أنت في وضع ممتاز للعثور على فرص عالية القيمة للاستفادة من الذكاء الاصطناعي. يمكنك تقييم الجدوى الفنية لفكرة ما وتأثيرها على تجربة المستخدم، وهما منظورَان يجب أن يتوحّدا لكي تنجح ميزات الذكاء الاصطناعي. لا يجب إنشاء ميزات تستند إلى الذكاء الاصطناعي لأنّها جديدة أو مثيرة للإعجاب، بل لأنّها تسهّل حياة المستخدمين أو تسرّعها أو تجعلها أكثر متعة.
تصف هذه الوحدة طريقة منظَّمة ومتكرّرة لتحديد أفكار حالات استخدام الذكاء الاصطناعي وتحديدها وإنشاء نماذج أولية لها 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 من القيمة لتحديد إطار حلولك. كلما انتقلت إلى أسفل القائمة، يزداد التعقيد والخطر والتأثير المحتمل على المستخدمين:
- الإحصاءات: تحسين عملية اتخاذ القرار
- الراحة: إزالة أي عوائق
- التشغيل الآلي: استبدال العمل المتكرّر
- التحسين: مساعدة المستخدمين في تنفيذ المهام المعقّدة أو الإبداعية
- التخصيص: تكييف المنتج ليناسب احتياجات المستخدمين الفردية وتفضيلاتهم
ابدأ بحلّ حالات الاستخدام الأقل تأثيرًا. على سبيل المثال، يمكنك جمع إحصاءات أفضل عن المنتجات باستخدام نظام داخلي يستند إلى الذكاء الاصطناعي، ما يتيح لك تحسين منتجك من الداخل. بعد ذلك، راجِع ديون تجربة المستخدم الحالية واستخدِم الذكاء الاصطناعي للحدّ من المشاكل التي تواجه المستخدمين والجهد الذهني الذي يبذلونه. مع اكتساب المزيد من الثقة والخبرة، يمكنك الانتقال إلى حالات استخدام أكثر تعقيدًا وزيادة التعرّض للذكاء الاصطناعي.
مع ذلك، قد تكتشف فرصًا ذات تأثير كبير، مثل لمسات بسيطة من التخصيص، تكون سهلة التنفيذ ومنخفضة المخاطر وذات مغزى.
تحديد فرص التحسين في منتجك
لتحديد الفكرة المناسبة، يجب أن يكون لديك فهم جيد لهوية المستخدمين. تعاوَن مع فريق تجربة المستخدم أو راجع معلوماتك عن الشخصيات التمثيلية لتحديد هوية هؤلاء المستخدمين. اتّبِع نهجًا يركّز على المستخدم (أو على الإنسان)، وحدِّد فرص الذكاء الاصطناعي التي تعثر عليها لتحديد حالات استخدام ملموسة لمنتجك.
ويتّخذ هذا الأشكال التالية:
- أن تكون مدفوعة باحتياجات المستخدمين أو المشاكل التي يواجهونها
- مُقترَحة من قِبل أعضاء فريقك أو أنت. في هذه الحالة، من الضروري إجراء عملية تحقّق سريعة مع المستخدمين لتجنُّب الوقوع في فخ "الذكاء الاصطناعي من أجل الذكاء الاصطناعي".
- استلهام الأفكار من المنافسين، ولكن بحذر قد يختلف الجمهور والسياق الخاصان بمنافسيك عن جمهورك وسياقك. تحقَّق من صحة الأفكار في وقت مبكر لاختبار ما إذا كانت المبادرات الناجحة للمنافسين ستنتقل إلى منتجك.
على سبيل المثال، يتضمّن الجدول التالي أفكارًا لموقع إلكتروني لحجز رحلات جوية:
في كل خطوة من خطوات رحلة المستخدم، يمكنك تحديد فرص مختلفة لإضافة قيمة باستخدام الذكاء الاصطناعي.
تحديد شكل الحل
في هذه المرحلة، تكون قد حدّدت عدة أفكار مستندة إلى الذكاء الاصطناعي على طول رحلة المستخدم. الخطوة التالية هي منح هذه الأفكار شكلًا واكتساب الثقة الكافية لاتخاذ قرار بشأن الأفكار التي يجب تطويرها أولاً. هذا جهد جماعي يقوده عادةً مدير المنتج. بصفتك مطوِّرًا، تقع على عاتقك المسؤولية الأساسية المتمثلة في تقدير تكلفة وجهد ومخاطر حلّ الذكاء الاصطناعي المخطط له.
تحديد أفكارك
أولاً، سجِّل كل فكرة في مواصفات سريعة وشاملة، ويمكنك استخدام مخطط نظام الذكاء الاصطناعي من مقدّمتنا. عادةً، يركّز المطوّرون على جزء الحلّ، بينما يحدّد مدير المنتج فرصة التطوير. يمنح هذا التمرين الجميع أساسًا مشتركًا للتوافق والمناقشة قبل المضي قدمًا.
تقييم الجهد والتكلفة
بعد ذلك، قيِّم مدى صعوبة تنفيذ فكرتك. على سبيل المثال، قد تتطلّب إضافة فلاتر ذكية تحليلًا مستندًا إلى الطلبات باستخدام واجهة برمجة تطبيقات خاصة بنموذج لغوي كبير، ما يتيح إنشاء نماذج أولية وتشغيلها بسرعة وتعديلها بسهولة. في المقابل، يحتاج مساعد الحجز المخصّص إلى مسارات بيانات مخصّصة وواجهات برمجة تطبيقات للحجز وآليات دقيقة تتضمّن تدخّل الإنسان، ما يتطلّب جهدًا أكبر بكثير.
اطّلِع على الجهد والتكلفة على مستوى سمات متعددة:
- جاهزية البيانات: هل لديك البيانات التي تحتاج إليها؟ ما مقدار التنظيف أو المعالجة المسبقة أو التصنيف المطلوب إجراؤه لجعل البيانات جاهزة للاستخدام في الذكاء الاصطناعي؟
- مدى توفّر النموذج: هل يتوفّر نموذج مدرَّب مسبقًا ومناسب، أم عليك تدريب نموذج من البداية؟
- 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 يتضمّن خلفية أو واجهات برمجة تطبيقات أو واجهة مستخدم أو أدوات تابعة لجهات خارجية؟ وكلما زادت نقاط الاتصال، زادت التكلفة والمخاطر.
- تكلفة التشغيل: ما هي تكلفة كل طلب أو استنتاج من النموذج؟ تقدير الاستخدام الشهري والميزانية اللازمة للتوسّع قد تصبح الميزة "رخيصة" في مرحلة النموذج الأوّلي مكلفة عندما يصبح آلاف المستخدمين نشطين.
ضَع في اعتبارك التكاليف الخفية التي يتحمّلها المستخدم. يمكن أن يتسبّب الذكاء الاصطناعي في حدوث أخطاء وعدم دقة في منتجك. باستخدام الذكاء الاصطناعي من جهة العميل، يتم تشغيل الميزات على جهاز المستخدم، ما يؤدي إلى استهلاك النطاق الترددي ومساحة التخزين والطاقة. يجب أن تكون الميزة قيّمة بما يكفي ليتقبّل المستخدمون دفع تكلفتها.
من خلال تقييم الجهد المطلوب في وقت مبكر، يمكنك التركيز على تحقيق إنجازات قيّمة وسهلة التنفيذ، وتأجيل الأفكار الأكثر تعقيدًا إلى أن تصبح بياناتك وبنيتك الأساسية وخبرتك أكثر تطورًا.
تقدير أنماط الأعطال
في بعض الأحيان، يرتكب النموذج أخطاءً ولا تعمل الميزات على النحو المتوقّع. عليك إبلاغ المستخدمين بما يحدث ومكان حدوث الخطأ، ليعرفوا ما إذا كان بإمكانهم تغيير إدخالهم للحصول على النتائج التي يبحثون عنها.
على سبيل المثال، لنفترض أنّك تدير وكالة سفر. تريد شركتك تقديم أفكار مخصّصة للمسافرين. طلب المستخدمون توفير أداة تتيح لهم إجراء ذلك بأنفسهم، ويضغط فريق المنتج لتنفيذ هذا الطلب. ومع ذلك، أنت تعلم أنّ التخصيص يتطلّب العديد من الإشارات من المستخدمين حول اهتماماتهم، ولم تُعدّ قاعدة بيانات تجمع هذه الإشارات. يؤدي ذلك إلى تخصيص غير ناجح يقدم أفكارًا غير ذات صلة، ما يدفع المستخدمين إلى التوقف عن استخدام الميزة. من المفترض أنّ فهمك لمدى توفّر البيانات المخصّصة قد ساعد فريقك في تقدير القيمة.
في ما يلي أوضاع إضافية مهمة لفشل الذكاء الاصطناعي يجب أخذها في الاعتبار:
- الهلوسة: يُنشئ النموذج نتائج تبدو معقولة، ولكنّها غير حقيقية (مثل اختلاق رحلة جوية غير متوفّرة).
- التحيّز: يعرض النموذج تعميمات غير عادلة أو يعزّزها استنادًا إلى بيانات التدريب، ما يؤدي إلى نتائج تمييزية أو غير منصفة. على سبيل المثال، قد يفترض النموذج أنّ بعض المستخدمين يريدون رحلات جوية على الدرجة الأولى وآخرين يريدون رحلات على الدرجة الاقتصادية استنادًا إلى جنسهم أو عرقهم المتصوّر.
- مشكلة البدء البارد: لا يمكن للنظام تقديم قيمة للمستخدمين أو العناصر الجديدة بسبب نقص البيانات الأولية، كما هو موضّح في مثال أداة السفر المخصّصة.
- تدهور الأداء: يتدهور مستوى دقة النموذج بمرور الوقت مع تطوّر البيانات الواقعية وابتعادها عن التوزيع الأصلي، ويُعرف ذلك أيضًا باسم انحراف النموذج.
النموذج الأوّلي
ستكون دقة المعلومات التي تقدّمها بشأن التكلفة والجهد وأنماط الأعطال منخفضة في البداية. لتعزيز الثقة، أفضل طريقة للتحقّق من صحة ميزة معيّنة من ميزات الذكاء الاصطناعي هي إنشاء نموذج أولي لها. تتيح لك النماذج الأولية اختبار الافتراضات الفنية الأساسية بسرعة (مثل مدى توفّر البيانات ووقت الاستجابة والدقة) قبل الالتزام بإنشاء إصدار كامل. خاصةً مع تكنولوجيا جديدة لم يتم استكشافها بالكامل مثل الذكاء الاصطناعي، يمكنك التعلّم بشكل أسرع من خلال التطبيق العملي مقارنةً بالبحث والتحليل.
باستخدام أدوات إنشاء الرموز البرمجية المستندة إلى الذكاء الاصطناعي، مثل Vertex AI وReplit، يمكنك تسريع عملية إنشاء النماذج الأولية وتقليل المخاطر بشكل كبير.
اتّبِع هذه الطريقة: أطلِق منتجًا صغيرًا، وراقِب سلوكه، وعدِّل عليه باستمرار.
اتّبِع أفضل الممارسات التالية:
- إنشاء تجربة شاملة مبكرًا: اختبِر المسار الكامل كما هو محدّد في مخطط نظام الذكاء الاصطناعي (البيانات والذكاء وتجربة المستخدم)، وليس دقة النموذج فقط. يجب أن يعكس هذا الإصدار كل جزء من تجربة المستخدم مع الذكاء الاصطناعي، ولكن ليس من الضروري أن يمثّل كل ميزات التطبيق.
- ابدأ باستخدام الاختصارات. استخدام واجهات برمجة التطبيقات والنماذج المدرَّبة مسبقًا للتحقّق من صحة القيم بسرعة
- تسجيل كل شيء: تتبُّع المدخلات والمخرجات وتعديلات المستخدمين لمعرفة أوضاع الأعطال الشائعة وتقييم المشاكل المحتملة التي قد تؤدي إلى إيقاف التطبيق
- الاختبار باستخدام بيانات فعلية: يجب أن تسجّل الاختبارات المبكرة سلوك المستخدمين الطبيعي وغير المنظَّم.
- إضافة آليات الملاحظات والتحكّم تسهيل إبلاغ المستخدمين عن الأخطاء أو تعديل النتائج، والسماح لهم بتأكيد النتائج أو تصحيحها
في معظم الحالات، يتم إنشاء النماذج الأولية بالتزامن مع التقييم وعمل المواصفات.
الخلاصات الرئيسية
تعرّفت على كيفية تحويل إمكانات الذكاء الاصطناعي المجردة إلى أفكار ملموسة حول منتجات عالية القيمة. بصفتك مطوِّرًا، تكمن ميزتك في الربط بين الجدوى الفنية وتجربة المستخدم. استكشفت كيف يمكن للذكاء الاصطناعي أن يقدّم قيمة في مختلف الفئات، وربطت هذه الفرص برحلة المستخدم الخاصة بمنتجك، وتعرّفت على كيفية تحديدها وتقييمها وتحديد أولوياتها باستخدام أُطر منظَّمة.
تذكَّر أنّ الذكاء الاصطناعي يحقّق النجاح من خلال التكرار المستمر. اطرح المنتج في السوق مبكرًا، واستمع إلى المستخدمين وراقبهم، ثم حسِّن المنتج بسرعة. كل نموذج أولي هو خطوة نحو فهم كيف يمكن للذكاء الاصطناعي أن يزيد من قيمة منتجك ويحسّن تجربة المستخدمين.
الموارد
- Getting AI Discovery Right، دليل حول كيفية تحديد أفكار حالات استخدام الذكاء الاصطناعي والتحقّق من صحتها وتحديد أولوياتها
- AI Radar: أداة للاستكشاف ودعم اتخاذ القرارات تتيح تحديد حالات الاستخدام وتحديد أولوياتها في مختلف المجالات
التحقّق من فهمك
أي فئة من فرص الذكاء الاصطناعي تتضمّن مساعدة المستخدمين في المهام المعقّدة أو الإبداعية؟
عند تقييم الجهد والتكلفة المطلوبَين لتنفيذ فكرة تستند إلى الذكاء الاصطناعي، ماذا يشير مصطلح "تعقيد الدمج"؟
ما هي مشكلة البداية الباردة في سياق أوضاع تعذُّر الذكاء الاصطناعي؟
ما هي طريقة التفكير المقترَحة لتصميم نماذج أولية لميزات تستخدم الذكاء الاصطناعي؟
لماذا من المهم الاحتفاظ بسجلّ عند إنشاء نماذج أولية؟