هل تكسر مشاريع الذكاء الاصطناعي البنك؟ فك التكاليف الحقيقية

نظراً لأن جهود الذكاء الاصطناعي توفر حلولاً جديدة عبر صناعات متعددة، فقد جذبت الكثير من الاهتمام في مجال الابتكار التقني. على الرغم من أن الحماس حول وعد الذكاء الاصطناعي مفهوم، فمن الضروري كشف التكاليف الحقيقية المرتبطة بهذه الخطط الجريئة. يكمن القصة الحقيقية في تفكيك التكاليف المعقدة لمشاريع الذكاء الاصطناعي – والتي تتجاوز بكثير القيود المالية التقليدية – حيث يصبح من الحرج فهم التكاليف الملموسة وغير الملموسة بينما تعمل الشركات من خلال تعقيدات تنفيذ الذكاء الاصطناعي. تتأثر الصورة المالية لبرامج الذكاء الاصطناعي بكل عامل، بما في ذلك تعقيد البيانات وتكوين الفريق.

استكشاف تكاليف مشاريع الذكاء الاصطناعي

من الواضح أن النماذج التكلفة القياسية غير قادرة على التقاط الطيف الكامل للرسوم عندما ننظر بشكل أعمق إلى التكاليف المتعلقة بمبادرات الذكاء الاصطناعي. يسلط هذا الموضوع المتكرر الضوء على تعقيد تكاليف الذكاء الاصطناعي وكذلك ضرورة البيانات كمكون حيوي. بالإضافة إلى الثالوث التقليدي من البرمجيات، والأجهزة، والخدمات، فإن التعقيد الهائل وحجم البيانات له آثار مالية كبيرة. يتضح أن التحضير، والتخطيط، وتنقية البيانات هي متغيرات تكلفة رئيسية، مما يبرز أهمية تخصيص الموارد والتخطيط.

لتبسيط الأمور، هناك 5 عوامل وراء تكلفة الذكاء الاصطناعي

نوع البرمجيات التي ترغب في تطويرها. يُشار إلى أي أداة أو برنامج يحاكي العقل البشري من خلال اتخاذ أحكام بناءً على البيانات التي يعالجها باسم الذكاء الاصطناعي. 

درجة الذكاء التي ترغب في الوصول إليها. غالبًا ما يتخيل الناس الشخصيات الافتراضية الهولوغرامية من فيلم "بليد رانر 2049" وروبوتات "بوسطن ديناميكس" عند مناقشة الذكاء الاصطناعي. في الواقع، تقع غالبية حلول الذكاء الاصطناعي التجارية تحت فئة "الذكاء الاصطناعي الضيق"، حيث صُممت خصيصًا لأداء مهام محددة فقط.

كمية وجودة البيانات التي تخطط لتزويد نظامك بها. تعتمد جودة الذكاء الاصطناعي على حجم البيانات التي تم تدريبه عليها؛ فكلما زادت البيانات التي يعالجها الخوارزميون، زادت كفاءتهم ودقتهم.

تُعد نماذج اللغات الكبيرة (LLMs)، وهي مثال على أدوات تطوير التطبيقات للذكاء الاصطناعي التي تم تدريبها مسبقًا، عملية التدريب أسهل بكثير. 

مستوى الدقة الخوارزمية المطلوب. سيؤثر نوع التطبيق الذي تستخدمه والقيود التي تفرضها على حل الذكاء الاصطناعي بشكل مباشر على دقة تنبؤاته. 

قد يكون لتقدير مديري مشاريع الذكاء الاصطناعي للتكلفة الإجمالية لأنظمة الذكاء الاصطناعي بشكل أقل من الواقع تأثير كبير على مشروعك. تتحدد التكلفة الإجمالية لمشروع الذكاء الاصطناعي بعدة عوامل. يُعد بناء نماذج الذكاء الاصطناعي الخاصة بك بدلاً من شرائها أحد هذه العوامل. يجب أيضًا أخذ مكان الاختبار الواقعي للنموذج وتطبيقه في الاعتبار. وبطبيعة الحال، تحتاج أيضًا إلى مراعاة كل جانب من جوانهندسة البيانات.

استراتيجيات خفض التكاليف

توفر فرص خفض التكاليف التي تظهر داخل متاهة نفقات مشاريع الذكاء الاصطناعي لمحة عن المساءلة المالية وسط الحماس التكنولوجي. يمكن الحفاظ على الإنفاق ضمن حدوده باستخدام منهجية "فكرة كبيرة، بداية صغيرة، تكرار" كدليل. يتضح مدى أهمية نطاق المشروع عندما تسمح التكرارات الأصغر بإجراء تعديلات سريعة على المسار واستراتيجيات خفض التكاليف.

يُعد استخدام وتطوير نموذج تم بناؤه مسبقًا من قبل شخص آخر إحدى طرق التحكم في النطاق. سيكون هذا الخيار الأقل تكلفة والأسرع في التكرار. إذا كان متاحًا بالفعل، فاستخدمه. هذه إحدى أفضل الطرق للبدء بشكل صغير. وهذا يفسر سبب شعبية النماذج الأساسية ونماذج اللغات الكبيرة (LLMs) في الوقت الحالي. فهي رخيصة، وتتكرر بسرعة، ولها فترة عائد محتملة قصيرة جدًا. لذلك، يُعد استخدام نموذج شخص آخر خيارًا ممتازًا إذا كانت التكلفة اعتبارًا مهمًا لك ولم يكن لديك الكثير من المال.

لماذا تفشل مشاريع الذكاء الاصطناعي

يُشار إلى غالبية مشاريع الذكاء الاصطناعي الفاشلة على أنها "طموحات قمرية" – مشاريع طموحة بشكل غير معقول مدفوعة بمديري تكنولوجيا المعلومات وعلوم البيانات المثاليين الذين يريدون "تغيير عمليات منظماتنا على مدى عقود بشكل جذري." قد تستغرق هذه الأنواع من المشاريع أبدياً للانتهاء، لذا فمن المنطقي أن يتوقف مجلس الإدارة في النهاية عن رمي المال فيها على أمل رؤية أي قيمة حقيقية.

قد يكلفك نسخة مبسطة جدًا من النظام الفريد الذي تأمل في بنائه بضعة آلاف من الدولارات، بينما يصعب تقدير تكلفة إنشاء ونشر برنامج ذكاء اصطناعي دون الخوض في تفاصيل مشروعك. من ناحية أخرى، إذا كنت تفكر في استخدام خدمات جاهزة (Plug-and-Play)، أو نماذج تعلم آلي مدربة مسبقًا، أو نموذج أولي لإثبات المفهوم، فلا يزال بإمكانك بدء العمل بميزانية أقل.