حالة الأعمال للذكاء الاصطناعي: دليل وحالات استخدام لأصحاب المصلحة

تساعد تقنيات الذكاء الاصطناعي، بما في ذلك الكشف عن أوجه الخلل والبحث عن المتجهات الشركات لبعض الوقت. لكن التحدُّث إلى أجهزة الكمبيوتر باللغة الطبيعية—والسؤال حول أداء الأعمال ومناقشة الأسباب الجذرية—أصبح ممكنًا لمعظم الشركات في السنوات القليلة الماضية فحسب. من السهل تخيل كيف يمكن لأجهزة الكمبيوتر التي يمكنها تحليل البيانات في غمضة عين أن تساعد شركتك. لكن يتطلب استخلاص قيمة تجارية منها استثمارًا كبيرًا، ولم يكن من الواضح دائمًا أن العائد يبرر التكلفة.

باختصار، يوجد إجماع واسع على أن الذكاء الاصطناعي يلعب دورًا رئيسًا في الأعمال التجارية، لكن تقديم دراسة جدوى قوية له على أساس حسابات عائد الاستثمار الراسخة يظل تحديًا. دعونا نستكشف طريقة تبرير الاستثمارات في الذكاء الاصطناعي.

ما المقصود بالذكاء الاصطناعي؟

يشير الذكاء الاصطناعي إلى أنظمة الكمبيوتر المُصممة لأداء المهام التي تتطلب عادةً الذكاء البشري. يتم تدريب النماذج الأكثر تقدُّمًا، والمعروفة باسم نماذج اللغة الكبيرة (LLM) على مجموعات البيانات الكبيرة من الإنترنت والمصادر الأخرى. بمجرد تدريبها، تتفوق نماذج LLM في فهم اللغة، وتوفِّر المساعدة عبر العديد من التخصصات، وتضع خطط لإكمال مجموعة واسعة من المهام. يمكن أن تكون هذه الإمكانات مُفيدة بشكل خاص عندما تسترشد ببيانات خاصة بالمؤسسة.

النقاط الرئيسة

• يتواجد الذكاء الاصطناعي في العديد من تطبيقات الأعمال، مما يساعد في معالجة البيانات لتوفير رؤى جديدة وتحسين الكفاءة.
• تتقدم إمكانات الذكاء الاصطناعي بسرعة. يمكن لـ وكلاء الذكاء الاصطناعي تخطيط المهام المُعقدة وتنفيذها، ومن خلال الوصول الآمن إلى بيانات المؤسسة، يمكن تنفيذ العديد من المهام التي يقوم بها البشر.
• يجب على الشركات التخطيط لاعتماد الذكاء الاصطناعي أو المخاطرة بتفوق المنافسين. مثل جميع استراتيجيات الأعمال الجيدة، يجب أن تعتمد كل خطوة على النجاح السابق.

9 حالات استخدام تجارية للذكاء الاصطناعي

لفت ChatGPT الذي تم تقديمه في عام 2022 انتباه الطلاب وقادة الأعمال على حد سواء. ChatGPT, introduced in 2022, caught the attention of students and business leaders alike.

تستفيد الشركات الآن من تحسينين على وجه الخصوص. يظهر الأول في الوصول إلى بيانات الأعمال، ويكون عادةً من خلال التقنيات المعروفة باسم الإنشاء المعزز بالاسترجاع، أو RAG، أو بروتوكول سياق النموذج، أو MCP. باستخدام RAG وMCP والتقنيات المماثلة التي توفر البيانات ذات الصلة، يمكن لـ LLM استخدام هذا السياق للإجابة على الأسئلة المتعلقة بالأعمال، مثل طلبات العملاء للحصول على تفاصيل المنتج وسيناريوهات "ماذا لو" الخاصة بالمديرين التنفيذيين حول توقعات المبيعات.

يظهر الثاني في قدرة الذكاء الاصطناعي على إنشاء خُطط من خلال فهم طريقة إكمال المهام السابقة واستخدام مجموعات الأدوات لإكمال المهام الأكثر تعقيدًا. يُعرف هذا بالذكاء الاصطناعي الوكيل، وقد أصبح أساسًا للذكاء الاصطناعي الذي يوفر قيمة أعمال محسوسة، خاصةً مع انطلاق استخدام MCP. لم يعد الموضوع مجرد إذا كان يتم استخدام الذكاء الاصطناعي في الأعمال التجارية، لكن متى وكيف ذلك.

فيما يلي تسعة مجالات تشهد فيها الشركات نجاحًا في مجال الذكاء الاصطناعي.

1. خدمة العملاء

تتسم معظم تفاعلات خدمة العملاء بالتكرار. يعني ذلك أن الذكاء الاصطناعي الذي لديه حق الوصول إلى سجل من الأسئلة والقرارات ووثائق المنتج يمكنه أن يعمل بصفته وكيل خدمة عملاء من المستوى الأول متمكن—وقد يتجاوز مهام المستوى الأول باستخدام أدوات جديدة. يمكن للذكاء الاصطناعي الوكيل التعلم من التفاعلات السابقة وإجراء محادثات تفاعلية لحل المشكلات، على سبيل المثال. تُعد دراسة الجدوى الأقوى إذا كانت بيانات خدمة العملاء كاملة وشاملة. دعونا نلقي نظرة على خمس إمكانات رئيسة.

• معالجة الاستعلامات المؤتمتة عبر روبوتات المحادثة والمساعدين الصوتيين: تؤدي الجودة الرديئة بشكل ملحوظ غالبًا لروبوتات المحادثة السابقة غير المدعومة بالذكاء الاصطناعي إلى إحباط العملاء، الذين سرعان ما يتطلعوا إلى التحدث مع بشري بدلاً من ذلك. حتى باستخدام الذكاء الاصطناعي، يجب أن تكون روبوتات المحادثة والمساعدين الصوتيين مباشرة وصحيحة وسريعة لتستميل المستخدمين.
• الأسئلة والأجوبة الأساسية، بما في ذلك المراجعات والاستجابات من الوثائق: تتمثل إحدى الطرق لمساعدة العملاء على قبول مساعدة روبوت المحادثة في السماح له بالإجابة بطرق فريدة من نوعها للذكاء الاصطناعي. على سبيل المثال، يمكن لـ Rufus من Amazon الجمع بين الوثائق وتعليقات المشتري السابقة لمشاركة الرؤى وميزات المنتج، لكن أيضًا تحديد ما يفكر فيه المشترون السابقون حول أداء العنصر. بالنسبة إلى دعم المنتج، يمكن لروبوت المحادثة سرد الحلول الأكثر احتمالاً للمشكلة بسرعة على أساس قاعدة معارفه أو تقديم رؤى لا يمكن لوكلاء مساعدة العملاء البشرية القيام بها بسهولة.
• تحليل المشاعر: عندما يحتاج العملاء إلى مساعدة، لا يكونوا دائمًا في مزاج لوصف المشكلة بصبر والتعامل مع الأسئلة الأولية حول الحلول الممكنة—لا أحد يحب أن يُسأل، "هل هو موصَّل؟" على نحو متزايد، يمكن للذكاء الاصطناعي تقييم نغمة المحادثة أو الصوت لمساعدة الوكلاء في تحديد نفاد الصبر أو الغضب، وهو أمر بالغ الأهمية للدعم الفعَّال.
• فحص التذاكر وتوجيهها: عند ورود طلبات الدعم، من المهم توجيه التذكرة في الاتجاه الصحيح. هل هذا عميل ذو قيمة عالية يجب أن يحصل على خدمة من الدرجة الأولى؟ ما المُنتج موضع المشكلة، ومَن المتاح لمعالجة المشكلة المحددة على أفضل وجه؟ من خلال تتبع القرارات السابقة، يمكن للذكاء الاصطناعي القيام بعمل ممتاز لتوجيه تدفق مشكلات دعم العملاء.
• الدعم المُخصص: يعتمد الدعم المُخصص، سواء كان الذكاء الاصطناعي أو الوكلاء البشريين على جودة البيانات في نظام دعم العملاء. عند إضافة الذكاء الاصطناعي إلى النظام، يمكن أن يساعد الوكلاء في العثور على معلومات العملاء ذات الصلة وتقديمها بسرعة على الفور أو جعل التفاعلات أكثر تخصيصًا عند التعامل معها مباشرةً.

2. التسويق والمبيعات

تُعد قدرة الذكاء الاصطناعي على التدقيق بسرعة في البيانات وتطوير استراتيجيات تسويق ومبيعات فريدة، ويكون على أساس كل عميل على حدة غالبًا اقتراح جذَّاب. يكون طلب الرد أسرع لأولئك الذين يستخدمون إمكانات أنظمة أتمتة التسويق وإدارة علاقات العملاء الحالية بشكل كامل. كلما كانت بياناتك أفضل، كانت النتائج أفضل عند إضافة الذكاء الاصطناعي. هل يحتفظ مندوبو مبيعاتك بملاحظات دقيقة حول تفاعلات العملاء لديهم؟ ربما نعم، وربما لا. في كلتا الحالتين، يمكن للذكاء الاصطناعي المساعدة، لكن تعزز المزيد من البيانات نتائج ذكاء اصطناعي فائقة.

• تأهيل العملاء المحتملين ورعايتهم: ما هدفك؟ هل ترغب في مضاعفة قاعدة عملائك خلال العامين القادمين، أم تفضل إضافة 10% أو 20% إليها؟ هل فريق مبيعاتك يعرف المنافسة جيدًا ولديه فهم جيد لعالم العملاء المحتملين؟ إذا استعد فريق مبيعاتك وكنت مُتحمسًا لمعدل نمو يتراوح بين 10% و20%، فقد لا يكون الذكاء الاصطناعي لتمكين المبيعات مهمًا كما هو الحال بالنسبة إلى الشركات أو المؤسسات ذات النمو المرتفع التي لديها قواعد عملاء واسعة. من المحتمل أن يكون جعل حالة الأعمال للذكاء الاصطناعي هنا أكثر صرامة مما كانت عليه لخدمة العملاء على سبيل المثال. بالنسبة إلى الشركات التي تتطلع إلى دخول أسواق جديدة أو طرح منتجات جديدة، تكون دراسة جدوى الذكاء الاصطناعي أفضل. يمكن للذكاء الاصطناعي تسجيل نقاط العملاء المحتملين، وهو أمر مُفيد عندما يكون لديك العديد من العملاء المحتملين لكن يمكنك استهداف مجموعة فرعية صغيرة منهم فحسب على سبيل المثال.
• تحديد العملاء المحتملين: وفقًا إلى ما سبق، يمكن للذكاء الاصطناعي إنشاء ملفات تعريف مثالية للعملاء أو ICP للمنتجات أو الخدمات الجديدة من خلال تحليل البيانات للبيانات الديموغرافية، والسلوك عبر الإنترنت، ونشاط الوسائط الاجتماعية، والمشتريات السابقة للوصول إلى الأنماط التي قد يفوتها البشر. يمكن للذكاء الاصطناعي بعد ذلك استخدام ملفات تعريف مثالية للعملاء واستراتيجيات تسجيل نقاط العملاء المحتملين للمساعدة في استهداف جهود التسويق.
• تحسين الحملات ال: إذا كانت حملاتك تنتج الكثير من البيانات—ربما الآلاف أو الآلاف من العملاء المحتملين—يمكن أن يساعد الذكاء الاصطناعي في تحديد أفضل العروض والحملات النموذجية أداءً قبل تكبد تكلفة إطلاقها. وبالنسبة إلى المؤسسات التي لديها عملية لتتبع العملاء المحتملين على طول الطريق إلى الأعمال الرابحة، قد يكون الذكاء الاصطناعي قادرًا على رسم طُرق تعلُّم جديدة من تلك البيانات والمساعدة في ضبط الحملات المستقبلية.
• تجزئة العملاء: يُعد العثور على أوجه تشابه بين العناصر في مجموعات البيانات الضخمة أمرًا جيدًا للذكاء الاصطناعي، لذا؛ فإن فكرة سؤال الذكاء الاصطناعي للعثور على العملاء المحتملين المشابهين لأفضل عملائك جذَّابة للغاية. إذا كانت بياناتك قوية بما فيه الكفاية، فيمكن للذكاء الاصطناعي الكشف بسرعة عن العملاء المحتملين المُربحين، وفي كثير من الحالات شرح ما يجعلهم عملاء محتملين جيدين والمنتجات التي تناسبهم. تتحسن هذه الإمكانية مع استيعاب النظام لمزيد من البيانات.
• تواصل العملاء، بما في ذلك صياغة الاتصالات ومراقبة الاستجابة: إذا جمعت رسائل البريد الإلكتروني ومنشورات LinkedIn والمراسلات الأخرى والإحصاءات حول مدى جودة أداء كل منها، فيمكن للذكاء الاصطناعي معرفة ما هو الأفضل وإنشاء اتصالات من المرجح أن تكون فعَّالة للغاية. كما هو الحال الآن مثل أي مكان آخر، تعد جودة البيانات أمرًا بالغ الأهمية. بنفس القدر من الأهمية: لا تتوقع أن تكون تكوينات الذكاء الاصطناعي جاهزة للإرسال. في الوقت الحالي، لا تزال بحاجة إلى مراجعة قبل الإرسال إلى العملاء والعملاء المحتملين.
• التسعير والتوصيات الديناميكية: تتسم قدرة الذكاء الاصطناعي على تحليل البيانات بسرعة وإجراء التنبؤات بأنها قيِّمة لأي شركة تفكِّر في التسعير الديناميكي. لنفترض أنك مدير ملعب دودجر في لوس أنجلوس ويزوركم فريق نيويورك يانكيز. قد يأتي ذلك المقعد الذي يساوي 100 دولار بـ 1000 دولار في هذه المبارة—وربما أكثر من ذلك. ما السعر الذي يجب عليك وضعه لتحسين الإيرادات والاستمرار في بيع تذاكر الملعب؟ إذا كان بإمكانك ربط تلك المعضلة، فقد يكون التسعير الديناميكي بمساعدة الذكاء الاصطناعي مناسبًا إليك. من ناحية أخرى، وإذا كانت ترتبط بشكل أفضل بمدير ملعب بيتكو بارك في سان دييغو، حيث لا تُباع تذاكر غريق بادريس في كثير من الأحيان، أي أن الطلب لا يتجاوز العرض بقدر ما، فقد لا يكون التسعير الديناميكي مناسبًا إليك.

3. العمليات

يتناسب الذكاء الاصطناعي تمامًا مع أتمتة العمليات المُتكررة التي تواجه استثناءات، خاصةً بالنسبة إل المؤسسات التي تستخدم مجموعة من المنتجات المُتوافقة لإدارة العمليات، ويكون ذلك عادةً باستخدام ERP بصفته المحور. لتحقيق أقصى استفادة من الذكاء الاصطناعي، تحتاج إلى القدرة على العمل على البيانات التشغيلية والمالية. يمكن أن يحدث ذلك داخل نظام يركز على نظام ERP أو في مستودع بيانات تم اختباره لسحب البيانات من أنظمة العمليات التي تستخدمها الشركة.

لا يعني هذا أن الذكاء الاصطناعي داخل منتجات المتخصصة، مثل إدارة سلسلة التوريد لا يستحق الجهد. مع ذلك، تكون أوجه الكفاءة التشغيلية والرؤى التنظيمية من الذكاء الاصطناعي أفضل عندما تحصل على رؤية شاملة للأعمال اليومية.

• تحسين سلسلة التوريد: يُعد تقييم المورِّدين من خلال ملاحظة التغييرات في أدائهم أو إعادة موازنة عملية الشراء للوصول إلى مصادر متعددة أنواع الأشياء التي يمكن أن يساعد بها الذكاء الاصطناعي عند دمجها في نظام إدارة سلسلة التوريد (SCM). مع ذلك، تتطلب أنظمة SCM الكثير من الاختبار لتصبح فعَّالة، لذلك من المرجح أن تأتي إضافات الذكاء الاصطناعي التي تقدم أفضل حالة أعمال من مورِّد SCM لديك. تصبح الرؤى أفضل إذا كان الذكاء الاصطناعي يمكنه تحليل تفاصيل سلسلة التوريد والوصول إلى توقعات المبيعات والأداء التشغيلي لأن ذلك يساعد النظام على اكتشاف مشكلات سلسلة التوريد المحتملة في وقت مُبكر.
• التنبؤ بالمخزون: تستند دراسة الجدوى إلى إجراء تنبؤات أسرع وأكثر تفصيلاً مما يمكن لفريقك دون استخدام الذكاء الاصطناعي. تعمل التنبؤات بالمخزون المدعومة بالذكاء الاصطناعي بشكل أفضل عند ربطها ببيانات المبيعات التفصيلية للمساعدة في تركيز المخزون على النحو الأمثل. يمكن للذكاء الاصطناعي للوكلاء المضي قدمًا من خلال وضع خطط للطلبات الجديدة أو اقتراحها وزيادة تحسين وضع المخزون.
• أتمتة العمليات الروبوتية (RPA): تُعد أتمتة العمليات الروبوتية تقنية تتيح لك أتمتة العملية المُتكررة. في السابق، لم تستخدم تقنية RPA الذكاء الاصطناعي، لكن هذا يتغير. لنفترض أن إضافة حساب جديد إلى تطبيق ما يتطلب خمس خطوات لا تتغير أبدًا. يمكنك إنشاء عملية روبوتية تُجري هذه الخطوات، مما يوفر الوقت عندما يحتاج الموظفون الجدد إلى الوصول. قد يبدو ذلك جيدًا، لكن عمليًا، لا يقابل العمل على إعداد RPA بالضرورة تحسينات في الكفاءة التي ينشئها. إذا كنت تضيف 10 أو 20 مستخدمًا على مدار شهر، فقد لا يستحق ذلك إعداد تقنية RPA. لكن إذا كان لديك المئات لإضافتهم في فترة قصيرة، فمن المحتمل أن تكون الأتمتة انتصارًا. يمكن أن تساعد إضافة رؤية الذكاء الاصطناعي وإمكانات تسجيل البيانات RPA في معالجة جميع أنواع مهام إدخال البيانات، مثل تلك الموجودة في حسابات المقبوضات والمدفوعات. قد تكون هذه الانتصارات أكبر عندما يمكن لوكلاء الذكاء الاصطناعي استخدام تقنية RPA لإنجاز مهمة معينة. يأتي المزيد عن ذلك في القسم المالي أدناه.
• الصيانة التنبؤية: تظهر الصيانة الاستباقية أفضل بكثير من التسارع في إصلاح آلة أثناء تعطُّل خط التجميع. مع ذلك، يمكن أن تكون الصيانة هدرًا للموارد إذا تم القيام بها بشكل متكرر للغاية، لذا؛ فإن مراقبة الآلات وتقديم البيانات إلى الذكاء الاصطناعي حتى يتمكن من إعلامك عندما تبدأ الآلة في العمل خارج وضعها الطبيعي يبدو انتصارًا واضحًا. يمكن لمشكلة إعادة تركيب الآلات القديمة باستخدام مستشعرات إنترنت الأشياء (IoT) أن تكون باهظة التكلفة، وهذا هو السبب في أن العديد من الشركات المُصنعة تختار الانتظار حتى وقت استبدال الآلة. بالطبع، يتم قياس حياة معظم آلات التصنيع بالعقود. بمجرد أن تُكِّف الشركات من عمل IoT، يمكن للذكاء الاصطناعي التدقيق في كميات هائلة من البيانات لاكتشاف أوجه الخلل. يظهر ذلك بأنه انتصارًا كبيرًا للآلات المزودة بأجهزة استشعار، كما هو شائع في الرعاية الصحية.

4. الإدارة المالية

يبدو أن فِرق الإدارة المالية منتشرة بشكل كبير غالبًا. يمكن للذكاء الاصطناعي المساعدة من خلال التعامل مع العديد من المهام الروتينية التي تستنفذ الكثير من الموارد. يمكن أن يساعد الذكاء الاصطناعي المُصمم لتسجيل المستندات وفهمها وتصنيفها في تقليل إدخال البيانات البشرية بشكل كبير في الإدارة المالية. في حسابات المقبوضات، يمكن للذكاء الاصطناعي إدخال المدفوعات في الدفاتر بشكل صحيح ويضيف إدخالات دفتر الأستاذ العام المطلوبة غالبًا. يمكن للذكاء الاصطناعي أيضًا مُطابقة أوامر الشراء بإيصالات البضائع والفواتير لتأكيد حصولك على ما طلبته ويتم فوترته بشكل مناسب.

• معالجة النفقات: منذ بعض الوقت وحتى الآن، تمكَّن الموظفون من استخدام تطبيقات الهواتف الذكية لتسجيل نفقاتهم عند تكبدها. يمكن أن يُحسِّن إضافة الذكاء الاصطناعي من الدقة ويتحقق غالبًا من أن النفقات تندرج ضمن إرشادات الشركة، مما يبسط الموافقات والتعويضات ويسرِّعها.
• الكشف عن الاحتيال: يستخدم الكشف عن الاحتيال الذكاء الاصطناعي للبحث عن أوجه الخلل في المعاملات التي قد تشير إلى نشاط غير مشروع. يظهر الذكاء الاصطناعي جيد جدًا في اكتشاف أوجه الخلل، لذلك؛ ينتشر استخدامه في الكشف عن الاحتيال بين جهات إصدار بطاقات الائتمان والمؤسسات المالية الأخرى وشركات التأمين. يظهر الكشف عن أوجه الخلل القائمة على الذكاء الاصطناعي سريعًا للغاية، لذلك؛ يمكن غالبًا إيقاف المعاملات التي قد تكون احتيالية مؤقتًا حتى يتم إجراء المزيد من التحقق.
• التنبؤ المالي: مع الوصول إلى البيانات اللازمة، يصبح الذكاء الاصطناعي جيدًا في إجراء التنبؤات على أساس كل من المعلومات السابقة والمبيعات التي لم يتم تسليمها بَعد. إنه مُفيد بشكل خاص لتخطيط السيناريوهات، إذ يمكن للذكاء الاصطناعي إنشاء توقعات جديدة بسرعة عند إعطاء افتراضات جديدة. يُفضل استخدام الأنظمة التي تفسر تنبؤاتها—وحتى أفضل إذا كان بإمكانها إجراء مناقشات أطول وتقديم طرق لتحسين النتائج. كما هو الحال في جميع الحالات، تُعد جودة البيانات التي يستخدمها الذكاء الاصطناعي أمرًا بالغ الأهمية لتحقيق الدقة. كلما كان إنشاء تنبؤات أصعب، كانت دراسة الجدوى أفضل بالنسبة إلى الأدوات المدعومة بالذكاء الاصطناعي. تحصل الشركات التي تستخدم مجموعة مُتكاملة لإدارة شؤونها المالية وعملياتها على رد أسرع من المؤسسات التي يجب أن تدمج البيانات وتسويها قبل بدء التحليل.
• تقييم مخاطر الائتمان: يمكن للذكاء الاصطناعي تحليل الجدارة الائتمانية لمقدمي الطلبات، لكن لا تزال توجد حاجة إلى مراجعة بشرية لتقييم الامتثال إلى القوانين المعمول بها. تحدد القوانين الفيدرالية وقوانين الولايات متطلبات الإنصاف في الإقراض، لذلك؛ من الهام فهم طريقة إجراء تقييم ائتماني والقدرة على إثبات أنه مستمد إلى حد ما.

5. الموارد البشرية

يمكن للذكاء الاصطناعي مساعدة الموظفين أو الموظفين الجُدد على التنقل بين أنظمة السجلات والسياسات والمزايا، بالإضافة إلى كتابة أوصاف بالوظائف والقوائم.

• مُطابقة المرشحين: يمكن للذكاء الاصطناعي مُطابقة المرشحين للمناصب المفتوحة داخل الشركة. يجب توخي الحذر للحد من أن يُطابق الذكاء الاصطناعي مؤهلات وظيفية مُحددة وعدم انحرافه نحو جوانب محمية قانونًا، وربما التمييز. يجب أن يظل الأشخاص على اطلاع بالمشكلات إذا كان الذكاء الاصطناعي يتصرف بطُرق محظورة ويصححوها إذا كانت كذلك.
• روبوتات جدولة المقابلات: يمكن للذكاء الاصطناعي أتمتة جداول المقابلات إذا كانت مُتصلة بتقويمات الموظفين. يمكن لأنظمة الذكاء الاصطناعي المحيطة أيضًا تدوين الملاحظات في المقابلات وجعلها جزءًا من التقييم.
• مساعدو تأهيل الموظفين: في حال كان الأمر يتعلق بطلب معدات تكنولوجيا المعلومات وتطبيقاتها وتكوينها أو مساعدة الموظفين الجُدد من خلال التوجيهات والوثائق، يمكن أن يكون الذكاء الاصطناعي أداة مُفيدة. خلال التأهيل وما بعده، يمكن للذكاء الاصطناعي المساعدة في الإجابة على الأسئلة المُتعلقة بسياسات الشركة والمزايا التي بها.
• تحليلات القوى العاملة: يمكن للذكاء الاصطناعي تحديد الفجوات في احتياجات القوى العاملة من خلال الوصول إلى بيانات الوقت والحضور وإتمام المهام عبر المؤسسة.

6. تطوير المنتجات

يتم غالبًا وضع الأدوات القائمة على الذكاء الاصطناعي لتطوير المنتجات في حزم باعتبارها وكلاء يساعدون في تصميم التصميمات وترميزها واختبارها ومحاكاتها قبل إنشاء نماذج أولية فعلية. فيما يلي عدد قليل من الأمثلة.

• تحديد أولويات الميزات من خلال تحليل ملاحظات المستخدم: لا ترغب في قضاء أيام في فحص آلاف التعليقات على منتج رئيس على أمل معرفة الميزات التي يريدها العملاء في القادم؟ دع الذكاء الاصطناعي يقوم بذلك في غضون دقائق، ثم استعد لطرح أسئلة حول النتائج التي توصَّل إليها.
• الاختبار الآلي وضمان الجودة: تعد عمليات الاختبار التي يخرج عنها كميات هائلة من نقاط البيانات مُناسبة تمامًا للذكاء الاصطناعي. كانت أنظمة الكشف عن أوجه الخلل موجودة منذ سنوات، وقد تتوصل إلى مشكلات دقيقة قد تفوتها طرق التحليل الأخرى. كما يتم دمج الذكاء الاصطناعي عادةً في أنظمة الرؤية ويمكنه اكتشاف العيوب بسرعة.
• رؤى حول استخدام المنتج: خاصةً بالنسبة لمنتجات SaaS التي تحتفظ بسجلات مُفصَّلة، يمكن للذكاء الاصطناعي العثور على أنماط الاستخدام وصولاً إلى مستوى الميزات. يمكن لنماذج اللغات الكبيرة (LLM) تلخيص النتائج، واستخلاص الرؤى بسرعة وكفاءة من البيانات المتراكمة.
• وضع النماذج الأولية باستخدام الذكاء الاصطناعي التوليدي: تنشئ تقنية التوأم الرقمي نماذج كمبيوتر يمكن استخدامها في محاكاة أجهزة وأنشطة العالم الحقيقي. كانت هذه التكنولوجيا موجودة منذ فترة، ويتم دمجها الآن مع نماذج LLM لتسريع إنشاء التوائم الرقمية. تجمع أداة Nirvana بين التقنيتين لإنشاء أداة رقمية لإنشاء التوأم للنماذج الأولية واختبارها. في الوقت الحالي، تحاكي معظم التوائم الرقمية الأنظمة المباشرة، مثل أرضية التصنيع، أو حتى مدينة. يمكن لنماذج LLM استيعاب البيانات من أجهزة الاستشعار وملفات السجل، مما يسمح لنموذج LLM بالتنبؤ بنتائج مُدخلات معينة—على سبيل المثال، موجة حر في حي معين أو آلة جديدة على أرضية مصنع. لوضع نموذج أولي موثوق به، يتطلب التصميم الجديد مجموعات بيانات كبيرة مماثلة. دون هذه البيانات، قد لا تبرهن تقنية التوأم الرقمي القائمة على الذكاء الاصطناعي الاستثمار.

7. تحليلات البيانات

في السابق، كانت تحليلات البيانات تتطلب فريقًا مُخصصًا يتمتع بمهارات مُتخصصة وأدوات باهظة الثمن. كان على صانعي القرار أن يكونوا استراتيجيين بشأن الحقائق التي أرادوا من الفريق أن يثيرها. يغير الذكاء الاصطناعي في التحليلات ذلك. من خلال استخدام تحفيز اللغة الطبيعية وإعداد التقارير، أصبحت التحليلات أكثر من كونها نشاطًا للخدمة الذاتية، ويمكن لمستخدمي الأعمال صياغة أسئلتهم الخاصة بها. يتمثل العنصر الرئيس في الوصول إلى مجموعة واسعة من بيانات الأعمال بحيث يمكن للذكاء الاصطناعي، على سبيل المثال، تقييم الطلب على أساس مسارات المبيعات وجداول التسليم اعتمادًا على بيانات المخزون. يجتمع الذكاء الاصطناعي وتحليلات البيانات على نحو مُتزايد في السحابة.

• واجهات الاستعلام باللغة الطبيعية: تتيح قواعد البيانات مثل Oracle Database 23ai للمستخدمين الآن الاستعلام عن البيانات باللغة الطبيعية بدلاً من عبارات SQL. تظل قاعدة البيانات تحافظ على عناصر التحكم في الأمان والوصول، مما قد يخفف من عبء فتح تحليل الذكاء الاصطناعي على نطاق أوسع.
• اكتشاف أوجه الخلل: كان تحليل أوجه الخلل إمكانية للتعلم الآلي لبعض الوقت. حسّنت نماذج LLM التكنولوجيا، مما أدى إلى تقليل الحاجة إلى مجموعات بيانات التدريب قبل المعالجة. تظهر الاستخدامات كثيرة في التحليلات، بدءًا من اكتشاف الاحتيال إلى الصيانة التنبؤية.
• إنشاء التقارير: تُرجع استعلامات البيانات مثل عبارات SQL البيانات، أو ربما جداول البيانات، ليس أكثر من ذلك. يمكن لنماذج LLM تكوين تفسيرات للبيانات التي تم إرجاعها وتلخيص النتائج الموجودة في الجداول الكبيرة. على نحو متزايد، يمكن لنماذج LLM أيضًا إنشاء تمثيلات مرئية للبيانات، وهي عملية تستغرق وقتًا طويلاً غالبًا وتتطلب خبراء بأدوات مُتخصصة. يمكن الآن إعداد التقارير ذات الرسومات الثاقبة في بضع دقائق.
• تنقيح البيانات وإثرائها:عندما تستخدم الشركات تطبيقات المكاتب الخلفية خاصةً من مجموعة متنوعة من المورِّدين، فيجب إلغاء تكرار البيانات وضبطها قبل استخدامها في التحليلات. علاوة على ذلك، من خلال ربط الأحداث التي يتم تتبعها في نظامين أو أكثر، فيمكن إثراء البيانات، مما يجعلها أفيد للتحليلات. يساعد الذكاء الاصطناعي في كل من التنقيح والإثراء من خلال أتمتة العمليات التي تكون عادةً يدوية ومُستهلكة للوقت وعرضة إلى الخطأ البشري. في التنقيح، على سبيل المثال، يمكن لخوارزميات الذكاء الاصطناعي تحديد السجلات المكررة ودمجها حتى عندما لا تكون البيانات مُطابقة تمامًا، كما هو الحال في جميل علي، شارع 23. ومثل ج. علي شارع 123، من خلال تحليل أوجه التشابه في مختلف الحقول وتسجيلها. يمكن للذكاء الاصطناعي أيضًا تطبيع البيانات والعثور على الأخطاء الشائعة وإصلاحها مثل الأخطاء الإملائية والتنسيق غير الصحيح والقيم المفقودة. بالنسبة إلى إثراء البيانات، يمكن ربط السجلات تلقائيًا من أنظمة متعددة، والمساعدة في الرؤى التنبؤية، واستخراج البنية وإضافتها إلى البيانات غير المُنظمة مثل منشورات الوسائط الاجتماعية.

8. الأمان وتكنولوجيا المعلومات

يوفر الذكاء الاصطناعي فُرصًا كبيرة لتعزيز أمان البيانات وعمليات تكنولوجيا المعلومات. يمكن للكشف عن أوجه الخلل مراقبة النشاط على الفور، مما يساعد المؤسسات في تحديد التهديدات والتخفيف من حدتها. مع ذلك، يستخدم المهاجمون الذكاء الاصطناعي أيضًا، لذلك؛ تواجه المؤسسات تحديًا مُستمرًا على صدارة المنافسة. على الجانب الأكثر إشراقًا، أصبح الذكاء الاصطناعي مُدمجًا في أنظمة إدارة تطبيقات المؤسسات المُعقدة. بدأت Oracle في تقديم ميزات الإدارة الذاتية في بعض منتجات إدارة البيانات عام 2018، وأعلنت عن قاعدة البيانات الذاتية عام 2023. التكوينات الذاتية للذكاء الاصطناعي والتصحيحات الذاتية وعمليات الضبط الذاتي في النظام، مما يسهِّل عمل مسؤولي قواعد البيانات (DBA) ويتيح لهم التركيز على استخراج القيمة من البيانات.

• اكتشاف التهديدات والاستجابة إلى الحوادث: كما ذكر أعلاه، يمكن للكشف عن أوجه الخلل، إلى جانب التقنيات التكميلية استئصال المهاجمين أثناء إطلاقهم لعمليات الاستغلال. على نحو مُتزايد، يمكن لوكلاء الذكاء الاصطناعي أيضًا القيام بشيء حيال ذلك. تتجاوز الاستجابات إغلاق مسار الهجوم لتوثيق الحادث وإخطار فِرق الأمان.
• تحليل السجلات: كانت أدوات تحليل السجلات موجودة لفترة طويلة. بدون الذكاء الاصطناعي، يمكنه الإجابة على الأسئلة المتعلقة بالاستخدام والمساعدة في تحديد مَن فعل ذلك ومتى فعل ذلك. تُحسِّن إضافة نماذج LLM من إمكانات التلخيص ويمكن أن تكون أيضًا جزءًا من أنظمة الكشف عن التهديدات.
• أتمتة مكتب المساعدة: أشعرت أنظمة مكتب مساعدة تكنولوجيا المعلومات في الماضي المستخدمين غالبًا بالإحباط. يمكن أن تشكل إضافة الذكاء الاصطناعي مع إمكانية الوصول إلى سجلات حل مكتب المساعدة أساس نظام أفضل بكثير من الأجيال السابقة لأنه يمكنه استخدام إمكانات البحث الدلالية لـ GenAI للوصول إلى أوصاف مشكلات مماثلة وحلولها. مع ذلك، تعتمد جودة أي مكتب مساعدة للذكاء الاصطناعي بشكل كبير على جودة هذه السجلات واكتمالها.

9. الجانب القانوني والامتثال

من المرجح أن تبدو مهنة المحاماة مُختلفة تمامًا خلال أقل من خمس سنوات، إذ يسجِّل مساعدو الذكاء الاصطناعي العديد من الوظائف الروتينية التي يؤديها المحامون والمساعدون القانونيون الآن—ويؤدونها أسرع وبدقة أكبر. فيما يلي بعض النواحي التي قد يساعد فيها الذكاء الاصطناعي.

• تحليل العقود وتلخيصها: على الرغم من أن المحامين يرغبون في قراءة العقود بأنفسهم، إلا أن نماذج LLM لها موقعها. إذا كان العقد قيد المفاوضات ووصلت مراجعة جديدة، فيمكن للذكاء الاصطناعي تسليط الضوء على التغييرات وتلخيصها، مما يوفر وقتًا طويلاً.
• المراقبة التنظيمية: يمكن لخدمات المراقبة التنظيمية إخطار الفِرق القانونية عند اعتماد لوائح جديدة. يمكن للذكاء الاصطناعي مراجعة العقود والمستندات الأخرى لتحديد موضع تطبيق هذه اللوائح الجديدة، وفي بعض الحالات، اقتراح استراتيجيات للامتثال إليها.
• التدقيق في الامتثال: يُعد تحديد قائمة اللوائح التي يجب على الشركة الامتثال إليها الخطوة الأولى، وتكون الأصعب غالبًا ، خاصةً بالنسبة إلى الشركات العاملة في العديد من الولايات القضائية. بمجرد تحقيق ذلك، يمكن للذكاء الاصطناعي مراجعة العقود وإقرارات الامتثال واقتراح موضع الافتقار إلى المستندات ولماذا.
• مساعدو الأبحاث القانونية: يتفوق البحث عن تشابه للذكاء الاصطناعي في العثور على السوابق القضائية ذات الصلة.

طريقة إنشاء دراسة جدوى للذكاء الاصطناعي

نظرًا إلى أن الذكاء الاصطناعي لديه القدرة على الوصول إلى معظم الوظائف التنظيمية، فإن تطوير دراسة جدواه ليس بسيطًا بقدر تحديد الحاجة وكتابة قائمة فحص للحل. أدخلت الشركات نفسها في فوضى باهظة الثمن في السبعينات والثمانينيات لمجرد فعلها ذلك. يجعل شراء حلول النقاط الأفضل تكلفة حسب الحاجة الشركات تعاني من أجل دمج منتجات مُختلفة لإنشاء نظام إدارة أعمال شامل.

كانت أفضل الحلول من نوعها تلك باهظة الثمن، وأدت حالة البرامج الوسيطة التي تحاول ربطها إلى التوظيف الكامل لفئات من أدوات التكامل. لكن ظهرت مشكلة أكبر أثناء محاولات جمع البيانات من عشرات المنتجات المختلفة وتحويلها إلى نموذج يمكن تحليله لفهم أداء الشركة بشكل كلي على نحو أفضل والتنبؤ بالأداء المستقبلي.

من المرجح أن يؤدي اعتماد الذكاء الاصطناعي دون استراتيجية إلى تكرار هذا المشكلة والتخلي عن ميزة تنافسية. فيما يلي بعض الخطوات التي يجب مراعاتها:

1. إنشاء مركز لجنة تميز الذكاء الاصطناعي
اجمع قادة الأقسام وتكنولوجيا المعلومات المُهتمين لفهم أهداف واهتمامات الذكاء الاصطناعي بالنسبة إلى الجميع. يجب أن تحدد هذه المجموعة موقع البدء بالذكاء الاصطناعي، وتخطط لطرحه، وتتبع نجاحه.

2. فهم خرائط طريق الذكاء الاصطناعي للمورِّدين
من المحتمل أن يقدم مورِّدوك الحاليون خدمات الذكاء الاصطناعي ويخططون لتضمين المزيد منها. يُعد اختبار هذه الميزات في التطبيقات الحالية نقطة بداية جيدة، خاصةً لتحسين الكفاءة، مع تطوير استراتيجية أشمل.

تكمن أفضل طريقة لاعتماد الذكاء الاصطناعي من الموظفين في وضعه مباشرةً في مهام سير العمل. لن يتم استخدام الذكاء الاصطناعي الذي يتطلب قدرًا كبيرًا من العمل للوصول إليه كثيرًا. إذا كانت خرائط طريق الذكاء الاصطناعي للبائعين الرئيسين لديك قليلة، أو كان لديك الكثير من المورِّدين ولا تعمل أنظمتهم معًا بسهولة، ففكر في إجراء تغيير، خاصةً للتطبيقات القديمة المحلية. افترض أن منافسيك يستخدمون الذكاء الاصطناعي وأنه يمكن أن تتخلف عن الركب إذا لم تعرف طريقة اعتماده. تأتي عادةً التطبيقات المستندة إلى السحابة مع ميزات للذكاء الاصطناعي بسرعة أكبر.

3. تطوير استراتيجية بيانات
إن العبارة المتاولة التي تقول "يتطلب الذكاء الاصطناعي الجيد بيانات جيدة" صحيحة. إذا كنت ترغب في أن يؤتمت وكلاء الذكاء الاصطناعي حسابات المقبوضات وحسابات المدفوعات، فتحتاج إلى طرق اتصال بأنظمة الإدارة المالية والمبيعات والمخزون، على الأقل. هل تريد أن يساعد الذكاء الاصطناعي في تخطيط السيناريوهات؟ قد تحتاج إلى مستودع بيانات أو بحيرة بيانات لتعدين الذكاء الاصطناعي. إذا كان بإمكانك إنشاء اتصالات البيانات المناسبة وبسهولة معقولة، فيمكن أن يميل العائد من الذكاء الاصطناعي إلى أن يكون أعلى ويأتي أسرع.

4. يمكنك إنشاء خارطة طريق لطرح الذكاء الاصطناعي
يمكن أن يساعد الذكاء الاصطناعي على الأرجح في كل جزء من عملك، لذلك؛ من المهم البدء به على الفور، وتحديد أولويات المشروعات بأكبر تأثير وأعلى عائد استثمار على المدى الطويل. على الرغم من أنه من الجيد مراعاة هذه الجهود الضخمة والتأكد من مساعدة المهام الأصغر في تمهيد الطريق لمشروعات أكثر طموحًا، مع البدء ببعض الانتصارات السريعة التي لها عائد استثمار واضح وقابل للقياس على الفور. تُعد أتمتة المهام غالبًا ناحية رائعًا للبدء بها.

5. اسمح للأقسام باعتماد الذكاء الاصطناعي وفقًا إلى سرعتها الخاصة—مع تحفيز بين الحين والآخر
قد تستخدم فِرق التطوير الذكاء الاصطناعي لمساعدتها على كتابة تعليمات برمجية في الوقت الحالي. قد تتحرك فِرق المبيعات ببطء أكبر. قد تجد الموارد البشرية أن استخدام روبوت محادثة يساعد الموظفين على فهم المزايا والسياسات انتصارًا جليًا. قد تجد الإدارة المالية أن الذكاء الاصطناعي يخفف أحمال عمل AR/AP ويساعد في تسريع الإغلاق الشهري. تساعد هذه المكاسب السريعة في جعل موظفيك مع تيار الذكاء الاصطناعي في ظل انتشار الأخبار. إذا ظلت بعض الفِرق مترددة، فقد يُسمح بدفعة تنفيذية.

6. اشرح المكاسب
لن يحب الجميع في مؤسستك فكرة أتمتة الذكاء الاصطناعي للمهام وتحليل البيانات. يمكن للمكاسب في شكل تلك المشروعات الصغيرة أن تعرب عن القيمة بطريقة لا تهدد العمال المترددين. يمكن لهذه المشروعات الأصغر أيضًا أن تُثبت أن تكنولوجيا المعلومات لديها خطة للحفاظ على أمان البيانات، وأن تنفيذ المهام الآلية يتم بشكل مُتسق وصحيح.

الكشف عن قوة Oracle AI اليوم

تساعدك Oracle في تحقيق أفضل استخدام للذكاء الاصطناعي أينما اخترت النشر وبأي طريقة. تتضمن تطبيقات Oracle ميزات الذكاء الاصطناعي لمئات الاستخدامات دون أي تكلفة إضافية، بما في ذلك قائمة متنامية من وكلاء الذكاء الاصطناعي المُفيدين. توفر البنية التحتية من Oracle Cloud (OCI) مزايا في الأداء السعري لكل من منشئي النماذج ومستخدميها. وتضم مجموعة غنية من خدمات الذكاء الاصطناعي ومجموعة واسعة من نماذج التأسيس أدوات وأطر عمل مفتوحة المصدر شائعة. ولا يوجد بالطبع موضع أفضل لربط قواعد بيانات Oracle لديك بالذكاء الاصطناعي لتحليل البيانات وأي استخدام آخر قد يكون لديك.

يعد دمج الذكاء الاصطناعي في الأعمال عملية متعددة الخطوات وتتناول التخطيط وإعداد البيانات. لكن يمكن أيضًا أن تكون مُثيرة للموظفين. تشير الأبحاث إلى أن أقسام تكنولوجيا المعلومات والتسويق والمبيعات وخدمة العملاء تشق الطريق نحو اعتماد الذكاء الاصطناعي، لكن يمكن للموارد البشرية والإدارة المالية والعمليات والإدارة الميدانية والفِرق الأخرى أيضًا الاستفادة منها. تشير الدراسات أيضًا إلى أنه على الرغم من أن الشركات الكبيرة اعتمدت الذكاء الاصطناعي بشكل أسرع من الشركات الأصغر، إلا أن هذه الشركات تلحق بالركب بسرعة.

ما العمل الإبداعي الذي في مواجهة العملاء الذي يمكن لموظفيك القيام به خلال هذا الوقت؟

الأسئلة الشائعة حول دراسة جدوى للذكاء الاصطناعي

كيف تدمج الذكاء الاصطناعي في الأعمال؟

يُعد تكامل الذكاء الاصطناعي عملية استراتيجية تتضمن أربع خطوات رئيسة: التعرُّف على التحدي أو الفرصة التي يمكن للذكاء الاصطناعي من خلالها توفير عائد واضح على الاستثمار، مثل تحسين كفاءة الفريق المالي أو العمل كدعم عملاء من المستوى 1. بعد ذلك، يمكنك إعداد البنية التحتية للبيانات لتوفير نماذج الذكاء الاصطناعي للبيانات ذات الجودة العالية والتي يمكن الوصول إليها والتي تعتمد عليها.

بمجرد الحصول على حالة الاستخدام ومصادر البيانات، اختر أدواتك. تستخدم معظم المؤسسات البرامج الحالية مع إمكانات الذكاء الاصطناعي المُضمنة، مثل قاعدة البيانات المدعومة بالذكاء الاصطناعي، أو ابحث عن موفر خدمة سحابية للشراكة معه. إن تطوير حل مُخصص للحاجة الفريدة أمر ممكن لكنه مُكلف. أخيرًا، تضمين حل الذكاء الاصطناعي في عمليات سير العمل، وتدريب الموظفين حول طريقة استخدامه، وتتبع أدائه وعائد الاستثمار لتوجيه المشروعات المستقبلية.

ما المثال على الأعمال التي تستخدم الذكاء الاصطناعي؟

يستخدم بائعو التجزئة محركات التوصية المدعومة بالذكاء الاصطناعي لتحليل سجل تصفح العميل وشرائه وتفضيلاته وسلوك المشترين المشابهين. يسمح هذا لهم باقتراح المنتجات ذات الصلة على الفور، مما يساعد في تعزيز المبيعات وتخصيص تجربة التسوق.

ما بعض حالات استخدام الأعمال الصالحة للذكاء الاصطناعي التوليدي؟

تستخدم الشركات الذكاء الاصطناعي لمجموعة واسعة من المهام الإبداعية ومهام الإنتاجية. تشمل الطرق الشائعة التي بدأت بها فِرق التسويق باستخدام الذكاء الاصطناعي إنشاء بيانات صحفية ومنشورات مدونات وأوصاف المنتجات وتحديثات الوسائط الاجتماعية. يكلِّف المطورون نماذج LLM بكتابة التعليمات البرمجية وتوثيقها وتصحيح أخطائها، في حين تنشر العديد من الشركات روبوتات محادثة مُتقدمة يمكنها التعامل مع استعلامات العملاء والموظفين المُعقدة إلى حد ما وتلخيص حالات الدعم لمساعدة الوكلاء البشريين.