مثل أي تقنية جديدة، يحرص الكثير من الأشخاص على استخدام الذكاء الاصطناعي التوليدي لمساعدتهم في وظائفهم. أكسنتشر بحث وجدت أن 89% من الشركات تعتقد أن استخدام الذكاء الاصطناعي التوليدي لجعل الخدمات تبدو أكثر إنسانية سيفتح المزيد من الفرص لهم. سيؤدي هذا إلى التغيير - وجدت شركة أكسنتشر أيضًا أن 86% من الشركات تعتقد أنها ستضطر إلى تحديث البنية التحتية لتكنولوجيا المعلومات والتقنية لديها.
يكمن التحدي في ذلك في أن مشاريع الذكاء الاصطناعي المولدة للمؤسسات ستستغرق وقتًا للتصميم والاختبار والبناء والتوسع. حتى مع المسار السريع للإنتاج الذي توفره مجموعات الذكاء الاصطناعي التوليدية الجديدة، فإن الخطر يكمن في أن الناس سيأخذون الأمور بأيديهم. سيؤدي ذلك إلى عمليات نشر توليدية للذكاء الاصطناعي خارج نطاق الكتب وخارج نطاق تكنولوجيا المعلومات، تسمى الذكاء الاصطناعي الظل. ستتم عمليات النشر غير المصرح بها للذكاء الاصطناعي في الظل عندما لا تشارك الشركات في محادثات مبكرة حول الذكاء الاصطناعي التوليدي وتزود الفرق بالأدوات منخفضة الاحتكاك التي يحتاجونها لتحقيق النجاح.
على سبيل المثال، لنفترض أن فريق المبيعات يريد المساعدة في كتابة رسائل البريد الإلكتروني الخاصة به ويريد استخدام الذكاء الاصطناعي التوليدي في أنشطة التنقيب الخاصة بهم. وضع البيانات في مكان عام نموذج لغة كبير (LLM) قد يساعد هذا الفريق على أن يكون أكثر إنتاجية، ويفوز بالمزيد من الصفقات، ومن ثم يحقق النمو للشركة. وستكون الحجة هي لماذا يجب أن يتوقفوا ويخاطروا بتقدم شركات أخرى؟
استباق الطلب على الذكاء الاصطناعي التوليدي
يجب على الشركات التواصل مع أقسامها حول كيفية تفكيرهم في الذكاء الاصطناعي التوليدي وما يريدون تحسينه. يمكن أن يوفر ذلك فرصًا للمشاركة والاستماع إلى ما تريده فرق العمل، ومن ثم التخطيط لتوفير استراتيجية أكمل. ويمكن أن تكون أيضًا فرصة لتقديم المشورة للفرق بشأن ما هو ممكن، والخوض في الفوائد، وفضح أي ضجيج أو سوء فهم.
يمكن أن توفر هذه المحادثات لأعضاء الفريق فرصة لاكتشاف المزيد حول مشاكل العمل التي يواجهها زملاؤهم، ومن ثم النظر في كيفية تصميم وبناء خدمات الذكاء الاصطناعي المنتجة التي تناسب تلك الاحتياجات. سيكون جزءًا أساسيًا من هذا هو كيفية قيام الشركات بأخذ البيانات التي تمتلكها فرقها بالفعل ودمجها مع الذكاء الاصطناعي التوليدي لجعلها أكثر فائدة لهم.
في مثال فريق المبيعات، كيف يمكنك الحصول على معلومات حول منتجاتك جاهزة حتى يتمكن نظام الذكاء الاصطناعي التوليدي من استخدام مصطلحاتك ونقاط البيع الدقيقة في الاستجابات التي يقدمها؟ بدلاً من استخدام البيانات التي تم تدريب الحاصلين على ماجستير إدارة الأعمال عليها فقط، فإن إضافة بياناتك إلى هذا المزيج يمكن أن يحقق هذا التحسن في الإنتاجية، ويقلل من هلوسة الذكاء الاصطناعي المحتملة، ويقدم تخصيصًا فعالاً. وفي الوقت نفسه، يمكنك الاحتفاظ بأي مادة حساسة تحت سيطرتك، بدلاً من تسليمها إلى طرف ثالث.
التمايز مع البيانات والذكاء الاصطناعي التوليدي
من المفترض أن يساعدك الذكاء الاصطناعي التوليدي على التمييز بين ما تفعله شركتك. ومع ذلك، فإن استخدام LLMs العام وحده لن يحقق ذلك، وسوف تبدو مثل أي شخص آخر. يمكن للشركات أن تجعل استراتيجيات الذكاء الاصطناعي التوليدية الخاصة بها أكثر فعالية ومصممة خصيصًا لها وللموظفين من خلال جلب بياناتها الخاصة إلى الطاولة باستخدام الجيل المعزز للاسترجاع، أو RAG.
تأخذ RAG بياناتك الخاصة، وتجهزها للاستخدام مع الذكاء الاصطناعي التوليدي، ثم تمرر هذه البيانات كسياق إلى LLM عندما يطلب موظفك الرد. يعد RAG جزءًا من حل المشكلات مثل الهلوسة، كما أنه يجعل النتائج أكثر ملاءمة لمؤسستك وعملائك، بدلاً من الحصول على نتائج مماثلة للشركات الأخرى التي تطرح نفس النوع من الأسئلة. وهذا شيء يتعين عليك القيام به لمؤسستك وعملائك، حيث لن تتمتع أي شركة أخرى بنفس العمق أو مجموعة البيانات التي يمكنك تقديمها.
لتنفيذ ذلك، سيتعين عليك الجمع بين أدوات متنوعة من مخازن بيانات المتجهات وعمليات تكامل الذكاء الاصطناعي لإنشاء مكدس RAG الذي يجعل البدء أسهل وأسرع. سيساعدك تقديم ذلك بسرعة على منع بعض عمليات النشر "غير الرسمية" التي قد تحاول الفرق القيام بها بنفسها أثناء انتظار تكنولوجيا المعلومات المركزية. تعمل تقنيات مثل RAG أيضًا على تقليل مخاطر تسرب البيانات من خلال السماح لك بالاستفادة من بيانات الشركة لتحسين السياق دون تدريبها على LLM.
بمرور الوقت، قد ترغب في إتاحة خدمات الذكاء الاصطناعي التوليدية لعدد أكبر من المستخدمين داخل مؤسستك من خلال تبني أساليب منخفضة التعليمات البرمجية وبدون تعليمات برمجية لبناء الخدمات. إن اعتماد نهج "مركز التميز"، حيث يمكنك تقديم التوجيه والدعم بدلاً من تشغيل التطبيقات الكاملة، يزيد من فرص جعل هذه التقنيات في متناول الجميع دون أن تبطئها تكنولوجيا المعلومات المركزية، مع الاستمرار في وضع حواجز الحماية المناسبة لكيفية تنفيذ ذلك. يتم استخدام هذه الخدمات في الممارسة العملية.
بناء نهج ناضج للذكاء الاصطناعي التوليدي مع مرور الوقت
إذا نظرنا على نطاق أوسع، سيتعين على الشركات أن تتوصل إلى نماذج نضج الذكاء الاصطناعي التوليدية الخاصة بها، حيث تنظر إلى عناصر التكنولوجيا جنبًا إلى جنب مع قضايا مثل خصوصية البيانات والامتثالوالتأثير الاجتماعي وثقافة الفريق. لا تحدث هذه العناصر في فراغ، لذا فإن التفكير فيها مبكرًا يمنحك فرصة أفضل لضمان اتباع النهج الصحيح مع مرور الوقت، مما يسهل الالتزام بأي قواعد ولوائح ذات صلة يتم تطويرها.
إلى جانب ذلك، يجب عليك تخفيف التوقعات والمستوى المحدد حول ماهية الذكاء الاصطناعي التوليدي وما يمكن أن يحققه بالفعل. على سبيل المثال، لن يسمح لك الذكاء الاصطناعي التوليدي باستبدال أعداد كبيرة من الموظفين بالذكاء الاصطناعي. بدلاً من ذلك، يمكن للذكاء الاصطناعي التوليدي أن يقدم موظفين أفضل وأكثر إنتاجية يمكنهم استخدام الأدوات في حياتهم العملية للتنافس ضد الشركات الأخرى التي إما ليس لديها ذكاء اصطناعي توليدي، أو التي تمتلك أدوات LLM الفانيليا تحت تصرفها. يمكن للموظفين الذين يستخدمون الذكاء الاصطناعي إنجاز المزيد من العمل، بمستويات أعلى من الجودة، والبدء في معالجة العناصر الموجودة في أعمالك المتراكمة والتي لم يكن لديك في السابق النطاق الترددي لمعالجتها. وفي ظل الإمكانات الكبيرة لهذه الأدوات، يجب علينا أن نتغلب على المخاطر المحتملة، بما في ذلك الذكاء الاصطناعي الظلي.
وكما يُقال لبيتر باركر دائمًا في فيلم "الرجل العنكبوت"، فإن القوة العظيمة تأتي مع مسؤولية كبيرة. وفي حالة الذكاء الاصطناعي التوليدي، فإن تسخير هذه القوة سيكون بمثابة رهانات على الطاولة لجميع المؤسسات. إن تحمل المسؤولية عن وضع الذكاء الاصطناعي التوليدي بسرعة في أيدي أولئك الذين يمكنهم حقًا الاستفادة من هذه القوة هو المكان الذي يمكن فيه للمؤسسات تمييز نفسها وتجنب مخاطر الذكاء الاصطناعي في الظل.
- 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/getting-ahead-of-shadow-generative-ai/
