لم يعد الدين التقني يقتصر على البنى التحتية القديمة، بل امتد ليشمل تحديات جديدة مع ظهور الذكاء الاصطناعي. تتجلى هذه التحديات في ديون مرتبطة بالأوامر (prompts)، والنماذج (models)، والبيانات، والتقييم، مما يجعل اكتشاف الأخطاء ومعالجتها أكثر تعقيداً مقارنة بالديون التقليدية.
تشير الدراسات إلى أن نسبة كبيرة من مشاريع الذكاء الاصطناعي تفشل بسبب هذه التعقيدات، حيث تتراكم أنواع جديدة من الديون مثل 'ديون الأوامر' الناتجة عن تعديلات غير موثقة، و'ديون تبعية النموذج' لعدم القدرة على التحكم في النماذج الخارجية، و'ديون الاسترجاع' بسبب البيانات غير الدقيقة، و'ديون التقييم' لغياب المعايير الموحدة.
لمعالجة هذه المشكلة، يجب على المؤسسات التعامل مع الأوامر كشفرات برمجية، وتطبيق تقييم مستمر، وتعزيز قابلية الشرح. إن الاستثمار في بناء أنظمة ذكاء اصطناعي قوية ومستدامة منذ البداية هو المفتاح لتحقيق فوائد الذكاء الاصطناعي على المدى الطويل.
