أنت في وضع رائع للعثور على فرص عالية القيمة للذكاء الاصطناعي. يمكنك تقييم مدى جدوى الفكرة من الناحية الفنية وتأثيرها على تجربة المستخدم، وهما جانبان يجب أن يتكاملا لضمان نجاح الميزات التي تستخدم الذكاء الاصطناعي. لا يجب إنشاء ميزات تستخدم الذكاء الاصطناعي لأنّها جديدة أو مثيرة للإعجاب، بل لأنّها تسهّل حياة المستخدمين أو تجعلها أسرع أو أكثر متعة.
توضّح هذه الوحدة طريقة منظَّمة ومتكرّرة لوضع الأفكار وتحديدها وإنشاء نماذج أولية لحالات استخدام الذكاء الاصطناعي في منتجك.
فهم قيمة الذكاء الاصطناعي
تحدّد شجرة فرص الذكاء الاصطناعي التالية الفئات الكبيرة من القيمة التي يمكن أن يقدّمها الذكاء الاصطناعي:
لقد أدرجنا فئات القيمة لتأطير حلولك. مع الانتقال في القائمة، يزداد التعقيد والمخاطر والتأثير المحتمل على المستخدمين:
- الإحصاءات: تحسين عملية اتخاذ القرار
- الراحة: إزالة أي عوائق
- الأتمتة: استبدال المهام المتكررة
- التعزيز: مساعدة المستخدمين في المهام المعقّدة أو الإبداعية
- التخصيص: تكييف المنتج مع احتياجات الفرد وتفضيلاته.
أولاً، حاوِل حلّ حالات الاستخدام الأقل تأثيرًا. على سبيل المثال، يمكنك جمع إحصاءات أفضل عن المنتجات باستخدام نظام ذكاء اصطناعي داخلي، حتى تتمكن من تحسين منتجك من الداخل. بعد ذلك، راجِع ديون تجربة المستخدم الحالية واستخدِم الذكاء الاصطناعي لتقليل الاحتكاك والعبء المعرفي على المستخدمين. ومع اكتساب الثقة والخبرة، يمكنك الانتقال إلى حالات استخدام أكثر تعقيدًا وزيادة استخدام الذكاء الاصطناعي.
ومع ذلك، قد تكتشف فرصًا عالية التأثير، مثل اللمسات الخفيفة من التخصيص، والتي يمكن الوصول إليها بشكل مدهش ومنخفضة المخاطر وذات مغزى.
تحديد الفرص في منتجك
لتحديد الفكرة الصحيحة، يجب أن يكون لديك فهم جيد للمستخدمين. يمكنك العمل مع فريق تجربة المستخدم أو الاطّلاع على الشخصيات لتحديد هؤلاء المستخدمين. اتّبِع نهجًا يركّز على المستخدم (أو الإنسان)، وحدِّد فرص الذكاء الاصطناعي التي تجدها لحالات استخدام ملموسة لمنتجك.
ويتّخذ هذا الأشكال التالية:
- تكون مدفوعة باحتياجات المستخدمين أو المشاكل التي يواجهونها بشكل واضح.
- اقتراحات من أعضاء فريقك أو منك في هذه الحالة، من الضروري التحقّق بسرعة من المستخدمين لتجنّب الوقوع في فخ "الذكاء الاصطناعي من أجل الذكاء الاصطناعي".
- استلهِم أفكارًا من المنافسين، ولكن بحذر. قد يختلف جمهور منافسيك وسياقهم عن جمهورك وسياقك. التحقّق من صحة الفرضيات في وقت مبكر لاختبار ما إذا كانت مبادرات المنافسين الناجحة تنطبق على منتجك
على سبيل المثال، يحتوي الجدول التالي على أفكار لموقع إلكتروني لحجز الرحلات الجوية:
في كل خطوة من تجربة المستخدم، يمكنك تحديد فرص مختلفة لإضافة القيمة المضافة باستخدام الذكاء الاصطناعي.
صياغة الحل
في هذه المرحلة، من المفترض أنّكم قد حدّدتم عدة أفكار لاستخدام الذكاء الاصطناعي في تجربة المستخدم. الخطوة التالية هي إعطاؤها شكلاً واكتساب ثقة كافية حتى تتمكن من تحديد أي منها يجب تطويره أولاً. هذا جهد جماعي وعادة ما يقوده مدير المنتج. بصفتك مطوّرًا، تقع على عاتقك مسؤولية تقدير التكلفة والجهد والمخاطر المرتبطة بالحلّ المخطط له والمستنِد إلى الذكاء الاصطناعي.
تحديد أفكارك
أولاً، سجِّل كل فكرة في مواصفات سريعة وشاملة، ويمكنك استخدام مخطط نظام الذكاء الاصطناعي من المقدمة. عادةً ما يركّز المطوّرون على الحلّ، بينما يحدّد مدير المنتج الفرصة. يمنح هذا التمرين الجميع أساسًا مشتركًا للتوافق والمناقشة قبل المضي قدمًا.
تقييم الجهد والتكلفة
بعد ذلك، قيّم مدى صعوبة تنفيذ فكرتك. على سبيل المثال، قد تتطلّب إضافة الفلاتر الذكية فقط تحليلاً لغويًا مستندًا إلى الطلبات باستخدام واجهة برمجة تطبيقات للنماذج اللغوية الكبيرة، ما يتيح إنشاء النماذج الأولية وتشغيلها بسرعة وتعديلها بسهولة. في المقابل، يتطلّب المساعد الشخصي للحجوزات مسارات بيانات مخصّصة وواجهات برمجة تطبيقات للحجوزات وآليات دقيقة للمشاركة البشرية، وهو ما يتطلّب جهدًا أكبر بكثير.
اطّلِع على الجهد والتكلفة من خلال عدة جوانب:
- جاهزية البيانات: هل لديك البيانات التي تحتاجها؟ ما هو حجم عمليات التنظيف أو المعالجة المُسبقة أو التصنيف التي يجب إجراؤها لتصبح البيانات جاهزة للذكاء الاصطناعي؟
- نضج النموذج: هل يتوفّر نموذج مدرَّب مسبقًا ومناسب، أم أنّك بحاجة إلى تدريب نموذج من الصفر؟
- وقت الاستجابة: ما هي السرعة التي يجب أن يستجيب بها النموذج لكي تبدو الميزة سلسة ومفيدة؟
- تعقيد عملية الدمج: كم عدد الأنظمة التي يجب ربطها؟ هل هناك واجهة خلفية أو واجهات برمجة تطبيقات أو واجهة مستخدم أو أدوات تابعة لجهات خارجية؟ وكلما زاد عدد نقاط الاتصال، زادت التكلفة والمخاطر.
- تكلفة التشغيل: ما هي تكلفة كل طلب أو استنتاج للنموذج؟ تقدير الاستخدام الشهري والميزانية اللازمة لتوسيع نطاق الاستخدام فالميزة التي تكون "رخيصة" في مرحلة النموذج الأولي يمكن أن تصبح مكلفة بمجرد أن يصبح آلاف المستخدمين نشطين.
ضع في اعتبارك التكاليف الخفية للمستخدم. يمكن أن يؤدي الذكاء الاصطناعي إلى حدوث أخطاء منتظمة وغير متوقعة في منتجك. باستخدام الذكاء الاصطناعي من جهة العميل، يتم تشغيل الميزات على جهاز المستخدم، مما يستهلك النطاق الترددي والتخزين والطاقة. يجب أن تكون الميزة قيّمة بما يكفي ليشعر المستخدمون بالرضا عن التكلفة.
من خلال تقييم الجهد المطلوب في وقت مبكر، يمكنك التركيز على تحقيق نجاحات عالية القيمة ومنخفضة الصعوبة، وتأجيل الأفكار الأكثر تعقيدًا إلى أن تصبح بياناتك وبنيتك الأساسية وخبرتك أكثر نضجًا.
تقدير أوضاع الأعطال
في بعض الأحيان، يرتكب النموذج أخطاءً ولا تعمل الميزات على النحو المتوقّع. يجب أن تتواصل مع المستخدمين بشأن ما يحدث ومكان حدوث الخطأ، حتى يعرفوا ما إذا كانوا قادرين على تغيير مدخلاتهم للحصول على النتائج التي يسعون إليها.
على سبيل المثال، لنفترض أنّك تدير وكالة سفر. تريد شركتك تقديم أفكار مخصصة للمسافرين. طلب المستخدمون أداة للقيام بذلك بأنفسهم، ويدفع فريق المنتج إلى تنفيذها. ومع ذلك، أنت تعلم أن التخصيص يتطلب العديد من الإشارات من المستخدمين حول اهتماماتهم، ولم تقم بإعداد قاعدة بيانات تجمع مثل هذه الإشارات. يؤدي هذا إلى تخصيص غير ناجح يقدم إلهامًا غير ذي صلة، مما يؤدي إلى تخلي المستخدمين عن الميزة. يجب أن يكون فهمك لمدى توفّر البيانات المخصّصة قد ساعد فريقك في تقدير القيمة.
في ما يلي حالات إخفاق إضافية مهمة في الذكاء الاصطناعي يجب أخذها في الاعتبار:
- الهلوسة: ينشئ النموذج مخرجات تبدو معقولة، ولكنّها غير حقيقية (مثل اختلاق رحلة جوية غير موجودة).
- الانحياز: يُظهر النموذج تعميمات غير عادلة أو يضخّمها استنادًا إلى بيانات التدريب، ما يؤدي إلى نتائج تمييزية أو غير عادلة. على سبيل المثال، قد يفترض النموذج أن المستخدمين يريدون رحلات من الدرجة الأولى والبعض الآخر يريد رحلات اقتصادية بناءً على جنسهم أو عرقهم المتصور.
- مشكلة البداية الباردة: لا يمكن للنظام تقديم قيمة للمستخدمين الجدد أو العناصر الجديدة بسبب نقص البيانات الأولية، كما هو موضح في مثال أداة السفر المخصصة.
- تراجُع الأداء: تتراجع دقة النموذج بمرور الوقت مع تطوّر البيانات الواقعية وابتعادها عن التوزيع الأصلي، وهو ما يُعرف أيضًا باسم انحراف النموذج.
نموذج أوّلي
ستكون مدخلاتك بشأن التكلفة والجهد وأوضاع الفشل منخفضة الدقة في البداية. لاكتساب الثقة، فإن أفضل طريقة للتحقق من صحة ميزة تستخدم الذكاء الاصطناعي هي إنشاء نموذج أولي لها. يتيح لك إنشاء النماذج الأولية اختبار الافتراضات الفنية الأساسية بسرعة (جاهزية البيانات، وقت الاستجابة، الدقة) قبل الالتزام بإنشاء نموذج كامل. فمن خلال إنشاء النماذج، يمكنك التعلّم بشكل أسرع من البحث والتحليل، خاصةً في ما يتعلّق بالتكنولوجيا الجديدة التي لم يتم استكشافها بالكامل، مثل الذكاء الاصطناعي.
باستخدام أدوات إنشاء الرموز البرمجية المستندة إلى الذكاء الاصطناعي، مثل Vertex AI وReplit، يمكنك تسريع عملية إنشاء النماذج الأولية بشكل كبير وتقليل المخاطر المرتبطة بها.
يجب تبنّي هذه العقلية: إطلاق شيء صغير، ومراقبة سلوكه، وتحسينه باستمرار.
اتّبِع أفضل الممارسات التالية:
- إنشاء تجربة شاملة في وقت مبكر: اختبِر العملية بأكملها كما هو محدّد في مخطّط نظام الذكاء الاصطناعي (البيانات والذكاء الاصطناعي وتجربة المستخدم)، وليس فقط دقة النموذج. يجب أن يعكس هذا الإصدار كل جزء من تجربة المستخدم مع الذكاء الاصطناعي، ولكن ليس من الضروري أن يمثل كل ميزة من ميزات التطبيق.
- البدء باستخدام الاختصارات استخدِم واجهات برمجة التطبيقات والنماذج المدرَّبة مسبقًا للتحقّق من القيمة بسرعة.
- تسجيل كل شيء: تتبَّع المدخلات والمخرجات وتعديلات المستخدمين لمعرفة أوضاع الفشل الشائعة وتقييم المشاكل المحتملة التي قد تؤدي إلى توقّف العمل.
- اختبِر القواعد باستخدام بيانات فعلية. يجب أن تلتقط الاختبارات المبكرة سلوك المستخدم الطبيعي والفوضوي.
- إضافة آليات الملاحظات والتحكّم: سهِّل على المستخدمين الإبلاغ عن الأخطاء أو تعديل النتائج، واسمح لهم بتأكيد النتائج أو تصحيحها.
في معظم الحالات، يتم إنشاء النماذج الأولية جنبًا إلى جنب مع التقييم وعمل المواصفات.
الخلاصات
لقد تعلّمت كيفية تحويل إمكانات الذكاء الاصطناعي المجرّدة إلى أفكار منتجات ملموسة وعالية القيمة. بصفتك مطوّرًا، تكمن ميزتك في الربط بين الجدوى الفنية وتجربة المستخدم. لقد استكشفت كيف يمكن للذكاء الاصطناعي أن يضيف قيمة عبر فئات مختلفة، وربطت هذه الفرص بتجربة المستخدم في منتجك، وتعلّمت كيفية تحديدها وتقييمها وترتيبها حسب الأولوية باستخدام أُطر عمل منظَّمة.
تذكَّر أنّ الذكاء الاصطناعي ينجح من خلال التكرار المستمر. أطلِق منتجك مبكرًا، واستمع إلى ملاحظات المستخدمين وراقِبهم، وحسِّن المنتج بسرعة. كل نموذج أولي هو خطوة نحو فهم كيف يمكن للذكاء الاصطناعي أن يزيد من قيمة منتجك ومتعته.
الموارد
- Getting AI Discovery Right، وهو دليل لوضع الأفكار والتحقّق منها وتحديد أولويات حالات استخدام الذكاء الاصطناعي
- AI Radar، وهي أداة للاكتشاف ودعم اتخاذ القرار تهدف إلى تحديد حالات الاستخدام وترتيبها حسب الأولوية في مختلف المجالات
لِنختبر معلوماتكاختبري معلوماتكِاختبِر معلوماتكَ
أي فئة من فرص الذكاء الاصطناعي تتضمن مساعدة المستخدمين في المهام المعقدة أو الإبداعية؟
عند تقييم الجهد والتكلفة لفكرة ذكاء اصطناعي، إلى ماذا يشير مصطلح "تعقيد عملية الدمج"؟
ما هي مشكلة البداية الباردة في سياق أوضاع تعطُّل الذكاء الاصطناعي؟
ما هي العقلية الموصى بها لإنشاء نماذج أولية لميزة تستخدم الذكاء الاصطناعي؟
لماذا من المهم الاحتفاظ بسجل عند إنشاء النماذج الأولية؟