في حين أنه من الواضح أن العديد من المؤسسات في دول مجلس التعاون الخليجي تسعى للاستفادة من إمكانيات الذكاء الاصطناعي التوليدي، إلا أن معظمها لا يزال في المراحل الأولى من التبني مما يتطلب دمج الذكاء الاصطناعي التوليدي بشكل واسع النطاق وإعادة هيكلة جوهرية للمؤسسة. تشير أبحاث ماكينزي إلى أن ذلك يتطلب إتقان قدرات محددة في أربعة مجالات رئيسية: التكنولوجيا، البيانات، المواهب، وإدارة المخاطر. فيما يلي نلقي الضوء على هذه المجالات من خلال أمثلة للجهات التي تحقق بالفعل قيمة واضحة.

التكنولوجيا

عند تطبيق الذكاء الاصطناعي التوليدي، تمتلك المؤسسات ثلاثة خيارات لنماذج التنفيذ: استخدام النماذج الجاهزة والمتاحة بشكل عام، تخصيص هذه الأدوات باستخدام بيانات وأنظمة خاصة، أو تطوير نماذج تأسيسية خاصة بها من الصفر، وهو خيار ذو تكلفة أعلى بكثير. يتوقف الخيار المناسب على عوامل مثل الميزانية، مخاوف الأمان، احتياجات اللغة، والقيمة التي يمكن أن تحققها المؤسسة من النموذج.

ومع ذلك، هناك توجه متزايد نحو الانتقال من النموذج الثنائي "البناء أو الشراء" إلى نموذج "الشراء، البناء، والتخصيص"، حيث تنجح المؤسسات الأكثر تفوقاً في بناء أنظمة بيئية تجمع بين النماذج الخاصة، الجاهزة، والمفتوحة المصدر. في دول مجلس التعاون الخليجي، تميل نسبة أكبر من المؤسسات إلى تخصيص النماذج أو تطوير نماذجها الخاصة مقارنة بالنظراء العالميين. يمكن أن يُعزى ذلك إلى التأخر النسبي في تبني الذكاء الاصطناعي التوليدي، مما يدفع المؤسسات إلى تسريع سد الفجوة من خلال التعلم من التجارب العالمية الرائدة التي أثبتت قيمة التخصيص والنماذج الخاصة.

بغض النظر عن النماذج المختارة، هناك ممارسات أساسية تساعد المؤسسات على تحقيق القيمة منها، وتشمل:

• عمليات محددة لتحديث وتحسين النماذج باستمرار. على سبيل المثال، تحتاج المؤسسات التي تستخدم الذكاء الاصطناعي التوليدي في خدمة العملاء إلى تحديث بيانات التدريب بانتظام لضمان تلبية احتياجات المستخدمين ومعالجة الاستفسارات المعقدة.

• تقنيات وأدوات لتحسين تدفقات العمل وتطوير التعلم الآلي. أتمتة العمليات المتكررة تُسرّع الأداء وتقلل الأخطاء، مما يسمح للمطورين بالتركيز على المهام ذات القيمة العالية.

• اختبار مستمر ودمج التحقق في عملية إصدار النماذج. يضمن ذلك اكتشاف المشكلات ومعالجتها مبكراً، مما يؤدي إلى تقديم منتجات عالية الجودة بسرعة.

البيانات

إدارة البيانات عنصر محوري لتوسيع نطاق الذكاء الاصطناعي التوليدي داخل المنظمة. تشمل الممارسات الجيدة في هذا المجال:

• استراتيجية بيانات شاملة: تحتاج المؤسسات إلى استراتيجية تفصيلية للحصول على البيانات اللازمة وتحويلها إلى صيغة قابلة للاستخدام، بالإضافة إلى تعيين الأشخاص المناسبين لتنفيذ هذه الاستراتيجية.

• مستودع بيانات مركزي: يُسهل المستودع المركزي دمج البيانات ومعالجتها، مما يضمن اتخاذ القرارات بناءً على مصدر موحد وموثوق.

• تطوير مكونات معيارية: تتيح المكونات المعيارية، مثل خطوط نقل البيانات أو اختيار الميزات، إعادة استخدامها في نماذج أخرى.

المواهب

تلعب المواهب دوراً محورياً في تطبيق الذكاء الاصطناعي التوليدي بنجاح. يمكن للمنظمات تعزيز قدراتها عبر:

• قائد مخصص للذكاء الاصطناعي التوليدي: تعيين شخص ذو خبرة عالية لقيادة المبادرات يعد وسيلة معترف بها لتسريع عملية التبني وضمان تحمل المسؤولية.

• استراتيجية مواهب واضحة: تحتاج المؤسسات إلى أشخاص ذوي مهارات تقنية مناسبة، لكن التحدي يتمثل في استقطاب هؤلاء الأشخاص والاحتفاظ بهم. لذلك، يجب صياغة استراتيجية مواهب تضمن تقديم مزايا تنافسية وفرص نمو، مع تخصيص برامج تطوير شخصية لكل موظف.

إدارة المخاطر

بينما تدرك مؤسسات دول مجلس التعاون الخليجي فوائد الذكاء الاصطناعي التوليدي، فإنها أيضاً تدرك المخاطر المرتبطة به. من أبرز هذه المخاطر مخاطر إدارة البيانات، مثل انتهاك الخصوصية أو التحيز أو انتهاك حقوق الملكية الفكرية. بالإضافة إلى ذلك، توجد مخاطر تتعلق بإدارة النماذج، مثل النتائج غير الدقيقة أو غياب التفسير الواضح للنتائج، مما قد يعوق اتخاذ قرارات دقيقة. كما أن هناك مخاطر تتعلق بالأمن السيبراني وسوء الاستخدام، مثل الاختراقات الأمنية أو الاستخدام غير الصحيح للنماذج.