اعتمدت شركة لتحليلات سلسلة الإمداد نموذجًا للتنبؤ بالطلب مدعومًا بالذكاء الاصطناعي من مورّد متخصص قبل أربعة عشر شهرًا. وقد نُفِّذ الاعتماد بعناية: عُويِر النموذج مقارنةً ببيانات الطلب التاريخية، ودُمج مع نظام المشتريات، وتُحقِّق منه عبر تشغيل موازٍ لمدة ثلاثة أشهر أكّد تفوقه على النهج السابق القائم على القواعد لدى الشركة. وأصبح النموذج بالغ الأهمية تشغيليًا، إذ اعتمد عليه تخطيط المشتريات وتحسين المخزون وتخصيص طاقة المورّدين. وعندما أعلن المورّد قراره إيقاف النموذج خلال تسعين يومًا، إذ كان يجري الاستحواذ عليه ولم تتضمن محفظة منتجات الشركة المستحوذة منتج التنبؤ، بدأ فريق تحليلات سلسلة الإمداد تقييم خياراته. فاكتشف ما يلي: لم يُحتفظ ببيانات الطلب التاريخية المستخدمة في معايرة النموذج بصيغة مناسبة لتدريب بديل؛ وقرارات هندسة السمات التي أنتجت الأداء القوي للنموذج نفّذها المورّد ولم تُوثَّق بصيغة يستطيع فريق علوم البيانات في الشركة إعادة إنتاجها؛ ولم تقيّم الشركة أي نماذج تنبؤ بديلة خلال الأشهر الأربعة عشر من التشغيل الناجح؛ وكانت قائمة الأنظمة والعمليات اللاحقة المعتمدة على صيغة المخرجات المحددة للنموذج غير مكتملة، إذ بُنيت عدة نقاط تكامل بشكل غير رسمي دون توثيق. تسعون يومًا لإعادة بناء أربعة عشر شهرًا من أعمال المعايرة وهندسة السمات والتكامل. كان الاعتماد متأنيًا وكان التنفيذ فعالًا. لكن التخطيط للاستمرارية كان غائبًا.
ما التخطيط لاستمرارية الذكاء الاصطناعي والخروج حقًا؟
التخطيط لاستمرارية الذكاء الاصطناعي والخروج هو مجموعة الممارسات التي تضمن قدرة المؤسسة على الحفاظ على استمرارية الأعمال حين يُوقَف نموذج لدى مورّد ذكاء اصطناعي، أو يخرج مورّد من السوق، أو يتعين إنهاء علاقة تجارية، بما يشمل تحديدًا الحفاظ على بيانات التدريب، وتوثيق قرارات معايرة النموذج وهندسة السمات، وتقييم النماذج البديلة، والاحتفاظ بقائمة دقيقة للتبعيات اللاحقة. والتخطيط لاستمرارية الذكاء الاصطناعي هو الامتداد الخاص بالذكاء الاصطناعي لتخطيط استمرارية الأعمال الذي يتطلبه الاعتماد التشغيلي على نماذج الذكاء الاصطناعي.
مشكلة الحفاظ على بيانات التدريب هي متطلب الاستمرارية التأسيسي. إذ تُعاير نماذج الذكاء الاصطناعي ويُتحقق منها مقارنةً بالبيانات التاريخية. وعند استبدال نموذج لدى مورّد، يجب معايرة النموذج الجديد مقارنةً ببيانات تاريخية مكافئة لتحقيق أداء مماثل. وإذا لم يُحتفظ بالبيانات التاريخية بصيغة مناسبة لتدريب نموذج بديل أو معايرته، فيجب أن تبدأ المعايرة من البيانات الحالية، وهي عملية قد تستغرق أشهرًا لإنتاج بديل مُتحقَّق منه. وبيانات التدريب التي مكّنت أداء النموذج الأصلي هي أهم أصول استمرارية الذكاء الاصطناعي لدى المؤسسة.
تمثل فجوة توثيق هندسة السمات متطلب الاستمرارية الثاني. فنماذج الذكاء الاصطناعي عالية الأداء كثيرًا ما تحقق أداءها من خلال قرارات هندسة السمات، أي تحويل مدخلات البيانات الخام ودمجها واشتقاقها إلى سمات للنموذج، وهي قرارات ليست واضحة من مدخلات النموذج ومخرجاته. وحين لا تُوثَّق قرارات هندسة السمات لدى المورّد بصيغة تستطيع المؤسسة إعادة إنتاجها، فإن تكرار أداء النموذج ببديل يتطلب الهندسة العكسية لتلك القرارات، وهي عملية تستغرق وقتًا طويلًا وقد لا تنجح تمامًا. وتوثيق منهجية هندسة السمات هو الملكية الفكرية في مجال الذكاء الاصطناعي التي تُمكّن الاستمرارية.
لماذا يهم هذا
يهم التخطيط لاستمرارية الذكاء الاصطناعي والخروج TPRM لأن الاعتماد التشغيلي على نماذج الذكاء الاصطناعي ينشئ خطرًا على استمرارية الأعمال لا يعالجه التخطيط القياسي لاستمرارية الأعمال. فخطة BCP القياسية تعالج انقطاعات الأنظمة وفقدان البيانات وأعطال البنية التحتية. أما إيقاف نماذج الذكاء الاصطناعي والاستحواذ على المورّدين وإهمال النماذج فتتطلب فئة مختلفة من التخطيط للاستمرارية لا تتضمنها معظم خطط استمرارية الأعمال.
- عدم معالجة استمرارية نماذج الذكاء الاصطناعي في خطة BCP القياسية
- عدم الاحتفاظ ببيانات التدريب بصيغة قابلة لإعادة الاستخدام لمعايرة البديل
- هندسة سمات غير موثقة: ملكية فكرية للمورّد دون مسار لإعادة الإنتاج
- عدم تقييم النماذج البديلة: لا جاهزية للانتقال
- تبعيات لاحقة غير مكتملة: تكاملات غير رسمية غير موثقة
كيف تبدو الممارسة الجيدة
تحتفظ برامج استمرارية الذكاء الاصطناعي الناضجة ببيانات التدريب بصيغة قابلة لإعادة الاستخدام، وتوثّق قرارات هندسة السمات بصيغة مستقلة عن المورّد، وتقيّم النماذج البديلة سنويًا للحفاظ على الجاهزية للانتقال، وتحتفظ بقائمة كاملة للتبعيات اللاحقة مع متطلبات صيغ المخرجات التي يعتمد عليها كل تكامل.
- الاحتفاظ ببيانات التدريب بصيغة قابلة لإعادة الاستخدام: بمعزل عن البنية التحتية للمورّد
- توثيق هندسة السمات بصيغة مستقلة عن المورّد يستطيع فريق علوم البيانات في المؤسسة إعادة إنتاجها
- تقييم نموذج بديل سنويًا: تقييم نموذج مماثل واحد على الأقل
- الاحتفاظ بقائمة التبعيات اللاحقة: جميع التكاملات ومتطلبات صيغ المخرجات الخاصة بها
- المساعدة التعاقدية في الاستمرارية: توثيق دعم المورّد للانتقال بين النماذج
الأدوات
استمرارية الذكاء الاصطناعي: MLflow لإدارة إصدارات النماذج وبياناتها الوصفية، والتحكم في إصدارات البيانات (DVC) لبيانات التدريب
تحتفظ أدوات التحكم في إصدارات البيانات وإدارة النماذج ببيانات التدريب ومخرجات النماذج بصيغ مستقلة عن المورّد، فتوفر أصول الاستمرارية التي تُمكّن من استبدال النموذج. وبالنسبة لممارسي TPRM، فإن السؤال عمّا إذا كانت المؤسسة تحتفظ ببيانات التدريب ووثائق هندسة السمات بمعزل عن البنية التحتية للمورّد يوفر سؤالًا محددًا حول استمرارية الذكاء الاصطناعي.
تحديات الحوكمة
يتمثل تحدي الحوكمة في التخطيط لاستمرارية الذكاء الاصطناعي في التوتر بين إلحاح الاعتماد والاستثمار في الاستمرارية. فحين يحقق نموذج الذكاء الاصطناعي قيمة قوية للأعمال، يبدو الاستثمار في التخطيط للاستمرارية، من الاحتفاظ بتقييمات البدائل وتوثيق ما ينجح، غير ضروري. ولا يصبح هذا الاستثمار ضروريًا بوضوح إلا عند وقوع حدث الاستمرارية. ويتمثل حل الحوكمة في التعامل مع التخطيط لاستمرارية الذكاء الاصطناعي بوصفه التزامًا موازيًا لاعتماد الذكاء الاصطناعي لا التزامًا مؤجلًا.
- احتفظ ببيانات التدريب بصيغة قابلة لإعادة الاستخدام منذ الاعتماد، لا بعد إشعار الإيقاف
- وثّق قرارات هندسة السمات بصيغة مستقلة عن المورّد
- قيّم بديلًا واحدًا على الأقل سنويًا بعد الاعتماد
- أعدّ قائمة بجميع التبعيات اللاحقة مع متطلبات صيغ المخرجات
- أدرج المساعدة في الاستمرارية في عقود المورّدين: التزامات الدعم عند الإيقاف
إذا كنت فريقًا صغيرًا
لأي نموذج ذكاء اصطناعي بالغ الأهمية تشغيليًا، اطرح ثلاثة أسئلة حول الاستمرارية سنويًا: أولًا، إذا أصدر هذا المورّد اليوم إشعارًا بالإيقاف خلال 90 يومًا، فهل لدينا بيانات التدريب التي سنحتاجها لمعايرة بديل؟ ثانيًا، هل منهجية هندسة السمات موثقة بصيغة يستطيع فريق علوم البيانات لدينا إعادة إنتاجها دون المورّد؟ ثالثًا، هل قيّمنا أي نماذج بديلة خلال الاثني عشر شهرًا الماضية؟ والإجابة بالنفي عن أيٍّ منها تمثل فجوة في استمرارية الذكاء الاصطناعي سيكشفها إشعار الإيقاف في أسوأ توقيت ممكن.
- اطرح سؤال سيناريو الإيقاف خلال 90 يومًا سنويًا لنماذج الذكاء الاصطناعي بالغة الأهمية
- تحقّق من أن بيانات التدريب محفوظة بصيغة قابلة لإعادة الاستخدام
- تأكّد من أن منهجية هندسة السمات موثقة بشكل مستقل
- قيّم نموذجًا بديلًا واحدًا على الأقل سنويًا
ما الذي ينبغي اشتراطه
اسأل مباشرةً:
«ما مدة إشعار الإيقاف التي تلتزمون بها لهذا النموذج، وما المساعدة في الانتقال التي تقدمونها، وتحديدًا: هل ستقدمون بيانات التدريب الخاصة بنا بصيغة مناسبة لمعايرة بديل، وهل ستوثّقون منهجية هندسة السمات بصيغة يستطيع فريقنا إعادة إنتاجها؟»
ما تتوقعه دليلًا
- مدة إشعار الإيقاف التعاقدية
- الالتزام بالمساعدة في الانتقال: بيانات التدريب وهندسة السمات
- قابلية نقل البيانات بصيغة قابلة لإعادة الاستخدام
- الالتزام بتوثيق تسليم النموذج
ينبغي سؤال المورّد الذي يؤكد الأداء القوي لنموذج الذكاء الاصطناعي عن إشعار الإيقاف والمساعدة في الانتقال. فالأداء يؤكد قيمة الاعتماد على النموذج. أما إشعار الإيقاف والمساعدة في الانتقال فيحددان تكلفة فك هذا الاعتماد تحت ضغط الوقت.
كيف تُثبت ذلك
- سجلات استمرارية بيانات التدريب: محفوظة بصيغة قابلة لإعادة الاستخدام
- وثائق هندسة السمات
- سجلات تقييم النماذج البديلة
- قائمة التبعيات اللاحقة
الخلاصة الرئيسية
تسعون يومًا. لا بيانات تدريب بصيغة قابلة لإعادة الاستخدام. هندسة سمات غير موثقة. لا بدائل مُقيَّمة. تبعيات لاحقة غير مكتملة. أربعة عشر شهرًا من المعايرة والتكامل والتشغيل يجب إعادة بنائها في تسعين يومًا. كان الاعتماد ناضجًا وكان الأداء حقيقيًا. لكن التخطيط للاستمرارية كان غائبًا. التخطيط لاستمرارية الذكاء الاصطناعي ليس نتاجًا طبيعيًا لاعتماد ناجح للذكاء الاصطناعي، بل يتطلب استثمارًا موازيًا مقصودًا في الحفاظ على بيانات التدريب وتوثيق هندسة السمات وتقييم النماذج البديلة وقائمة التبعيات. وتكلفة هذه الاستثمارات قليلة نسبيًا حين يؤدي النموذج أداءً جيدًا. لكنها تساوي كل شيء حين يصل إشعار التسعين يومًا.