كل شركات البرمجيات تقول الشيء نفسه لأصحاب الشركات الصغيرة هذه الأيام: أضِف الذكاء الاصطناعي، أو تخلّف عن الركب. روبوتات محادثة تجيب على أسئلة العملاء، أدوات تصيغ فواتيرك، أنظمة "تتنبأ" بما تحتاج إلى إعادة تخزينه. كل هذا يبدو رائعاً في العرض التجريبي. ثم تحاول توصيله بعملك الفعلي، فينهار خلال أسبوع.
المشكلة لا تكمن تقريباً أبداً في أداة الذكاء الاصطناعي نفسها. بل فيما تُطعمها إياه.
الجاهزية للذكاء الاصطناعي لا تعني "لدينا كمية كبيرة من البيانات." معظم الشركات لديها بالفعل كمية كبيرة من البيانات. إنها تعني أن هذه البيانات تعيش في مكان واحد، وتتبع تنسيقاً واحداً، وتعني الشيء نفسه في كل مرة يقرأها فيها شخص ما أو نظام ما. هذا معيار أعلى بكثير مما يتصوره معظم أصحاب الشركات الصغيرة، ولا علاقة له بمدى ما رقمنوه من عملهم.
هكذا تبدو الشركة "غير الجاهزة" عملياً، لأن الاحتمال كبير أن ينطبق عليك واحد من هذه على الأقل الآن. بيانات العملاء تعيش جزئياً في صندوق بريد إلكتروني، وجزئياً في جهات اتصال هاتف، وجزئياً في ذهن الشخص الذي يتذكر أن عميلاً معيناً يريد دائماً التوصيل يوم الجمعة. الفواتير مكدّسة في مجلد ملفات PDF بأسماء من نوع "فاتورة_نهائية_v3_الحقيقية.pdf." أسماء المنتجات تُكتب بطريقة مختلفة قليلاً بحسب من يُدخلها، فيظن نظام المخزون أن "قطعة 500 غرام" و"قطعة ٥٠٠ غرام" صنفان مختلفان. التواريخ تُكتب بثلاث طرق مختلفة في ثلاث أدوات مختلفة.
لا شيء من هذا يمثل مشكلة عندما يقوم إنسان بالعمل، لأن البشر بارعون في سد الفجوات بالسياق. أما أداة الذكاء الاصطناعي فليست كذلك. أطعِم روبوت محادثة ببيانات أسعار متضاربة وسيُعطي العميل رقماً خاطئاً بكل ثقة. أطعِم أداة توقع بسجلات مخزون مكررة وستخبرك بإعادة طلب شيء لديك بالفعل ثلاث قطع منه. هذه أقدم قاعدة في علوم الحاسوب، وتبقى صحيحة تماماً مع نموذج لغوي خلف الستار كما كانت مع جدول بيانات بسيط: مدخلات رديئة، مخرجات رديئة. الذكاء الاصطناعي لا يُصلح البيانات الفوضوية. هو فقط يتخذ قرارات سيئة بناءً عليها، بسرعة أكبر، وبثقة أكبر.
لذا قبل التسوق لشراء منتج ذكاء اصطناعي، العمل الحقيقي هو تنظيف ما سيغذّيه. إليك الترتيب الذي عادةً ما يكون منطقياً.
1. اجمع بيانات العملاء والمعاملات في نظام واحد. لا حاجة لأن يكون معقداً. نظام إدارة علاقات عملاء حقيقي، أو قاعدة بيانات مشتركة، أو حتى جدول بيانات محفوظ بعناية من قِبل شخص واحد مسؤول، كل هذا أفضل من بيانات مبعثرة بين خمس أدوات دون أي مسؤول عنها.
2. وحّد طريقة تسجيل الأشياء. اختر تنسيقاً واحداً للتاريخ، وطريقة واحدة لتسمية المنتجات، وطريقة واحدة لتسجيل عملية بيع. اكتب ذلك في مكان ما ليتبعه الموظفون الجدد أيضاً. الأمر مملّ، لكن هذه الخطوة وحدها تمنع معظم الأخطاء الغريبة التي تظهر لاحقاً.
3. حدّد القرار الذي تريد فعلاً مساعدة فيه قبل أن تشتري أي شيء. "الإجابة تلقائياً على أسئلة العملاء الشائعة" و"التنبؤ بالمنتجات التي يجب إعادة طلبها" يحتاجان بيانات مُعدّة بطرق مختلفة تماماً. الأهداف الغامضة تؤدي إلى أدوات مكلفة لا تناسب أبداً بشكل جيد.
4. ابنِ الأنابيب قبل الصنبور. أي قاعدة بيانات أو نظام مستندات حقيقي يمكن لأداة مستقبلية الاستعلام منه فعلياً، بدلاً من كومة ملفات يضطر أحدهم لإعادة تصديرها يدوياً كلما تغيّر شيء.
لا شيء من هذا مثير أو براق، ولا شيء منه يبدو وكأنه "استخدام الذكاء الاصطناعي." الأمر أقرب إلى تنظيف شامل منه إلى ابتكار. لكنه الفارق بين أداة ذكاء اصطناعي توفّر عليك الوقت فعلاً وأداة تصبح شيئاً جديداً عليك مراجعته وتنظيفه باستمرار.
هذا بالضبط العمل التمهيدي الذي نقوم به قبل أن نلمس أي مشروع ذكاء اصطناعي، وبصراحة هو معظم العمل الفعلي. تدقيق للبيانات، ونظام حقيقي يحل محل جداول البيانات المبعثرة، وواجهة برمجية يمكن لأداة مستقبلية الاتصال بها بسلاسة. ليس بجاذبية عبارة "مدعوم بالذكاء الاصطناعي" عند التسويق، لكنه ما يجعل جزء الذكاء الاصطناعي يعمل فعلاً بعد بنائه. إذا أردت رأياً ثانياً حول ما إذا كانت أنظمتك جاهزة لهذا، ستتحدث مباشرة مع الشخص الذي يقوم بالعمل، لا مع موظف علاقات يقرأ من نص جاهز، ولا مع طابور تذاكر دعم. هكذا نعمل ببساطة.
لديك مشروع في ذهنك؟
ابدأ مشروعك