بلوprint Andrew Ng لتسريع الابتكار في الذكاء الاصطناعي المؤسسي: ابدأ بالرمل، ثم أضف الحماية
VB Transform يجمع بين صُنّاع الاستراتيجيات الحقيقية للذكاء الاصطناعي في المؤسسات.
رغم قلق بعض المؤسسات من تأثير تطبيقات الذكاء الاصطناعي عند دخولها حيّز الإنتاج، فإن وضع الضوابط منذ البداية قد يعيق الابتكار.
أندرو نغ، مؤسس DeepLearning AI وأحد أبرز الشخصيات في مجال الذكاء الاصطناعي، شدّد في جلسة حوارية خلال مؤتمر VB Transform على أهمية أدوات الرصد (Observability) والضوابط (Guardrails) عند تطوير الذكاء الاصطناعي، لكنه أشار إلى أنه لا يجب أن تكون هذه الأدوات على حساب النمو والابتكار.
نغ: “ابدأ بصناديق الرمل، ثم أضف الضوابط”
يقترح نغ أن تبدأ المؤسسات في بناء النماذج داخل بيئات اختبار معزولة (Sandboxes) لتجربة المشاريع بسرعة، ثم اختيار النماذج الناجحة فقط للاستثمار فيها وتطبيق أدوات الرصد والضوابط عليها لاحقًا.
قال نغ:
“هناك دور مهم لأدوات الرصد والسلامة، لكني عادة أضعها في مرحلة لاحقة. السبب؟ في الشركات الكبرى، يتوقف كل شيء عندما يُطلب من المهندسين موافقة خمسة نواب للرئيس لتجربة أي فكرة جديدة.”
وأضاف:
“الشركات الكبيرة لا تستطيع أن تغامر بإطلاق شيء يضر بسمعتها أو يتعامل مع معلومات حساسة، لكن الإفراط في الحذر قد يُعطل الابتكار.”
صناديق الرمل: الابتكار بأقل مخاطر
بيئات Sandboxes تسمح للفرق بتجربة الأفكار بسرعة دون التعامل مع بيانات حساسة، ما يُتيح للمؤسسة التركيز فقط على المشاريع القابلة للتطبيق، ومن ثم الاستثمار في أدوات الحماية والمراقبة عند الحاجة.
العديد من المؤسسات تستخدم بالفعل هذه البيئة لاختبار وكلاء الذكاء الاصطناعي، خاصة أنها توفر مساحة للإبداع دون المساس بأمن البيانات.
الرصد والشفافية في مرحلة الإنتاج
مع دخول تطبيقات الذكاء الاصطناعي إلى مراحل الإنتاج، أصبح الرصد أولوية. مثال على ذلك:
-
شركة Salesforce قامت مؤخرًا بتحديث مكتبة وكلائها Agentforce 3 لتعزيز مراقبة الأداء ودعم معايير التوافق مثل MCP.
السرعة وانخفاض تكلفة التجريب
يرى نغ أن السرعة والابتكار متلازمان، قائلاً:
“تخيل أنك على متن قطار أفعواني بطيء، لكن خلال العام الماضي بدأ يتحرك بسرعة فائقة. الأمر مشوق لأنه يعني أننا نتقدم.”
السبب؟ أدوات مثل Windsurf وGitHub Copilot قللت زمن التطوير بشكل كبير:
“مشاريع كانت تستغرق مني 3 أشهر وستة مهندسين، الآن يمكن تنفيذها خلال أيام.”
كما أن تكلفة إنشاء نماذج أولية (POCs) أصبحت منخفضة للغاية، مما يُشجع على تجربة العديد منها دون مخاطر مالية كبيرة.
التحدي الأكبر: المواهب المؤهلة
رغم تطور الأدوات، فإن المشكلة الحقيقية تكمن في نقص المواهب المؤهلة لبناء مشاريع الذكاء الاصطناعي في المؤسسات.
نغ أشار إلى أن هناك شركات توظف مهندسي النماذج الأساسية (Foundation Models) برواتب تصل إلى 10 ملايين دولار، لكنه طمأن بأن:
“رواتب مهندسي التطبيقات العادية أقل بكثير.”
لذا، الحل في رأيه هو منح المهندسين فرصة التجريب داخل صناديق الرمل لبناء الخبرة العملية.
