لن تكون جميع مشاريع الذكاء الاصطناعي فائزة.
لذلك يجب على مديري تقنية المعلومات تطبيق مبادئ “الفشل السريع” على أعمالهم مبادرات الذكاء الاصطناعي، اتخاذ قرار بأسرع ما يمكن عندما لا تنجح فكرة واعدة.
قول ذلك أسهل من فعله. ال تقرير معهد ماساتشوستس للتكنولوجيا وجدت دراسة “حالة الذكاء الاصطناعي في الأعمال 2025” أن 95% من 153 من كبار القادة الذين شملهم الاستطلاع “لا يحصلون على أي عائد”.
لفهم كيف يقرر مدراء تكنولوجيا المعلومات متى يوقفون مشروع الذكاء الاصطناعي، سألنا اثنين من قادة تكنولوجيا المعلومات: ما هي العلامة الحمراء المحددة التي تخبرك بأن طيار الذكاء الاصطناعي أصبح ذو تكلفة باهظة ويجب قتله؟ وقد حدد كلاهما علامات واضحة تشير إلى أن المشروع خرج عن المسار الصحيح.
-
سو جين بيرستوك، قالت كبيرة مسؤولي تكنولوجيا المعلومات في شركة Great Day Improvements، وهي شركة لإعادة تصميم المنازل مباشرة إلى المستهلك، إن المعالم الرئيسية المفقودة هي علامة تحذير للتمحور – وأن التخطيط المسبق الدقيق يجعل إنهاء مشروع الذكاء الاصطناعي غير موجود عمليًا بالنسبة لها.
-
إد كلاركقال مدير تكنولوجيا المعلومات في جامعة ولاية كاليفورنيا، التي تخدم ما يقرب من 500000 طالب، إن التقدم المتوقف والاعتماد الضعيف هما مؤشران واضحان على أن المشروع يتعثر – وأنه من الضروري مراقبة تلك العلامات حتى يتمكن القادة من إعادة توزيع الموارد على المزيد من الجهود الواعدة.
فيما يلي ردود بيرستوك وكلارك على سؤالنا، والتي تم تحريرها من أجل الوضوح والطول.
سو جين بيرستوك، كبير مسؤولي تكنولوجيا المعلومات، تحسينات اليوم العظيم
بيرستوك: “ابدأ بـ: كيف يبدو النجاح؟”
“عندما نقوم بمبادرات الذكاء الاصطناعي، أبدأ دائمًا بـ: كيف يبدو النجاح، وكيف سنقيسه؟
“على سبيل المثال، إذا كنا نستخدم الذكاء الاصطناعي لتنبؤات المبيعات أو التسويق، فإننا نبدأ بعينة صغيرة من البيانات التي نعرفها جيدًا. وبناءً على ذلك، لدينا فكرة جيدة عن الشكل الذي يجب أن يبدو عليه الناتج. وإذا لم يكن الناتج صحيحًا في الاتجاه، فعادةً ما يخبرنا ذلك بوجود خطأ ما – يمكن أن يكون البيانات أو العملية أو النموذج.
“من هناك، نضع معالم قصيرة، عادةً كل أسبوعين، لمعرفة ما إذا كنا نقترب من النتيجة التي حددناها بنتائج قابلة للقياس.
“إذا لم نكن كذلك [getting closer to the outcome]، ثم نمحور أو نؤجل. أنا لا أؤمن بدفع الذكاء الاصطناعي إلى الأمام لمجرد القول بأننا نقوم بالذكاء الاصطناعي. إذا لم يتم تعريف النجاح بوضوح أو لم نتمكن من قياس التقدم المحرز في مقابله، فهذا بمثابة علامة حمراء.
“أنا لا أعرف عن القتل [an AI initiative] إلا إذا قررت أنه لا يتوافق مع العمل.”
“المحور للوصول إلى النجاح”
“الشيء الوحيد الذي أجده هو أن بعض المطورين أحيانًا يصابون بالشلل التحليلي فيما يتعلق بكيفية عمل الذكاء الاصطناعي. وهذا يؤدي إلى تمديد الجدول الزمني والميزانية. ولكن عندما يكون لديك معالم إضافية لم يتم تحقيقها، عليك أن تسأل ما الذي يجب تغييره لتحقيق النجاح؟
“دعني أعطي مثالاً: في الوقت الحالي، نعمل على استخدام النمذجة التنبؤية للذكاء الاصطناعي. نحن نأخذ عينة صغيرة من البيانات التي نعرفها حقًا، ونقوم بقياس المخرجات، حتى نتمكن من القول، “هذا هو الشكل الجيد حقًا. هذا يعمل.” ثم نضيف المزيد من البيانات إليه، حتى نتمكن من قياس ما إذا كان نموذجنا يعمل بشكل صحيح أو ما إذا كنا بحاجة إلى الدوران.
“في مثل هذه الحالات [where we need to pivot]ربما لا نملك الموارد أو المهارات المناسبة، لذلك قد نحتاج إلى الشراكة مع شركات استشارية لمساعدتنا.”
قيمة أن تكون “متعمدًا جدًا”
“لم يكن علي أن أكون في وضع يسمح لي بالقول: دعونا نقتله”. لكن يمكنني أن أرى أنه إذا كان ما اعتقدنا أنه منطقي بالنسبة للشركة، فإننا نقرر لاحقًا أنه ليس كذلك. لكنني لم أكن في هذا الموقف بعد لأن كل شيء كان متعمدًا للغاية. أنا حريص حقًا على تحديد التوقعات مقدمًا وتحديد النجاح. ولذا، إذا لم نحقق إنجازات مهمة، فعادةً ما يكون الأمر كذلك [because of issues] حول البيانات والعملية، لذلك نحدد المكان الذي نحتاج إلى تعديله ثم نركز فقط.”
إد كلارك، رئيس قسم تكنولوجيا المعلومات، نظام جامعة ولاية كاليفورنيا
كلارك: قائمة الأعلام الحمراء
“في رأيي، تكون هذه العلامة الحمراء عندما لا يكون لدى الطيار مسار واضح لخلق قيمة استراتيجية لمؤسستك.
“علامة حمراء أخرى هي عندما يعلق الفريق في حلقة مفرغة، عندما يعودون بنفس تحديثات الحالة ولا ترى أي تقدم، عندما ترى نفس الشرائح، نفس العقبات، عندما تسمع، “لقد وصلنا تقريبًا” ولا يحدث شيء، ولا توجد نتائج قابلة للتسليم. ثم تعلم أن هذا الشيء عالق.
“هناك شيء آخر يجب البحث عنه وهو عندما يكون التبني ضعيفًا، عندما تطرح شيئًا قاله الجميع، “أوه، سيكون هذا رائعًا جدًا”، ولكن بعد ذلك لا يستخدمه أحد.
“وأيضًا، إذا اختفت الرعاية التنفيذية، فهذا شيء آخر أبحث عنه.
“وهناك إشارة أخرى مهمة حقًا – وهذا يحدث طوال الوقت – وهي عندما يقوم البائعون بإنشاء قدرة أساسية لمنصتهم [that’s similar to the AI project you’re developing]. نحن لسنا في مجال التنافس مع هؤلاء البائعين.
“ثم الشيء الأخير – وهذا يحدث بشكل خاص في الذكاء الاصطناعي – هو عندما تكون حالة الاستخدام الأصلية التي أنت متحمس لها جميعًا قديمة نوعًا ما لأن التكنولوجيا تتحرك بسرعة كبيرة.
“أي من هذه يمكن أن تكون أعلام حمراء.”
العثور على الأسباب الكامنة وراء الأعلام الحمراء
“عليك أن تسأل لماذا تنتهي بعض المشاريع بأعلام حمراء.
من الممكن أن يكون ما يُطلب منك خارج نطاق ما يستطيع فريقك تحقيقه. ثم عليك أن تعرف ما إذا كان [the AI project] هي فكرة جيدة بما يكفي لمتابعتها – حيث أرغب في متابعتها وربما جلب موارد خارجية لإنجازها، أو ما إذا كانت تجربة تجريبية حيث يكون من المقبول لفريقك أن يتدرب ويتعلم فقط، أو ما إذا كان المدير التنفيذي الذي كان متحمسًا لها ولكنه لن يجتمع معنا بشأنها حقًا لا اهتم به بعد الآن، لذلك لا ينبغي عليك متابعته.
“كل الأموال والجهد الذي تنفقه يمكن أن يذهب نحو شيء آخر يمكن أن يحقق أهداف المنظمة.”
الطيار الذي فشل في السيطرة
“يمكنني أن أخبركم بمثال محدد: إحدى الأشياء التي ننظر إليها باستمرار هي القدرة على تحمل التكاليف. واعتقدنا أنه يمكننا جعل الكتب المدرسية المفتوحة – هذه الكتب المدرسية المجانية – في متناول الطلاب بشكل أكبر من خلال إنشاء تراكب الذكاء الاصطناعي الذي [functions as] مدرس.
“لذلك حاولنا تجربة هذا الشيء، ولكن لم يكن هناك اعتماد. كان الأمر محبطًا لأننا رأينا طريقة لجعل الكتب المدرسية المفتوحة أكثر فائدة لطلابنا من خلال إضافة نظام الدعم هذا.
“اتضح أن أعضاء هيئة التدريس بشكل عام لا يحبون الكتب المدرسية المفتوحة، لأنها لا تأتي مع الموارد التعليمية التي يريدونها. وعلى الرغم من أنها كانت فكرة رائعة من شأنها أن تساعد في خدمة مهمتنا وتعزيز أهدافنا الاستراتيجية – والتي اعتقد المسؤولون التنفيذيون في الأصل أنها ستكون رائعة – إلا أنه كان علينا قتل الفكرة.”
ما تعلمه الفريق من قتل المشروع
“لقد كان من المؤلم إجراء هذا الاتصال، لأنني أعتقد أن حجم طلابنا [collectively] ويقدر الإنفاق على الكتب المدرسية كل عام بمئات الملايين من الدولارات. لكننا تعلمنا الكثير من العمل في هذا المشروع. مثلًا، إذا أردنا فعل هذا حقًا، فنحن بحاجة إلى التأكد من أنه متعدد اللغات وأنه يمكنه التعامل مع الرموز الرياضية. لقد تعلمنا أشياء ستكون مفيدة لمجتمعنا ويمكن تطبيقها في أماكن أخرى.”
