جاهزية البيانات: الأساس غير المرئي لكل مشروع ذكاء اصطناعي

ثمة عبارة نسمعها في كل مشروع ينحرف تقريبًا: «لم نكن نظن أن البيانات ستكون المشكلة». وتأتي عادةً في الشهر الثالث، حين يكتشف الفريق التقني، بعد أن أثبت الجدوى في أسابيع، أن التوسع يتعثر لا على النموذج بل على ما يُغذّى به.

جاهزية البيانات هي الأساس غير المرئي لكل مشروع ذكاء اصطناعي. غير مرئي لأنه لا يظهر في أي عرض توضيحي: فالنموذج الأولي يُبنى جيدًا جدًا على مقتطف نظيف، مُعدّ يدويًا، من بضعة آلاف من السطور. وأساس لأن الفجوة بين ذلك النموذج ونظام في الإنتاج تقوم عليه بالكامل تقريبًا.

ولا تُختزل الجاهزية في جودة البيانات، خلافًا لما يُظن غالبًا. إنها تقوم على أربعة أبعاد متمايزة، وقد تكون المؤسسة ممتازة في ثلاثة ومعطَّلة بالرابع.

الأول هو إمكانية الوصول. هل البيانات موجودة في صورة يستطيع برنامج بلوغها، أم أنها محبوسة في أنظمة لا تتيح أي واجهة؟ بيانات مثالية لا تُتاح إلا عبر تصدير يدوي شهري لن تدعم أبدًا نظامًا لحظيًا.

الثاني هو الحداثة. كم مرة تُحدَّث البيانات، وهل هذه الوتيرة متوافقة مع الاستخدام المقصود؟ نموذج لكشف الاحتيال يتغذى ببيانات تُجمَّع ليلًا لن يكشف شيئًا في الزمن الحقيقي، مهما بلغ تطوره.

الثالث هو الدلالة — وهو الأكثر إهمالًا. قد يحوي نظامان حقلًا باسم «عميل» لا يعني الشيء نفسه: أحدهما يحصي الكيانات القانونية، والآخر مواقع التسليم. لم يوثّق أحد ذلك لأن كل فريق يعرف تعريفه الخاص. ويوم تُدمج المصادر، تتوقف الأرقام عن التطابق، ويلزم أسابيع لفهم السبب.

الرابع هو تتبّع المنشأ. هل نعرف من أين أتت البيانات، ومن أنتجها، وما التحويلات التي مرّت بها؟ وبدون هذا التتبّع، يصبح تصحيح حالة شاذة ضربًا من التخمين، ويستحيل الردّ على مدقق يسأل على أي أساس اتُّخذ قرار آلي.

المسار أدناه يجمع عدة تجارب متشابهة؛ وهو لا يروي مشروعًا بعينه. موزّع تجزئة يريد نموذجًا للتنبؤ بالطلب. بيانات المبيعات موجودة، نظيفة، بسجل يمتد خمس سنوات. النموذج الأولي يعطي نتائج ممتازة. لكن الانتقال إلى الإنتاج يكشف صعوبتين. أولًا، يتضمن التاريخ فترة انقطاع في التوريد كانت المبيعات خلالها تعكس التوافر لا الطلب — فتعلّم النموذج التنبؤ بالنفاد. ثانيًا، تغيّرت مرجعيات المنتجات مرتين في خمس سنوات، ولم تُوثَّق قط المطابقة بين المراجع القديمة والجديدة. وإعادة بناء تاريخ متماسك تتطلب عملًا أكثر من بناء النموذج نفسه.

هذا النوع من الاكتشافات هو القاعدة لا الاستثناء. ولهذا بالضبط نعتبر تدقيق جاهزية البيانات شرطًا سابقًا للتأطير، لا مرحلة من مراحل المشروع. وفي كايروس إمبالس، لا يسعى هذا التدقيق إلى منح المؤسسة درجة على سلّم مجرد: إنه يجيب عن سؤال عملي، حالة استخدام بحالة استخدام — هل تسمح هذه البيانات، بحالتها هذه، بهذا المشروع، وإن لم تسمح، فما أقصر طريق؟ وقد تُستبعد حالة استخدام لا لقلة أهميتها، بل لأن أساسها يتطلب ثمانية عشر شهرًا من العمل التمهيدي، بينما أخرى أقل طموحًا قابلة للإنجاز في ثلاثة أشهر.

ولا بد هنا من درء سوء فهم شائع. الخلاصة ليست وجوب تنظيف كامل مخزون البيانات قبل البدء بأي شيء. فبرامج حوكمة البيانات الكبرى التي تُطلق دون حالة استخدام محددة تنجرف دائمًا تقريبًا: تستمر سنوات، وتكلّف كثيرًا، وتنتج مرجعيات لا يستخدمها أحد، لأن لا شيء أجبر يومًا على حسم المفاضلات الصعبة. التسلسل الصحيح معكوس: اختيار حالة استخدام ذات قيمة فعلية، وتنظيف نطاق البيانات الذي تتطلبه فقط. فحالة الاستخدام تمنح ورشة البيانات قيدًا وموعدًا وحَكَمًا.

ويستحق بُعد أخير الانتباه: جاهزية البيانات تنظيمية بقدر ما هي تقنية. فخلف كل مجموعة بيانات فريق ينتجها وله أولويات أخرى. ومطالبة هذا الفريق بتوثيق تعريفاته، أو إحكام إدخالاته، أو صيانة مطابقة مرجعيات، هي مطالبته بعمل إضافي تعود فائدته إلى سواه. وبدون حسم صريح من الإدارة، سيبقى هذا الطلب في أسفل الكومة — وسينتظر مشروع الذكاء الاصطناعي.

ثلاثة أسئلة في الختام. بالنسبة لحالة الاستخدام التي تفكرون فيها، هل تعرفون بدقة ما البيانات التي تستهلكها، وأين توجد، وبأي وتيرة تُحدَّث؟ هل يوجد تعريف مشترك ومكتوب للكيانات الأساسية — عميل، منتج، معاملة — أم أن لكل نظام تعريفه؟ وإذا ظهر شذوذ في نتيجة، هل تستطيعون تتبّعه إلى مصدره؟ هذه الأجوبة الثلاثة تعادل كل درجات النضج.