وفقا لأحدث دراسة ماكينزي، فإن تأثير الذكاء الاصطناعي التوليدي (GenAI) على الإنتاجية يمكن أن يضيف تريليونات الدولارات من القيمة إلى الاقتصاد العالمي، والتي يقدرون أنها ستضيف ما يعادل 2.6 تريليون دولار إلى 4.4 تريليون دولار سنويًا عبر 63 حالة استخدام تم تحليلها. يقع حوالي 75% من القيمة التي يمكن لحالات استخدام GenAI تقديمها عبر أربعة مجالات: عمليات العملاء، والتسويق والمبيعات، وهندسة البرمجيات، والبحث والتطوير. وذكر التقرير أيضًا أن التقدير سيتضاعف تقريبًا إذا شمل تأثير دمج الذكاء الاصطناعي التوليدي في البرامج المستخدمة حاليًا لمهام أخرى تتجاوز حالات الاستخدام هذه.
وفي حين سارعت بعض المؤسسات إلى تعلم كيفية تبني هذه التكنولوجيا الجديدة، كانت منظمات أخرى أكثر تحفظًا واختارت اتباع "نهج الانتظار والترقب". ومهما كان الوضع، يمكن للمؤسسات أن تتوقع رؤية اتجاهات الذكاء الاصطناعي التوليدية التالية في العام المقبل:
1. سيبدأ الضجيج المتعلق بالذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة (LLM) في التلاشي
مما لا شك فيه أن GenAI يمثل قفزة كبيرة إلى الأمام؛ ومع ذلك، فقد بالغ الكثير من الناس في تقدير ما هو ممكن بالفعل. على الرغم من أن النصوص والصور والأصوات التي تم إنشاؤها يمكن أن تبدو أصلية بشكل لا يصدق وتظهر كما لو تم إنشاؤها بكل تفكير ونفس الرغبة في الدقة مثل الإنسان، إلا أنها في الحقيقة مجرد مجموعات ذات صلة إحصائيًا من الكلمات أو الصور التي تتلاءم معًا بشكل جيد (ولكن في الواقع، قد يكون غير دقيق تمامًا). والخبر السار هو أن المخرجات الفعلية للذكاء الاصطناعي يمكن أن تكون مفيدة بشكل لا يصدق إذا أخذ المستخدم النهائي في الاعتبار بشكل كامل جميع فوائدها وقيودها.
ونتيجة لذلك، سيشهد عام 2024 إجراء فحوصات فعلية للمؤسسات حول القيود والفوائد الحقيقية GenAI و LLMs يمكن أن يجلبوه إلى أعمالهم، ونتائج هذا التقييم ستعمل على إعادة ضبط الاستراتيجيات واعتماد تلك التقنيات. سيحتاج البائعون إلى توضيح هذه المزايا والقيود للمستخدمين النهائيين الذين لديهم شكوك مناسبة بشأن أي شيء تم إنشاؤه بواسطة الذكاء الاصطناعي. ويجب مراعاة العناصر الأساسية مثل الدقة وقابلية الشرح والأمان والتكلفة الإجمالية.
في العام المقبل، سوف يستقر مجال GenAI في نموذج جديد للمؤسسات، حيث ينشرون عددًا قليلاً من التطبيقات التي تدعم GenAI في الإنتاج لحل حالات استخدام محددة.
2. سوف تصبح واجهات اللغة الطبيعية في كل مكان
تخيل هذا السيناريو: أنت تدخل إلى متجر بيع بالتجزئة. عندما تطرح سؤالاً على مساعد المتجر، فبدلاً من الرد اللفظي، يشير إلى شاشة عرض تحتوي على قائمة من الخيارات أو يهرع إلى السبورة البيضاء لرسم رسم توضيحي يتضمن حدًا أدنى من النص. في هذا التبادل الصامت، يتم استبدال ثراء التواصل على المستوى البشري بقائمة من الخيارات أو مجموعة من العناصر المرئية. غريب، أليس كذلك؟ ومع ذلك، فقد كان هذا هو النموذج السائد لمعظم مواقع الويب على مدار الـ 25 عامًا الماضية.
هناك بالفعل سباق لخلق "علاقة حميمة على نطاق واسع على شبكة الإنترنت" تم تمكينها بواسطة GenAI ونماذج اللغات الكبيرة. إن تحقيق هذا الأمر معقد، والتحدي المتمثل في تحقيق هذا التخصيص مفهوم جيدًا. لقد توصل عدد صغير من البائعين إلى كيفية التغلب على هذه المشكلات في بيئة الإنتاج لتمكين التفاعلات الدقيقة والموثوقة مع نماذج اللغة هذه.
ونتيجة لذلك، ومع تضاعف هذه التجارب الإيجابية في عام 2024، سيصبح المزيد من الأفراد مرتاحين للاستفادة من استخدامهم لواجهات اللغة الطبيعية وتعظيمها.
3. ستتعلم الشركات أن إضافة GenAI إلى الأدوات الحالية لن يعالج نقاط الضعف الأساسية
في حين أن GenAI يمكن أن تقدم مساعدة قيمة، إلا أنها لا تستطيع حل المشكلات الأساسية المتعلقة بكميات المعلومات وأهمية عمليات البحث من خلال تلك البيانات بأعجوبة. إذا كانت إحدى الأدوات الحالية غير قادرة على عرض المعلومات ذات الصلة بشكل موثوق على الفور قبل عشرة أشهر، فإن تثبيت GenAI على أي من هذه العروض سوف يفشل في جعلها تعمل بشكل أفضل. وبالمثل، إذا لم يقم الحل بالإجابة بشكل فعال على الأسئلة سابقًا، فإن مجرد إضافة GenAI لن يغير من أدائه. ببساطة، عندما يتعلق الأمر بـ GenAI، فإن القمامة الموجودة في الداخل تنتج القمامة خارجًا.
في عام 2024، ستظهر بعض تطبيقات الجيل المعزز للاسترجاع (RAG) باعتبارها الطريقة الوحيدة الممكنة للقضاء على الهلوسة بنجاح. RAG هو إطار عمل للذكاء الاصطناعي يحاول توفير مجموعة ضيقة وذات صلة من المدخلات إلى GenAI للحصول على ملخص دقيق وموثوق. ومع ذلك، فإن التنفيذ الناجح لإطار العمل هذا ليس بالمهمة السهلة وبالتالي لا يتم إنشاء جميع مثيلات RAG على قدم المساواة. على سبيل المثال، إذا أنتجت RAG صفحات من النتائج التي قد تكون أو لا تكون دقيقة وتؤجل مهمة فك تشفير الإجابة الصحيحة على GenAI، فستكون النتيجة مرة أخرى دون المستوى وغير مناسبة للاستخدام التجاري.
يواجه GenAI نفس التحدي الذي يواجهه الإنسان في محاولة تلخيص عشر صفحات من البيانات ذات الصلة وغير ذات الصلة. في المقابل، يقوم كل من GenAI والبشر بعمل أفضل بكثير في تجميع عشر جمل ذات صلة. علاوة على ذلك، لا يزال من الممكن أن يفشل فريق RAG وحده في تقديم إجابات دقيقة للغاية عندما يتعلق الأمر بالإجابة على الأسئلة التي تحتوي على سياق خاص بالمجال. يتطلب تعزيز أهمية النتيجة الضبط الدقيق للمرحلة الأخيرة من ماجستير إدارة الأعمال. سيساعد نهج الضبط الدقيق لـ RAG + على تحقيق أداء على مستوى الإنتاج لحل GenAI للشركات في العام المقبل.
4. ستكون مبادرات الذكاء الاصطناعي الإبداعية مدفوعة بمجال العمل، وليس تكنولوجيا المعلومات
يطلب المسؤولون التنفيذيون تقليديًا من المؤسسات اعتماد أدوات جديدة لتمكين ممارسات تجارية جديدة (وأفضل) وتوفير المال، حتى لو كان المستخدمون يفضلون الالتزام بما يعرفونه بالفعل. تدعم تكنولوجيا المعلومات عملية الطرح بينما تناقش فرق التنفيذ إجراءات إدارة التغيير، وتجري تدريبًا مكثفًا للمستخدمين المحتملين المترددين، وتتخلص من أي استخدام مستمر للأدوات القديمة. ومع ذلك، فإن ضمان الامتثال وتحقيق الفوائد المرجوة بسرعة ليس بالأمر السهل.
سيكون GenAI هو العكس في عام 2024. إن الحماس بين المستخدمين للحلول التي تدعم GenAI واضح، حيث جرب الكثيرون بالفعل هذه الأدوات بأشكال مختلفة. إن طبيعة GenAI سهلة الاستخدام، مع واجهات اللغة الطبيعية الخاصة بها، تسهل التبني السلس لأصحاب المصلحة غير التقنيين. ومع ذلك، تُترك الفرق الفنية في مواجهة التحديات المتأصلة، بما في ذلك الهلوسة، والافتقار إلى القابلية للتفسير، والقيود المعرفية الخاصة بالمجال، والمخاوف المتعلقة بالتكلفة.
في بعض المنظمات، يُحظر استخدام GenAI حتى تصل فرقها الفنية إلى السرعة اللازمة. إن اكتشاف استخدام الظل، حيث يصبح الأفراد فجأة مفرطي الإنتاجية بعد فترة وجيزة من الهدوء، يضيف تعقيدًا إضافيًا إلى تحديات التنفيذ. في العام المقبل، ستعمل المؤسسات على وضع عملية لتقييم عدد لا يحصى من الخيارات المتاحة والسماح للشركات باستخدام الأدوات القليلة القادرة على معالجة جميع تحديات GenAI في بيئة المؤسسة.
5. سوف يقوم GenAI بتبسيط عملية تأهيل الموظفين الجدد
تتعامل المنظمات باستمرار مع معدل دوران الموظفين وحالات التقاعد في بيئة محدودة العمالة. ونتيجة لذلك، فهم يعملون باستمرار على توظيف موظفين جدد وتأهيلهم. تكمن المشكلة في أن هؤلاء الموظفين الجدد غالبًا ما يكافحون من أجل التنقل بين عمليات وسياسات الشركة المعقدة والمربكة واللغة المحددة المستخدمة في جميع أنحاء المؤسسة. كثيراً ما تفشل أنظمة التعلم الحالية في تقديم المعلومات الصحيحة للإجابة على أسئلة الموظفين الجدد. وفي الوقت نفسه، من المحتمل ألا يعرف الموظفون الجدد الطريقة الصحيحة لصياغة سؤال للحصول على المعلومات التي يحتاجون إليها عندما يبحثون عن إجابات مخفية في المواد التدريبية. في كثير من الحالات، يمكن أن تكون المصطلحات الخاصة بالمجال غير بديهية، مما يجعل من الصعب على القادمين الجدد توصيل استفساراتهم بشكل فعال. غالبًا ما تؤدي هذه العقبة إلى منحنيات تعلم أطول وتقليل الإنتاجية في وقت مبكر.
تظهر GenAI، إلى جانب محركات الإجابة، كحل لتسريع هذه العملية بشكل كبير. في عام 2024، ستستفيد المؤسسات بشكل متزايد من GenAI ومحركات الإجابة لتحسين هذه العملية بشكل كبير. باستخدام هذه التقنيات، يمكن للموظفين طرح الأسئلة بكلماتهم الخاصة، مما يلغي الحاجة إلى إتقان الكلمات الرئيسية والمصطلحات الخاصة بالمجال مقدمًا.
توفر هذه الحلول أيضًا المعلومات ذات الصلة بالخدمات والبرامج الخاصة بالمؤسسة، مما يضمن حصول الوافدين الجدد على المعرفة التي يحتاجونها لأداء مهامهم بكفاءة. علاوة على ذلك، فإن التحليلات الناتجة عن هذه الأنظمة تمكن المدربين من تصميم المحتوى، ومعالجة احتياجات التعلم المحددة وفجوات المعلومات. يضمن دمج محركات الإجابة في عملية الإعداد أن يصبح الأفراد مساهمين منتجين في المنظمة بوتيرة أسرع بكثير. من خلال تسخير قوة الذكاء الاصطناعي و معالجة اللغة الطبيعية لتسهيل التعلم واسترجاع المعرفة، يمكن أن يكون الموظفون الجدد أكثر حماسًا لإحداث تأثير فوري في مناصبهم الجديدة في السنوات القادمة.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.dataversity.net/benefitting-from-generative-ai-what-to-expect-in-2024/
