قطع طريق ارتباك GenAI: ثماني قراءات نهائية

عندما يصبح الذكاء الاصطناعي التوليدي أكثر قدرة، فإنه يصبح أكثر قيمة لكل من المنظمتين ولكل واحد منا على حدة.

على الرغم من انتشاره في كل مكان، إلا أن الذكاء الاصطناعي التوليدي لا يزال شابًا.

مراجعة سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا والابتكار والإدارة يقدم المؤلفون حول هذا الموضوع - بما في ذلك الأكاديميون والباحثون والممارسون - تقارير من الخطوط الأمامية حول أفضل أسئلة GenAI التي يجب طرحها وكيفية التفكير في الإجابة عليها.

خذ على سبيل المثال كاتب العمود راما راماكريشنان، أستاذ الممارسة في كلية MIT سلون للإدارة.

يوضح راماكريشنان: "على الرغم من أن الحث الدقيق والتقنيات مثل RAG [توليد الاسترجاع المعزز] يمكن أن تشجع نموذج الذكاء الاصطناعي على تحديد أولويات مجموعة من المستندات المقدمة، إلا أنه لا يمكن إجبار حاملي شهادات الماجستير القياسية على استخدام هذا المحتوى فقط".

سؤال مباشر؛

---

1. كيف تعمل برامج LLM: أهم 10 أسئلة على المستوى التنفيذي

راما راماكريشنان

"خلال عملي في كلية سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا، قمت بتدريس أساسيات كيفية عمل نماذج اللغات الكبيرة (LLMs) للعديد من المديرين التنفيذيين خلال العامين الماضيين.

"يفترض بعض الأشخاص أن قادة الأعمال لا يريدون ولا يحتاجون إلى معرفة كيفية عمل حاملي شهادة الماجستير في إدارة الأعمال وأدوات الذكاء الاصطناعي التوليدية التي يستخدمونها - وهم مهتمون فقط بالتكنولوجيا. نتائج يمكن للأدوات تقديم.

"في هذا العمود، أشارك أسئلة حول 10 مواضيع غالبًا ما يُساء فهمها والتي كثيرًا ما يُسأل عنها، بالإضافة إلى إجاباتها. ...

"[على سبيل المثال،] متى تقرر LLM إعطاء المستخدم الإجابة النهائية على سؤال ما؟ يتم تحديد قرار التوقف عن الإنشاء من خلال مجموعة من ما تتوقعه LLM والقواعد التي يحددها نظام البرنامج الذي يقوم بتشغيلها. إنه ليس خيارًا تتخذه LLM وحدها." اقرأ المقال كاملاً »

2. كيفية توسيع نطاق GenAI في مكان العمل

مايكل ويد، كونستانتينوس ترانتوبولوس، مارك نافاس، وأندرس روماري

"بينما تنتقل الشركات من التجريب إلى التبني على مستوى المؤسسة، فإن العديد منها لا تعاني من الأدوات نفسها ولكن مع التحول التنظيمي المطلوب لدمجها بشكل مفيد في العمل اليومي للناس. وسوف تستمر الأدوات في التطور: إن الجانب الإنساني من المعادلة هو الذي يحدد ما إذا كانت مبادرات GenAI ستنجح حقا.

"لقد درسنا واحدة من أكبر عمليات نشر الذكاء الاصطناعي التوليدي في العالم الحقيقي حتى الآن - في شركة الأدوية المتعددة الجنسيات نوفو نورديسك. وتظهر تجربتها أن النجاح لا يتوقف فقط على البنية التحتية ولكن على كيفية تفكير الناس وتكيفهم وتعاونهم مع الذكاء الاصطناعي. أحد الدروس المهمة: في حين أن اعتماد GenAI والتحولات الرقمية الأوسع لهما جذور مشتركة، فإن الذكاء الاصطناعي التوليدي مدمر بشكل فريد، ويعيد تشكيل طبيعة العمل نفسه بطرق غير مسبوقة. ...

"لقد وفر كل موظف 2.17 ساعة في الأسبوع، في المتوسط، بمجرد بدء استخدام الأداة. ولكن حدث شيء غير متوقع أيضًا: لم تكن تلك الساعات هي ما يقدره الموظفون أكثر. كان رضا الموظفين عن Copilot مرتبطًا بقوة أكبر بثلاث مرات بالتحسينات الملموسة في جودة العمل مقارنة بالوقت الذي تم توفيره. أبلغ الموظفون عن تحسينات في الجودة في تلخيص المحتوى، وإنشاء المحتوى، والتفكير. ومن المثير للاهتمام، أن العديد من الموظفين أعادوا استثمار الوقت الذي وفروه في التفاعلات مع الأشخاص، والتخطيط الاستراتيجي، والعمل الإبداعي." اقرأ المقال كاملاً »

3. توليد قيمة من GenAI من خلال التحولات "الصغيرة".

ميليسا ويبستر وجورج ويسترمان

"يجد قادة الأعمال طرقًا لاستخلاص القيمة الحقيقية من نماذج اللغات الكبيرة (LLMs) دون استبدال كامل للعمليات التجارية الحالية. إنهم يسعون إلى التحول "الصغير"، حتى وهم يبنون الأساس لتحولات أكبر قادمة. ...

"أجرى فريق مشروعنا مقابلات مع كبار المديرين في مختلف الوظائف، بما في ذلك الذكاء الاصطناعي، وعلوم البيانات، والابتكار، والعمليات، والمبيعات، في 21 شركة كبيرة. لقد ركزنا على فهم ما تفعله المؤسسات التي تتبنى GenAI مبكرًا وواسع النطاق نسبيًا ولماذا. ...

"يظهر بحثنا أن معظم الشركات تتبع نهجًا أكثر استهدافًا للتحول باستخدام الذكاء الاصطناعي التوليدي. في حين أن GenAI يمكن أن يزيد من سرعة وجودة العديد من المهام، فإنه يأتي أيضًا مع مجموعة متنوعة من المخاطر حول الدقة والأمن وإدارة الملكية الفكرية. ويميل القادة الذين أجرينا مقابلات معهم إلى تطبيق منطق منحدر المخاطر عند اتخاذ قراراتهم، مع ربط مخاطر أعلى بالعمليات التي تواجه العملاء مقارنة بالعمليات الداخلية." اقرأ المقال كاملاً »

4. يتحول تركيز GenAI إلى الابتكار في Colgate-Palmolive

توماس هـ. دافنبورت وراندي بين

"تم تعزيز نماذج اللغة الكبيرة (LLMs) التي تستخدمها فرق Colgate-Palmolive بمحتوى جيل الاسترجاع المعزز (RAG) من أنواع مختلفة - أبحاث الملكية التي تجريها الشركة، واتجاهات بحث Google، ومصادر البيانات المشتركة، والمزيد. تعتمد الأنظمة المستندة إلى RAG على محتوى خاص بالشركة أكثر من مواد الإنترنت العامة، لذلك هناك احتمال أقل للهلوسة.

"يمكن للذكاء الاصطناعي التوليدي أن يستعرض هذه المواد بسرعة ويصف اتجاهات السوق واحتياجات المستهلكين غير الملباة. وهذا يعني أنه بدلاً من تنزيل مجموعة واسعة من تقارير أبحاث السوق وقراءتها وتدوينها عندما يريدون رؤى المستهلكين، يمكن للموظفين فقط كتابة السؤال الذي يريدون الإجابة عليه بسرعة والحصول على إجابة على الفور. ...

"وجدت فرق كولجيت-بالموليف أنه يمكنهم الجمع بين نظام ذكاء اصطناعي واحد يبرز احتياجات المستهلكين غير الملباة مع نظام ذكاء اصطناعي آخر خاص به يطور مفاهيم منتج جديدة لتلبية تلك الاحتياجات. في دقائق، وبتوجيه بشري، يمكنه إنتاج نسخ وصور لمفهوم جديد، مثل نكهة جديدة لمعجون الأسنان. في حين أن هناك دائمًا بشر في الحلقة لتوجيه سير العمل، فإن استخدام النظام المعزز بـ GenAI أكثر كفاءة بكثير من جعل البشر يتصفحون مواد أبحاث السوق. كما أن اتساع الأفكار المتولدة أيضًا اقرأ المقال كاملاً »

5. استخدم الذكاء الاصطناعي الخاص بك: كيفية الموازنة بين المخاطر والابتكار

نيك فان دير ميولين وباربرا هـ. ويكسوم

"مع ظهور GenAI يأتي تحدي جديد لقادة المؤسسات: ظاهرة إحضار الذكاء الاصطناعي الخاص بك (BYOAI)، والذي يحدث عندما يستخدم الموظفون أدوات GenAI غير المدققة والمتاحة للعامة في العمل.

"بينما تعد هذه الأدوات بمزيد من الإنتاجية والإمكانات الإبداعية، فإنها تجلب أيضًا مخاطر تتعلق بالأمن التنظيمي والحوكمة، بما في ذلك فقدان البيانات، وتسرب الملكية الفكرية، وانتهاكات حقوق الطبع والنشر، والخروقات الأمنية. ...

"نظرًا للمخاطر المرتبطة بـ BYOAI، قد يبدو من المنطقي للقادة أن يفكروا في حظر أدوات GenAI التي لم يتم فحصها بشكل كامل. إن احتمال استخدام GenAI غير المنضبط، إلى جانب عدم اليقين بشأن التعرض القانوني والتنظيمي، يمكن أن يجعل القادة حذرين بشكل مفهوم. ومع ذلك، قال المسؤولون التنفيذيون الذين أجرينا مقابلات معهم إن حظر BYOAI ليس عمليًا ولا فعالًا. غالبًا ما يلجأ الموظفون - وخاصة أولئك الذين يشعرون بالفعل بالإرهاق - إلى أدوات GenAI لتعزيز إنتاجيتهم الشخصية. وتقييد الوصول يدفعهم فقط إلى البحث عن أدوات غير رسمية. اقرأ المقال كاملاً »

6. توقف عن نشر الذكاء الاصطناعي.

مايكل شراج وديفيد كيرون

"كجزء من استكشافنا المستمر لـ "الفلسفة تأكل الذكاء الاصطناعي" - الأطروحة القائلة بأن الوضوح الفلسفي الأساسي ضروري للقيمة المستقبلية للأنظمة الذكية - نجد أن الرؤى الأساسية لـ [الفيزيائي الذي تحول إلى رجل أعمال ستيفن] ولفرام حول الحساب لها استخدامات قابلة للتنفيذ بشكل واضح، إذا لم يتم تقديرها بشكل كافٍ، للقادة الذين تغمرهم قدرات الذكاء الاصطناعي ولكنهم لا تطغى عليهم عوائد الذكاء الاصطناعي. ...

"تقدم أعمال حياته الآن أطر عمل حاسمة لفهم الذكاء الاصطناعي وتطبيقه في العالم الحقيقي. إن أفكاره ليست ازدهارًا أكاديميًا ذكيًا؛ إنها ضرورات لبناء بيئات ذكاء تعمل بفعالية على نطاق واسع. ...

"مع ولفرام، استكشفنا فكرة أن قيادة الذكاء الاصطناعي يجب أن تتحول من اعتماد ودمج أدوات الذكاء الاصطناعي بشكل أفضل ل تصميم البيئات الاستخباراتية، الهياكل التنظيمية التي يتفاعل فيها الوكلاء البشريون والاصطناعيون بشكل استباقي لخلق قيمة استراتيجية. اقرأ المقال كاملاً »

7. التكاليف الخفية للبرمجة باستخدام الذكاء الاصطناعي التوليدي

إدوارد أندرسون، جيفري باركر، وبوركو تان

"تتوقع المؤسسات التي تتبنى هذه الأدوات تحقيق مكاسب كبيرة. وتدعم الأبحاث المبكرة تفاؤلها: فقد أفادت GitHub أن المبرمجين الذين يستخدمون Copilot أصبحوا أكثر إنتاجية بنسبة تصل إلى 55%، ووجدت شركة McKinsey أن المطورين يمكنهم إكمال المهام بسرعة تصل إلى الضعف بمساعدة الذكاء الاصطناعي التوليدي.

"لكن هذه المؤشرات الإيجابية تأتي مع تحذير كبير. تم إجراء الدراسات في بيئات خاضعة للرقابة حيث أكمل المبرمجون مهام معزولة - وليس في إعدادات العالم الحقيقي، حيث يجب بناء البرامج فوق الأنظمة الحالية المعقدة. عندما يتم توسيع نطاق استخدام التعليمات البرمجية المولدة بواسطة الذكاء الاصطناعي بسرعة أو تطبيقها على البيئات البنية (القديمة)، تكون المخاطر أكبر بكثير وتصعب إدارتها. ...

"عندما تقوم إحدى المؤسسات بسرعة بإدخال برمجيات جديدة إلى الأنظمة الحالية، فإنها يمكن أن تخلق عن غير قصد مجموعة متشابكة من التبعيات التي تزيد من تعقيد عملها الديون الفنية - أي تكلفة العمل التكنولوجي الإضافي الذي ستكون هناك حاجة إليه في المستقبل لمعالجة الاختصارات المتخذة والحلول السريعة التي تم إجراؤها أثناء التطوير.

"يجب على المؤسسات التعامل مع ميل أدوات الذكاء الاصطناعي إلى زيادة الديون التقنية باعتبارها خطرًا استراتيجيًا، وليس مجرد مصدر إزعاج تشغيلي." اقرأ المقال كاملاً »

8. متى يجب استخدام GenAI مقابل الذكاء الاصطناعي التنبؤي

راما راماكريشنان

"في حين يعد الذكاء الاصطناعي التوليدي بإحداث ثورة في كل شيء بدءًا من خدمة العملاء وحتى تطوير المنتجات، فإن دوره الأمثل إلى جانب أدوات الذكاء الاصطناعي التنبؤية (أي التعلم الآلي وأدوات التعلم العميق) يظل عملاً قيد التقدم. وهذا غالبًا ما يترك القادة يتساءلون عن النهج الصحيح لمعالجة مشكلة معينة. ...

"لاستخدام التعلم الآلي التقليدي بشكل فعال مع البيانات غير المنظمة، يجب أن تكون البيانات يدويا منظمة - وهي مهمة مكلفة تجعل التعلم الآلي غير جذاب لحالات الاستخدام التجاري حيث لا تكون البيانات المدخلة جدولية.

"إن مدخلات ومخرجات أنظمة الذكاء الاصطناعي التوليدية مثل LLMs عادة ما تكون غير منظمة. والأكثر شيوعًا، أنها تشتمل على بيانات نصية و/أو صور، ومؤخرًا، مقاطع فيديو. لاحظ أن النص الذي يتم تحليله وإنشاؤه بواسطة أدوات الذكاء الاصطناعي التوليدية يشمل مجموعة مذهلة من الأنواع، مثل كود البرنامج، وتسلسل البروتين، والتدوين الموسيقي، والتعبيرات الرياضية، والصيغ الكيميائية. ...

"دعونا نبدأ بالحالة السهلة. إذا كانت لديك مشكلة جيل يجب حلها، فهناك لعبة واحدة فقط في المدينة: الذكاء الاصطناعي التوليدي. اعتمادًا على نوع المخرجات التي تريد توليدها، قد تحتاج إلى استخدام LLMs متعدد الوسائط، مثل OpenAI's GPT-4، أو Anthropic's Claude 3.7 Sonnet، أو Gemini 1.5 من Google؛ أو نماذج تحويل النص إلى صورة، مثل Dall-E؛ أو نماذج ذات أغراض خاصة تم تصميمها للصوت والصورة.

"ومع ذلك، إذا كانت لديك مشكلة في التنبؤ، تصبح الأمور أكثر تعقيدًا." اقرأ المقال كاملاً »

موارد إضافية: تطبيق دروس الذكاء الاصطناعي مع فريقك

GenAI: مجموعة أدوات الإستراتيجية + الحوكمة

مراجعة سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا والابتكار والإدارة قامت بتطوير إستراتيجية الذكاء الاصطناعي التوليدي + مجموعة أدوات الحوكمة مع خمسة من أبرز الخبراء على مستوى العالم في القيادة التوليدية للذكاء الاصطناعي: إيثان موليك (كلية وارتون بجامعة بنسلفانيا)، وجون سفيوكلا (كلية هارفارد للأعمال وGAI Insights)، وجون ك. طومسون (مجموعة هاكيت وجامعة ميشيغان)، وجورج ويسترمان (كلية سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا)، وديفيد أ. وود (كلية ماريوت للأعمال بجامعة بريجهام يونج).

تشتمل المجموعة على درس فيديو مع Westerman، ومخطط إستراتيجية GenAI، وقائمة مرجعية لإستراتيجية GenAI، ومخطط حوكمة GenAI، ومقالات، والمزيد.