إن المساعدة في تطوير برنامج لمحو الأمية في مجال البيانات والعمل عبر خطوط الأعمال لغرس أهمية البيانات في كل مجال هي بداية مهمة. ثم نقترح نهجاً ديمقراطياً لإدارة البيانات حيث تتم إدارة ملكية مجال الأعمال ومشاكل البيانات من قبل الأقرب إلى الأنظمة. ثم لكل مجال لتحديد الفرص التي يمكن تطبيقها على عمليات البيانات الخاصة بهم لإدخال التعلم الآلي “.
وقال كيفن طومسون، مدير العمليات السحابية في شركة Sage Africa والشرق الأوسط وآسيا والمحيط الهادئ، إن أحد العناصر الرئيسية التي يجب مراعاتها هو إدارة التغيير نظراً لأن ML و AI يمكن أن يتوليا العديد من المهام التي ينفذها العاملون البشريون حالياً يدوياً. وقال طومسون إن الشركات يجب أن تنظر في كيفية زيادة هذه التقنيات الجديدة، بدلاً من استبدال موظفيها، وتظهر للناس كيف ستحررهم التكنولوجيا من العمليات الروتينية والمتكررة حتى يتمكنوا من التركيز على العمل الذي يحتاج إلى مزيد من الذكاء الإبداعي أو الاستراتيجي أو العاطفي.
وفقاً لـ طومبسون، في غضون بضع سنوات، سيتم تضمين ML بعمق في كل نظام كمبيوتر لدرجة أن الصناعة ستعتبره أمراً مسلماً به. قائلا “للحصول على عائد الاستثمار، يجب على المنظمات أن تبدأ بفكرة واضحة عن نتائج الأعمال التي ترغب في تحقيقها وكيف ستقيس النجاح. على سبيل المثال، قد يرغبون في استخدام التعلم الآلي لتوليد كفاءات في خدمة العملاء. في هذه الحالة، يمكنهم قياس أحجام مركز الاتصال مقابل العملاء الذين يخدمهم روبوت محادثة مدعوم من ML/AI. يمكن لشركة تأمين استخدام ML للكشف عن الاحتيال وقياس قيمة المطالبات الاحتيالية التي يلتقطها النظام “.
