لماذا يهم هذا

نادرًا ما تتبنى المؤسسات الذكاء الاصطناعي بطريقة مخططة. يشتري فريق أداة، ويبني آخر نموذجًا أوليًا، ويفعّل مورّد ميزة. وكل قرار منطقي محليًا. لكنها معًا تشكل مشهدًا لم يصممه أحد: أدوات مكررة، وضوابط غير متسقة، وملكية غير واضحة، وتكاليف تظهر في الفواتير. وحين يسوء شيء لا يعرف أحد من المسؤول. وحين ينجح شيء لا يستطيع أحد تكراره.

ونموذج التشغيل هو الجواب عن «كيف نعمل مع الذكاء الاصطناعي بوصفنا مؤسسة؟». يصف الأدوار والمسؤوليات، وكيف تُتخذ القرارات، وكيف يُمول العمل، وكيف تُبنى الأنظمة أو تُشترى وتُبقى قيد التشغيل، وكيف يتعلم الناس. ولا يلزم أن يكون كبيرًا. فقد يتسع نموذج مؤسسة صغيرة لصفحة. المهم أن يكون للأسئلة أجوبة.

والحاجة أحدّ للذكاء الاصطناعي منها لكثير من التقنيات الأخرى لأن أنظمة الذكاء الاصطناعي تتغير: يحدّث الموردون النماذج، وتتحول البيانات، وينجرف السلوك. وهي تحتاج عناية مستمرة، وهذا ما يوفره فريق منتج، لا مشروع ينتهي عند الإطلاق. يصف هذا الموضوع العناصر الرئيسة لنموذج تشغيل الذكاء الاصطناعي والمهارات المصاحبة له. وهو يبني على ملكية المنتجات (الموضوع 2.8 — ملكية المنتجات والخدمات) وحوكمة الذكاء الاصطناعي (الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال) والإدارة المالية (الموضوع 4.5 — الإدارة المالية وFinOps)، ويتصل بالتغيير المؤسسي (الموضوع 8.3 — التغيير المؤسسي والتبني).

المفاهيم الأساسية

نموذج التشغيل. وصف لكيفية تسليم المؤسسة للقيمة: هيكلها وعملياتها وناسها وتقنيتها وحوكمتها. وتصف ويكيبيديا نماذج التشغيل. ونموذج تشغيل الذكاء الاصطناعي هو الجزء الذي يغطي كيف يُختار الذكاء الاصطناعي ويُمول ويُبنى أو يُشترى ويُشغَّل ويُحكم ويُحسَّن.

الذكاء الاصطناعي منتجًا. لنظام الذكاء الاصطناعي مستخدمون وغاية ورصيد وكلفة ودورة حياة. عامله منتجًا بمالك، كما في الموضوع 2.8 — ملكية المنتجات والخدمات. والمالك مسؤول عن النتائج والبيانات والجودة والخطر، وعن قرار متى يُحسَّن أو يُحال إلى التقاعد.

دورة الحياة. تشمل المراحل تحديد فرصة، وتقييم القيمة والخطر، والبناء أو الشراء، والاختبار، والنشر، والتشغيل والمراقبة، والتحسين، والتقاعد. وتطبق عمليات تعلم الآلة (MLOps)، التي تصفها ويكيبيديا، انضباطًا هندسيًا على دورة حياة النماذج: ترقيم الإصدارات والنشر والمراقبة وإعادة التدريب. وبالنسبة إلى نماذج الموردين، تنطبق المراحل نفسها بأجزاء تقنية أقل وعقد ومراقبة أكثر.

الأدوار. تشمل الأدوار المعتادة راعيًا تنفيذيًا، ومالك منتج ذكاء اصطناعي لكل نظام، ومهندسين يبنونه ويشغّلونه، ومالكي بيانات للبيانات التي يستخدمها، وشريكًا للأمن والخصوصية، ومستشارًا قانونيًا، والناس الذين يستخدمونه ويتأثرون به. وتجمع الفرق الصغيرة الأدوار. سمّها، وبيّن بوضوح من يقرر.

فريق التمكين أو مركز التميز. مجموعة صغيرة تساعد الفرق الأخرى على استخدام الذكاء الاصطناعي جيدًا: تقدم إرشادًا وقوالب وأدوات معتمدة وتدريبًا ومراجعة للاستخدامات الأعلى خطرًا. وتصف ويكيبيديا مراكز التميز. والخطر أن يصبح اختناقًا أو بوابة. والجيد منه يجعل الطريق الآمن هو السهل، ويعمل مع الفرق لا بدلًا منها.

النماذج المركزية والاتحادية والمضمَّنة. في النموذج المركزي يبني فريق واحد الذكاء الاصطناعي ويشغّله للجميع. وفي النموذج المضمَّن يفعل كل فريق منتج ذلك لنفسه. ويجمع النموذج الاتحادي بين منصات ومعايير مشتركة وملكية محلية. وتنتهي معظم المؤسسات إلى مزيج اتحادي. اختر بحجم الاستخدام والمهارات المتاحة والخطر.

ابنِ أو اشترِ أو كوّن. يمكن بناء كل استخدام للذكاء الاصطناعي داخليًا، أو شراؤه منتجًا، أو تجميعه من نموذج وبياناتك. وتصف ويكيبيديا قرارات البناء أو الشراء صورة من تحليل الكلفة والفائدة. ضع في الحسبان الكلفة الإجمالية وخطر الاعتماد على مورّد والتحكم في البيانات والسرعة والمهارات التي ستحتاجها. انظر الموضوع 3.14 — إدارة الموردين.

التمويل. موّل أنظمة الذكاء الاصطناعي منتجات بفرق دائمة حيث تكون مهمة، لا مشاريع لمرة واحدة. وضمّن تكاليف التشغيل، مثل رسوم الاستخدام والاستضافة والمراقبة والدعم. وتتبّع الكلفة لكل حالة استخدام ولكل نتيجة. انظر الموضوع 4.5 — الإدارة المالية وFinOps.

المنصات والخدمات المشتركة. المكوّنات المشتركة، مثل بوابة نماذج معتمدة ومكتبة مطالبات ومهارات وأداة تقييم وفهرس بيانات والتسجيل، تقلل الجهد المكرر وتجعل الضبط أسهل. انظر الموضوع 5.7 — مهارات الذكاء الاصطناعي والمطالبات.

أسس البيانات. يعتمد الذكاء الاصطناعي على بيانات دقيقة ومتاحة ومحكومة. وتتعثر مبادرات ذكاء اصطناعي كثيرة عند البيانات لا النماذج. انظر الموضوع 7.2 — أسس البيانات وحوكمتها.

المهارات والقدرة. يحتاج الناس إلى مدى من المهارات: فهم ما يستطيع الذكاء الاصطناعي وما لا يستطيع (يسمى غالبًا الإلمام بالذكاء الاصطناعي، شكلًا من الإلمام الرقمي تصفه ويكيبيديا)، وكتابة مطالبات واضحة وفحص النتائج، وتقييم الخطر، وبناء الأنظمة واختبارها، وإدارة البيانات. وتحتاج الأدوار المختلفة عمقًا مختلفًا. وتصف ويكيبيديا رفع المهارات وإعادة التدريب بوصفهما نهجين لبناء المهارات.

التعلم بالممارسة. تنمو المهارات أكثر من الممارسة على عمل حقيقي مع تغذية راجعة، بدعم من تدريب قصير وأمثلة. وتساعد مجتمعات الممارسة، التي تصفها ويكيبيديا، الناس على مشاركة ما ينجح. اقرن المستخدمين ذوي الخبرة بالجدد. انظر الموضوع 8.5 — مسارات التعلّم والاعتماد.

الأثر في الناس والأدوار. يغيّر الذكاء الاصطناعي المهام، وفي بعض الأدوار عدد الناس المطلوبين. وتصف ويكيبيديا البطالة التقنية قلقًا طال النقاش حوله. كن صادقًا مع الموظفين بشأن النوايا، وأشركهم في التصميم، وخطط لإعادة النشر وإعادة التأهيل. انظر الموضوع 8.3 — التغيير المؤسسي والتبني.

القيمة والنتائج. عرّف النتيجة التي ينبغي لكل نظام ذكاء اصطناعي تحسينها، مثل زمن الحل أو الجودة أو رضا المستخدمين، بخط أساس ووسيلة قياس. وتصف ويكيبيديا العائد على الاستثمار وحدوده. احذر تقديرات الوفورات التي تعدّ الوقت «الموفَّر» ولا يُعاد تخصيصه أبدًا.

المعايير والضمان. تصف أطر مثل ISO/IEC 42001 وإطار NIST لإدارة مخاطر الذكاء الاصطناعي عناصر نظام الإدارة التي ينبغي أن يغطيها نموذج التشغيل. انظر الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال.

التجارب والتوسع. إثباتات المفهوم رخيصة وكثيرًا ما تبهر. والتوسع هو حيث تظهر المشكلات: جودة البيانات والتكامل والأمن والكلفة والدعم. وتصف ويكيبيديا إثباتات المفهوم. خطّط للانتقال من التجربة إلى الإنتاج منذ البداية، بما في ذلك من سيشغّله.

كيف تتلاءم العدسات. يُنظّم نموذج التشغيل عدسة الذكاء الاصطناعي. وتقترح الممارسة الرشيقة فرق منتج دائمة وتجارب قصيرة. والأتمتة والتحليلات جاران: تتصرف الأتمتة على مخرجات الذكاء الاصطناعي، وتوفر التحليلات البيانات والمقاييس.

أفضل الممارسات

  1. عامل كل نظام ذكاء اصطناعي مهم منتجًا. سمِّ مالكًا وفريقًا ورصيدًا وميزانية ودورة حياة، بما فيها التقاعد. وراجع قيمة كل نظام وخطره بانتظام.
  2. اكتب الأدوار وصلاحيات القرار. بيّن من يرعى ومن يملك كل نظام ومن يوافق على الاستخدامات الأعلى خطرًا ومن يستطيع إيقاف واحد. وأبقها في صفحة.
  3. أنشئ فريق تمكين صغيرًا. امنحه تفويضًا بتقديم الإرشاد والأدوات والتدريب والمراجعة، وقِسه بكم يساعد الفرق، لا بعدد البوابات التي يديرها.
  4. اختر البناء أو الشراء أو التكوين بالأدلة. قارن الكلفة الإجمالية والخطر والتحكم في البيانات والسرعة والمهارات لكل حالة. وسجّل القرار وأعد النظر فيه حين تتغير الظروف.
  5. موّل تكاليف التشغيل من البداية. ضع ميزانية لرسوم الاستخدام والمراقبة والدعم والتحسين، لا البناء فقط. وتتبّع الكلفة لكل حالة استخدام ولكل نتيجة.
  6. وفّر منصات مشتركة. قدّم أدوات معتمدة وخدمات مشتركة للوصول والتسجيل والتقييم والمطالبات والمهارات. واجعل الطريق المعتمد أسرع من الحل الالتفافي.
  7. استثمر في البيانات. سمِّ مالكي بيانات، وأصلح مشكلات الجودة التي تعيق حالات الاستخدام، ووثّق المصادر. وابدأ بالبيانات التي تحتاجها حالات الاستخدام الأولى.
  8. ابنِ المهارات بحسب الدور. قدّم تدريبًا قصيرًا عمليًا للجميع، وأعمق للبنّائين والمالكين، ووقتًا للممارسة على مهام حقيقية. وأنشئ أماكن لمشاركة ما ينجح.
  9. كن صادقًا بشأن الناس. قل ما تنوي للأدوار والعدد، وأشرك الموظفين في تصميم طرق العمل الجديدة، وادعم من يتغير عملهم.
  10. خطّط للمسار من التجربة إلى الإنتاج. قبل تجربة، قرر ما النجاح ومن سيشغّلها وأي ضوابط تحتاج وكم ستكلّف على النطاق الكامل. وأوقف التجارب التي لا تستطيع استيفاء تلك الاختبارات.

أسئلة للنقاش مع فريقك

من يملك كل نظام ذكاء اصطناعي نستخدمه، ومن يقرر متى يُغيَّر أو يُوقف؟ استخدم الجرد. توقّع فجوات. وتابع بتعيين مالكين وتسجيل صلاحيات القرار لأهم ثلاثة أنظمة.

ماذا نريد من مجموعة ذكاء اصطناعي مركزية أن تفعل لنا، وما الذي يجب أن يبقى مع كل فريق؟ ناقش المساعدة مقابل الضبط. توقّع آراء مختلفة بين من يريدون المعايير ومن يريدون السرعة. وتابع بسرد ثلاث خدمات ينبغي أن تقدمها المجموعة.

في آخر شراء أو بناء ذكاء اصطناعي لنا، هل قارنا الخيارات، وماذا سنقرر اليوم؟ انظر في سجل القرار. توقّع القليل. وتابع بالاتفاق على قالب قصير لقرارات البناء أو الشراء أو التكوين.

ما التكاليف الجارية لاستخداماتنا للذكاء الاصطناعي، ومن يدفعها؟ اطلب الأرقام. توقّع مجهولات، خصوصًا رسوم الاستخدام. وتابع باختيار حالة استخدام واحدة وبناء تقدير كلفة.

ما المهارات التي يحتاجها الناس لاستخدام الذكاء الاصطناعي جيدًا في وظائفهم، وكيف سيحصلون عليها؟ اسأل بحسب الدور. توقّع فجوات في الفحص وفهم الحدود. وتابع بالتخطيط لجلسة ممارسة على مهام حقيقية.

ماذا أخبرنا الموظفين عن كيف سيغيّر الذكاء الاصطناعي عملهم، وهل يصدقون؟ اسأل الموظفين مباشرة. توقّع قلقًا. وتابع بالاتفاق على ما يستطيع القادة قوله بصدق وما سيفعلونه لدعم الناس.

في الممارسة: مثال على إدارة الخدمات

لدى وكالة وطنية لحماية البيئة 30 استخدامًا للذكاء الاصطناعي موزعة عبر أقسامها: مساعدون حواريون، ونموذج ينبّه على قراءات حساسات غير معتادة، وأداة تلخص ردود الاستشارات، وعدة تجارب تجريها مجموعات بحث. يجد مدير رقمي جديد أن ثلاثة أقسام تدفع ثمن خدمات نسخ كلام متشابهة، وأن تجربتين تعملان منذ أكثر من سنة دون قرار، وأن لا أحد يستطيع قول كم تنفق الوكالة على الذكاء الاصطناعي.

تُشكّل فريق تمكين صغيرًا من أربعة، من تقنية المعلومات والبيانات والأمن والشؤون القانونية. مهمته الأولى الجرد، يكتمل في شهر. ومهمته الثانية نموذج تشغيل من صفحة: لكل استخدام ذكاء اصطناعي مالك مسمّى في الأعمال؛ ويوفر فريق التمكين بوابة نماذج معتمدة بالتسجيل، ومكتبة مطالبات ومهارات مراجعة، ومراجعة مخاطر للاستخدامات المتوسطة والعالية خلال عشرة أيام عمل؛ ويقرر اجتماع محفظة فصلي أي التجارب تُوسَّع أو تُغيَّر أو تُوقف.

يوقف اجتماع المحفظة خمس تجارب تفتقر إلى مالك أو مقياس، ويوحّد عقود النسخ الثلاثة في عقد واحد. ولنموذج شذوذ الحساسات، الذي يدعم قرارات تنبيهات التلوث، يكلّف المالك بمراجعة جودة البيانات ويضع مراقبة للانجراف. وينتقل تمويل أهم نظامين من ميزانيات المشاريع إلى ميزانية فريق سنوية، تشمل رسوم الاستخدام.

وفي المهارات، يقدم الفريق جلسة عملية من ساعتين لجميع الموظفين عن استخدام الذكاء الاصطناعي بأمان، ودورة أطول لـ40 شخصًا يبنون الأنظمة أو يملكونها. ويجتمع مجتمع ممارسة شهريًا. وتسأل النقابة التي تمثل الموظفين ماذا يعني الذكاء الاصطناعي للوظائف؛ فيلتزم المدير الرقمي كتابة بأن البرنامج لن يُستخدم لقطع وظائف خلال سنتين، وأن الوقت الموفَّر سيذهب إلى رصيد من أعمال التفتيش.

ما الذي يتغير: لدى الوكالة جرد واحد ومالكون واضحون ومكان واحد لطلب المساعدة. وما يظل صعبًا: ترى بعض مجموعات البحث مسار المراجعة فرملة وتواصل تشغيل أدوات غير رسمية؛ وتكاليف الاستخدام أعلى من المقدّر لنظامين ولم تُعدَّل الميزانية؛ ويحد الالتزام بشأن الوظائف من خيارات تريد المالية إبقاءها مفتوحة. ويراجع المدير الرقمي سرعة المسار والميزانية فصليًا.

أربع زوايا نظر

فرق المنتج والتسليم

امتلكوا أنظمتكم للذكاء الاصطناعي منتجات: الرصيد والمراقبة والتكاليف والتقاعد. استخدموا المنصات المشتركة والمكتبة المعتمدة. واطلبوا مساعدة فريق التمكين مبكرًا.

فرق الخدمة والعمليات

شاركوا في تشغيل أنظمة الذكاء الاصطناعي وأبلغوا بما ترونه. تعلّموا كيف تفحصون المخرجات، وأخبروا المالكين بالانجراف والأخطاء. واستخدموا الأدوات المشتركة.

القيادة والحوكمة

ارعوا النموذج، وعيّنوا المالكين، وموّلوا الفرق الدائمة وتكاليف التشغيل. اطلبوا نظرة المحفظة، بالقيمة والخطر. وكونوا صادقين مع الموظفين بشأن الأثر في الأدوار.

العملاء والمستخدمون

ينبغي أن تعرفوا من المسؤول عن نظام ذكاء اصطناعي يؤثر فيكم وكيف تثيرون قلقًا. اسألوا كيف تصل ملاحظاتكم إلى المالك.

الرشاقة والذكاء الاصطناعي والأتمتة والتحليلات

الرشاقة

شغّل منتجات الذكاء الاصطناعي بفرق دائمة ودورات قصيرة ومراجعة منتظمة مع المستخدمين وأصحاب المصلحة. وعامل نموذج التشغيل نفسه شيئًا يُحسَّن بخطوات صغيرة. تنبيه: تجنب إطلاق برنامج ذكاء اصطناعي كبير بخطة ثابتة؛ ابدأ ببضع حالات استخدام وتعلّم.

الذكاء الاصطناعي

هذا الموضوع عن إدارة الذكاء الاصطناعي نفسه: المالكون ودورة الحياة والتمويل والمهارات. ويستطيع الذكاء الاصطناعي المساعدة في تحليل المحفظة والتوثيق، تحت المراجعة. تنبيه: فريق تمكين يوافق على كل شيء أو لا شيء يفقد مصداقيته؛ فاضبط المراجعة بالخطر. انظر الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال.

الأتمتة

أتمت تغذيات الجرد وتقارير الكلفة والتسجيل وفحوص السياسة في المنصة المشتركة، ليكون الطريق الآمن هو السهل أيضًا. تنبيه: الأتمتة التي تحجب الاستخدام دون بديل معتمد تدفع الناس إلى أدوات خفية. انظر الموضوع 6.1 — استراتيجية الأتمتة.

التحليلات

تتبّع المحفظة: عدد الاستخدامات والمالكين والكلفة لكل حالة استخدام ومقاييس القيمة والحوادث وأزمنة المراجعة وتغطية المهارات. تنبيه: عدّ مشاريع الذكاء الاصطناعي أو الموظفين المدرَّبين يكافئ النشاط لا النتائج؛ فاقرنه بمقاييس القيمة والجودة. انظر الموضوع 7.3 — القياس والتقارير وكتاب Service Management Metrics.

أنماط الإخفاق الشائعة

  • تفرع الأدوات. يشتري كل فريق أداته. احتفظ بجرد ووحّد.
  • أنظمة بلا مالك. لا أحد يصونها أو يوقفها. سمِّ مالكين وراجع المحفظة.
  • مشاريع لا منتجات. تُحل الفرق بعد الإطلاق. موّل فرقًا دائمة للأنظمة المهمة.
  • مركز يحرس البوابات. يعيق فريق التمكين العمل. اجعله خدمة بأهداف استجابة.
  • تجاهل تكاليف التشغيل. تفاجئ رسوم الاستخدام الميزانية. ضمّنها من البداية.
  • تدريب بلا ممارسة. تُحضر الدورات وتبقى العادات. مارس على مهام حقيقية.
  • الصمت بشأن الوظائف. ينتشر الخوف. قل ما تنوي وأشرك الموظفين.

نموذج النضج

البُعد البدء التطوير التوحيد الإدارة التنسيق
الملكية والأدوار غير واضحة داعمون مالكون مسمّون وصلاحيات قرار لكل نظام تُراجع الأدوار بالنتائج أدوار منسقة عبر المؤسسة والشركاء
التمويل ودورة الحياة مال مشاريع بعض تمويل التشغيل تمويل دائم للأنظمة الرئيسة ودورة حياة معرّفة تُراجع الكلفة والقيمة بانتظام تُمول المحفظة وتُعاد موازنتها بالقيمة والخطر
المنصة والتمكين أدوات فردية إرشاد مشترك منصة ومكتبة وخدمة مراجعة معتمدة يُقاس الاستخدام والرضا منصة مدمجة مع الحوكمة والأتمتة
المهارات ارتجالًا تدريب توعية تعلم قائم على الدور مع الممارسة تُتتبَّع المهارات مقابل الحاجات تُخطَّط المهارات عبر القوى العاملة مع دعم للتغيير

قائمة التحقق

  • لكل نظام ذكاء اصطناعي مهم مالك منتج مسمّى.
  • الأدوار وصلاحيات القرار مكتوبة في صفحة.
  • يوفر فريق تمكين صغير الأدوات والإرشاد والمراجعة.
  • قرارات البناء أو الشراء أو التكوين مسجلة.
  • تكاليف التشغيل مدرجة في الميزانية ومتتبَّعة لكل حالة استخدام.
  • خدمات المنصة المشتركة تجعل الطريق المعتمد سهلًا.
  • التدريب قائم على الدور ويشمل ممارسة على مهام حقيقية.
  • أخبرنا الموظفين بصدق كيف سيؤثر الذكاء الاصطناعي في عملهم.

موجّهات الذكاء الاصطناعي

قارن البناء والشراء والتكوين.

Our use case: [describe]. Our constraints: [data sensitivity, skills, budget, timeline]. Options: [list].
Draft a comparison table with criteria (total cost over three years, data control, speed, risk of dependency, skills needed, ability to change) and for each option what we know and what we do not know from my description. Do not choose an option or invent costs.
List what you are unsure of.

صُغ نموذج تشغيل من صفحة للنقاش.

Our organization: [type, size]. Our AI uses today: [list]. Our governance bodies: [list].
Draft a one-page operating model with roles, decision rights, funding approach, how AI is built or bought, how risk review works, and how skills are built. Mark every assumption and leave [blank] where my description gives no basis.
List what you are unsure of.

خطّط للمهارات بحسب الدور.

Roles in our team: [list with what each does]. AI uses planned: [list].
For each role, list the skills needed (use of AI, checking outputs, risk, building, data), one practice activity on real work, and one way to see that the skill has grown. Do not name courses or vendors.
List what you are unsure of.

مهارات الذكاء الاصطناعي

  • portfolio-management: استخدمها لمراجعة محفظة الذكاء الاصطناعي بالقيمة والخطر.
  • mlops: استخدمها لإدارة النماذج عبر دورة حياتها.
  • training-needs-analysis: استخدمها لتعريف المهارات التي يحتاجها كل دور.
  • raci-matrix: استخدمها لتوضيح الأدوار وصلاحيات القرار.
  • roi-analysis: استخدمها لموازنة تكاليف استخدامات الذكاء الاصطناعي وفوائدها.

المصادر الرئيسة

  • NIST, AI Risk Management Framework: بنية تتضمن الحوكمة والأدوار المؤسسية.
  • ISO/IEC 42001 (the standard itself): متطلبات نظام الإدارة للذكاء الاصطناعي؛ اقرأ الإصدار الحالي من الناشر.
  • Marty Cagan, Empowered (2020): عن فرق المنتج وكيف تدعمها المؤسسات.
  • Wikipedia, "MLOps" and "Operating model": نظرات عامة على دورة الحياة والمفهوم.

المراجع

  1. Operating model — Wikipedia — https://en.wikipedia.org/wiki/Operating_model
  2. MLOps — Wikipedia — https://en.wikipedia.org/wiki/MLOps
  3. Center of excellence — Wikipedia — https://en.wikipedia.org/wiki/Center_of_excellence
  4. Product management — Wikipedia — https://en.wikipedia.org/wiki/Product_management
  5. Cost–benefit analysis — Wikipedia — https://en.wikipedia.org/wiki/Cost%E2%80%93benefit_analysis
  6. Digital literacy — Wikipedia — https://en.wikipedia.org/wiki/Digital_literacy
  7. Community of practice — Wikipedia — https://en.wikipedia.org/wiki/Community_of_practice
  8. Technological unemployment — Wikipedia — https://en.wikipedia.org/wiki/Technological_unemployment
  9. Return on investment — Wikipedia — https://en.wikipedia.org/wiki/Return_on_investment
  10. Proof of concept — Wikipedia — https://en.wikipedia.org/wiki/Proof_of_concept
  11. AI Risk Management Framework — NIST — https://www.nist.gov/itl/ai-risk-management-framework