أولاً: المقدمة

يقدم ظهور الذكاء الاصطناعي (AI) إمكانيات لا حدود لها على ما يبدو للشركات عبر مجالات الأعمال المختلفة. ومع ذلك، على الرغم من هذه الإمكانات، لم يتم اعتماد تقنية الذكاء الاصطناعي عالميًا بعد. تشير الأبحاث إلى أنه بحلول عام 2022، لم يقم سوى 50٪ من الشركات في جميع أنحاء العالم باعتماد الذكاء الاصطناعي في وظيفة عمل واحدة على الأقل. يمكن أن يُعزى هذا التأخر إلى العديد من الحواجز والتحديات المستمرة. وتشمل الافتقار إلى استراتيجية محددة للذكاء الاصطناعي، وعدم كفاية الدعم الإداري، والمقاومة من الموظفين والعملاء، ونقص الخبرة والمهارات اللازمة. من الناحية الفنية، أيضًا القضايا المتعلقة بتوفر وجودة البيانات، والبنية التحتية غير الكافية، وتعقيدات دمج حلول الذكاء الاصطناعي في الأنظمة والعمليات الحالية. كما تساهم المخاوف المالية، مثل ارتفاع تكاليف البحث والتطوير وعدم اليقين بشأن العائد على الاستثمار (ROI) لحلول الذكاء الاصطناعي، في التردد. علاوة على ذلك، تلعب الاعتبارات القانونية والأخلاقية، وكذلك المخاطر الكامنة المرتبطة بالذكاء الاصطناعي، دورًا مهمًا. يكمن التحدي الأساسي في الصعوبة التي تواجهها الشركات في تحديد حالات استخدام الذكاء الاصطناعي المناسبة.

للتغلب على هذه التحديات بفعالية، يعد التخطيط الشامل أمرًا بالغ الأهمية قبل الشروع في مرحلة التنفيذ كثيفة الموارد لمشاريع الذكاء الاصطناعي. يجب أن يركز هذا التخطيط بشكل أساسي على تحديد وتقييم صارم لحالات استخدام الذكاء الاصطناعي التي تكون ذات قيمة وممكنة التنفيذ. وإدراكًا لهذه الحاجة، طورت الأبحاث السابقة مناهج ومنهجيات مختلفة لتخطيط حالات استخدام الذكاء الاصطناعي، والتي تختلف غالبًا في مفاهيمها الأساسية ومعايير التقييم التي تستخدمها. بالإضافة إلى ذلك، يوفر ظهور قواعد بيانات حالات استخدام الذكاء الاصطناعي، مثل AWS Use Case Explorer و DataRobot Pathfinder، مصدرًا للإلهام وقاعدة معرفية، وإن كان ذلك مع قيود في دعم التقييم الشامل. يسعى البحث المقدم في الورقة المحورية إلى معالجة هذه القيود من خلال اقتراح إطار عمل قائم على البيانات يدمج وصفًا موحدًا لحالة الاستخدام مع طريقة تخطيط منهجية لدعم تحديد وتقييم وتحديد أولويات حالات استخدام الذكاء الاصطناعي المناسبة والممكنة. تهدف مراجعة الأدبيات هذه إلى تلخيص وتجميع وتقييم نقدي للمشهد البحثي الحالي حول تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات وإدارة المحافظ، استنادًا بشكل أساسي إلى الرؤى التي يقدمها هذا النهج الجديد. سيبدأ هيكل هذه المراجعة أولاً باستكشاف الموضوعات الرئيسية المحددة في البحث، يليها فحص نقاط الاتفاق والنقاش والفجوات الموجودة. بعد ذلك، ستتم مناقشة المنهجيات المستخدمة في البحث، جنبًا إلى جنب مع تطور المجال بمرور الوقت كما هو موضح في المصدر. أخيرًا، سيتم تقديم رؤى نقدية حول توافق وتباعد هذا العمل، وصولاً إلى استنتاج شامل.

ثانياً: الموضوعات الرئيسية في تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات وإدارة المحافظ

تنبثق عدة موضوعات شاملة من البحث المقدم في المصدر بخصوص تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات وإدارة المحافظ.

*   الحاجة الماسة للتخطيط والتقييم المنظم: تؤكد الورقة على أنه نظرًا للتعقيدات الكامنة والتكاليف المحتملة المرتبطة بمبادرات الذكاء الاصطناعي، فإن اتباع نهج منهجي ومنظم جيدًا للتخطيط والتقييم أمر بالغ الأهمية. وتسلط الضوء على أن تحديد وتقييم حالات استخدام الذكاء الاصطناعي القيمة والممكنة قبل تخصيص موارد كبيرة أمر ضروري لتخفيف المخاطر وزيادة فرص النجاح. يشير البحث إلى أن القرارات الخاطئة التي تُتخذ في وقت مبكر من دورة حياة الذكاء الاصطناعي يمكن أن تؤدي إلى تكاليف مستقبلية كبيرة. يعالج إطار العمل المقترح هذا من خلال تحديد طريقة تخطيط تكرارية من ثلاث خطوات (توليد الأفكار، تحديد النطاق، والتقييم) توجه المؤسسات خلال عملية تحديد وتقييم حالات استخدام الذكاء الاصطناعي.

*   القيمة والجدوى كأبعاد تقييم مركزية: الموضوع الثابت عبر البحث هو مركزية قيمة الأعمال والجدوى كأبعاد رئيسية لتقييم وتحديد أولويات حالات استخدام الذكاء الاصطناعي. غالبًا ما يتم تقسيم قيمة الأعمال إلى أبعاد فرعية مثل القيمة الاستراتيجية (مثل زيادة رضا العملاء، وتحسين الصورة) والقيمة المالية (مثل توفير التكاليف، وزيادة الإيرادات). من ناحية أخرى، تشمل الجدوى الجوانب الفنية والتنظيمية والمتعلقة بالبيانات، بما في ذلك تعقيد النموذج، وتعقيد البيانات، وتعقيد التكامل، والخبرة المطلوبة، وتصنيف المخاطر. يتمحور نموذج بيانات حالة استخدام الذكاء الاصطناعي في الورقة حول هذين البعدين الأساسيين، مما يوفر إطارًا لجمع وتحليل البيانات ذات الصلة بشكل منهجي لدعم قرارات التقييم وتحديد الأولويات.

*   الدور التأسيسي للبيانات: يؤكد البحث على الدور الحاسم للبيانات في نجاح حالات استخدام الذكاء الاصطناعي. غالبًا ما يتم ذكر القضايا المتعلقة بتوفر البيانات وإمكانية الوصول إليها وجودتها كحواجز فنية أمام تبني الذكاء الاصطناعي. يركز النهج المقترح القائم على البيانات بشكل صريح على الجمع والتخزين المنهجي لبيانات حالة الاستخدام المحددة لتعزيز الشفافية وبناء قاعدة معرفية. يأخذ تقييم الجدوى ضمن إطار العمل في الاعتبار بشكل كبير تعقيد البيانات، بما في ذلك عوامل مثل توفر البيانات وإمكانية الوصول إليها وجودتها. كما يتم تسليط الضوء على تحليل البيانات الاستكشافي وتحديد البيانات الوصفية مثل التنسيق والحجم وموقع التخزين كجوانب مهمة لتقييم الجدوى.

*   توحيد المعايير وإدارة المعرفة من خلال مكتبات حالات استخدام الذكاء الاصطناعي: تدعو الورقة إلى توحيد أوصاف حالات استخدام الذكاء الاصطناعي وإنشاء مكتبات حالات استخدام الذكاء الاصطناعي لجمع الأفكار وتوثيق الحلول ومقارنتها وتقييم الجدوى وتخطيط التنفيذ. يهدف نموذج بيانات حالة استخدام الذكاء الاصطناعي المقترح إلى توفير هذا الوصف الموحد من خلال مجموعة شاملة من البيانات الوصفية. تشمل فوائد هذا التوحيد ضمان الاتساق وإعادة الاستخدام عبر المشاريع، وتعزيز الفهم الجماعي وتقييم مبادرات الذكاء الاصطناعي، وتسهيل إنشاء قاعدة معرفية للقرارات القائمة على البيانات. يتم الاعتراف بقواعد بيانات حالات استخدام الذكاء الاصطناعي الحالية كخطوات أولية في هذا الاتجاه ولكنها تعتبر غير كافية للتقييم الشامل.

*   تمكين اتخاذ القرار القائم على البيانات لإدارة محفظة الذكاء الاصطناعي: الهدف الشامل لإطار العمل المقترح هو تمكين اتخاذ القرار القائم على البيانات لإدارة محفظة حالات استخدام الذكاء الاصطناعي. من خلال جمع وتخزين وتحليل البيانات المتعلقة بقيمة وجدوى حالات استخدام الذكاء الاصطناعي بشكل منهجي، يمكن للمؤسسات اتخاذ قرارات أكثر استنارة وقابلية للتتبع فيما يتعلق بالمبادرات التي يجب تحديد أولوياتها والاستثمار فيها. يقدم إطار العمل بوابات جودة في كل مرحلة من مراحل عملية التخطيط لضمان اكتمال البيانات ومقبوليتها، مما يدعم اتخاذ القرارات القوية. توفر مصفوفة تحديد الأولويات، القائمة على أبعاد القيمة والجدوى، أداة مرئية لاتخاذ هذه القرارات.

ثالثاً: نقاط الاتفاق والنقاش والفجوات في البحث

يتوافق البحث المقدم في المصدر ويتباعد مع الأدبيات الحالية حول تخطيط حالات استخدام الذكاء الاصطناعي في عدة جوانب رئيسية.

*   نقاط الاتفاق:

    *   هناك اتفاق عام على ضرورة وجود منهجيات منظمة لتحديد وتقييم وتحديد أولويات حالات استخدام الذكاء الاصطناعي. تعترف الورقة بوجود العديد من هذه الطرق في الأبحاث السابقة.

    *   يتضح الإجماع على أن قيمة الأعمال والجدوى هي معايير أساسية لتقييم مبادرات الذكاء الاصطناعي. تركز العديد من المنهجيات الحالية أيضًا على هذين البعدين خلال مرحلة التقييم.

    *   إن أهمية العوامل المتعلقة بالبيانات في تحديد جدوى حالات استخدام الذكاء الاصطناعي هي فهم مشترك. يتم تسليط الضوء باستمرار على توفر وجودة وإمكانية الوصول إلى البيانات كاعتبارات حاسمة.

    *   يمثل الاعتراف بقواعد بيانات حالات استخدام الذكاء الاصطناعي الحالية كموارد قيمة للإلهام وتبادل المعرفة نقطة اتفاق أخرى. تعمل قواعد البيانات هذه كنقطة انطلاق للمؤسسات التي تتطلع إلى استكشاف تطبيقات الذكاء الاصطناعي المحتملة.

*   نقاط النقاش والاختلافات:

    *   يكمن مجال رئيسي للاختلاف في تنوع طرق تخطيط حالات استخدام الذكاء الاصطناعي الحالية، والتي تختلف في خطواتها الإجرائية ومعايير التقييم ومدى تغطيتها لدورة حياة الذكاء الاصطناعي بأكملها. تميز الطريقة المقترحة نفسها بتركيزها الصريح على الجمع والاستخدام المنهجي للبيانات طوال عملية التخطيط لدفع عملية صنع القرار.

    *   تختلف مناهج توليد الأفكار أيضًا، حيث تكون بعض الطرق مدفوعة بالأعمال (تبدأ من المشاكل أو الاحتياجات) والبعض الآخر مدفوع بالتكنولوجيا أو البيانات (استكشاف إمكانيات جديدة بناءً على التقنيات أو البيانات المتاحة). تعترف الورقة بكل من المناهج التطورية والثورية لتوليد الأفكار.

    *   بينما توجد قواعد بيانات لحالات استخدام الذكاء الاصطناعي، فإنها تستخدم بيانات وصفية مختلفة لوصف حالات الاستخدام. يهدف نموذج بيانات حالة استخدام الذكاء الاصطناعي المقترح إلى توفير مجموعة أكثر توحيدًا وشمولية من البيانات الوصفية ذات الصلة بالتقييم وتحديد الأولويات.

*   الفجوات في البحث:

    *   تحدد الورقة الحاجة إلى منهجيات تخطيط متعددة المجالات يمكن أن تسهل نقل حالات استخدام الذكاء الاصطناعي الناجحة عبر صناعات أو مجالات مختلفة، وهي مرونة غالبًا ما تفتقر إليها المناهج الحالية.

    *   الفجوة الكبيرة التي تم تسليط الضوء عليها هي الاهتمام غير الكافي بالاعتبارات الأخلاقية وتخفيف التحيز والإنصاف في العديد من مناهج تخطيط حالات استخدام الذكاء الاصطناعي الحالية. تعترف الورقة بالتركيز المتزايد على الذكاء الاصطناعي المسؤول والحاجة إلى دمج هذه الأبعاد الأخلاقية.

    *   يشير البحث إلى نقص مناهج التخطيط القوية التي يمكن أن تتكيف في الوقت الفعلي مع البيئات سريعة التغير وتوفر دعمًا مستمرًا للقرار. غالبًا ما يواجه تخطيط الذكاء الاصطناعي التقليدي صعوبة في التعامل مع المواقف الديناميكية.

    *   تمثل طرق تخصيص الموارد الفعالة والتكيفية لمشاريع الذكاء الاصطناعي مجالًا آخر حيث يلزم إجراء مزيد من البحث، حيث غالبًا ما يواجه التخطيط التقليدي تحديات في هذا الصدد.

    *   قواعد بيانات حالات استخدام الذكاء الاصطناعي الحالية، على الرغم من فائدتها للإلهام، محدودة في قدرتها على دعم التقييم الشامل وتقييم الجدوى اللازمين لاتخاذ القرارات القائمة على البيانات. غالبًا ما تفتقر إلى البيانات الوصفية التفصيلية المطلوبة للتحليل الشامل.

رابعاً: المنهجيات ذات الصلة المستخدمة

يعتمد تطوير وتقييم إطار عمل تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات المقترح على العديد من منهجيات البحث الرئيسية.

*   بحث التصميم الإجرائي (ADR): المنهجية الشاملة المستخدمة في البحث هي بحث التصميم الإجرائي (ADR). ADR هي طريقة تجمع بين بحث التصميم (DR) وبحث الفعل (AR)، مما يسمح بالبناء التكراري والتدخل وتقييم القطع الأثرية (في هذه الحالة، طريقة تخطيط حالة استخدام الذكاء الاصطناعي ونموذج بيانات حالة استخدام الذكاء الاصطناعي) في سياق تنظيمي واقعي. تتضمن عملية ADR صياغة المشكلة، وعدة دورات بناء وتدخل وتقييم (BIE)، ومرحلة أخيرة من التفكير والتعلم تليها إضفاء الطابع الرسمي على التعلم. يتيح هذا النهج التكراري التحسين المستمر للقطع الأثرية بناءً على التغذية الراجعة والتطبيق العملي.

*   مراجعة الأدبيات المنظمة: لتحديد فجوة البحث وفهم مجموعة المعرفة الحالية، أجرى المؤلفون مراجعة منظمة للأدبيات. حددت هذه المراجعة وحللت الطرق الحالية لتحديد وتقييم وتحديد أولويات حالات استخدام الذكاء الاصطناعي، بالإضافة إلى قواعد بيانات حالات استخدام الذكاء الاصطناعي الحالية. استند التصميم الأولي للإطار المقترح إلى نتائج مراجعة الأدبيات.

*   بحث دراسة الحالة: يتم إجراء مراحل التدخل والتقييم في عملية ADR بشكل أساسي من خلال دراسات الحالة. تم إجراء كل من دراسات الحالة الداخلية (داخل الشريك المصنّع للمعدات الأصلية) ودراسات الحالة الخارجية (مع شركات شريكة أخرى) لاختبار قابلية تطبيق نموذج البيانات وطريقة التخطيط المطورة وقابليتهما للفهم وقيمتهما المضافة. تضمنت دراسات الحالة هذه تطبيق إطار العمل على أمثلة واقعية لحالات استخدام الذكاء الاصطناعي وجمع التغذية الراجعة من الممارسين.

*   ذكر منهجيات أخرى ذات صلة: تشير الورقة أيضًا إلى منهجيات أخرى ذات صلة بالذكاء الاصطناعي وإدارة البيانات، مثل CRISP-DM (العملية القياسية عبر الصناعة لتعدين البيانات) و TDSP (عملية فريق علوم البيانات)، في سياق نماذج دورة حياة الذكاء الاصطناعي والتعلم الآلي التي تشمل مراحل تحديد المشكلة وفهم البيانات. بالإضافة إلى ذلك، يُذكر التفكير التصميمي كنهج يركز على المستخدم ويمكن استخدامه خلال مرحلة توليد الأفكار في تخطيط حالات استخدام الذكاء الاصطناعي. كما يشار إلى إطار التكنولوجيا-المنظمة-البيئة (TOE) كأداة مستخدمة في مرحلة التحضير لبعض المنهجيات الحالية لتحديد العوامل البيئية.

خامساً: التطور في المجال بمرور الوقت

يقدم المصدر رؤى حول تطور تبني الذكاء الاصطناعي والأبحاث ذات الصلة بمرور الوقت. في البداية، على الرغم من الإمكانات الهائلة للذكاء الاصطناعي، أُعيق تبنيه بسبب حواجز فنية وتنظيمية ومالية مختلفة. بحلول عام 2022، بدأت نسبة كبيرة من الشركات في نشر الذكاء الاصطناعي، مما يشير إلى تكامل متزايد ولكنه لا يزال غير مكتمل للتكنولوجيا.

تقدم البحث في هذا المجال من تطوير طرق مختلفة لتحديد وتقييم حالات استخدام الذكاء الاصطناعي إلى ظهور أدوات عملية مثل قواعد بيانات حالات استخدام الذكاء الاصطناعي. ركزت الأبحاث المبكرة على المناهج المنظمة للتخطيط والتقييم، وغالبًا ما أكدت على قيمة الأعمال والجدوى. مثل تطوير قواعد بيانات حالات استخدام الذكاء الاصطناعي خطوة نحو تبادل المعرفة والإلهام لتطبيقات الذكاء الاصطناعي الجديدة.

في الآونة الأخيرة، بدأت الجهود البحثية في التركيز على جوانب أكثر تقدمًا ودقة في تخطيط حالات استخدام الذكاء الاصطناعي، مثل الحاجة إلى قابلية التطبيق عبر المجالات، ودمج الاعتبارات الأخلاقية، وتطوير مناهج تخطيط في الوقت الفعلي وقابلة للتكيف، وتحسين تخصيص الموارد لمشاريع الذكاء الاصطناعي. يساهم البحث المقدم في المصدر في هذا التطور من خلال اقتراح إطار عمل أكثر تكاملاً وقائمًا على البيانات يبني على الأعمال السابقة مع معالجة بعض قيودها، لا سيما في الاستخدام المنهجي للبيانات للتقييم واتخاذ القرار. كما أن التركيز على نموذج بيانات شامل لحالة استخدام الذكاء الاصطناعي يشير إلى تقدم يتجاوز قواعد البيانات الوصفية البسيطة نحو أدوات تحليلية أكثر لإدارة محفظة الذكاء الاصطناعي.

سادساً: رؤى نقدية وتوافق/تباعد

يقدم البحث المقدم في المصدر رؤى قيمة في مجال تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات وإدارة المحافظ، مما يدل على التوافق والتباعد مع الأدبيات الحالية.

*   التوافق مع الأبحاث الحالية:

    *   تتوافق الورقة مع الاعتراف الواسع في الأدبيات بأهمية عمليات التخطيط المنظمة لمبادرات الذكاء الاصطناعي. تعكس الطريقة المقترحة المكونة من ثلاث خطوات الشعور بأن النهج المنهجي أمر حاسم للنجاح.

    *   يتسق الدور المركزي الممنوح لقيمة الأعمال والجدوى كمعايير للتقييم مع العديد من المنهجيات الحالية. يزيد تفصيل الورقة لهذه الأبعاد إلى أبعاد فرعية من توضيح هذه الأرضية المشتركة.

    *   يُظهر الاعتراف بمفهوم قواعد بيانات حالات استخدام الذكاء الاصطناعي والبناء الأولي عليه لتبادل المعرفة توافقًا مع الجهود العملية في هذا المجال. يعد الهدف المتمثل في تعزيز قواعد البيانات هذه بقدرات تقييم أكثر شمولاً تطورًا منطقيًا.

    *   تتوافق الطبيعة التكرارية لخطوات تحديد النطاق والتقييم المقترحة مع المنهجيات الأخرى التي تدعو أيضًا إلى نهج تكراري لتخطيط حالات استخدام الذكاء الاصطناعي.

*   التباعد والمساهمات الجديدة:

    *   يكمن التباعد الرئيسي والمساهمة الكبيرة لهذا البحث في تركيزه الصريح والمركزي على النهج القائم على البيانات. على عكس العديد من المنهجيات الحالية التي قد تذكر البيانات كعامل، يدمج هذا الإطار بشكل منهجي جمع البيانات وتخزينها واسترجاعها في كل خطوة من خطوات عملية التخطيط لدعم عملية صنع القرار. يعالج هذا فجوة معترف بها في الاستفادة من البيانات بشكل أكثر فعالية لتخطيط حالات استخدام الذكاء الاصطناعي.

    *   يمثل تطوير وتفصيل نموذج بيانات محدد وشامل لحالة استخدام الذكاء الاصطناعي مع كيانات وسمات وبوابات جودة محددة بوضوح مساهمة جديدة أخرى. يتجاوز هذا الأوصاف الأكثر عمومية الموجودة في بعض الأدبيات والبيانات الوصفية المحدودة في قواعد بيانات حالات استخدام الذكاء الاصطناعي الحالية. يوفر نموذج البيانات أساسًا منظمًا لجمع وتحليل المعلومات ذات الصلة.

    *   يدمج الإطار المقترح طريقة التخطيط مباشرة مع نموذج البيانات، مع التأكيد على تفاعلهما لجمع البيانات وتخزينها واسترجاعها طوال دورة حياة التخطيط. يميز هذا الاقتران الوثيق لتمكين تحديد الأولويات القائم على البيانات عن المنهجيات التي قد تتعامل مع التخطيط واعتبارات البيانات بشكل منفصل.

    *   يضيف التقديم الصريح لبوابات الجودة في كل مرحلة لضمان اكتمال البيانات ومقبوليتها قبل المضي قدمًا في عملية التخطيط طبقة من الصرامة والتحكم قد لا يتم التأكيد عليها رسميًا في مناهج أخرى.

*   المساهمة الشاملة في فهم الموضوع: يساهم هذا البحث بشكل كبير في فهم تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات وإدارة المحافظ من خلال توفير إطار عمل ملموس ومنظم للاستفادة من البيانات لتعزيز عملية صنع القرار. إنه يتجاوز المناقشات المفاهيمية حول أهمية التخطيط والبيانات لتقديم منهجية ملموسة ونموذج بيانات مفصل يمكن تطبيقه عمليًا. من خلال تطوير وتقييم هذا الإطار بشكل تكراري من خلال دراسات حالة واقعية، يوفر البحث رؤى قيمة حول التحديات والفوائد العملية للنهج القائم على البيانات. كما يساهم تحديد القيود وفرص البحث المستقبلية في التطوير المستمر لهذا المجال الحيوي.

سابعاً: الخلاصة

في الختام، يسلط البحث حول تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات وإدارة المحافظ، كما يتضح من إطار العمل المقدم، الضوء على الحاجة الماسة إلى مناهج منظمة ومستنيرة بالبيانات للتنقل في تعقيدات تبني الذكاء الاصطناعي. يتم التأكيد باستمرار على الموضوعات المركزية للتخطيط المنظم، وأهمية القيمة والجدوى، والدور التأسيسي للبيانات، وفوائد التوحيد القياسي من خلال مكتبات حالات استخدام الذكاء الاصطناعي، وهدف تمكين اتخاذ القرار القائم على البيانات. بينما يتوافق هذا العمل مع الأبحاث الحالية حول ضرورة التخطيط وأهمية أبعاد التقييم الأساسية، فإنه يتباعد من خلال تقديم إطار عمل محدد ومتكامل قائم على البيانات يتألف من طريقة تخطيط مفصلة ونموذج بيانات شامل لحالة استخدام الذكاء الاصطناعي. يوفر استخدام بحث التصميم الإجرائي ودراسات الحالة الواقعية منهجية قوية لتطوير وتقييم هذه القطع الأثرية. تؤكد الفجوات المحددة في الأبحاث الحالية، مثل الحاجة إلى تخطيط متعدد المجالات، وزيادة الاهتمام بالاعتبارات الأخلاقية، ومناهج التخطيط الأكثر ديناميكية، على التطور المستمر للمجال. تشير قيود البحث المقدم، بما في ذلك التحيزات المحتملة والاعتماد على الخبرة الفنية، إلى طرق مهمة للعمل المستقبلي، مثل الدراسات الطولية، وتطوير التدريب للمستخدمين غير التقنيين، ودمج الاهتمامات الناشئة مثل الاستدامة وتشريعات الذكاء الاصطناعي. في نهاية المطاف، يساهم هذا العمل بشكل كبير في فهم أكثر دقة لكيفية تمكن المؤسسات من الاستفادة الفعالة من البيانات لتحسين تحديد وتقييم وإدارة مبادرات الذكاء الاصطناعي الخاصة بها، مما يعزز استثمارات أكثر استنارة واستراتيجية في تقنيات الذكاء الاصطناعي.

الأسئلة الشائعة حول تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات

1. لماذا يعتبر النهج القائم على البيانات مهمًا لإدارة محفظة الذكاء الاصطناعي؟

    يعالج النهج القائم على البيانات لإدارة محفظة الذكاء الاصطناعي العديد من التحديات الرئيسية التي تعيق التبني الناجح للذكاء الاصطناعي. تكافح العديد من الشركات لتحديد حالات استخدام الذكاء الاصطناعي المناسبة وتفتقر إلى طريقة منهجية لتقييم قيمتها المحتملة وجدواها. غالبًا ما تفتقر الطرق التقليدية إلى الصرامة والشفافية اللازمتين لاتخاذ قرارات استثمار مستنيرة في الذكاء الاصطناعي. من خلال جمع وتحليل البيانات المتعلقة بتطبيقات الذكاء الاصطناعي المحتملة بشكل منهجي، يمكن للمؤسسات فهم القيمة الاستراتيجية والمالية، والجدوى الفنية (بما في ذلك توفر البيانات وتعقيدها)، والموارد المطلوبة، والمخاطر المحتملة المرتبطة بكل حالة استخدام بشكل أفضل. يتيح ذلك تحديد أولويات وتخصيص موارد أكثر استنارة، مما يزيد في النهاية من احتمالية التنفيذ الناجح للذكاء الاصطناعي وتحقيق عائد إيجابي على الاستثمار.

2. ما هي المكونات الرئيسية لإطار عمل تخطيط حالات استخدام الذكاء الاصطناعي القائم على البيانات المقترح؟

    يتكون إطار العمل من مكونين رئيسيين مترابطين: نموذج بيانات حالة استخدام الذكاء الاصطناعي وطريقة تخطيط حالة استخدام الذكاء الاصطناعي. يعمل نموذج البيانات كهيكل موحد لوصف حالات استخدام الذكاء الاصطناعي باستخدام البيانات الوصفية ومعايير التقييم ذات الصلة. يتضمن 18 كيانًا مع العديد من السمات المصنفة كنص وقيمة رقمية وفئة (اختيار فردي أو متعدد)، ومنظمة في بيانات وصفية وبيانات تقييم (مقسمة أيضًا إلى أبعاد القيمة والجدوى). طريقة التخطيط هي عملية تكرارية من ثلاث خطوات (توليد الأفكار، تحديد النطاق، والتقييم) توجه المستخدمين من خلال جمع وتخزين واستخدام البيانات بناءً على نموذج البيانات. وتؤكد على بوابات الجودة في كل خطوة لضمان اكتمال البيانات ومقبوليتها قبل التقدم.

3. كيف يساعد نموذج بيانات حالة استخدام الذكاء الاصطناعي في إدارة مبادرات الذكاء الاصطناعي؟

    يوفر نموذج بيانات حالة استخدام الذكاء الاصطناعي طريقة منظمة وموحدة لتوثيق ومقارنة حالات استخدام الذكاء الاصطناعي. من خلال التقاط مجموعة واسعة من البيانات الوصفية وبيانات التقييم، فإنه يتيح إنشاء مكتبة أو قاعدة بيانات مركزية لحالات استخدام الذكاء الاصطناعي. تسهل هذه المكتبة العديد من الوظائف الرئيسية:

    *   الشفافية: يوفر نظرة عامة واضحة على جميع حالات وأفكار استخدام الذكاء الاصطناعي داخل المنظمة.

    *   قاعدة المعرفة: يخزن معلومات قيمة حول مبادرات الذكاء الاصطناعي السابقة والحالية والمحتملة، مما يتيح التعلم وإعادة الاستخدام.

    *   البحث والتصفية: يسمح للمستخدمين بالعثور على حالات استخدام محددة أو مشابهة للذكاء الاصطناعي بناءً على معايير مختلفة مثل وحدة العمل أو قدرة الذكاء الاصطناعي أو مصدر البيانات.

    *   تحديد أوجه التآزر: يساعد في تحديد التداخلات أو التكاملات المحتملة بين حالات استخدام الذكاء الاصطناعي المختلفة.

    *   اتخاذ القرار القائم على البيانات: يوفر البيانات اللازمة لتقييم وتحديد أولويات حالات استخدام الذكاء الاصطناعي بناءً على أبعاد القيمة والجدوى.

    *   التواصل الموحد: يضمن فهمًا وتقييمًا متسقين لمبادرات الذكاء الاصطناعي عبر مختلف أصحاب المصلحة.

4. ما هي الخطوات الرئيسية الثلاث في طريقة تخطيط حالة استخدام الذكاء الاصطناعي، وماذا يحدث في كل منها؟

    تتضمن طريقة تخطيط حالة استخدام الذكاء الاصطناعي ثلاث خطوات رئيسية:

    *   توليد الأفكار: تركز هذه الخطوة الأولية على توليد ووصف أفكار أولية لحالات استخدام الذكاء الاصطناعي بناءً على المشاكل أو الاحتياجات الحالية أو الفرص الجديدة. يتم توثيق كل فكرة بمعلومات أساسية (سمات بوابة الجودة 1) ثم مراجعتها لتحديد الأولويات المحتملة.

    *   تحديد النطاق: تنتقل الأفكار ذات الأولوية إلى مرحلة تحديد النطاق، حيث يجمع فريق متعدد الوظائف معلومات أكثر تفصيلاً، لا سيما فيما يتعلق بالجدوى الفنية والتنظيمية، بالإضافة إلى التقديرات الأولية للقيمة والتكاليف (سمات بوابة الجودة 2). يمكن أن تكون هذه الخطوة تكرارية، مع زيادة مستويات التفاصيل في كل دورة.

    *   التقييم: في الخطوة النهائية، يقوم فريق التقييم بتقييم حالات استخدام الذكاء الاصطناعي المحددة النطاق بناءً على مجموعة شاملة من المعايير، بما في ذلك القيم الرقمية المحسوبة للقيمة والتكاليف، وتقييم شامل للمخاطر (سمات بوابة الجودة 3). تُستخدم هذه البيانات لتصنيف حالة الاستخدام في مصفوفة تحديد الأولويات، مما يؤدي إلى قرار نهائي بشأن المضي قدمًا في التنفيذ، أو تعليق المشروع، أو رفضه.

5. كيف يتم تقييم القيمة والجدوى ضمن هذا الإطار؟

    يتم تقييم القيمة من خلال النظر في ثلاثة أبعاد فرعية: القيمة الاستراتيجية (الفوائد غير النقدية مثل زيادة رضا العملاء)، والقيمة المالية (المكاسب النقدية القابلة للقياس مثل توفير التكاليف أو زيادة الإيرادات)، والتكاليف (بما في ذلك التنفيذ والنشر والصيانة). يتم تحديد القيمة الإجمالية بمقارنة القيم الاستراتيجية والمالية مع التكاليف المرتبطة بها. يتم تقييم الجدوى بناءً على خمسة أبعاد: تعقيد النموذج (المتعلق بحل الذكاء الاصطناعي نفسه)، وتعقيد البيانات (توفر وجودة وإمكانية الوصول إلى البيانات)، وتعقيد التكامل (مدى التغييرات اللازمة في الأنظمة والعمليات الحالية)، والمعرفة المطلوبة (توفر المهارات والخبرات اللازمة)، وتصنيف المخاطر (المخاطر المحتملة وعواقبها). يتم تقسيم كل من هذه الأبعاد إلى سمات محددة ضمن نموذج بيانات حالة استخدام الذكاء الاصطناعي.

6. ما هو دور "بوابات الجودة" في طريقة تخطيط حالة استخدام الذكاء الاصطناعي؟

    بوابات الجودة هي نقاط تفتيش يتم تنفيذها بعد كل خطوة من خطوات التخطيط الثلاث (توليد الأفكار، تحديد النطاق، والتقييم). عند كل بوابة جودة، تتم مراجعة بيانات حالة استخدام الذكاء الاصطناعي المجمعة للتأكد من مقبوليتها واكتمالها. إذا لم تستوف البيانات المعايير المطلوبة، تعود العملية إلى الخطوة السابقة لمزيد من التحسين وجمع البيانات. تضمن هذه العملية التكرارية أن حالات استخدام الذكاء الاصطناعي المحددة جيدًا والموثقة بشكل كافٍ فقط هي التي تنتقل إلى المرحلة التالية، مما يقلل من الموارد المهدرة على المبادرات سيئة التصور أو غير المفهومة بشكل كافٍ. تساعد بوابات الجودة في الحفاظ على سلامة البيانات ودعم اتخاذ قرارات أكثر استنارة عند كل نقطة تحديد أولويات.

7. كيف يسهل هذا النهج القائم على البيانات اتخاذ قرارات أفضل في إدارة محفظة الذكاء الاصطناعي؟

    من خلال جمع وتخزين وتحليل البيانات المتعلقة بحالات استخدام الذكاء الاصطناعي بشكل منهجي، يتيح إطار العمل المقترح قرارات تحديد أولويات قابلة للتتبع وقائمة على البيانات. تسمح أوصاف حالات استخدام الذكاء الاصطناعي الموحدة وأبعاد القيمة والجدوى المحددة بإجراء مقارنات موضوعية بين مبادرات الذكاء الاصطناعي المختلفة. توفر مصفوفة تحديد الأولويات، المملوءة بتقييمات قائمة على البيانات، أداة مرئية لمديري المحافظ لتحديد المشاريع ذات القيمة العالية والجدوى العالية. علاوة على ذلك، فإن فهم العوامل المحددة التي تساهم في القيمة أو التعقيد (كما هو مسجل في نموذج البيانات) يسمح باتخاذ إجراءات مستهدفة لتحسين إمكانات حالات استخدام الذكاء الاصطناعي، مثل تقليل التعقيد عن طريق تقسيم المشاريع أو زيادة القيمة عن طريق تحديد محركات جديدة.

8. ما هي بعض قيود هذا النهج والمجالات المحتملة للبحث المستقبلي؟

    أحد القيود هو احتمال التحيز الناجم عن تكوين فريق التطوير والمشاركين في دراسات الحالة. يمكن أن يشمل البحث المستقبلي مجموعة أكثر تنوعًا من أصحاب المصلحة. يمكن أن يكون الاعتماد على الخبرة الفنية في جوانب معينة من إطار العمل أيضًا عائقًا للمشاركين غير التقنيين، مما يشير إلى الحاجة إلى تدريب وتعليمات أكثر سهولة في الوصول إليها. بينما أشارت دراسات الحالة إلى القيمة المضافة للنهج، هناك حاجة إلى مزيد من الدراسات الطولية مع شركات من صناعات متنوعة للتحقق من قوته وقابليته للتكيف بمرور الوقت. يمكن أن يركز البحث المستقبلي أيضًا على توسيع نموذج البيانات ليشمل جوانب مثل الذكاء الاصطناعي المستدام وتشريعات الذكاء الاصطناعي (مثل قانون الذكاء الاصطناعي للاتحاد الأوروبي) أو لالتقاط البيانات عبر دورة حياة حالة استخدام الذكاء الاصطناعي بأكملها، مما يتيح التعلم والتحسين المستمر. بالإضافة إلى ذلك، يعد استكشاف إمكانية الأتمتة الجزئية لعملية التقييم بناءً على البيانات التاريخية طريقًا واعدًا للعمل المستقبلي.

)Bodendorf, 2025(

Bodendorf, F. (2025). A data-driven use case planning and assessment approach for AI portfolio management. Electronic Markets, 35(1). https://doi.org/10.1007/s12525-025-00759-x