ما الذي يجعلك تختار تقنية الذكاء الاصطناعي المناسبة لمشكلتك؟
قبل أن يسأل أحد عن النموذج الذي سيستخدمه، عليه أن يسأل عن شكل بياناته. هذا السؤال البسيط يحسم كثيراً من القرارات التي تبدو تقنية معقدة، ويوفّر على الفرق أشهراً من التجريب في الاتجاه الخطأ.
ثلاث عائلات، ثلاث طبيعات مختلفة
عندما نتحدث عن الذكاء الاصطناعي في المنتجات، نخلط غالباً بين أدوات تعمل على أنواع مختلفة تماماً من المدخلات. التعلم الآلي الكلاسيكي يتعامل مع الجداول والأرقام: أسعار، وأوقات تسليم، وسجلات مبيعات، ومعدلات تسرب العملاء. معالجة اللغة الطبيعية تتعامل مع النص: رسائل الدعم، والتقييمات، والعقود، والبريد الإلكتروني. أما الرؤية الحاسوبية فتتعامل مع الصور والفيديو: صور المنتجات المعيبة، وإيصالات الشراء الممسوحة، ولقطات المراقبة في المستودعات.
الخطأ الشائع أن يُطلب من أداة مصممة للنصوص أن تتنبأ بالأرقام، أو أن يُطلب من نموذج أرقام أن يفهم قصد العميل من جملة مكتوبة. النتيجة تبدو مقنعة في العرض التجريبي، ثم تنهار أمام البيانات الحقيقية.
ابدأ من السؤال لا من الأداة
خذ مثالاً من الواقع: شركة تريد تقليل الوقت الذي يقضيه فريق الدعم في فرز التذاكر. قد يبدو الحل واضحاً لأن الحديث عن "الذكاء الاصطناعي للدعم"، لكن السؤال الأدق هو: ما الذي يُدخله العميل فعلاً؟ إن كان نصاً حراً، فالمعالجة اللغوية هي المرشح الأول. وإن كان نموذج الجهاز أو رقم الطلب في صورة إيصال، فقد تحتاج الرؤية الحاسوبية لاستخراج البيانات أولاً، ثم يأتي دور التصنيف.
وإن كانت المشكلة هي التنبؤ بعدد التذاكر في الأسبوع القادم، فهي مشكلة أرقام وسلاسل زمنية، ولا يحتاج فريقك إلى نموذج لغوي ضخم لحلها. كثير من الفرق تكتشف أن أبسط نموذج إحصائي يتفوق على أحدث النماذج في هذه الحالة، لأنه أسرع وأسهل في الشرح وأقل كلفة في التشغيل.
لماذا يهم هذا التمييز في المنتج
الاختيار الصحيح للأداة يؤثر على ثلاثة أمور لا تظهر في العرض الأول. الأول هو جودة البيانات المطلوبة: كل عائلة تحتاج إلى نوع معين من التسمية والتنظيم، والنص يختلف عن الجدول في طريقة تنظيفه. الثاني هو القدرة على التفسير، فالنموذج الكلاسيكي غالباً أسهل في شرح قراره لمدير المنتج أو للجهة التنظيمية. الثالث هو الكلفة الدائمة، إذ إن تشغيل نموذج صوري أو لغوي كبير لكل طلب يختلف جذرياً عن حساب معادلة إحصائية بسيطة.
سؤال تطرحه قبل أي اجتماع
قبل أن تطلب من فريق التطوير بناء "ميزة ذكاء اصطناعي"، اكتب في سطر واحد: ما المدخل؟ وما المخرج المطلوب؟ وكيف سنعرف أن النتيجة صحيحة؟ إن لم تستطع الإجابة عن الأسئلة الثلاثة بوضوح، فالمشكلة ليست في التقنية بعد، بل في تحديد المهمة نفسها.
الذكاء الاصطناعي الجيد لا يبدأ بالنموذج، بل بفهم دقيق لما تملكه من بيانات وما تريد أن تعرفه منها. ومن هنا تبدأ الخيارات الصحيحة.
