الذكاء الاصطناعي ذو المستوى الائتماني: الذكاء الاصطناعي المُدار في النشر المتخصص - كيف تحل شركة تومسون رويترز مشكلة الثقة في الذكاء الاصطناعي المؤسسي باستخدام Snowflake

رويترز تفتح أرشيفاتها: كيف يصبح المحتوى الصحفي مادة خام قيّمة للذكاء الاصطناعي

الذكاء الاصطناعي ذو المستوى الائتماني: لماذا تُعدّ الثقة أساس كل شيء عند استخدام الذكاء الاصطناعي

رسّخ الذكاء الاصطناعي مكانته كمحرك للابتكار في مختلف القطاعات، لكن في المجالات الحساسة للغاية كالقانون والضرائب واللوائح، تُطبّق قواعده الخاصة. فحيث يمكن لنماذج الذكاء الاصطناعي غير الواقعية أو الأحكام القانونية المعيبة أن تُلحق ضرراً بالسمعة وتُعرّض صاحبها لمخاطر قانونية جسيمة، فإن الثقة العمياء بالتكنولوجيا ليست خياراً مطروحاً. ولمواجهة هذا التحدي، تعتمد شركة تومسون رويترز، المزود العالمي لخدمات المعلومات، على شراكة واسعة النطاق مع منصة Snowflake السحابية لبيانات الذكاء الاصطناعي. ويتمحور جوهر هذه الشراكة حول مفهوم "الذكاء الاصطناعي المُدار" - وهو ذكاء اصطناعي موثوق به وخاضع لرقابة صارمة، يُعطي الأولوية للنتائج الموثوقة على السرعة القصوى. تتناول هذه المقالة كيف تُوحّد تومسون رويترز عشرات الآلاف من قواعد البيانات، مُسرّعةً بذلك عمليات العمل الحيوية بشكل كبير، ومُحوّلةً في الوقت نفسه أرشيفها الإخباري الضخم الذي يعود لعقود إلى مورد قيّم لاقتصاد الذكاء الاصطناعي العالمي. تعرّف على سبب تحوّل إدارة البيانات الممتازة إلى ميزة تنافسية حاسمة في النشر المتخصص الحديث، وما هي العقبات التي لا تزال قائمة عند توسيع نطاق استخدام الذكاء الاصطناعي في المؤسسات.

"الذكاء الاصطناعي ذو الدرجة الائتمانية" هو نوع محدد من الذكاء الاصطناعي المُدار: فهو يصف على وجه التحديد أعلى مستوى من الثقة والحوكمة داخل بيئة الذكاء الاصطناعي المُدارة، وهو أمر مطلوب لحالات الاستخدام الحساسة ائتمانيًا مثل القانون والضرائب واللوائح، في حين أن الذكاء الاصطناعي المُدار هو المصطلح الأكثر عمومية للبنية التحتية للذكاء الاصطناعي التي يتم تشغيلها والإشراف عليها بشكل احترافي بشكل عام.

تومسون رويترز هي شركة إعلام وتكنولوجيا كندية بريطانية مقرها في تورنتو، وقد تأسست في عام 2008 من خلال استحواذ شركة تومسون الكندية على وكالة الأنباء البريطانية رويترز.

تأسست وكالة رويترز في لندن عام 1851، وهي من أقدم وأكبر وكالات الأنباء في العالم. ولا تزال شركة وودبريدج، وهي شركة استثمار خاصة تابعة لعائلة تومسون الكندية، تمتلك أغلبية أسهم تومسون رويترز، بنسبة تتراوح بين 67 و70%. وتُدرج أسهم الشركة في بورصتي نيويورك وتورنتو تحت الرمز TRI.

في السنة المالية 2025، حققت المجموعة إيرادات بلغت حوالي 7.48 مليار دولار أمريكي، ووظفت نحو 27,100 شخص حول العالم في أكثر من 100 دولة. وتنقسم الشركة بشكل أساسي إلى خمسة قطاعات: المتخصصون القانونيون (منتجات البحث القانوني وإدارة سير العمل لشركات المحاماة والهيئات الحكومية)، والشركات (حلول للإدارات القانونية والضريبية وإدارات الامتثال الداخلية)، والمتخصصون في الضرائب والمحاسبة (منتجات الضرائب والمحاسبة)، ورويترز نيوز (قطاع الأخبار التقليدية)، والطباعة العالمية.

تُعرّف تومسون رويترز نفسها الآن بأنها "شركة ذكاء اصطناعي وتقنية" تدعم المهنيين بمحتوى موثوق وسير عمل مؤتمت، مستندةً إلى خبرة تراكمية في مجال المحتوى تمتد لأكثر من 150 عامًا. ومن بين أبرز منتجاتها منصة البحث القانوني Westlaw ومساعد الذكاء الاصطناعي CoCounsel للمحامين، وكلاهما يعتمد بشكل متزايد على بنية تحتية حديثة للبيانات مدعومة بالذكاء الاصطناعي - وهو تحديدًا المجال الذي يُمثّل جوهر شراكة Snowflake التي تم تحليلها سابقًا.

الموثوقية قبل السرعة: المعيار الجديد للذكاء الاصطناعي في دور النشر المتخصصة

الذكاء الاصطناعي الخالي من الأخطاء: كيف تحل شركة تومسون رويترز مشكلة الثقة في النظام القانوني

يُعتبر الذكاء الاصطناعي عمومًا مُسرِّعًا للنمو، ولكن في القطاعات القانونية والضريبية والتنظيمية، هناك أمرٌ واحدٌ يفوق كل اعتبار: الموثوقية. أي شخص يبيع للمحامين ومستشاري الضرائب وإدارات الامتثال نظام ذكاء اصطناعي يُنشئ فقرات قانونية غير صحيحة أو يستشهد بلوائح قديمة، لا يُخاطر فقط بسمعته، بل يُعرِّض عملائه أيضًا لعواقب قانونية. وهنا تحديدًا تبرز أهمية الشراكة بين تومسون رويترز وسنوفليك، التي عُرضت في قمة سنوفليك 26 في يونيو 2026. تُبيِّن هذه الشراكة كيف يُمكن لشركة إعلامية ومعلوماتية تقليدية تحويل مستودعات بياناتها الضخمة والحساسة للغاية إلى أساس متين للذكاء الاصطناعي التوليدي، دون فقدان السيطرة على مصدر البيانات وجودتها وإمكانية الوصول إليها.

تُعدّ تومسون رويترز مزودًا عالميًا لخدمات المعلومات في الشؤون القانونية والضريبية والتنظيمية، حيث تُزوّد ​​عملاءها بمنتجات مثل Westlaw للبحوث القانونية وCoCounsel، وهو مساعد ذكاء اصطناعي توليدي للمحامين. في المقابل، تُقدّم Snowflake نفسها كمنصة سحابية لبيانات الذكاء الاصطناعي، توفر بيانات المؤسسات مركزيًا وبشكل آمن، بما يتوافق مع لوائح الحوكمة، وذلك لتطبيقات التحليلات والذكاء الاصطناعي. يُقدّم هذا التعاون بين الشركتين مثالًا حيًا على نجاح مفهوم الذكاء الاصطناعي المُدار - الذي يتم تشغيله ومراقبته ودمجه باحترافية ضمن عمليات الأعمال القائمة - في واحدة من أكثر البيئات التنظيمية صرامة.

من 37500 جدول إلى حقيقة موحدة: بنية البيانات وراء الذكاء الاصطناعي

في عام 2021، اختارت تومسون رويترز منصة Snowflake لقدرتها على الجمع بين متطلبات الحوكمة والأمان على مستوى المؤسسة وبنية تحتية قابلة للتوسع للبيانات. ومنذ ذلك الحين، أنشأت الشركة مصدرًا واحدًا وآمنًا للبيانات الموثوقة عبر أكثر من 37,500 جدول بيانات مُدار و350 مصدر بيانات مختلف. وتُشكل هذه البنية التحتية أساسًا لمنصة My Data Space الداخلية، التي تُتيح للفرق المركزية تقديم ومشاركة منتجات بيانات موثوقة على مستوى المؤسسة.

يستخدم أكثر من 1500 مستخدم داخلي، بمن فيهم مهندسو البيانات والمحللون والمديرون التنفيذيون، هذا النظام يوميًا لاسترجاع البيانات المحمية واستخلاص رؤى قيّمة لسير عملهم. ومن الجدير بالذكر تسريع وتيرة إنجاز المهام الحرجة بما يصل إلى 3.4 أضعاف، مما يُمكّن من إجراء تحليلات بيانات معقدة كانت تستغرق أسابيع في ثوانٍ معدودة. ولا يقتصر هذا التطور على قوة الحوسبة فحسب، بل هو نتاج بنية تحتية موحدة للبيانات تُغني عن إعداد البيانات يدويًا، مما يسمح للفرق بالتركيز على اتخاذ القرارات بدلًا من إدارة البيانات اللوجستية.

Cortex AI و CoCo: أداتان للسرعة والتحديث

يُعدّ Snowflake Cortex AI جوهر التنفيذ التقني، فهو خدمة ذكاء اصطناعي مُدارة بالكامل تُمكّن المؤسسات من تشغيل نماذج لغوية ضخمة مباشرةً على بياناتها المُؤمّنة وفقًا لمعايير الحوكمة، دون الحاجة إلى نقلها إلى أنظمة خارجية. بالنسبة لشركة تومسون رويترز، يعني هذا تحويل مجموعات البيانات التنظيمية المعقدة إلى رؤى آنية، مما يُسرّع بشكل كبير من تطوير التطبيقات الذكية. يدعم Cortex AI نماذج من مُورّدين مُختلفين، بما في ذلك Anthropic وMeta وMistral، بالإضافة إلى نماذج حديثة مثل Claude Opus 5 وGemini 3 Pro، والتي تعمل مباشرةً ضمن بيئة Snowflake الآمنة.

في الوقت نفسه، تستخدم تومسون رويترز Snowflake CoCo، وهو مساعد برمجة مدعوم بالذكاء الاصطناعي، يساعد الفرق على تحديث الأنظمة القديمة وتسريع انتقالها إلى بيئة Snowflake. من خلال تبسيط عملية التطوير ضمن بيئة مُحكمة، تستطيع الفرق توسيع نطاق ابتكارات الذكاء الاصطناعي والبيانات دون المساس بمعايير الأمان أو الامتثال. يُجسّد هذا المزيج من أداة التحليلات ومساعد التطوير كيفية عمل الذكاء الاصطناعي المُدار عمليًا: إذ يتولى مُزوّد ​​المنصة إدارة البنية التحتية، واختيار النموذج، وسياسات الأمان، والتوسع، بينما تحتفظ وحدة الأعمال بالتحكم الكامل في بياناتها وحالات استخدامها.

الذكاء الاصطناعي ذو المستوى الائتماني: معيار جديد للمسؤولية الائتمانية في مجال الذكاء الاصطناعي

يصف مصطلح "الذكاء الاصطناعي الائتماني"، المستخدم من قبل شركتي Snowflake وThomson Reuters، مستوىً من الجودة لا يقبل المساومة فيه على دقة النتائج وإمكانية تتبعها وإمكانية الدفاع عنها. وأكدت كايتلين هالفيرتي، رئيسة قسم البيانات والتحليلات في Thomson Reuters، أن القيمة الحقيقية لا تكمن فقط في السرعة، بل في القدرة على الابتكار في بيئة مُحكمة حيث تستطيع الفرق تحويل البيانات التنظيمية المعقدة إلى رؤى قابلة للتنفيذ مع الحفاظ على مستوى الثقة والتحكم والموثوقية اللازم للتطبيقات المهنية عالية المخاطر.

بالنسبة لشركة تُستخدم منتجاتها الأساسية من قِبل المحامين ومستشاري الضرائب وخبراء التنظيم في مواقف بالغة الأهمية لأعمالها، فإن هذا النهج ليس مجرد شعار تسويقي، بل ضرورة اقتصادية. فالإنفاق الخاطئ أو غير الموثق على الذكاء الاصطناعي في مجالٍ تُهدد فيه ملايين الدولارات أو المسؤولية القانونية، من شأنه أن يُعرّض نموذج أعمال الشركة بأكمله للخطر. توفر طبقة حوكمة Snowflake، التي تشمل ضوابط الوصول القائمة على الأدوار، وإخفاء البيانات، ووسم الكائنات، وسجلات التدقيق، الأساس التقني، بينما تُساعد ميزات التصفية الإضافية، مثل Cortex Guard، في منع مخرجات النماذج غير المناسبة أو الضارة.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.

تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.

المزايا الرئيسية باختصار:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.

💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.

للمزيد من المعلومات، انقر هنا:

• منصة الذكاء الاصطناعي المُدارة

ويستلو وكو كاونسل كمستفيدين: الآثار العملية على المنتجات الرئيسية

يظهر أثرٌ رئيسي لتوحيد البيانات جليًا في منتجي تومسون رويترز الرئيسيين. فمع دمج تومسون رويترز لخطوط بياناتها الخاصة بمنصة Westlaw، وهي منصة بحث قانوني راسخة، ومنصة CoCounsel، وهي مساعد الذكاء الاصطناعي التوليدي للمحامين، أصبحت عمليات المعالجة الأساسية تعمل الآن بسرعة تصل إلى 3.4 أضعاف، مما يُمكّن من الانتقال من التقارير الثابتة إلى رؤى شبه فورية. هذا التحول يُغير جذريًا طريقة عمل المحامين يوميًا: فبدلًا من انتظار التحديثات اليومية، يتلقى المستخدمون الآن معلومات مُوثّقة ومُستمرة حول التطورات التنظيمية.

أكد كريستيان كلاينرمان، نائب الرئيس التنفيذي للمنتجات في شركة Snowflake، أن تعاون Thomson Reuters يُظهر كيف يمكن للشركات توسيع نطاق الذكاء الاصطناعي والحوكمة معًا من خلال إنشاء بنية تحتية موثوقة تُمكّن الفرق من العمل بسرعة أكبر وتوسيع نطاق استخدام الذكاء الاصطناعي على مستوى المؤسسة. ويُبرز هذا التصريح الوظيفة الاستراتيجية المزدوجة لهذه الشراكة: فهي مشروع تحديث تكنولوجي وأداة لبناء الثقة مع قاعدة عملاء تتسم تقليديًا بتجنب المخاطر فيما يتعلق بالابتكار التكنولوجي.

المحتوى كمادة خام: رويترز تفتح أرشيفاتها لاقتصاد الذكاء الاصطناعي

بالإضافة إلى منصة بياناتها الداخلية، أعلنت رويترز في أغسطس 2026 أنها ستتيح محتواها الصحفي عبر سوق Snowflake، مما يمكّن الشركات من إثراء تطبيقاتها ونماذجها للذكاء الاصطناعي بأخبار رويترز الموثوقة ومحتوى الوسائط المتعددة. يوفر هذا السوق للشركات إمكانية الوصول إلى صحافة رويترز التي يعود تاريخها إلى عام 1987، والمتوفرة بخمس لغات، والمدمجة مباشرةً في سير عمل الذكاء الاصطناعي. يُمثل هذا الإعلان خطوةً هامةً لقطاع الإعلام بأكمله، إذ يُظهر كيف يُمكن للأرشيفات الصحفية المحمية بحقوق النشر أن تُصبح مورداً قابلاً للاستثمار لأنظمة الذكاء الاصطناعي التوليدي دون التنازل عن حقوق الاستخدام.

يضع هذا تومسون رويترز في موقعين: الأول كمزود موثوق لبيانات التدريب والسياق لأنظمة الذكاء الاصطناعي التابعة لجهات خارجية، والثاني كمشغل لتطبيقات الذكاء الاصطناعي الخاصة بها والمتوافقة مع معايير الحوكمة لعملائها الأساسيين. هذا الدور المزدوج يميز بشكل جوهري الناشرين ومزودي المعلومات المتخصصين عن شركات التكنولوجيا البحتة، إذ يمتلكون مجموعات بيانات حصرية، غالباً ما يعود تاريخها إلى عقود، ما يمثل ميزة نوعية كبيرة لنماذج الذكاء الاصطناعي التوليدي مقارنةً ببيانات الإنترنت المتاحة للعموم.

استراتيجية منصة Snowflake: من مستودع البيانات إلى طبقة التحكم للذكاء الاصطناعي المؤسسي

يتماشى التعاون مع تومسون رويترز مع التوجه الاستراتيجي الأوسع لشركة سنوفليك، حيث تعزز الشركة مكانتها كطبقة تحكم في عالم المؤسسات القائم على الوكلاء. في أبريل 2026، أعلنت سنوفليك عن تحسينات كبيرة في كلٍ من سنوفليك إنتليجنس وكورتكس كود، مصممة لتمكين المؤسسات من ربط المزيد من مصادر البيانات وأنظمة المؤسسات ونماذج الذكاء الاصطناعي ببيانات سنوفليك الموثوقة ضمن تجربة موحدة. يعمل سنوفليك إنتليجنس كمساعد شخصي لمستخدمي الأعمال، ويتكيف بمرور الوقت مع تفضيلاتهم وسير عملهم، بينما يعمل كورتكس كود كطبقة تطوير لأنظمة الذكاء الاصطناعي المؤسسية، مما يتيح التطوير القائم على البيانات في جميع أنحاء النظام البيئي.

منذ إطلاقها في نوفمبر 2025، شهدت هذه الأداة انتشارًا سريعًا، حيث يستخدمها أكثر من نصف العملاء بنشاط لتعزيز الإنتاجية. وتتبنى Snowflake نهجًا مماثلًا في قطاع الخدمات المالية من خلال Cortex AI للخدمات المالية، الذي يجمع بين ضوابط أمنية والتزام صارمة مع إمكانية الوصول إلى بيانات الشركاء من مزودين مثل FactSet وMSCI وAssociated Press. ويُبرز هذا التوازي بين القطاعين المالي والقانوني نمطًا صناعيًا: حيثما تكون الأخطاء مكلفة وتكون إمكانية التتبع ضرورية، يسود نموذج الذكاء الاصطناعي الذي يُعطي الأولوية للحوكمة على المناهج المفتوحة وغير الخاضعة للرقابة.

الذكاء الاصطناعي المُدار كنموذج أعمال: لماذا أصبحت الإدارة أكثر أهمية من اختيار النموذج

يصف مصطلح "الذكاء الاصطناعي المُدار" تحولاً جذرياً في كيفية استخدام الشركات للذكاء الاصطناعي. فبدلاً من تشغيل نماذج اللغة بشكل منفصل، تقوم شركات مثل تومسون رويترز بنقل أجزاء كبيرة من البنية التحتية، وهيكلية الأمان، واختيار النماذج، والعمليات التشغيلية إلى منصة متخصصة تتولى هذه المهام على نطاق واسع وبتحديثات مستمرة. لم تعد القيمة الحقيقية تكمن فقط في تدريب النماذج الفردية أو تكييفها، بل في الإدارة الموثوقة لدورة حياة البيانات والذكاء الاصطناعي بأكملها: بدءاً من جمع البيانات وحوكمتها وصولاً إلى تقديم النتائج في تطبيقات الإنتاج.

بالنسبة للناشرين المتخصصين، وشركات المحاماة، وشركات الاستشارات، وغيرها من الصناعات كثيفة المعرفة، يعني هذا أن الميزة التنافسية لم تعد تنبع من الوصول إلى نماذج الذكاء الاصطناعي بحد ذاتها - إذ أصبحت هذه النماذج موحدة إلى حد كبير ومتاحة للعديد من المزودين - بل من جودة البيانات الأساسية وحصريتها وحوكمتها. وتُظهر شركة تومسون رويترز هذا الأمر بشكلٍ مُلفت: فالميزة التنافسية الحقيقية لا تكمن في استخدام نماذج Claude أو Gemini أو غيرها من نماذج اللغة بحد ذاتها، بل في القدرة على استخدام هذه النماذج بشكل آمن وشفاف ومتوافق مع القوانين على مجموعات بيانات متخصصة للغاية تراكمت على مدى عقود.

ديناميكيات المنافسة في سوق المعلومات المتخصصة: التسارع كعامل تمييز

يُتيح تسريع أعباء العمل بما يصل إلى 3.4 أضعاف لشركة تومسون رويترز تزويد عملائها النهائيين - من محامين وخبراء ضرائب ومحللين تنظيميين - بمعلومات حيوية ومحدثة بسرعة فائقة. في سوقٍ تُقدم فيه شركات منافسة مثل ليكسيس نيكسيس وبلومبيرغ لو وشركات التكنولوجيا القانونية الناشئة أدوات الذكاء الاصطناعي التوليدي، أصبحت السرعة المقترنة بالموثوقية عاملاً حاسماً للتميز. فالمزود الأول الذي يُقدم إجابات موثوقة ومُدققة يكسب ثقة فئة مهنية تُعرف تقليدياً بتحفظها الشديد تجاه التقنيات الجديدة.

في الوقت نفسه، يُتيح هذا التطور ميزة هيكلية لمزودي المعلومات الراسخين الذين يمتلكون مجموعات بيانات واسعة النطاق، نمت تاريخيًا، وخضعت للتدقيق القانوني، مقارنةً بالوافدين الجدد إلى السوق الذين، على الرغم من امتلاكهم تقنيات الذكاء الاصطناعي الحديثة، يفتقرون إلى عمق البيانات والسمعة المماثلة. وبالتالي، يُشكل التعاون مع Snowflake أيضًا نوعًا من حاجز دخول السوق: فبينما يُمكن لشركة أصغر نظريًا استخدام البنية التحتية السحابية نفسها، إلا أنها تفتقر إلى مخزون البيانات المُنسق على مدى عقود والذي يُشكل المحتوى الجوهري الفعلي لتطبيقات الذكاء الاصطناعي.

مخاطر وتساؤلات مفتوحة حول توسيع نطاق الذكاء الاصطناعي القائم على الحوكمة

على الرغم من الصورة الإيجابية التي وردت في البيانات الصحفية الرسمية، لا تزال هناك عدة أسئلة عالقة تُعدّ أساسية لإجراء تقييم متوازن. فكل من تومسون رويترز وسنوفليك لا تنشران معلومات تفصيلية حول معدلات الخطأ الفعلية لأنظمة الذكاء الاصطناعي المستخدمة، أو عدد مرات مراجعة البيانات من قِبل العنصر البشري، أو تكاليف التنفيذ المحددة. ويشير مقياس التسارع بمقدار 3.4 أضعاف تحديدًا إلى أحمال عمل حرجة معينة، وليس إلى جميع حالات الاستخدام داخل الشركة، مما يحدّ من أهميته في التقييم العام للنجاح.

علاوة على ذلك، يبقى سؤال الاعتماد على مزود خدمة سحابية واحد مطروحًا: فالشركة التي تبني بنيتها التحتية للبيانات وحوكمة الذكاء الاصطناعي بالكامل على منصة مثل Snowflake تدخل في التزام استراتيجي كبير قد تترتب عليه عواقب وخيمة في حال ارتفاع الأسعار أو حدوث أعطال فنية أو إعادة تنظيم استراتيجي من جانب المزود. كما أن كيفية تعامل نماذج الذكاء الاصطناعي التوليدي مع المصادر القانونية المتضاربة أو القديمة ضمن مجموعة البيانات الضخمة التي تضم 37,500 جدول، لا تزال دون إجابة في التصريحات العامة، ومن المرجح أن تشكل تحديًا مستمرًا في التطبيق العملي.

إدارة البيانات ككفاءة أساسية جديدة في صناعة الإعلام

تُقدّم الشراكة بين تومسون رويترز وسنوفليك نموذجًا ثاقبًا لكيفية حفاظ وسائل الإعلام التقليدية وشركات المعلومات المتخصصة على أهميتها في عصر الذكاء الاصطناعي التوليدي. فبدلًا من التنافس المباشر مع كبرى شركات توفير نماذج الذكاء الاصطناعي، تُرسّخ هذه الشركات مكانتها كجهات قيّمة ومسؤولة عن مجموعات البيانات عالية الجودة والمُدققة، والتي تُشكّل أساسًا لتطبيقات الذكاء الاصطناعي الموثوقة. ومن المُرجّح أن ينتشر هذا النمط إلى قطاعات أخرى ذات متطلبات تنظيمية صارمة في السنوات القادمة، مثل الرعاية الصحية، والرقابة المالية، والقطاع العام، حيث يُعدّ مصدر البيانات وقابليتها للتدقيق والتحكم بها لا يقل أهمية عن القدرة الحاسوبية الهائلة للنماذج المُستخدمة.

على المدى البعيد، لن يعتمد نجاح استراتيجيات الذكاء الاصطناعي المُدار على قوة نموذج اللغة المستخدم، بل على مدى اتساق الشركات في إدارة بياناتها وصيانتها وإعدادها للاستخدام الأمثل. وقد استطاعت شركة تومسون رويترز، من خلال استثمارها لسنوات عديدة في بنية بيانات موحدة ومُحكمة، بناء ميزة هيكلية تُترجم الآن إلى مكاسب ملموسة في السرعة والكفاءة، وتُشكل في الوقت نفسه نموذجًا يُحتذى به في قطاع النشر والمعلومات الاحترافي بأكمله.

تسعى كل من Snowflake و Unframe.AI إلى تحقيق هدف توفير الذكاء الاصطناعي للمؤسسات بشكل آمن ومتوافق مع الحوكمة، لكنهما تختلفان بشكل أساسي في نموذج أعمالهما والفئة المستهدفة: Snowflake هي في الأساس منصة للبنية التحتية للبيانات، Unframe هي خدمة تقديم حلول مُدارة بالكامل.

نموذج العمل الأساسي والنهج

بدأت Snowflake كمنصة مستودعات بيانات سحابية، ثم تطورت إلى "سحابة بيانات ذكاء اصطناعي"، موفرةً للشركات البنية التحتية، وأدوات الحوكمة، ومكونات الذكاء الاصطناعي الأساسية مثل Cortex AI، لبناء تطبيقاتها الخاصة، سواء بشكل مستقل أو من خلال شركاء مثل Thomson Reuters. أما Unframe فتصف نفسها صراحةً بأنها "منصة مُدارة لتقديم الذكاء الاصطناعي". فبدلاً من توفير أدوات جاهزة للاستخدام، تقدم حلول ذكاء اصطناعي جاهزة للاستخدام والإنتاج، لمعالجة مشاكل أعمال محددة في غضون أيام، مُكوّنة من "مكونات" معيارية مُسبقة الصنع، وفقًا لهيكلية مُحددة. مع Unframe ، يُحدد العميل النتيجة المرجوة، بينما تتولى الشركة التنفيذ التقني، والتشغيل، والتحسين المستمر.

أوجه التشابه

يؤكد كلا المزودين على مستوى عالٍ من الحوكمة والأمان وإمكانية التتبع كعامل جذب رئيسي للمؤسسات الكبيرة التي تسعى إلى نشر الذكاء الاصطناعي دون فقدان السيطرة على البيانات الحساسة. كما أنهما لا يتقيدان بنموذج محدد، أي أنهما لا يُلزمان العملاء بنموذج لغوي واحد، بل يسمحان باستخدام نماذج لغوية متعددة مثل Claude وGemini وGPT ضمن المنصة نفسها. ويتبنى كلاهما مبدأ توحيد البيانات من مصادر متنوعة وإعدادها بطريقة سياقية لتطبيقات الذكاء الاصطناعي: Snowflake عبر منصتها المركزية للبيانات، Unframe عبر "نسيج المعرفة" الخاص بها.

الاختلافات الرئيسية

متى قد يصبح Unframe.AI أكثر إثارة للاهتمام؟

من المرجح أن يكون Unframeالخيار الأمثل، لا سيما للشركات التي تحتاج إلى نتائج سريعة وقابلة للقياس لحالات استخدام محددة وواضحة، دون الحاجة إلى فرق هندسة بيانات أو تطوير ذكاء اصطناعي داخلية ضخمة، حيث تُعلن المنصة صراحةً عن إمكانية التنفيذ في غضون أيام بدلاً من أشهر. ويُعدّ هذا الأمر بالغ الأهمية للمؤسسات التي تمتلك بالفعل أنظمة تكنولوجيا معلومات موزعة ومتطورة تاريخيًا، مثل SAP أو Salesforce أو قواعد البيانات القديمة، وترغب في دمجها في سير عمل الذكاء الاصطناعي دون عمليات نقل بيانات معقدة، نظرًا لأن Unframe يستخدم موصلات جاهزة لهذه الأنظمة بدلاً من الحاجة إلى إنشاء منصة بيانات مركزية مثل Snowflake.

يجعل نموذج التسعير القائم على النتائج الذي تتبناه Unframe خيارًا جذابًا للشركات المترددة في القيام باستثمارات أولية كبيرة، إذ لا تدفع عادةً إلا بعد إثبات فعالية الحل. وتُظهر دراسات حالة، مثل انخفاض متوسط ​​وقت الاستجابة بنسبة 45% لدى إحدى شركات التأمين المدرجة ضمن قائمة Fortune 500، أو تسريع تسوية المطالبات ثلاثة أضعاف لدى مزود تأمين عالمي، أن هذا النهج مناسبٌ تمامًا لحالات الاستخدام التشغيلية التي تركز على العمليات، والتي تتميز بمؤشرات أداء رئيسية قابلة للقياس بوضوح. مع ذلك، عندما ترغب الشركة في بناء بنية تحتية شاملة للبيانات على مستوى المؤسسة، تضم آلاف الجداول ومصادر البيانات، كما كان الحال مع Thomson Reuters، والحفاظ على التحكم فيها، تظل منصة مثل Snowflake الحل الأنسب من الناحية الهيكلية، وإن كان يستغرق وقتًا أطول بكثير.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

يمكنكم التواصل معي عبر البريد الإلكتروني wolfenstein∂xpert.digital أو

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن