كيفيــة تحقيـق أقصـى استفـادة من التعلـم الآلـي مـن خـلال الاستثمـار فـي الأشخـاص والتكنولوجيـا
الدكتـور يوسـف إبراهيـم درادكـة
يستعد التعلم الآلي لتمهيد الطريق للعديد من الفرص المثيرة للأعمال التجارية ، ولكن هناك العديد من العقبات التي يجب تجاوزها قبل الوصول إلى خط النهاية. لا تزال العديد من المؤسسات تكافح مع الأنظمة القديمة وبطيئة في الاستثمار في التقنيات الأكثر تقدمًا. لكن القضية الأكثر إلحاحًا المطروحة ، والتي كانت مشكلة مستمرة لقطاع التكنولوجيا ، هي نقص المعروض من المواهب المؤهلة لمطابقة ما هو مناسب من صناعة سريعة الحركة ومتطلبة.
– أراضي غير مستكشفة
حسب التصميم ، يعد التعلم الآلي تجريبيًا ولا يمكن التنبؤ به غالبًا – هناك حاجة إلى الكثير من الاستكشاف قبل أن تتمكن المؤسسات حتى من البدء في فهم البيانات وأي خوارزميات التعلم الآلي ستعمل بشكل أفضل. في حين أن الطبيعة غير المتوقعة للتعلم الآلي أمر شاق بشكل مفهوم ، إلا أن العديد من المنظمات لم تفهم تمامًا ما هو مطلوب لنشره وإدارته بشكل فعال.
– الوصول إلى البيانات
يعد الوصول إلى البيانات أمرًا حاسمًا لإجراء أي شكل من أشكال التعلم الآلي ، ولكن جميع الأنشطة التجارية تقريبًا لديها سياسات تحد من الوصول إلى معلومات وبيانات معينة. ما يحتاجون إلى فهمه هو أن التعلم الآلي يتم دعمه في نهاية المطاف بجميع أنواع البيانات. لذلك ، يعد توفير وصول ثابت ومستمر إلى هذه البيانات ، مع الاستمرار في الالتزام بتفويضات الأمان وإدارة البيانات الأخرى ، أمرًا ضروريًا لكي تكون الخوارزميات فعالة. حتى إذا كان لدى المؤسسات سياسات تسمح بالوصول السهل إلى البيانات في الوقت الفعلي ، فإنها تحتاج إلى التفكير في كيفية الجمع بين مجموعات البيانات المتعددة معًا لضمان التدفق المستمر للبيانات. لا ينبغي تدريب نماذج تعلُم الآلة على مجموعة ثابتة من البيانات لمرة واحدة ، لأن فعالية النماذج ستتحلل ، ولكن يتم تدريبها باستمرار على البيانات المتغيرة ، بحيث يمكن للنماذج أن تتطور مع السلوك المتغير للبيانات والأنظمة.
– تقنية قديمة
هناك عائق آخر أمام تبني التعلم الآلي هو التكنولوجيا القديمة. لا تزال العديد من المؤسسات تعتمد على التقنيات القديمة وأنظمة البيانات الداخلية ، مما يجعل من الصعب للغاية معالجة وإدارة الحجم المتزايد والمتنوع للبيانات الناتجة بشكل فعال. ونتيجة لذلك ، يقضي متخصصو تكنولوجيا المعلومات الكثير من الوقت في الترميز يدويًا لحل الفوضى في البيانات وبناء خطوط البيانات ، وليس كافيًا في المهام ذات القيمة الأعلى.
– تخلص من القديم وعليك بالجديد
تواجه الشركات خيارين عندما يتعلق الأمر بمسألة التكنولوجيا – إما البقاء في صدارة منافسيها أو المخاطرة بأن تصبح بالية. لا تحتاج المؤسسات فقط إلى تحسين تجربة المستخدم وضمان الاستخدام الفعال لمواردها ، ولكنها أيضًا قادرة على توقع إجراءات المستخدمين وتوقعاتهم والتنبؤ بها من أجل تقديم توصيات دقيقة أو رؤى قابلة للتنفيذ. لمعالجة المشاكل التقنية ، يجب على الشركات الاستثمار ليس فقط في التقنيات السحابية الناشئة ( إنترنت الأشياء) ، ولكن تلك التي يمكنها أيضًا توفير مستوى من الأتمتة الذكية وتتطلب الحد الأدنى من الترميز لرفع العبء على المتخصصين في تكنولوجيا المعلومات.
لا ينطبق الاستثمار على التكنولوجيا فحسب ، بل على تدريب الموظفين ومهاراتهم أيضًا. يجب على المؤسسات التأكد من أن موظفيها ، في كل من تكنولوجيا المعلومات وعبر مختلف خطوط الأعمال ، مجهزون جيدًا للاستفادة الكاملة من هذه التقنيات الجديدة ، ويتم تدريبهم بانتظام لتحديث وتوسيع مهاراتهم.
– سد فجوة المهارات
مشكلة رئيسية أخرى واجهتها المنظمات لفترة طويلة هي نقص المواهب الماهرة. مع انتشار اعتماد تعلُم الآلة وتقنيات السحابة( إنترنت الأشياء) على نطاق واسع ، أدى ذلك إلى زيادة مقابلة في الطلب على المواهب المؤهلة المدربة على استخدام هذه الأدوات بفعالية. يتزايد عدد علماء البيانات والمتخصصين في التعلم الآلي ، ولكن الحقيقة هي أن هذه المهارات المتخصصة تستغرق وقتًا في التطور. ونتيجة لذلك ، فإن العرض الحالي لا يواكب الطلب.
