باختصار: شركة الذكاء الاصطناعي هي تلك التي يعتمد منتجها الأساسي أو قيمتها أو ميزتها التنافسية على الذكاء الاصطناعي - فبدون الذكاء الاصطناعي، ينهار المنتج أو يتدهور أداؤه بشكل كبير. إذا فشل الذكاء الاصطناعي غدًا، وما زلت قادرًا على تقديم خدماتك باستخدام جداول البيانات أو البرامج الأساسية، فمن المرجح أن شركتك تستخدم الذكاء الاصطناعي بشكل غير مباشر، وليست شركة متخصصة فيه. تتميز شركات الذكاء الاصطناعي الحقيقية من خلال البيانات والتقييم والتطبيق وحلقات التطوير المتكررة.
أهم النقاط المستفادة:
الاعتماد الأساسي : إذا أدى إزالة الذكاء الاصطناعي إلى تعطيل المنتج، فأنت تنظر إلى شركة ذكاء اصطناعي.
اختبار بسيط : إذا كنت تستطيع المشي بصعوبة بدون الذكاء الاصطناعي، فمن المحتمل أنك تستخدم الذكاء الاصطناعي.
الإشارات التشغيلية : تميل الفرق التي تناقش الانحراف، ومجموعات التقييم، وزمن الاستجابة، وأنماط الفشل إلى القيام بالعمل الشاق.
مقاومة سوء الاستخدام : قم ببناء ضوابط وقائية، وأنظمة مراقبة، وخطط للتراجع عند فشل النماذج.
العناية الواجبة من جانب المشتري : تجنب التضليل بالذكاء الاصطناعي من خلال المطالبة بآليات ومقاييس وحوكمة بيانات واضحة.
يُستخدم مصطلح "شركة ذكاء اصطناعي" بشكل فضفاض لدرجة أنه قد يحمل معاني متعددة ولا يحمل أي معنى في آن واحد. تدّعي إحدى الشركات الناشئة أنها شركة ذكاء اصطناعي لمجرد إضافة خاصية الإكمال التلقائي. بينما تقوم شركة أخرى بتدريب النماذج، وتطوير الأدوات، وطرح المنتجات، ونشرها في بيئات الإنتاج... ومع ذلك تُصنّف ضمن نفس الفئة.
لذا، يحتاج هذا التصنيف إلى مزيد من الدقة. يظهر الفرق جلياً بين الشركات التي تعتمد كلياً على الذكاء الاصطناعي والشركات التقليدية التي تستخدم تقنيات التعلم الآلي بشكل محدود، بمجرد معرفة ما يجب البحث عنه.
مقالات قد ترغب في قراءتها بعد هذه المقالة:
🔗 كيف تعمل تقنية تكبير الصور بالذكاء الاصطناعي؟
تعرّف على كيفية إضافة النماذج للتفاصيل لتكبير الصور بشكل واضح.
🔗 كيف يبدو كود الذكاء الاصطناعي؟
شاهد أمثلة على الكود المُولّد وكيفية هيكلته.
🔗 ما هي خوارزمية الذكاء الاصطناعي؟
فهم الخوارزميات التي تساعد الذكاء الاصطناعي على التعلم والتنبؤ والتحسين.
🔗 ما هي المعالجة المسبقة للذكاء الاصطناعي؟
اكتشف الخطوات التي تقوم بتنظيف البيانات وتصنيفها وتنسيقها للتدريب.
ما هي شركة الذكاء الاصطناعي: تعريف واضح ودقيق ✅
تعريف عملي:
شركة الذكاء الاصطناعي هي شركة يعتمد منتجها الأساسي أو قيمتها أو ميزتها التنافسية على الذكاء الاصطناعي ، ما يعني أنه في حال إزالة الذكاء الاصطناعي، فإن "ميزة" الشركة ستنهار أو تتدهور بشكل كبير. ( منظمة التعاون الاقتصادي والتنمية ، إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا )
ليس "استخدمنا الذكاء الاصطناعي مرة واحدة في هاكاثون". وليس "أضفنا روبوت محادثة إلى صفحة الاتصال". بل أقرب إلى:
-
المنتج عبارة عن نظام ذكاء اصطناعي (أو يتم تشغيله بواسطة نظام ذكاء اصطناعي متكامل) ( منظمة التعاون الاقتصادي والتنمية )
-
تأتي ميزة الشركة من النماذج والبيانات والتقييم والتكرار ( Google Cloud MLOps ، NIST AI RMF Playbook - Measure ).
-
الذكاء الاصطناعي ليس ميزة - إنه المحرك 🧠⚙️
إليك اختبار بسيط للشعور الداخلي:
تخيل أن الذكاء الاصطناعي سيفشل غداً. إذا استمر العملاء في الدفع لك، وتمكنت من الاستمرار باستخدام جداول البيانات أو البرامج الأساسية، فمن المرجح أنك تستخدم الذكاء الاصطناعي، وليس الذكاء الاصطناعي بشكل أصيل.
نعم، هناك منطقة ضبابية في المنتصف. مثل صورة ملتقطة من خلال نافذة ضبابية... ليس تشبيهًا دقيقًا، لكن الفكرة واضحة 😄
الفرق بين "شركة الذكاء الاصطناعي" و"شركة مُجهزة بالذكاء الاصطناعي" (هذا الجزء يجنب الجدال) 🥊
تستخدم معظم الشركات الحديثة شكلاً من أشكال الذكاء الاصطناعي. لكن هذا وحده لا يجعلها شركة ذكاء اصطناعي. ( منظمة التعاون الاقتصادي والتنمية )
عادةً ما تكون شركة متخصصة في الذكاء الاصطناعي:
-
يبيع قدرات الذكاء الاصطناعي مباشرة (النماذج، مساعدو الطيار، الأتمتة الذكية)
-
يقوم ببناء أنظمة ذكاء اصطناعي خاصة كمنتج أساسي
-
تتضمن وظائفها الأساسية هندسة الذكاء الاصطناعي وتقييمه ونشره ( Google Cloud MLOps ).
-
يتعلم من البيانات باستمرار ويحسن الأداء كمقياس رئيسي 📈 ( ورقة عمل جوجل MLOps )
عادةً ما تكون شركة تعتمد على الذكاء الاصطناعي:
-
تستخدم الذكاء الاصطناعي داخليًا لخفض التكاليف، وتسريع سير العمل، أو تحسين الاستهداف
-
لا يزال يبيع شيئًا آخر (سلع التجزئة، الخدمات المصرفية، الخدمات اللوجستية، الإعلام، إلخ)
-
يمكن استبدال الذكاء الاصطناعي بالبرمجيات التقليدية مع الحفاظ على "طبيعته"
أمثلة (عامة عن قصد، لأن النقاشات حول العلامات التجارية هواية لبعض الناس):
-
بنك يستخدم الذكاء الاصطناعي لكشف الاحتيال - مدعوم بالذكاء الاصطناعي
-
متجر تجزئة يستخدم الذكاء الاصطناعي للتنبؤ بالمخزون - مدعوم بالذكاء الاصطناعي
-
شركة منتجها عبارة عن وكيل دعم عملاء يعمل بالذكاء الاصطناعي - على الأرجح شركة ذكاء اصطناعي
-
منصة لبيع أدوات مراقبة النماذج وتقييمها ونشرها - شركة ذكاء اصطناعي (بنية تحتية) ( Google Cloud MLOps )
نعم، قد يستخدم طبيب أسنانك الذكاء الاصطناعي لتذكيرك بمواعيدك. لكن هذا لا يجعله شركة ذكاء اصطناعي 😬🦷
ما الذي يجعل شركة الذكاء الاصطناعي شركة جيدة؟ 🏗️
لا تُبنى جميع شركات الذكاء الاصطناعي على نفس النحو، وبعضها في الحقيقة مجرد أفكار ورؤوس أموال استثمارية. الناجحة في مجال الذكاء الاصطناعي إلى امتلاك بعض السمات التي تتكرر باستمرار:
-
تحديد واضح للمشكلة : فهم يحلون مشكلة محددة، وليس "الذكاء الاصطناعي لكل شيء".
-
النتائج القابلة للقياس : الدقة، توفير الوقت، خفض التكاليف، تقليل الأخطاء، زيادة معدل التحويل - اختر شيئًا ما وقم بتتبعه ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ).
-
الانضباط في البيانات : جودة البيانات، والأذونات، والحوكمة، وحلقات التغذية الراجعة ليست اختيارية ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ).
-
ثقافة التقييم : يختبرون النماذج مثل البالغين - باستخدام المعايير والحالات الاستثنائية والمراقبة 🔍 ( Google Cloud MLOps ، Datadog )
-
واقع التطبيق : يعمل النظام في ظروف يومية غير منظمة، وليس فقط في العروض التوضيحية.
-
ميزة دفاعية : بيانات المجال، والتوزيع، وتكامل سير العمل، أو الأدوات الخاصة (ليس مجرد "نستخدم واجهة برمجة التطبيقات").
علامة دالة بشكل مفاجئ:
-
إذا تحدث فريق ما عن زمن الاستجابة، والانحراف، ومجموعات التقييم، والهلوسات، وأنماط الفشل ، فمن المحتمل أنهم يعملون في مجال الذكاء الاصطناعي الحقيقي. ( IBM - انحراف النموذج ، OpenAI - الهلوسات ، Google Cloud MLOps )
-
إذا كان حديثهم في الغالب يدور حول "إحداث ثورة في التناغم من خلال طاقات ذكية"، حسنًا... أنت تعرف كيف تسير الأمور 😅
جدول مقارنة: أنواع شركات الذكاء الاصطناعي الشائعة وما تقدمه 📊🤝
فيما يلي جدول مقارنة سريع وغير دقيق تمامًا (كما هو الحال في الأعمال التجارية اليومية). الأسعار المعروضة هي "أنماط تسعير نموذجية"، وليست أرقامًا دقيقة، لأنها تختلف اختلافًا كبيرًا.
| الخيار / "النوع" | أفضل جمهور | السعر (متوسط إلى حد ما) | لماذا ينجح؟ |
|---|---|---|---|
| باني نماذج الأساسات | المطورون، والشركات، والجميع... نوعًا ما | عقود كبيرة قائمة على الاستخدام | تصبح النماذج العامة القوية منصة - الطبقة "الشبه نظام تشغيل" ( تسعير واجهة برمجة تطبيقات OpenAI ) |
| تطبيقات الذكاء الاصطناعي المتخصصة (القانونية، والطبية، والمالية، وما إلى ذلك) | فرق ذات إجراءات عمل محددة | الاشتراك + سعر المقعد | تقلل قيود المجال من الفوضى؛ ويمكن أن ترتفع الدقة (عند القيام بذلك بشكل صحيح) |
| مساعد الذكاء الاصطناعي للعمل المعرفي | المبيعات، الدعم، المحللون، العمليات | لكل مستخدم شهريًا | يوفر الوقت بسرعة، ويتكامل مع الأدوات اليومية... يبقى فعالاً عندما يكون جيداً ( أسعار Microsoft 365 Copilot ) |
| منصة عمليات النماذج (MLOps) | فرق الذكاء الاصطناعي في الإنتاج | عقد مؤسسي (مؤلم أحياناً) | المراقبة والنشر والحوكمة - غير جذابة ولكنها ضرورية ( Google Cloud MLOps ) |
| شركة بيانات وتصنيف | شركات بناء النماذج | لكل مهمة، لكل ملصق، ممزوج | غالباً ما تتفوق البيانات الأفضل على "النموذج الأكثر تطوراً" بشكل مفاجئ ( معهد ماساتشوستس للتكنولوجيا سلون / أندرو نج حول الذكاء الاصطناعي الذي يركز على البيانات ) |
| الذكاء الاصطناعي على الحافة / الذكاء الاصطناعي على الجهاز | الأجهزة + إنترنت الأشياء، المنظمات التي تولي أهمية كبيرة للخصوصية | الترخيص لكل جهاز | زمن استجابة منخفض + خصوصية؛ يعمل أيضًا دون اتصال بالإنترنت (ميزة كبيرة) ( NVIDIA ، IBM ) |
| استشارات الذكاء الاصطناعي / تكامل الأنظمة | المنظمات غير المتخصصة في الذكاء الاصطناعي | عقود احتفاظ قائمة على المشاريع | تتحرك هذه العملية بشكل أسرع من التوظيف الداخلي، ولكنها تعتمد على المواهب في الواقع |
| أدوات التقييم / السلامة | نماذج شحن الفرق | اشتراك متعدد المستويات | يساعد على تجنب حالات الفشل الصامتة - ونعم، هذا مهم للغاية ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ، OpenAI - الهلوسة ) |
لاحظ شيئًا. قد يشير مصطلح "شركة ذكاء اصطناعي" إلى شركات مختلفة تمامًا. بعضها يبيع نماذج، وبعضها يبيع أدوات بناء النماذج، وبعضها يبيع منتجات جاهزة. نفس التسمية، لكن الواقع مختلف تمامًا.
النماذج الرئيسية لشركات الذكاء الاصطناعي (وأخطاؤها) 🧩
دعونا نتعمق قليلاً، لأن هذا هو المكان الذي يقع فيه الناس في الخطأ.
1) الشركات التي تعتمد على النماذج أولاً 🧠
تُستخدم هذه النماذج في بنائها أو تحسينها. وتكمن قوتها عادةً في:
-
موهبة بحثية
-
تحسين الحوسبة
-
حلقات التقييم والتكرار
-
بنية تحتية عالية الأداء للخدمة ( ورقة جوجل البيضاء حول عمليات التعلم الآلي )
مأزق شائع:
-
يفترضون أن "النموذج الأفضل" يساوي تلقائياً "المنتج الأفضل".
هذا غير صحيح. المستخدمون لا يشترون النماذج، بل يشترون النتائج.
2) شركات الذكاء الاصطناعي التي تركز على المنتج أولاً 🧰
تُدمج هذه التقنيات الذكاء الاصطناعي ضمن سير العمل، وتنجح من خلال:
-
توزيع
-
تجربة المستخدم والتكامل
-
حلقات التغذية الراجعة القوية
-
الموثوقية أهم من الذكاء الخام
مأزق شائع:
-
إنهم يستهينون بسلوك النماذج في الواقع. سيُعطّل المستخدمون الحقيقيون نظامك بطرق جديدة ومبتكرة. يومياً.
3) شركات الذكاء الاصطناعي للبنية التحتية ⚙️
فكّر في المراقبة، والنشر، والحوكمة، والتقييم، والتنسيق. إنهم يحققون النجاح من خلال:
-
تخفيف الألم أثناء العمليات الجراحية
-
إدارة المخاطر
-
جعل الذكاء الاصطناعي قابلاً للتكرار وآمناً إلى حد ما ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ، وعمليات التعلم الآلي السحابية من جوجل )
مأزق شائع:
-
إنهم يبنون مشاريعهم للفرق المتقدمة ويتجاهلون الجميع، ثم يتساءلون لماذا يكون التبني بطيئًا.
4) شركات الذكاء الاصطناعي التي تركز على البيانات 🗂️
تركز هذه الاستراتيجيات على مسارات البيانات، والتصنيف، والبيانات الاصطناعية، وحوكمة البيانات. وتنجح من خلال:
-
تحسين جودة إشارة التدريب
-
تقليل الضوضاء
-
تمكين التخصص ( معهد ماساتشوستس للتكنولوجيا سلون / أندرو نج حول الذكاء الاصطناعي المرتكز على البيانات )
مأزق شائع:
-
إنهم يبالغون في الترويج لفكرة أن "البيانات تحل كل شيء". البيانات قوية، لكنك ما زلت بحاجة إلى نمذجة جيدة وتفكير قوي في المنتج.
ما يوجد داخل شركة الذكاء الاصطناعي تحت الغطاء: البنية التحتية، تقريبًا 🧱
إذا ألقيت نظرة فاحصة على ما وراء الكواليس، ستجد أن معظم شركات الذكاء الاصطناعي الحقيقية تشترك في هيكل داخلي متشابه. ليس دائماً، ولكن غالباً.
طبقة البيانات 📥
-
الجمع والابتلاع
-
وضع العلامات أو ضعف الإشراف
-
الخصوصية، والأذونات، والاحتفاظ بالبيانات
-
حلقات التغذية الراجعة (تصحيحات المستخدم، والنتائج، والمراجعة البشرية) ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا )
طبقة النموذج 🧠
-
اختيار النماذج الأساسية (أو التدريب من الصفر)
-
الضبط الدقيق، والتقطير، والهندسة السريعة (نعم، لا تزال تُحتسب)
-
أنظمة الاسترجاع (البحث + التصنيف + قواعد البيانات المتجهة) ( ورقة RAG (لويس وآخرون، 2020) ، أوراكل - البحث المتجه )
-
مجموعات التقييم ومجموعات الاختبار ( Google Cloud MLOps )
طبقة المنتج 🧑💻
-
تجربة مستخدم تتعامل مع عدم اليقين (مؤشرات الثقة، حالات "المراجعة")
-
الضوابط (السياسة، الرفض، الإكمال الآمن) ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا )
-
تكامل سير العمل (البريد الإلكتروني، إدارة علاقات العملاء، المستندات، نظام التذاكر، إلخ)
طبقة العمليات 🛠️
-
مراقبة الانحراف والتدهور ( IBM - انحراف النموذج ، Google Cloud MLOps )
-
الاستجابة للحوادث والتراجع ( أوبر - سلامة النشر )
-
إدارة التكاليف (قد يكون الحاسوب وحشًا صغيرًا جائعًا)
-
الحوكمة، والتدقيق، والتحكم في الوصول ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ، ونظرة عامة على معيار ISO/IEC 42001 )
والجزء الذي لا يعلن عنه أحد:
-
العمليات البشرية - المراجعون، والتصعيد، وضمان الجودة، وقنوات تلقي ملاحظات العملاء.
الذكاء الاصطناعي ليس "مُبرمجًا ومُهملًا". إنه أشبه بالبستنة. أو بتربية حيوان الراكون الأليف. قد يكون لطيفًا، لكنه سيُدمر مطبخك تمامًا إن لم تكن مُنتبهًا 😬🦝
نماذج الأعمال: كيف تربح شركات الذكاء الاصطناعي المال 💸
تميل شركات الذكاء الاصطناعي إلى اتباع بعض أشكال تحقيق الربح الشائعة:
-
التسعير حسب الاستخدام (لكل طلب، لكل رمز مميز، لكل دقيقة، لكل صورة، لكل مهمة) ( تسعير واجهة برمجة تطبيقات OpenAI ، رموز OpenAI المميزة )
-
الاشتراكات القائمة على عدد المستخدمين (لكل مستخدم شهريًا) ( أسعار Microsoft 365 Copilot )
-
التسعير القائم على النتائج (نادر، ولكنه فعال - يتم الدفع مقابل كل عملية تحويل أو تذكرة تم حلها)
-
عقود المؤسسات (الدعم، والامتثال، واتفاقيات مستوى الخدمة، والنشر المخصص)
-
الترخيص (على الجهاز، مدمج، نمط OEM) ( NVIDIA )
أحد التحديات التي تواجهها العديد من شركات الذكاء الاصطناعي:
-
يرغب العملاء في إنفاق متوقع 😌
-
قد تتفاوت تكاليف الذكاء الاصطناعي باختلاف الاستخدام واختيار النموذج 😵
لذا فإن شركات الذكاء الاصطناعي الجيدة تتقن ما يلي:
-
توجيه المهام إلى نماذج أرخص كلما أمكن ذلك
-
نتائج التخزين المؤقت
-
طلبات التجميع
-
التحكم في حجم السياق
-
تصميم تجربة مستخدم تثبط "الدوامات اللانهائية من المطالبات" (لقد فعلنا ذلك جميعًا...)
السؤال المحوري: ما الذي يجعل شركة الذكاء الاصطناعي قادرة على الدفاع عن نفسها؟ 🏰
هذا هو الجزء المثير. يفترض الكثيرون أن الميزة التنافسية تكمن في "أن نموذجنا أفضل". أحياناً يكون الأمر كذلك، ولكن في كثير من الأحيان... لا.
المزايا الدفاعية المشتركة:
-
البيانات الخاصة (وخاصة تلك المتعلقة بمجال معين)
-
التوزيع (المدمج في سير العمل الذي يستخدمه المستخدمون بالفعل)
-
تكاليف التحويل (التكاملات، تغييرات العمليات، عادات الفريق)
-
ثقة العلامة التجارية (خاصة في المجالات ذات المخاطر العالية)
-
التميز التشغيلي (نشر الذكاء الاصطناعي الموثوق به على نطاق واسع أمر صعب) ( Google Cloud MLOps )
-
الأنظمة التي تتضمن تدخلاً بشرياً (يمكن للحلول الهجينة أن تتفوق على الأتمتة البحتة) ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ، قانون الذكاء الاصطناعي للاتحاد الأوروبي - الإشراف البشري (المادة 14) )
حقيقةٌ قد تكون مزعجةً بعض الشيء:
قد تستخدم شركتان نفس النموذج الأساسي، ومع ذلك تحصلان على نتائج مختلفة تماماً. يكمن الاختلاف عادةً في كل ما يتعلق بالنموذج - تصميم المنتج، والتقييمات، وحلقات البيانات، وكيفية التعامل مع الفشل.
كيفية كشف التضليل بالذكاء الاصطناعي (أو ما يُعرف بـ "أضفنا بريقًا وأطلقنا عليه اسم ذكاء") 🚩
إذا كنت بصدد تقييم شركة تعمل في مجال الذكاء الاصطناعي، فاحذر من هذه العلامات التحذيرية:
-
لم يتم وصف قدرة واضحة للذكاء الاصطناعي : الكثير من التسويق، ولا توجد آلية واضحة.
-
عرض توضيحي رائع : عرض توضيحي مثير للإعجاب، دون أي ذكر للحالات الاستثنائية.
-
لا توجد قصة تقييم : لا يمكنهم شرح كيفية اختبار الموثوقية ( Google Cloud MLOps )
-
إجابات البيانات غير الدقيقة : من غير الواضح من أين تأتي البيانات أو كيف تتم إدارتها ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ).
-
لا توجد خطة للمراقبة : يتصرفون وكأن النماذج لا تنحرف ( آي بي إم - انحراف النموذج )
-
لا يمكنهم تفسير أنماط الفشل : كل شيء "شبه مثالي" (لا شيء كذلك) ( أوبن إيه آي - هلوسات )
الأعلام الخضراء (العكس المهدئ) ✅:
-
توضح هذه النتائج كيفية قياس الأداء
-
يتحدثون عن القيود دون ذعر
-
لديهم مسارات مراجعة بشرية وآليات تصعيد ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ، وقانون الذكاء الاصطناعي للاتحاد الأوروبي - الإشراف البشري (المادة 14) )
-
إنهم يفهمون احتياجات الخصوصية والامتثال ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ، ونظرة عامة على قانون الذكاء الاصطناعي للاتحاد الأوروبي ).
-
بإمكانهم قول "نحن لا نفعل ذلك" دون أن ينهاروا عاطفياً 😅
إذا كنت بصدد إنشاء شركة ذكاء اصطناعي: قائمة مرجعية عملية لتصبح شركة ذكاء اصطناعي 🧠📝
إذا كنت تحاول الانتقال من "مُمكّن بالذكاء الاصطناعي" إلى "شركة ذكاء اصطناعي"، فإليك مسارًا عمليًا:
-
ابدأ بسير عمل واحد يضر بعدد كافٍ من الأشخاص لدرجة أنهم سيدفعون لإصلاحه
-
نتائج الأدوات مبكراً (قبل التوسع)
-
قم بإنشاء مجموعة تقييم من حالات استخدام حقيقية ( Google Cloud MLOps )
-
أضف حلقات التغذية الراجعة من اليوم الأول
-
اجعل الحواجز الواقية جزءًا من التصميم، وليس فكرة لاحقة ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا ).
-
لا تبالغ في التصميم - قم بشحن إسفين ضيق وموثوق
-
تعامل مع عملية النشر كمنتج، وليس كخطوة أخيرة ( Google Cloud MLOps )
أيضًا، نصائح غير بديهية لكنها فعّالة:
-
خصص وقتًا أطول لدراسة ما يحدث عندما يخطئ الذكاء الاصطناعي مقارنةً بما يحدث عندما يُصيب.
ففي ذلك يُكتسب الثقة أو تُفقد. ( إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا )
ملخص ختامي 🧠✨
إذن... يمكن تلخيص ماهية شركة الذكاء الاصطناعي في هيكل أساسي بسيط:
إنها شركةٌ يُعدّ فيها الذكاء الاصطناعي المحرك الأساسي ، لا مجرد عنصرٍ تزييني. فإذا أزلتَ الذكاء الاصطناعي وفقد المنتج جدواه (أو تميّزه)، فأنت على الأرجح أمام شركة ذكاء اصطناعي حقيقية. أما إذا كان الذكاء الاصطناعي مجرد أداةٍ من بين أدواتٍ عديدة، فمن الأدقّ أن نطلق عليها اسم "مُدعّمة بالذكاء الاصطناعي".
وكلاهما جيد. العالم بحاجة إلى كليهما. لكن التسمية مهمة عند الاستثمار، أو التوظيف، أو شراء البرامج، أو محاولة معرفة ما إذا كان ما يُباع لك روبوتًا أم مجرد مجسم كرتوني بعيون جاحظة 🤖👀
التعليمات
ما الذي يُعتبر شركة ذكاء اصطناعي مقابل شركة مُمكّنة بالذكاء الاصطناعي؟
شركة الذكاء الاصطناعي هي شركة يعتمد منتجها الأساسي أو قيمتها أو ميزتها التنافسية على الذكاء الاصطناعي - فإزالة الذكاء الاصطناعي تؤدي إلى انهيار المنتج أو تراجع جودته بشكل كبير. أما الشركة التي تستخدم الذكاء الاصطناعي، فتستخدمه لتعزيز عملياتها (مثل التنبؤ أو كشف الاحتيال)، ولكنها لا تزال تبيع منتجًا أو خدمة لا تعتمد أساسًا على الذكاء الاصطناعي. اختبار بسيط: إذا تعطل نظام الذكاء الاصطناعي غدًا، وما زلت قادرًا على العمل باستخدام برامج أساسية، فمن المرجح أن شركتك تستخدم الذكاء الاصطناعي.
كيف يمكنني معرفة ما إذا كانت شركة ما شركة ذكاء اصطناعي بالفعل؟
تخيّل ماذا سيحدث لو توقف الذكاء الاصطناعي عن العمل. إذا استمر العملاء في الدفع، واستطاعت الشركة الاستمرار باستخدام جداول البيانات أو البرامج التقليدية، فمن المحتمل ألا يكون النظام مصممًا خصيصًا للذكاء الاصطناعي. تميل شركات الذكاء الاصطناعي الحقيقية أيضًا إلى استخدام مصطلحات تشغيلية ملموسة: مجموعات التقييم، زمن الاستجابة، الانحراف، التذبذبات، المراقبة، وأنماط الفشل. إذا كان كل ذلك مجرد تسويق دون آلية فعّالة، فهذا مؤشر خطر.
هل يجب عليك تدريب نموذجك الخاص لتصبح شركة ذكاء اصطناعي؟
لا. تبني العديد من شركات الذكاء الاصطناعي منتجات قوية بالاعتماد على نماذج موجودة، ومع ذلك تُصنّف كمنتجات ذكاء اصطناعي أصلية عندما يكون الذكاء الاصطناعي هو محرك المنتج. المهم هو ما إذا كانت النماذج والبيانات والتقييم وحلقات التكرار تُحسّن الأداء وتُميّز المنتج. يمكن للبيانات الخاصة وتكامل سير العمل والتقييم الدقيق أن تُحقق ميزة تنافسية حقيقية حتى بدون تدريب من الصفر.
ما هي الأنواع الرئيسية لشركات الذكاء الاصطناعي، وكيف تختلف؟
تشمل الأنواع الشائعة شركات بناء النماذج الأساسية، وتطبيقات الذكاء الاصطناعي المتخصصة (مثل الأدوات القانونية أو الطبية)، والمساعدين في العمل المعرفي، ومنصات عمليات تعلم الآلة/تشغيل النماذج، وشركات البيانات والتصنيف، والذكاء الاصطناعي على الحافة/الأجهزة، وشركات الاستشارات/التكامل، ومزودي أدوات التقييم/السلامة. يمكن أن تُصنف جميعها ضمن "شركات الذكاء الاصطناعي"، لكنها تبيع منتجات مختلفة تمامًا: نماذج، أو منتجات نهائية، أو البنية التحتية التي تجعل الذكاء الاصطناعي الإنتاجي موثوقًا وقابلًا للإدارة.
كيف تبدو بنية شركة الذكاء الاصطناعي النموذجية من الداخل؟
تتشابه العديد من شركات الذكاء الاصطناعي في بنيتها الأساسية: طبقة البيانات (جمع البيانات، وتصنيفها، وإدارتها، وحلقات التغذية الراجعة)، وطبقة النموذج (اختيار النموذج الأساسي، وضبطه بدقة، والبحث باستخدام الرموز/المتجهات، ومجموعات التقييم)، وطبقة المنتج (تجربة المستخدم للتعامل مع عدم اليقين، والضوابط، وتكامل سير العمل)، وطبقة العمليات (مراقبة الانحرافات، والاستجابة للحوادث، والتحكم في التكاليف، والتدقيق). أما العمليات البشرية - المراجعون، والتصعيد، وضمان الجودة - فغالباً ما تشكل الركيزة الأساسية غير الجذابة.
ما هي المقاييس التي تُظهر أن شركة الذكاء الاصطناعي تقوم "بعمل حقيقي"، وليس مجرد عروض توضيحية؟
تُعدّ النتائج القابلة للقياس والمرتبطة بالمنتج مؤشراً أقوى، مثل الدقة، والوقت المُوفّر، وخفض التكاليف، وتقليل الأخطاء، أو زيادة معدل التحويل، إلى جانب وجود منهجية واضحة لتقييم هذه المقاييس ومراقبتها. تقوم فرق العمل الحقيقية بوضع معايير قياسية، واختبار الحالات الاستثنائية، وتتبع الأداء بعد النشر. كما أنها تُخطط للتعامل مع حالات الخطأ في النموذج، وليس فقط حالات الصواب، لأن الثقة تعتمد على كيفية التعامل مع حالات الفشل.
كيف تجني شركات الذكاء الاصطناعي الأموال عادةً، وما هي فخاخ التسعير التي يجب على المشترين الانتباه إليها؟
تشمل النماذج الشائعة التسعير القائم على الاستخدام (لكل طلب/رمز/مهمة)، والاشتراكات القائمة على عدد المستخدمين، والتسعير القائم على النتائج (وهو أقل شيوعًا)، وعقود المؤسسات مع اتفاقيات مستوى الخدمة، وترخيص الذكاء الاصطناعي المدمج أو الموجود على الجهاز. ويكمن التحدي الرئيسي في إمكانية التنبؤ: فالعملاء يرغبون في إنفاق ثابت، بينما قد تتغير تكاليف الذكاء الاصطناعي تبعًا للاستخدام واختيار النموذج. ويتغلب الموردون المتميزون على هذا التحدي من خلال توجيه الطلبات إلى نماذج أقل تكلفة، والتخزين المؤقت، ومعالجة البيانات على دفعات، والتحكم في حجم السياق.
ما الذي يجعل شركة الذكاء الاصطناعي قابلة للدفاع عنها إذا كان بإمكان الجميع استخدام نماذج مماثلة؟
غالباً ما لا يقتصر عامل التفوق على مجرد "نموذج أفضل". بل قد ينبع من بيانات المجال الخاصة، والتوزيع ضمن سير العمل الذي يستخدمه المستخدمون بالفعل، وتكاليف التحويل الناتجة عن عمليات التكامل والعادات، وثقة العلامة التجارية في المجالات الحساسة، والتميز التشغيلي في تقديم ذكاء اصطناعي موثوق. كما يمكن للأنظمة التي تتضمن تدخلاً بشرياً أن تتفوق على الأنظمة الآلية بالكامل. فقد يستخدم فريقان النموذج نفسه ويحصلان على نتائج مختلفة تماماً بناءً على جميع العوامل المحيطة به.
كيف يمكنني كشف عمليات التضليل باستخدام الذكاء الاصطناعي عند تقييم مورد أو شركة ناشئة؟
احذر من الادعاءات المبهمة التي تفتقر إلى قدرة واضحة على الذكاء الاصطناعي، و"العروض التوضيحية السحرية" التي لا تتضمن أي حالات استثنائية، وعدم القدرة على شرح التقييم، أو إدارة البيانات، أو المراقبة، أو أسباب الأعطال. وتُعدّ الادعاءات المفرطة في الثقة، مثل "شبه مثالي"، علامة تحذيرية أخرى. أما المؤشرات الإيجابية فتشمل القياس الشفاف، والقيود الواضحة، وخطط مراقبة الانحراف، وآليات واضحة للمراجعة البشرية أو التصعيد. فالشركة التي تستطيع أن تقول "لا نفعل ذلك" غالبًا ما تكون أكثر جدارة بالثقة من تلك التي تعد بكل شيء.
مراجع
-
منظمة التعاون الاقتصادي والتنمية - oecd.ai
-
منظمة التعاون الاقتصادي والتنمية - oecd.org
-
المعهد الوطني للمعايير والتكنولوجيا (NIST) - إطار إدارة مخاطر الذكاء الاصطناعي (AI 100-1) - nist.gov
-
دليل إدارة مخاطر الذكاء الاصطناعي (AI RMF) التابع للمعهد الوطني للمعايير والتكنولوجيا (NIST) - القياس - nist.gov
-
جوجل كلاود - عمليات التعلم الآلي: التسليم المستمر وخطوط أنابيب الأتمتة في التعلم الآلي - google.com
-
جوجل - دليل الممارسين لعمليات تعلم الآلة (ورقة بيضاء) - google.com
-
جوجل كلاود - ما هي عمليات التعلم الآلي (MLOps)؟ - google.com
-
Datadog - أفضل الممارسات في إطار تقييم برامج الماجستير في القانون - datadoghq.com
-
آي بي إم - انحراف النموذج - ibm.com
-
أوبن إيه آي - لماذا تُصاب نماذج اللغة بالهلوسة - openai.com
-
OpenAI - تسعير API - openai.com
-
مركز مساعدة OpenAI - ما هي الرموز وكيفية عدّها - openai.com
-
خدمة Microsoft 365 Copilot - microsoft.com
-
كلية سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا - لماذا حان الوقت للذكاء الاصطناعي القائم على البيانات - mit.edu
-
إنفيديا - ما هو الذكاء الاصطناعي على الحافة؟ - nvidia.com
-
آي بي إم - الذكاء الاصطناعي على الحافة مقابل الذكاء الاصطناعي السحابي - ibm.com
-
أوبر - رفع مستوى أمان نشر نماذج التعلم الآلي - uber.com
-
المنظمة الدولية للتوحيد القياسي (ISO) - نظرة عامة على معيار ISO/IEC 42001 - iso.org
-
arXiv - توليد مُعزز بالاسترجاع لمهام معالجة اللغة الطبيعية كثيفة المعرفة (لويس وآخرون، 2020) - arxiv.org
-
أوراكل - البحث المتجهي - oracle.com
-
قانون الذكاء الاصطناعي (الاتحاد الأوروبي) - الرقابة البشرية (المادة 14) - Artificialintelligenceact.eu
-
المفوضية الأوروبية - الإطار التنظيمي للذكاء الاصطناعي (نظرة عامة على قانون الذكاء الاصطناعي) - europa.eu
-
يوتيوب - youtube.com
-
متجر المساعد الذكي - كيف يعمل تحسين الأداء بالذكاء الاصطناعي - aiasistantstore.com
-
متجر مساعد الذكاء الاصطناعي - كيف يبدو كود الذكاء الاصطناعي - aiasistantstore.com
-
متجر مساعد الذكاء الاصطناعي - ما هي خوارزمية الذكاء الاصطناعي - aiasistantstore.com
-
متجر مساعد الذكاء الاصطناعي - ما هي المعالجة المسبقة للذكاء الاصطناعي - aiasistantstore.com