إثبات المفهوم في الذكاء الاصطناعي: قالب من صفحة واحدة بمعايير إيقاف واضحة

هناك خطأ يجب تجنّبه عند بدء إثبات المفهوم في الذكاء الاصطناعي: أن يبدأ الفريق التنفيذ قبل أن يكتب أحد النتيجة التي ستوقف العمل. فمن دون هذا الشرط المكتوب تتحول النتيجة الضعيفة إلى طلب "شهر إضافي"، وينضم مستخدمون حقيقيون، ويصبح الاختبار القصير تجربة لا تنتهي. نوصي بوثيقة من صفحة واحدة توقَّع قبل بدء العمل، تحدد الفرضية، ومعايير النجاح، ومعايير الإيقاف، والبيانات المسموح بها، والمدة، والمسؤول عن القرار، وموعد اجتماع القرار. تجدون القالب أدناه جاهزاً للنسخ.

لماذا يتحول إثبات المفهوم في الذكاء الاصطناعي إلى تجربة لا تنتهي؟

قد يطول إثبات المفهوم (PoC)، أي الاختبار القصير الذي يبيّن هل تصلح الفكرة للتنفيذ، لأسباب لا علاقة لها بالتقنية. صُمّمت الوثيقة لتمنع أربعة منها:

• لا يوجد تاريخ انتهاء. إذا كانت المدة "حتى ينجح"، فكل نتيجة جزئية تبرر محاولة أخرى.
• تُكتب المعايير بعد العرض التجريبي. بعد أن يرى الحاضرون إجابة مبهرة، قد ينخفض الحد المطلوب إلى مستوى ما يفعله النظام أصلاً.
• يدخل المستخدمون مبكراً. اختبار الجدوى الذي يضم شيئاً فشيئاً ومن دون إعلان عشرين مستخدماً حقيقياً يصبح أداة يعمل بها الناس كل يوم، فيبدو إيقافه كأنه سحب لشيء يملكونه.
• لا يوجد شخص واحد مسؤول عن القرار. إذا تقاسمت القرارَ لجنةُ التوجيه وفريقُ التقنية والإدارةُ التي طلبت المشروع، فلن يضطر أحد إلى اتخاذه.

كما أن التجربة التي لا تنتهي تشغل فريقاً كاملاً، وتُبقي الموافقة على البيانات والفترة التجريبية مع المورّد مفتوحتين، وتؤخر جواباً صريحاً ومفيداً: الفكرة لا تعمل بعد.

اختبار جدوى أم تجربة مع المستخدمين: أيهما تجرون؟

هذان اختباران مختلفان، وعلى الوثيقة أن تذكر أيهما تجرون. اختبار الجدوى يسأل: هل تستطيع التقنية أداء المهمة على بياناتكم بجودة وكلفة مقبولتين؟ أما التجربة مع المستخدمين فتسأل: هل سيستخدمها موظفون حقيقيون في عملهم اليومي، وهل يتحسن العمل فعلاً؟

نوصي بإجراء اختبار الجدوى أولاً، ومن دون مستخدمين حقيقيين. الثمن هو الوقت: تضيفون بضعة أسابيع قبل أن يرى أحد من خارج الفريق الأداة. وفي المقابل تبدأ التجربة بنموذج نجح في اختبار على بياناتكم، ولا يكلّفكم الاختبار الفاشل أكثر من بضعة أسابيع بدل مشروع إطلاق كامل. ويفصل دليل حكومة المملكة المتحدة لمرحلة ألفا (مرحلة النماذج الأولية) في الخدمات الرقمية بين المرحلتين بطريقة مشابهة: نماذج أولية تكفي لاختبار الأفكار فقط، وبرمجة يُتوقّع التخلص منها، والاستعداد للتوقف تماماً في نهاية المرحلة.

قالب وثيقة إثبات المفهوم في صفحة واحدة

املؤوا كل سطر قبل بدء العمل. وإذا تعذّر ملء سطر، فإثبات المفهوم ليس جاهزاً للبدء، وهذه معلومة مفيدة أيضاً.

مثال توضيحي 1: شركة تأمين متوسطة الحجم في عمّان

الفرضية: يستطيع نموذج لغوي عام أن يستخرج رقم البوليصة وتاريخ المطالبة والمبلغ المطلوب من استمارات مطالبات عربية ممسوحة ضوئياً، بدقة لا تقل عن 95% في الحقول، على 300 استمارة سبق أن راجعها فريق المطالبات يدوياً. معايير الإيقاف: دقة أقل من 85% في نهاية الأسبوع الثاني، أو خروج أي استمارة من البيئة السحابية المعتمدة. البيانات المسموح بها: الاستمارات الثلاثمئة فقط، مع إخفاء الأسماء والأرقام الوطنية قبل رفعها. المدة: ثلاثة أسابيع. المسؤول عن القرار: مدير المطالبات. اجتماع القرار: اليوم 21، الساعة 10:00.

الأرقام هنا للتوضيح فقط، فضعوا حدودكم بناءً على خط الأساس لديكم.

مثال توضيحي 2: شركة تجزئة عائلية في السعودية

تريد الشركة أن يصنّف الذكاء الاصطناعي رسائل العملاء المكتوبة باللهجة الخليجية وبالإنجليزية وبمزيج منهما إلى ثماني فئات. الفرضية: يضع النموذج 90% على الأقل من 500 رسالة اختبار في الفئة نفسها التي اختارها موظف خبير في خدمة العملاء. معايير الإيقاف: نتيجة أقل من 75% في الرسائل المكتوبة باللهجة الخليجية وحدها، حتى لو تجاوزت النتيجة الكلية الحد المطلوب، أو كلفة للرسالة الواحدة أعلى من الحد المتفق عليه. البيانات المسموح بها: 500 رسالة سابقة حُذفت منها الأسماء وأرقام الهواتف وأرقام الطلبات. المدة: أسبوعان. المسؤول عن القرار: مدير خدمة العملاء.

يحتاج هذا الاختبار إلى نتيجة منفصلة لكل لهجة، ويشرح دليلنا عن تقييم النماذج اللغوية بالعربية كيف تبنون مجموعة اختبار كهذه.

كيف تكتبون معايير إيقاف يلتزم بها الجميع؟

لا تنفع معايير الإيقاف إلا إذا وُضعت قبل أن يرى أحد أي نتيجة، ولم يستطع أحد تعديلها لاحقاً من دون علم الآخرين. نوصي بأربع قواعد:

1. ثبّتوها بالتوقيعات. أي تغيير يحتاج إلى نسخة جديدة من الوثيقة يوقّعها المسؤول عن القرار، مع كتابة السبب.
2. اجعلوا كل معيار رقماً أو أمراً يُجاب عنه بنعم أو لا. عبارة "الجودة ضعيفة" ليست معيار إيقاف، أما "دقة أقل من 85% على الاستمارات الثلاثمئة المتفق عليها" فهي معيار. وتقول وثائق Anthropic عن تحديد معايير النجاح لنموذج Claude الشيء نفسه: استبدلوا هدفاً عاماً مثل "إجابات آمنة" بحد قابل للقياس على عدد ثابت من المحاولات.
3. أضيفوا أسباب توقف غير تقنية. مثل عدم صدور الموافقة على البيانات حتى اليوم الخامس، أو غياب المراجع من الإدارة المعنية، أو تجاوز كلفة العنصر الواحد للحد المتفق عليه.
4. افصلوا بين الإيقاف والتعليق المؤقت. لا يُسمح بالتعليق إلا إذا كان السبب من خارج إثبات المفهوم، مثل انقطاع خدمة المورّد، وعندها يتأخر تاريخ الانتهاء بطول فترة التعليق فقط.

ويتعامل المعهد الوطني الأمريكي للمعايير والتقنية (NIST) مع هذا القرار على أنه خطوة مستقلة. ففي إطار إدارة مخاطر الذكاء الاصطناعي (الإصدار 1.0، يناير 2023)، وهو إطار اختياري وليس قانوناً، يتضمن البند MANAGE 1.1 أن تقرر الجهة هل يحقق النظام الغرض المقصود منه وأهدافه المعلنة، وهل ينبغي المضي في تطويره أو تشغيله. والوثيقة طريقة بسيطة لاتخاذ هذا القرار في موعد يعرفه الجميع مسبقاً.

ما البيانات المسموح باستخدامها في إثبات المفهوم؟

ابدؤوا بأقل البيانات حساسية، بشرط أن تكفي للإجابة عن السؤال: بيانات اصطناعية، أي بيانات مصنوعة تشبه الحقيقية، أو سجلات حُذفت منها المعلومات الشخصية، أو عينة صغيرة وافق عليها المسؤول عن البيانات. فالبيانات الشخصية الحقيقية تبقى بيانات شخصية حتى لو استُخدمت في اختبار. على سبيل المثال، تمنع المادة (15) من قانون حماية البيانات الشخصية رقم (24) لسنة 2023 في الأردن نقل البيانات إلى جهة خارج المملكة إذا كان مستوى الحماية لديها أقل مما يوفره القانون، إلا في حالات يحددها القانون، وتطلب من الجهة المسؤولة عن البيانات أن تتحقق من مستوى الحماية لدى الجهة المستقبِلة قبل بدء النقل. ويهم هذا الجهات الخاضعة لهذا القانون عندما يرسل إثبات المفهوم بيانات إلى نموذج مستضاف خارج الأردن.

اكتبوا في الوثيقة أين يعمل النموذج، وأي بيانات يمكن أن تصل إليه، ومن وافق على ذلك. هذه معلومات عامة وليست استشارة قانونية، والالتزامات تختلف بحسب قطاع المؤسسة وبياناتها والبلد الذي ينطبق قانونه، فراجعوا مستشاركم القانوني قبل أن تدخل بيانات شخصية حقيقية في إثبات المفهوم.

كيف تديرون اجتماع القرار: نتابع أم نتوقف؟

احجزوا الاجتماع في اليوم الأول، واجعلوا مدته 45 دقيقة. يرأسه المسؤول عن القرار، ويعرض فيه فريق التنفيذ النتائج والأدلة، لا عرضاً مبهراً للأداة. وهذه خطواته بالترتيب:

1. اقرؤوا الفرضية والمعايير من النسخة الموقّعة.
2. اعرضوا النتائج مقابل كل معيار نجاح وكل معيار إيقاف على مجموعة الاختبار المتفق عليها، مع أمثلة حقيقية على الأخطاء.
3. اعرضوا كلفة العنصر الواحد، وما تحتاجه التجربة مع المستخدمين: الوصول إلى البيانات، والمستخدمين، والدعم.
4. يختار المسؤول عن القرار واحداً من ثلاثة قرارات: الانتقال إلى التجربة مع المستخدمين بوثيقة جديدة، أو الإيقاف، أو إعادة واحدة مع تغيير واحد محدد وتاريخ انتهاء جديد.
5. سجّلوا القرار وسببه والمسؤول عن الخطوة التالية، وأرسلوه إلى الحضور في اليوم نفسه.

اسمحوا بإعادة واحدة فقط. فالحاجة إلى إعادة ثانية تشير إلى أن الفرضية كانت خاطئة أو أوسع من اللازم، فاكتبوا بدلاً منها فرضية جديدة أضيق. والإيقاف نتيجة أيضاً: اكتبوا ما الذي لم ينجح، حتى لا يختبر فريق آخر الفكرة نفسها من البداية. وإذا نجح إثبات المفهوم، فالتجربة مع المستخدمين تحتاج إلى وثيقة خاصة بها، لأن السؤال يتغير من "هل يمكن؟" إلى "هل سيستخدمه الناس؟". ويتناول مقالنا عن أسباب تعثّر إطلاق الذكاء الاصطناعي هذه المرحلة.

من أين تبدؤون؟

إذا كانت لديكم حالة استخدام ومصدر بيانات محتمل، فخدمة استوديو النماذج الأولية وإثبات المفهوم (RT3) في مختبر البحث والتطوير تبني نماذج أولية سريعة لاختبار الجدوى، ونسخاً أولى قابلة للاستخدام (MVP) خلال 12 أسبوعاً، وكلها تنتهي بقرار المتابعة أو التوقف. وإذا كان سؤالكم عن جودة العربية، فخدمة الأبحاث المنشورة ومقاييس أداء الذكاء الاصطناعي بالعربية (RB1) تشمل تقييم المنصات بالعربية، وبالعربية والإنجليزية معاً. وإذا لم تعرفوا بعد أي حالة استخدام تستحق إثبات المفهوم، فابدؤوا بخدمة استراتيجية الذكاء الاصطناعي، أو احجزوا مسح واقع الذكاء الاصطناعي في شركتكم، وهو محادثة مجانية مدتها 45 دقيقة تنتهي بخطوة تالية مكتوبة.

المختبر المرتبط: مختبر البحث والتطوير ↖