هل يواجه خبراء الذكاء الاصطناعي خطر الانقراض؟ لماذا تحل منصات الذكاء الاصطناعي الذكية محل الجسر البشري؟

تحول بنية الذكاء الاصطناعي في المؤسسات: من نموذج المطابقة البشرية إلى التكامل السياقي الذكي

لفترة طويلة، كان تطبيق الذكاء الاصطناعي في بيئة الأعمال مرادفًا للمشاريع المصممة خصيصًا والمتطلبة لجهد بشري مكثف. وعندما واجهت البرامج المعقدة واقعًا تجاريًا أكثر تعقيدًا، كان الحل المُجرّب والمُختبر هو: خبرة بشرية أكبر. في هذا الدور الحاسم، برع ما يُسمى بمهندسي النشر المتقدم - وهم هجينون متخصصون للغاية من المطورين والمستشارين ومديري المنتجات، عملوا كجسر مرن بين التكنولوجيا الجامدة والمتطلبات الفريدة لكل عميل. قاموا بترجمة وتكييف وإنشاء حلول مُخصصة مُتقنة حيث فشلت المنتجات القياسية. كان هذا النموذج هو المعيار الذهبي، ومكّن من مشاريع رقمية رائدة.

لكن هذا النموذج، القائم على الوساطة البشرية، يبلغ حدوده القصوى. مدفوعًا بالتقدم الهائل في تكنولوجيا الذكاء الاصطناعي، يبرز جيل جديد من المنصات يُحدث تغييرًا جذريًا في قواعد اللعبة. فبدلًا من الاعتماد على الترجمة اليدوية التي يقوم بها متخصصون مُكلفون، تتمتع هذه الأنظمة الذكية بالقدرة على تفسير سياق العمل ودمجه مباشرةً، بدءًا من هياكل البيانات وعمليات الأعمال ووصولًا إلى قواعد الحوكمة. يُمثل هذا التحول نقطة تحول، ولا يُشكل تحديًا لدور المُتكامل البشري فحسب، بل يُمثل أيضًا نماذج الأعمال واستراتيجيات الاستثمار الراسخة.

تُحلل هذه المقالة هذا التحول الجذري من بنية ذكاء اصطناعي تعتمد على الإنسان إلى بنية تُركز على المنصات. وتُسلط الضوء على نقاط الضعف الهيكلية للنهج اليدوي في عصر قابلية التوسع، وتُوضح كيف تُحقق المنصات المُراعية للسياق، من خلال الدلالات القابلة للقراءة آليًا ودورات التعلم الآلي، مزايا اقتصادية وتشغيلية فائقة. إنه تحول يُعيد تعريف كيفية خلق الشركات للقيمة، ونموها، والحفاظ على قدرتها التنافسية في عالمٍ تتزايد فيه الأتمتة.

لماذا تعمل المنصات الذكية على إعادة تعريف دور مُتكامل النظام الفردي

كان الرد التقليدي على مقاومة تنفيذ مشاريع الذكاء الاصطناعي للمؤسسات هو توظيف المزيد من الموظفين. وقد سدّ المهندسون المنتشرين في المواقع المتقدمة هذه الفجوة لفترة طويلة من خلال العمل كجسر مرن بين التكنولوجيا وتطبيقات الأعمال الواقعية. فقد ترجموا التعقيد التقني إلى حلول مصممة خصيصًا، وجعلوا الأنظمة تعمل بكفاءة، رغم أنها لم تكن مصممة في الأصل للعمل معًا. ولفترة طويلة، كان هذا النهج هو النموذج القياسي لتنفيذ مشاريع التحول الرقمي على مستوى المؤسسة. ولكن مع التطور الهائل للذكاء الاصطناعي، تطورت المتطلبات الأساسية للشركات أيضًا. تُمثل قدرة منصات الذكاء الاصطناعي الحديثة على تفسير سياق الأعمال مباشرةً دون الاعتماد على تكامل يدوي مكثف نقطة تحول في كيفية بناء المؤسسات وتوسيع بنيتها التحتية لتكنولوجيا المعلومات.

لا يُشكِّل هذا التطور تحديًا لنماذج أعمال مُدمِجي الأنظمة فحسب، بل يُثير أيضًا تساؤلاتٍ أعمق حول جدوى التخصيص اليدوي من حيث التكلفة، وقابلية توسُّع عمليات التعلُّم، وعوائد الاستثمار على المدى الطويل. تُشير التحوّلات التكنولوجية الرئيسية الجارية حاليًا في مجال الذكاء الاصطناعي المؤسسي إلى حاجة المؤسسات إلى إعادة النظر في استراتيجياتها المتعلقة بالموارد البشرية، والقرارات الهيكلية، ونماذج الأعمال.

مناسب ل:

• المهندسون المنتشرين للأمام والذكاء الاصطناعي: الدور المتغير من التعديل اليدوي إلى الاستشارات الاستراتيجية

نطاق الوظائف والواقع التشغيلي للنهج التكاملي للنظام

مهندس النشر المتقدم هو في الأساس مزيج من المهندس والمستشار وخبير المنتجات، ومهمته الانغماس مباشرةً في بيئة العميل وتقديم حلول مُخصصة للغاية لا تستطيع فرق المنتجات التقليدية توفيرها غالبًا. يختلف هذا الدور عن دور مطور البرامج أو مدير النظام التقليدي، بل يُمثل فئة وظيفية متخصصة تزدهر في بيئات ذات تعقيد عالٍ ومتطلبات محددة.

تشمل المسؤوليات النموذجية لمهندس النشر المتقدم جوانب متعددة من تكامل المؤسسات. فهو يتعاون بشكل وثيق مع فرق العملاء لفهم عملياتهم التجارية وسير عملهم وخصوصياتهم المؤسسية. يتجاوز هذا العمل الدراسات التوثيقية السطحية، ويتطلب معرفةً عميقةً وضمنيةً بكيفية عمل الأفراد فعليًا داخل الهياكل التنظيمية. يطور مهندس النشر المتقدم تكاملاتٍ مُخصصة، وخطوط أنابيب بيانات، وحلولًا للبنية التحتية مُصممة خصيصًا لكل مؤسسة عميل. تتجاوز هذه الأنشطة التكوينات المُحددة مسبقًا، وغالبًا ما تتطلب مناهج مبتكرة لحل مشاكل لم تحدث من قبل بهذا الشكل الدقيق.

ينصب التركيز الأساسي على توفير قدرات محددة لمؤسسة واحدة أو حتى قسم واحد، بدلاً من تطوير حلول قابلة للتعميم يسهل نقلها إلى عملاء آخرين. وينتج عن ذلك نهج شخصي للغاية، حيث يتميز كل تطبيق بخصائصه الفريدة. في جوهره، يعمل المهندسون الذين يتم نشرهم مسبقًا كوسطاء بين فريق المنتج وواقع العميل الفعلي. وقد أثبت هذا الدور الوسيط أهميته البالغة في المجالات الحرجة حيث يكون التكامل معقدًا، ويكون كل نشر فريدًا، وقد تكون تكلفة الفشل باهظة.

صعود مبدأ التكامل اليدوي في المراحل المبكرة من مشهد أعمال الذكاء الاصطناعي

لفهم سبب تحوّل نموذج المهندس المُنتشر للأمام إلى عنصرٍ محوري في المراحل الأولى لمبادرات الذكاء الاصطناعي في المؤسسات، لا بدّ من دراسة المشهد التكنولوجي خلال هذه المراحل الأولية. ففي المراحل الأولى لتطوير الذكاء الاصطناعي في المؤسسات، غالبًا ما كانت المنتجات المتاحة تفتقر إلى المرونة والقدرة على التكيف مع تنوّع بيئات المؤسسات القائمة. وكانت الأنظمة المتاحة غالبًا جامدة، ومُوجّهة نحو حالات استخدام مُحدّدة، وغير قادرة على التعامل بفعالية مع تباين بيئات المؤسسات في العالم الحقيقي.

ساعد مهندسو النشر المتقدم المؤسسات على التغلب على هذه القيود من خلال تصميم برامج تناسب كل عملية نشر على حدة. كان هذا الدعم قيّمًا بشكل خاص في الحالات التي احتاجت فيها الأنظمة إلى التواصل مع مستودعات البيانات القديمة، أو العمليات اليدوية التي تطورت على مدى عقود، أو البيئات التي تتطلب الامتثال بمتطلبات صارمة. كانت خبرة هؤلاء المهندسين لا تُضاهى عند ربط أنظمة الذكاء الاصطناعي الحديثة بالطبقات التكنولوجية القديمة التي غالبًا ما صُممت بنماذج مختلفة تمامًا.

أصبح مهندسو التوزيع المتقدم الحل الأمثل في السيناريوهات التي تتطلب فيها المنتجات تخصيصًا مكثفًا. غالبًا ما كانت بيانات العملاء مجزأة ومبعثرة عبر أنظمة قديمة متعددة لم تُصمم أبدًا لدمج البيانات الحديثة. كان لا بد من تصميم وتنفيذ خطوط أنابيب البيانات المعقدة يدويًا نظرًا لنقص الحلول الآلية المُخصصة للخصائص الخاصة بكل نظام عميل. تطلب تحقيق القيمة التجارية فهمًا عميقًا لسياق مؤسسة العميل وأسواقها ومنافسيها وأهدافها الاستراتيجية.

لفترة طويلة، أثبت هذا النهج نجاحًا باهرًا، لا سيما في فترة كانت فيها عمليات التنفيذ نادرة وحجم الأعمال لكل عقد عميل هائل. دفعت المؤسسات المالية الكبرى ملايين الدولارات مقابل حلول مخصصة تلبي متطلباتها التشغيلية الفريدة. وكانت الشركات الصناعية العملاقة، التي تحتاج إلى حماية عمليات التصنيع الخاصة بها، على استعداد لاستثمار مبالغ طائلة في حلول تكامل مصممة خصيصًا. في هذا السياق، لم يكن توظيف مهندسين متقدمين أمرًا منطقيًا فحسب، بل كان في كثير من الأحيان إلزاميًا لنجاح صفقات الشركات.

القيود البنيوية لمبدأ التكامل اليدوي في عصر متطلبات التوسع

ومع ذلك، فقد تغير مشهد الأعمال المتعلق بالذكاء الاصطناعي للمؤسسات بشكل جذري. فقد بدأت منصات الذكاء الاصطناعي الحديثة بتحليل السياق وفهمه مباشرةً، ملتقطةً المعنى والبنية والعلاقات داخل مجموعات البيانات دون الحاجة إلى نفس مستوى الترجمة اليدوية. في هذه البيئة التكنولوجية الجديدة، يواجه نموذج التسليم المعتمد على التكامل الكامل (FDE) تحديات جوهرية لا يمكن حلها بمجرد تحسين التوظيف أو التدريب.

الحد الحرج الأول هو عندما يتجاوز تباين البيانات وتعقيد النموذج مستوى التكامل البشري الذي يظل قابلاً للتطوير. يكون المهندسون المنتشرين للأمام فعالين بشكل ملحوظ عندما يكمن التباين في سير العمل - أي عندما تكمن الاختلافات بين مختلف العملاء في المقام الأول في كيفية تنظيم الأشخاص لعملهم. ومع ذلك، فإن أنظمة الذكاء الاصطناعي تقدم تباينًا على مستويات متعددة تمتد إلى ما هو أبعد من اختلافات العمليات التنظيمية. هناك تباين في البيانات الخام نفسها، وفي الخصائص الإحصائية لتلك البيانات، وفي مستويات معنى عناصر البيانات المختلفة، وفي وتيرة تحديثات البيانات، وفي جودة تلك البيانات واتساقها بمرور الوقت. هناك تباين في النماذج المستخدمة لمعالجة هذه البيانات، وفي المعلمات الفائقة لتلك النماذج، وفي متطلبات دقة النموذج، وفي معايير تقييم أداء النموذج.

تُدخل متطلبات الحوكمة مستوىً خاصًا من التباين. فلكل ولاية قضائية قوانين مختلفة لحماية البيانات، ولكل قطاع متطلبات امتثال مختلفة. ولكل مؤسسة هياكل حوكمة داخلية خاصة بها، مما يحد من الثقة في أنظمة اتخاذ القرار الآلية. إن إدارة هذا التعقيد من خلال التكامل البشري وحده غير قابلة للتطوير. لذا، تُعد طبقات البيانات والنماذج الآلية والواعية للسياق ضرورية لمواكبة هذا التعقيد.

تكمن الحدود الحرجة الثانية في ديناميكيات دورة التعلم التي تنشأ بين نقل المعرفة الآلي واليدوي. تتطور أنظمة الذكاء الاصطناعي من خلال حلقات التغذية الراجعة المستمرة. كلما أسرعت هذه الأنظمة في جمع التغذية الراجعة، وإعادة تدريب النماذج، ونشر الإصدارات المُعدّلة في الإنتاج، زادت سرعة تقاربها مع القيمة التجارية الحقيقية. عندما يكون الوسطاء البشريون بين نظام المنتج وسياق العميل، تتباطأ حلقات التغذية الراجعة هذه بشكل ملحوظ. تُمكّن أنابيب التعلم الآلي المنتجات من التطور بشكل أسرع والتقدم بدقة أكبر. يمكن دمج القياس عن بُعد من نظام المنتج باستمرار مع المعلومات السياقية الخاصة بالعميل لتوليد رؤى تُحسّن محفظة المنتجات بأكملها.

في نموذج FDE اليدوي، غالبًا ما تكون الملاحظات عرضية وغير مترابطة. يُبلغ مهندس مُوَجَّه مسبقًا، بعد عدة أشهر من العمل في الموقع، العملاءَ عن وجود مشكلة (س) في الحل، مما يؤدي إلى تعديلات غير متوقعة. لا تُسجَّل هذه المعلومات بشكل منهجي، ولا تُجمَّع مع مشاكل عملاء آخرين، ولا تُعَدُّ مرجعًا أساسيًا خلال عملية تطوير المنتج. حلقة التعلم مُجزأة، وغير مثالية، ولا تُوجِّه فريق المنتج بشكل منهجي نحو قرارات تصميم أفضل.

تكمن الحدود الحرجة الثالثة في طمس حدود المنتج، وهو ما يحدث عندما ينخرط المهندسون بعمق في كل عملية نشر للعملاء. من السمات الأساسية للمنتج الحقيقي إمكانية تكراره. يمكن نشر المنتج عبر عملاء مختلفين دون الحاجة إلى إعادة بناء كاملة من الصفر لكل تطبيق. عندما ينخرط المهندسون الذين يتم نشرهم مسبقًا في كل عملية نشر للعملاء، فإنهم يخاطرون بجعل كل عملية نشر فريدة من نوعها تتطلب تصميمات فريدة وحلولًا خاصة. هذا يُحدث نقلة نوعية في منصة الذكاء الاصطناعي المصممة للتعلم والتعميم من سياق مُجمّع عبر مؤسسات متعددة. إذا كان كل نشر فريدًا تمامًا، فلن يكون هناك مسار أساسي لعمليات النشر لتعزيز بعضها البعض.

نقطة التحول التكنولوجية: المنصات التي تدرك السياق كأساس جديد

يُحدث الجيل الجديد من منصات الذكاء الاصطناعي للمؤسسات نقلة نوعية في البنية التحتية، وذلك من خلال دمج الاعتبارات السياقية مباشرةً في جوهر بنية النظام. ويتحقق ذلك من خلال آليات تكنولوجية متنوعة، تشمل الأنطولوجيات والطبقات الدلالية والموصلات التكيفية، والتي تُمكّن الأنظمة من التكيف تلقائيًا مع أي بيئة دون الحاجة إلى تدخل بشري مكثف.

الفرق الجوهري الأول هو أن السياق أصبح قابلاً للقراءة آليًا في هذه المنصات الحديثة. كانت الأنظمة القديمة تستوعب السياق لدى مطوري المفاهيم: كان الناس يفهمون عمليات أعمال العميل، ثم يحفظون هذا الفهم في أذهانهم بشكل غير رسمي أو يسجلونه في وثائق غير منظمة. أما المنصات الجديدة، فتستوعب المعنى في كل طبقة وتربطه عبر الأنظمة، مما يُمكّن أنظمة الذكاء الاصطناعي من تفسير البيانات بشكل هادف. على سبيل المثال، قد تستوعب الطبقة الدلالية العلاقة بين عناصر بيانات العميل المختلفة: أن "رقم العميل" في النظام "أ" يُعادل "معرّف العميل" في النظام "ب"، وأن كلاهما يشير إلى نفس الكيانات التجارية، وأن المعاملات المسجلة في النظام "أ" يجب التحقق من صحتها في النظام "ب".

التحول الجوهري الثاني هو انتقال التخصيص من الأفراد إلى الأنظمة. في النموذج القديم، كان التخصيص عملية يدوية: يُلقي المهندس نظرة على شيفرة العميل، ويفهم الواجهات القديمة، ثم يكتب الشيفرة الجديدة لربط العالمين. أما في الأنظمة الواعية بالسياق، فيتم التخصيص من خلال التكوين والتعلم الآلي، وليس من خلال البرمجة اليدوية. يستطيع النظام التعرف تلقائيًا على مصادر البيانات المختلفة، وفهم بنيتها، وصياغة التحويلات المناسبة، كل ذلك دون الحاجة إلى تفاعل المهندس مع شيفرة العميل.

يكمن التحول الجوهري الثالث في استمرارية عمليات التعلم. في نموذج FDE، كان كل نشر بمثابة إعادة ضبط. المعرفة التي جمعها المهندس على مدار أشهر في موقع العميل (أ) لم تكن قابلة للتطبيق بشكل منهجي على النشر لدى العميل (ب). في النموذج القائم على السياق، تتراكم الرؤى. إذا نُشرت المنصة لدى مئة عميل، فإن المعرفة المكتسبة من عمليات النشر التسع والتسعين السابقة تُشكل سياقًا للنشر المئة.

يكمن التحول الجوهري الرابع في قابلية توسع عمليات الحوكمة. في النموذج اليدوي، كان على مدير الحوكمة ضمان الامتثال للسياسات من خلال التدقيق المباشر. أما في النموذج الآلي، فتُدمج البيانات الوصفية وتسلسل البيانات في المنصة نفسها، مما يسمح بتطبيق متطلبات الحوكمة خوارزميًا، بينما يتوسع النظام تلقائيًا.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تنفيذ حلول الذكاء الاصطناعي المخصصة بسرعة وأمان وبدون حواجز دخول عالية.

منصة الذكاء الاصطناعي المُدارة هي حلك الشامل والمريح للذكاء الاصطناعي. فبدلاً من التعامل مع التقنيات المعقدة والبنية التحتية المكلفة وعمليات التطوير الطويلة، ستحصل على حل جاهز مُصمم خصيصًا لتلبية احتياجاتك من شريك متخصص - غالبًا في غضون أيام قليلة.

الفوائد الرئيسية في لمحة:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق العملي في أيام، لا أشهر. نقدم حلولاً عملية تُحقق قيمة فورية.

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

💸 لا مخاطرة مالية: أنت تدفع فقط مقابل النتائج. يتم الاستغناء تمامًا عن الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على عملك الأساسي: ركّز على ما تتقنه. نتولى جميع مراحل التنفيذ الفني، والتشغيل، والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 مواكب للمستقبل وقابل للتطوير: ينمو الذكاء الاصطناعي لديك معك. نضمن لك التحسين المستمر وقابلية التطوير، ونكيف النماذج بمرونة مع المتطلبات الجديدة.

المزيد عنها هنا:

• منصة الذكاء الاصطناعي المُدارة

التحول الاقتصادي: من الاعتماد على الأفراد إلى فعالية المنصة

يختلف نموذج أعمال المؤسسات التي تعتمد على مهندسين مُوَجَّهين مسبقًا اختلافًا جوهريًا عن نموذج أعمال المؤسسات التي تستخدم منصات مُراعية للسياق. تُفسر هذه الديناميكية الاقتصادية سبب اقتران التغيير التكنولوجي بمثل هذا الضغط الاقتصادي.

في نموذج يعتمد على التكامل الكامل (FDE)، تُمثل كل ساعة يقضيها المهندس في تكامل العميل تكلفة فرصة بديلة لا تُنقل إلى عملاء آخرين. يقضي المهندس ستة عشر أسبوعًا مع العميل (أ)، يتعلم أنظمته وعملياته ومتطلبات الحوكمة لديه. تختفي هذه الأسابيع الستة عشر من التعلم تقريبًا بعد النشر. عندما ينتقل هذا المهندس إلى العميل (ب)، عليه أن يبدأ عملية التعلم بأكملها من الصفر. مع أنه قد يكون هناك بعض التكرار (تقنيات دمج الأنظمة القديمة، وأفضل الممارسات العامة)، إلا أن معظم الرؤى المرتبطة بالسياق تُفقد.

علاوة على ذلك، يُصبح كل تخصيص يُجريه المهندس التزامًا طويل الأمد للمؤسسة. إذا تلقى العميل (أ) نصًا برمجيًا مُصممًا خصيصًا للتكامل يعمل فقط على إصدار قاعدة البيانات الخاص به، فسيحتاج هذا النص إلى صيانة لسنوات. عند تحديث إصدار قاعدة البيانات، أو عند تغيير عمليات العمل، أو عند الحاجة إلى نقاط تكامل جديدة، يجب تعديل النص مرة أخرى. تُمثل هذه الصيانة تكلفة ثابتة تتراكم مع كل عميل إضافي. مائة عميل، لكل منهم مئة نص برمجي مُصمم خصيصًا، يُشكلون عبء دين فني يتزايد بشكل كبير.

علاوة على ذلك، يُشير الاعتماد على المهندسين المُنتشرين مسبقًا إلى السوق والعملاء بأن المنتج لم يُنجز بالكامل بعد. يجب أن يكون المنتج الأصلي قابلًا للنشر مع الحد الأدنى من التخصيص. عندما تُخبر مؤسسة عملاءها بأن النشر الكامل لحل الذكاء الاصطناعي الخاص بها يتطلب التزامًا لمدة ثلاثة أشهر من مهندس ذي مهارات عالية، فإنها تُرسل إشارة مفادها: هذا ليس منتجًا في الواقع، بل نهج قائم على الخدمة. هذا يُحد من عدد العملاء الذين يُمكن للمؤسسة التوسع إليهم. قد تتمكن مؤسسة نموذجية تضم عشرة مهندسين مُنتشرين مسبقًا ذوي مهارات عالية من خدمة ما بين عشرين وأربعين عميلًا (حسب تعقيد المهام). وهذا يُمثل إمكانية محدودة للغاية للتوسع والنمو.

من ناحية أخرى، تُحقق المنصات الواعية للسياق وفورات الحجم. يتطلب التنفيذ الأولي لعلم وجود الخدمات المالية استثمارًا كبيرًا في القرارات المعمارية، والنمذجة الدلالية، والبنية التحتية التكنولوجية. ومع ذلك، فإن هذا التنفيذ الأولي يجعل عمليات التنفيذ اللاحقة أسرع بكثير وأكثر فعالية من حيث التكلفة. يمكن لعميل مالي ثانٍ البناء على النموذج الدلالي الحالي، وتكييفه فقط لتلبية احتياجاته الخاصة، مما يوفر شهورًا من وقت التطوير. يستفيد العميل المائة من تسعة وتسعين عامًا من التعلم المضمن في المنصة.

تتيح وفورات الحجم هذه للمؤسسة، بنفس عدد الموظفين، خدمة مئات أو آلاف العملاء. الميزة الاقتصادية كبيرة. فالمؤسسة التي تستثمر ملايين الدولارات في تطوير منصة مواكبة للسياق، يمكنها توزيع قيمة هذا الاستثمار على شريحة عملاء أكبر بكثير.

بنية نسيج المعرفة: التنفيذ التكنولوجي

لفهم كيفية تطبيق هذا التحول الهيكلي عمليًا، من المفيد النظر إلى مثال تكنولوجي ملموس. تُعدّ بنية نسيج المعرفة، كما طُبّقت في منصات الذكاء الاصطناعي المؤسسية الحديثة، مثالًا نموذجيًا لهذا التحول.

يربط نسيج المعرفة مصادر البيانات وتصنيفات الأعمال والبيانات الوصفية التشغيلية في رسم بياني موحد للمعنى. يتيح هذا الهيكل البياني لنماذج الذكاء الاصطناعي والوكلاء وأنظمة اتخاذ القرار التفكير في العمل نفسه. يمكن لنموذج الذكاء الاصطناعي الذي لم يكن يعرف سابقًا معنى "مجموعة العملاء" أو كيفية ارتباطها بـ "نوع العميل" الآن استرجاع هذه المفاهيم مباشرةً من الرسم البياني المعرفي. أما نظام اتخاذ القرار الذي لم يكن يعرف كيفية ارتباط وحدات الأعمال المختلفة، فيمكنه الآن قراءة هذه الهياكل من نسيج المعرفة.

يتخذ الاستبدال الفعلي لأنشطة تحليل البيانات المفتوحة (FDE) بوظائف نسيج المعرفة أشكالًا مختلفة. قام مهندسٌ مُوَجَّهٌ مسبقًا بترجمة سير عمل العملاء إلى أنظمة قابلة للتنفيذ. يقوم مُكافئ نسيج المعرفة بترميز دلالات النطاق إلى أنطولوجيات، وتمثيلات رسمية للمفاهيم وعلاقاتها، قابلة للمعالجة آليًا. قام المهندس بتطبيع البيانات عبر الأنظمة من خلال كتابة تحويلات للتوفيق بين صيغ البيانات المختلفة. يستخدم مُكافئ نسيج المعرفة طبقات مخططات وبيانات وصفية تكيفية تكتشف تلقائيًا اختلافات صيغ البيانات وتقترح التحويلات المناسبة.

قام مهندس بدمج خطوط أنابيب مخصصة عبر تبادل نقاط الاتصال بين الأنظمة. يستخدم نسيج المعرفة موصلات بيانات موحدة وواجهات برمجة تطبيقات (APIs)، وهي موصلات معممة تعمل عبر العديد من الأنظمة. أدار المهندس الحوكمة يدويًا بالتحقق من عدم وقوع عناصر بيانات معينة في أيدي خاطئة، وتطبيق التحكم في الوصول، وإمكانية تتبع سلسلة البيانات. يعمل نسيج المعرفة على أتمتة سلسلة البيانات وتطبيق السياسات من خلال تضمين هذه المتطلبات مباشرةً في بنية تدفق البيانات.

هذا التحول التكنولوجي ليس بالأمر الهيّن، فهو يتطلب استثمارات ضخمة في الهندسة المعمارية والدلالات والبنية التحتية. ولكن بمجرد تنفيذ هذه الاستثمارات، تصبح وفورات الحجم جلية.

الآثار المترتبة على المنظمات وقراراتها الاستراتيجية

بالنسبة لقادة الأعمال الذين يقومون بتقييم منصات الذكاء الاصطناعي، فإن التحول من النماذج المعتمدة على FDE إلى النماذج التي تدرك السياق يثير العديد من الأسئلة الاستراتيجية التي تحتاج إلى دراسة متأنية.

السؤال الأول هو ما إذا كانت المنصة قيد الدراسة تُحقق بالفعل وفورات حجم حقيقية، أم أنها لا تزال عالقة في مرحلة المشروع. اختبار تشخيصي بسيط: إذا ادعت المنصة أن كل تطبيق للعملاء يتطلب مهندسًا مُوَجَّهًا مسبقًا، فإن المنصة لم تتحول فعليًا إلى منتج قابل للتوسع. قد يكون منتجًا ممتازًا يُلبي متطلبات متخصصة للغاية، ولكنه ليس منتجًا قابلًا للتوسع.

السؤال الثاني هو: هل تُفضي استثمارات الشركة في تكنولوجيا الذكاء الاصطناعي إلى بناء أساس قابل لإعادة الاستخدام حقًا، أم أن كل استثمار يبقى منعزلًا؟ إذا استثمرت شركة في تطوير تطبيق ذكاء اصطناعي محدد للعميل (أ)، ولم يُسهّل هذا الاستثمار تطبيقه للعميل (ب)، فإنها تكون قد استثمرت في منعزلة. ينبغي أن تضمن المنصات الواعية للسياق إعادة استخدام الاستثمارات في الهياكل الوجودية والنماذج الدلالية وأطر الحوكمة لكل عميل جديد.

السؤال الثالث هو نوع المواهب التي ستحتاجها المؤسسة في المستقبل. لن تختفي الحاجة إلى مهندسين مُوَجَّهين مسبقًا تمامًا، لكن طبيعة العمل المطلوب ستتغير جذريًا. فبدلًا من الحاجة إلى مهندسين يقضون شهورًا في الموقع لكتابة الأكواد البرمجية، ستحتاج المؤسسات إلى المزيد من المهندسين القادرين على تصميم نماذج دلالية مُجرّدة، وتعميم البنى السياقية، وإنشاء هياكل وجودية تُمكّن مهندسين آخرين من إعادة استخدامها. سينتقل التركيز من حل المشكلات الفردية إلى هيكلة المعرفة بشكل منهجي.

الحوكمة والامتثال في البنية التحتية الجديدة

من الاعتراضات الشائعة على التحول من الإدارة المُركزة على الأفراد إلى الإدارة المُركزة على المنصات، أن متطلبات الحوكمة تمنع ذلك. تُجادل الشركات في القطاعات المُنظّمة بضرورة أن يكون جميع استخدامات البيانات قابلة للتدقيق والتحقق، وأن الخبرة البشرية ضرورية لاتخاذ قرارات الحوكمة. هذا اعتراض مفهوم، ولكنه غالبًا ما يُسيء فهم الآليات التي تُطبّق من خلالها المنصات المُراعية للسياق الحوكمة.

في النهج التقليدي، تُطبّق الحوكمة من خلال المراجعة البشرية. يتحقق مسؤول حماية البيانات يدويًا من عدم استخدام فئات بيانات معينة لأغراض محددة. ويتحقق مدير الامتثال من اتساق عمليات الوصول إلى البيانات عبر سجلات التدقيق. وهذا يستغرق وقتًا طويلًا، وهو عرضة للأخطاء، ولا يتلاءم مع التوسع.

في منصة مُدركة للسياق، تُؤتمت الحوكمة. تُضمَّن في المنصة بيانات وصفية تُوضِّح تصنيف عناصر البيانات. وتُشفَّر الإرشادات التي تُحدِّد فئات البيانات القابلة للاستخدام والأغراض المُحدَّدة كقواعد قابلة للتنفيذ. بعد ذلك، يُمكن للنظام التحقق تلقائيًا، قبل تنفيذ أي عملية ذكاء اصطناعي، مما إذا كانت هذه العملية تندرج ضمن إطار الحوكمة. إذا لم تكن كذلك، يُوقِف النظام العملية أو يطلب الموافقة قبل تنفيذها.

نموذج الحوكمة الآلي هذا ليس أكثر كفاءة فحسب، بل أكثر صرامةً من الحوكمة اليدوية. قد يرتكب المراجع البشري خطأً بسبب التعب أو السهو. يُجري النظام الآلي المراجعة نفسها بنفس الطريقة عشرات الآلاف من المرات. هذا يعني أن المنصات التي تُراعي السياق يُمكنها في الواقع تحقيق نتائج حوكمة أفضل من الأساليب القائمة على مهندسين مُنشرين مسبقًا أو عمليات يدوية أخرى.

بالنسبة للقطاعات الخاضعة للتنظيم، يعني هذا أن التحول إلى المنصات التي تراعي السياق لا يُمثل تراجعًا في جودة الحوكمة، بل يُعد تحسنًا. ينبغي أن يتمكن المدققون من الاطلاع على آثار كاملة وغير قابلة للتغيير لكل عملية ذكاء اصطناعي، بما في ذلك معلومات حول البيانات المستخدمة، والنماذج المُطبقة، وقواعد الحوكمة التي تمت مراجعتها. وهذا في الواقع موقف تدقيق أقوى من الاعتماد على المراجعة البشرية اليدوية.

التأثيرات على قطاعات العملاء المختلفة

في حين أن التحول العام من النماذج المعتمدة على FDE إلى النماذج المعتمدة على السياق أمر لا مفر منه، فإنه يتجلى بشكل مختلف في قطاعات العملاء المختلفة.

بالنسبة للمؤسسات متوسطة الحجم، يُعد هذا التحول تحولاً جذرياً. تاريخياً، لم تكن هذه المؤسسات قادرة على تحمل تكاليف المهندسين المُوَجَّهين مسبقاً، مما أدى فعلياً إلى استبعادها من حلول الذكاء الاصطناعي للمؤسسات. تُسهم المنصات المُراعية للسياق، والقابلة للتوسع والتي تتطلب حداً أدنى من التخصيص، في فتح آفاق جديدة لهذه الأسواق. يُمكن الآن لمُقدّمي الخدمات المالية متوسطة الحجم الوصول إلى منصة تُدرك بالفعل آلية عمل الخدمات المالية، دون الحاجة إلى إنفاق ملايين الدولارات على التخصيص.

بالنسبة لعملاء المؤسسات الكبيرة، لا يعني هذا التحول تقليلًا في عملية التحول. لا يزال بإمكان المؤسسات الكبيرة تحمّل تكلفة وجود كبير في بيئة تطوير متكاملة (FDE). ولكن يُمكن لهذه المؤسسات الآن الاختيار بين الاستثمار في هذا الاتجاه أو تبني منصة واعية بالسياق وتركيز خبراتها الداخلية على مراقبة المنصة والتحقق من صحتها وتحسينها باستمرار، بدلاً من الكتابة المُرهقة للأكواد البرمجية المُخصصة.

بالنسبة لشركات تكامل الأنظمة وشركات الاستشارات، يُمثل هذا التحول تحولاً جذرياً في نماذج أعمالها. ستلاحظ الشركات التي كانت تُولّد القيمة تقليدياً من خلال التخصيص والتكامل اليدوي أن هذا المصدر للقيمة آخذ في التآكل. هذا ليس مصيرياً حتمياً، بل يتطلب إعادة تموضع. يمكن لشركات الاستشارات تغيير دورها من "مُنفّذ يكتب الأكواد البرمجية" إلى "مستشار استراتيجي يقود تحول الأعمال". بإمكانها إدارة عملية النقل إلى العمليات التنظيمية القائمة، وتدريب الفرق على استخدام الأنظمة الجديدة بفعالية، وتصميم عمليات الأعمال لتوليد القيمة من القدرات التكنولوجية الجديدة.

قياس نضج المنصة وجودة التنفيذ

عندما تختار المؤسسات بين منصات الذكاء الاصطناعي المختلفة، تزداد أهمية تقييم نضج هذه المنصات وقابليتها للتوسع. إن مجرد وجود مهندسين مُعدّين مسبقًا لا يُعدّ في حد ذاته إشارة سلبية (قد تحتاج المؤسسات الكبيرة إلى مهندسين متخصصين مؤقتًا)، ولكنه ينبغي أن يثير تساؤلات. السؤال التشخيصي الصحيح ليس "هل تحتاج هذه المنصة إلى مهندسين مُعدّين مسبقًا؟"، بل "لماذا تحتاجهم هذه المنصة؟"

من المفهوم أن تتطلب منصة ما تكامل البيانات الوظيفي (FDE) لأن متطلبات مؤسسات العملاء تقع خارج نطاقها تمامًا. ومع ذلك، إذا تطلبت منصة ما تكامل البيانات الوظيفي (FDE) لافتقارها إلى الوعي بالسياق، وعدم قدرتها على التكيف من خلال التكوين، وعدم قدرتها على التعامل مع التباين، فهذا يشير إلى أن المنصة لم تصل بعد إلى مرحلة النضج الإنتاجي.

اختبار تشخيصي آخر هو مدى سرعة تنفيذ العمليتين الثانية والثالثة لفئة محددة من مؤسسات العملاء. إذا استغرق التنفيذ الأول في مؤسسة مالية ستة أشهر، بينما استغرق الثاني والثالث ستة أسابيع، فهذه علامة جيدة على توسع المنصة وتراكم المعرفة حول هذا المجال. إذا استغرق كل تنفيذ ستة أشهر، بغض النظر عن عدد التنفيذات، فهذا يشير إلى عدم وجود توسع فعلي.

التأثيرات طويلة المدى على هيكل صناعة الذكاء الاصطناعي

إن التحول من النماذج المعتمدة على FDE إلى النماذج المعتمدة على السياق له آثار واسعة النطاق على التطوير الهيكلي لصناعة الذكاء الاصطناعي.

سيتميز مزودو المنصات بشكل أقوى بناءً على قدرتهم على ترميز معلومات سياقية عميقة لمجالات أو قطاعات محددة. سيتمتع المزود ذو الخبرة الحقيقية في مجالات الخدمات المالية، والقدرة على ترميز تلك الخبرة في أنطولوجياته ونماذجه الدلالية وهياكله الإدارية، بميزة تنافسية كبيرة على المزودين ذوي النهج العام.

هذا بدوره يعني أن المنصات العمودية المتخصصة من المرجح أن تتفوق في الأداء على المنصات الأفقية العامة. يستطيع مزود الخدمات المالية المتخصصة أن يفهم أن متطلبات الامتثال تختلف باختلاف المجال، وأن أساليب نمذجة المخاطر تختلف، وأن تصنيف العملاء يتبع معايير القطاع. أما مزود الخدمات العامة ذو قاعدة العملاء الواسعة، فسيتعين عليه تعميم هذه الخصائص، مما يؤدي إلى نتائج دون المستوى الأمثل.

هذا يعني أيضًا أن صناعة الذكاء الاصطناعي تشهد نوعًا من الدمج، حيث تُصبح الخبرة العميقة في مجالات محددة عاملًا مميزًا. قد تتفوق الشركات الناشئة ذات المواقع المتخصصة في صناعات محددة على منصات ذات صلة أوسع لمجرد تخصصها العميق.

هذا يعني أيضًا أن القطاع بصدد تطوير بنية ثنائية المستوى، حيث يتعايش ويتكامل مزودو طبقة البنية التحتية (الذين يوفرون الإمكانيات الأساسية) مع مزودي طبقة النطاقات المحددة (الذين يدونون خبرة المجال). قد تختار إحدى المؤسسات البناء على نموذج أساسي من المزود (أ)، بينما يقوم المزود (ب) بتدوين المعلومات الخاصة بالمجالات المحددة.

نقطة تحول في تكنولوجيا المعلومات: من منصات FDE إلى منصات واعية بالسياق

إن التحول من المهندسين المُوَجَّهين مسبقًا إلى المنصات المُوَعِّية للسياق ليس مجرد تطور تكنولوجي، بل هو تحول جذري في كيفية تصوّر المؤسسات لبنيتها التحتية لتكنولوجيا المعلومات وإنشائها. ويعود هذا التحول إلى الضرورات الاقتصادية (قابلية توسّع المنصات مقابل الموارد البشرية)، والضرورات التكنولوجية (قدرة أنظمة الذكاء الاصطناعي الحديثة على فهم السياق)، والضرورات الاستراتيجية (العائد طويل الأجل على الاستثمار في ذكاء المنصات مقابل التخصيص المُوَجَّه نحو المشاريع).

بالنسبة لقادة الأعمال، هذا يعني ضرورة تغيير طريقة تقييم منصات الذكاء الاصطناعي. لم يعد يكفي مجرد التساؤل: "هل تستطيع هذه المنصة حل مشكلتنا تحديدًا؟"، بل السؤال الصحيح هو: "هل تستطيع هذه المنصة التوسع، وإن لم يكن الأمر كذلك، فلماذا؟" ستُشكل إجابات هذه الأسئلة قرارات الاستثمار الاستراتيجية لسنوات قادمة.

Konrad Wolfenstein

سأكون سعيدًا بالعمل كمستشار شخصي لك.

الاتصال بي تحت Wolfenstein ∂ xpert.digital

اتصل بي تحت +49 89 674 804 (ميونيخ)

ينكدين
 

خبرتنا العالمية في الصناعة والأعمال في تطوير الأعمال والمبيعات والتسويق - الصورة: Xpert.Digital

التركيز على الصناعة: B2B، والرقمنة (من الذكاء الاصطناعي إلى الواقع المعزز)، والهندسة الميكانيكية، والخدمات اللوجستية، والطاقات المتجددة والصناعة

المزيد عنها هنا:

• مركز إكسبيرت للأعمال

مركز موضوعي يضم رؤى وخبرات:

• منصة المعرفة حول الاقتصاد العالمي والإقليمي والابتكار والاتجاهات الخاصة بالصناعة
• مجموعة من التحليلات والاندفاعات والمعلومات الأساسية من مجالات تركيزنا
• مكان للخبرة والمعلومات حول التطورات الحالية في مجال الأعمال والتكنولوجيا
• مركز موضوعي للشركات التي ترغب في التعرف على الأسواق والرقمنة وابتكارات الصناعة