لقد أدى الوعد التحويلي للذكاء الاصطناعي (AI) والتعلم الآلي (ML) للمؤسسات إلى إثارة حماسة هائلة واستثمارات ضخمة من قبل المسؤولين التنفيذيين في مجال البيانات. يتوقع أحد التقديرات أن مساهمة الذكاء الاصطناعي في الاقتصاد العالمي يمكن أن تصل إلى مستوى غير عادي 15.7 تريليون دولار بواسطة 2030. وهذا أكثر من الناتج الاقتصادي الحالي المشترك للصين والهند.
ومع ذلك، يبدو أن هناك هوة حقيقية بين الإمكانات والتحقق. يجد العديد من المسؤولين التنفيذيين في مجال البيانات أن توليد عائد استثمار ذي معنى من الذكاء الاصطناعي لا يزال عملية صعبة ومليئة بالعقبات. في عام 2018، توقع جارتنر أن ما يصل إلى 85% من مشاريع الذكاء الاصطناعي حتى عام 2022 ستؤدي إلى نتائج خاطئة بسبب التحيز في البيانات أو الخوارزميات أو الفرق المسؤولة عن إدارتها.
بالنسبة للمؤسسات التي بدأت للتو في هذه الرحلة، يمكن أن توفر تجارب المستخدمين الأوائل الناجحين رؤية لا تقدر بثمن. تحقيقا لهذه الغاية، لدينا مؤخرا دراسة عميقة استهدف قادة تعلم الآلة - المديرين التنفيذيين للبيانات وأولئك الذين يتولون قيادة النماذج التشغيلية - لفهم وصفاتهم لتحقيق النجاح.
بانوراما من الوعود والإنجازات
وكشفت الدراسة أنه على عكس التصور بأن مشاريع الذكاء الاصطناعي لديها معدل فشل مرتفع، فإن العديد من "المبادرين" في الذكاء الاصطناعي يحصدون مكافآت حقيقية من استثماراتهم المبكرة. ويعتقد 92% من قادة فرق الذكاء الاصطناعي أن مبادراتهم في مجال الذكاء الاصطناعي تقدم قيمة ذات معنى. ويتراوح ذلك من التخصيص الموسع في تفاعلات العملاء وبروتوكولات الكشف عن الاحتيال المعززة، إلى مخططات المبيعات والتسويق المحسنة وعمليات اتخاذ القرار في الوقت الفعلي.
وبعد أن ذاقوا طعم النجاح في جهودهم الأولية، يخطط 61% من المشاركين في الاستطلاع لمضاعفة استثماراتهم في الذكاء الاصطناعي. ولكن من المرجح أيضًا أن يكون لهذا المستوى من الالتزام عواقب، مما يؤدي إلى تضخم المنافسة على موارد الذكاء الاصطناعي وتعلم الآلة المهمة في النظام البيئي.
الصعود الحاد إلى الأمام
لم يكن النجاح لهؤلاء الرواد خاليًا من التحديات. مثالان:
- معالجة معضلة الموهبة: في عالم تعلم الآلة، الخبرة ليست مجرد رغبة فحسب، بل إنها ضرورة حتمية. ومن أبرز ما كشفت عنه الدراسة أن 71% من المؤسسات لديها فرق هائلة، وغالبًا ما يتجاوز عددها 100 متخصص في مجال التعلم الآلي. ومع ذلك، فإن التحدي الحقيقي ذو شقين: ليس فقط جذب هذه المواهب النخبة ولكن أيضًا ضمان الاحتفاظ بها والنمو.
- تحديات منصة شعوذة: التحدي الثاني الذي لا يقل أهمية هو كيفية تعامل الشركات مع الحلول المخصصة. فكر في الأمر بهذه الطريقة: قامت العديد من المؤسسات، في سعيها للبقاء في المقدمة، بتصميم أطر عمل مخصصة لتعلم الآلة مصممة خصيصًا لتلبية احتياجاتها الدقيقة. على الرغم من أن هذا النهج المصمم خصيصًا يقدم تخصيصًا عميقًا، إلا أنه لا يخلو من المخاطر. كان 51% من المشاركين صريحين بشأن الجهود كثيفة العمالة المطلوبة لتكامل الأدوات، مشيرين إلى ذلك باعتباره تحديًا كبيرًا. أشارت نسبة مماثلة تقريبًا من المشاركين إلى التحديات المرتبطة بالحجم الهائل وتنوع الأدوات الحيوية لعمليات تعلم الآلة.
استراتيجيات لمستقبل أكثر إشراقًا للتعلم الآلي
نتائج الاستطلاع واضحة. في حين أن جاذبية التعلم الآلي لا يمكن إنكارها، فإن تسخير إمكاناتها الكاملة يتطلب بصيرة استراتيجية وتخطيطًا دقيقًا. المتبنون الأوائل، على الرغم من مواجهة التحديات، يقدم مخزونًا من الأفكار التي يمكن أن تكون مفيدة للغاية لأولئك الذين يشرعون في رحلات مماثلة. يمكن أن يكون التعاون مع الموردين المتمرسين والخبراء هو العامل الذي يغير قواعد اللعبة، حيث يقدم التوجيه الذي تسعى إليه المؤسسات. علاوة على ذلك، تقف الشركات الآن على مفترق طرق اتخاذ القرار - سواء للاستثمار في منصة متخصصة لإنتاج تعلم الآلة أو إنشاء إطار داخلي يجب أن يتكامل مع قدرات المنصات التجارية.
في عالم الذكاء الاصطناعي والتعلم الآلي الذي يتطور باستمرار، يكون الطريق إلى النجاح معقدًا ومليئًا بالتحديات. ومع ذلك، من خلال الاستراتيجيات الذكية - المرتكزة على تجارب ورؤى مديري البيانات وقادة الذكاء الاصطناعي الذين مهدوا الطريق - فإن تحقيق النجاح ليس مجرد احتمال، بل هدف ملموس. تدور رحلة الذكاء الاصطناعي والتعلم الآلي، في جوهرها، حول التعلم المستمر والتكيف الاستباقي والاستثمار الاستراتيجي، مع الوعد بمكافآت لا مثيل لها في الأفق.
- 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/machine-learning-challenges-and-opportunities-for-modern-data-executives/
