الذكاء الاصطناعي في إدارة الخدمات
يدخل الذكاء الاصطناعي إدارة الخدمات في مكتب الخدمة وفي العمليات وفي المعرفة وفي التغيير وفي دعم القرار؛ فعامل كل استخدام خدمةً بمالك، وبإنسان يقرر حيث يمكن أن يقع ضرر، وبوسيلة لالتقاط الأخطاء، وبمقياس هل يفيد.
لماذا يهم هذا
انتقل الذكاء الاصطناعي من موضوع بحثي إلى ميزة في الأدوات التي تستخدمها فرق الخدمة أصلًا. يقترح نظام التذاكر فئات. وتجمّع منصة المراقبة التنبيهات. ويجيب المساعد الحواري عن أسئلة الموظفين. ويصوغ محرر الشيفرة سكربتًا. وبعض هذه فعّلها المورّد، ولم يقرر أحد في الفريق تبنيها.
الإمكانات حقيقية. فكثير من عمل الخدمة قراءة وكتابة وفرز وبحث، وهي مهام يؤديها الذكاء الاصطناعي الحالي جيدًا بما يكفي لتوفير الوقت. والخطر حقيقي أيضًا. فأنظمة الذكاء الاصطناعي تنتج إجابات طليقة قد تكون خاطئة، وقد تخفي كيف وصلت إلى استنتاج، وقد تسرّب البيانات، وقد تفشل بطرق يصعب التنبؤ بها. والفريق الذي يتبنى الذكاء الاصطناعي بلا ملكية ومراجعة ومقاييس يرث تلك المخاطر دون الفوائد.
هذا الموضوع خريطة جزء الذكاء الاصطناعي من هذا الدليل. يشرح الأنواع الرئيسة للذكاء الاصطناعي في عمل الخدمة، وأين تساعد وأين لا تساعد، وما يُسأل قبل التبني. وتتعمق المواضيع اللاحقة: العمليات (الموضوع 5.2 — AIOps)، ومكتب الخدمة (الموضوع 5.3 — مكتب خدمة بالذكاء الاصطناعي والوكلاء الافتراضيون)، والذكاء الاصطناعي التوليدي (الموضوع 5.4 — الذكاء الاصطناعي التوليدي للحوادث والمعرفة والتغييرات)، والوكلاء الذين يتصرفون (الموضوع 5.5 — الذكاء الاصطناعي الوكيلي والإشراف البشري)، والحوكمة (الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال)، والمطالبات والمهارات (الموضوع 5.7 — مهارات الذكاء الاصطناعي والمطالبات)، ونموذج التشغيل (الموضوع 5.8 — نموذج تشغيل الذكاء الاصطناعي والمهارات). ويسمّي وصف المالك لأحدث إصدار من ITIL الذكاء الاصطناعي جزءًا من البيئة التي يجب أن تعالجها إدارة الخدمات (انظر الموضوع 1.3 — ITIL 5).
المفاهيم الأساسية
الذكاء الاصطناعي. مصطلح واسع لأنظمة تؤدي مهامًا تحتاج عادة إلى ذكاء بشري، مثل التعرف على الأنماط وفهم اللغة وتقديم التوصيات. وتصف مقالة ويكيبيديا عن الذكاء الاصطناعي الحقل وتاريخه. ويغطي المصطلح تقنيات مختلفة كثيرة، وما يعنيه الناس بـ«الذكاء الاصطناعي» يتفاوت. حين تناقش استخدامًا، سمِّ التقنية والمهمة.
تعلم الآلة. أنظمة تتعلم الأنماط من البيانات بدل اتباع قواعد صريحة. وتصف ويكيبيديا تعلم الآلة وفروعه. ومن الأمثلة في عمل الخدمة تصنيف التذاكر وكشف المقاييس غير المعتادة والتنبؤ بالأعطال. وهي تعتمد على بيانات التدريب، ويمكن أن تتدهور حين تتغير الظروف، وهي مشكلة تصفها ويكيبيديا بانجراف المفهوم.
الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة. أنظمة تنتج محتوى جديدًا، مثل نص أو شيفرة أو صور، من تعليمات. وتُدرَّب النماذج اللغوية الكبيرة (LLM) على كميات كبيرة من النص وتستطيع التلخيص والصياغة والترجمة والإجابة عن الأسئلة. وتصف ويكيبيديا الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة. ومخرجاتها طليقة وليست مضمونة الصحة.
الهلوسة. مخرَج معقول لكنه خاطئ أو غير مدعوم. وتصف ويكيبيديا الهلوسة في الذكاء الاصطناعي. وفي عمل الخدمة قد تعني أمرًا مخترعًا أو سياسة مختلقة أو سببًا جذريًا واثقًا لكنه خاطئ. خطّط لها: أرسِ الإجابات على مصادر، وأظهر المصادر، وافحص قبل التصرف.
التوليد المعزَّز بالاسترجاع. نمط يسترجع فيه النظام أولًا وثائق ذات صلة، مثل مقالات المعرفة، ثم يطلب من النموذج الإجابة باستخدامها وحدها. وتصف ويكيبيديا النهج. وهو يقلل الإجابات الخاطئة لكنه لا يزيلها، ويعتمد على جودة الوثائق. انظر الموضوع 3.9 — إدارة المعرفة.
الوكلاء. أنظمة لا تجيب فقط بل تتخذ إجراءات: تستدعي أدوات وتغيّر سجلات وتشغّل سكربتات. وتصف ويكيبيديا الوكلاء الذكيين عمومًا. يرفع الوكلاء الرهانات لأن الأخطاء لها آثار في العالم. انظر الموضوع 5.5 — الذكاء الاصطناعي الوكيلي والإشراف البشري.
أين يساعد الذكاء الاصطناعي في إدارة الخدمات. تقع الاستخدامات المعتادة في خمس مجموعات:
| المجال | أمثلة | الحذر الرئيس |
|---|---|---|
| مكتب الخدمة | تصنيف التذاكر وتوجيهها، وصياغة الردود، والإجابة عن الأسئلة الشائعة | إجابات خاطئة أو مخترعة للمستخدمين |
| العمليات | تجميع التنبيهات، وإيجاد الشذوذ، واقتراح الأسباب | إشارات فائتة مخفية |
| المعرفة | البحث والتلخيص وصياغة المقالات | مسودات تنشر الأخطاء |
| التغيير والتسليم | صياغة الشيفرة والاختبارات، وتقييم خطر التغيير، وكتابة ملاحظات الإصدار | شيفرة غير آمنة أو خاطئة، وثقة زائدة بدرجات الخطر |
| دعم القرار | تلخيص البيانات، وتوقع الطلب، وإيجاد الأنماط | استنتاجات مفرطة الثقة من بيانات ضعيفة |
الإنسان في الحلقة. يراجع شخص مخرَجًا أو إجراءً للذكاء الاصطناعي أو يوافق عليه قبل أن يسري. وتصف ويكيبيديا الأنظمة ذات الإنسان في الحلقة. وهو ضابط، ولا يعمل إلا إن امتلك الشخص الوقت والمعلومات والصلاحية ليقول لا. وتصف ويكيبيديا أيضًا تحيز الأتمتة، وهو الميل إلى الاعتماد الزائد على الاقتراحات الآلية، الذي قد يحوّل الفحص البشري إلى ختم.
قابلية التفسير. القدرة على قول لماذا أنتج نظام مخرَجًا. وتصف ويكيبيديا الذكاء الاصطناعي القابل للتفسير. وفي بعض الاستخدامات، مثل ترتيب تذكرة، يكفي سبب تقريبي؛ وفي أخرى، مثل قرار يؤثر في وصول شخص أو أجره، تحتاج المزيد. قرر كم من التفسير يتطلبه كل استخدام.
التحيز والإنصاف. قد يعيد الذكاء الاصطناعي المدرَّب على بيانات سابقة إنتاج أنماط سابقة، بما فيها غير المنصفة. وتصف ويكيبيديا التحيز الخوارزمي. وفي عمل الخدمة قد يظهر التحيز في من يحصل على مساعدة أسرع ومن يُنبَّه على طلباتهم ومن تفهم لغتهم أحسن.
البيانات والخصوصية. تعالج أدوات الذكاء الاصطناعي البيانات التي تعطيها، مثل نص التذاكر بتفاصيل شخصية. وأين تذهب البيانات وكم تُحفظ وهل تدرّب نماذج أخرى أسئلة مركزية. انظر الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال.
المخاطر الأمنية. لأنظمة الذكاء الاصطناعي نقاط ضعفها الخاصة، مثل حقن التعليمات، حيث يحاول نص في وثيقة أو رسالة أن يعطي النموذج تعليمات جديدة. وتصف ويكيبيديا حقن التعليمات. عامل المدخلات من الخارج غير موثوقة.
دورة الحياة والعمليات. يحتاج النموذج قيد الاستخدام إلى مراقبة وإعادة تدريب أو استبدال وترقيم إصدارات وتقاعد. وMLOps، التي تصفها ويكيبيديا، تطبق انضباطًا هندسيًا على هذا. وبالنسبة إلى نموذج مورّد، لا يزال عليك تتبع تغييرات السلوك بعد التحديثات.
أطر الحوكمة. يضع قانون الذكاء الاصطناعي في الاتحاد الأوروبي، الذي تصفه ويكيبيديا، التزامات قانونية تعتمد على فئات الخطر. وتحدد ISO/IEC 42001 نظام إدارة للذكاء الاصطناعي، وينشر المعهد الوطني الأمريكي للمعايير والتقنية إطارًا لإدارة مخاطر الذكاء الاصطناعي. وهذه مفردات وبنية للحوكمة؛ وليست بديلًا من المشورة القانونية.
كيف تتلاءم العدسات. الذكاء الاصطناعي إحدى العدسات الأربع. تقترح الممارسة الرشيقة تجارب صغيرة مع مستخدمين حقيقيين وتغذية راجعة قصيرة. والأتمتة أقرب جيرانه: الذكاء الاصطناعي يقرر أو يقترح، والأتمتة تتصرف. وتوفر التحليلات البيانات التي يتعلم منها الذكاء الاصطناعي والمقاييس التي تُظهر هل يفيد.
أفضل الممارسات
- ابدأ بمشكلة لا أداة. سمِّ ألمًا محددًا، مثل الوقت المقضي في فرز التذاكر، ومقياسًا للتحسن. ثم اسأل هل الذكاء الاصطناعي الجواب الصحيح أم يكفي إصلاح أبسط.
- احتفظ بجرد لاستخدامات الذكاء الاصطناعي. اسرد كل ميزة وأداة ذكاء اصطناعي قيد الاستخدام، بما في ذلك ميزات الموردين والأدوات الشخصية التي يستخدمها الموظفون للعمل. وسجّل الغاية والبيانات والمالك والحالة.
- سمِّ مالكًا لكل استخدام. شخص واحد مسؤول عما يفعله الذكاء الاصطناعي وما البيانات التي يستخدمها وماذا يحدث حين يخطئ. وبدون مالك لا يلاحظ أحد التدهور.
- قرر أين يقرر إنسان. لكل استخدام، اكتب ما يجوز للذكاء الاصطناعي فعله وحده وما يحتاج مراجعة وما يجب ألا يفعله أبدًا. واجعل المراجعة حقيقية: امنح المراجعين وقتًا وسياقًا.
- أرسِ الإجابات على مصادرك. استخدم الاسترجاع من معرفة مراجعة، وأظهر المصادر للمستخدم، وقل بوضوح حين لا يدعم مصدر إجابة.
- اختبر قبل الإطلاق وبعده. ابنِ مجموعة حالات اختبار واقعية بإجابات معروفة، بما فيها المحرجة والعدائية منها. وشغّلها قبل الإصدار وبعد كل تغيير في النموذج أو البيانات.
- قِس القيمة والأخطاء. تتبّع الوقت الموفَّر وجودة المخرجات والتصحيحات البشرية وشكاوى المستخدمين والكلفة. وخذ عينات من المخرجات بانتظام.
- احمِ البيانات. قرر أي البيانات يجوز إرسالها إلى أي أدوات، وأزل التفاصيل الشخصية والحساسة حيث تستطيع، وافحص شروط العقد للاحتفاظ والاستخدام في التدريب.
- خطّط للفشل. اجعل إطفاء ميزة ذكاء اصطناعي والتوجيه إلى شخص والاستعادة سهلة. وتمرّن على فشل خدمة ذكاء اصطناعي تعتمد عليها.
- ابنِ المهارات وشارك التعلم. درّب الناس على استخدام الذكاء الاصطناعي جيدًا وعلى مساءلته. وشارك ما ينجح وما يفشل عبر الفرق. انظر الموضوع 5.7 — مهارات الذكاء الاصطناعي والمطالبات.
أسئلة للنقاش مع فريقك
أين نستخدم الذكاء الاصطناعي أصلًا، بما في ذلك ميزات لم نخترها وأدوات يستخدمها الناس بأنفسهم؟ اسأل الجميع، وافحص إعدادات الموردين. توقّع قائمة أطول مما توقعه أحد. وتابع بتسجيل كل استخدام بمالك.
أي مهامنا في معظمها قراءة وكتابة وفرز، وأيها لا نريد أن تقرره آلة؟ يفرز هذا المهام بحسب الملاءمة. توقّع اتفاقًا على الصياغة وخلافًا على القرارات. وتابع باختيار مهمة واحدة منخفضة الخطر للتجربة.
ماذا سنفعل لو أعطى مساعدنا الذكي مستخدمًا إجابة خاطئة واثقة، وكيف سنعرف؟ مرّ على السيناريو. توقّع فجوات في الكشف. وتابع بالاتفاق على طريقة لأخذ عينات من المخرجات وجمع ملاحظات المستخدمين.
ما البيانات التي نرسلها إلى أدوات الذكاء الاصطناعي، وهل قرأنا الشروط؟ اسرد الأدوات والبيانات. توقّع حسابات شخصية وشروطًا مجهولة. وتابع بالاتفاق على قاعدة بما لا يجوز لصقه في أدوات خارجية.
كيف سنعرف أن استخدام ذكاء اصطناعي كان يستحق كلفته؟ اطلب مقياسًا للفائدة ومقياسًا للضرر. توقّع «يبدو أسرع». وتابع باختيار استخدام واحد والاتفاق على مقياس قبل/بعد.
ما المهارات التي يحتاجها ناسنا لاستخدام الذكاء الاصطناعي جيدًا، ومن سيعلمهم؟ فكّر في كتابة مطالبات جيدة وفحص الإجابات ورصد الحدود. توقّع تفاوتًا واسعًا في الثقة. وتابع بالتخطيط لجلسة تدريب قصيرة بمهام حقيقية.
في الممارسة: مثال على إدارة الخدمات
يدعم فريق تقنية المعلومات في شبكة مكتبات عامة وطنية 200 فرع ونحو 6000 موظف. يعالج مكتب الخدمة حجمًا كبيرًا من الأسئلة المتكررة عن الطباعة وتسجيل الدخول ونظام الإعارة. ويريد رئيس الخدمة استخدام الذكاء الاصطناعي لتقليص الطابور، وأضاف مورّد نظام التذاكر للتو مساعد ذكاء اصطناعي، مفعّلًا افتراضيًا للمحادثة الموجهة للموظفين.
يسرد مدير الخدمة أولًا استخدامات الذكاء الاصطناعي. فإضافة إلى مساعد المورّد، يجد أن محللَين يستخدمان أداة محادثة عامة لتلخيص التذاكر، وأن مطورًا بنى سكربتًا يصوغ ردودًا. فيعطي كلًّا منها مالكًا ويضع قاعدة: لا بيانات شخصية في الأدوات العامة. ثم يختار استخدامًا واحدًا لتحسينه: مساعدًا موجّهًا للموظفين يجيب عن أسئلة «كيف أفعل»، باستخدام قاعدة المعرفة المعتمدة وحدها، مع روابط للمصادر وزر ظاهر للوصول إلى شخص.
يبني 60 سؤال اختبار من تذاكر حقيقية، بما فيها عشرة لا تستطيع قاعدة المعرفة الإجابة عنها، حيث السلوك الصحيح أن يقول ذلك. تجيب النسخة الأولى عن ثلاثة من تلك العشرة بخطوات مخترعة. فيشدد الفريق التعليمات ويضيف قاعدة للامتناع حين لا يطابق مقال، فتنخفض الإخفاقات إلى واحد. وفي الشهر الأول، يقرأ موظف في المكتب كل محادثة لم يحلّها المساعد، وعينة من الباقي.
ما الذي يتغير: يحل المساعد نحو ثلث المحادثات دون تذكرة، ويقضي الموظفون وقتًا أقل في الأسئلة المتكررة. وما يظل صعبًا: في قاعدة المعرفة مقالات بالية يقتبسها المساعد، فيجب على الفريق تنظيفها؛ ويغيّر المورّد النموذج الكامن دون إشعار، وقد غيّر مرة السلوك بين ليلة وضحاها؛ ويفضل الموظفون في الفروع الصغيرة أحيانًا الاتصال هاتفيًا. ويضع المدير تشغيل اختبار شهريًا وجهة اتصال متفقًا عليها لتغييرات النموذج ورسالة واضحة بأن الاتصال هاتفيًا يظل متاحًا.
أربع زوايا نظر
فرق المنتج والتسليم
استخدموا الذكاء الاصطناعي لصياغة الشيفرة والاختبارات والتوثيق، تحت مراجعتكم المعتادة وفحوص خط الإنتاج. سجّلوا أين استُخدم الذكاء الاصطناعي، وراقبوا الشيفرة غير الآمنة أو غير المرخصة. وعاملوا ميزات الذكاء الاصطناعي في منتجكم خدمات بمالكين.
فرق الخدمة والعمليات
استخدموا الذكاء الاصطناعي للفرز والتلخيص والبحث، مع شخص يقرر أي شيء يؤثر في المستخدمين أو الأنظمة. أبلغوا عن الأخطاء والحوادث التي كادت تقع، وساعدوا في ضبط ما يراه الذكاء الاصطناعي وما يقوله.
القيادة والحوكمة
اطلبوا الجرد والمالكين والمقاييس وخطة الفشل. وضعوا قواعد واضحة للبيانات والقرارات. وموّلوا التدريب والاختبار لا التراخيص فقط.
العملاء والمستخدمون
ينبغي أن تعرفوا متى تتحدثون إلى ذكاء اصطناعي وأن تستطيعوا الوصول إلى شخص. أخبروا المزود حين تكون إجابة خاطئة أو غير مفيدة. وانتبهوا لما تشاركونه من بيانات شخصية.
الرشاقة والذكاء الاصطناعي والأتمتة والتحليلات
الرشاقة
جرّب الذكاء الاصطناعي في تجارب صغيرة مع مستخدمين حقيقيين، وتعلّم من التغذية الراجعة، وقرر الإبقاء أو التغيير أو التوقف. وأبقِ أصحاب المصلحة مشاركين فيما يجوز للذكاء الاصطناعي فعله. تنبيه: العرض التوضيحي الناجح ليس دليلًا على أن استخدامًا آمن أو قيّم؛ فأجرِ تجربة حقيقية بمقاييس.
الذكاء الاصطناعي
هذا الموضوع هو عدسة الذكاء الاصطناعي نفسها: كل استخدام يحتاج مالكًا وإنسانًا يقرر حيث يمكن أن يقع ضرر وكشفًا للأخطاء ومقاييس. تنبيه: لا تفوّض المساءلة لمورّد أو نموذج؛ فأنت تظل مسؤولًا عن النتائج التي تسلّمها خدمتك.
الأتمتة
الذكاء الاصطناعي يقرر أو يقترح؛ والأتمتة تتصرف. اربطهما بحذر، بحدود على ما يمكن أن يحدث دون موافقة وسجلات ووسيلة للإيقاف. تنبيه: قد يضاعف ذكاء اصطناعي يطلق أتمتة خطأً بسرعة؛ فأضف حدود معدل ومراجعة. انظر الموضوع 6.1 — استراتيجية الأتمتة.
التحليلات
قِس الفائدة ومعدلات الأخطاء الموجودة في العينات وملاحظات المستخدمين والكلفة. تنبيه: قد تبدو أرقام الاستخدام وتقييمات المستخدمين جيدة بينما الجودة رديئة؛ فخذ عينات من المخرجات وقارن بخط أساس. انظر الموضوع 7.3 — القياس والتقارير وكتاب Service Management Metrics.
أنماط الإخفاق الشائعة
- أداة قبل مشكلة. تُفعَّل ميزة ولا يقيس أحد الفائدة. ابدأ بألم ومقياس.
- لا جرد. تتكاثر الاستخدامات دون أن تُرى. اسرد كل استخدام ذكاء اصطناعي بمالك.
- مراجعة بشرية بالاسم فقط. يختم المراجعون. امنح الوقت والسياق والصلاحية، وخذ عينات من قراراتهم.
- إجابات خاطئة واثقة. يتصرف المستخدمون بنصح مخترع. أرسِ الإجابات على مصادر، واستشهد بها، وامتنع حين لا تتأكد.
- تسرّب البيانات. يذهب نص حساس إلى أدوات خارجية. ضع قواعد وافحص الشروط.
- تجاهل تغييرات النماذج. يتغير السلوك بعد تحديث المورّد. اختبر بانتظام وضع جهة اتصال للتغييرات.
- لا مخرج. تعتمد الخدمة على الذكاء الاصطناعي بلا بديل. وفّر طريقًا إلى شخص ومفتاح إطفاء.
نموذج النضج
| البُعد | البدء | التطوير | التوحيد | الإدارة | التنسيق |
|---|---|---|---|---|---|
| الجرد والملكية | استخدامات مجهولة | الاستخدامات الرئيسة مسرودة | جرد بمالكين وغايات | يُراجع الجرد ويُختبر | الجرد مدمج مع الكتالوج والحوكمة |
| القرارات البشرية | غير معرّفة | مراجعة غير رسمية | نقاط مراجعة معرّفة لكل استخدام | تؤخذ عينات من جودة المراجعة | تتكيف المراجعة بالخطر والأدلة |
| الاختبار والمراقبة | لا شيء | عروض توضيحية | مجموعات اختبار وأخذ عينات منتظم | تُقاس الأخطاء والانجراف | تقييم مستمر عبر الاستخدامات |
| البيانات والخطر | غير واضحة | وعي | قواعد للبيانات وشروط الموردين | يُفحص الامتثال ويُدقَّق | تُدار المخاطر عبر الفرق والموردين |
قائمة التحقق
- نحتفظ بجرد لاستخدامات الذكاء الاصطناعي، بما في ذلك ميزات الموردين والأدوات الشخصية.
- لكل استخدام مالك مسمّى.
- كتبنا ما يجوز لكل ذكاء اصطناعي فعله وحده وما يحتاج مراجعة وما يجب ألا يفعله.
- الإجابات مرتكزة على مصادر مراجعة وتُظهرها.
- لدينا مجموعة اختبار ونشغّلها بانتظام.
- نأخذ عينات من المخرجات ونتتبع الأخطاء والتصحيحات والملاحظات.
- لدينا قواعد بأي البيانات تذهب إلى أي أدوات.
- يستطيع المستخدمون الوصول إلى شخص، ونستطيع إطفاء كل استخدام ذكاء اصطناعي.
موجّهات الذكاء الاصطناعي
اسرد استخدامات الذكاء الاصطناعي من وصف أدواتنا.
Here is a description of the tools our team uses and what each does: [paste].
List which tools probably include AI features, what each might do, what data it might process, and a question to ask the vendor or owner. Mark clearly which items are guesses and do not state facts about vendors.
List what you are unsure of.
صُغ أسئلة اختبار لمساعد.
Our assistant answers questions about [topics] using only these documents: [list titles].
Write 30 test questions: 15 that the documents answer, 10 that they do not, and 5 that try to make the assistant ignore its instructions. For each, state the correct behavior. Do not include real personal data.
List what you are unsure of.
حضّر مراجعة لاستخدام ذكاء اصطناعي.
AI use: [describe]. Owner: [role]. Data used: [list]. Decisions it affects: [list].
Draft a one-page review with: purpose, what it may do alone, what needs human review, how errors are detected, how it is switched off, and open questions. Mark every item you could not fill from my description.
List what you are unsure of.
مهارات الذكاء الاصطناعي
- prompt-engineering: استخدمها لتصميم مطالبات واضحة ومرتكزة وقابلة للاختبار.
- machine-learning-model-card: استخدمها لتوثيق ما يفعله نموذج وبياناته وحدوده.
- risk-register: استخدمها لتسجيل مخاطر الذكاء الاصطناعي ومالكيها والقرارات.
- itil-5: استخدمها لربط استخدام الذكاء الاصطناعي بأحدث إرشادات المالك، مع وسم الادعاءات غير المتحقق منها.
- mlops: استخدمها لإدارة النماذج عبر دورة حياتها.
المصادر الرئيسة
- NIST, AI Risk Management Framework: بنية واسعة الاستخدام لتحديد مخاطر الذكاء الاصطناعي وإدارتها.
- ISO/IEC 42001 (the standard itself): متطلبات نظام إدارة الذكاء الاصطناعي؛ اقرأ الإصدار الحالي من الناشر.
- PeopleCert, ITIL certification pages: وصف المالك لـITIL (الإصدار 5)، بما فيه الذكاء الاصطناعي.
- Wikipedia, "Artificial intelligence" and "Large language model": نظرات عامة على الحقل والتقنية.
المراجع
- Artificial intelligence — Wikipedia — https://en.wikipedia.org/wiki/Artificial_intelligence
- Machine learning — Wikipedia — https://en.wikipedia.org/wiki/Machine_learning
- Generative AI — Wikipedia — https://en.wikipedia.org/wiki/Generative_AI
- Large language model — Wikipedia — https://en.wikipedia.org/wiki/Large_language_model
- Hallucination (artificial intelligence) — Wikipedia — https://en.wikipedia.org/wiki/Hallucination_(artificial_intelligence)
- Retrieval-augmented generation — Wikipedia — https://en.wikipedia.org/wiki/Retrieval-augmented_generation
- Human-in-the-loop — Wikipedia — https://en.wikipedia.org/wiki/Human-in-the-loop
- Automation bias — Wikipedia — https://en.wikipedia.org/wiki/Automation_bias
- Algorithmic bias — Wikipedia — https://en.wikipedia.org/wiki/Algorithmic_bias
- Artificial Intelligence Act — Wikipedia — https://en.wikipedia.org/wiki/Artificial_Intelligence_Act
- ITIL Foundation Bridge (Version 5) — PeopleCert — https://www.peoplecert.org/browse-certifications/it-governance-and-service-management/ITIL-1/itil-foundation-bridge-version-5-4158
- AI Risk Management Framework — NIST — https://www.nist.gov/itl/ai-risk-management-framework