إن ربط نموذج الذكاء الاصطناعي ببيانات معيبة لا يُحسّن البيانات نفسها، بل يُحسّن طريقة عرض أخطائها. سيُقدّم النظام ردًا مكتوبًا بأسلوب جيد ومتماسكًا وواثقًا، مبنيًا على معلومات ناقصة أو متناقضة، وهذه الثقة هي تحديدًا ما يجعل المشكلة أكثر خطورة من ذي قبل.
عندما يصدر تقرير من جدول بيانات، ينظر إليه أحدهم بريبة. أما عندما يصدر من نظام ذكاء اصطناعي، فيتم مناقشته في اجتماع.
لا تكاد تخلو أي شركة متوسطة الحجم من البيانات. ما تملكه جميعها تقريباً هو نفس المعلومات في أماكن متعددة بقيم مختلفة: العميل في نظام إدارة علاقات العملاء (CRM) وفي نظام تخطيط موارد المؤسسات (ERP) بعناوين مختلفة، وهامش الربح المحسوب بطريقتين حسب القسم، وحالة الطلب التي تختلف باختلاف الشخص الذي تسأله.
لا يحل النموذج هذا التناقض. فهو يختار أحد الإصدارات - اعتمادًا على كيفية بناء الاستعلام وأي مستند يسترجعه أولاً - ويستجيب دون أن يدرك وجود إصدار آخر.
الأعراض الثلاثة التي تظهر دائمًا في التشخيص:
لا يوجد مالك للبيانات. لا أحد مسؤول عن ضمان أن حقل "العميل النشط" يعني الشيء نفسه في جميع الأنظمة.
لا يوجد تعريف مشترك. «قد تعني كلمة "بيع" طلبًا أو فاتورة أو دفعة. ثلاثة أرقام صحيحة وثلاثة استنتاجات مختلفة.
لا يوجد تاريخ موثوق به. تم استبدال التغييرات، لذا من المستحيل إعادة بناء ما كان صحيحًا في مارس.
بدون معالجة هذه النقاط الثلاث، فإن أي طبقة تحليلية أو طبقة ذكاء اصطناعي مبنية في الأعلى سترث المشكلة وتضخمها.
مستوى | ما الذي يحلّه؟ | بدون هذا، لن ينجح التالي. |
|---|---|---|
1. خاصية البيانات | من المسؤول عن كل جزء من البيانات؟ | لا أحد يصحح أي شيء |
2. تعريف مشترك | ماذا يعني كل مقياس؟ | يتم التجادل حول الأرقام بدلاً من استخدامها |
3. مصدر واحد للحقيقة | أي نظام تحكم | تعتمد الإجابات على المكان الذي تبحث فيه. |
4. التاريخ وإمكانية التتبع | ما هو صحيح ومتى | لا توجد عملية تدقيق أو مقارنة زمنية |
5. التحليلات والذكاء الاصطناعي | التفسير والتنبؤ | بُني على الرمال |
يميل الكثيرون إلى البدء بالمستوى الخامس، لأنه الأكثر وضوحًا والأسهل عرضًا. والنتيجة هي لوحة جميلة لا يستخدم أحد أرقامها في اتخاذ القرارات، لأن لكل قسم أسبابه للتشكيك فيها.
أما الترتيب العكسي فهو أقل بريقاً وينتج قيمة من المستوى الأول: فعندما يمتلك شخص ما جزءًا من البيانات ويتم تدوين تعريفها، تختفي المناقشات حول الأرقام حتى لو لم يتم ربط أي نموذج بها.
أثناء إدخال البيانات في التقارير، تم اكتشاف خطأ في الاجتماع. عندما يتم إدخالها في الأنظمة التي يقومون بالأفعال, يتحول الخطأ إلى إجراء يتم تنفيذه: إنشاء طلب، الاتصال بالعميل، تطبيق مبلغ.
أشارت شركة ماكينزي في عام 2025 إلى أن العامل الأكثر ارتباطًا بتأثير الأرباح قبل الفوائد والضرائب ليس النموذج المُختار، بل إعادة تصميم سير العمل بشكل جذري، وهو أمر لم يقم به سوى 211TP3 من الشركات المُتبنية. تتطلب إعادة تصميم سير العمل تحديد البيانات التي تحكمه، وهنا يكمن العمل الذي يكاد لا يرغب أحد في القيام به.
إنها نفس النتيجة، ولكن من زاوية أخرى، التي نقدمها في لن يُصلح الذكاء الاصطناعي شركة مصممة بشكل سيئ
يُستخدم مصطلح "جاهز للذكاء الاصطناعي" بشكل فضفاض للغاية. عملياً، يعني هذا المصطلح خمسة أمور قابلة للتحقق:
لكل جزء مهم من البيانات نظام مصدر معلن. والآخرون يستشيرونه، ولا يعيدون كتابته.
التعريفات مكتوبة ومتاحة للجميع. مسرد مختصر يشرح ما هو العميل، والبيع، والحالة المغلقة التي تمت الموافقة عليها من قبل الشركة.
البيانات لها تاريخ. لا يتم استبدالها: بل يتم حفظ نسخ منها. وهذا يسمح بإعادة بنائها ومراجعتها.
توجد الأذونات في البيانات، وليس في التطبيق. إذا كانت خاصية التحكم في الوصول موجودة على الشاشة، فإن أي نظام يستعلم عنها من الأسفل سيتجاوزها. وهذا بالضبط ما يفعله الوكيل.
هناك طريقة لقياس الجودة. نسبة السجلات غير المكتملة، والبيانات المكررة المكتشفة، والاختلافات بين الأنظمة. بدون مقاييس، لا يمكن تحقيق أي تحسن. مشروع الذكاء الاصطناعي المبني على أساس يفي بهذه الشروط الخمسة لديه احتمالية نجاح مختلفة جذريًا عن مشروع لا يفي بها. لقد طورناه في ماذا يعني أن تكون الشركة جاهزة للذكاء الاصطناعي؟
عادةً ما يكون رد الفعل على هذا التشخيص هو اقتراح مشروع لحوكمة بيانات الشركة. ويستغرق هذا المشروع عادةً ثمانية عشر شهراً، وينتج عنه وثيقة، ولا يُحدث أي تغيير في العمليات.
أما النهج الناجح فهو عكس ذلك: ابدأ بالبيانات التي تدعم العملية التي تفسر الأمر بشكل أفضل.. اطلب هذا المنتج، وقم بقياسه، واستخدمه. ثم المنتج التالي. كل تكرار ينتج عنه نتيجة قابلة للاستخدام ويمول التكرار التالي.
من المحتمل أن مشروع البيانات الذي لا يحسن قراراً محدداً في أقل من ثلاثة أشهر لن يحسن أي قرارات على الإطلاق.
قبل الموافقة على الاستثمار في التحليلات أو الذكاء الاصطناعي، هناك اختبار يستغرق نصف ساعة: يطلب نفس المبلغ من ثلاثة أقسام مختلفة.
إذا تطابقت المعايير، فإن الأساس يكون أفضل من المعتاد ويمكن البناء عليه. أما إذا لم تتطابق - وهو ما يحدث عادةً - فأنت تعرف مسبقاً ماهية المشروع الأول، وهو ليس الذكاء الاصطناعي.
لا. النموذج الذي يتعامل مع البيانات المتضاربة يختار إحدى النسخ المتاحة ويستجيب بثقة، دون الإشارة إلى وجود نسخة أخرى. والنتيجة هي خطأ يُعرض بشكل أفضل، وبالتالي يصعب اكتشافه، مقارنةً بالخطأ الناتج عن جدول بيانات.
خمسة شروط قابلة للتحقق: كل عنصر بيانات حرج له نظام مصدر معلن، وتعريفات الأعمال مكتوبة ومشتركة، وهناك سجل إصدارات بدلاً من الكتابة فوق البيانات، والأذونات موجودة في البيانات وليس في التطبيق، وهناك مقاييس لجودة البيانات.
يرجع ذلك إلى البيانات التي تدعم العملية التي تفسر أكبر هامش ربح، وليس إلى مشروع حوكمة بيانات مؤسسية. إن تنظيم مجال ما، وقياسه، واستخدامه يُحقق نتائج في غضون أسابيع، ويُموّل المرحلة التالية؛ أما المشاريع العالمية فعادةً ما تنتهي بمجرد توثيقها.
لأنها تُبنى قبل حسم مسألة ملكية البيانات، والتعريفات المشتركة، ومصدر الحقيقة الموحد. عندما يستطيع كل قسم تبرير رقم مختلف، تُهدر الاجتماعات في الجدال حول الأرقام بدلاً من اتخاذ القرارات بناءً عليها.
لم يعد الخطأ مجرد تقرير خاطئ، بل أصبح إجراءً تم اتخاذه: إنشاء طلب، أو التواصل مع عميل، أو تطبيق مبلغ. تحوّل الأتمتة مشكلة المعلومات إلى مشكلة تشغيلية.
طلب نفس الرقم من ثلاثة أقسام مختلفة. إذا لم تتطابق الإجابات، فإن المشروع الأول المطلوب ليس مشروعًا في مجال الذكاء الاصطناعي، بل مشروعًا في مجال تعريف البيانات وتحديد ملكيتها.
هل يمكن لبياناتك أن تتحمل طبقة من الذكاء الاصطناعي؟ نقوم بتقييم الملكية والتعريفات ومصادر المعلومات وجودتها قبل تقديم أي مقترحات. تحليل لمدة ساعتين، بدون أي التزام. لنتحدث → |
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
