“يعتمد نجاح منتج الذكاء الاصطناعي على مدى سهولة تفاعل المستخدمين مع قدراته”
في سلسلة “تسليط الضوء على المؤلف”، يتحدث محررو TDS مع أعضاء مجتمعنا حول مسار حياتهم المهنية في علوم البيانات والذكاء الاصطناعي وكتاباتهم ومصادر إلهامهم. واليوم، يسعدنا أن نشارك محادثتنا معه الدكتورة جانا ليبينكوفا.
الدكتورة جانا ليبينكوفا هي خبيرة استراتيجية في مجال الذكاء الاصطناعي ورائدة أعمال ومؤلفة الكتاب فن تطوير منتجات الذكاء الاصطناعي. ومع حصولها على درجة الدكتوراه في اللغويات الحاسوبية، فإنها تجمع بين الرؤية التقنية العميقة واستراتيجية العمل لمساعدة المؤسسات على تحويل الذكاء الاصطناعي إلى نتائج ملموسة. أسست جانا وقادت العديد من المشاريع التي تجمع بين اللغة والبيانات والذكاء – بما في ذلك أناكود، والذي يركز على تحويل الذكاء الاصطناعي للمؤسسات، و إكوينتيل، منصة للذكاء الاصطناعي تدعم استدامة الشركات. من خلال قيادتها الفكرية وأنشطتها الاستشارية، تعمل جانا باستمرار على تشكيل وتحسين منهجيتها الشاملة لتطوير الذكاء الاصطناعي وتكامله.
يمكنك تسمية “دليل إستراتيجية الذكاء الاصطناعي” الخاص بك بأنه مجموعة من النماذج الذهنية التي تساعد الفرق على التوفيق بين ما يجب بناءه ولماذا. ما هي النماذج التي تفتح في أغلب الأحيان الوضوح في الغرف التنفيذية، ولماذا يتردد صداها؟
التواصل هو أحد أكبر التحديات في الغرف التنفيذية. يقصد الناس أشياء مختلفة عندما يتحدثون عن الذكاء الاصطناعي، الذي يمنع التنفيذ. أستخدم ثلاثة نماذج ذهنية لإنشاء أرضية مشتركة منظمة تسمح لنا بالمضي قدمًا دون أعذار أو سوء فهم.
عادةً ما أبدأ بـ شجرة فرص الذكاء الاصطناعي، مما يساعدنا على رسم خريطة لحالات استخدام الذكاء الاصطناعي المحتملة. غالبًا ما يأتي المسؤولون التنفيذيون بمزيج من الفضول والضجيج – “نحن بحاجة إلى القيام بشيء ما باستخدام الذكاء الاصطناعي” – ولكن ليس لديهم رؤية واضحة حول أين تكمن القيمة حقًا. المسار الافتراضي الذي تتخذه معظم الفرق من هناك هو بناء روبوت الدردشة، ولكن نادرًا ما تنطلق هذه المشاريع (راجع هذه المقالة). تكسر شجرة الفرص هذا النمط من خلال الكشف بشكل منهجي عن حالات الاستخدام المحتملة للذكاء الاصطناعي وتوفير أساس موضوعي منظم لتحديد الأولويات.
بمجرد أن يكون لدينا وضوح بشأن ما يجب أن نبنيه ولماذا، ننتقل إلى كيف وملء مخطط نظام الذكاء الاصطناعي. يساعد هذا النموذج في رسم خريطة للبيانات والنماذج وتجربة المستخدم وقيود الإدارة لنظام الذكاء الاصطناعي المتصور. إنها فعالة بشكل خاص في بيئات أصحاب المصلحة المتعددين، حيث تحتاج فرق الأعمال وعلوم البيانات والامتثال إلى لغة مشتركة. يحول المخطط تعقيد الذكاء الاصطناعي إلى شيء ملموس ومتكرر – يمكننا رسمه ومناقشته وتحسينه معًا.
وأخيرا، أقدم لكم خريطة الفضاء لحلول الذكاء الاصطناعي. إنه يوسع المحادثة إلى ما هو أبعد من التقنيات السائدة اليوم – بشكل رئيسي نماذج اللغات الكبيرة والوكلاء – ويساعد الفرق على النظر في المساحة الكاملة لأنواع الحلول: من تعلم الآلة الكلاسيكي إلى البنى الهجينة، وأنظمة الاسترجاع، والأساليب القائمة على القواعد أو المعتمدة على المحاكاة. إن هذه الرؤية الأوسع تجعلنا راسخين في تقديم الحل الصحيح، وليس فقط الحل العصري.
تعمل هذه النماذج معًا على إنشاء رحلة تعكس مدى تطور منتجات الذكاء الاصطناعي الناجحة: بدءًا من اكتشاف الفرص، ومرورًا بتصميم النظام، ووصولاً إلى الاستكشاف المستمر. إنها تلقى صدى لدى المديرين التنفيذيين لأنها تربط بين الاستراتيجية والتنفيذ.
في كتاباتك، تعتبر الخبرة في المجال مهمة في بناء منتجات الذكاء الاصطناعي. أين رأيت معرفة المجال تغير الشكل الكامل لحل الذكاء الاصطناعي، بدلاً من مجرد تحسين الدقة على الهوامش؟
أحد الأمثلة الحية حيث أعادت الخبرة في المجال تشكيل الحل بالكامل كان مشروعًا لوجستيًا بدأ في البداية للتنبؤ بتأخيرات الشحن. بمجرد انضمام خبراء المجال، أعادوا صياغة المشكلة: لم تكن التأخيرات أحداثًا عشوائية، بل كانت أعراضًا لمخاطر عمل أعمق مثل تبعيات الموردين، أو الاختناقات التنظيمية، أو هشاشة الشبكة. ولم نتمكن نحن “خبراء الذكاء الاصطناعي” من اكتشاف هذه الأنماط.
لدمج معرفة هذا المجال، قمنا بتوسيع طبقة البيانات إلى ما هو أبعد من أوقات النقل لتشمل إشارات مخاطر الموردين والرسوم البيانية للتبعية. تطورت بنية الذكاء الاصطناعي من نموذج تنبؤي واحد إلى نظام هجين يجمع بين التنبؤ والرسوم البيانية المعرفية والتفكير القائم على القواعد. تم توسيع تجربة المستخدم من توقعات التأخير التفاعلية إلى سيناريوهات المخاطر مع عمليات التخفيف المقترحة، والتي كانت أكثر قابلية للتنفيذ بالنسبة للخبراء.
في النهاية، لم تعمل المعرفة بالمجال على تحسين الدقة فحسب، بل أعادت تعريف المشكلة وتصميم النظام والقيمة التي تلقتها الشركة. لقد حول نموذج الذكاء الاصطناعي إلى أداة حقيقية لدعم القرار. بعد تلك التجربة، أصر دائمًا على انضمام خبراء المجال خلال المراحل الأولى من مبادرة الذكاء الاصطناعي.
بالإضافة إلى منشوراتك على TDS، قمت أيضًا بتأليف كتاب: فن تطوير منتجات الذكاء الاصطناعي: تقديم قيمة الأعمال. ما هي أهم النقاط التي غيرت أسلوبك في بناء منتجات الذكاء الاصطناعي (خصوصًا أي شيء فاجأك أو قلب اعتقادك السابق)؟
لقد حفزتني كتابة الكتاب على التفكير في كل أجزاء وأجزاء المعرفة النظرية، والخبرة العملية، وقناعتي الخاصة، وتنظيمها في أطر قابلة لإعادة الاستخدام. نظرًا لأن الكتاب يحتاج إلى أن يظل ذا صلة لسنوات عديدة، فقد أجبرني ذلك أيضًا على التمييز بين الأساسيات من ناحية، والضجيج من ناحية أخرى. وهنا اثنين من التعلم الخاص بي:
- أولاًتعلمت كيفية العثور على قيمة الأعمال في مجال التكنولوجيا. في كثير من الأحيان، نتأرجح بين نقيضين – إما مطاردة الذكاء الاصطناعي من أجل الذكاء الاصطناعي، أو الاعتماد فقط على الاكتشاف الذي يعتمد على المستخدم. في الحالة الأولى، أنت لا تخلق قيمة حقيقية. وفي الحالة الثانية، من يدري كم من الوقت سيتعين عليك الانتظار حتى تأتي إليك مشكلة الذكاء الاصطناعي “المثالية”. ومن الناحية العملية، تكمن النقطة المثالية في الوسطين: استخدام نقاط القوة الفريدة للتكنولوجيا لإطلاق القيمة التي يمكن للمستخدمين الشعور بها، ولكن ليس من الضروري التعبير عنها بوضوح. ونحن نعرف ذلك من مبتكرين عظماء مثل ستيف جوبز وهنري فورد، الذين ابتكروا تجارب جديدة جذرياً قبل أن يطلبها العملاء. ولكن للقيام بذلك بنجاح، تحتاج إلى مزيج سحري من الخبرة الفنية والشجاعة والحدس حول ما يحتاجه السوق.
- ثانيةلقد أدركت قيمة تجربة المستخدم لنجاح الذكاء الاصطناعي. العديد من مشاريع الذكاء الاصطناعي تفشل ليس لأن النماذج ضعيفة، ولكن لأن الذكاء لا يتم توصيله أو شرحه أو جعله قابلاً للاستخدام بشكل واضح. يعتمد نجاح منتج الذكاء الاصطناعي على مدى سهولة تفاعل المستخدمين مع قدراته ومدى ثقتهم في نتائجه. أثناء تأليف الكتاب، كنت أعيد قراءة كلاسيكيات التصميم، مثل كتاب دون نورمان “تصميم الأشياء اليومية”، وكنت أسأل نفسي دائمًا – كيف ينطبق هذا على الذكاء الاصطناعي؟ أعتقد أننا مازلنا في المراحل الأولى من عصر تجربة المستخدم الجديد. تعد الدردشة عنصرًا مهمًا، ولكنها بالتأكيد جزء من المعادلة الكاملة. أنا متحمس جدًا لرؤية تطور مفاهيم واجهة المستخدم الجديدة مثل تجربة المستخدم التوليدية.
- ثالثتحتاج أنظمة الذكاء الاصطناعي إلى التطور من خلال دورات من ردود الفعل والتحسين، وهذه العملية لا تنتهي أبدًا. ولهذا أستخدم في الكتاب استعارة الدرويش: الغزل، والصقل، والتعلم المستمر. تميل الفرق التي تتقن الإصدار المبكر والتكرار المستمر إلى تقديم قيمة أكبر بكثير من تلك التي تنتظر نموذجًا “مثاليًا”. لسوء الحظ، ما زلت أرى أن العديد من الفرق تستغرق وقتًا طويلاً قبل تقديم خط الأساس الأول ولا تقضي وقتًا كافيًا في التحسين التكراري. قد تدخل هذه الأنظمة مرحلة الإنتاج، لكن من غير المرجح أن يتم اعتمادها، وسيتم وضعها على الرف كتجربة أخرى للذكاء الاصطناعي.
بالنسبة للفرق التي ستقوم بشحن ميزة الذكاء الاصطناعي في الربع القادم، ما هي العادات التي توصي بها، وما هي المخاطر الرئيسية التي يجب تجنبها، لمواصلة التركيز على تقديم قيمة تجارية حقيقية بدلاً من مطاردة الضجيج؟
أولاً، كما هو مذكور أعلاه، أتقن فن التكرار. اشحن مبكرًا، ولكن افعل ذلك بمسؤولية – أطلق شيئًا مفيدًا بما يكفي لكسب ثقة المستخدم، ثم قم بتحسينه بلا هوادة. كل تفاعل يجلب لك بيانات جديدة، وكل تعليق هو إشارة تدريب جديدة.
ثانياً، حافظ على نظرة أوسع. من السهل الحصول على رؤية ثاقبة حول أحدث إصدار من ماجستير إدارة الأعمال أو إصدار النموذج، ولكن الابتكار الحقيقي غالبًا ما يأتي من كيفية الجمع بين التقنيات – الاسترجاع والاستدلال والتحليلات وتجربة المستخدم ومنطق المجال. صمم نظامك بطريقة معيارية حتى تتمكن من توسيعه، وراقب باستمرار حلول الذكاء الاصطناعي وتطوراته التي يمكن أن تحسنه (راجع أيضًا رادار الذكاء الاصطناعي القادم).
ثالثًا، اختبر مع أشخاص حقيقيين في وقت مبكر وفي كثير من الأحيان. تعيش منتجات الذكاء الاصطناعي أو تموت بسبب الطريقة التي ينظر بها البشر إليها ويستخدمونها. لا يمكن للعروض التوضيحية الداخلية والاختبارات التركيبية أن تحل محل المدخلات والتعليقات الفوضوية والمفاجئة التي تحصل عليها من المستخدمين الفعليين.
كتابتك الطويلة (الكتاب، التعمق) تتجنب الضجيج وتركز على تقديم القيمة للمؤسسات. ما هو أسلوبك في اختيار المواضيع وهل الكتابة عن هذه المواضيع تساعدك على فهمها بشكل أفضل؟
لقد كانت الكتابة دائمًا طريقتي في التفكير بصوت عالٍ. أستخدمه للتعلم ومعالجة الأفكار المعقدة وتوليد أفكار جديدة. عادةً ما أتحدث عن حدسي وأكتب عن الأساليب التي أؤمن بها حقًا والتي رأيتها تعمل في مؤسسات حقيقية.
وفي الوقت نفسه، في شركتي، لدينا القليل من “الخلطة السرية” الخاصة بنا. على مر السنين، قمنا بتطوير نظام يعتمد على الذكاء الاصطناعي لرصد الاتجاهات والابتكارات الجديدة. نحن نقدمها لعدد من العملاء المختارين في صناعات مثل الطيران والتمويل، ولكن بالطبع، نستخدمها أيضًا لأغراضنا الخاصة. يساعدني هذا المزيج من البيانات والحدس في اكتشاف الموضوعات ذات الصلة الآن والتي من المحتمل أن تكون ذات أهمية ليس فقط في بعض الأشهر، ولكن أيضًا بعد عامين أو ثلاثة أعوام.
على سبيل المثال، في بداية عام 2025، نشرنا تقريرًا حول اتجاهات الذكاء الاصطناعي المؤسسي، وتبين أن كل موضوع منه تقريبًا ذو أهمية كبيرة على مدار العام. لذلك، في حين أن كتابتي بديهية وشخصية، فهي أيضًا مبنية على الأدلة.
لمعرفة المزيد حول عمل Janna والبقاء على اطلاع بأحدث مقالاتها، يمكنك متابعتها على TDS أو Substack أو LinkedIn.