يكشف الرئيس التنفيذي لشركة Lang.ai، خورخي بينالفا، عن إطار عمل جديد للذكاء الاصطناعي لفرق GTM
نشرت: 2023-10-04إذا كنت جزءًا من فريق قيادي، فمن المحتمل أن يتم تكليفك بأحد أهم القرارات في العقد الماضي: كيفية تطبيق الذكاء الاصطناعي في عملك. ما هي أكبر التحديات التي يمكن للذكاء الاصطناعي حلها؟
بمجرد تحديد تلك التحديات، ما هي استراتيجية الذكاء الاصطناعي لديك؟ كيف تختار الشركاء الاستراتيجيين أو البائعين عندما يتغير كل شيء بهذه السرعة؟
أنا الرئيس التنفيذي لشركة Lang.ai وبالشراكة مع GTM Fund، قمنا ببناء أول إطار عمل لتطبيق الذكاء الاصطناعي لفرق GTM. Lang.ai هي منصة تعمل بالذكاء الاصطناعي لتجربة العملاء. يتكون صندوق GTM ومجتمعهم من أكثر من 300 مشغل GTM على مستوى المديرين التنفيذيين ونائب الرئيس.
الشيء الأول الذي يدور في أذهان الجميع الآن هو كيف يمكنني تطبيق الذكاء الاصطناعي للنمو بشكل أكثر كفاءة ؟
عندما أجاب ماكس ألتشولر، الشريك العام في GTM Fund، على هذا السؤال، قال: "الذكاء الاصطناعي ليس حلاً سحريًا. لا توجد تكنولوجيا هي رصاصة فضية. إذا كانت حركة GTM الخاصة بك لا تعمل اليوم، فمن المؤكد أنها لن تعمل مع الذكاء الاصطناعي. من المحتمل أن تسير بشكل أسرع في الاتجاه الخاطئ. يحدث هذا مع أي اختراق كبير جديد في التكنولوجيا مثل الهاتف المحمول، وسلسلة الكتل، والآن الذكاء الاصطناعي. يميل الناس إلى تشتيت انتباههم بسبب التكنولوجيا نفسها وفقدان المسار الأساسي للمشاكل التي يحاولون إصلاحها بالفعل.
"قبل بضع سنوات، كان كل فريق من فرقك ينفد لشراء أحدث حل لنقاط الذكاء الاصطناعي بسبب FOMO. الآن، أود أن أحث الفرق على العودة إلى الأساسيات. اجمع فريق القيادة الخاص بك معًا، وأعد تقييم كل مرحلة من مراحل عملية GTM الخاصة بك بدءًا من اكتشاف العملاء وحتى زيادة المبيعات، وإعادة تصور طريقة أفضل لإشراك عملائك باستخدام هذه التطورات الجديدة في الذكاء الاصطناعي.
"قم بتخطيط هذا العالم الجديد، واستخدم إطار عمل مثل الإطار الموضح أدناه لتقييم خيار الذكاء الاصطناعي المناسب لمؤسستك، وقم بإجراء بعض الاختبارات الأصغر، وكررها بناءً على البيانات التي تحصل عليها، ثم قم بطرحها عبر وحدة عمل واحدة. بعد ذلك أنه يذهب إلى المنظمة بأكملها.
"بدون استراتيجية شاملة كهذه، أعتقد في الواقع أن الذكاء الاصطناعي لديه القدرة على إلحاق الضرر بعملك أكثر من نفعه. ليس هناك شك في أن الذكاء الاصطناعي سيساعدنا في إعادة كتابة قواعد اللعبة الحالية لـ GTM، ولكن مازلنا في الأيام الأولى. هذا هو أحد تلك المواقف التي تحتاج فيها الشركات إلى التباطؤ من أجل الإسراع."
ويتفق مع هذا الرأي ماثيو ميلر، المحلل الرئيسي في شركة G2 التي تركز على الذكاء الاصطناعي. يكشف بحثه عن ما يقرب من 200 فئة مع ميزات الذكاء الاصطناعي التوليدية عن ذلك. على الرغم من أجراس وصفارات التكنولوجيا الحديثة، لم تتحرك الإبرة كثيرًا عندما يتعلق الأمر بمدى تلبية البرنامج لمتطلبات مستخدمي البرنامج. تحديد الاحتياجات يجب أن يأتي أولاً، وعندها فقط يجب أن تحاول معرفة كيفية استخدام أفضل البرامج لتحقيق أفضل النتائج.
إذا كنت ضمن فرق GTM، مثل فرق المبيعات أو التسويق أو المنتج أو تجربة العملاء أو نجاح العملاء، فيمكنك الاستفادة من إطار العمل هذا لاتخاذ القرارات الصحيحة عندما يتعلق الأمر بتأسيس الذكاء الاصطناعي.
ما ستتعلمه في هذا المقال:
- كيفية اتخاذ الخيارات الصحيحة لاستخدام الذكاء الاصطناعي عبر الفرق
- ما هو خيار التنفيذ الأفضل لعملك؟
- كيفية اختيار أداة الذكاء الاصطناعي المناسبة
- لماذا لا يجب أن تنسى خصوصية البيانات؟
3 خيارات لتطبيق الذكاء الاصطناعي كبائع
تتوفر حاليًا ثلاثة خيارات أساسية لتطبيق الذكاء الاصطناعي في الشركة. دعونا بالتفصيل كل منهما.
1. موفري الخدمات السحابية أو LLM
يقدم مقدمو الخدمات السحابية الكبار، مثل AWS أو Google أو Microsoft، خدمات لتنفيذ الذكاء الاصطناعي التوليدي بطريقة آمنة في السحابة. في حالة Microsoft، فهي تقدم فقط نموذج Open AI . توفر Google نموذج Palm 2 الخاص بها، ولدى Amazon خيارات متعددة، بما في ذلك AWS Bedrock .
ومن ناحية أخرى، فإن موفري نماذج اللغات الكبيرة (LLM) هم اللاعبون الجدد على الساحة لموجة الذكاء الاصطناعي الجديدة هذه. إنها تساعدك على تشغيل الذكاء الاصطناعي التوليدي في بيئة مؤسسية باستخدام نماذجهم الخاصة ( Anthropic وOpen AI) أو النماذج مفتوحة المصدر ( Huggingface و H2O.ai ). ستكون قادرًا على تشغيل النموذج الذي تختاره أثناء استضافته بناءً على ما إذا كان مفتوح المصدر أو يستضيفه الموفر.
ما يميز موفري الخدمات السحابية/LLM : يمكن للمهندسين إجراء تعديلات والحصول على درجات متفاوتة من التحكم في النماذج الأساسية المستخدمة.
2. القادة العموديون بقدرات الذكاء الاصطناعي الجديدة
القادة العموديون عبارة عن منصات برمجية نمت في قطاع أو شخصية معينة، مثل المبيعات أو دعم العملاء أو إدارة علاقات العملاء أو التمويل. وهم يتخصصون عادةً في وظيفة أو منطقة عمل محددة. ولذلك، فإن لديهم مجموعة البيانات الأكثر شمولاً فيما يتعلق بهذه الوظيفة، والتي تم بناؤها على مدار سنوات من الخبرة. وقد أطلق بعضهم بالفعل نماذج ذكاء اصطناعي مدربة على جميع البيانات التاريخية من عملائهم.
بعض الأمثلة على القادة الرأسيين الذين يستخدمون أدوات الذكاء الاصطناعي الجديدة:
- مثال المبيعات: غونغ
- نموذج للمبيعات: التوعية
- نموذج تجربة العملاء (CX): Zendesk
- نموذج للتمويل: إحدس
بعض اللاعبين الآخرين، مثل Copy.ai وJasper.ai، أصبحوا قادة رأسيين بمنتج جديد في السوق لأنهم تمكنوا من تحديد التوقيت في موجة الذكاء الاصطناعي الجديدة.
أداة التمييز: تتمتع شركات Outreach وGong وZendesk وCopy.ai بإمكانية الوصول إلى أكبر مجموعات البيانات في وظيفة رأسية أو عمل محددة ويمكنها ضبط أفضل نموذج دون الحاجة إلى مهندسين.
3. الشركات الناشئة في مجال الذكاء الاصطناعي
الشركات الناشئة في مجال الذكاء الاصطناعي للمؤسسات هي شركات تركز على تنفيذ الذكاء الاصطناعي بأمان لحالات الاستخدام الخاصة بالمؤسسة، وخاصة الخصوصية والأمان. تريد الشركات أن تعرف أن بياناتها لا تُستخدم لتدريب النماذج؛ هذه الشركات الناشئة تلبي هذه الحاجة.
تتضمن بعض الأمثلة على الشركات الناشئة في مجال الذكاء الاصطناعي ما يلي:
- لأي تطبيق: مقياس الذكاء الاصطناعي وDataiku
- لتجربة العملاء: Lang.ai
- لكتابة النصوص: Writer.com
- لشركات المحاماة النخبة: Harvey.ai
أداة التمييز: التسليم السريع للنماذج المخصصة المصممة خصيصًا لبيانات العملاء، مما يضمن خصوصية البيانات، ويمنع استخدام بيانات العملاء كنماذج تدريب. كل ذلك دون الحاجة إلى موارد هندسية من جانب العميل.
إطار عمل لمساعدتك على الاختيار بين أدوات الذكاء الاصطناعي
مع كل هذه الاختيارات، يمكنك أن ترى أن إعداد الذكاء الاصطناعي يعد قرارًا صعبًا بالنسبة لفرق GTM. لقد أنشأنا إطار العمل هذا لتسهيل اختيار نوع البائع المناسب لشركتك وحالة استخدام الذكاء الاصطناعي الخاصة بك.
أدناه سنغطي كيفية استخدام هذا الإطار. ولكن قبل أن نتعمق في التفاصيل، من المهم أن نفهم ما تعنيه المحاور المختلفة.
قيود المهندس: القيود الموجودة في مؤسستك فيما يتعلق بالمهندسين الذين يعملون على هذه المشكلة. تعني القيود العالية أنه لا يمكنك تخصيص مهندسين لهذه المشكلة.
الذكاء الاصطناعي الخاص بالعميل: الحاجة إلى تخصيص الذكاء الاصطناعي ليناسب بياناتك الخاصة وحالة الاستخدام التي تحاول حلها. الذكاء الاصطناعي العالي الخاص بالعميل يعني أنك بحاجة إلى مستوى عالٍ من التخصيص.
المنطقة الهندسية: قيود هندسية منخفضة/حاجة كبيرة إلى الذكاء الاصطناعي الخاص بالعميل
تعتبر المنطقة الهندسية هي الأفضل للمشاكل التي تمثل عملية أساسية للشركة. عادة ما تكون الشركات على استعداد لتخصيص الموارد الهندسية الداخلية. سيكون لديهم حاجة للتخصيص والخصوصية، لأن هذه هي الطريقة التي يميزون بها عن منافسيهم.
في هذه الحالة، يمكنك استخدام LLMs لبناء نماذج الذكاء الاصطناعي الخاصة بك. أنت تضمن عدم وجود أي مخاطر تتعلق بخصوصية البيانات من خلال استضافتها والصيانة السريعة من خلال تخصيص فريق هندسي للنموذج.
أمثلة على استخدامات المنطقة الهندسية:
- الاحتيال في مؤسسة مالية . إذا كنت أحد البنوك، فإن التعامل مع نماذج الاحتيال والاحتيال يمثل تمييزًا تنافسيًا. هنا مثال مع تشيس.
- المحاسبة في منصة الإدارة المالية مثل Ramp. أنت تقوم بالبناء داخليًا لأن هذا هو جوهر عملك. تعمل Ramp Intelligence بشكل جيد مع هذا .
منطقة SaaS: قيود هندسية عالية/حاجة منخفضة للذكاء الاصطناعي الخاص بالعميل
تعد منطقة SaaS هي الأفضل لحل المشكلات التي لا تشكل جزءًا من العملية الأساسية للشركة والتي لا يمكنك استثمار الموارد الهندسية فيها. وفي الوقت نفسه، فإن البيانات التي تشكل جزءًا من هذه المشكلات ليست حرجة أو عالية المخاطر.
لحل هذه الأنواع من المشكلات، يمكنك العمل مع موفر SaaS الذي لديه "نموذج ضخم" تم تدريبه بواسطة جميع بيانات العملاء، بما في ذلك بياناتك الخاصة. الفائدة هنا هي أن الموفر لديه بيانات عن شركات أخرى، ولا يتعين عليك استثمار الموارد الهندسية - ما عليك سوى التعاقد مع البرنامج مع ميزات الذكاء الاصطناعي شهريًا أو سنويًا.
أمثلة على حالات الاستخدام لمنطقة SaaS:
- المبيعات في شركة SaaS. كانت كل شركة SaaS تبيع بنفس الطريقة على مدار السنوات العشر الماضية وفقًا لمبادئ الإيرادات الصادرة المتوقعة.
- دعم العملاء لموزع Shopify/Amazon. إذا كنت تقوم بإعادة بيع المنتجات، فإن بياناتك ليست فريدة أو ذات صلة. سيشتكي معظم الأشخاص من تسليم تلك المنتجات وإعادتها، وعندما يشتكون من المنتج، لا يمكنك إصلاحه.
- كتابة الإعلانات لبدء التشغيل. يريد فريق التسويق الخاص بك تسريع مدى سرعة إنتاج المحتوى. هذا المحتوى ليس بالغ الأهمية، وبالتالي يمكنك استخدام Copy.ai أو Jasper.ai دون القلق بشأن خصوصية هذا المحتوى وكيفية استخدامه.
منطقة الشراكة: قيود هندسية عالية/حاجة كبيرة لذكاء اصطناعي خاص بالعميل
تعتبر منطقة الشراكة هي الأفضل للعمليات التي قد لا تكون محور التركيز الرئيسي للشركة، لذلك ليس لديك توفر هندسي. قد تكون لهذه الإجراءات احتياجات محددة للشركة (بسبب الخصوصية أو العمليات الداخلية أو التعقيدات) التي تتطلب التخصيص وليس فقط النماذج العامة. من خلال الشراكة مع شركة ناشئة جاهزة للعمل على مستوى المؤسسة، يمكنك الحصول على قوة التنفيذ السريع مع الحفاظ على خصوصية البيانات وتوفير الموارد.
وينطبق أيضًا عندما:
- ليست هناك حاجة إلى نموذج مخصص لبياناتك، ولكن ببساطة لا يوجد نموذج عام يعمل حتى الآن.
- إنه أمر أساسي لشركتك، لكن ليس لديك الموارد الهندسية.
أمثلة على حالات الاستخدام لمنطقة الشراكة:
- دعم العملاء في مجال التكنولوجيا الصحية. تحتاج أعمال التكنولوجيا الصحية إلى درجة عالية من التخصيص لمنتجاتها أو خدماتها، وتتطلب معايير عالية لخصوصية البيانات وضوابط محددة مثل HIPAA. كل هذا يتطلب الذكاء الاصطناعي الخاص بالعميل. وفي الوقت نفسه، ليس من المنطقي بالنسبة لمعظم شركات التكنولوجيا الصحية أن تستثمر الموارد الهندسية في دعم العملاء.
- كتابة الإعلانات للعلامات التجارية الأكثر قيمة. تتمتع العلامات التجارية مثل Nike أو Apple أو Coca-Cola بميزة تنافسية رئيسية باعتبارها من أكثر الأسماء قيمة في العالم. إنهم بحاجة إلى ذكاء اصطناعي خاص بالعميل، وربما لا يريدون استخدام خبراتهم لتدريب نماذج اللغة الخاصة بالمنافسين الآخرين.
وفي الوقت نفسه، لا يمكنهم تخصيص مهندسين لعلامتهم التجارية أو فرق التسويق الخاصة بهم. ستكون الشراكة مع شركة ناشئة خاصة ومخصصة للعملاء ومزودة بالذكاء الاصطناعي للتسويق هي الخطوة الأفضل لهذه العلامات التجارية.
منطقة الخطر: انخفاض القيود الهندسية/انخفاض الحاجة إلى الذكاء الاصطناعي الخاص بالعميل
منطقة الخطر هي المكان الذي يمكن أن تجد فيه الشركات نفسها إذا لم تتكيف مع التغيير الهائل في الذكاء الاصطناعي الذي حدث في العام الماضي. إن وجودك في منطقة الخطر يعني أنك تستثمر الوقت والمال في المهندسين لإنشاء نموذج لا تملكه. هذا النموذج ليس خاصًا بالعميل، لذلك قد يتم استخدام بياناتك عبر عملاء متعددين.
كان هذا أمرًا شائعًا لأن نماذج التعلم الآلي (ML) كانت تتطلب الكثير من التدريب والضبط الدقيق لحل المشكلة، وكان مقدمو الخدمة بحاجة إلى كميات هائلة من البيانات لتحقيق النجاح. على سبيل المثال، كان من الشائع الدفع لمقدمي خدمات الذكاء الاصطناعي الذين لديهم فريق داخلي من مهندسي تعلم الآلة لتدريب الخوارزميات، لكن البيانات والنموذج ينتميان إلى مزود الخدمة، وليس إلى الشركة التي كانت تشتري برنامج الذكاء الاصطناعي.
مع LLMs، ليس من المنطقي أن تكون في منطقة الخطر من منظور استراتيجية الذكاء الاصطناعي. إذا كنت كذلك، قم بتغيير مقدمي الخدمة أو ادفعهم لتقديم نماذج الذكاء الاصطناعي بطريقة لا تتطلب منك الدفع مقابل الموارد الهندسية.
يجب أن تكون خارج هذه المنطقة لأي عملية ذكاء اصطناعي في شركتك.
المتغيرات الأخرى التي يجب أخذها في الاعتبار
يتطور الذكاء الاصطناعي والنظام البيئي للمشاكل والشركات المحيطة به بشكل كبير، لذلك بينما حاولنا تلخيص كل شيء في إطار بسيط، هناك متغيرات أخرى ذات صلة أيضًا باتخاذ القرارات، مثل:
- البيانات هي الأصول الأكثر قيمة للمؤسسة. تم تدريب النماذج اللغوية الكبيرة باستخدام البيانات المتاحة على الإنترنت، لذا فإن بيانات مؤسستك لا تقدر بثمن بالنسبة للذكاء الاصطناعي لأنها نادرة في هذه الأنظمة. لا تقم بإعطاء بياناتك الثمينة للمنافسين للاستفادة منها إذا كنت تعتقد أن البيانات ذات صلة للفوز بالسوق.
- خصوصية البيانات. تميل النماذج الخاصة بالعميل إلى أن تكون خاصة. بشكل عام، تعد خصوصية البيانات متغيرًا مهمًا يجب أخذه بعين الاعتبار بسبب المخاطر الأمنية. إذا كانت بياناتك ذات قيمة، فتأكد من أنها لا تنتهي في أماكن يمكن سرقتها فيها بسهولة.
- ديناميكية البيانات إذا كانت المشكلة التي تحاول حلها تعتمد على البيانات التي تتغير بسرعة كبيرة، فيجب عليك إجراء محادثة مع مقدم الخدمة الخاص بك حول آليات التعلم بعد المراحل الأولية من التدريب والضبط الدقيق. يجب أن تفهم كيف يتغير النموذج مع تطور بياناتك.
- خصوصية البيانات. إذا كانت المشكلة التي تحاول حلها مميزة، فقد تجد صعوبة في العمل باستخدام الذكاء الاصطناعي الذي لا يركز على التخصيص. لقد أثبت حاملو شهادات LLM أنهم يعملون بشكل جيد لعدد غير محدود تقريبًا من المهام، ولكن هذا لا يعني أنهم يستطيعون حل كل مشكلة.
- تكلفة بناء وصيانة الحل داخل الشركة. كلما قل الوقت المتاح لك، زادت رغبتك في بناء الذكاء الاصطناعي داخل الشركة. لقد تطور الذكاء الاصطناعي بشكل كبير، ويمكننا الآن رؤية تأثيره باستخدام ChatGPT. لكن التعامل مع الذكاء الاصطناعي لحل مشكلة المؤسسة لا يزال معقدًا.
الذكاء الاصطناعي لفرق الغد الأكثر ذكاءً
على الرغم من أن الذكاء الاصطناعي التوليدي يسلع الكثير من جوانب الذكاء الاصطناعي، فإن بناء الحل يختلف عن تنفيذ التكنولوجيا. لقد رأينا سؤالًا شائعًا يُطرح على موفري خدمات الذكاء الاصطناعي هذه الأيام: "لماذا يختلف هذا عما يمكنني فعله باستخدام ChatGPT/ Open AI؟". أردنا أن نشير إلى أن الاختلاف لا يأتي بالضرورة من منظور تكنولوجي. الميزة الحقيقية هي أن يفكر بائع الذكاء الاصطناعي لديك في المشكلة التي تحاول حلها على مدار الساعة طوال أيام الأسبوع، وبالتالي يكون لديه أفضل حل أو منتج.
في كثير من الأحيان يضغط العملاء لتطبيق الذكاء الاصطناعي، ولكن من الجيد الرجوع خطوة إلى الوراء وفهم المشكلة التي تحاول حلها وما هو أفضل نهج قبل استثمار آلاف أو ملايين الدولارات.
كن في طليعة كل ما يتعلق بالذكاء الاصطناعي عند الاشتراك في نشرتنا الإخبارية الشهرية، شاي جي 2 .