الذكاء الاصطناعي في قياس إدارة الخدمات
قبل أن يغير الذكاء الاصطناعي العمل، اكتب كيف يبدو العمل اليوم، ثم قِس كل استخدام للذكاء الاصطناعي مقابل ذلك الخط الأساسي ومقابل عمل مماثل أُنجز بدونه، لأن الادعاءات ستكون كبيرة والأدلة صغيرة عادة.
نظرة عامة والدافع
يقع الذكاء الاصطناعي (artificial intelligence) الآن داخل كثير من الأدوات التي تستخدمها الفرق لبناء الخدمات وتشغيلها. والذكاء الاصطناعي (AI) قدرة أنظمة حاسوبية على أداء مهام ترتبط بالذكاء البشري. وضمنه تتعلم أنظمة تعلم الآلة (machine learning) الأنماط من البيانات، وتنتج أنظمة الذكاء الاصطناعي التوليدي (generative AI)، المبنية كثيرًا على النماذج اللغوية الكبيرة (large language models)، نصًا وشيفرة ومحتوى آخر استجابة لموجِّهات. وفي إدارة خدمات تقنية المعلومات (ITSM) تظهر هذه القدرات في فرز البلاغات وتلخيص الحوادث وصياغة مقالات المعرفة والردود المقترحة لمكتب الخدمة وإكمال الشيفرة ومراجعتها في خطوط التسليم وكشف الشذوذ في المراقبة والمساعدين المحادثين للمستخدمين. وAIOps الاسم الذي يُطلق كثيرًا على تطبيق الذكاء الاصطناعي على بيانات عمليات تقنية المعلومات.
الادعاءات المقدمة لهذه الأدوات كبيرة، والأدلة في أي مؤسسة بعينها صغيرة عادة. يبلّغ الموردون عن وقت موفَّر. ويبلّغ المتبنون الأوائل عن حماس. ويسأل المديرون التنفيذيون عن مكسب الكفاءة الموعود. وتبلّغ الفرق في الأثناء أن المخرجات تحتاج فحصًا، وأن بعض الاقتراحات خاطئة بثقة، وأن العمل يبدو مختلفًا. القياس هو كيف تكتشف مؤسسة أي ذلك صحيح لعملها. يأخذ هذا الجزء من الكتاب الذكاء الاصطناعي بجدية شيئًا يُقاس، بحواجز الحماية نفسها كأي عائلة مقاييس.
يغير الذكاء الاصطناعي مشكلة القياس بأربع طرق.
- ترتفع الأحجام والسرعة وتصبح الجودة أصعب رؤية. يستطيع الذكاء الاصطناعي إنتاج بلاغات وردود وشيفرة ومستندات بسرعة، فترتفع مقاييس المخرجات. وهل المخرجات جيدة سؤال منفصل (انظر الموضوع 10.4، تضخم المقاييس وتخفيف الجودة).
- تختفي الخطوط الأساسية. حين يصبح الذكاء الاصطناعي قيد الاستخدام اليومي، لا تستطيع استعادة كيف كان العمل بدونه. يجب التقاط خط أساسي قبل التغيير، أو وجود مجموعة مقارنة.
- يبقى البشر في الحلقة، بعواقب. تبقي تصاميم الإنسان في الحلقة (human-in-the-loop) شخصًا مسؤولًا عن النتيجة. وقد يمتثل الناس الذين يراجعون مخرجات الآلة لها بسهولة زائدة، نمط يُعرف بـتحيز الأتمتة (automation bias)، أو ينفقون في الفحص وقتًا أكثر مما وفروا.
- قد تكون المخرجات سلسة وخاطئة. الهلوسة (hallucination) مخرَج واثق لا يدعمه المدخل ولا الواقع. يجب أن تشمل المقاييس فحصًا للصحة، بعينات يراجعها شخص.
يقدم نهجا الأجايل وITIL موقفًا من هذا. توحي أهداف الأجايل في التسليم المستمر والتحسين المستمر والتطور الجاري بمعاملة كل استخدام للذكاء الاصطناعي تجربة صغيرة: اذكر الفائدة المتوقعة، وجربه مع قلة راغبة، وقارن، وقرر. ويشير المبدأ التوجيهي في ITIL بالتقدم تكراريًا مع الملاحظات في الاتجاه نفسه، وتسأل تشديدها على القيمة أي نتيجة تتحسن للمستخدمين والأعمال، لا كم نصًا يُنتج. ويُخدم هدف الأفراد المتحمسين حين يخفف الذكاء الاصطناعي العمل الممل ويحترم حكمهم، ولا يُخدم حين يصبح وسيلة لزيادة الوتيرة أو مراقبة من يستخدمونه. والوتيرة المستدامة تعني ألا يتحول الوقت الموفَّر بصمت إلى طلب أكثر.
وينطبق حاجز الحماية من قانون غودهارت (Goodhart's law) على الذكاء الاصطناعي بأحدّ صوره. إن أصبح «اعتماد الذكاء الاصطناعي» أو «حصة الشيفرة المولدة بالذكاء الاصطناعي» هدفًا، سيستخدم الناس الأداة حيث لا تفيد، وستدفع الجودة ثمن الرقم (انظر الموضوع 1.2، قانون غودهارت وسيكولوجية المقاييس).
يغطي هذا الموضوع الأسس: أين يدخل الذكاء الاصطناعي العمل، وأي خطوط أساسية تُلتقط، وأي مقاييس تُظهر هل يساعد استخدام ما. وتتعمق المواضيع التالية في العمل المدعوم، والوكلاء وروبوتات المحادثة، والتضخم والتخفيف، والحوكمة. تتغير الحقائق عن منتجات الذكاء الاصطناعي وقواعده بسرعة، والعبارات عن أدوات أو أنظمة محددة في هذا الجزء مؤرخة بأكتوبر 2026 وينبغي إعادة فحصها.
المبادئ الأساسية
- التقط خطًا أساسيًا قبل إدخال الذكاء الاصطناعي. بدونه كل ادعاء فائدة رأي.
- عامل كل استخدام تجربة بمقارنة. قارن بعمل مماثل أُنجز بدون الذكاء الاصطناعي في الفترة نفسها.
- قِس الجودة بالعينات مع الناس. المخرجات السلسة ليست مخرجات صحيحة.
- عُدّ الكلفة الكاملة. أدرج وقت المراجعة وإعادة العمل والتراخيص وكلف الاستدلال.
- أبقِ الناس مسؤولين ومطلعين. من يستخدم الذكاء الاصطناعي يجيب عن النتيجة.
- لا تدع الذكاء الاصطناعي يصبح زيادة وتيرة أو مراقبًا. الوقت الموفَّر خيار بشأن كيفية استخدام الوقت.
- ابدأ بأناس راغبين ومشكلات حقيقية. التفويضات تنتج استخدامًا بلا قيمة.
تعريفات المقاييس
| المقياس | التعريف | الصيغة | الوحدة | مصدر البيانات | ممارسة ITIL | المقابل في الأجايل | التكرار |
|---|---|---|---|---|---|---|---|
| اكتمال الخط الأساسي | حصة حالات استخدام الذكاء الاصطناعي المخططة التي لها خط أساسي مسجل قبل الاعتماد لمؤشراتها الرئيسية | حالات الاستخدام ذات الخط الأساسي المؤرخ / حالات الاستخدام المخططة | نسبة مئوية | سجل حالات الاستخدام | التحسين المستمر؛ القياس والإبلاغ | خط أساسي قبل تجربة | ربع سنوي |
| تغطية استخدام الذكاء الاصطناعي | حصة بنود العمل أو المهام المؤهلة التي استُخدم فيها الذكاء الاصطناعي، بحسب حالة الاستخدام | البنود التي استُخدمت فيها مساعدة الذكاء الاصطناعي / البنود المؤهلة، من سجلات الأداة أو وسوم المستخدمين، على مستوى الفريق | نسبة مئوية | سجلات استخدام الأداة والوسوم | مكتب الخدمة؛ إدارة الحوادث؛ إدارة الإصدار والنشر | اعتماد فرق راغبة لأداة | شهري |
| معدل قبول الاقتراحات وتجاوزها | حصة اقتراحات الذكاء الاصطناعي المقبولة كما هي أو المعدَّلة أو المرفوضة | الاقتراحات في كل فئة / الاقتراحات المعروضة | نسبة مئوية | سجلات الأداة مجمعة بحسب الفريق | مكتب الخدمة؛ إدارة المعرفة | مراجعة اقتراحات الآلة | شهري |
| دقة المخرجات المراجَعة | حصة مخرجات الذكاء الاصطناعي المأخوذ منها عينات التي حكم مراجع مؤهل أنها صحيحة وملائمة للغرض | المخرجات المحكوم بصحتها / المخرجات المأخوذ منها عينات | نسبة مئوية | سجلات المراجعة بالعينات | ضمان الجودة؛ إدارة المعرفة | تعريف الإنجاز للمخرج | شهري |
| زمن المهمة مقابل الخط الأساسي | الزمن لإكمال مهمة معرَّفة بالذكاء الاصطناعي مقارنة بالخط الأساسي أو مجموعة المقارنة | الوسيط والنسبة المئوية 85 لزمن المهمة بالذكاء الاصطناعي ناقص الشيء نفسه للخط الأساسي أو المقارنة | دقائق أو ساعات | مهام موقوتة وطوابع البلاغات | مكتب الخدمة؛ إدارة الحوادث | زمن الدورة لمهمة | ربع سنوي |
| الكلفة لكل مهمة مدعومة بالذكاء الاصطناعي | الكلفة الإجمالية للعمل المدعوم بالذكاء الاصطناعي لكل مهمة، بما فيها المراجعة وإعادة العمل | (كلفة الترخيص والاستخدام + كلفة وقت المراجعة وإعادة العمل) / المهام المكتملة بالذكاء الاصطناعي | عملة لكل مهمة | فواتير الموردين وتقديرات الوقت ومتتبع العمل | الإدارة المالية للخدمات | كلفة الخدمة لكل نتيجة | ربع سنوي |
| حركة النتيجة مقابل المقارنة | التغير في مؤشر النتيجة للعمل المدعوم بالذكاء الاصطناعي مقارنة بعمل مماثل غير مدعوم | التغير في المؤشر للمجموعة المدعومة ناقص التغير لمجموعة المقارنة | وحدات المؤشر | مقاييس النتيجة لكل حالة استخدام (الجودة والرضا ومعدل إعادة الفتح والعيوب) | التحسين المستمر | التعلم من التجارب | ربع سنوي |
عرّف كل حالة استخدام بالمهمة والمستخدمين ومؤشرات النتيجة، وسجّلها في السجل. تغطية استخدام الذكاء الاصطناعي مقياس وصفي لا هدف. وتُحكم دقة المخرجات المراجَعة مقابل معيار مكتوب بشخص مؤهل لم ينتج المخرج. ويشمل زمن المهمة وقت الصياغة والمراجعة والتصحيح كما التوليد. وتعدّ الكلفة لكل مهمة وقت الناس المنفق في الفحص والإصلاح. وتتطلب حركة النتيجة مقارنة مختارة مسبقًا وملاحظة بالتغييرات الأخرى خلال الفترة.
التوصيات
قرر أين ينتمي الذكاء الاصطناعي
1. اسرد المهام والمشكلة التي يعالجها كل استخدام للذكاء الاصطناعي. ابدأ من الألم لا من الأداة: صياغة متكررة وفرز بطيء ومعرفة مبعثرة ومراجعات طويلة وتنبيهات ضجيجية. لكل استخدام مرشح، اكتب المشكلة ومن يشعر بها والنتيجة التي ينبغي أن تتحسن والمخاطر. تجاوز الاستخدامات بلا مشكلة واضحة. هذا هو السجل الذي يعلَّق عليه الخط الأساسي والمقاييس.
2. صنّف مخاطرة كل استخدام. أداة تصوغ ملاحظات داخلية تحمل مخاطرة مختلفة عن أخرى تغير أنظمة إنتاج أو ترد على العملاء أو تتخذ قرارات عن الأشخاص. صنّف الاستخدامات بالضرر إن كان المخرج خاطئًا، ومن يتأثر، وهل يراجعه شخص قبل أن يسري. الاستخدامات الأعلى مخاطرة تحتاج مقاييس وعينات وحوكمة أقوى (انظر الموضوع 10.5، مقاييس حوكمة الذكاء الاصطناعي ومخاطره).
3. ابدأ بأناس راغبين ومهام محدودة. جرب مع متطوعين على مهمة شائعة وقابلة للفحص. يعطي المتطوعون ملاحظات صادقة ويكيفون الأداة مع عملهم. المهمة المحدودة تجعل الخطوط الأساسية والمقارنات ممكنة. تجنب البدء بأكثر العمل حساسية.
التقط الخطوط الأساسية وأعدّ المقارنات
4. سجّل الخط الأساسي قبل أول استخدام. لكل حالة استخدام، التقط الحالة الراهنة للمؤشرات: زمن الإكمال ومعدل الجودة أو العيوب وإعادة العمل ورضا المستخدمين والكلفة. خذ ملاحظات كافية لرؤية التباين العادي (انظر الموضوع 1.6، الثقافة الإحصائية لمقاييس الخدمة). أرّخ الخط الأساسي واحتفظ به. خط أساسي يؤخذ بعد الطرح سجل للعالم الجديد.
5. ابنِ مقارنة. حيث أمكن، أبقِ مجموعة مماثلة أو مجموعة مهام لا تستخدم الذكاء الاصطناعي طوال فترة التجربة، أو بدّل الاستخدام بحسب الأسبوع أو نوع المهمة بطريقة عادلة. العشوائية مثالية وكثيرًا غير عملية. قل بوضوح ما تغير أيضًا. بدون مقارنة، تنسب التحسينات الناتجة عن الموسمية أو التوظيف أو التعلم إلى الأداة.
6. قِس الوقت بصدق. الزمن حتى مسودة أولى نادرًا هو المقياس الصحيح. قِس الزمن حتى نتيجة منتهية مفحوصة، بما فيه الصياغة والمراجعة والتصحيح. كثيرًا يبلّغ الناس عن وقت موفَّر بناءً على خطوة التوليد، وتأكل خطوة المراجعة بعضه أو كله. تستحق دراسات الوقت على عينة من المهام الجهد.
قِس الجودة والكلفة
7. خذ عينات من المخرجات ليراجعها أشخاص مؤهلون. كل شهر، اسحب عينة عشوائية من المخرجات المدعومة بالذكاء الاصطناعي ودع شخصًا مؤهلًا يحكم عليها مقابل معيار مكتوب. أبلِغ الدقة وأنواع الأخطاء المكتشفة والاتجاهات. هذه الحماية الرئيسية من انتشار الأخطاء السلسة. أبقِ المراجع مستقلًا عن المنتج، وناوب المراجعين.
8. راقب أنماط القبول والتجاوز. قد يشير معدل قبول مرتفع جدًا إلى تحيز الأتمتة، حيث يقبل الناس دون فحص. وقد يشير معدل منخفض جدًا إلى أداة غير مفيدة. استخدم المعدلات محفزات حوار مع الفريق واسأل ماذا تعني الأرقام في تجربتهم. لا تضع أهدافًا للقبول.
9. عُدّ الكلفة الكاملة لكل مهمة. أدرج رسوم التراخيص والرسوم القائمة على الاستخدام والوقت المنفق في الصياغة والمراجعة والتصحيح والتدريب وجهد الحوكمة. قارن بكلفة الخط الأساسي. أداة تصوغ مسودات بسرعة وتحتاج تصحيحًا ثقيلًا قد تكلف أكثر من الطريقة القديمة. أدرج كلفة الأخطاء التي تصل إلى المستخدمين.
أصلح الجانب البشري
10. احمِ الناس من المراقبة ومن زحف الوتيرة. جمّع بيانات استخدام الذكاء الاصطناعي على مستوى الفريق ولا تستخدمها لتقييم الأفراد. لا تستخدم الاستخدام مقياس أداء. اتفقوا مسبقًا ألا يتحول الوقت الموفَّر آليًا إلى عبء عمل إضافي، وقرروا مع الفريق ماذا تفعلون به: جودة أو تعلم أو تحسين أو عمل آخر. الوتيرة الثابتة هدف تصميمي (انظر الموضوع 9.2، مقاييس الرضا والرفاهية).
11. اسأل من يستخدمونه. تكشف النبضات القصيرة والحوارات ما تفوته الأرقام: أين تساعد الأداة وأين تحبط وأين تنقل العمل من الإنشاء إلى الفحص وهل تغير رضا الوظيفة. عامل الشواغل بشأن المهارات والجودة والأمان الوظيفي باحترام.
12. قرر وانشر وأعد النظر. في نهاية كل تجربة، قرر التوسع أو التكييف أو التوقف، وسجّل الأدلة. شارك النتائج بصدق، بما فيها الصفرية والسلبية. أعد النظر في القرارات مع تغير الأدوات، وهي تتغير بسرعة. استخدام لم يساعد العام الماضي قد يساعد الآن، والعكس.
مسارات التلاعب وحواجز الحماية
| المقياس | كيف يُتلاعب به | حاجز الحماية أو الممارسة المقترنة |
|---|---|---|
| اكتمال الخط الأساسي | تسجيل الخطوط الأساسية بعد الواقعة؛ استخدام مؤشرات مريحة | خطوط أساسية بطوابع تاريخ؛ مراجعة مستقلة لطريقة الخط الأساسي |
| تغطية استخدام الذكاء الاصطناعي | تفويض الاستخدام؛ عدّ استدعاءات تافهة أو آلية | ليست هدفًا أبدًا؛ قارن بحركة النتيجة؛ عُدّ الاستخدام ذا المعنى |
| معدل قبول الاقتراحات وتجاوزها | مكافأة القبول؛ جعل الرفض مرهقًا | لا أهداف؛ دقة المخرجات المراجَعة؛ اسأل المستخدمين عن تجربتهم |
| دقة المخرجات المراجَعة | أخذ عينات من مخرجات سهلة؛ مراجعون متساهلون | عينة عشوائية من مراجعين مستقلين؛ معيار مكتوب؛ تناوب المراجعين |
| زمن المهمة مقابل الخط الأساسي | توقيت التوليد فقط؛ اختيار مهام سهلة | الزمن حتى نتيجة مفحوصة؛ خذ عينات عشوائية من المهام؛ أدرج المراجعة وإعادة العمل |
| الكلفة لكل مهمة مدعومة بالذكاء الاصطناعي | ترك وقت المراجعة أو كلفة الحوكمة | قائمة تحقق بالكلفة الكاملة؛ قارن بدراسات الوقت |
| حركة النتيجة مقابل المقارنة | اختيار مجموعات أو فترات مواتية؛ تجاهل التغييرات الأخرى | مقارنة وفترة متفق عليهما مسبقًا؛ قائمة بالتغييرات الأخرى |
القراءة السليمة خطوط أساسية لكل تجربة، وزمن مقيس حتى نتائج منتهية، ودقة يفحصها أشخاص مؤهلون، وكلف تشمل المراجعة، ونتائج مقارنة بعدل، وفرق تقول إن الأداة تخدم حكمها.
المفاضلات: الإيجابيات والسلبيات
| النهج | نقطة القوة | نقطة الضعف |
|---|---|---|
| تجربة مع متطوعين | ملاحظات صادقة؛ مخاطر منخفضة | المتطوعون متحمسون؛ قد لا تعمم النتائج |
| طرح مفوَّض | تغطية سريعة | استخدام بلا قيمة؛ استياء؛ تلاعب |
| مقارنة مضبوطة | دليل موثوق | جهد؛ ليست ممكنة دائمًا |
| قبل وبعد فقط | بسيط | مربك بتغييرات أخرى |
| وفورات يبلّغ عنها المورد | سهلة الحصول | متفائلة؛ بلا سياق |
| مهام موقوتة خاصة بك | مؤسسة في عملك | تستغرق وقتًا؛ عينات صغيرة |
| مراجعة ثقيلة لكل مخرج | آمنة | تزيل الفائدة |
| مراجعة بالعينات | تتوسع | تفلت بعض الأخطاء |
الجواب العملي تشغيل تجارب صغيرة بخطوط أساسية ومقارنات، وأخذ عينات من المخرجات للجودة، وعدّ الكلفة الكاملة، والقرار بالأدلة. استخدم أرقام الموردين فرضيات تُختبر.
أسئلة للنقاش مع فريقك
1. أين نتوقع أن يساعدنا الذكاء الاصطناعي، وماذا سنرى لو ساعد؟ اسرد الاستخدامات المرشحة ولكل منها المؤشر والخط الأساسي الذي نملكه اليوم. على الميسّر الدفع نحو التحديد: أي مهمة وأي مقياس وأي حجم تغيير سيهم. اختر استخدامًا واحدًا للتجربة واتفقوا على الخط الأساسي.
2. ما الذي سيجعلنا نثق باقتراح ذكاء اصطناعي أو لا نثق، وكيف سنعرف أننا كنا مخطئين؟ ناقشوا حالات كان المخرج فيها خاطئًا وكيف لوحظ. انظروا كيف تعمل المراجعة عمليًا وهل يقود الضغط إلى تجاهلها. اتفقوا على طريقة عينات سيشغلها شخص مستقل.
3. كم من الوقت الذي نوفره سيُنفق في الفحص؟ وقّت مهمة حقيقية واحدة بالأداة وبدونها، بما فيه الصياغة والمراجعة. قارن بما يتوقعه الناس. كثيرًا يكشف الحوار أين المكسب وأين لا.
4. ماذا ينبغي أن نفعل بالوقت الذي نوفره؟ قرروا مسبقًا. تشمل الخيارات عمل الجودة والتعلم والتحسين أو ضغطًا أقل. ناقشوا كيف تمنعون استيعاب الوقت بصمت في طلب أكثر. اتفقوا مع القادة كيف سيحميه الفريق.
5. ماذا لا نريد أن يفعله الذكاء الاصطناعي هنا، ولماذا؟ اسرد المهام التي تحتاج حكمًا بشريًا أو تعاطفًا أو مساءلة. ناقشوا المخاطر على المستخدمين وعلى المهارات. على الميسّر تسجيل الحدود مدخلات للحوكمة.
6. كيف سنعرف متى نتوقف؟ عرّف الدليل الذي سينهي التجربة أو الاستخدام. اتفقوا من يقرر ومتى. تجربة بلا معايير خروج تصبح ثابتة دائمة.
أربعة منظورات
فرق المنتج والتسليم
تستخدم فرق التسليم الذكاء الاصطناعي للشيفرة والاختبارات والمراجعات والتوثيق. وعليها قياس الزمن حتى نتيجة عاملة مراجَعة، ومراقبة الجودة والعيوب، وإبقاء المراجعة البشرية ذات معنى. وعليها مقاومة المقاييس التي تعد الأسطر المولدة أو القبول والإصرار على مقاييس النتيجة مثل العيوب والاستقرار.
فرق الخدمة والعمليات
تستخدم فرق العمليات ومكتب الخدمة الذكاء الاصطناعي للفرز والملخصات والاقتراحات والمراقبة. وعليها مقارنة جودة المعالجة والحل بالخطوط الأساسية، وأخذ عينات من المخرجات، ومراقبة الآثار في المستخدمين والاتصالات المعادة. وينبغي استشارتها قبل وضع الذكاء الاصطناعي أمام المستخدمين.
القيادة والحوكمة
يرعى القادة برامج الذكاء الاصطناعي ويواجهون ضغطًا لإظهار المكاسب. وعليهم الإصرار على الخطوط الأساسية والمقارنات، وتمويل عمل المراجعة، وتجنب أهداف الاستخدام، وحماية الناس من المراقبة وزحف الوتيرة. وعلى الحوكمة اشتراط تصنيف المخاطر والأدلة قبل التوسع.
العملاء والمستخدمون
يلقى المستخدمون الذكاء الاصطناعي في الإجابات والاقتراحات والأفعال الآلية. يريدون مساعدة صحيحة ومفهومة وقدرة على الوصول إلى شخص. وينبغي إخبارهم حين يتفاعلون مع ذكاء اصطناعي حيث يناسب، وملاحظاتهم دليل رئيسي على هل يساعد (انظر الموضوع 6.1، مقاييس رضا العملاء).
في الممارسة: مثال من إدارة الخدمات
تدير مجموعة التقنية في شركة تأمين متوسطة الحجم مكتب خدمة داخليًا لـ4,000 موظف وعدة فرق منتج. تشتري القيادة تراخيص لمساعد ذكاء اصطناعي وتطلب تقريرًا بالوقت الموفَّر بعد ثلاثة أشهر. الأرقام أدناه توضيحية.
تصر رئيسة إدارة الخدمات على خط أساسي. لأشيع مهام مكتب الخدمة، صياغة الردود على طلبات الوصول وكلمات المرور، توقّت 120 بلاغًا حديثًا: وسيط زمن معالجة 11 دقيقة، والنسبة المئوية 85 هي 24، ومعدل إعادة فتح 6 في المئة، ودرجة رضا من الاستبيان ثابتة. تختار فريقين لتجربة المساعد وتبقي فريقين مماثلين مقارنة. وفريقا التجربة متطوعان.
بعد ثمانية أسابيع، وسيط زمن المعالجة لفريقي التجربة 8 دقائق والنسبة المئوية 85 هي 19، مقابل 11 و23 في فرق المقارنة. وتُظهر سجلات الأداة أن الوكلاء يقبلون الاقتراحات كما كُتبت في 52 في المئة من الحالات، ويعدلونها في 38 في المئة، ويرفضونها في 10 في المئة. وعينة عشوائية شهرية من 80 ردًا، يراجعها وكيل كبير ليس في التجربة، تجد 91 في المئة صحيحة تمامًا، والأخطاء مركزة في إجراء نادر الاستخدام أعطى فيه المساعد خطوات قديمة. ويرتفع معدل إعادة الفتح في فرق التجربة قليلًا إلى 7 في المئة، ضمن التباين العادي. وتنخفض الكلفة لكل بلاغ بتواضع بعد حساب التراخيص ووقت المراجعة. ويُظهر استبيان أن الوكلاء يقدرون المسودات ولا يحبون الفحص الإضافي للردود الطويلة. ويقول وكيلان إنهما يشعران بضغط لمعالجة بلاغات أكثر في الساعة.
تبلّغ رئيسة إدارة الخدمات عن توفير وقت نحو الربع عند الوسيط وتذكر التحفظات: فريقان وثمانية أسابيع ومتطوعون ومعدل إعادة فتح يحتاج مراقبة. وتتفق مع القادة أن الوقت الموفَّر سيذهب إلى قاعدة المعرفة والحالات المعقدة، وأن أهداف البلاغات لن ترتفع. ويُصلح الإجراء القديم في قاعدة المعرفة. يطلب مدير كبير استخدامًا إلزاميًا على مستوى الشركة وهدف قبول 80 في المئة. ترفض الهدف، موضحة أن هدف القبول سيكافئ عدم الفحص، وتقترح توسيع التجربة إلى فريقين آخرين بالمقاييس نفسها. يُسجَّل القرار.
الأجايل والذكاء الاصطناعي والأتمتة والتحليلات
الأجايل
أدخل الذكاء الاصطناعي بخطوات صغيرة مع أصحاب المصلحة، بخط أساسي ومقارنة لكل خطوة، وراجع النتيجة في حوار التحسين المنتظم. والتحذير أن طرح الذكاء الاصطناعي في كل مكان دفعة واحدة يزيل مجموعة المقارنة.
الذكاء الاصطناعي
هذا الموضوع كله عن الذكاء الاصطناعي، فالقاعدة بسيطة: سجّل العمل كما هو اليوم، وقِس كل استخدام مقابل ذلك الخط الأساسي ومقابل عمل مماثل أُنجز بدون الذكاء الاصطناعي، واقرن كل مكسب سرعة بمقياس جودة مفحوص. سمِّ مالكًا لكل استخدام، وقرر مسبقًا أين يقرر إنسان. والتحذير أن أرقام الموردين تصف مؤسسات أخرى، فاستخدم بياناتك.
الأتمتة
اجمع أحداث الاستخدام والاقتراح والقبول والتجاوز آليًا، وقِس الأتمتة التي تطبق مخرجات الذكاء الاصطناعي بمعدلات أخطائها وعكسها. والتحذير أن معدلات القبول قد ترتفع لأن الناس يتوقفون عن الفحص، فخذ عينات من المخرجات المقبولة.
التحليلات
أبلِغ الدقة من عينة مراجَعة مع حجم العينة، والنتائج مقابل مقارنة مع الحدود المعلنة. والقرار الذي يفيد فيه هو هل توسّع استخدامًا للذكاء الاصطناعي أو تغيّره أو توقفه. والتحذير أن التجارب الصغيرة تعطي نتائج ضجيجية، فتجنب الوعد برقم من تجربة.
منظور القطاعات
الشركات الناشئة. تُعتمد الأدوات بسرعة وكثيرًا بغير رسمية. التقط خطًا أساسيًا بسيطًا للوقت والعيوب للاستخدام الرئيسي، وأبقِ مراجعة بشرية لأي شيء يواجه العملاء، وتجنب الارتهان لمورد واحد مبكرًا. راقب الأمن وانكشاف البيانات حين يستخدم الموظفون أدوات عامة.
الأعمال الصغيرة. يمكن للمساعدين الجاهزين تقديم مساعدة حقيقية في الصياغة والمهام الروتينية. قِس على نطاق صغير: الوقت لبضع مهام حقيقية ومعدل التصحيحات. كن حذرًا مع البيانات السرية، وافحص شروط المورد عن كيفية استخدام البيانات.
المؤسسات الكبرى. يتطلب الحجم حوكمة ومعايير مشتريات ونهج قياس مشتركًا. شغّل تجارب بمقارنة، وانشر النتائج داخليًا، وشارك الخطوط الأساسية والطرق عبر الفرق. احذر البرامج التي تبلّغ الاستخدام نجاحًا.
الحكومة والقطاع العام. القرارات التي تؤثر في المواطنين قد تخضع لواجبات قانونية بشأن الشفافية والعدالة والمراجعة البشرية. صنّف الاستخدامات بالمخاطر، واحتفظ بسجلات كيف استُخدم الذكاء الاصطناعي في القرارات، وكن منفتحًا بشأنه. تنطبق قواعد المشتريات وحماية البيانات، وفي بعض الولايات القضائية قوانين خاصة بالذكاء الاصطناعي ينبغي فحصها كما هي اليوم (انظر الموضوع 8.5، التقارير التنظيمية والحكومية).
مبررات الأعمال: الدوافع والعائد على الاستثمار والتكلفة الإجمالية للملكية
الكلف هي التراخيص أو الرسوم القائمة على الاستخدام والتكامل والتدريب ووقت التقاط الخطوط الأساسية وتشغيل المقارنات ووقت الناس المنفق في مراجعة المخرجات وتصحيحها وجهد الحوكمة. قد تتوسع الكلف مع الاستخدام وتتغير بتسعير الموردين، فنمذج نطاقًا.
العوائد المحتملة وقت مستعاد على المهام المتكررة، وصياغة وبحث أسرع، وتغطية أفضل للمعرفة، وتخفيف العمل الممل عن الموظفين. هذه احتمالات تُختبر لا افتراضات تُدّخر. ابنِ الحجة من تجاربك: زمن المهمة المقيس حتى نتيجة مفحوصة، والدقة المراجَعة، وإعادة العمل، والكلفة الكاملة لكل مهمة، مقابل الخط الأساسي والمقارنة. تجنب اقتباس نسب إنتاجية من مصادر الموردين أو الاستبيانات ما لم تستطع تتبع الطريقة وملاءمتها لعملك. أدرج مخاطرة الأخطاء التي تصل إلى المستخدمين وكلفة حوكمة الأدوات (انظر الموضوع 7.7، العائد على الاستثمار ومبررات الأعمال).
الأنماط المضادة والمزالق
- إدخال الذكاء الاصطناعي بلا خط أساسي. لا تستطيع معرفة ما تغير. التقطه أولًا.
- قياس سرعة التوليد. قد يختفي الوفر في المراجعة. قِس الزمن حتى نتيجة مفحوصة.
- أهداف الاعتماد. تنتج استخدامًا بلا قيمة. عامل التغطية وصفية.
- الوثوق بادعاءات الموردين. هي فرضيات. اختبرها على عملك.
- مراجعة غير حقيقية. تحيز الأتمتة يحول المراجعة إلى ختم. خذ عينات وافحص باستقلال.
- تحويل الوقت الموفَّر إلى طلب أكثر. يآكل الثقة والوتيرة المستدامة. قرر مسبقًا ما الغرض من الوقت.
- مراقبة الاستخدام الفردي. تولد الخوف. جمّع على مستوى الفريق.
- تجارب بلا نهاية. تصبح دائمة افتراضيًا. ضع معايير خروج.
نموذج النضج
| البُعد | 1 البدء | 2 التطوير | 3 التوحيد | 4 الإدارة | 5 التنسيق |
|---|---|---|---|---|---|
| الغاية والخطوط الأساسية | أدوات تُعتمد بالحماس | حالات استخدام مسرودة | سجل بمشكلة وفئة مخاطر وخط أساسي ومؤشر لكل استخدام | خطوط أساسية ومقارنات مطلوبة قبل التوسع؛ نتائج منشورة | خطوط أساسية وطرق مشتركة عبر الفرق والشركاء؛ استخدامات تُسحب حين تتلاشى الأدلة |
| دليل الفائدة | حكايات وادعاءات موردين | تقديرات وقت غير رسمية | مهام موقوتة؛ دقة بالعينات؛ كلفة كاملة لكل مهمة | حركة النتيجة مقابل المقارنة مبلَّغة مع حدودها | رؤية محفظة أين يساعد الذكاء الاصطناعي، بتعلم مشترك على نطاق واسع |
| الناس والوتيرة | تفويضات؛ مراقبة | عناية غير رسمية | بيانات على مستوى الفريق فقط؛ الوقت الموفَّر يُوزَّع بالاتفاق | الشواغل متتبَّعة؛ المهارات والرضا مقيسان | تصميم استخدام الذكاء الاصطناعي بالاشتراك مع المستخدمين والموظفين؛ وتيرة مستدامة محمية |
قائمة التحقق
- لكل استخدام للذكاء الاصطناعي مشكلة مكتوبة وفئة مخاطر ومالك ومعايير خروج.
- يوجد خط أساسي مؤرخ لكل تجربة قبل أول استخدام.
- مجموعة مقارنة أو مهام مقارنة معرَّفة مسبقًا.
- الوقت مقيس حتى نتيجة منتهية مفحوصة.
- تؤخذ عينات من المخرجات شهريًا ويراجعها أشخاص مؤهلون ومستقلون.
- تشمل الكلفة الكاملة لكل مهمة المراجعة وإعادة العمل.
- بيانات الاستخدام مجمعة على مستوى الفريق ولا تُستخدم للأفراد.
- اتفق الفريق على ما يفعله بالوقت الموفَّر.
- يُسأل المستخدمون عن تجربتهم مع الأداة.
- تنتهي التجارب بقرار مسجل للتوسع أو التكييف أو التوقف.
موجِّهات الذكاء الاصطناعي
صغ إدخال حالة استخدام.
We are considering using AI for [task] in [team and service]. Draft a use case
register entry: the problem and who feels it, the outcome that should improve,
risk classification and why, the human review step, baseline indicators to
capture now, a comparison approach, cost components to track, exit criteria,
and questions for the team. Do not assume specific vendor features or claim
benefits. List your assumptions.
صمم دراسة مهام موقوتة.
Design a small study to measure the effect of an AI assistant on [task]. Propose
how to select tasks, how to compare with and without the tool fairly, what to
time (including prompting, review, and correction), how to judge output quality,
and how to avoid bias. Keep it practical for a team of [number] people.
Do not state expected results. List your assumptions and limits of the design.
خطط لأخذ عينات المخرجات.
Our AI-assisted outputs per month are about [number] of types [list]. Design a
monthly random sampling and review process: sample size and selection method (with
the reasoning, avoiding overstated precision), who reviews, the written standard,
error categories, how to report, and how to use findings. List your assumptions
and risks.
قرر ماذا تفعل بالوقت الموفَّر.
Our pilot saved a median of [value] per task for [number] tasks per week in
[team]. Suggest options for using the time that support quality, learning, and
a sustainable pace, with the trade-offs and risks of each, and a way to agree
the choice with the team and leaders. Do not assume the savings will persist.
List your assumptions.
مهارات الذكاء الاصطناعي
- Service Management Metrics skill: استخدمها لإيجاد حاجز الحماية المقترن بمقياس متعلق بالذكاء الاصطناعي قبل أن تبلّغ عنه.
- Service Management Metrics maintainer skill: استخدمها للتحقق من أن إدخال مقياس ذكاء اصطناعي يسجل خطه الأساسي ومقارنته ومسار تلاعبه وحاجز حمايته.
أهم الخلاصات
- التقط خطًا أساسيًا مؤرخًا قبل استخدام الذكاء الاصطناعي، وقارن بعمل مماثل أُنجز بدونه.
- قِس الزمن حتى نتيجة منتهية مفحوصة، وخذ عينات من المخرجات للدقة مع مراجعين مستقلين.
- عُدّ الكلفة الكاملة، بما فيها المراجعة وإعادة العمل.
- عامل الاستخدام والقبول وصفيين، لا أهدافًا أبدًا.
- قرر مسبقًا ماذا تفعل بالوقت الموفَّر، وحافظ على وتيرة مستدامة.
- أبقِ بيانات الاستخدام على مستوى الفريق، وأنهِ كل تجربة بقرار مسجل.
المراجع والقراءات الإضافية
- National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, 2023.
- ISO/IEC 42001, Information technology: Artificial intelligence: Management system, International Organization for Standardization, 2023.
- Parasuraman, R., and Manzey, D. H., "Complacency and bias in human use of automation: An attentional integration," Human Factors, 52(3), 2010.
- Bender, E. M., Gebru, T., McMillan-Major, A., and Shmitchell, S., "On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?" Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 2021.
- Russell, S., and Norvig, P., Artificial Intelligence: A Modern Approach, 4th ed., Pearson, 2020.
- Beck, K., et al., Principles behind the Agile Manifesto, 2001, https://agilemanifesto.org/principles.html.
- Wikipedia, Artificial intelligence.
- Wikipedia, Machine learning.
- Wikipedia, Generative artificial intelligence.
- Wikipedia, Large language model.
- Wikipedia, AIOps.
- Wikipedia, Human-in-the-loop.
- Wikipedia, Automation bias.
- Wikipedia, Hallucination (artificial intelligence).
- Wikipedia, Goodhart's law.