لا يطلب منك أصحاب المصلحة مجرد تحليل للبيانات، بل يطلبون تحديثاً جاهزاً لاتخاذ القرار. لديك بالفعل سير عمل يحوّل نتائج الاستعلامات إلى مخططات بيانية، ويحوّل تلك المخططات إلى سرد قصصي. يمكن للذكاء الاصطناعي تسريع أجزاء من سير العمل هذا، لكنه لا يتحمل عواقب وجود مخطط مضلل أو عنوان يتسم بثقة مفرطة؛ فالمحلل هو المسؤول عن تلك العواقب لأنه هو من يسلّم المخرجات النهائية.
تعامل مع الذكاء الاصطناعي باعتباره مساعداً في إعداد المسودات ضمن عملية إعداد تقارير محكومة بضوابط؛ إذ يمكنه اقتراح أنواع المخططات وهياكل الشرائح التقديمية وصياغة ملخصات بلغة بسيطة وواضحة. ومع ذلك، يقع على عاتق المحلل اعتماد دقة المخطط وملاءمته للجمهور المستهدف وصحة التفسير؛ فإذا اختلّ أي من هذه العناصر الثلاثة، يفشل التقرير، حتى وإن كانت جميع الأرقام الواردة فيه صحيحة من الناحية الفنية.
استكشف كيف تتغير دورة إعداد التقارير -من البداية إلى النهاية- عند دمج الذكاء الاصطناعي فيها.
يُقصد بـ LLM (النموذج اللغوي الكبير) ذلك النموذج الذي يولد النصوص والأكواد البرمجية من خلال التنبؤ بالعناصر (أو الرموز) التالية المحتملة بناءً على المدخلات. أما المُطالَبة (أو “البرومبت” - Prompt) فهي التعليمات التي تقدمها للنموذج، بما في ذلك القيود وتنسيق المخرجات المطلوب. وتُعرف نافذة السياق (Context window) بأنها الحد الأقصى لحجم النص الذي يمكن للنموذج معالجته دفعة واحدة؛ وهذا يعني أن أجزاءً من المستندات الطويلة قد تُتجاهل إذا لم تتحكم بدقة في المحتوى الذي تقوم بإدخاله.
تُشير الهلوسة (Hallucination) إلى محتوى مُختلَق يُعرض وكأنه مستمد من بياناتك أو مصادرك. وهي تختلف عن “خطأ التقريب” (Rounding error) -الذي يمثل فرقاً رقمياً بسيطاً ومُبرراً ناتجاً عن التنسيق أو التجميع- كما تختلف عن “البيانات المتقادمة” (Stale data) -التي تعني رقماً صحيحاً ولكن مستمداً من عملية تحديث غير مناسبة. ويكون الذكاء الاصطناعي عرضة للهلوسة عندما تطلب منه تفاصيل لا يمكنه الوصول إليها أو رؤيتها.
أما المخرجات المستندة إلى حقائق (Grounded output) فهي عبارة أو معلومة مرتبطة بشكل صريح بالبيانات والتعريفات والنطاقات الزمنية المُقدَّمة. ويضمن المحلل هذا الاستناد إلى الحقائق من خلال توفير المصادر ومطابقة ما يورده النموذج مع تلك المصادر.
تعرّف على كيفية ارتباط هذه المصطلحات بمخاطر حقيقية تواجه عملية إعداد التقارير.
يتميز الذكاء الاصطناعي بقدرة عالية على توليد الخيارات بسرعة؛ إذ يمكنه صياغة ثلاثة عناوين بديلة للرسم البياني نفسه، وتحويل المصطلحات التقنية المعقدة إلى لغة مفهومة لأصحاب المصلحة، وإعادة صياغة الجداول في شكل سردي مناسب للشرائح التقديمية. وتُعد هذه المزايا مكاسب إنتاجية لأنها تختصر الوقت اللازم للإعداد والصياغة.
في المقابل، تظهر نقاط ضعف الذكاء الاصطناعي في الجوانب التي تتطلب تحمل المسؤولية؛ فقد يختار النموذج تلقائياً نوعاً معيناً من الرسوم البيانية حتى لو كان ينطوي على مغالطة منطقية (مثل استخدام رسم بياني خطي يوحي بالاستمرارية في حين أن المقياس يُرصد شهرياً فقط). كما يميل النموذج افتراضياً إلى الخيارات ذات التأثير البصري القوي -مثل بتر المحور الرأسي (y-axis)- ما لم يتم توجيهه بغير ذلك.
لذا، يتعين على المحلل التحقق بوضوح من ثلاثة أمور قبل عرض أي محتوى على أصحاب المصلحة: استخدام النطاق الزمني الصحيح للبيانات وتعريفات دقيقة للقطاعات؛ والتأكد من أن مقاييس المحاور وطرق تجميع البيانات لا تشوه حجم القيم أو تباينها؛ ومطابقة العنوان لما تدعمه البيانات فعلياً، وليس مجرد السعي وراء صياغة مقنعة.
عليك تقييم مدى قابلية الادعاءات الواردة في الشرائح التي صاغها الذكاء الاصطناعي للدفاع عنها وإثبات صحتها أمام جمهور محدد من المديرين التنفيذيين.