قال شيت كابور، رئيس مجلس الإدارة والرئيس التنفيذي لشركة إدارة البيانات DataStax: “لا يوجد ذكاء اصطناعي بدون بيانات، ولا يوجد ذكاء اصطناعي بدون بيانات غير منظمة، ولا يوجد ذكاء اصطناعي بدون بيانات غير منظمة على نطاق واسع”.

كان كابور يبدأ محادثة في TechCrunch Disrupt 2024 حول “خطوط أنابيب البيانات الجديدة” في سياق تطبيقات الذكاء الاصطناعي الحديثة، حيث انضمت إليه فانيسا لاركو، الشريكة في شركة VC NEA؛ وجورج فريزر، الرئيس التنفيذي لمنصة تكامل البيانات Fivetran. بينما غطت الدردشة قواعد متعددة، مثل أهمية جودة البيانات ودور البيانات في الوقت الفعلي في الذكاء الاصطناعي التوليدي، كانت إحدى أهم الوجبات السريعة هي أهمية إعطاء الأولوية لملاءمة سوق المنتجات على نطاق واسع في ما لا يزال حقًا في الأيام الأولى من الذكاء الاصطناعي. إن النصيحة الموجهة للشركات التي تتطلع إلى القفز إلى عالم الذكاء الاصطناعي التوليدي المذهل واضحة ومباشرة – لا تكن طموحًا بشكل مفرط في البداية، وركز على التقدم العملي التدريجي. السبب؟ نحن حقا لا نزال نكتشف كل شيء.

وقال كابور: “إن أهم شيء بالنسبة للذكاء الاصطناعي التوليدي هو أن الأمر كله يعود إلى الناس”. “إن فرق التدخل السريع التي تنطلق فعليًا وتبني المشاريع القليلة الأولى – فهي لا تقرأ دليلاً؛ إنهم يكتبون الدليل لكيفية عمل تطبيقات الذكاء الاصطناعي التوليدية.

على الرغم من أن البيانات والذكاء الاصطناعي يسيران جنبًا إلى جنب، إلا أنه من السهل أن تغمرك الكمية الهائلة من البيانات التي قد تكون لدى الشركة، وبعضها قد يكون حساسًا ويخضع لحماية صارمة، وربما يتم تخزينها عبر عدد لا يحصى من المواقع. اقترح لاركو، الذي يعمل مع (ويجلس في مجلس إدارة) العديد من الشركات الناشئة عبر طيف B2C وB2B، نهجًا بسيطًا ولكن عمليًا لفتح القيمة الحقيقية في هذه الأيام الأولى.

“اعمل بشكل عكسي على ما تحاول تحقيقه – ما الذي تحاول حله، وما هي البيانات التي تحتاجها؟” قال لاركو. “ابحث عن تلك البيانات أينما وجدت، ثم استخدمها لهذا الغرض.”

وهذا على النقيض من محاولة نشر الذكاء الاصطناعي التوليدي عبر الشركة بأكملها منذ البداية، وإلقاء جميع بياناتهم على نموذج اللغة الكبير (LLM) على أمل أن يلفظ الشيء الصحيح في النهاية. وهذا، وفقًا لاركو، من المحتمل أن يخلق فوضى غير دقيقة ومكلفة. قالت: “ابدأ صغيرًا”. “ما نشهده هو أن الشركات تبدأ صغيرة، بتطبيقات داخلية، وبأهداف محددة للغاية، ثم تجد البيانات التي تتوافق مع ما تحاول تحقيقه.”

اقترح فريزر، الذي قاد منصة “حركة البيانات” Fivetran منذ إنشائها قبل 12 عامًا، وجمع عملاء من الأسماء الكبيرة مثل OpenAI وSalesforce في الطريق، أن الشركات يجب أن تركز بشكل ضيق على المشكلات الحقيقية التي تواجهها في الوقت الحالي.

“فقط قم بحل المشاكل التي تواجهها اليوم؛ قال فريزر: “هذا هو الشعار”. “تكاليف الابتكار تبلغ دائمًا 99% في الأشياء التي بنيتها ولم تنجح، وليس في الأشياء التي نجحت والتي كنت تتمنى أن تكون قد خططت لتوسيع نطاقها مسبقًا. وعلى الرغم من أن هذه هي المشكلات التي نفكر فيها دائمًا بأثر رجعي، إلا أنها لا تمثل 99% من التكلفة التي تتحملها.

مثلما هو الحال في الأيام الأولى للويب، ومؤخرًا، ثورة الهواتف الذكية، أظهرت التطبيقات المبكرة وحالات الاستخدام للذكاء الاصطناعي التوليدي لمحات عن مستقبل قوي جديد مدعوم بالذكاء الاصطناعي. لكن حتى الآن، لم يغيروا قواعد اللعبة بالضرورة.

قال كابور: “أسمي هذا عصر Angry Birds للذكاء الاصطناعي التوليدي”. “إن ذلك لم يغير حياتي تمامًا، ولم يقم أحد بغسل ملابسي بعد. هذا العام، كل مؤسسة أعمل معها تضع شيئًا ما في مرحلة الإنتاج – صغيرًا وداخليًا، ولكن تضعه في مرحلة الإنتاج لأنها في الواقع تعمل على حل مكامن الخلل، حول كيفية تشكيل الفرق لتحقيق ذلك. العام المقبل هو ما أسميه عام التحول، عندما يبدأ الأشخاص في استخدام التطبيقات التي تبدأ فعليًا في تغيير مسار الشركة التي يعملون بها.