أصعب جزء في AI Analytics للمؤسسات ليس طرح الأسئلة، بل الصلاحيات وتعريف المؤشرات والأمان

كلما اقترب الذكاء الاصطناعي من الأعمال الحقيقية، لم تعد قدرة النموذج وحدها كافية. الصلاحيات وتعريف المؤشرات وقابلية التدقيق والتفسير والأمان هي أساس تبنيه في المؤسسات.

لم يعد مفاجئا أن يجيب الذكاء الاصطناعي عن الأسئلة.

لكن عندما تستخدم المؤسسة الذكاء الاصطناعي لتحليل بيانات التشغيل، فإن الجزء الصعب ليس فقط هل يستطيع الذكاء الاصطناعي الإجابة.

السؤال الأصعب هو: هل يستطيع الإجابة داخل قواعد المؤسسة؟

المشكلة الأولى هي الصلاحيات.

مدير المتجر يجب أن يرى متجره فقط. مدير المنطقة يرى منطقته. المقر الرئيسي يرى بيانات البلاد كلها. المالية ترى الربح والتكلفة. التسويق يرى أداء الحملات.

السؤال نفسه، إذا سأله أشخاص مختلفون، يجب أن ينتج إجابات مختلفة.

المشكلة الثانية هي تعريف المؤشرات.

المبيعات، GMV، الهامش، ROI، ومعدل التحويل قد يتم حسابها بطرق مختلفة في شركات مختلفة. لا يمكن للذكاء الاصطناعي أن يخمن هذه التعريفات في كل مرة. يجب أن يتبع التعريفات التي أكدت عليها المؤسسة.

المشكلة الثالثة هي قابلية التتبع.

ما البيانات التي استخدمها الذكاء الاصطناعي؟ أي الجداول استعلم عنها؟ لماذا وصل إلى هذه الخلاصة؟ وهل يستطيع مستخدمو الأعمال التحقق منها؟

إذا تعذر تفسير الإجابة، يصعب استخدامها في قرارات أعمال جدية.

هناك أيضا الأمان.

يجب ألا يسرّب الذكاء الاصطناعي حقولا حساسة، أو يستعلم بيانات خارج الصلاحية، أو يقدم معلومات غير مؤكدة على أنها مؤكدة. وعند الحاجة، يجب أن يسأل سؤالا توضيحيا: أي فترة زمنية؟ أي قناة؟ أي تعريف للمؤشر؟

لذلك، AI Analytics في المؤسسات ليس دردشة بسيطة، ولا توليد SQL بسيطا.

يسعى AskTable إلى تقديم إجابات موثوقة داخل قيود الصلاحيات وتعريف المؤشرات والأمان وقابلية التتبع.

كلما اقترب الذكاء الاصطناعي من عمليات الأعمال الحقيقية، احتاج أكثر إلى نظام حوكمة.

وهذا أحد أكبر الفروق بين AskTable والذكاء الاصطناعي العام للدردشة.