لتطوير الذكاء الاصطناعي بالنسبة لتطبيق الأعمال، تتبع العملية عمومًا ست مراحل: تحديد حالة استخدام محددة وقابلة للقياس، وجمع البيانات الصحيحة وإعدادها، والاختيار بين نموذج مخصص، أو نموذج مدرب مسبقًا، أو نهج وكيل الذكاء الاصطناعي، وبناء الحل ودمجه، واختباره مقابل سيناريوهات حقيقية، ونشره مع المراقبة المستمرة. بالنسبة للشركات في المملكة العربية السعودية، تحتاج هذه العملية أيضًا إلى مراعاة متطلبات حوكمة البيانات الخاصة بـ SDAIA والامتثال لـ PDPL منذ مرحلة التخطيط الأولى، وليس كفكرة لاحقة قبل الإطلاق.
لماذا يتسارع تطوير الذكاء الاصطناعي في المملكة العربية السعودية؟
يقع الذكاء الاصطناعي في قلب استراتيجية التنويع الاقتصادي لرؤية المملكة العربية السعودية 2030، ليس كمبادرة جانبية ولكن كبنية تحتية وطنية أساسية. تم إنشاء الهيئة السعودية للبيانات والذكاء الاصطناعي (SDAIA) خصيصًا للتحكم في كيفية تطوير واستخدام الذكاء الاصطناعي والبيانات في جميع أنحاء المملكة، ويشير وجودها إلى شيء مهم: تطوير الذكاء الاصطناعي هنا لا يحدث في فراغ تنظيمي كما قد يحدث في الأسواق الأقل تنظيمًا.
بالنسبة للشركات، هذا يعني أن الفرصة حقيقية، ولكن كذلك التوقعات بأن أنظمة الذكاء الاصطناعي التي تتعامل مع بيانات المستخدم السعودي يتم بناؤها مع وضع الحوكمة في الاعتبار منذ اليوم الأول، ولا يتم تصحيحها قبل مراجعة الامتثال.
كيفية تطوير الذكاء الاصطناعي: خطوة بخطوة
سواء كنت تقوم بإنشاء أداة أتمتة داخلية أو ميزة الذكاء الاصطناعي التي تواجه العملاء، فإن العملية تنقسم إلى نفس المراحل الأساسية، سواء كنت تقوم بالإنشاء داخل الشركة أو تعمل مع شريك تطوير.
1تحديد حالة استخدام محددة وقابلة للقياس
أكبر خطأ في مشاريع الذكاء الاصطناعي هو البدء بـ "نريد استخدام الذكاء الاصطناعي" بدلاً من مشكلة محددة: تقليل وقت استجابة العملاء، أو الإبلاغ عن عيوب الجودة في خط الإنتاج، أو التنبؤ باحتياجات المخزون. الهدف الغامض يجعل من المستحيل معرفة ما إذا كان المشروع قد نجح بالفعل أم لا.
2. اجمع وإعداد البيانات الصحيحة
إن جودة أنظمة الذكاء الاصطناعي تكون جيدة بقدر جودة البيانات التي تقف وراءها. تعني هذه المرحلة مراجعة البيانات الموجودة لديك بالفعل، وتحديد الثغرات، وتنقيتها في تنسيق قابل للاستخدام. بالنسبة للشركات السعودية، تعد هذه أيضًا مرحلة البناء على التعامل المتوافق مع PDPL: إقامة البيانات، وتتبع الموافقة، وضوابط الوصول، بدلاً من إضافتها بعد تدريب النموذج بالفعل.
3. اختر النهج الصحيح
لا يحتاج كل مشروع للذكاء الاصطناعي إلى نموذج مدرب خصيصًا. ثلاثة مسارات شائعة: بناء نموذج مخصص للتعلم الآلي (الأفضل لمشاكل محددة للغاية وغنية بالبيانات)، أو دمج نموذج لغة كبير مُدرب مسبقًا عبر واجهة برمجة التطبيقات (أسرع مسار لحالات استخدام النص أو الدردشة أو إنشاء المحتوى)، أو إنشاء وكيل ذكاء اصطناعي يجمع بين نموذج اللغة ومنطق الأعمال والوصول إلى الأدوات (الأفضل لأتمتة سير العمل متعدد الخطوات). يعد اختيار النهج الخاطئ هنا هو المصدر الأكثر شيوعًا للميزانية المهدرة.
4. بناء والتكامل
يحدث التطوير في دورات متكررة، تبدأ عادةً بإثبات ضيق للمفهوم قبل توسيع النطاق. وهذا أيضًا هو المكان الذي يتصل فيه مكون الذكاء الاصطناعي بأنظمتك الحالية، سواء كان ذلك تطبيق جوالأو لوحة تحكم ويب أو أداة عمل داخلية.
5. الاختبار ضد السيناريوهات الحقيقية
تحتاج أنظمة الذكاء الاصطناعي إلى اختبار يتجاوز ضمان جودة البرامج القياسية. يتضمن ذلك اختبار الحالات المتطورة، والتحقق من المخرجات المتحيزة أو غير المتسقة، والتحقق من صحة الأداء باللغة العربية على وجه التحديد، نظرًا لأن العديد من نماذج الذكاء الاصطناعي يتم تدريبها بشكل أساسي على البيانات الإنجليزية ويكون أداؤها أسوأ بشكل ملحوظ على اللغة العربية دون اختبار وضبط متعمد.
6. النشر ومراقبة
الإطلاق ليس خط النهاية. تحتاج أنظمة الذكاء الاصطناعي إلى مراقبة مستمرة للتأكد من انحراف الدقة، خاصة مع تغير بيانات العالم الحقيقي بمرور الوقت. النموذج الذي يؤدي أداءً جيدًا عند الإطلاق يمكن أن يتدهور بهدوء بعد أشهر دون مراقبة نشطة.
SDAIA وPDPL: ما تحتاج الشركات السعودية إلى معرفته
تشرف الهيئة السعودية للبيانات والذكاء الاصطناعي على البيانات الوطنية وسياسة الذكاء الاصطناعي، وتشكل توجيهاتها كيفية إدارة أنظمة الذكاء الاصطناعي التي تتعامل مع بيانات المستخدم السعودي. إلى جانب ذلك، يحدد قانون حماية البيانات الشخصية (PDPL) متطلبات حول مكان إقامة البيانات والموافقة والأمان والتي تؤثر بشكل مباشر على كيفية قيام أنظمة الذكاء الاصطناعي بجمع المعلومات وتخزينها ومعالجتها.
ومن الناحية العملية، يعني هذا أن أنظمة الذكاء الاصطناعي المصممة للسوق السعودي يجب أن تكون مصممة بخيارات إقامة البيانات، وآليات الموافقة الواضحة، ومسارات التدقيق من البداية. يعد تعديل الامتثال في نظام الذكاء الاصطناعي بعد أن يتم بناؤه وتدريبه بالفعل أصعب بكثير من تصميمه منذ قرار التصميم الأول.
حالات الاستخدام الحقيقي عبر الصناعات السعودية
يبدو تطوير الذكاء الاصطناعي مختلفًا اعتمادًا على الصناعة والمشكلة التي يتم حلها.
- تصنيع: الكشف التنبؤي عن التأخير وإعداد تقارير الجودة الآلية، وهو نوع من مخاطر الذكاء الاصطناعي وقدرات التحليلات المضمنة لدينا تصنيع تخطيط موارد المؤسسات حلول لرؤية أرضية المصنع.
- بناء: تسجيل المخاطر المستندة إلى الذكاء الاصطناعي والتنبؤ بالتأخير عبر المشاريع الكبيرة ومتعددة المراحل، وهي ميزة مدمجة في نظامنا برامج إدارة البناء لتنسيق مشروع جيجا.
- الرعاية الصحية: إدارة تدفق المرضى بمساعدة الذكاء الاصطناعي، مما يساعد المستشفيات على توقع إشغال الأسرة واحتياجات التوظيف، وهو جزء مما نبنيه أنظمة إدارة المستشفيات.
- خدمة العملاء: الدردشة المدعومة بالذكاء الاصطناعي وأتمتة الدعم، مما يقلل أوقات الاستجابة للفرق التي تتعامل مع العملاء والتي تتعامل مع كميات كبيرة من الاستفسارات.
النموذج المخصص مقابل الذكاء الاصطناعي المدرب مسبقًا: ما الذي تحتاجه؟
يشكل هذا القرار التكلفة والجدول الزمني أكثر من أي شيء آخر تقريبًا في مشروع الذكاء الاصطناعي. يكون النموذج المُدرب خصيصًا منطقيًا عندما تكون مشكلتك محددة للغاية ولديك بيانات عالية الجودة كافية للتدريب عليها، فكر في الصيانة التنبؤية بناءً على سنوات من بيانات مستشعر المعدات الخاصة بك. يعد دمج نموذج لغة كبير تم تدريبه مسبقًا أمرًا منطقيًا بالنسبة لمعظم حالات الاستخدام المتعلقة بالنص والدردشة والمحتوى، حيث سيكون بناء نموذج من الصفر غير ضروري وأكثر تكلفة بكثير مما يجب أن يكون.
تميل معظم مشاريع الذكاء الاصطناعي للأعمال في المملكة العربية السعودية اليوم نحو المسار الثاني: دمج وتخصيص قدرات الذكاء الاصطناعي الحالية بدلاً من بناء نماذج أساسية من الألف إلى الياء، مما يحافظ على واقعية التكلفة والجدول الزمني لمعظم المؤسسات.
الأخطاء الشائعة التي يجب تجنبها
- البدء بدون هدف محدد. "إضافة الذكاء الاصطناعي إلى منتجنا" ليست حالة استخدام. هناك مشكلة محددة وقابلة للقياس.
- تجاهل أداء اللغة العربية. يؤدي الاختبار باللغة الإنجليزية فقط وافتراض أن اللغة العربية ستعمل بنفس الطريقة غالبًا إلى ضعف الأداء في العالم الحقيقي.
- التعامل مع الامتثال كخطوة أخيرة. تعد اعتبارات SDAIA وPDPL المضمنة منذ البداية أرخص بكثير من تعديلها بعد الإطلاق.
- الإفراط في البناء. تدريب نموذج مخصص عندما تؤدي واجهة برمجة تطبيقات الذكاء الاصطناعي المدربة مسبقًا إلى حل المشكلة بشكل أسرع وبجزء بسيط من التكلفة.
- لا توجد مراقبة بعد الإطلاق. يمكن أن تتغير دقة الذكاء الاصطناعي بمرور الوقت. بدون مراقبة، يمكن للمشروع الذي نجح بشكل جيد عند الإطلاق أن يتوقف عن العمل بهدوء بعد أشهر.
ما هي تكلفة تطوير الذكاء الاصطناعي؟
تختلف التكلفة مع مشاريع الذكاء الاصطناعي أكثر من معظم البرامج التقليدية، ويرجع ذلك إلى حد كبير إلى اتساع نطاق الأساليب. هناك بعض العوامل الحقيقية التي تشكل الرقم أكثر من أي شيء آخر: سواء كنت تدرب نموذجًا مخصصًا أو تدمج نموذجًا موجودًا، ومقدار إعداد البيانات وتنظيفها المطلوب، ومدى عمق احتياجات الذكاء الاصطناعي للاتصال بالأنظمة الحالية.
إن دمج نموذج تم تدريبه مسبقًا لمهمة محددة جيدًا، مثل مساعد الدردشة الذي يعمل بالذكاء الاصطناعي أو وضع علامات تلقائية على المحتوى، يقع في النهاية التي يسهل الوصول إليها. إن التدريب على النماذج المخصصة، لا سيما عندما يتطلب جمع بيانات كبيرة وتنظيفها مسبقًا، يحتل مرتبة أعلى بشكل ملحوظ، سواء من حيث التكلفة أو من حيث الجدول الزمني. يجب أيضًا إدراج المراقبة المستمرة وإعادة التدريب في الميزانية كتكلفة متكررة، وليس كمصروفات لمرة واحدة، نظرًا لأن أنظمة الذكاء الاصطناعي عمومًا تحتاج إلى مزيد من الاهتمام بالصيانة مقارنة بالبرامج الثابتة.
البناء داخل الشركة مقابل العمل مع شريك التنمية
تقوم بعض المؤسسات، وخاصة المؤسسات الكبيرة التي لديها فرق علوم البيانات الحالية، ببناء قدرات الذكاء الاصطناعي داخل الشركة. ومع ذلك، بالنسبة لمعظم الشركات، يعد العمل مع شريك تطوير ذي خبرة أسرع وأقل خطورة، خاصة بالنسبة لمشروع الذكاء الاصطناعي الأول. يتجنب الشريك الذي اطلع بالفعل على إرشادات SDAIA ومتطلبات PDPL ومشكلات أداء نموذج اللغة العربية الأخطاء التي يكون تعلمها بشكل مباشر مكلفًا من المحاولة الأولى.
الأسئلة المتداولة
كم من الوقت يستغرق تطوير حل الذكاء الاصطناعي؟
غالبًا ما يمكن بناء إثبات مركز للمفهوم خلال 4-8 أسابيع. عادةً ما يستغرق نظام الذكاء الاصطناعي للإنتاج الكامل، بما في ذلك الاختبار ومراجعة الامتثال والتكامل، من 3 إلى 6 أشهر حسب التعقيد.
هل أحتاج إلى نموذج ذكاء اصطناعي مخصص أم يمكنني استخدام نموذج موجود؟
يتم خدمة معظم حالات استخدام الأعمال، وخاصة المهام النصية والدردشة والمهام المتعلقة بالمحتوى، بشكل أفضل من خلال دمج نموذج تم تدريبه مسبقًا وتخصيصه بدلاً من بناء نموذج من البداية. تعتبر النماذج المخصصة منطقية بالنسبة لمشاكل محددة للغاية مع كميات كبيرة من البيانات الخاصة.
ما الذي تتطلبه سدايا لأنظمة الذكاء الاصطناعي في المملكة العربية السعودية؟
تشرف SDAIA على البيانات الوطنية وحوكمة الذكاء الاصطناعي، ويجب أن تتوافق أنظمة الذكاء الاصطناعي التي تتعامل مع بيانات المستخدم السعودي مع إرشاداتها جنبًا إلى جنب مع متطلبات PDPL حول مكان إقامة البيانات والموافقة والأمن من مرحلة التصميم.
هل يحتاج الذكاء الاصطناعي إلى العمل بشكل جيد باللغة العربية؟
نعم، بالنسبة لمعظم تطبيقات السوق السعودية. تعمل العديد من نماذج الذكاء الاصطناعي بشكل أفضل بشكل ملحوظ في اللغة الإنجليزية بشكل افتراضي، لذلك يجب أن يكون اختبار اللغة العربية وضبطها جزءًا متعمدًا من عملية التطوير، وليس افتراضًا.
ما مقدار البيانات التي أحتاجها لتطوير الذكاء الاصطناعي؟
ذلك يعتمد بشكل كبير على النهج. يحتاج التدريب على النماذج المخصصة عادةً إلى بيانات جوهرية وعالية الجودة. غالبًا ما يحتاج دمج نموذج تم تدريبه مسبقًا لمهام مثل الدردشة أو إنشاء المحتوى إلى بيانات أقل بكثير، وأحيانًا لا شيء على الإطلاق، بخلاف التكوين والاختبار.
هل يمكن إضافة الذكاء الاصطناعي إلى تطبيق أو نظام موجود؟
نعم. يتم دمج ميزات الذكاء الاصطناعي بشكل شائع في تطبيقات الهاتف المحمول أو مواقع الويب أو أنظمة الأعمال الحالية بدلاً من إنشاءها كمنتجات مستقلة، والاتصال بسير العمل الحالي بدلاً من استبدالها.
ماذا يحدث بعد نشر نظام الذكاء الاصطناعي؟
المراقبة المستمرة أمر ضروري. يمكن أن تنحرف دقة الذكاء الاصطناعي مع تغير بيانات العالم الحقيقي بمرور الوقت، لذلك يحتاج النظام المنشور إلى تقييم منتظم، وليس نهج الإطلاق والنسيان لمرة واحدة.
هل أنت مستعد لتطوير الذكاء الاصطناعي لعملك؟
بدءًا من تحديد حالة الاستخدام الصحيحة وحتى النشر المدرك لـ SDAIA، فإننا نساعد الشركات السعودية على بناء الذكاء الاصطناعي الذي يحل مشكلة حقيقية بالفعل. اكتشف موقعنا الكامل خدمات الذكاء الاصطناعي وتطوير البرمجيات أو تواصل معنا لمناقشة مشروعك.احصل على استشارة مجانية
