بعد عشر سنوات من الآن ، سيكون من الواضح أن الطرق الأساسية التي نستخدمها من الذكاء الاصطناعي عام 2025-صياغة المحتوى الرابطة بناءً على تعليمات بسيطة وتفاعلات مفتوحة-كانت مجرد لبنات بناء للتكنولوجيا التي سيتم دمجها بشكل متزايد في أشكال أكثر تأثيرًا بكثير.
سيأتي التأثير الاقتصادي الحقيقي حيث يتم دمج أنماط مختلفة من الذكاء الاصطناعي مع منطق البرمجيات التقليدية لدفع أنشطة باهظة الثمن مثل إدارة المشاريع والتشخيص الطبي ومعالجة مطالبات التأمين بطرق آلية متزايدة.
في عملي الاستشاري الذي يساعد أكبر الشركات في العالم على تصميم وتنفيذ حلول الذكاء الاصطناعي ، أجد أن معظم المؤسسات لا تزال تكافح من أجل الحصول على قيمة كبيرة من تطبيقات الذكاء الاصطناعي. بقدر ما هي مثيرة للإعجاب ومرضية ، فإن عدم القدرة على التنبؤ المتأصلة يجعل من الصعب الاندماج في هذا النوع من العمليات التجارية الموحدة للغاية التي تدفع الاقتصاد.
وكيل مقابل تفسيري
يتمتع Agency AI ، الذي كان يحظى باهتمام هائل في الأشهر الأخيرة لقدرته على إنجاز مهام العمل مع القليل من التوجيه البشري ، قيود مماثلة. يتطور الوكلاء للمساعدة في المهام الفردية مثل بناء مواقع الويب بسرعة ، لكن سير العمل والمخرجات الخاصة بهم ستبقى متغيرة للغاية بالنسبة للمؤسسات الكبيرة التي لديها عمليات عالية الحجم تحتاج إلى التنبؤ بها وموثوقة.
ومع ذلك ، يتم نشر نفس نماذج الذكاء الاصطناعى الهائلة التي تعمل على تشغيل أدوات الذكاء الاصطناعى المعروفة اليوم بشكل متزايد بطريقة أخرى تحويلية أكثر اقتصاديًا ، والتي أسميها “الذكاء الاصطناعي التفسيري”. و الذي – التي هو ما يحتمل أن يكون السائق الحقيقي لثورة الذكاء الاصطناعى على المدى الطويل.
على عكس الذكاء الاصطناعى التوليدي والوكيل ، تتيح AI التفسيرية لأجهزة الكمبيوتر فهم المعلومات الفوضوية والمعقدة وغير المهيكلة وتفسيرها بطرق محددة يمكن التنبؤ بها. باستخدام الكثير من نفس البنية التحتية لتكنولوجيا المعلومات ، يمكن للتكنولوجيا الناشئة أن تعمل على تشغيل العمليات المعقدة للمؤسسات الكبيرة دون الحاجة إلى تدخل بشري في كل خطوة.
استخدام الحالات
بعض تطبيقات الذكاء الاصطناعي التفسيرية قيد الاستخدام بالفعل. على سبيل المثال ، يوفر الأطباء وقتًا كبيرًا باستخدام أدوات AI التفسيرية للاستماع إلى المحادثات مع المرضى وملء المعلومات على واجهاتهم الصحية الإلكترونية لتتبع الرعاية وتسهيل الفواتير. في المستقبل القريب ، يمكن أن تحدد التكنولوجيا الخطأ في حوادث السيارات بناءً على تقارير الشرطة المكتوبة في أي من الآلاف من التنسيقات المختلفة ، أو معالجة الفيديو المسجل من شاشة الكمبيوتر المحمول حيث يقوم شخص ما بتحرير عرض تقديمي لتزويد زملاء الفريق بتحديث تلقائي على العمل المكتمل. التطبيقات واسعة النطاق وتمتد جميع أنواع الصناعات.
استنادًا إلى تقديرات مجالات مثل الترميز والتسويق حيث تكون الذكاء الاصطناعى التوليدي أكثر قابلية للتطبيق ، يمكن أن تفتح AI التفسيرية من 20 ٪ إلى 40 ٪ من مكاسب الإنتاجية لنصف الناتج المحلي الإجمالي الذي يأتي من الشركات الكبيرة. أولاً ، على الرغم من ذلك ، يجب عليهم الالتزام بتطوير استراتيجية شاملة وطويلة الأجل تتضمن وظائف أعمال متعددة وتجريب دقيق ، وتغيير العمليات الراسخة وقواعد ثقافة العمل التي تبطئ تبنيها. تم القيام به بشكل صحيح ، والعقبات يمكن التغلب عليها – ويمكن أن تكون المكافأة ضخمة.
تطبيق مختلف لنماذج الذكاء الاصطناعي
أحد أهم المحركات الأساسية للنمو الاقتصادي هو الجهد المستمر لتوحيد وتوسيع نطاق عملية معينة ، مما يجعلها أسرع وأرخص وأكثر موثوقية. فكر في خطوط تجميع المصانع التي تتيح الإنتاج الضخم ، أو تدوين بروتوكولات اتصال الكمبيوتر للإنترنت لاستخدامها عبر الشبكات المتباينة.
لقد كان الذكاء الاصطناعى التوليدي ، بشكل عام ، مخيبة للآمال عندما يتعلق الأمر بالأتمتة. على سبيل المثال ، حاولت العديد من الشركات استخدام مجموعات chatbots من الذكاء الاصطناعي لتقليل الوقت الذي يقضيه موظفو الموارد البشرية في الإجابة على أسئلة الموظفين حول السياسات الداخلية. ومع ذلك ، فإن الإخراج المفتوح من مثل هذه الأنظمة يتطلب مراجعة الإنسان ، مما يجعل مدخرات العمل متواضعة في أحسن الأحوال. يبدو أن التكنولوجيا ترث الكثير من عدم القدرة على التنبؤ بالبشر إلى جانب قدرتها على محاكاة مهاراتهم الإبداعية والتفكير.
يعد Agentic AI بالقيام بعمل معقد بشكل مستقل ، مع وضع وكلاء الذكاء الاصطناعي الذكيين وتنفيذ خطط لتحقيق الأهداف خطوة بخطوة ، أثناء الطيران. ولكن مرة أخرى ، حتى عندما يصبح الوكلاء ذكيًا بما يكفي لمساعدة عامل المعرفة النموذجي على أن يكون أكثر إنتاجية ، ستكون مخرجاتهم متغيرة تمامًا.
أدخل AI التفسيرية. لأول مرة ، يمكن لأجهزة الكمبيوتر معالجة ملف معنى من اللغة البشرية ، مع كل سياقها الفوارق والسياق غير المعلن ، بفضل النماذج الكبيرة غير المسبوقة التي طورتها شركات مثل Open AI و Google. AI التفسيرية هي آلية استخدام النماذج لاستغلال هذا التقدم الثوري.
حتى الآن ، كانت قدرة أجهزة الكمبيوتر على التقاط وتخزين وتجميع وتلخيص وتقييم أنشطة المنظمة الكبيرة تقتصر على تلك التي كان من السهل تحديدها مع البيانات. يمكن لـ AI التفسيرية تنفيذ هذه الوظائف بسرعة ودقيقة للعديد من الأنشطة المهمة الأخرى ، على نطاق واسع وبأقل تكلفة هامشية. على سبيل المثال ، لم تعد الشركات ستحتاج إلى عمليات يدوية لمراقبة مستويات النشاط والتقدم في مهام عمال المعرفة ، مثل ترميز ميزة في حل البرمجيات أو تطوير مجموعة من استراتيجيات التوعية الخاصة بالعميل ، والتي تتطلب عادة موظفي الإدارة المتوسطة المخصصة لجمع المعلومات.
يمكن للشركات تحقيق مكاسب الإنتاجية باستخدام AI التفسيرية لمجموعة من مشكلات الموظفين الأخرى التي يصعب إجراءها من قبل ، بما في ذلك نغمة وجودة تفاعلاتهم مع العملاء ، وقواعدهم الثقافية في مكان العمل ، وامتثالها لسياسات المكتب والتوقعات السلوكية.
تحويل إدارة المعرفة
سيمكن استخدام الذكاء الاصطناعي التفسيري التحولات الواسعة التي تفتح طرقًا فعالة حديثًا للعمل في المنظمات الكبيرة (التي هي المسؤولة عن تنظيم وإنتاج معظم السلع والخدمات في العالم). سيؤدي ذلك إلى تقليل الحاجة بشكل كبير إلى أعمال الإدارة الوسطى الواسعة والمكلفة والبطيئة وغير الصالحة لتنسيق البرامج المتباورة المعقدة للأنشطة عبر الفرق والتخصصات.
والأفضل من ذلك ، أنه يمكن أن يفهم بشكل فعال الجوانب الحيوية من الناحية التشغيلية ولكن غير شفافة لكيفية حدوث العمل ، مثل قيمة الكود القديم والبيانات التي تجعل عملية التكنولوجيا البسيطة التي تستغرق وقتًا طويلاً وتحديًا لأي مؤسسة طويلة الأمد.
بطبيعة الحال ، فإن الذكاء الاصطناعي التفسيري ليس حصريًا بشكل متبادل مع AI التوليدي والعامل – إنه مجرد طريقة مختلفة لاستخدام النماذج القوية التي تعمل على تشغيل تلك التقنيات. من المؤكد أن هذه الطريقة غير المليئة بالحيوية ، ولكن بالنسبة للشركات التي تبحث عن طرق لزيادة التأثير الاقتصادي لمنظمة العفو الدولية على مدى السنوات القليلة المقبلة ، فهي مجرد غير المليئة بالذات.
