على مدى العامين الماضيين، تلخص الكثير من النقاش العام حول الذكاء الاصطناعي في سؤال واحد: ما مدى جودة هذا النموذج في الإجابة عن الأسئلة؟
معايير أداء. لوحات متصدرين. درجات استدلال. معدلات هلوسة.
هذا السؤال أصبح تدريجياً السؤال الخطأ - لأن التحول الأكثر إثارة للاهتمام ليس في مدى جودة *محادثة* النماذج، بل في ما إذا كان بإمكانها العمل على نفس المواد التي تستخدمها الفرق بالفعل.
لذا أجرينا تجربة بسيطة. بدلاً من الألغاز أو الحيل أو المطالبات الاصطناعية، أعطينا ذكاءً اصطناعياً شيئاً أقرب إلى الحياة الواقعية: البيانات.
الإعداد: محلل، وليس روبوت محادثة
كانت الفكرة مباشرة: التعامل مع النظام كمحلل، وليس كروبوت محادثة.
جمعنا 20 مجموعة بيانات من مواقف عادية على نمط الأعمال - مبيعات أسبوعية، نتائج حملات، جداول تسرب عملاء، صادرات استبيانات، سجلات مخزون، مقاييس منتجات. بدون تنسيق خاص. بدون حزمة معايير منسقة. فقط النوع الفوضوي من الجداول التي يتبادلها الناس عبر البريد الإلكتروني يومياً.
ثم طلبنا شيئاً أصعب من مجرد ملخص:
"أخبرنا ما المهم هنا."
ليس "صف الأعمدة". حلّل.
كان الهدف هو معرفة ما إذا كان الذكاء الاصطناعي يمكنه التجاوز مجرد المساعدة المحادثية والتصرف كشخص يحاول الوصول إلى استنتاج.
ما توقعناه
افترضنا ثلاث نتائج:
- أنه سينتج رسوماً بيانية
- أنه سيسرد الاتجاهات
- أنه سيهلوس أحياناً
لقد فعل الثلاثة. لكن النتيجة التي غيرت طريقة تفكيرنا في هذه الفئة كانت مختلفة.
المفاجأة 1: لم يبدأ بالتصور
غالباً ما يتبع المحللون البشريون مساراً مألوفاً: فتح جدول بيانات، تنظيف، رسم بياني، ثم تفسير.
لم يحاكِ النظام هذا الترتيب بشكل موثوق. لقد بدأ بكشف عدم اليقين - أسئلة حول الموسمية، وقابلية المقارنة بين المناطق، وتغيرات التسعير خلال الفترة، وفجوات السياق الأخرى التي تحدد ما إذا كان الرسم البياني سيكون صادقاً.
هذا السلوك يتوافق مع ما تسميه العديد من الفرق الآن وكلاء بيانات: أنظمة يمكنها تنفيذ أكثر من خطوة واحدة في سير العمل التحليلي، وليس فقط الإجابة على مطالبة واحدة.
بمعنى آخر، لم يكن يرسم فقط. بل كان يشكل فرضيات.
المفاجأة 2: لم تكن الرسوم البيانية هي المخرجات الأكثر قيمة
توقعنا أن تكون الرسوم البيانية الفائدة الرئيسية. لم تكن كذلك.
جاءت اللحظات الأكثر تأثيراً عندما شرح النظام لماذا تحرك رقم معين.
مثال من ملف على نمط البيع بالتجزئة: انخفاض في الإيرادات في أسبوع واحد. قد يتوقف المحلل البشري عند "شيء ما انخفض". ربط التشغيل الانخفاض بانخفاض التحويل، وارتفاع في حركة المرور عبر الهاتف المحمول، وإطلاق حملة معينة - ثم أنتج شرحاً موجزاً: الزوار ذوو النية المنخفضة خففوا من التحويل بعد أن جذبت الحملة حركة مرور أوسع.
هذه ليست تنبؤات سحرية. إنها استدلال عبر الإشارات - وأعادت صياغة ما يجب أن تعمل "تحليلات الذكاء الاصطناعي" على تحسينه.
المفاجأة 3: السرعة غيرت السلوك، وليس فقط الإنتاجية
تأتي سير العمل التحليلي الكلاسيكي مع احتكاك: طلب، قائمة انتظار، تحليل، اجتماع، قرار.
عندما تصل الإجابات في ثوانٍ بدلاً من أيام، لا يتحرك الناس بشكل أسرع فقط - بل يطرحون أسئلة أكثر. أسئلة أصغر وأكثر حدة:
- "ما الذي تغير أمس؟"
- "لماذا تفوقت المنطقة ب على المنطقة أ؟"
- "ماذا يحدث إذا تم استبعاد عطلات نهاية الأسبوع؟"
نادراً ما كان عنق الزجاجة هو الحجم الخام للبيانات. بل كان تكلفة السؤال. بمجرد انهيار هذه التكلفة، يرتفع الفضول - والتكرار. هذا يغير كيفية ارتباط الفرق بالبيانات تماماً.
من مساعد إلى محلل
تساعدك روبوتات المحادثة في الكتابة. يساعدك البحث في العثور. يجب أن تساعدك الأنظمة التحليلية في اتخاذ القرار.
الشركات تجرب بالفعل أنظمة أكثر استقلالية تنسق البيانات التشغيلية وسير العمل. ما رأيناه على نطاق أصغر كان نفس التحول الاتجاهي: الذكاء الاصطناعي ينتقل من الاستجابة إلى التفسير إلى توجيه الانتباه.
بدلاً من: "إليك الرسم البياني الذي طلبته."
يصبح: "إليك ما يستحق التدقيق - ولماذا."
الأثر الحقيقي
لسنوات، انحدرت ثقافة ذكاء الأعمال بشدة نحو لوحات المعلومات. تفترض لوحات المعلومات أن المستخدمين يعرفون بالفعل ما الذي يبحثون عنه، وأي عرض مهم، وكيفية قراءة التغيير.
معظم الفرق لا تفشل لأنها لا تستطيع الوصول إلى البيانات. إنها تفشل لأن الفهم مكلف.
لم تكن مشكلة الصناعة أبداً هي التصور وحده. بل كانت الإدراك تحت ضغط الوقت.
ما يعنيه هذا للعمل
الخوف الشائع هو الاستبدال. أشارت التجربة إلى شيء أضيق.
لم يمحِ الذكاء الاصطناعي دور المحلل. لقد استبدل الانتظار، وتجميع الرسوم البيانية المتكرر، والمرور الأول للمقارنة الآلية.
ما بقي في الجانب البشري:
- الحكم
- اتخاذ القرار
- التواصل
- السياق الذي يمكن فقط لصاحب المصلحة توفيره
الوظيفة لم تختف. لقد انتقلت إلى مستوى أعلى.
فئة مختلفة من الأدوات
نحن في وقت مبكر من تحول نحو ما يمكن تسميته البنية التحتية المفكرة - برمجيات تكشف الأنماط، وتشرح الحالات الشاذة، وتوجه الانتباه، وتختصر المسار من البيانات إلى العمل.
لن يتم تعريف الجيل القادم من التحليلات بأجمل رسم بياني افتراضي.
سيتم تعريفه بمدى سرعة انتقال الفريق:
بيانات → فهم → فعل
إطار ختامي
لفترة طويلة، كنا نصنف الذكاء الاصطناعي بناءً على ما إذا كان بإمكانه الإجابة مثل إنسان.
بعد تجارب مثل هذه، الاختبار الأفضل هو أبسط:
هل يساعد البشر على الفهم بشكل أسرع - وبما يكفي من إمكانية التتبع ليثقوا في الخطوة التالية؟
لأن الثورة الدائمة ليست آلات تبدو ذكية.
إنها آلات تجعل الناس أكثر حزماً.
هذا التحول بدأ بالفعل - بهدوء، في جداول البيانات والصادرات التي تمتلكها الفرق بالفعل.