يتخذ مدراء تكنولوجيا المعلومات قرارات مهمة كل يوم تقريبًا. يعد ضمان الوصول إلى أفعالهم بشكل منطقي وذكي ونهائي أمرًا حيويًا لنجاح الأعمال على المدى الطويل. هذا عندما الذكاء الاصطناعي التنبؤي يصبح أداة أساسية.
يستخدم الذكاء الاصطناعي التنبؤي التحليل الإحصائي والتعلم الآلي لتحديد الأنماط وتوقع السلوكيات والتنبؤ بالأحداث القادمة. يستخدم الآن عدد متزايد من مديري تكنولوجيا المعلومات التكنولوجيا للتنبؤ بالنتائج المستقبلية المحتملة، والسببية، والتعرض للمخاطر، والقرارات الرئيسية الأخرى.
يشمل الذكاء الاصطناعي التنبؤي مجموعة واسعة من الأساليب، بدءًا من الأساليب الإحصائية الكلاسيكية وحتى أحدث الأساليب نماذج التعلم العميق, تقول هولي ويبيرج، الأستاذة المساعدة لأبحاث العمليات والسياسة العامة في كلية هاينز بجامعة كارنيجي ميلون. “لا يوجد نموذج واحد أفضل في جميع الحالات؛ فالأداة الصحيحة تعتمد على حالة الاستخدام، والبيانات المتاحة، وحصص القرار، وعوامل أخرى.”
على سبيل المثال، النماذج التي تتنبأ بمخاطر وفاة المريض في المستشفى على مدار 24 ساعة لها عواقب مختلفة عن النماذج التي تتنبأ بما إذا كان العميل سيجري عملية شراء على موقع البيع بالتجزئة، كما يوضح ويبيرج. “تحتوي حالات الاستخدام المتنوعة هذه على مقاييس أداء مختلفة مثيرة للاهتمام، واحتياجات مختلفة لقابلية التفسير، والمزيد.”
يقول دامو باشيام، مدير تكنولوجيا المعلومات ومسؤول الابتكار في شركة بيركاديا، وهي شركة عقارية تجارية ورهن عقاري، إن الذكاء الاصطناعي التنبؤي يساعدنا على الانتقال من مرآة الرؤية الخلفية إلى الزجاج الأمامي. ويقول: “في العقارات التجارية، هناك العديد من الإشارات، بما في ذلك اتجاهات الاقتصاد الكلي، والتركيبة السكانية، وأداء العقارات، وأسواق رأس المال”. “يجمع الذكاء الاصطناعي هذه العناصر معًا لإظهار ما هو محتمل بعد ذلك، حتى نتمكن من التصرف مبكرًا، وتخصيص الموارد بشكل أفضل، وإدارة المخاطر بثقة أكبر.”
ربط التوقعات بالقرارات النهائية
كيف جيدا نموذج الذكاء الاصطناعي يقول بيتر موترام، رئيس ممارسة البيانات والتحليلات المؤسسية في شركة بروتيفيتي الاستشارية، إن القدرة على التنبؤ بنتيجة سترتبط ارتباطًا مباشرًا بقدرتها على اكتشاف أنماط ذات معنى في البيانات التي يستحيل رؤيتها بالعين البشرية.
يقول ويبيرج: في نهاية المطاف، فإن مفتاح الاستفادة من الذكاء الاصطناعي التنبؤي هو ربط المهمة التنبؤية بالقرارات النهائية. وتشير إلى أن التنبؤ ليس له قيمة تجارية في حد ذاته – فقيمته تأتي من الإجراءات التي يخبر بها. “بينما تفكر المؤسسات في دمج أدوات الذكاء الاصطناعي التنبؤية، يجب على القادة البدء من حالة الاستخدام: ما هي مشكلة العمل، وما هي الأفكار التي يأملون في استخلاصها من البيانات، وما هي الإجراءات التي ستستفيد منها لحل المشكلة؟” غالبًا ما تقترن النماذج التنبؤية بأطر كمية أخرى، مثل التحسين والمحاكاة، لنمذجة النظام الأوسع وربط التنبؤات بالقرارات. “يضمن هذا العرض على مستوى النظام أن الأدوات تحل المشكلة الصحيحة لتحقيق أقصى قدر من التأثير التنظيمي.”
الخطوات الأولى
ويؤكد يوغيش جوشي، نائب الرئيس الأول لمنصات المنتجات العالمية، في وكالة تقارير الائتمان الاستهلاكي TransUnion، أن الخطوة الأولى هي تحديد مشكلة عمل واضحة يمكن أن تستفيد من التنبؤ أو التعرف على الأنماط.. “ثم قم بتقييم جاهزية بياناتك، مع التأكد من أن لديك بيانات تاريخية نظيفة وذات صلة.”
بعد ذلك، اختر حالة استخدام، مثل التنبؤ بالطلب، أو تراجع العملاء، أو اكتشاف الاحتيال. ثم حدد الأدوات المناسبة. يقول جوشي: “توفر المنصات مثل Azure ML، أو DataRobot، أو Amazon SageMaker نقاط دخول يمكن الوصول إليها”. وأخيرًا، قم ببناء فريق متعدد الوظائف، بما في ذلك علماء البيانات وخبراء المجال وصناع القرار.
إمكانية تطبيق الذكاء الاصطناعي التنبؤي عبر الصناعات
يقول ويبيرج إن التنبؤات موجودة في كل مكان عبر مجالات مختلفة، سواء التنبؤ بطلب العملاء على المنتجات الاستهلاكية، أو تعداد المرضى الداخليين في المستشفى، أو حركة المرور في ساعة الذروة في نظام مترو الأنفاق. “على الرغم من أن التنبؤ يمثل مشكلة كلاسيكية، إلا أن التطورات الأخيرة في الذكاء الاصطناعي مكنت من إجراء المزيد من التنبؤات المستندة إلى البيانات وفي الوقت الفعلي، مع الاستفادة من تدفقات البيانات المتعددة.” تفيد هذه التنبؤات في تخصيص الموارد، بما في ذلك استراتيجية التوريد وإدارة القدرات، بالإضافة إلى القرارات النهائية الأخرى.
ابدأ صغيرًا وذكيًا، كما يوصي القاضي إيرولين، مدير التكنولوجيا التنفيذي في شركة خدمات هندسة البرمجيات BairesDev. ابحث عن حالة استخدام واحدة ذات نتائج قابلة للقياس لاستخدامها كتجربة، مثل التنبؤ باستخدام البنية التحتية السحابية أو توقع تراجع العملاء. وينصح قائلاً: “استخدم ذلك لبناء الثقة الداخلية وإظهار القيمة”. “لست بحاجة إلى إصلاح أنظمتك أو إسقاط أرقام ستة على البرنامج على الفور.” ويشير إيرولين إلى أن العديد من مديري تكنولوجيا المعلومات ينجحون من خلال دمج النماذج التنبؤية في أدوات ذكاء الأعمال الحالية أو الشراكة مع البائعين الذين يوفرون ميزات تنبؤية للتوصيل والتشغيل.
المزالق المحتملة
عند تفسير نماذج الذكاء الاصطناعي التنبؤية، من المهم أن ندرك أن الميزات التنبؤية لا تعني وجود علاقة سببية. يقول ويبيرج: “إن الميزة التي تتنبأ بالطلب المستقبلي لا يمكن بالضرورة تعديلها لزيادة الطلب المستقبلي”.
مراقبة الأداء أمر بالغ الأهمية أيضًا. “يمكن أن يتدهور أداء النموذج بمرور الوقت لعدة أسباب، بما في ذلك التحولات في الميزات التنبؤية الأساسية، والتغيرات في سلوك المستخدم، وصدمات النظام الخارجية.” وتضيف أنه يجب على المنظمات تطوير استراتيجيات مراقبة استباقية لتحديد “انحراف النموذج” واتخاذ الإجراءات التصحيحية عند الضرورة.
الأفكار النهائية
يقول جوشي إن الذكاء الاصطناعي التنبؤي ليس حلاً سحرياً، بل هو أداة تعزز عملية صنع القرار البشري، لكنه لا يحل محلها. ويوضح قائلاً: “يعتمد النجاح على مواءمة مبادرات الذكاء الاصطناعي مع أهداف العمل، وتعزيز الثقافة القائمة على البيانات، وضمان الاستخدام الأخلاقي والمسؤول”. “عندما يتم ذلك بشكل صحيح، يمكن أن يكون قوة تحويلية.”
يحذر موترام من عدم السماح للكمال أن يعيق التقدم. “يعد الذكاء الاصطناعي التنبؤي مجالًا جديدًا ومثيرًا، وسيحصل المشاركون في اللعبة على المزايا الأولى، بما في ذلك الموهبة والرؤى التنافسية والوعد بتوفير التكاليف التي يمكن استثمارها في المزيد من حلول الذكاء الاصطناعي أو تحسين النظام البيئي لمدير تكنولوجيا المعلومات.”
