مع نضوج الذكاء الاصطناعي خلال عام 2025، استخلصت الشركات في مختلف القطاعات دروساً بالغة الأهمية حول قابلية التوسع، والكفاءة، والموثوقية، والتطبيق العملي. فبدلاً من السعي وراء اختراقات تكنولوجية هائلة أو نماذج ذكاء اصطناعي ضخمة، ركز العديد من المؤسسات على البنية التحتية، والقدرة على التنبؤ، وحل المشكلات التي من شأنها أن تسمح للذكاء الاصطناعي بالتوسع بشكل موثوق وفعَّال في الواقع، كما كتب كولاولي صموئيل أديبايو(*).

تحديات المرحلة وقدرات التكيّف وقد أبرزت هذه الدروس التحديات المتنامية والتحولات في الاستراتيجية مع تكيف القطاع مع التحديات العملية بدلاً من الانسياق وراء الضجة الإعلامية المحيطة بالإمكانات التحويلية للذكاء الاصطناعي.

1. البنية التحتية أولاً. كان أهم ما تم استخلاصه في عام 2025 هو الحاجة إلى بنية تحتية قوية للذكاء الاصطناعي.

وهذا هو مثال ليئور بوزين، الرئيس التنفيذي لشركة AutoDS، وهي منصة لأتمتة التجارة الإلكترونية مدعومة بالذكاء الاصطناعي، الذي تعلَّم هذا الدرس بشكل مباشر. في البداية، أعطت شركته الأولوية للتوظيف السريع للذكاء الاصطناعي، معتقدةً أن السرعة هي مفتاح النجاح. مع ذلك، ومع نمو الشركة، اتضح جلياً أنه من دون حوكمة سليمة، وتنظيم بيانات فعَّال، وبنية تحتية متينة، لن تتمكن تقنيات الذكاء الاصطناعي من التوسع بكفاءة. لذا، حوَّلت الشركة تركيزها إلى إرساء الأساس الصحيح - بناء طبقات بيانات مشتركة وهياكل ملكية أكثر وضوحاً - ما سمح لميزات الذكاء الاصطناعي بأن تصبح جزءاً لا يتجزأ من عملياتها التجارية.

وبالمثل، واجهت شركة RavenDB، المتخصصة في قواعد البيانات، صعوبة في دمج الذكاء الاصطناعي بسبب ضعف البنية التحتية التي جعلت تدفق البيانات معقداً وغير موثوق. بوعد فشل تعاونها مع «مايكروسوفت» لبناء مساعد ذكاء اصطناعي للتوثيق، عمدت هذه الشركة إلى دمج الذكاء الاصطناعي بشكل أعمق في نظام قاعدة بياناتها، ما يضمن عمل النماذج بالقرب من البيانات التي تعتمد عليها، وبالتالي زيادة القدرة على التنبؤ والموثوقية.

وقد أدركت هذه الشركات أن الإمكانات الحقيقية للذكاء الاصطناعي لا يمكن إطلاقها إلا عند دمجه بسلاسة في الأنظمة القائمة ذات الأسس المتينة للبيانات.

الكفاءة أم القدرات العالية؟ 2. كفاءة الذكاء الاصطناعي تفوق أهمية «القدرة الخام» له. بينما استمر العديد من العاملين في مجال الذكاء الاصطناعي في السعي وراء نماذج أكبر وموارد حوسبة أقوى، اتخذت شركات مثل Oculeus، وهي شركة برمجيات لقطاع الاتصالات، نهجاً مختلفاً، إذ أولى الرئيس التنفيذي أرند بارانوفسكي الأولوية لكفاءة أنظمة الذكاء الاصطناعي بدلاً من التركيز على قدرتها الحاسوبية.

في قطاع الاتصالات، حيث يُعدّ الكشف الفوري عن الاحتيال والكشف عن الحالات الشاذة أمراً بالغ الأهمية، تُعتبر الموثوقية والاتساق أساسيين. بالنسبة لبارانوفسكي، لم تكن «القدرة الخام» هي الحل، بل كان المهم: القدرة على التنبؤ والمخرجات المحددة. كانت أنظمة الذكاء الاصطناعي التي تُنتج نتائج متسقة أكثر قيمة بكثير من تلك القادرة على توليد مخرجات عشوائية.

وبالمثل، ردد مؤسس RavenDB، أورين إيني، هذا الرأي، مؤكداً أن الهدف لم يكن إنشاء ذكاء اصطناعي «أذكى»، بل بناء ذكاء اصطناعي قادر على التعامل مع المهام الروتينية بسلاسة. اكتسب هذا التركيز على الموثوقية والكفاءة بدلاً من قدرات الذكاء الاصطناعي الخام زخماً مع إدراك الشركات للتكاليف الباهظة للحوسبة واستهلاك الطاقة. ومع تزايد الطلب على الذكاء الاصطناعي الموفر للطاقة، ستأتي الموجة التالية من النجاح من أولئك القادرين على تحقيق أقصى أداء للذكاء الاصطناعي دون تكاليف إضافية غير ضرورية.

--------

* * مفتاح النجاح في عام 2025 لم يتمثل في الإنجازات البراقة بل التحسينات الحقيقية التي يمكن تطبيقها بفعالية على جميع العمليات * *

-------

حدود الثقة وأهمية الرقابة 3. الثقة تتطلب حدوداً. كان على صناعة الذكاء الاصطناعي في عام 2025 أيضاً أن تتعامل مع مسألة الثقة، إذ تُستخدم أنظمة الذكاء الاصطناعي بشكل متزايد في خدمة العملاء والمعاملات واتخاذ القرارات، غير أنها تفتقر إلى المساءلة التي يتمتع بها الموظفون البشريون.

وقد سلَّطت قضية روبوت الدردشة التابع لشركة طيران كندا، الذي وعد بخصم وهمي على.....

لقراءة المقال بالكامل، يرجى الضغط على زر "إقرأ على الموقع الرسمي" أدناه

هذا المحتوى مقدم من صحيفة الشرق الأوسط