روی کاغذ، انقلاب تحلیلی به پایان رسیده به نظر میرسد. هوش مصنوعی از یک نوآوری به یک ردیف بودجه تبدیل شده است. در نظرسنجی هوش مصنوعی بازار متوسط RSM سال ۲۰۲۵، ۹۱٪ از پاسخدهندگان گفتند که از هوش مصنوعی مولد استفاده میکنند، اما اکثر آنها خود را فقط "تا حدودی آماده" توصیف کردند.
این شکاف بین پذیرش و اعتماد به نفس جایی است که محمد حمید به عنوان یکی از عملگراترین صداهای تحلیلی دیترویت شهرت یافته است. حمید که در میشیگان مستقر است، مشاور و بنیانگذار سابق نرمافزار است که کار او شامل ساخت محصولات تحلیلی، مشاوره به شرکتهای بزرگ، و کمک به رهبران بازار متوسط برای تبدیل صحبتهای هوش مصنوعی به تصمیماتی است که هم مدیر مالی و هم مدیر خط مقدم میتوانند آن را تشخیص دهند. او نقش خود را کمتر به عنوان "تحول هوش مصنوعی" و بیشتر به عنوان هماهنگکننده افراد، فرآیند و فناوری حول یک داستان ارزشی توصیف میکند که میتواند به زبان ساده توضیح داده شود. محمد حمید دیترویت "ابزارها الان پر سر و صدا هستند،" او میگوید. "اما اکثر سازمانها نرمافزار کم ندارند. آنها یک داستان علّی مشترک و عادتهای عملیاتی که آن داستان را زنده میکند، کم دارند."
اصول اخلاقی تحلیلی حمید از ساختن قبل از مشاوره دادن میآید. در اوایل حرفهاش، او به راهاندازی یونیسون، یک شرکت نرمافزاری در تقاطع شنود اجتماعی، پایداری و پشتیبانی تصمیمگیری کمک کرد. آن کار به او جایگاهی در ردیف اول داد تا ببیند چگونه محصولات تحلیلی اعتماد را به دست میآورند یا از دست میدهند. "بینشی که هیچکس به آن اعتماد نمیکند فقط یک اسکرینشات با جاهطلبی است،" او میگوید.
امروزه، کار او به طور فزایندهای بر شرکتهای بازار متوسط در میشیگان و فراتر از آن متمرکز است: سازمانهایی که به اندازه کافی بزرگ هستند تا فشار رقابتی را احساس کنند، اما به اندازه کافی بزرگ نیستند تا یک سازمان داده مدرن کامل را تأمین مالی کنند. به رهبران گفته میشود هوش مصنوعی چرخههای تصمیمگیری را فشرده میکند، تجربیات را شخصیسازی میکند و گزارشدهی را خودکار میکند. آنها آن آینده را میخواهند، اما با تعداد کم تحلیلگران، سیستمهای پراکنده، مالکیت مبهم و صفی از آتشهای عملیاتی زندگی میکنند.
پاسخ حمید کماهمیت جلوه دادن هوش مصنوعی نیست، بلکه ترتیببندی جاهطلبی است. "شما با پرسیدن 'کجا میتوانیم هوش مصنوعی مولد را قرار دهیم؟' شروع نمیکنید،" او میگوید. "شما با پرسیدن 'به نظر ما چه چیزی در اینجا ارزش ایجاد میکند، و آیا میتوانیم آن را صادقانه اندازهگیری کنیم؟' شروع میکنید." آن سؤال در مرکز چیزی قرار دارد که او آن را چارچوب قطبنمای علّی مینامد.
قطبنمای علّی با وادار کردن رهبران به توافق بر روی یک مدل علّی برای عملکردی که با آن کار میکنند، شروع میشود. برای یک تیم فروش یا بازاریابی، حمید بر سه لایه تمرکز میکند: اهرمهای با ارزش بالا (انتخابهای قابل کنترل مانند طراحی پیشنهاد یا ترکیب کانال)، اقدامات با ارزش بالا (رفتارها و سیگنالهای قیفی که نشان میدهند آیا اهرمها کار میکنند)، و نتایج با ارزش بالا (نتایجی مانند درآمد، حفظ مشتری یا حاشیه سود). سازماندهی تحلیلها حول این لایهها، به جای حول ابزارها، اغلب ارزش بیشتری نسبت به بازسازی پلتفرم آزاد میکند. "معیارها استراتژی نیستند،" او میگوید. "آنها دستور زبان هستند. وقتی در مورد دستور زبان توافق کنیم، میتوانیم جملات بهتری بنویسیم."
پس از پایه علّی، قطبنمای علّی به سمت افراد میچرخد. از نظر حمید، تیمهای تحلیلی کمتر به دلیل کمبود مهارت فنی و بیشتر به دلیل کمبود تنوع شناختی عملکرد ضعیفی دارند. او به نحوه استخدام سازمانهای فناوری با عملکرد بالا از پیشینههای غیرمعمول برای ساخت سیستمهای بهتر اشاره میکند: روزنامهنگارانی که دادهها را مانند یک منبع بازجویی میکنند، دانشمندان رفتاری که آزمایش و تجربه مشتری را درک میکنند، معلمانی که میدانند چگونه پذیرش را هدایت کنند. همانطور که هوش مصنوعی تحلیلهای روتین را فشرده میکند، محمد حمید عملکرد تحلیلی مدرن را به عنوان سه نقش مکمل خلاصه میکند: استراتژی (انتخاب مشکلات درست و تعریف مدل علّی)، پیادهسازی (به دست آوردن دادهها، خطوط لوله و حاکمیت برای کار واقعی)، و داستانسرایی (قابل استفاده و قابل اجرا کردن بینشها).
فرآیند و فناوری تصویر را کامل میکنند. یک دهه پیش، تیمهای تحلیلی بیشتر وقت خود را صرف ETL میکردند: استخراج دادهها از سیستمهای منبع، تمیز کردن آن و بارگذاری آن در انبارها. ETL هنوز مهم است، اما پلتفرمهای ابری مدرن، APIها و اتوماسیون تعادل را تغییر دادهاند و انضباط DataOps و DevOps را در مرکز مهندسی تحلیلی قرار دادهاند. حمید استدلال میکند که خطوط لوله مرتبط با درآمد یا ریسک باید مانند محصولات، با مالکیت واضح و انتظارات خدماتی، مورد توجه قرار گیرند.
در عمل، آن فلسفه در بخشهای مختلف ظاهر میشود. در صنعت خودرو و تولید صنعتی، محمد حمید به عملیاتهای چند سایتی کمک کرده است تا دادههای کیفیت، تأمین و نگهداری را در یک مدل عملیاتی واحد یکپارچه کنند، با بزرگترین پیروزی که از تعاریف مشترک برای نقصها و زمان خرابی میآید تا تیمهای کارخانه دیگر در مورد آنچه "واقعی" است بحث نکنند. در خدمات مالی، او بر روی پالایش سیگنالهای ریسک با لایهبندی بخشبندی رفتاری بر روی ویژگیهای اعتباری سنتی کار کرده است، نشان میدهد که سازمان کمبود داده ندارد؛ بلکه یک داستان منسجم برای چگونگی حرکت ریسک، طراحی محصول و ارتباط مشتری با هم در طول زمان را ندارد.
وقتی از او پرسیده شد که به یک مدیرعامل یا مدیر ارشد اطلاعات بازار متوسط میشیگان که سعی در درک هوش مصنوعی و تحلیلها دارد چه میگوید، محمد حمید یک کتابچه راهنمای کوتاه ارائه میدهد. با یک نقشه تصمیم و ارزش متصل به چند تصمیمی که واقعاً کسب و کار را حرکت میدهند شروع کنید، سپس به عقب برگردید تا به دادهها و ریتم عملیاتی مورد نیاز برسید. کیفیت داده و حاکمیت را به عنوان آمادگی هوش مصنوعی در نظر بگیرید، با تمرکز بر تعداد کمی از "مجموعه دادههای طلایی" با مالکان و SLAهای مشخص. در سواد اجرایی سرمایهگذاری کنید تا رهبران بتوانند موارد استفاده درست را حمایت کنند و به موارد اشتباه نه بگویند. و پیروزیهای کوچک و قابل حسابرسی بسازید که یک حلقه تصمیمگیری هفتگی را بهبود بخشد و ثابت کند که تحلیلها و هوش مصنوعی میتوانند نحوه اجرای واقعی کسب و کار را تغییر دهند.
انتظار میرود بازار گستردهتر تحلیلها در طول دهه به گسترش خود ادامه دهد، با قدرت ابر، هوش مصنوعی و حرکت به سمت تصمیمگیری در زمان واقعی. اما پیام حمید از دیترویت این است که مقیاس بدون انسجام پیشرفت نیست. "هوش مصنوعی شکاف بین سازمانهایی که میدانند چه چیزی را سعی در اثبات دارند و سازمانهایی که فقط امیدوارند داشبورد آنها را نجات دهد، گستردهتر خواهد کرد." برای سازمانهای بازار متوسط در میشیگان و فراتر از آن، چارچوب قطبنمای علّی رد هوش مصنوعی نیست. این یادآوری است که تحلیلهای مدرن هنوز، به شکلی عمیقاً انسانی، درباره قضاوت است. و برای رهبرانی که سعی در ایجاد مزیتهای پایدار در عصر هوش مصنوعی دارند، این ممکن است اطمینانبخشترین بینش از همه باشد.
