شركة الاتصالات العملاقة فودافون ليست غريبة على عالم الذكاء الاصطناعي (AI) artificial intelligence والتعلم الآلي (ML) machine learning، بعد أن استخدمت التكنولوجيا لسنوات، مع مئات من علماء البيانات الذين قاموا ببناء آلاف النماذج.
بينما كانت شركة Vodafone قادرة على نشر الذكاء الاصطناعي والاستفادة منه، فقد واجهت على مدار السنوات العديدة الماضية عددًا من التحديات بشكل متزايد. من بين التحديات، كانت قضية توسيع أعباء عمل الذكاء الاصطناعي في نهج موحد وقابل للتكرار. واجهت Vodafone أيضًا مشكلات تتعلق بالسرعة والأمان.
في جلسة في حدث Google Cloud Next 2022 هذا الأسبوع، قدم سيباستيان ماثاليكونيل، رئيس استراتيجية الذكاء الاصطناعي في فودافون، بالتفصيل المشكلات التي تواجهها مؤسسته وما يتعين عليها فعله للمساعدة في التغلب عليها.
قال ماثاليكونيل: "فودافون ناضجة جدًا في رحلتها في مجال علوم البيانات". "ولكن بالنظر إلى الوراء قبل عامين، كانت هذه المشكلة الدقيقة المتعلقة بحجم ونطاق عمليات علم بيانات فودافون هي التي دفعتنا إلى الاعتقاد بأنه يمكن أن تكون لدينا مشكلة بين أيدينا".
AI Booster للإنقاذ
قال Mathalikunnel أنه قبل عامين، استغرق الأمر عدة خطوات لأي عالم بيانات من شركة Vodafone لإعداد بيئة إنتاج وتشغيلها في Google Cloud.
لم تكن هناك خطوات متعددة فحسب، بل كانت العديد من هذه الخطوات يدوية بطبيعتها، وتتطلب وقتًا لإعدادها. أدى هذا الموقف أيضًا إلى العديد من عمليات النشر المخصصة حيث كان نشر Google Cloud AI لعالم بيانات مختلفًا عن نشر آخر.
وأوضح أن شركة فودافون تواجه تحديات التوسع الرأسي والأفقي. كانت التحديات الأفقية من محاولة تكرار عبء العمل عبر الأسواق، وهو أمر صعب لأن كل بيئة كانت مختلفة. كانت مشكلات القياس الرأسي تتعلق بالوقت والجهد المستغرقين للانتقال من دفتر ملاحظات علم البيانات، إلى إثبات المفهوم، ثم إلى الإنتاج بأسرع طريقة ممكنة.
ولتحقيق هذه الغاية، طورت Vodafone منصة أطلق عليها AI Booster، والتي تهدف إلى المساعدة في حل تحديات التوسع من خلال مجموعة موحدة من الأدوات والعمليات. يعتمد AI Booster على العديد من مكونات Google Cloud بما في ذلك Vertex AI و Cloud Build و Artifact Registry و BigQuery.
قال ماثاليكونيل: "نحن ننتقل من نهج مخصص قائم على الترميز إلى هندسة التعلم الآلي، إلى نهج يعمل فيه كل شيء بناءً على المكونات القياسية وخطوط الأنابيب التي تربط هذه المكونات معًا".
تحسين توحيد الذكاء الاصطناعي من خلال عقد البيانات
وأشار ماثاليكونيل إلى أنه بينما كانت فودافون تمر بعملية بناء AI Booster، فقد حددت أيضًا المجالات التي يمكن تحسين العمليات فيها بشكل كبير.
على سبيل المثال، قبل AI Booster، قال إنه عندما قامت Vodafone بتحليل أي عبء عمل ML كان قيد التشغيل، كان ما يقرب من 30 إلى 35% من هذا الرمز مرتبطًا ببساطة بجودة البيانات والتحقق من صحة البيانات. تقوم Vodafone الآن بأتمتة الكثير من هذا العمل باستخدام نهج عقد البيانات.
أوضح ماثيكونيل أنه عندما يتم استيعاب البيانات لأول مرة من قبل فودافون، فإنه يطلق تحليلًا للبيانات من حيث توزيعها وخصائصها المختلفة، والتي تشكل بعد ذلك عقدًا. ما تفعله فودافون بعد ذلك هو الحصول على اتفاق واسع ضد هذا العقد مع مختلف أصحاب المصلحة، مثل علماء البيانات ومالكي البيانات. بمجرد أن يكون هناك اتفاق على أن خصائص البيانات هي ما يريده أصحاب المصلحة، فإن Vodafone تلتزم بالعودة إلى خط أنابيب AI Booster.
عند تشغيل خط أنابيب AI Booster، قال Mathalikunnel إنه قادر على التحقق تلقائيًا من أن البيانات تفي بالمتطلبات التي تم التوقيع عليها مقابلها.
إحدى حالات الاستخدام التي استخدمت فيها Vodafone AI Booster هي صافي نقاط الترويج (NPS) Net Promoter Score للشركة. NPS هو مقياس يهدف إلى المساعدة في توقع رضا العميل عن فودافون.
قال ماثاليكونيل: "ما نحاول القيام به مع NPS هو محاولة التعرف على أو قياس سعادة عملائنا بمنتجاتنا". "كما يمكنك أن تتخيل، إنها حالة استخدام مهمة جدًا بالنسبة لنا".
بينما كانت شركة Vodafone قادرة على نشر الذكاء الاصطناعي والاستفادة منه، فقد واجهت على مدار السنوات العديدة الماضية عددًا من التحديات بشكل متزايد. من بين التحديات، كانت قضية توسيع أعباء عمل الذكاء الاصطناعي في نهج موحد وقابل للتكرار. واجهت Vodafone أيضًا مشكلات تتعلق بالسرعة والأمان.
في جلسة في حدث Google Cloud Next 2022 هذا الأسبوع، قدم سيباستيان ماثاليكونيل، رئيس استراتيجية الذكاء الاصطناعي في فودافون، بالتفصيل المشكلات التي تواجهها مؤسسته وما يتعين عليها فعله للمساعدة في التغلب عليها.
قال ماثاليكونيل: "فودافون ناضجة جدًا في رحلتها في مجال علوم البيانات". "ولكن بالنظر إلى الوراء قبل عامين، كانت هذه المشكلة الدقيقة المتعلقة بحجم ونطاق عمليات علم بيانات فودافون هي التي دفعتنا إلى الاعتقاد بأنه يمكن أن تكون لدينا مشكلة بين أيدينا".
AI Booster للإنقاذ
قال Mathalikunnel أنه قبل عامين، استغرق الأمر عدة خطوات لأي عالم بيانات من شركة Vodafone لإعداد بيئة إنتاج وتشغيلها في Google Cloud.
لم تكن هناك خطوات متعددة فحسب، بل كانت العديد من هذه الخطوات يدوية بطبيعتها، وتتطلب وقتًا لإعدادها. أدى هذا الموقف أيضًا إلى العديد من عمليات النشر المخصصة حيث كان نشر Google Cloud AI لعالم بيانات مختلفًا عن نشر آخر.
وأوضح أن شركة فودافون تواجه تحديات التوسع الرأسي والأفقي. كانت التحديات الأفقية من محاولة تكرار عبء العمل عبر الأسواق، وهو أمر صعب لأن كل بيئة كانت مختلفة. كانت مشكلات القياس الرأسي تتعلق بالوقت والجهد المستغرقين للانتقال من دفتر ملاحظات علم البيانات، إلى إثبات المفهوم، ثم إلى الإنتاج بأسرع طريقة ممكنة.
ولتحقيق هذه الغاية، طورت Vodafone منصة أطلق عليها AI Booster، والتي تهدف إلى المساعدة في حل تحديات التوسع من خلال مجموعة موحدة من الأدوات والعمليات. يعتمد AI Booster على العديد من مكونات Google Cloud بما في ذلك Vertex AI و Cloud Build و Artifact Registry و BigQuery.
قال ماثاليكونيل: "نحن ننتقل من نهج مخصص قائم على الترميز إلى هندسة التعلم الآلي، إلى نهج يعمل فيه كل شيء بناءً على المكونات القياسية وخطوط الأنابيب التي تربط هذه المكونات معًا".
تحسين توحيد الذكاء الاصطناعي من خلال عقد البيانات
وأشار ماثاليكونيل إلى أنه بينما كانت فودافون تمر بعملية بناء AI Booster، فقد حددت أيضًا المجالات التي يمكن تحسين العمليات فيها بشكل كبير.
على سبيل المثال، قبل AI Booster، قال إنه عندما قامت Vodafone بتحليل أي عبء عمل ML كان قيد التشغيل، كان ما يقرب من 30 إلى 35% من هذا الرمز مرتبطًا ببساطة بجودة البيانات والتحقق من صحة البيانات. تقوم Vodafone الآن بأتمتة الكثير من هذا العمل باستخدام نهج عقد البيانات.
أوضح ماثيكونيل أنه عندما يتم استيعاب البيانات لأول مرة من قبل فودافون، فإنه يطلق تحليلًا للبيانات من حيث توزيعها وخصائصها المختلفة، والتي تشكل بعد ذلك عقدًا. ما تفعله فودافون بعد ذلك هو الحصول على اتفاق واسع ضد هذا العقد مع مختلف أصحاب المصلحة، مثل علماء البيانات ومالكي البيانات. بمجرد أن يكون هناك اتفاق على أن خصائص البيانات هي ما يريده أصحاب المصلحة، فإن Vodafone تلتزم بالعودة إلى خط أنابيب AI Booster.
عند تشغيل خط أنابيب AI Booster، قال Mathalikunnel إنه قادر على التحقق تلقائيًا من أن البيانات تفي بالمتطلبات التي تم التوقيع عليها مقابلها.
إحدى حالات الاستخدام التي استخدمت فيها Vodafone AI Booster هي صافي نقاط الترويج (NPS) Net Promoter Score للشركة. NPS هو مقياس يهدف إلى المساعدة في توقع رضا العميل عن فودافون.
قال ماثاليكونيل: "ما نحاول القيام به مع NPS هو محاولة التعرف على أو قياس سعادة عملائنا بمنتجاتنا". "كما يمكنك أن تتخيل، إنها حالة استخدام مهمة جدًا بالنسبة لنا".
