يسلط قرار OpenAI الأخير بإبطاء تطوير نماذج الذكاء الاصطناعي الأكثر تقدمًا مؤقتًا الضوء على التحدي الذي سيواجهه مديرو تكنولوجيا المعلومات بشكل متزايد أثناء قيامهم ببناء خرائط طريق حول قدرات الذكاء الاصطناعي سريعة التطور: يمكن أن تتغير وتيرة واتجاه تطوير النموذج بشكل أسرع من خطط المؤسسة.
في إعلان صدر يوم الثلاثاء، قالت OpenAI إنها تعمل على إبطاء وتيرة توسيع نطاق نموذج الذكاء الاصطناعي مؤقتًا بعد أن أثار تطوران مخاوف جديدة بشأن النماذج ذات القدرة المتزايدة. في واحد، ان هرب عميل الذكاء الاصطناعي المشارك في تقييم الأمن السيبراني بيئة الاختبار والبنية التحتية المعرضة للخطر في منصة الذكاء الاصطناعي Hugging Face. بشكل منفصل، قالت OpenAI إن الأدلة الأولية تشير إلى أن نموذج Astra القادم قد يلبي عتبة “قدرة الأمن السيبراني الحرجة” بموجب إطار عمل الاستعداد الخاص بالشركة.
وقد دفعت هذه التطورات OpenAI إلى استنتاج أن Astra وأعباء العمل الأخرى ذات الصلة بالإنترنت تتطلب الآن ذلك الضمانات الأمنية الأكثر صرامة وبالتالي يظل عدد كبير من أعباء عمل التدريب والتقييم في Astra متوقفًا مؤقتًا حتى يتمكنوا من تلبية المتطلبات الجديدة. كما أوقفت الشركة أيضًا التدريب على التعلم المعزز لمدة أسبوعين لأحدث نماذجها المعدة للنشر، في حين أن أكبر عملية تدريب على التعلم المعزز المخطط لها تظل معلقة إلى أجل غير مسمى.
بالنسبة لأي شخص ينتظر أحدث قدرات Astra، فإن هذا الإيقاف المؤقت سيعطل جداوله الزمنية. ولكن على نطاق أوسع بالنسبة لمدراء تكنولوجيا المعلومات، توضح هذه الحادثة مشكلة التخطيط التكنولوجي: يتعين على المؤسسات التي تبني تطبيقات وعمليات حول الذكاء الاصطناعي أن تأخذ في الاعتبار قدرات النموذج والتوافر وخرائط طريق البائعين التي يمكن أن تتغير بشكل غير متوقع.
وهذا يجعل المرونة ذات أهمية متزايدة، بدءًا من كيفية تخطيط مشاريع الذكاء الاصطناعي وتمويلها وحتى كيفية تصميم التطبيقات واختبارها.
البناء حول القدرات التجارية
غالبًا ما كان إغراء الشركات التي تتبنى الذكاء الاصطناعي التوليدي هو تنظيم الخطط حول قدرات نموذج معين – والتحديثات الموعودة القادمة. لكن هذا النهج يمكن أن يترك خرائط الطريق التكنولوجية مكشوفة عندما تنشأ تغييرات في خطط البائع. وبدلاً من ذلك، يوصي خبراء الصناعة بنقطة بداية مختلفة.
وقال جيزيم أجار، قائد الذكاء الاصطناعي في إحدى شركات التصنيع والأستاذ المساعد في جامعة شيكاغو: “يجب على معظم الشركات عزل خارطة طريق الأعمال عن عدم اليقين في النموذج من خلال البدء بالنتيجة المرجوة، وليس النموذج نفسه”.
وقال أجار إن ذلك يعني تحديد القدرة التجارية التي ترغب المنظمة في تطويرها – سواء أكانت أتمتة سير العمل، أو تحسين الخدمة، أو تسريع العملية – والحفاظ على المرونة حول كيفية تقديم هذه القدرة.
يصبح التمييز مهمًا بشكل خاص عندما تقوم الشركات باستثمارات متعددة السنوات في التطبيقات أو البنية التحتية. إن المشروع الذي تعتمد حالة أعماله على نموذج محدد يصل إلى قدرة معينة في وقت معين يحمل مستوى مخاطرة مختلفًا عن المشروع الذي يمكنه تقديم قيمة من اليوم الأول، باستخدام النماذج المتاحة بالفعل.
لكن هذا لا يعني التضحية بكل الاستكشافات. أوصى أندرياس ويلش، المؤسس والرئيس التنفيذي للذكاء الاصطناعي البشري في شركة Intelligence Brifing، بإبقاء معظم الاستثمار التكنولوجي مركزًا على الابتكارات الراسخة، مع الاحتفاظ بجزء أصغر بعد ذلك لتجربة القدرات الحدودية.
وقال ويلش: “يمكّن هذا النهج مؤسسات تكنولوجيا المعلومات من الابتكار باستخدام ما هو متاح اليوم والاستعداد عندما يتم نشر النموذج أخيرًا”.
ويمكن أن يساعد أيضًا مدراء تكنولوجيا المعلومات على إدارة التوتر بين التجريب والتخطيط طويل المدى. تعتبر النماذج الحدودية مهمة للمراقبة والاختبار، من حيث توفير ميزة تنافسية محتملة أو الكشف عن حالات استخدام جديدة للذكاء الاصطناعي. لكنها لا تزال غير مثبتة على نطاق واسع، بحكم التعريف. من خلال الاحتفاظ ببرنامج منفصل وأصغر للتجريب والتركيز بطريقة أخرى على القدرات في الوقت الفعلي، يمكن لمديري تكنولوجيا المعلومات الحماية من سير عمل الذكاء الاصطناعي حيث تصبح النماذج الحدودية تبعيات للأنظمة الحيوية للأعمال – قبل إثبات قدراتهم.
تصميم لتغييرات النموذج
ومع ذلك، فحتى نماذج الذكاء الاصطناعي الموثوقة يمكن أن تكون عرضة للتغيير، ولهذا السبب يجب على الشركات أيضًا تنفيذ بعضها تدابير الحماية في حالة تعطيل الوصول. على وجه التحديد، يمكن لبنية تطبيق الذكاء الاصطناعي تحديد مدى الاضطراب الذي يحدثه التغيير في توفر النموذج.
يوصي Agar بفصل طبقة النموذج عن المكونات مثل بيانات المؤسسة والاسترجاع وقواعد العمل وتنسيق سير العمل والأدوات. وقالت إن الواجهة أو البوابة التي يتم التحكم فيها بين التطبيق ونماذجه يمكن أن تمنح فرق تكنولوجيا المعلومات مرونة أكبر لتغيير مقدمي الخدمة أو النماذج دون إعادة بناء بقية النظام.
وأشار ويلش بالمثل إلى استراتيجيات البائعين المتعددين وطبقات التجريد باعتبارها مناهج راسخة يمكن تكييفها مع الذكاء الاصطناعي. وقال إن خدمات توجيه النماذج يمكن أن تسهل تبديل النماذج عندما تتغير الظروف.
تصبح الإستراتيجية ذات أهمية متزايدة حيث تتنافس المؤسسات مع أكثر من مجرد أداء نموذجي. قرارات البائع بشأن التسعير والتوافر والنشر الإقليمي و إقامة البيانات يمكن أن يؤثر أيضًا على ما إذا كان نموذج معين يظل مناسبًا لتطبيق معين. إذا كانت المرونة مدمجة بالفعل في البنية، فسيصبح من الأسهل على مديري تكنولوجيا المعلومات إجراء تبديلات تكنولوجية بسبب الفرصة، وليس مجرد الضرورة.
وقال أجار إنه يجب على مدراء تكنولوجيا المعلومات دراسة شروط المرونة أثناء الشراء الأولي لأداة الذكاء الاصطناعي، بما في ذلك:
-
أحكام إهمال النموذج.
-
التزامات الحد الأدنى للإنفاق.
-
إمكانية نقل البيانات والسجل.
-
استمرار الوصول إلى إصدارات نموذج معين.
يمكن لهذه الاعتبارات أن تحدد ما إذا كانت المؤسسة تتمتع بالفعل بالمرونة التي توفرها بنيتها أم لا.
تعامل مع تغييرات الذكاء الاصطناعي بشكل مختلف عن تحديثات البرامج
يؤدي تقلب النماذج أيضًا إلى تغيير العبء التشغيلي على فرق تكنولوجيا المعلومات، لذلك يجب على مديري تكنولوجيا المعلومات أن يضعوا في اعتبارهم صيانة الذكاء الاصطناعي بالإضافة إلى التطوير والنشر.
تمر تطبيقات المؤسسات التقليدية عمومًا بدورات إصدار خاضعة للرقابة، مما يمنح المؤسسات فرصًا لاختبار التحديثات قبل نشرها على نطاق واسع. يمكن لأنظمة الذكاء الاصطناعي تقديم نمط تغيير وجدول زمني مختلفين، لا سيما عندما يقوم البائعون بتحديث النماذج أو القدرات خارجيًا ولا يطلبون من المؤسسات إعادة بناء التطبيق نفسه.
وقال ويلش إن أدوات الذكاء الاصطناعي يمكن أن تتصرف بشكل مختلف خلال فترات قصيرة نسبيا، مما يجعل المؤسسات أكثر حساسية لوتيرة التغيير. وهذا يعني أنه لا يمكن إجراء الاختبار والتحقق يدويًا عند الإعلان عن التحديث؛ يجب أن تكون جزءًا متأصلًا من تشغيل سير عمل الذكاء الاصطناعي.
وافق Agar على ذلك، وأوصى ببروتوكول للاختبار والتقييم المستمر حيث تؤدي التغييرات المهمة في النموذج إلى إجراء تقييمات مقارنة مع المنتجات الحالية ومتطلبات الامتثال وحالات الأعمال الحرجة. وأضاف ويلش أنه يمكن زيادة كثافة هذه البروتوكولات، اعتمادًا على نوع سير العمل الذي يتم اختباره والتكلفة المحتملة للخطأ:
وقال: “كلما كان التطبيق الذي يدعم الذكاء الاصطناعي أقرب إلى العمليات الأساسية للشركة، كلما كانت هناك حاجة إلى إجراء اختبار أكثر صرامة، لأن الابتكار الذي يكسر النظام أو العملية يكلف الشركة أكثر مما يوفره”.
بالنسبة لمدراء تكنولوجيا المعلومات، يجب أن تصبح إدارة نموذج الذكاء الاصطناعي جزءًا من دورة حياة البرنامج العادية بدلاً من تقييم لمرة واحدة يتم إجراؤه قبل النشر. تحتاج المؤسسة إلى معرفة ليس فقط ما إذا كان النموذج يعمل بشكل جيد عند تحديده، ولكن ما إذا كان الإصدار البديل أو المحدث يستمر في تلبية متطلبات التطبيقات المبنية حوله.
أعطِ مجلس الإدارة سيناريوهات، وليس تنبؤات نموذجية
لقد أصبح الاستثمار في الذكاء الاصطناعي ونشره بالفعل من القضايا على مستوى مجلس الإدارة، وذلك بسبب مدى تغلغل الذكاء الاصطناعي الآن في العمليات التجارية المختلفة عبر المؤسسة. لذلك، يؤثر الخلل المحتمل في النموذج أيضًا على الطريقة سوف يرغب مدراء تكنولوجيا المعلومات في توصيل خطط الذكاء الاصطناعي إلى القيادة العليا.
يمكن للتنبؤات المبنية على إصدارات نماذج محددة أن تؤدي إلى دقة خاطئة. إن خريطة الطريق التي تفترض وصول قدرة معينة خلال ستة أشهر يمكن أن تصبح قديمة بسرعة إذا قام البائع بتغيير خطط التطوير الخاصة به، في حين أن خريطة الطريق المبنية حول قدرات الأعمال يمكن أن تستوعب نتائج تكنولوجية مختلفة.
وأوصى أجار بتحويل المناقشات التنفيذية نحو السيناريوهات: ما يمكن للمؤسسة تحقيقه باستخدام التكنولوجيا الحالية، وما هي القدرات الناشئة التي يمكن أن تجعلها ممكنة، ومدى سرعة استجابة الشركة إذا أصبحت هذه القدرات متاحة.
وقالت: “في كثير من الحالات، قد تخلق القدرة على الاستجابة بسرعة للقدرات الجديدة قيمة أكبر من محاولة التنبؤ بموعد وصولها بالضبط”.
كما يمنح هذا النهج مدراء تكنولوجيا المعلومات وسيلة للتمييز بين الاستثمارات التكنولوجية التي يجب أن تتم الآن وتلك التي تعتمد على التطورات المستقبلية. يمكن أن يكسب فرق تكنولوجيا المعلومات الميزانية والمناورة لمواصلة تجربة النماذج الجديدة، مع الاستمرار في حماية خطط التكنولوجيا الأساسية من عدم اليقين المحيط بأي بائع فردي.
من غير المرجح أن يؤدي التباطؤ المؤقت لـ OpenAI إلى تعطيل معظم خطط تكنولوجيا المؤسسات من تلقاء نفسه. وكما أشار ويلش، فإن التأخير لمدة أسبوعين لا يكاد يذكر بالنسبة لمعظم المنظمات، وقد يتم رفع التعليق لأجل غير مسمى عاجلاً وليس آجلاً.
الدرس الأكبر يدور حول كيفية تخطيط مديري تكنولوجيا المعلومات لفئة التكنولوجيا التي يمكن أن تتغير قدراتها وخرائط طريق البائعين بسرعة. الشركات التي تفصل أهداف العمل عن النماذج الفردية، وتحافظ على القدرة على تغيير مقدمي الخدمة وبناء التقييم المستمر في عملياتها التكنولوجية، سيكون لديها المزيد من الخيارات عند حدوث هذه التغييرات. بالنسبة لمدراء تكنولوجيا المعلومات، قد تكون هذه المرونة في نهاية المطاف أكثر أهمية من التنبؤ بالنموذج الذي سيقود السوق – أو متى سيصل النموذج التالي بالضبط.
كيف تقوم ببناء المرونة في خريطة طريق الذكاء الاصطناعي الخاصة بك؟ راسلنا عبر البريد الإلكتروني على [email protected].
