أنت المسؤول عن إعداد التحديث الأسبوعي لمؤشرات الأداء الرئيسية (KPIs) الموجه للإدارة العليا بخصوص منتج يعتمد على نظام الاشتراكات. تعتمد المهمة على مجموعة بيانات تحمل الاسم subscriptions_kpi_daily وتتضمن 18,250 صفاً تغطي الفترة من 1 يناير 2026 إلى 30 يونيو 2026، مع تصنيف البيانات حسب فئة الخطة (plan_tier) وقناة الاستحواذ على العملاء (acquisition_channel). يطرح نائب الرئيس سؤالاً واحداً: هل تحسنت معدلات الاحتفاظ بالعملاء بعد إطلاق عملية التهيئة (onboarding) الجديدة في 15 مايو 2026؟ وإذا كان الجواب بالإيجاب، فما هي فئات الخطط التي شهدت هذا التحسن؟
يمكن للذكاء الاصطناعي إعداد الرسوم البيانية وصياغة النصوص بسرعة، لكنه لا يتحمل المخاطر التجارية المترتبة على عرض أرقام مضللة؛ فهذه المسؤولية تقع على عاتقك أنت. فإذا قدم الرسم البياني صورة خاطئة عن معدلات الاحتفاظ بالعملاء نتيجة لاقتصاص المحور أو انتقاء فترة زمنية محددة بعناية (cherry-picking) لإظهار نتائج معينة، فإن تبعات هذا الخطأ تقع بالكامل على عاتق المحلل الذي نشر الرسم البياني، وليس الأداة التي قامت بإنشائه.
ألقِ نظرة على مسودة العرض الموجه للإدارة العليا، وتأمل جيداً ما الذي ستضع اسمك وتوقيعك عليه.
في هذه الدورة، تعامل مع LLM (النموذج اللغوي الكبير) باعتباره نموذجاً يولد النصوص والأكواد والمقترحات المنظمة بناءً على مطابقة الأنماط، وليس من خلال التحقق الفعلي من قاعدة بياناتك. وتكتسب هذه التفرقة أهمية بالغة؛ لأن النموذج اللغوي الكبير قد يولد بسهولة استعلام SQL يبدو منطقياً وصحيحاً ولكنه يعيد تعريفاً خاطئاً للمجموعة (cohort)، ومع ذلك ستظل أنت المسؤول الأول عن دقة المقياس الناتج.
تنتج أدوات الذكاء الاصطناعي المختلفة مخرجات متنوعة؛ إذ تولد مساعدات البرمجة أكواداً بلغات مثل Python وR وSQL أو مواصفات للرسوم البيانية مثل vega-lite. وتعمل أدوات المساعدة في ذكاء الأعمال (BI copilots) على إنشاء حقول محسوبة (مثل صيغ DAX) وعوامل تصفية وتخطيطات للوحات المعلومات (dashboards). كما تقوم مولدات السرد بصياغة فقرات تنفيذية وعناوين رئيسية، بينما تقترح أدوات التوصية بالرسوم البيانية أنواعاً محددة للرسوم وطرقاً لترميز البيانات، مثل تعيين “التاريخ” (date) للمحور السيني (x-axis) و"معدل الاحتفاظ" (retention_rate) للمحور الصادي (y-axis).
استكشف كيف ترتبط أنواع الأدوات هذه بالمخرجات النهائية التي تقدمها في عملك.
لا يضيع معظم الوقت في رسم الأعمدة البيانية، بل في تحويل نوايا أصحاب المصلحة غير الواضحة إلى مقياس دقيق، والتعامل مع التعديلات والمراجعات، وترك مسار واضح من الخطوات والمعلومات يتيح لأي شخص آخر إعادة إنشاء الرسم البياني في الشهر التالي.
يُسرّع الذكاء الاصطناعي عملية إعداد المسودة الأولى؛ إذ يمكنك أن تطلب منه اقتراح رسوم بيانية لمعدلات الاحتفاظ بالعملاء (Retention) مصنفة حسب “فئة الخطة” (plan_tier) للفترة المحيطة بتاريخ 15 مايو 2026، وسيقوم بتوليد نقطة انطلاق بسرعة. لكن وتيرة العمل تتباطأ مجدداً عند إجراء عمليات التحقق الضرورية التي لا تقبل التهاون؛ حيث يتعين عليك التحقق من تعريف المجموعة (cohort)، وتأكيد القاسم المستخدم في الحساب، ومراجعة النطاق الزمني، وفحص مقاييس المحاور. وإذا اقترح الذكاء الاصطناعي رسماً بيانياً بمحورين، فعليك تقييم ما إذا كان ذلك ينطوي على حجة أو استنتاج لا يمكنك الدفاع عنه.
تعرّف على دور الذكاء الاصطناعي ضمن سير عمل واقعي لتحديث مؤشرات الأداء الرئيسية (KPIs).