استخدام Microsoft Copilot للتحليلات التنبؤية والتنبؤ واتخاذ قرارات الأعمال

(MENAFN- أخبار الروبوتات والأتمتة) شهد نهاية القرن انتقالًا، من الأرشيفات إلى قواعد البيانات. وعلى الرغم من أننا غالبًا ما رأينا ذلك كوسيلة لتحقيق دقة وكفاءة أكبر، إلا أن القوة الحقيقية ستكمن في القدرة على التلاعب بالبيانات الرقمية الآن وتحليلها، خاصة مع انتشار علم البيانات بين الشركات الصغيرة.

ثم، أدت صعود الذكاء الاصطناعي التوليدي والأدوات مثل Microsoft Copilot إلى تحول جديد، حيث لم يعد الملاك غير التقنيين يقتصرون على تسجيل الماضي أو تقييم الحاضر، بل أصبح بإمكانهم التنبؤ بالمستقبل.

تحويل البيانات الثابتة إلى رؤى تنبئية

غالبًا ما ينظر المدير إلى تقرير في نهاية الشهر ليكتشف أن الإنتاج كان منخفضًا أو أن معدل فقدان العملاء قد ارتفع. وبالطبع، يكون الضرر قد حدث بالفعل بحلول ذلك الحين. تغيرت هذه الحالة بفضل التطبيقات المدعومة بالذكاء الاصطناعي بطريقتين.

أولًا، يظهر التحليل في الوقت الحقيقي على الفور، ولكن باستخدام التعلم الآلي، يمكن للتطبيقات المخصصة التعرف على الأنماط التي قد تكون قد فاتتك. هذا يعني أن مشاكل الأعمال يتم تحذيرك مسبقًا، أو أن مؤشرات الأداء الرئيسية على وشك أن تُفقد.

الذكاء الاصطناعي التوليدي للصيانة التنبئية

وهذا يقودنا إلى الصيانة التنبئية. تقليديًا، كانت الصيانة تتبع جدولًا زمنيًا (وقائية) أو تُستخدم بعد حدوث عطل (استجابية). كلاهما غير مثالي، لأن أحدهما يسبب تكاليف غير ضرورية، والآخر يعاني من توقف العمل.

يمكن استخدام الذكاء الاصطناعي التوليدي في تطبيقات مخصصة لمساعدة الشركات على الاستفادة بشكل أفضل من الأرقام. قد يكون ذلك شركة تصنيع تستخدم حساسات إنترنت الأشياء وسجلات الصيانة التاريخية، وحتى ملاحظات الفنيين غير المنظمة يمكن أن يتم قياسها بواسطة نماذج اللغة الكبيرة (LLMs).

وليس الأرقام الصلبة فقط هي التي يمكن استخدامها كمدخلات.

في مثال المستودع هذا، لا ينتظر التطبيق وصول حساس إلى حد معين، بل ينظر إلى مجموعة من المتغيرات وعلاقتها، مثل كيف تتفاعل الاهتزازات، ودرجة الحرارة، وأنماط الإصلاحات السابقة، وكلها تتجمع في نتيجة محتملة.

ثم، يُعطى تنبيه عندما يكون مكون معين عرضة للفشل. تنخفض تكاليف الصيانة، ويتم تمديد عمر الأصول.

لكن هذا ينطبق أيضًا على أي بيئة أخرى. يمكن لبائع الآيس كريم حساب متى من المحتمل أن تنفد مخزوناتهم، مع الأخذ في الاعتبار التغيرات الموسمية وأنماط سلسلة التوريد.

التوقعات الذكية

التوقعات ليست جديدة، لكنها غالبًا ما تتعثر بسبب البيانات المحدودة أو التحيز البشري (نبحث عن أنماط نرغب في العثور عليها). يساعد الذكاء الاصطناعي التوليدي على إدخال المزيد من المتغيرات وتجنب التحيز.

عندما يكون Copilot في هذه التطبيقات، فإنه يساعد على وصف، بكلمات، ما تقوله البيانات. يمكن للملاك غير التقنيين أن يسألوا: كيف سيؤثر زيادة تكاليف المواد الخام بنسبة 10% على جدول تسليم الربع الثالث؟

يمتلك الذكاء الاصطناعي البيانات، والتي عند تصنيفها بدقة، يمكن أن تبدأ في إجراء المحاكاة الصحيحة ثم تقديم إجابة مكتوبة غير تقنية. يمكن أن يصبح مساعدًا يُستشار قبل إجراء التغييرات، مثل الشراء المسبق.

تحسين خدمة العملاء

خدمة العملاء واحدة من الصناعات التي ستتأثر بشكل كبير بالذكاء الاصطناعي. الدردشات الآلية ليست جديدة، لكن طريقة عملها الآن مختلفة. كانت تستخدم سابقًا أشجار القرار، أما اليوم فهي أكثر تجربة مع نماذج اللغة الكبيرة.

بعض الاستخدامات تشمل تصنيف الاستفسارات تلقائيًا، وتحديد أولويتها بناءً على القيمة التاريخية للعميل أو مدى إلحاح النغمة، وربما تقييم احتمال كتابة هذا العميل تقييمًا سلبيًا عبر الإنترنت، وصياغة حلول مخصصة.

يمكن لـ Copilot مساعدة الوكلاء البشريين من خلال تلخيص محادثات البريد الإلكتروني الطويلة واقتراح أفضل مسار للمضي قدمًا استنادًا إلى سياسة الشركة والحلول الناجحة السابقة. هذا يقلل من وقت الحل، حيث يتولى الذكاء الاصطناعي استرجاع البيانات، ويترك للوكيل التركيز على التعاطف وحل المشكلات على المستوى العالي.

عندما تصبح كل تفاعل نقطة بيانات أخرى، وتُستخدم مع تدريب التعلم الآلي لتحسين الحلول المستقبلية، فإنها تصبح وظيفة من وظائف البحث والتطوير.

بناء أساس للهندسة المعمارية المعتمدة على الذكاء الاصطناعي

إمكانات هذه الأدوات هائلة لدرجة أننا غالبًا ما نتوقف أمامها من شدة الحيرة. وعلى الرغم من أن الذكاء الاصطناعي أداة قوية، إلا أنه لا يعني أننا لا يمكن أن نسيء استخدامها – فهو ليس موجهًا بشكل تلقائي.

عندما يكون محدودًا بالبيانات التي يصل إليها، نحتاج إلى تنظيم بيانات الشركة بطريقة غير معزولة أو موسومة بشكل خاطئ.

غالبًا ما تلجأ الشركات إلى استشارات تطبيقات قوية متخصصة لتحديث عملياتها القديمة. يعني التطبيق المصمم بشكل جيد أن البيانات تكون منظمة، وآمنة، وسهلة الوصول.

إنه البيئة النظيفة الضرورية ليتمكن Copilot من العمل بكفاءة. وهو أساس، غالبًا، ما تحتاج إلى تصحيحه مرة واحدة فقط.

رؤية مستقبلية

لم تعد تطبيقات الأعمال أدوات نستخدمها لإنجاز العمل فحسب، بل أصبحت شركاء ومساعدين نشطين. لا تحل محل الحاجة إلى العمالة المتخصصة، لكنها تقلل من الحاجة، خاصة عندما تكون المؤسسة منظمة لتكون ذاتية الاستشعار والتصحيح الذاتي.

يستخدم المنافسون بشكل متزايد Copilot والتطبيقات المخصصة المدعومة بالذكاء الاصطناعي، ولكن بدون استشارات تطبيقات قوية، قد لا يستغلون البيانات المتاحة بأقصى قدر ممكن.

MENAFN19032026005532012229ID1110886141