هل بياناتك جاهزة للذكاء الاصطناعي؟ خمسة أسئلة قبل أول حالة استخدام

تحتاج حالة استخدام الذكاء الاصطناعي إلى إجابة عن سؤال بسيط: من يقرر معنى هذه البيانات، ومن يجوز له تغييرها، ومن يتحمل المسؤولية حين تكون خاطئة. وحيث لا يملك أحد البيانات، تُتخذ قرارات الجودة والاتساق والوصول حالة بحالة، وترث حالة الاستخدام كل قرار منها من دون أن تعلم.

لا تحتاج الملكية إلى برنامج كبير كي تبدأ. تحتاج إلى مجموعات البيانات التي ستمسّها أول حالة استخدام، ومالك مسمّى لكل منها، وتوثيق متطلبات التصنيف والوصول والخصوصية التي تنطبق عليها. هذا هو جوهر نموذج تشغيل الحوكمة، ويمكن أن يبدأ بحالة استخدام واحدة ثم يتوسع.

تعرف الفرق عادةً أين تتعطل بياناتها. تعيش الفجوات في جداول البيانات، وفي عمليات المطابقة التي تسبق كل تقرير، وفي الاستثناءات التي تعلّم الناس الالتفاف حولها. غير أن النموذج لا يتعلم تلك الحلول الالتفافية، بل يتعلم البيانات كما هي.

قبل أول حالة استخدام، قِس جودة البيانات التي ستستخدمها: الاكتمال، والاتساق بين المصادر، والتكرار، ومدى حداثة القيم. يُظهر تقييم جودة البيانات أين تتعطل الجودة اليوم، وتحافظ المراقبة على حداثة هذه الصورة بعد تشغيل حالة الاستخدام، فتُرى المشكلات وتُحل عند ظهورها بدلًا من اكتشافها في مخرجات النموذج.

المعلومات المتفرقة بين التطبيقات والمنصات، وغير المترابطة، لا تستطيع تغذية نموذج من دون عمل يدوي. تعمل النسخة الأولى من حالة الاستخدام غالبًا على مقتطف من البيانات، أما نسخة الإنتاج فتحتاج إلى خطوط بيانات تجمع البيانات وفق جدول يمكن للأعمال الاعتماد عليه.

ليس السؤال هل البيانات موجودة، بل هل يمكن تكاملها وتنقيتها وتحويلها إلى شكل تستهلكه حالة الاستخدام، وهل يمكن لهذا المسار أن يعمل من دون شخص في المنتصف. هندسة البيانات وتكاملها هي العمل الذي يحوّل مقتطفًا لمرة واحدة إلى إمداد يمكن الاعتماد عليه.

يفرض الذكاء الاصطناعي والتحليلات المتقدمة على منصة البيانات متطلبات تختلف عن متطلبات التقارير: أحجام أكبر، ومحتوى غير مهيكل مثل المستندات والرسائل، وأحمال تشغيل تحتاج إلى التوسع والانكماش. والبيئات القديمة أو المجزأة يصعب توسيعها أو تغييرها، وتظهر حدودها بمجرد أن تتجاوز حالة الاستخدام مرحلة التجربة.

انظر إلى المنصة التي ستعمل عليها حالة الاستخدام واسأل هل صُممت لهذا العبء. مستودعات البيانات وبحيرات البيانات وLakehouse يناسب كل منها أنماطًا مختلفة. والأفضل أن تُحسم البنية المستهدفة، وخيارات المنصة والتقنية وراءها، قبل بناء أي شيء عليها.

السؤال الأخير عن الإذن. أي بيانات يجوز استخدامها لتدريب نموذج أو تأسيسه، ومن يجوز له الاطلاع على المخرجات، وما الذي يجب أن يبقى خارج النطاق بسبب التصنيف أو الخصوصية أو القيود التعاقدية. تضع الحوكمة هذه المتطلبات، أما الحماية التقنية التي تنفذها فتقع ضمن الأمن السيبراني، لتبقى الملكية واضحة ويترابط الجانبان.

لا تكفي القواعد المكتوبة على الورق. يجب تطبيقها على حالة الاستخدام عند التصميم ومراقبتها بعد التشغيل، كي لا يُخرج تغيير في البيانات أو في النموذج حالة الاستخدام عن القواعد من دون أن يلحظه أحد.

الإجابة بلا عن أي من الأسئلة الخمسة تبيّن ما الذي يجب توفيره قبل أن تنجح حالة الاستخدام، وتشير عادةً إلى عمل يخدم كل حالة استخدام لاحقة أيضًا. وتتبعها ثلاث خطوات:

• تقييم الوضع الحالي بطريقة منظمة، كي تُوثّق الفجوات بدلًا من الإحساس بها.
• ترتيب العمل وفق القيمة التي يحررها ووفق ما تحتاج إليه أول حالة استخدام، لا وفق ما قد يغطيه برنامج كامل.
• إصلاح ما تعتمد عليه أول حالة استخدام، وترك خارطة الطريق تحمل ما تبقى.

تمنح استراتيجية البيانات وتقييم النضج هذا الترتيب؛ فهما يحددان أين بياناتك اليوم، وإلى أين ينبغي أن تصل، وما الخطوة الأولى. وتختلف المؤسسات في نضجها وأولوياتها، فنقطة البداية الصحيحة هي ما يناسب وضعك: تقييم، أو قدرة واحدة، أو تحسين بيانات تشغّلها بالفعل.