في عصر يتجه فيه العالم نحو التحول الرقمي، أصبحت نماذج اللغات الضخمة (Large Language Models - LLMs) جزءًا لا يتجزأ من استخدامات الذكاء الاصطناعي في مجال الأعمال. قد يكتشف الكثيرون إمكانيات هذه النماذج في تحليل البيانات الاستكشافية (Exploratory Data Analysis - EDA)، لكن الفعالية الحقيقية لهذه النماذج كوكيل للاستكشاف في البيئة التجارية لا تزال قيد الدراسة.

الإجابة الواقعية على هذا التساؤل تكمن في تقييم الأداء بمناسبة السيطرة على ظروف تجريبية محكمة، والتي تم اختبار 15 إعدادًا مختلفًا من 8 عائلات نموذجية. هذه الإعدادات تم تحليلها تحت أربع ظروف تجريبية تناوبت في تمثيل البيانات ووضوح التحفيز وقوة الإشارة. الهدف كان الكشف عن تركيبات الموردين والمنتجات المسؤولة عن انخفاض الجودة وفقدان المبيعات.

وتم تقييم النتائج من خلال مؤشرات موثوقة، حيث أظهرت النتائج أن معظم الإعدادات لم تكن موثوقة بما يكفي للاستخدام المستقل في تحليل البيانات الاستكشافية، حتى مع وجود معدلات أداء متوسطة تبدو مقبولة. في هذا السياق، أظهرت نماذج GPT-5.4 مع جهد استدلال إضافي أفضل أداء عامًا، محققةً معدل متوسط قدره 0.8748 في الأداء، وبنقطة نفع تجاري بلغت 0.6952.

تظهر هذه النتائج أن تقييم وكلاء EDA يجب أن يأخذ في الاعتبار الأبعاد الثلاثة: جودة الأداء المتوسط، القابلية للتكرار، وحساسية الظروف، مما يعكس الثقة التشغيلية.

فهل فعلاً تعتبر نماذج اللغات الضخمة الحل الأمثل لجميع تحديات تحليل البيانات في الأعمال؟ ام هل لا تزال هناك حاجة لتحقيق مستويات أعلى من الثقة في نتائجها؟ نتطلع لسماع آرائكم حول هذا الموضوع! شاركونا في التعليقات.