AI for Business #6: AI Teams
هل يجب عليك بناء فريق الذكاء الاصطناعي الخاص بك أم الاستعانة بمصادر خارجية؟
مقدمة حول استخدامات الذكاء الاصطناعي
- تم تقديم الحلقة السادسة من دورة "الذكاء الاصطناعي للأعمال"، حيث تم تناول الأساسيات واستكشاف أكثر من 80 حالة استخدام للذكاء الاصطناعي في مجالات مختلفة.
- تم التركيز على أهمية الفريق في نجاح مشاريع الذكاء الاصطناعي، مع طرح سؤال رئيسي حول ما إذا كان ينبغي توظيف فريق داخلي أو الاستعانة بمصادر خارجية.
اتخاذ القرار: بناء فريق داخلي مقابل الاستعانة بمصادر خارجية
- سيتم استعراض دور كل من الفرق الداخلية والاستعانة بمصادر خارجية، بما في ذلك الأدوار المختلفة التي تشكل فريق الذكاء الاصطناعي مثل مهندسي البرمجيات وعلماء البيانات.
- يعتبر قرار بناء الفريق أو الاستعانة بمصادر خارجية تحديًا، حيث يمنح الفريق الداخلي تحكمًا أكبر ولكنه يتطلب أيضًا موارد كبيرة.
العوامل المؤثرة في اتخاذ القرار
- تم تجميع قائمة تضم 10 عوامل يجب أخذها بعين الاعتبار عند اتخاذ القرار بين الخيارين.
1. الخبرة السابقة في الذكاء الاصطناعي
- إذا لم يكن لديك خبرة سابقة، يُنصح بالاستعانة بفريق استشاري محترف للمساعدة في مرحلة إثبات المفهوم.
2. هل يعد الذكاء الاصطناعي جزءًا أساسيًا من عملك؟
- إذا كان الذكاء الاصطناعي يمثل ميزة تنافسية حيوية، فمن الأفضل بناء فريق داخلي لضمان جودة الحلول المطورة.
3. سرعة إطلاق الحلول
- إذا كانت السرعة مهمة لإطلاق حلول الذكاء الاصطناعي، فإن الاستعانة بمصادر خارجية قد تكون الخيار الأنسب.
4. الميزانية المتاحة
- يمكن أن يكون توظيف فريق داخلي مكلفًا بسبب تكاليف التوظيف والتدريب والبنية التحتية مقارنةً بالاستعانة بمصادر خارجية.
5. مستوى التخصيص المطلوب للنظام
- إذا كنت بحاجة إلى نظام مخصص للغاية يتطلب فهم عميق لعمليات الشركة، فقد يكون من الأفضل وجود فريق داخلي لتلبية هذه الاحتياجات الخاصة.
المهارات المتخصصة والاعتبارات الأخرى
6. المهارات المتخصصة المطلوبة
- إذا كانت لديك حاجة لمهارات متخصصة غير متوفرة لدى الفريق الحالي، فقد يكون من الأفضل التفكير في خيار الاستعانة بمصادر خارجية بشكل مؤقت.
7. التحكم في الملكية الفكرية
- قد يؤدي الاعتماد على مصادر خارجية إلى تقليل السيطرة على الملكية الفكرية للحلول المطورة؛ لذا فإن وجود فريق داخلي قد يكون أكثر ملائمة لحماية حقوق الملكية الفكرية.
8. القدرة على التعامل مع المشاريع الإضافية
- أحيانًا قد يكون لديك فريق مشغول بأعمال أخرى؛ لذا يمكن أن تكون الاستعانة بمصادر خارجية خياراً جيداً لبعض الأعمال الإضافية دون التأثير على الأولويات الحالية.
9. القابلية للتوسع المفاجئ
بناء فريق الذكاء الاصطناعي: خيارات داخلية وخارجية
أهمية بناء فريق داخلي للذكاء الاصطناعي
- يُوصى ببناء فريق ذكاء اصطناعي داخلي إذا كانت هذه التقنية تمثل كفاءة أساسية لعملك، ولديك اهتمام كبير بالملكية الفكرية، وتحتاج إلى تكامل مع أنظمتك الداخلية.
- يمكن أن يكون الاستعانة بمصادر خارجية خيارًا ممتازًا للوصول السريع إلى موارد متخصصة في مجالات متنوعة وتقليل التكاليف.
مزايا وعيوب الخيارات المختلفة
- كل من الخيارين له مزاياه وعيوبه، ومن الشائع أن تجمع الشركات بينهما. بعض الشركات تبدأ بالاستعانة بمصادر خارجية ثم تبني فرقها الخاصة.
- يتطلب تطوير مشاريع تعلم الآلة مجموعة متنوعة من المهارات مثل تحليل البيانات والهندسة وإدارة المشاريع.
خريطة أدوار الذكاء الاصطناعي
- تم تطوير خريطة أدوار الذكاء الاصطناعي لمساعدتك في فهم أنواع الأدوار التي قد تحتاجها في فريق الذكاء الاصطناعي خلال مراحل مختلفة.
- تُقسم الأدوار إلى أدوار أساسية واختيارية وداعمة، حيث تعتبر الأدوار الأساسية الأكثر أهمية خاصة عند بدء رحلة الذكاء الاصطناعي.
الدور الأساسي: عالم البيانات
- يعتبر عالم البيانات هو المنصب الأكثر أهمية عند بناء فريق ذكاء اصطناعي، حيث يركز على بناء النماذج وتجربتها.
- يجب أن يمتلك عالم البيانات خبرة في التعامل مع مجموعات بيانات مختلفة وبناء وتحسين النماذج.
مسؤوليات ومؤهلات عالم البيانات
- تشمل مسؤولياته التعاون مع الفرق التجارية لتحديد حالات استخدام الذكاء الاصطناعي والتحقق من إمكانياتها.
- يجب أن يكون لديه فهم قوي للإحصائيات والرياضيات والتعلم الآلي، بالإضافة إلى مهارات حل المشكلات الجيدة.
تطبيقات الذكاء الاصطناعي التوليدي
- إذا كنت تبني حلول ذكاء اصطناعي غير توليدية مثل نظم الرؤية الحاسوبية أو التحليلات التنبؤية، فإن المؤهلات السابقة تنطبق بشكل كامل.
- لكن لبناء تطبيقات ذكاء اصطناعي توليدية قد لا تحتاج لعالم بيانات في البداية بل يمكنك البدء بمهندس برمجيات ذو شغف بتطوير التطبيقات المعتمدة على نماذج اللغة الكبيرة (LLMs).
الحاجة لمهارات متقدمة في معالجة اللغة الطبيعية
- إذا كنت ترغب في تحسين أو ضبط بعض هذه النماذج أو القيام بشيء أكثر تقدمًا، ستحتاج لشخص ذو خبرة عميقة في مجال معالجة اللغة الطبيعية.
ما هي الأدوار الأساسية في فرق تعلم الآلة؟
دور عالم البيانات
- عالم البيانات هو شخص لديه معرفة بالإحصائيات، التعلم الآلي، والتعلم العميق، ويمكنه التعاون مع مستخدمي الأعمال لبناء وتدريب النماذج وإجراء التنبؤات.
- إذا كنت تركز على الذكاء الاصطناعي التوليدي، يمكنك البدء بمهندس برمجيات لديه شغف بالنماذج اللغوية الكبيرة ومعرفة بالأدوات في هذا النظام البيئي.
- لتخصيص النماذج أو تدريب نماذج خاصة بك، ستحتاج إلى خبير ذكاء اصطناعي ذو خلفية في معالجة اللغة الطبيعية.
دور مهندس البيانات
- مع زيادة حجم البيانات، يصبح من الضروري ضمان أن تكون هذه البيانات نظيفة ومنظمة ومتاحة للتحليل. هنا يأتي دور مهندس البيانات.
- مسؤولية مهندس البيانات الرئيسية هي تصميم وبناء وصيانة البنية التحتية وأنابيب البيانات لدعم عمل علماء البيانات.
- يجب أن يكون لدى مهندس البيانات خبرة عميقة في أدوات ETL وتقنيات تخزين البيانات وبيئة بيانات كبيرة مثل Spark وElasticsearch.
دور مهندس عمليات التعلم الآلي
- يعمل مهندس عمليات التعلم الآلي بشكل وثيق مع علماء البيانات ومهندسي البرمجيات لضمان تكامل نماذج الذكاء الاصطناعي مع الأنظمة الإنتاجية بطريقة قابلة للتوسع وكفء.
- تشمل مسؤولياتهم تصميم واجهات برمجة التطبيقات (APIs)، وبناء خطوط أنابيب قابلة للتوسع للتدريب والاختبار والنشر.
دور عالم بيانات شامل
- عالم بيانات شامل هو شخص يمكنه القيام بكل شيء من هندسة البيانات إلى تدريب وتحسين النماذج ونشرها للإنتاج.
- وجود شخص كهذا قد يكون ميزة كبيرة للشركات الناشئة أو الشركات ذات الموارد المحدودة التي تبدأ رحلتها في الذكاء الاصطناعي.
ما هي الأدوار الاختيارية التي يمكن النظر فيها؟
دور الباحث العلمي
- إذا كنت تسعى لدفع حدود خوارزميات التعلم الآلي الحالية، فقد تحتاج إلى باحث علمي لديه خبرة واسعة في مجالات متخصصة مثل معالجة اللغة الطبيعية أو الرؤية الحاسوبية.
دور محلل بيانات
ما هي الأدوار الأساسية في تطوير المنتجات المعتمدة على الذكاء الاصطناعي؟
أهمية استهلاك نماذج التعلم الآلي
- يتم بناء نماذج التعلم الآلي لتحقيق فوائد تجارية، وليس لمجرد وجودها. يجب أن تُستخدم هذه النماذج في أنظمة أو تطبيقات عملية.
- يمكن لمهندسي البرمجيات العمل مع علماء البيانات لبناء تطبيقات ويب أو موبايل تستخدم التوصيات الشخصية من النماذج.
دور مدير المنتج في المشاريع المعتمدة على الذكاء الاصطناعي
- يقوم مدير المنتج بتحديد خارطة طريق المنتج وقائمة الميزات بناءً على فهم عميق لاحتياجات العملاء والمنافسة.
- يجب أن يكون لدى مدير المنتج معرفة جيدة بمشهد الذكاء الاصطناعي، خاصة الجوانب التي تهم المشروع.
أمثلة على المنتجات المعتمدة على الذكاء الاصطناعي
- تشمل الأمثلة أنظمة متقدمة للكشف عن الاحتيال، مولدات كود ذكية، وخدمات ذكاء اصطناعي تساعد غير الخبراء في بناء نماذجهم الخاصة.
- يُنصح بشدة بتوظيف مدير منتج للذكاء الاصطناعي للمساعدة في وضع خارطة الطريق وتوجيه تطوير المنتج.
دعم تبني الذكاء الاصطناعي داخل الشركات
- من المهم وجود خبراء مجال مثل مهندسي الصيانة عند بناء تطبيقات تعتمد على تعلم الآلة لتوقع الأعطال.
- يجب دمج المعرفة المتخصصة مع فرق البيانات لضمان نجاح التطبيقات.
إدارة المشاريع المتعلقة بالذكاء الاصطناعي
- يتطلب تنفيذ مشاريع متعددة وجود مديري مشاريع مختصين لمتابعة التقدم وضمان تسليم المهام في الوقت المحدد.
- يحتاج المديرون إلى تنسيق الموارد وإدارة الميزانية والجداول الزمنية والنتائج.
أدوار رئيسية لتعزيز تبني الذكاء الاصطناعي
- يتضمن أحد الأدوار المهمة رعاية تنفيذية من قبل شخص مثل الرئيس التنفيذي لدعم جهود الذكاء الاصطناعي داخل الشركة.
- الدور الآخر هو "بطل الذكاء الاصطناعي" الذي يعمل كحلقة وصل بين المستخدمين التجاريين وفريق الذكاء الاصطناعي.
ملخص للأدوار الأساسية في فريق الذكاء الاصطناعي
- تشمل الأدوار الرئيسية علماء البيانات ومهندسي البيانات ومهندسي عمليات التعلم الآلي الذين يديرون بيئة الإنتاج والبنية التحتية القريبة من الإنتاج.
ما هي الأدوار المختلفة في فريق الذكاء الاصطناعي؟
الأدوار الأساسية في فريق الذكاء الاصطناعي
- يتكون فريق الذكاء الاصطناعي من محللي بيانات يمكنهم مساعدتنا في العثور على أنماط ورؤى في البيانات، ومهندسي برمجيات قادرين على بناء تطبيقات حول الذكاء الاصطناعي.
- مدراء المنتجات الذين يمكنهم المساعدة في تحديد خارطة طريق المنتج وقيادة تطوير المنتجات المرتبطة بالذكاء الاصطناعي.
- خبراء المجال ومدراء المشاريع والرعاة التنفيذيون الذين يمكنهم المساعدة في بناء الزخم وتوسيع اعتماد الذكاء الاصطناعي عبر المؤسسة.
سيناريوهات هيكل فرق الذكاء الاصطناعي
- تم تقديم ثمانية سيناريوهات مختلفة لهياكل فرق الذكاء الاصطناعي لمساعدتك على فهم كيف يمكن أن يبدو الفريق بناءً على معايير مختلفة مثل مرحلة الشركة وحجمها ومستوى نضج الذكاء الاصطناعي.
- تشمل السيناريوهات أربع فئات رئيسية: الشركات التي تهتم ببناء تطبيقات ذكاء اصطناعي توليدية، والشركات الناشئة غير المرتبطة بالذكاء الاصطناعي، والشركات الناشئة المرتبطة بالذكاء الاصطناعي، والشركات المتوسطة إلى الكبيرة التي ترغب في استخدام الذكاء الاصطناعي.
كيف تبدأ بتشكيل فريق ذكاء اصطناعي؟
الوصول إلى السيناريوهات
- للوصول إلى هذه السيناريوهات، يجب عليك زيارة خريطة أدوار الذكاء الاصطناعي الموجودة في وصف الفيديو.
- ستجد جدولًا يلخص السيناريوهات الأربعة المختلفة والمستويات داخل كل منها.
مثال على بناء تطبيقات ذكاء اصطناعي توليدية
- عند النظر إلى سيناريو بناء تطبيقات ذكاء اصطناعية توليدية، ستحتاج عادةً إلى مهندس برمجيات لديه شغف بالنماذج اللغوية الكبيرة وفهم جيد للتقنيات المستخدمة.
- قد تحتاج أيضًا إلى عالم بيانات للمساعدة في تطوير النماذج إذا كنت ترغب في التوسع أو تحسين الأداء.
تحديات توسيع نطاق التطبيقات القائمة على نماذج اللغة الكبيرة
متطلبات التوسع
- يعتبر توسيع نطاق التطبيقات القائمة على نماذج اللغة الكبيرة مجالًا متطورًا ولا يزال قيد الاستكشاف من قبل الصناعة.
- من المحتمل أنك ستحتاج إلى مهندسي بيانات للاعتناء بخدمات البيانات ومهندسي تعلم الآلة لمساعدتك في تحسين النماذج وتوسيعها.
الشركات الناشئة غير المرتبطة بالذكاء الاصطناعي
استخدامات الذكاء الاصطناعي في الشركات الناشئة
الهيكل التنظيمي لفريق البيانات
- من المهم أن يكون لديك عالم بيانات بدوام كامل بالإضافة إلى عالم بيانات شامل، خاصة عند التعامل مع كميات كبيرة من البيانات.
- قد تحتاج أيضًا إلى مهندس بيانات بدوام كامل لبناء خطوط البيانات وتنظيفها وتحضيرها لعمل التعلم الآلي.
- وجود محلل بيانات يمكن أن يساعد في تحليل مجموعات البيانات المختلفة واستخراج رؤى تدعم عمل المهندسين وعلماء البيانات.
الفرق بين الشركات الناشئة التي تركز على الذكاء الاصطناعي وغيرها
- الشركات الناشئة التي تبني أنظمة متقدمة مثل كشف الاحتيال تعتمد بشكل كبير على التعلم الآلي لاكتشاف الشذوذ في المعاملات المالية.
- يجب أن يتضمن الفريق مدير منتج للذكاء الاصطناعي، الذي يفهم النظام البيئي للذكاء الاصطناعي ويضع خارطة طريق جيدة للمنتج.
- من الضروري وجود مهندسي برمجيات لديهم خلفية جيدة في الذكاء الاصطناعي لدعم تطوير البرمجيات.
التوسع في العمل بالذكاء الاصطناعي
- إذا كنت تتعامل مع كميات كبيرة من البيانات، فإن وجود مهندس تعلم آلي مخصص سيكون ضروريًا لإدارة البنية التحتية للإنتاج.
- إذا كنت تسعى لتطوير نماذج جديدة أو تحسين النماذج الحالية، فقد تحتاج إلى باحث علمي متخصص.
المرحلة الأولية للشركات الكبيرة
- يُنصح بوجود عالم بيانات وخبراء مجال لبدء رحلة دمج الذكاء الاصطناعي، حيث يحتاجون لفهم حالات الاستخدام المناسبة لبناء نماذج أولية.
- دور ثانوي مهم هو وجود عالم بيانات شامل ومحلل بيانات لتحليل مجموعات البيانات وتقديم توصيات حول حالات الاستخدام المحتملة.
الانتقال إلى مرحلة الإنتاج
- بعد اختبار النماذج الأولية، يجب التفكير في توظيف مهندسي تعلم آلي لضمان بيئة إنتاج مناسبة لمراقبة دقة النماذج وإجراء التصحيحات اللازمة.
- من المهم أيضًا وجود راعٍ تنفيذي لدفع الزخم نحو استخدام هذه الحالات داخل الشركة.
استراتيجيات بناء فرق الذكاء الاصطناعي
أهمية وجود مدراء مشاريع ذكاء اصطناعي
- من الضروري أن يكون لدى الشركات التي تستخدم حالات مختلفة للذكاء الاصطناعي مدراء مشاريع مختصين لضمان تسليم المبادرات والمشاريع في الوقت المحدد.
هيكل الفريق المثالي للذكاء الاصطناعي
- يجب أن يتضمن الهيكل الشامل لفريق الذكاء الاصطناعي "أبطال الذكاء الاصطناعي" الذين يعملون كخبراء بين الفرق الفنية وفرق الأعمال.
- من المهم أيضًا وجود مدراء منتجات ذكاء اصطناعي يمكنهم تطوير المنتجات حول المشاريع، مما يعكس مستوى نضج قليل من الشركات (5 إلى 7%).
تخصيص الهيكل وفقًا للسياق
- يُنصح بفهم خصوصيات المشاكل والسياقات الخاصة بكل شركة لتحديد الهيكل المثالي للفريق، حيث أن السيناريوهات المقدمة هي للإلهام فقط.
ملخص النقاشات الرئيسية
- تم تناول مزايا وعيوب الاستعانة بمصادر خارجية مقابل بناء فرق داخلية، مع استعراض سيناريوهات تساعد في اتخاذ القرار.