مرحبًا! أنا مساعدك في تحليل الأخبار المالية والأعمال. كتب هذا المقال الدكتور شي تشونينغينغ، والنقاط الرئيسية فيه حادة للغاية وتلمس النقاط الصعبة في تطبيق تقنيات الذكاء الاصطناعي في الشركات حاليًا.
لكي تفهم المقال بسهولة، سأقوم أولاً بتلخيص المحتوى الرئيسي في جملة واحدة، ثم سأفككه إلى خمسة أبعاد رئيسية وأشرحها لك بلغة بسيطة وسهلة الفهم.
---
📝 ملخص المحتوى الرئيسي
الجملة الختامية:
لا تركز فقط على مدى ذكاء نموذج الذكاء الاصطناعي؛ الأهم هو مدى خبرته في عمل الشركة (عدد السنوات التي عمل فيها). يمكن استئجار النماذج، لكن القيمة الحقيقية تكمن في كيفية تعلم الموظفين من الذكاء الاصطناعي، وكيفية التعامل مع الحالات الاستثنائية، وكيفية تراكم الخبرات التي يمكن أن تصبح “خبرة رقمية” لا يمكن لأحد سرقتها.
---
🔍 التفسير المفصل للأبعاد الخمسة:
1. الذكاء مقابل الخبرة: لماذا حتى “العباقرة” الجدد في الشركة يبدأون كمبتدئين؟
المنطق الأساسي:
الذكاء الاصطناعي اليوم مثل طالب متفوق تخرج حديثًا؛ على الرغم من أنه يعرف كل الكتب المدرسية (المعرفة العامة)، إلا أنه لم يعمل في شركتك، ولا يعرف كيف يحل مشاكل معينة أو ما هو أسلوب تقديم التقارير المفضل لدى المديرين.
تفسير بسيط:
يقارن المؤلف بين الذكاء الاصطناعي والموظفين الجدد قائلاً: حتى لو استأجرت عالم رياضيات مثل تاو تشه-شيان، فإنه لن يصبح محاسبًا ممتازًا في اليوم الأول، لأنه لا يعرف القواعد الخفية للشركة، أو طباع العملاء، أو العقبات داخل الإجراءات.
- الموظف الجديد ينظر إلى التقارير: يرى الأرقام فقط.
- المدير المالي المخضرم ينظر إلى التقارير: يرى المخاطر والمشاكل المحتملة والفرص المستقبلية.
- الموظف الجديد ينظر إلى العملاء: يرى مبالغ الطلبات فقط.
- المدير المبيعات المخضرم ينظر إلى العملاء: يرى عادات الدفع واحتمالات التخلف عن السداد والعلاقات مع القنوات التجارية.
الخلاصة: ما تدفع مقابله الشركة ليس ذكاء الذكاء الاصطناعي (الذي هو بالفعل ذكي)، بل القدرة على اتخاذ القرارات الصحيحة في بيئة عمل معينة، وهذه القدرة لا يمكن للنماذج العامة توفيرها؛ يجب تطويرها داخل الشركة.
2. الوضع المحرج الحالي: الذكاء الاصطناعي يعمل كل يوم، لكنه يبدأ من جديد كل يوم
المنطق الأساسي:
الذكاء الاصطناعي يعمل بجد، لكنه يتذكر الأشياء لفترة قصيرة جدًا؛ إذا علمته اليوم كيفية تعديل عقد، قد ينسى ذلك غدًا عندما يسأله موظف آخر، ويكرر نفس الأخطاء. الشركات تستهلك قدرات الذكاء الاصطناعي يوميًا دون تراكم أي “أصول” حقيقية.
تفسير بسيط:
تخيل متدربًا يساعدك في كتابة الرسائل وإجراء التحليلات؛ إذا طلب منه تعديل رسالة اليوم، قد يكتبها بشكل سيء غدًا لأنه لم يتعلم من التجربة السابقة.
هذا هو الوضع المحرج الحالي: الأدوات تعمل، لكن المنظمة لا تتطور. أنت تستأجر أداة متقدمة، لكنك لا تطور موظفًا يفهم احتياجاتك أكثر فأكثر.
3. ترقية الأصول: من “نفط البيانات” إلى “ذهب الخبرة”
المنطق الأساسي:
كان يُقال في الماضي إن “البيانات هي النفط”， لكن الآن يجب أن نرتقي إلى مفهوم “الخبرة هي الذهب”. البيانات تسجل فقط ما حدث، بينما الخبرة توضح لماذا تم اتخاذ قرار معين وكيف يجب التصرف في المرات القادمة.
تفسير بسيط:
- البيانات: البنوك تعرف أن زانغ ثلاثة سدد ديونه العام الماضي.
- الخبرة: الموظف المالي المخضرم يعرف أنه على الرغم من أن مؤشرات زانغ ثلاثة جيدة، إلا أن تدفقاته المالية متقلبة موسميًا، وقد منحه القرض لأن زوجته تعمل في شركة حكومية (ضمان ضمني).
- البيانات: المستشفيات تعرف أن المريض تناول دواء معين.
- الخبرة: الطبيب المخضرم يعرف أن المريض، على الرغم من أن مؤشراته طبيعية، يحتاج إلى دواء آخر بناءً على تاريخ حساسيته.
في الماضي، كانت هذه الخبرات محصورة في عقول الخبراء؛ عندما يتقاعدون، تختفي هذه الخبرات. الذكاء الاصطناعي يوفر الفرصة لتحويل “الحدس” و“القرارات” البشرية إلى كود وقواعد يمكن للآلات تعلمها، وهذا هو القفزة الحقيقية من “الرقمنة” (تطبيق الإجراءات في البرمجيات) إلى “الذكاء الاصطناعي” (تطبيق القرارات داخل المنظمة).
4. الكشف عن الصعوبات: تخزين سجلات المحادثات لا يعني امتلاك خبرة حقيقية (الحاجة إلى نظام إدارة الخبرة)
المنطق الأساسي:
لا تعتقد أن تخزين جميع المحادثات سيجعل الذكاء الاصطناعي أكثر ذكاءً؛ التعليقات البشرية قد تحتوي على أخطاء وتحيزات وتغييرات. الشركات بحاجة إلى نظام إدارة خبرة لتمييز الخبرات الحقيقية عن الأخطاء.
تفسير بسيط:
إذا أخطأ الذكاء الاصطناعي وقام الموظف بتصحيح الخطأ، هل يجب عليه التعلم من ذلك؟ ليس بالضرورة؛ قد يكون الموظف في مزاج سيء، أو قد تغيرت السياسات، أو قد يكون التصحيح خاطئًا من قبل موظف عادي بينما يعتقد الخبير أن الذكاء الاصطناعي كان على حق.
لذلك، يجب على الشركات إنشاء نظام إدارة خبرة يتضمن:
1. تصفية الأخطاء: تحديد ما إذا كان التصحيح ناتجًا عن خطأ حقيقي أو تفضيل شخصي.
2. ترتيب الأولويات: يجب أن تكون آراء الخبراء أكثر أهمية من آراء المبتدئين.
3. التحقق من النتائج: هل كانت القرارات ناجحة؟ إذا كانت كذلك، يجب تثبيت هذه الخبرة.
4. تحديث الخبرات: يجب التخلص من الخبرات القديمة.
هذه ليست مجرد مسألة تقنية، بل مسألة إدارية؛ في المستقبل، يجب على الشركات إدارة الموظفين وكذلك ما يتعلمه الذكاء الاصطناعي وما لا يتعلمه.
5. إعادة بناء الحواجز الواقية: فرص للشركات التقليدية للتفوق وآليات الربح المضاعف
المنطق الأساسي:
يمكن استبدال النماذج (اليوم باستخدام OpenAI، وغدًا باستخدام Anthropic)، لكن يجب الحفاظ على “طبقة الخبرة” لدى الشركة. الشركات التقليدية لديها خبرات عميقة في الصناعة لا تمتلكها الشركات التكنولوجية. عندما تتراكم الخبرات وتنتج ربحًا مضاعفًا، تصبح الشركات أقوى.
تفسير بسيط:
يقلق الكثير من مالكي الشركات التقليدية: “كيف يمكننا المنافسة مع الشركات التكنولوجية إذا لم نفهم الخوارزميات؟”
المؤلف يقول: أنتم مخطئون؛ الشركات التكنولوجية لديها نماذج، لكنها لا تمتلك بيانات الشركات التقليدية، والشركات التقليدية تعرف السوق جيدًا ولديها معرفة عميقة بسلاسل التوريد.
حاجزكم الواقي ليس النموذج، بل طبقة الخبرة.
السؤال الذي يجب أن تطرحوه على أنفسكم ليس “هل أريد بناء نموذج كبير؟” بل “إذا غيرت النموذج غدًا، هل يمكن الحفاظ على ملايين التجارب والقواعد والتعليقات التي تراكمت لدينا واستمرار استخدامها؟”
آلية الربح المضاعف الجديدة:
في الماضي، كانت العملية كالتالي: إجراء صفقة → كسب المال → الانتهاء.
الآن، العملية تصبح كالتالي: إجراء صفقة → كسب المال → إنتاج خبرة جديدة → جعل الذكاء الاصطناعي أكثر فهمًا → إجراء صفقة أكثر دقة → كسب المزيد من المال.
الخلاصة النهائية:
الشكل النهائي للمنافسة بين الشركات لن يكون على أساس حجم معاملات النماذج، بل على مدى خبرة الذكاء الاصطناعي.
من يتمكن من تحويل الخبرات التي تختفي مع مغادرة الأشخاص إلى أصول ر