Je, Sayansi ya Data itabadilishwa na AI?

Sawa, kadi mezani - swali hili linajitokeza kila mahali. Katika mikutano ya kiteknolojia, mapumziko ya kahawa kazini, na ndio, hata katika nyuzi hizo za LinkedIn zenye mizunguko mirefu hakuna anayekubali kusoma. Wasiwasi ni mzito sana: ikiwa AI inaweza kushughulikia otomatiki nyingi, je, hiyo inafanya sayansi ya data kuwa ... inayoweza kutupwa? Jibu la haraka: hapana. Jibu refu zaidi? Ni gumu, fujo, na la kuvutia zaidi kuliko "ndiyo" au "hapana" tambarare

Makala unayoweza kupenda kusoma baada ya hii:

🔗 Sayansi ya data na akili bandia: Mustakabali wa uvumbuzi
Kuchunguza jinsi AI na sayansi ya data vinavyounda mandhari ya uvumbuzi wa kesho.

🔗 Je, AI itachukua nafasi ya wachambuzi wa data: Mazungumzo halisi
Kuelewa athari za AI kwenye majukumu ya wachambuzi wa data na mahitaji ya tasnia.

🔗 Usimamizi wa data kwa zana za AI unazopaswa kuangalia
Mbinu muhimu za usimamizi wa data ili kuongeza uwezo wa zana za AI.

Kinachofanya Sayansi ya Data Kuwa na Thamani 🎯

Hili ndilo jambo - sayansi ya data si tu mifumo ya hesabu pamoja na mifano. Kinachoifanya iwe na nguvu ni mchanganyiko huu wa ajabu wa usahihi wa takwimu, muktadha wa biashara, na mguso wa utatuzi wa matatizo wa ubunifu . AI inaweza kuhesabu uwezekano elfu kumi kwa haraka, hakika. Lakini je, inaweza kuamua gani muhimu kwa faida ya kampuni? Au kuelezea jinsi tatizo hilo linavyohusiana na mkakati na tabia ya wateja? Hapo ndipo wanadamu wanapoingilia kati.

Kiini chake, sayansi ya data ni kama mtafsiri. Inachukua fujo ghafi - lahajedwali mbaya, kumbukumbu, tafiti ambazo hazina maana - na huigeuza kuwa maamuzi ambayo watu wa kawaida wanaweza kuyafanyia kazi. Ondoa safu hiyo ya tafsiri na AI mara nyingi husema upuuzi wa kujiamini. HBR imekuwa ikisema hivi kwa miaka mingi: mchuzi wa siri si vipimo vya usahihi, ni ushawishi na muktadha [2].

Ukaguzi wa ukweli: tafiti zinaonyesha AI inaweza kuendesha kazi nyingi kiotomatiki ndani ya kazi - wakati mwingine zaidi ya nusu . Lakini kuchambua kazi, kutoa hukumu, na kuendana na kitu cha fujo kinachoitwa "shirika"? Bado ni eneo la kibinadamu sana [1].

Ulinganisho wa Haraka: Sayansi ya Data dhidi ya AI

Jedwali hili si kamili, lakini linaangazia majukumu tofauti wanayocheza:

Hadithi ya "Mbadala Kamili" 🚫

Inasikika vizuri kufikiria AI ikimeza kila kazi ya data, lakini hiyo imejengwa juu ya dhana potofu - kwamba thamani yote ya sayansi ya data ni ya kiufundi. Nyingi yake kwa kweli ni ya tafsiri, ya kisiasa, na ya mawasiliano .

• Hakuna mtendaji anayesema, "Tafadhali nipe modeli yenye usahihi wa 94%

• Wanasema, "Je, tunapaswa kupanua soko hili jipya, ndiyo au hapana?"

AI inaweza kutoa utabiri. Kile ambacho haitazingatia: maumivu ya kichwa ya udhibiti, tofauti za kitamaduni, au hamu ya hatari ya Mkurugenzi Mtendaji. Uchambuzi unaogeuka kuwa vitendo bado ni mchezo wa kibinadamu , uliojaa maelewano na ushawishi [2].

Ambapo Akili bandia Tayari Inatikisa Mambo 💥

Tuwe wakweli - sehemu za sayansi ya data tayari zinaliwa na akili bandia (AI):

• Kusafisha na Kuandaa Data → Huangalia kiotomatiki thamani zinazokosekana, kasoro, na kuteleza haraka kuliko wanadamu wanaopitia Excel.

• Uteuzi na urekebishaji wa modeli → AutoML hupunguza chaguo za algoriti na kushughulikia vigezo vya hyper, na hivyo kuokoa wiki za kuchezea [5].

• Uonyeshaji na kuripoti → Zana sasa zinaweza kuchora dashibodi au muhtasari wa maandishi kutoka kwa kidokezo kimoja.

Nani anahisi zaidi? Watu ambao kazi zao zinahusu kujenga chati zinazojirudia au uundaji wa modeli za msingi. Njia ya kutoka? Sogea juu zaidi kwenye mnyororo wa thamani: uliza maswali makali, simulia hadithi zilizo wazi zaidi, na upange mapendekezo bora zaidi.

Picha ya haraka ya kesi: muuzaji hujaribu AutoML kwa ajili ya kuchuja. Inabainisha mfumo imara wa msingi. Lakini ushindi mkubwa unakuja wakati mwanasayansi wa data anapobadilisha muundo wa kazi: badala ya "Nani atachuja?" inakuwa "Ni hatua gani zinazoongeza faida halisi kwa sehemu?" Mabadiliko hayo - pamoja na kushirikiana na fedha kuweka vikwazo - ndiyo yanayoendesha thamani. Otomatiki huharakisha mambo, lakini uundaji hufungua matokeo.

Jukumu la Wanasayansi wa Data Linabadilika 🔄

Badala ya kufifia, kazi hiyo inabadilika na kuwa maumbo mapya:

1. Watafsiri wa AI - kufanya matokeo ya kiufundi yawe rahisi kueleweka kwa viongozi wanaojali kuhusu dola na hatari ya chapa.

2. Viongozi wa utawala na maadili - kuanzisha upimaji wa upendeleo, ufuatiliaji, na udhibiti unaoendana na viwango kama vile NIST's AI RMF [3].

3. Wataalamu wa mikakati ya bidhaa - kuunganisha data na akili bandia (AI) katika uzoefu wa wateja na ramani za bidhaa.

Kwa kushangaza, kadri AI inavyochukua kazi zaidi ya kiufundi ya kugugumia, ujuzi wa kibinadamu - usimulizi wa hadithi, uamuzi wa kikoa, na mawazo muhimu - huwa sehemu ambazo huwezi kuzibadilisha kwa urahisi.

Wataalamu na Data Wanasema Nini 🗣️

• Otomatiki ni halisi, lakini si sehemu : AI ya sasa inaweza kuendesha kazi nyingi kiotomatiki ndani ya kazi nyingi, lakini hiyo kwa kawaida huwapa wanadamu uhuru wa kuhamia kwenye kazi zenye thamani kubwa [1].

• Maamuzi yanahitaji wanadamu : HBR inabainisha kwamba mashirika hayasongi kwa sababu ya idadi ghafi - yanasogea kwa sababu hadithi na masimulizi huwafanya viongozi kutenda [2].

• Athari ya kazi ≠ kufutwa kazi kwa wingi : Data ya WEF inaonyesha kwamba makampuni yanatarajia akili bandia (AI) kubadilisha majukumu na kupunguza wafanyakazi ambapo kazi zinaweza kujiendesha kiotomatiki, lakini pia wanaongeza kasi ya uboreshaji wa ujuzi [4]. Muundo unaonekana zaidi kama muundo mpya kuliko uingizwaji.

Kwa Nini Hofu Inaendelea 😟

Vichwa vya habari vya vyombo vya habari hustawi kwa kuangamia. "Akili bandia inachukua nafasi ya kazi!" inauzwa. Lakini tafiti nzito zinaonyesha mara kwa mara tofauti: otomatiki ya kazi, muundo mpya wa mtiririko wa kazi, na uundaji mpya wa majukumu [1][4]. Mfano wa kikokotoo hufanya kazi: hakuna mtu anayegawanya kwa mkono kwa muda mrefu tena, lakini bado unahitaji kuelewa aljebra ili kujua wakati wa kutumia kikokotoo.

Kuendelea Kufaa: Kitabu cha Michezo cha Vitendo 🧰

• Anza na uamuzi. Elekeza kazi yako kwenye swali la biashara na gharama ya kukosea.

• Acha AI iandike, wewe uboreshe. Chukulia matokeo yake kama sehemu za kuanzia - unaleta hukumu na muktadha.

• Jenga utawala katika mtiririko wako. Ukaguzi mwepesi wa upendeleo, ufuatiliaji, na nyaraka zinazohusiana na mifumo kama ya NIST [3].

• Badilisha kuelekea mkakati na mawasiliano. Kadiri unavyokuwa umefungamana kidogo na "kubonyeza kitufe," ndivyo inavyokuwa vigumu zaidi kukuondoa kiotomatiki.

• Jua AutoML yako. Fikiria kama mwanafunzi mzoefu lakini mzembe: mwepesi, asiyechoka, wakati mwingine ana makosa makubwa. Unaweka ulinzi [5].

Kwa hivyo… Je, AI Itachukua Nafasi ya Sayansi ya Data? ✅❌

Jibu la moja kwa moja: Hapana, lakini litaibadilisha . AI inaandika upya zana - kupunguza kazi ya miguno, kuongeza ukubwa, na kubadilisha ujuzi ambao ni muhimu zaidi. Kile ambacho haiondoi ni hitaji la tafsiri ya kibinadamu, ubunifu, na hukumu . Ikiwa kuna chochote, wanasayansi wazuri wa data wana zaidi kama wakalimani wa matokeo yanayozidi kuwa magumu.

Jambo la msingi: AI inachukua nafasi ya kazi, si taaluma [1][2][4].

Marejeleo

[1] McKinsey & Company - Uwezo wa kiuchumi wa AI ya uzalishaji: Mpaka unaofuata wa uzalishaji (Juni 2023).
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier

[2] Mapitio ya Biashara ya Harvard - Sayansi ya Data na Sanaa ya Ushawishi (Scott Berinato, Jan–Feb 2019).
https://hbr.org/2019/01/data-science-and-the-art-of-persuasion

[3] NIST - Mfumo wa Usimamizi wa Hatari wa Akili Bandia (AI RMF 1.0) (2023).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf

[4] Jukwaa la Uchumi Duniani - Je, AI inafunga mlango wa fursa za kazi za kiwango cha kwanza? (Aprili 30, 2025) - maarifa kutoka kwa Mustakabali wa Kazi 2025.
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/

[5] He, X. et al. - AutoML: Utafiti wa Hali ya Sanaa (arXiv, 2019).
https://arxiv.org/abs/1908.00709

Pata AI ya Hivi Punde kwenye Duka Rasmi la Msaidizi wa AI

Kuhusu Sisi