يعد الذكاء الاصطناعي التوليدي أحد أهم الاتجاهات في هذا القرن. وأيضًا الاتجاه الأكثر مخيبة للآمال للعديد من الشركات.
“لقد أثبت إنتاج GenAI أنه أمر وهمي بشكل لا يصدق. تصر الإعلانات التجارية لخدمات الذكاء الاصطناعي على أنه يجب عليك اعتماد الذكاء الاصطناعي في عمليات عملك حتى تظل قادرًا على المنافسة. وفي الوقت نفسه، بدأت الصعوبات في إنتاج GenAI فعليًا في إحداث تأثيرات ملموسة على الأسواق المالية، حيث تكافح شركات التكنولوجيا لتبرير نفقاتها الرأسمالية على أجهزة الذكاء الاصطناعي والبنية التحتية. إذن، ما الذي يعطي؟ يقول سهروب كازرونيان، باحث الذكاء الاصطناعي المتميز في شركة Vectra AI.
يلقي البعض اللوم على الضجيج المبالغ فيه في إخفاقات شركة GenAI.
يقول سوراب أبهيانكار، نائب الرئيس التنفيذي وكبير مسؤولي المنتجات في شركة MicroStrategy: “كان من المحتم أن ينحدر الذكاء الاصطناعي التوليدي في نهاية المطاف إلى قاع خيبة الأمل – فلا توجد تكنولوجيا يمكنها تلبية هذا المستوى من الضجيج”.
ويعتقد آخرون أن دورة الارتفاع إلى الانهيار أمر شائع في التقنيات الجديدة حيث يبالغ البائعون في الوعود ولا يتم تثبيت توقعات العملاء على الواقع.
“لقد حدث خيبة الأمل لأن العديد من الشركات قامت بتضخيم التوقعات من العديد من العروض التوضيحية والضجيج الكبير. لقد اعتقدوا أن هذه النماذج ستكون دقيقة مثل جدول البيانات أو قاعدة البيانات، وأنهم سيكونون قادرين على دمج بياناتهم الخاصة بسهولة. لم تحدد العديد من الشركات في الواقع معايير النجاح لـ GenAI؛ يقول نافين راو، نائب رئيس الذكاء الاصطناعي في Databricks: “تشير الشركات إلى أن 90% من مشاريع إثبات المفهوم لا تصل إلى مرحلة الإنتاج أبدًا”.
ولكن ربما يكون الأمر الأكثر أهمية هو حقيقة أن عددًا كبيرًا جدًا من المنظمات قد وجدت عددًا قليلاً جدًا من حالات الاستخدام التي يمكن لـ GenAI القيام بها.
يقول أبهيانكار: “إن GenAI ليس سكينًا تكنولوجيًا للجيش السويسري، لذا لكي ترى القيمة، يجب على الشركات التركيز على ما تفعله بشكل جيد، وهو فهم وتوليد لغة طبيعية في السياق”.
ومع ذلك، تتعثر معظم الشركات في تعمقها في الاستثمار بشكل كبير بحيث لا يمكنها التوقف عن الشرب منه الآن.
“أولاً، دعونا نتذكر أن التقنيات التحويلية غالبًا ما تتعثر قبل أن تنطلق بسرعة، كما تقول. يقول لارس نيمان، كبير مسؤولي التسويق في CUDO Compute، وهي منصة توفر القوة الحسابية وراء العديد من برامج الذكاء الاصطناعي المتقدمة اليوم: “لنأخذ بعين الاعتبار الأيام الأولى للإنترنت أو حتى الكهرباء – التي تم الاستغناء عنها في البداية، ثم أصبحت لا غنى عنها”.
والخبر السار هو أن GenAI لا يمثل خسارة كاملة – ومن المحتمل ألا يكون خسارة على الإطلاق – إذا تم اتخاذ بعض التدابير الآن. إليك ما يجب تغييره لتغيير الوضع:
1. تتوقف المطاردة لمزيد من النماذج والميزات
يبدو فقدان الاهتمام بالمزيد من النماذج والميزات أمرًا غير بديهي، لكنه في الواقع ليس كذلك. تحتاج المؤسسات إلى وقت لتعلم النماذج والميزات الموجودة الآن لترى بوضوح كيف يمكن الاستفادة منها. إن الاندفاع للترقية باستمرار قبل أن تحصل على حدود الجنون من منظور تجاري بحت، والتقاط عائد الاستثمار.
“هناك هوس بسحر نماذج البيانات وغريزة الضبط المستمر لخوارزميات تعلم الآلة لمطاردة هذا النموذج “المثالي” بعيد المنال لتطبيقات GenAI. ولكن هذا هو الأمر: هذا النهج المرتكز على النموذج معيب بشكل أساسي لأنه يجعل فرق البيانات تتجاهل أساس تعلم الآلة الفعال – البيانات نفسها، “يحذر كيفن هو، المؤسس المشارك والرئيس التنفيذي لشركة ميتابلان وباحث دكتوراه في معهد ماساتشوستس للتكنولوجيا في التعلم الآلي وتصور البيانات.
احصل على بياناتك بشكل صحيح أولاً. اعرف ما لديك وحدد ما تحتاجه. ثم اختر النموذج والميزات وفقًا لذلك. في معظم الحالات، ستجد أنك بحاجة إلى أكثر من نموذج واحد للذكاء الاصطناعي حتى تعمل الإمكانات المجمعة وفقًا لتوقعاتك أو أهدافك.
2. GenAI يكسر قالبه
أدوات GenAI رائعة. إنهم يصنعون الكثير مما هو جميل والقليل مما هو عملي. وأحد الأسباب الرئيسية لحدوث ذلك هو أنه على الرغم من ثقل البيانات وقوة النموذج، فإن تطبيقات GenAI تعمل إلى حد كبير كتطبيقات مستقلة معزولة.
“على الرغم من أن GenAI كتطبيق مستقل كان مثيرًا للاهتمام، لكي يترسخ على المدى القصير، فإن الاحتمالات جيدة أن يحدث ذلك بسبب تأثير الشبكة للمنصات الضخمة الحالية: Google، وMeta، وAmazon، وApple، وما شابه ذلك. يقول إيلي جودمان، الرئيس التنفيذي والمؤسس المشارك لشركة Datos، وهي شركة عالمية مزودة لبيانات النقر وشركة Semrush.
“إن الهدف الحقيقي لشركة GenAI هو تكاملها كمكمل لتعزيز القيمة للمنتجات والخدمات اليومية الحالية. يضيف جودمان: “سواء كان البحث بمساعدة الذكاء الاصطناعي من Google، أو مساعد التسوق من Amazon Rufus، أو ميزات الذكاء الاصطناعي التي أطلقتها Apple حديثًا في iPhone 16، فإن التبني الناجح داخل هذه الأنظمة الاستهلاكية الضخمة بالفعل هو المكان الذي سيتحول فيه GenAI من الاستثناء إلى القاعدة”.
ومن المتوقع أيضًا أن يصبح GenAI كلاهما واجهة المستخدم والموصل في أبنية متعددة الوكيل.
3. يُظهر GenAI عمره الحقيقي
GenAI ليس جديدًا. يبدو أن السبب في ذلك هو الطريقة التي أحدث بها ChatGPT من OpenAI مثل هذا الانتشار غير المتوقع في السوق ومدى سرعة قفز الجميع إليه والتطبيقات الأخرى. من المؤكد أن OpenAI أنشأت نماذج جديدة وكان ChatGPT ولا يزال نموذجًا مثيرًا للإعجاب، وقد حذا حذوه البائعون الآخرون والمشاريع مفتوحة المصدر بإبداعاتهم الخاصة. ومع ذلك، فإن فئة الذكاء الاصطناعي هذه هي تقنية راسخة في معظمها.
ولكن طوال هذا الوقت، لم يتم إحراز تقدم يذكر في تحديد ما يجب فعله به.
يقول سكوت غناو، نائب رئيس منصات البيانات في InterSystems، وهي شركة تقدم حلول إدارة البيانات المدعمة بالذكاء الاصطناعي للرعاية الصحية والخدمات المالية وسلسلة التوريد والخدمات اللوجستية: “تتعامل العديد من الشركات مع GenAI كتجربة علمية عادلة”. “القيام بذلك من أجل القيام بذلك لأن الجميع يفعلون ذلك ولا يريدون أن يتخلفوا عن الركب. إنهم لا يخرجون أبدًا من النظري إلى العملي. إن مجرد نشر GenAI دون استراتيجية واضحة أو أهداف قابلة للقياس لن يؤدي إلا إلى المزيد من العوائق والمزيد من خيبة الأمل.
بمجرد أن يتوقف الجميع عن التحديق في GenAI وكأنها لعبة جديدة ويرون أنها تقنية ناضجة إلى حد ما من بين أشكال أخرى أكثر نضجًا من الذكاء الاصطناعي، يمكن للمؤسسات أن تبدأ في مطابقة القدرات وحالات الاستخدام على أساس أكثر منطقية بكثير.
4. تبدأ الشركات في تقسيم استراتيجياتها ومهامها بشكل روتيني
تعتمد تطبيقات GenAI عادةً على نماذج اللغات الكبيرة (LLMs) ويتم تصميمها للأغراض العامة. لدى الناس انطباع بأن جميع بيانات الإنترنت قد ألقيت فيه، وبالتالي يمكن استخراج أي إجابة لأي مشكلة. أوه، كم هو سحري! وهذا يؤدي إلى تعامل الشركات مع التكنولوجيا كما لو كانت قادرة على فعل أي شيء عند الطلب. حسنًا، يمكن ذلك. لكنها تفعل ذلك بشكل سيء في أغلب الأحيان.
“بالنسبة للمؤسسات التي تشعر بخيبة أمل بسبب استثمارات الذكاء الاصطناعي، فإن الجواب لا يكمن في تخصيص المزيد من الموارد لتطوير نماذج مخصصة، ولكن في تحسين بياناتها واستراتيجيات تحليل المشكلات. يقول يوفال بيرلوف، كبير مسؤولي التكنولوجيا في شركة K2View، وهي شركة لتكامل البيانات: “يعتمد النجاح على مدى جودة تنظيم المشكلة بالنسبة لـ LLM والبيانات التي تغذيها – وليس على إنشاء نماذج أكبر وأفضل”.
لقد اتضح أن تقسيم المهام هو استخدام ذكي للذكاء الاصطناعي لأنه يمكّنك من الحصول على أداء أفضل من أشياء مثل وكلاء الذكاء الاصطناعي المستقلينوالبنيات متعددة الوكلاء والنماذج المتخصصة (مثل تلك الموجودة في متجر GPT الخاص بـ ChatGPT) والنماذج المصغرة ونماذج اللغات الصغيرة الأخرى.
5. يتم وضع العلامات على البيانات في المصدر
في المتوسط، تقوم معظم الشركات بعمل رديء في فرز البيانات وتصنيفها. يؤدي هذا إلى حدوث مشكلة كبيرة في الأعمال سواء كانت مشاريع الذكاء الاصطناعي أو الأعمال الدنيوية مثل التحليلات المتقدمة أو الأتمتة. أصلح البيانات وسيكون كل شيء على ما يرام في كل مكان. إن توحيد كيفية وتوقيت تصنيف البيانات سوف يعالج الكثير من هذه العلل.
“لسوء الحظ، تقوم معظم المؤسسات بتطبيق كتالوجات البيانات لتحديد البيانات وتسميتها وتعيينها للمفاهيم الدلالية بعد تدفق البيانات عبر العديد من الخطوات والتحويلات الأخرى. “ما يجب عليهم فعله بدلاً من ذلك هو تعريف البيانات ورسم خرائط لها مباشرة من المصدر بحيث يكون لدى أي شخص أو برنامج يصل إلى البيانات تعريف مشترك لها،” كما يقول إريك بيست، الرئيس التنفيذي في SoundCommerce، مزود منصة بيانات قابلة للتركيب للبيع بالتجزئة. العلامات التجارية.
6. يُنظر إلى GenAI على نطاق واسع على أنه عمل معزز
إذا كنت تنظر إلى GenAI كأتمتة لتحل محل جميع موظفيك أو معظمهم، فأنت في حالة سيئة من الصدمة اللاصقة. لا يمكن ذلك. لن يحدث ذلك. هذه ليست حالة استخدام GenAI.
“غالبًا ما يتم الترويج لها على أنها قادرة على القيام بأشياء لا تقوم بها بشكل جيد. مثال على ذلك هو الكتابة. بالتأكيد، يمكنه الكتابة، لكن لا يمكننا أن نتركه يمضي [off on its own]”، كما يقول فيل ليبين، الرئيس التنفيذي السابق لشركة Evernote للتكنولوجيا يونيكورن والمؤسس الحالي لاستوديو الذكاء الاصطناعي الناشئ All Turtles ومنتجها mmhmm. “فلسفتي الأساسية هنا هي أنه يجب استخدام الذكاء الاصطناعي في الأماكن التي يمكن أن يساعد فيها الشخص على أن يكون أفضل في وظيفته، حتى لو استغرق الأمر وقتًا أطول. إذا كنت تتطلع إلى استبدال الوظيفة بالذكاء الاصطناعي، فهذا مضيعة للوقت. في الواقع، إذا كنت ستفعل ذلك، فلا ينبغي لك أن تفعله [or filling] تلك الوظيفة في المقام الأول.”
7. يتحول لون GenAI إلى اللون الأخضر
ليس سرًا أن GenAI، مثل جميع أشكال الذكاء الاصطناعي الأخرى، يستنزف طاقة هائلة. وفق تقرير في Nature، تشير التقديرات إلى أن البحث المعتمد على GenAI مثل Perplexity AI، وBing with Copilot، وGoogle مع Overviews، يستخدم أربعة إلى خمسة أضعاف طاقة البحث بدون الذكاء الاصطناعي. علاوة على ذلك، من المرجح أن تحتاج أنظمة الذكاء الاصطناعي الكبيرة إلى قدر كبير من الطاقة مثل دول بأكملها، وسوف تحتاج إلى كميات هائلة من المياه العذبة لتبريد معالجاتها وتوليد الكهرباء التي تستهلكها.
“تحتاج التكنولوجيا إلى النضج من حيث كفاءتها في استخدام الطاقة وتكاليف الحوسبة، مما يجعلها قابلة للاستخدام على نطاق واسع، ليس فقط في الشركات التي تركز على التكنولوجيا ولكن في جميع الصناعات. يقول سكوت ديلان، مؤسس شركة NexaTech Ventures، التي تركز على الشركات الناشئة في مجال الذكاء الاصطناعي في مراحلها المبكرة ومراحل النمو: “هذا هو المكان الذي يمكن أن تلعب فيه الابتكارات في الحوسبة الموزعة والمعالجة الكمية في نهاية المطاف دورًا تحويليًا”.
