5 خطوات لمواجهة التحديات المرتبطة بعدم نُضج أو جاهزية البيانات
عرضت شركة F5، من خلال محمد أبوخاطر، نائب الرئيس للمبيعات لشركة F5 في الشرق الأوسط وتركيا وإفريقيا، مجموعة من الخطوات التي تساعد المؤسسات على التعامل مع التحدّيات المرتبطة بعدم نُضج البيانات.
والمقصود بعدم نُضج أو جاهزية البيانات في سياق الذكاء الإصطناعي هو ممارسات البيانات غير المتطورة أو غير الملائمة والتي تحد من القدرة على توظيف الذكاء الإصطناعي بفعّالية. ويشمل هذا الأمر المشاكل المتعلّقة بجودة البيانات، وإمكانية الوصول إليها، والحوكمة، والبُنى التحتية مثل: ضعف جودة البيانات، وتوافرها المحدود، وضعف حوكمة البيانات، والبُنى التحتية غير الملائمة للبيانات، وإستراتيجية بيانات غير واضحة.
ويشير كل إستطلاع حول الذكاء الإصطناعي التوليدي، ومن ضمنها هذا الإستطلاع، إلى إستنتاج حتمي مفاده: أن عدم نُضج البيانات سيؤدي إلى إعاقة تحقيق الإستفادة القصوى من إمكانات الذكاء الاصطناعي.
وعن السؤال حول التحدّيات التي تُواجه إعتماد الذكاء الإصطناعي وذلك في تقرير إستراتيجية حالة التطبيقات 2024، فإن الجواب الأول الذي تقدم به 56% من الذين شملهم الإستطلاع كان «عدم نُضج البيانات».
ويعوّق عدم نُضج البيانات المؤسسات من تحقيق الإستفادة القصوى من الذكاء الإصطناعي، لأن البيانات النوعية عالية الجودة والمُدارة جيداً والتي يُمكن الوصول إليها، تُعتبر أساسية لتطوير أنظمة ذكاء إصطناعي موثوقة وفعّالة.
وعليه، ثمّة خمس خطوات لمعالجة عدم نُضج البيانات وتمكين القدرات المتقدمة للذكاء الإصطناعي كالتالي:
-
وضع إستراتيجية بيانات واضحة
توفيق جمع البيانات وإدارتها ومعايير جودتها مع الأهداف المؤسسية من أجل ضمان دعم البيانات لمشاريع الذكاء الإصطناعي بفعّالية.
-
تطبيق معايير حوكمة صارمة للبيانات
وضع سياسات حول ملكية البيانات والإمتثال والأمن والخصوصية من أجل تحسين جودة البيانات وبناء الثقة في الأفكار المتعلّقة بالذكاء الإصطناعي.
-
الاستثمار في بنى تحتية للبيانات قابلة للتطوير
إعتماد بُنى تحتية حديثة مثل التخزين السحابي ومجموعات البيانات، من أجل دعم المعالجة الفعّالة والتدريب على الذكاء الإصطناعي القابل للتطوير.
-
تحسين معايير البيانات
تحديد معايير لدقة البيانات واتساقها وكمالها، مع الحرص على القيام بالمراقبة والفلترة الدورية لها.
-
تعزيز المعرفة المتعلّقة بالبيانات والتعاون
تعزيز ثقافة معرفة البيانات والعمل الجماعي بين وحدات البيانات والأعمال من أجل تحسين إمكانية الوصول إلى البيانات وتأثيرها.
في الخلاصة، يُمكن للمؤسسات من خلال إعتماد هذه الممارسات وضع أسس راسخة متعلّقة بالبيانات تعود بالفائدة على الذكاء الإصطناعي، وتؤدي إلى تحسين سير العمل، وتقليل المخاطر، وتوفير المزيد من الوقت الذي يُمكن الإستفادة منه في أداء مهام إستراتيجية.
