⑥

▪️ اكتشاف أهم القيم

Prompt

حلل البيانات وحدد:

- أعلى 10 قيم
- أدنى 10 قيم
- القيم الشاذة Outliers
- القيم التي تستحق اهتمام الإدارة

اشرح سبب أهمية كل عنصر.

⑦

▪️التصفية الذكية

Prompt

ابحث عن السجلات التي تحقق جميع الشروط التالية:

[ضع الشروط]

ثم:

1- احسب عدد السجلات.
2- استخرج الأنماط المشتركة.
3- اشرح لماذا تم اختيار هذه السجلات.

⑦

▪️ الترتيب والتصنيف

Prompt

رتب البيانات وفقاً للمعايير التالية:

[المعايير]

ثم أنشئ:

- Top 10
- Bottom 10
- الفئات الرئيسية
- أهم الملاحظات

⑧

▪️ بناء Pivot Logic

بدلاً من طلب Pivot Table فقط.

Prompt

اقترح أفضل Pivot Tables يمكن إنشاؤها من هذه البيانات.

لكل Pivot وضح:

- Rows
- Columns
- Values
- الهدف التحليلي
- القرار الذي سيدعمه

⑨

▪️ اختيار الرسم البياني

Prompt

حلل البيانات واقترح أفضل الرسوم البيانية.

لكل رسم وضح:

- النوع
- السبب
- المتغيرات المستخدمة
- الرؤية التي سيكشفها
- متى لا يجب استخدامه

⑩

▪️ استخراج الرؤى التنفيذية

هذا من أقوى استخدامات Claude.

Prompt

تصرف كاستشاري أعمال.

حلل البيانات واستخرج:

1- أهم 10 رؤى.
2- الاتجاهات الرئيسية.
3- الفرص.
4- المخاطر.
5- التوصيات.

رتب النتائج حسب التأثير على الأعمال.

⑪

▪️ تحليل التعليقات النصية

Prompt

حلل تعليقات العملاء.

المطلوب:

1- تصنيف المواضيع الرئيسية.
2- تحليل المشاعر Sentiment Analysis.
3- تحديد الشكاوى المتكررة.
4- تحديد فرص التحسين.
5- تقديم اقتباسات ممثلة لكل موضوع.

⑫

▪️ بناء تقرير تنفيذي

وهذا غير موجود في الصورة الأصلية لكنه من أقوى استخدامات Claude.

Prompt

تصرف كمدير استشارات في شركة عالمية.

بناءً على البيانات:

أنشئ تقريراً تنفيذياً يتضمن:

- ملخصاً تنفيذياً
- أهم المؤشرات
- الاتجاهات
- المخاطر
- الفرص
- التوصيات
- خطة عمل لمدة 90 يوماً

استخدم لغة الإدارة العليا.

⑬

▪️ اكتشاف الأسباب الجذرية للمشكلات

Root Cause Analysis

Prompt

تصرف كاستشاري أعمال ومحلل بيانات.

يوجد انخفاض في المؤشر التالي:

[اسم المؤشر]

حلل البيانات لاكتشاف الأسباب الجذرية المحتملة.

المطلوب:

1- تحديد العوامل الأكثر ارتباطاً بالمشكلة.
2- ترتيب الأسباب حسب قوة التأثير.
3- توضيح الأدلة الداعمة لكل سبب.
4- تمييز ما هو حقيقة وما هو استنتاج.
5- اقتراح إجراءات تصحيحية لكل سبب.

اعرض النتائج في جدول:
السبب | مستوى التأثير | الأدلة | التوصية

⑭

▪️ بناء مؤشرات الأداء KPI Dashboard

KPI Design & Dashboard Planning

Prompt

راجع البيانات الحالية.

المطلوب:

1- تحديد أهم مؤشرات الأداء KPI الممكنة.
2- تصنيفها إلى:
- مالية
- تشغيلية
- مبيعات
- خدمة عملاء

3- تحديد:
- طريقة الحساب
- مصدر البيانات
- دورية التحديث
- الهدف المستهدف

4- اقترح تصميم لوحة مؤشرات Dashboard مناسبة للإدارة العليا.

اعرض النتائج في جدول منظم.

⑮

▪️ اكتشاف الفرص والتوصيات المستقبلية

Opportunity Discovery

Prompt

تصرف كخبير استراتيجي.

حلل البيانات وابحث عن:

1- الفرص غير المستغلة.
2- المنتجات أو الخدمات ذات النمو المرتفع.
3- الشرائح الأكثر ربحية.
4- المجالات التي تستحق استثماراً إضافياً.
5- المخاطر المستقبلية المحتملة.

لكل فرصة وضح:

- الوصف
- حجم التأثير المتوقع
- مستوى الثقة
- التوصية العملية
- الأولوية

رتب النتائج من الأعلى تأثيراً إلى الأقل.

مستويات تبني الذكاء الاصطناعي في المؤسسات

كثير من المؤسسات تعتقد أنها أصبحت (مؤسسة ذكاء اصطناعي) لأنها اشترت Copilot أو أطلقت Chatbot

لكن الواقع أن تبني الذكاء الاصطناعي يمر عبر 5 مستويات نضج مختلفة….

تعالوا نعرف هذه المستويات…👇🏻

①
المستوى 1️⃣ : AI Assistance
المساعد الذكي

في هذا المستوى، الذكاء الاصطناعي لا يعمل بدل الموظف… إنما يساعده فقط.

الإنسان هو الذي:
✅ يبحث
✅ يقرر
✅ ينفذ

والذكاء الاصطناعي يقدم المعلومات أو الاقتراحات

مثال

موظف خدمة العملاء يسأل الـ AI عن سياسة الاسترجاع للمنتج.. والـ AI يقوم بالبحث في الأنظمة والوثائق ويعرض الإجابة

والموظف هو من يتحدث مع العميل

②

المستوى 2️⃣ : AI Automation
أتمتة العمليات

هنا ينتقل الذكاء الاصطناعي من (المساعدة) إلى (التنفيذ)

بدل من إعطاء الموظف المعلومات فقط، يبدأ بتنفيذ المهام الروتينية

مثال

عند وصول بريد إلكتروني فإن الـ AI

- يقرأه
- يصنفه
- يحوله للإدارة المختصة
- ينشئ تذكرة متابعة

دون تدخل بشري.

③

المستوى 3️⃣ : AI Augmentation
تعزيز القدرات البشرية

هنا تبدأ القيمة الاستراتيجية الحقيقية للـAI

الهدف يتجاوز تقليل عدد الموظفين إلى جعلهم أكثر ذكاء وإنتاجية

مثال

طبيب أشعة يراجع صورة طبية.

الذكاء الاصطناعي:

- يحدد المناطق المشبوهة
- يقارن بملايين الحالات
- يرصد احتمالات الخطر

لكن الطبيب يتخذ القرار النهائي

④

المستوى 4️⃣ : AI Orchestration
تنسيق وإدارة العمليا

هنا تبدأ مرحلة مختلفة حيث الذكاء الاصطناعي يدير سلسلة عمليات مترابطة من البداية للنهاية.

مثال

تأخر شحنة مواد خام لمصنع… هنا يقوم الذكاء الاصطناعي تلقائياً بـ:

- اكتشاف المشكلة
- تحليل التأثير
- تعديل خطة الإنتاج
- البحث عن مورد بديل
- تحديث الجداول
- إخطار الفرق المعنية

كل هذا بشكل متكامل ومنظم وتلقائي

⑤

المستوى 5️⃣ : AI-Native Organization
المؤسسة المبنية حول الذكاء الاصطناعي

هذا هو المستوى الأكثر تقدم… وفيه المؤسسة تبني أعمالها حول الذكاء الاصطناعي من الأساس ولا تضيفه على عمليات قديمة.

مثال

شركة تأمين… عندما يصلها طلب التأمين، فإن الـ AI:

- يحلل العميل
- يحسب المخاطر
- يصمم وثيقة مخصصة
- يحدد السعر
- يصدر الوثيقة
- يراقب المخاطر لاحقاً
- يحدث الأسعار باستمرار

والإنسان يتدخل في الحالات الاستثنائية

جهاز ذكي لكشف الغش في المغرب 🇲🇦

اعتمدت وزارة التربية الوطنية والتعليم الأولي والرياضة في المغرب جهازاً ذكياً مغربي الصنع يحمل اسم "T3-Shield"، وذلك لتعزيز مراقبة امتحانات البكالوريا والتصدي لمحاولات الغش باستخدام الوسائل الإلكترونية.

التفاصيل في الفيديو
المصدر@Medi1TV

استقالة غابريل
الباحث في OpenAI والذي عمل على مشروع Sora وقبله Midjourny …

الآن بدأ عمله الخاص… ويقول بأنه يعمل على مشروع جديد

الأطفال ونماذج (LLMs) يتعاملون بطريقة متشابهة مع المعلومات الناقصة أو غير الموثوقة عند محاولة اكتشاف القواعد الخفية

▪️ورقة بحثية درست:
- كيف يكوّن الأطفال الفرضيات ويستنتجون القواعد المخفية عندما تكون المعلومات غير كاملة أو قد تكون مضللة.
- قارنت هذا السلوك بسلوك نماذج اللغة الكبيرة في نفس المهمة.

▪️كيف أجريت؟

- شارك في التجربة 100 طفل تتراوح أعمارهم بين 7 و10 سنوات، بالإضافة إلى عدة نماذج لغة كبيرة.
- طُلب من الأطفال فتح 5 صناديق مغلقة باستخدام 13 مفتاحًا خلال وقت محدود، بعد مشاهدة تعليمات مضللة توحي بأن لون المفتاح هو العامل المهم.
- بعد الانتهاء، خضع الأطفال لاختبار لمعرفة ما إذا كانوا اكتشفوا القاعدة الحقيقية أم لا. وتمت مقارنة نتائجهم بنتائج النماذج الذكية في المهمة نفسها.

▪️ماذا وجدت؟

- 66% من الأطفال تمكنوا من فتح جميع الصناديق.
- لكن 22% فقط اكتشفوا القاعدة الحقيقية وتمكنوا من تعميمها على مواقف جديدة.
- أفضل نموذج حاسوبي لتفسير سلوك الأطفال كان النموذج الذي يفترض أن الأطفال:
يشكّون أحيانًا في موثوقية الأدلة التي يرونها.
يولّدون فرضيات جديدة أثناء التجربة بدل الاعتماد على فرضيات جاهزة فقط.
- ن