تحسين تأهيل حالة استخدام الذكاء الاصطناعي باستخدام IBM watsonx.governance®

تقدم IBM ميزة تحسين تأهيل حالات الاستخدام في watsonx.governance، وهي قدرة جديدة تهدف إلى مساعدة المؤسسات على تبسيط تبني حالات استخدام الذكاء الاصطناعي وتسريع تبني الذكاء الاصطناعي المسؤول. من خلال دمج التفاعل باللغة الطبيعية، وتحليل التشابه الدلالي، وسير العمل المؤتمت، تساعد هذه القدرة المؤسسات على تقليل الانقطاع أثناء الاندماج، وتحسين جودة التقديم، وتحديد المخاطر مبكراً، وتوسيع حوكمة الذكاء الاصطناعي بشكل أكثر كفاءة.

مع قيام المؤسسات بنشر المزيد من أنظمة الذكاء الاصطناعي التوليدي والتعلم الآلي والذكاء الاصطناعي الوكيل، تواجه فرق الحوكمة كميات متزايدة من حالات استخدام الذكاء الاصطناعي والمراجعات ومتطلبات التوثيق. تفتقر العديد من عمليات التقديم إلى التوافق الواضح مع الأهداف الاستراتيجية أو نتائج الأعمال المحددة أو الفوائد المتوقعة أو المعلومات الداعمة الكاملة، مما يؤدي إلى حدوث تأخيرات في تقييمات الحوكمة وزيادة النفقات التشغيلية.

على الرغم من إدراك الشركات لإمكانات الذكاء الاصطناعي، إلا أن 16% فقط من مبادرات الذكاء الاصطناعي قد تم توسيع نطاقها على مستوى المؤسسة بأكملها. وفي الوقت نفسه ، تشير تقديرات أبحاث معهد IBM Institute for Business Value * إلى أن مؤسسة بقيمة 20 مليار دولار أمريكي تخسر حوالي 140 مليون دولار أمريكي سنويًا بسبب مخالفات الذكاء الاصطناعي، ويرتبط نصف هذه الخسائر مباشرةً بفجوات الحوكمة. تتوقع المؤسسات أيضاً إدارة ما يقارب أربعة أضعاف عدد أصول الذكاء الاصطناعي بحلول عام 2030 مما تفعله اليوم.

لتوسيع نطاق الذكاء الاصطناعي بمسؤولية، تحتاج المؤسسات إلى طريقة أكثر كفاءة لالتقاط مبادرات الذكاء الاصطناعي، وتطبيق سياق الحوكمة في وقت مبكر، وتحديد المخاطر قبل أن يتقدم التطوير بشكل كبير.

تعتمد السيطرة على تطبيق سياق المؤسسة قبل الموافقة على الذكاء الاصطناعي أو نشره أو توسيع نطاقه.

في العديد من المؤسسات، يكون استيعاب حالات استخدام الذكاء الاصطناعي بطيئًا ويدويًا. تقضي فرق الحوكمة وقتاً في جمع المعلومات المفقودة، وقد تستغرق المراجعات أياماً أو أسابيع قبل أن تبدأ تقييمات المخاطر. غالباً ما يتم اتخاذ القرارات دون وجود سياق كافٍ حول المبادرات المماثلة أو المخاطر القائمة أو متطلبات الحوكمة في جميع أنحاء المؤسسة.

هذا الاختناق لا يقلل من المخاطر؛ بل إنه ببساطة ينقله إلى مكان أقل وضوحًا. تحتاج المؤسسات إلى طريقة أكثر قابلية للتوسع لالتقاط مبادرات الذكاء الاصطناعي، وتطبيق سياق الحوكمة مبكراً، وتحديد المخاطر المحتملة قبل أن يتقدم التطوير بشكل كبير.

يساعد تحسين تأهيل حالات الاستخدام في IBM watsonx.governance المؤسسات على تبسيط كيفية التقاط مبادرات الذكاء الاصطناعي ومقارنتها وتحضيرها لمراجعة الحوكمة. يمكن لمستخدمي الأعمال وصف مبادرات الذكاء الاصطناعي المقترحة باستخدام اللغة الطبيعية، بينما يطرح watsonx.governance أسئلة مستهدفة، ويجمع السياق المفقود، ويُنشئ عمليات إرسال منظمة.

يمكن للمستخدمين التفاعل عبر القنوات المألوفة مثل Slack أو مباشرة داخل watsonx.governance، مما يقلل الانقطاع مع الحفاظ على التركيز على التقاط حالة الاستخدام الكاملة والمتسقة.

صُممت التجربة بحيث تكون بعيدة الشبه عن إكمال الأعمال الورقية للحوكمة، وأشبه ما يكون بإجراء محادثة، سواء كان المستخدمون يتفاعلون من خلال Slack أو مباشرة داخل watsonx.governance. والنتيجة هي عملية إدخال أكثر كفاءة تحسن المشاركة وتقلل من الجهد الإداري.

مع توسع تبني الذكاء الاصطناعي عبر وحدات الأعمال، غالباً ما تقترح فرق مختلفة حالات استخدام مماثلة. بدون رؤية لعمليات التقديم السابقة، قد تقضي فرق الحوكمة وقتاً في مراجعة المبادرات المتداخلة بينما يظل مستخدمو الأعمال غير مدركين لوجود أعمال ذات صلة بالفعل.

يعد تحليل التشابه الدلالي في صميم ميزة تحسين تأهيل حالات الاستخدام. يقارن الحل بين الطلبات الجديدة وحالات الاستخدام التي تم إدراجها مسبقاً لتحديد الأنماط المعروفة، والمبادرات ذات الصلة، وملفات المخاطر المشابهة.

بدلاً من الاعتماد فقط على مطابقة الكلمات المفتاحية، يحلل watsonx.governance السياق والنوايا لإظهار مبادرات مماثلة. يساعد ذلك فرق الحوكمة على تحديد التداخل، وإعادة استخدام المعرفة القائمة على الحوكمة، وتطبيق ممارسات حوكمة متسقة، وتقليل التقييمات المكررة.

تعتمد الحوكمة الفعالة للذكاء الاصطناعي على تحديد المخاطر قبل انتقال الأنظمة إلى مرحلة الإنتاج.

يمنح تحليل التشابه الفرق نقطة انطلاق أقوى لمراجعة المخاطر. من خلال تسليط الضوء على حالات استخدام مماثلة وأنماط حوكمة معروفة، يساعد watsonx.governance الفرق على تحديد المخاطر المحتملة في وقت مبكر وتوجيه الطلبات بكفاءة أكبر.

بمجرد تقديم حالة استخدام، يساعد watsonx.governance في تحديد المخاطر عبر فئات العدالة، والمتعلقة بالخصوصية، والامتثال، والقانونية، والتشغيلية. يمكن بعد ذلك دمج هذه المخاطر في سير عمل الحوكمة الحالي للمراجعة والتقييم. بدلاً من البدء بنموذج إدخال فارغ، يبدأ المحللون بالسياق ذي الصلة، حتى يتمكنوا من التركيز على المخاطر وعناصر التحكم وقرارات النشر المسؤول.

تزداد أهمية تحديد المخاطر في وقت مبكر مع ازدياد تعقيد بيئات الذكاء الاصطناعي. توصلت أبحاث معهد IBM لقيمة الأعمال إلى أن المؤسسات التي تعاني من انتشار مرتفع للذكاء الاصطناعي ورؤية منخفضة تشهد تأثيراً أقل على الإيرادات بنسبة 22%، و19% انخفاض في الأرباح التشغيلية، وزيادة إنتاجية أقل بنسبة 17% مقارنة بالمؤسسات التي لديها مستويات أقل من انتشار الذكاء الاصطناعي.

من خلال مساعدة المؤسسات على تحديد وتقييم المخاطر في وقت مبكر، يمكن لفرق الحوكمة تحسين الرقابة دون خلق مواطن اختناق إضافية أمام تبنّي استخدام الذكاء الاصطناعي.

تقاس الحوكمة الناجحة للذكاء الاصطناعي بمدى فعالية تحويل الحوكمة إلى جزء من تبني الذكاء الاصطناعي اليومي، وليس بعدد السياسات التي تضعها المؤسسة.

يساعد تحسين تأهيل استخدام حالات الاستخدام في IBM watsonx.governance المؤسسات على تسريع عملية دمج حالات استخدام الذكاء الاصطناعي، وتحسين جودة التقديم، وتقليل جهود الحوكمة المتكررة، وتحديد المخاطر في وقت مبكر من دورة الحياة. يمكن لمستخدم الأعمال وصف مبادرات الذكاء الاصطناعي المقترحة باستخدام اللغة الطبيعية، بينما يحدد watsonx.governance حالات الاستخدام المماثلة، ويعرض سياق الحوكمة ذات الصلة، ويولد عمليات تقديم منظمة للمراجعة.

من خلال تحليل أوجه التشابه بين حالات الاستخدام التي تم إدراجها مسبقًا، يمكن للمؤسسات تحديد الأنماط المعروفة، وإعادة استخدام أطر عمل المخاطر والتحكم القائمة، وتحسين الاتساق في كيفية تقييم مبادرات الذكاء الاصطناعي. تقضي فرق الحوكمة وقتاً أقل في جمع المعلومات ومراجعة عمليات التقديم المتكررة، مما يسمح لهم بالتركيز على التقييمات ذات القيمة الأعلى وصناعة القرار.

مع استمرار تسارع تبني الذكاء الاصطناعي، يجب أن تصبح الحوكمة أسهل في الاستخدام، وأسهل في توسيع النطاق، وأسهل في التضمين في طرق العمل الحالية. يساعد حل تحسين تأهيل حالات الاستخدام في جعل ذلك ممكناً من خلال تحويل إدخال حوكمة الذكاء الاصطناعي من عملية يدوية إلى تجربة تأهيل ذكية تجمع بين التفاعل باللغة الطبيعية، والتحليل القائم على التشابه، والأتمتة لمساعدة المؤسسات على الانتقال بكفاءة أكبر من فكرة الذكاء الاصطناعي إلى نشر الذكاء الاصطناعي الخاضع للحوكمة مع الحفاظ على الشفافية والمساءلة والإشراف البشري.

استكشف watsonx.governance