يفترض الكثير من الناس أنّ المعالج الأفضل للبيانات هم البشر، ويشير مصطلح "الاستناد إلى البيانات" إلى أنّ البيانات جرى تنسيقها وتلخيصها للبشر من أجل معالجتها.

لكن، بغية الاستفادة الكاملة من القيمة التي تنطوي عليها البيانات، تحتاج الشركات إلى إدخال الذكاء الاصطناعي في تسلسل سير العمل، واستبعادنا نحن البشر في بعض الأحيان. لذلك، يتعين علينا التحول من "الاستناد إلى البيانات" نحو "الاستناد إلى الذكاء الاصطناعي" في تسلسل سير أعمالنا.

إنّ التمييز بين النهجين ليس مجرد تفسير للمعاني، إذ يمثل كل مصطلح موارد مختلفة، فيركز الأول على البيانات، ويركز الثاني على قدرة المعالجة. تنطوي البيانات على معلومات تتيح لنا صناعة قرارات أفضل، أما المعالجة فهي طريقة استخراج تلك المعلومات واتخاذ الإجراءات. يُعتبر كل من البشر والذكاء الاصطناعي بمثابة معالجات، لكن مع قدرات مختلفة جداً، ومن أجل فهم أفضل السبل للاستفادة من الاثنين، سوف يساعدنا النظر مجدداً نحو تطورنا البيولوجي، وكيف تطور معنا صنع القرارات في مجالات أعمالنا.

قبل حوالي 50 إلى 70 عاماً على الأكثر، كان الحكم البشري بمثابة المعالج الرئيس لاتخاذ قرارات الأعمال، واعتمد المهنيون على حدسهم عالي التناغم، والذي طوروه من سنوات الخبرة في عملهم، لكن بالاعتماد على القليل جداً من البيانات، مثل اختيار التصميم المناسب والمبتكر لحملة إعلانية، أو تحديد مستويات المخزون المناسبة لحفظ البضاعة، أو الموافقة على الاستثمارات المالية الصحيحة. كانت التجربة، إلى جانب الحدس، أكثر ما هو متاح لتمييز الجيد عن السيئ، ومستوى المخزون المرتفع مثلاً عن ذلك المنخفض، والإجراءات المحفوفة بالمخاطر عن تلك المتسمة بالأمان.

كان الأمر إجمالاً يعتمد على البشر بصورة كبيرة، لكن الحدس الذي نمتلكه بعيداً كل البعد عن أدوات صنع القرار المثالي، إذ تتسبب أدمغتنا بإحداث العديد من التحيزات المعرفية التي تعيق السير الصحيح لأسلوب حكمنا على الأمور بطرق يمكن التنبؤ بها. يُعد هذا نتاج مئات الآلاف من سنين التطور، وبصفتنا بشر عملنا في حياتنا البدائية في الصيد وجمع الثمار، فقد طورنا نظاماً للتفكير يعتمد على معطيات بسيطة، مثل الاختصارات أو القواعد الأساسية التي تلتف على التكلفة العالية لمعالجة الكثير من المعلومات. وقد مكننا ذلك من اتخاذ قرارات سريعة وشبه غير واعية للخروج من مواقف محتملة محفوفة بالمخاطر، لكن عبارة "سريعة وشبه غير واعية" لا تعني أنّ النتيجة ستكون مثلى أو دقيقة على الدوام.

تخيل مجموعة من أسلافنا البدائيين محتشدين حول نار مكشوفة، يسمعون فجأة صوت حفيف شجيرة قريبة، هم بحاجة إلى اتخاذ قرار من نوع "السريع وشبه غير الواعي"، ويجري مثلاً استخلاص أنّ صوت حفيف الشجر ذاك ما هو إلا صوت حيوان مفترس وخطير، وبالتالي يقررون الهرب، أو أنهم سيلجؤون إلى جمع المزيد من المعلومات لمعرفة ما إذا كان ذلك الصوت ناتجاً عن وجود طريدة محتملة، أرنب على سبيل المثال، قد يزودهم بعناصر مغذية وغنية. لقد نجا أسلافنا الأكثر تسرعاً، والذين قرروا الفرار، بمعدل أعلى من أقرانهم الأكثر فضولاً، وكانت تكلفة الهروب وخسارة الأرنب أقل بكثير من تكلفة البقاء والمجازفة بالتعرض لحيوان مفترس. مع وجود مثل هذا التفاوت في النتائج، يؤيد التطور السمة التي تؤدي إلى تكلفة أقل، حتى عند التضحية بالدقة، لذا، فإنّ السمة المتمثلة في اتخاذ قرارات أكثر اندفاعاً ومعالجة معلومات أقل، تصبح سائدة بين الشعوب المنحدرة من تلك الأسلاف.

في السياق المعاصر، تصبح المعطيات الخاصة بالبقاء بمثابة تحيزات معرفية كثيرة جداً ومحملة مسبقاً في أدمغتنا الموروثة. وتؤثر هذه التحيزات على محاكمتنا للأمور وصنعنا للقرارات بطرق تبتعد عن التزام الموضوعية الرشيدة، إذ نعطي وزناً أكبر مما ينبغي للأحداث الحية أو تلك الأخيرة، ونصنف المواضيع حسب درجة تمثيلها، إذ تُقدم صور نمطية عريضة لا تفسر اختلافاتها بصورة كافية، كما نرتكز على التجربة السابقة حتى عندما تكون غير متصلة بالموضوع على الإطلاق، ونميل إلى استحضار تفسيرات مضللة للأحداث التي تكون مجرد ضوضاء عشوائية. ما سبق كله لا يمثل سوى القليل من عشرات الطرق التي اجتاح بها التحيز المعرفي أحكامنا على الأمور وعلى مدى عقود عديدة، وكانت بمثابة المعالج الرئيسي لاتخاذ القرارات على مستوى الشركات. نحن نعلم اليوم أنّ الاعتماد فقط على الحدس البشري هو أمر غير فاعل، واعتباطي، وعرضة للخطأ، ويحد من قدرة المؤسسات.

صنع القرارات المدعومة بالبيانات

لدينا كنز بين أيدينا اليوم يتمثل في البيانات، إذ تستوعب الأجهزة المتصلة بالإنترنت اليوم كماً هائلاً من البيانات التي لا يُمكن تصورها، فكل معاملة، وكل رد فعل من العملاء، وكل مؤشر للاقتصاد الشامل والجزئي، جميعها معلومات تقودنا إلى صنع قرارات أفضل. واستجابة لهذه البيئة الجديدة الغنية بالبيانات، عملنا على تكييف تسلسل سير أعمالنا، تدعم أقسام تكنولوجيا المعلومات تدفقها باستخدام الآلات، مثل قواعد البيانات، وأنظمة الملفات الموزعة، وما إلى ذلك، هذا لتقليل حجم البيانات التي لا يمكن إدارتها، وصولاً إلى خلاصات سهلة الفهم للاستخدام البشري. ثم تجري معالجة الخلاصات بواسطة البشر باستخدام أدوات مثل جداول البيانات وواجهات المتابعة وتطبيقات التحليلات، في الخطوة الأخيرة، تُقدم البيانات التي جرت معالجتها بدقة عالية، والتي أصبحت أصغر حجماً، من أجل اتخاذ القرارات المناسبة. هذا هو تسلسل سير العمل "المستند إلى البيانات"، ولا يزال الحكم البشري هو المعالج المركزي، لكنه الآن يستند إلى البيانات الملخصة كمدخلات جديدة.

لا شك أنّ الاستناد إلى البيانات أفضل من الاعتماد على الحدس فقط، إلا أنّ البشر الذين يلعبون دور المعالج المركزي يتسببون في وجود العديد من القيود.

1. نحن لا نستفيد من جميع البيانات، إذ يمكن أن تحجب البيانات الملخَّصة العديد من المعلومات والعلاقات والأنماط الموجودة ضمن مجموعات البيانات "الضخمة" والأصلية. إنّ تقليص حجم البيانات أمر ضروري لمراعاة قدرة البشر على المعالجة، وبقدر ما أصبحنا ماهرين في فهم محيطنا، ومعالجة كميات هائلة من المعلومات المحيطة بنا من دون مجهود، إلا أننا مقيدون بصورة ملحوظة عندما يتعلق الأمر بمعالجة البيانات المنظمة التي تظهر في ملايين أو مليارات السجلات. يمكن للعقل البشري التعامل مع أرقام المبيعات ومتوسط سعر البيع، والتي قد تصل إلى مستوى إقليمي، إلا أنه يعاني، أو يتوقف عن العمل، بمجرد أن يبدأ في التفكير في التوزيع الكامل للقيم، والأهم من ذلك، عند التفكير في العلاقات بين عناصر البيانات، أي تلك المعلومات المفقودة في الخلاصات الإجمالية التي تُعتبر مهمة لصنع القرارات الجيدة. (هذا لا يعني أنّ خلاصات البيانات غير مفيدة، إذ لا شك إنها رائعة في توفير رؤية أساسية للأعمال التجارية، لكنها لن توفر سوى قيمة بسيطة لاستخدامها في صنع القرارات، وتضيع الكثير من المعلومات المهمة خلال عملية إعدادها للبشر). في حالات أخرى، يمكن أن تكون البيانات الملخَّصة مضللة تماماً، إذ يمكن أن تُعطي العوامل المؤثرة الأخرى صورة لعلاقة إيجابية عندما يكون الأمر عكس ذلك في الواقع (انظر إلى مفارقة سمبسون والمفارقات الأخرى). وبمجرد جمع البيانات، قد يكون من المستحيل استرداد العوامل المساهمة تلك من أجل التحكم فيها بصورة صحيحة. (أفضل تطبيق لذلك هو استخدام التجارب المنضبطة عبر عينات عشوائية، أي اختبارات أ/ب المتعلقة بالتسويق الرقمي. من دون هذا التطبيق، قد لا يتمكن حتى الذكاء الاصطناعي من التحكم بصورة صحيحة في العوامل المؤثرة الأخرى). باختصار، من خلال الاستعانة بالبشر كمعالجات مركزية للبيانات، فإننا نتخلى عن الدقة من أجل الالتفاف على التكلفة العالية لمعالجة البشر للبيانات.
2. البيانات ليست كافية لتجنبنا التحيز المعرفي، إذ يجري توجيه خلاصات البيانات من قبل البشر بطريقة تكون عرضة لجميع تلك التحيزات المعرفية. نحن نوجه تلك الخلاصات بأسلوب يُعتبر بديهياً بالنسبة إلينا، ونطلب أن يُجرى جمع البيانات ضمن فئات نشعر أنها نماذج تمثيلية. إلا أنه وبصفتنا بشر فإن لدينا هذا التوجه نحو تصنيف المواضيع حسب درجة تمثيلها، لتقدم صور نمطية عريضة لا تفسر اختلافاتها بصورة كافية، فقد نوجه البيانات إلى مقومات مثل الجغرافيا، حتى مع عدم وجود اختلاف ملحوظ في السلوك بين المناطق. يمكن أيضاً اعتبار الخلاصات بمثابة "مستوى غير دقيق" للبيانات، إنها تقريب غير مفصل للبيانات. على سبيل المثال، ينبغي الإبقاء على مقومات مثل الجغرافيا على مستوى المنطقة، إذ توجد قيم دلالية أقل نسبياً، مثل "الشرق" مقابل "الغرب"، ما يهم قد يكون أكثر دقة من بيانات المدينة والرمز البريدي وحتى البيانات على مستوى تفاصيل الشارع، وهذه تفاصيل أكثر صعوبة في جمعها وتلخيصها بالنسبة إلى أدمغة البشر بغية معالجتها في النهاية. نحن نفضل أيضاً العلاقات البسيطة بين العناصر، ونميل إلى اعتبار أنّ العلاقات خطية، لأنه من الأسهل بالنسبة إلينا معالجتها. فنفترض أنّ العلاقة بين السعر والمبيعات، واختراق السوق ومعدل التحويل، ومخاطر الائتمان والدخل، جميعها علاقات خطية، حتى عندما تُشير البيانات إلى خلاف هذا. نرغب كذلك في استحضار تفسيرات تفصيلية للتوجهات والتباين في البيانات، حتى عندما تُفسَّر بأسلوب أكثر ملاءمة من خلال التباين الطبيعي أو العشوائي.

للأسف، نحن نأتي بتحيزاتنا عند معالجتنا للبيانات.

إشراك الذكاء الاصطناعي في تسلسل سير العمل

نحتاج إلى المزيد من التطوير وإشراك الذكاء الاصطناعي في سير العمل كمعالج رئيسي للبيانات. بالنسبة إلى القرارات الروتينية التي تعتمد فقط على البيانات المنظَّمة، من الأفضل تفويض اتخاذ القرارات إلى الذكاء الاصطناعي، لأنّ الذكاء الاصطناعي أقل عرضة للانحياز المعرفي البشري. فهنالك خطر حقيقي في استخدام البيانات المتحيزة التي قد تؤدي إلى خروج الذكاء الاصطناعي بعلاقات مضللة وغير منصفة، لذا، ينبغي فهم كيفية إنشاء البيانات، إضافة إلى كيفية استخدامها. يمكن تدريب الذكاء الاصطناعي على إيجاد فئات من السكان تفسر التباين على أفضل وجه، وعلى مستويات دقيقة جداً، حتى لو كانت غير حدسية بالنسبة إلى تصوراتنا البشرية. ليس لدى الذكاء الاصطناعي مشكلة في التعامل مع الآلاف أو حتى الملايين من مجموعات البيانات، كما أن الذكاء الاصطناعي قابل للعمل مع العلاقات غير الخطية، سواء كانت أسية، أو قوانين القوى، أو سلسلة هندسية، أو توزيعات ثنائية الحد، أو غير ذلك.

يحقق تسلسل سير العمل هذا استفادة أفضل من المعلومات الموجودة في البيانات، وهو أكثر اتساقاً وموضوعية في قراراته، إذ يمكنه تحديد التصميم الإعلاني الناجع بصورة أفضل، أو مستويات المخزون المثلى التي يجب تعيينها، أو الاستثمارات المالية الأفضل التي ينبغي الخوض فيها.

بينما يُستبعد البشر عن تسلسل سير العمل هذا، من المهم ملاحظة أنّ الأتمتة بمفردها ليست هي الهدف المتمثل في سير العمل المستند إلى الذكاء الاصطناعي. قد يقلل هذا النهج من التكاليف بكل تأكيد، إلا أن هذه بمثابة ميزة إضافية، إذ تتمثل قيمة الذكاء الاصطناعي في قدرته على اتخاذ قرارات أفضل مما يمكن للبشر وحدهم فعله، ما يخلق تطوراً على صعيد التغيير المرحلي في الكفاءة وتمكين قدرات جديدة.

تسخير المعالجات المستندة إلى الذكاء الاصطناعي وتلك المستندة إلى الحكم البشري في تسلسل سير العمل

استبعاد البشر من تسلسل سير العمل الذي ينطوي فقط على معالجة البيانات المنظمة، لا يعني أنّ المساهمة البشرية متقادمة، فهنالك العديد من قرارات الأعمال تعتمد على أكثر من مجرد بيانات منظمة. تُعد رؤية الشركة، واستراتيجيتها، وقيمها، وديناميات السوق، جميعها أمثلة على معلومات موجودة فقط في أذهاننا، والتي انتقلت من خلال الثقافة وغيرها من أشكال التواصل غير الرقمي، ولا يُمكن للذكاء الاصطناعي الوصول إلى هذه المعلومات ذات الصلة الكبيرة بقرارات الشركة.

قد يُحدد الذكاء الاصطناعي، بصورة موضوعية، مستويات المخزون المناسبة من أجل زيادة الأرباح، إلا أنه ضمن أجواء البيئة التنافسية قد تختار الشركة مستويات أعلى من المخزون من أجل توفير تجربة أفضل للعملاء، حتى لو كان ذلك على حساب الأرباح. في حالات أخرى، قد يحدد الذكاء الاصطناعي أنّ استثمار المزيد من الأموال في التسويق سيكون له أعلى عائد على الاستثمار من بين الخيارات المتاحة للشركة، إلا أنّ اختيار الشركة قد يقع على الحد من ارتفاع النمو من أجل المحافظة على معايير الجودة. المعلومات الإضافية المتاحة للبشر من خلال الصورة الكبيرة للشركة أو الاستراتيجية، إضافة إلى القيم وظروف السوق، قد تستدعي الابتعاد عن المنطق الموضوعي للذكاء الاصطناعي. يمكن استخدام الذكاء الاصطناعي في مثل هذه الحالات من أجل خلق الإمكانات، إذ يستطيع البشر من خلالها اختيار أفضل بديل بالنظر إلى المعلومات الإضافية التي يمكنهم الوصول إليها. إنّ ترتيب تطبيق تسلسل سير العمل هذا مخصص لحالات محددة، فقد يكون الذكاء الاصطناعي أحياناً هو الخيار الأمثل في تخفيف عبء العمل عن البشر. وفي حالات أخرى، يمكن الاستعانة بالأحكام البشرية كمدخلات في سير المعالجة المستندة إلى الذكاء الاصطناعي، وقد يحدث أن يكون هنالك تكرار بين معالجة الذكاء الاصطناعي ومعالجة البشر.

الأهم من ذلك كله هو أنّ البشر لا يتفاعلون مباشرة مع البيانات، لكنهم يتفاعلون مع الاحتمالات الناتجة عن معالجة الذكاء الاصطناعي للبيانات. تُعتبر القيم والاستراتيجية وثقافة الشركة بوصلتنا للتوفيق بين قراراتنا والمنطق الموضوعي، ومن الأفضل أداء ذلك بوضوح وبطريقة مدروسة. من خلال تسخير إمكانات كل من الذكاء الاصطناعي والبشر، يمكننا اتخاذ قرارات أفضل من تلك المأخوذة بالاستناد إلى أحدهما فقط.

المرحلة المقبلة من تطور أعمالنا

الانتقال من "الاستناد إلى البيانات" نحو "الاستناد إلى الذكاء الاصطناعي" هو المرحلة التالية من تطور أعمالنا، إذ إنّ احتضان الذكاء الاصطناعي في تسلسل سير العمل يتيح لنا معالجة أفضل للبيانات المنظمة، ويسمح للبشر بالمساهمة بطرق تتسم بالتكامل.

من غير المحتمل حدوث هذا التطور داخل مؤسسة بمفردها، تماماً كما لا يحدث التطور بالانتقاء الطبيعي داخل الأفراد، بل إنها عملية اختيار تعمل على السكان. بالتالي، فإنّ المؤسسات الأكثر كفاءة ستنجو بمعدل أعلى من غيرها، ونظراً لأنه من الصعب على الشركات في مرحلة النضج أن تتكيف مع جميع التغيرات في بيئة الأعمال، فما أتصوره هو ظهور شركات جديدة تتبنى كلاً من مساهمات الذكاء الاصطناعي والبشر على حد سواء منذ البداية، وسوف تسعى تلك الشركات إلى بناء الذكاء الاصطناعي في تسلسل سير عملها مباشرة.

نشر هذا المقال بقلم إريك كولسون عام 2020 على موقع "هارفارد بزنس ريفيو العربية".