مشاريع الذكاء الاصطناعي متوقفة: هل هذه نهاية مستودعات البيانات؟ لماذا تتطلب أنظمة الذكاء الاصطناعي بنية بيانات جديدة كلياً؟

لماذا ينهار مستودع البيانات التقليدي تحت وطأة وكلاء الذكاء الاصطناعي المستقلين

لماذا يجب عليك البحث عن الخلل في بنية بياناتك القديمة

لعقود طويلة، كانت الأدوار في عالم البيانات محددة بوضوح: أنظمة تكنولوجيا المعلومات تجمع البيانات، والبشر يحللونها. لكن هذا العصر المألوف يقترب من نهايته. مع الصعود السريع لوكلاء الذكاء الاصطناعي المستقلين، يتغير دور مستهلك البيانات الأساسي جذريًا، مبتعدًا عن المحللين والرؤساء التنفيذيين، ومتجهًا نحو آلات تتخذ قرارات بالغة الأهمية للأعمال في أجزاء من الثانية. في معظم الشركات، يواجه هذا التطور بنية تحتية قديمة: مستودعات البيانات التقليدية، التي كانت مُحسَّنة في السابق لتشغيل الدفعات الليلية ولوحات المعلومات البشرية، تنهار ببساطة تحت وطأة متطلبات الذكاء الاصطناعي الآنية. تعرف على سبب كون الانتقال إلى بنية بيانات مُصممة خصيصًا للذكاء الاصطناعي ليس مجرد حيلة تقنية، بل هو عامل حاسم في نجاح أو فشل جميع مبادرات الذكاء الاصطناعي، وكيف يُغني التكامل المباشر للنظام عن سنوات من مشاريع الترحيل.

ذو صلة بهذا الموضوع:

• Unframe: مخزن البيانات الأصلي للذكاء الاصطناعي مقابل مستودع البيانات التقليدي: ما الذي يتغير فعليًا

الاستراحة الصامتة: من يتحدث فعلياً إلى البيانات؟

لعقود طويلة، كانت الإجابة على سؤال من يستخدم بيانات الشركات بسيطة للغاية: البشر. كان المحللون والمراقبون الماليون ومديرو التسويق والرؤساء التنفيذيون يصلون إلى مستودع البيانات لإنشاء التقارير وتعبئة لوحات المعلومات وصياغة استعلامات SQL معقدة. وقد شكّلت هذه الفرضية كل قرار معماري اتُخذ خلال الثلاثين عامًا الماضية عند بناء منصات البيانات التحليلية. لم تكن المعالجة الدفعية وهياكل الجداول الجامدة ودورات التحديث الدورية من قبيل الصدفة، بل كانت نتائج منطقية لنظام مصمم لاتخاذ القرارات البشرية.

لم يعد هذا الافتراض الأساسي صحيحًا تمامًا. فمع ظهور أنظمة الذكاء الاصطناعي المستقلة التي تتخذ قرارات مستقلة، وتنسق سير العمل، وتصل إلى أنظمة المؤسسات في الوقت الفعلي، يتحول المستهلك الرئيسي للبيانات من البشر إلى الآلات. لم يعد نظام الذكاء الاصطناعي بحاجة إلى تقارير أسبوعية، بل إلى مستوى المخزون الحالي، أو حالة العقد بدقة، أو حالة الامتثال الحالية لحظة اتخاذ القرار. هذا التحول في المستهلك ليس مجرد تحديث شكلي، بل هو قطيعة جذرية مع المنطق المعماري الذي تقوم عليه مستودعات البيانات التقليدية.

تشير التحليلات الحالية إلى أنه من المتوقع أن تحتوي حوالي 40% من تطبيقات المؤسسات على وكلاء ذكاء اصطناعي متخصصين في مهام محددة بحلول نهاية عام 2026، بزيادة تقل عن 5% مقارنةً بعام 2025. وفي الوقت نفسه، تُظهر دراسات السوق أن 54% من الشركات تستخدم بالفعل وكلاء الذكاء الاصطناعي في عملياتها الأساسية، مقارنةً بـ 11% فقط قبل عامين. ويحدث هذا التبني السريع في ظل بنية تحتية للبيانات، لم تُصمم في معظم الحالات لتلبية احتياجات هذا المستخدم الجديد.

مقارنة مباشرة بين بنيتين معماريتين

تكشف المقارنة بين مستودع البيانات التقليدي ومخزن البيانات المصمم خصيصًا للذكاء الاصطناعي أن الأمر لا يقتصر على إضافة ميزات فحسب، بل يتعلق بفلسفتين تصميميتين مختلفتين جذريًا. فبينما يُحسَّن مستودع البيانات التقليدي للجداول المهيكلة، ودورات التحميل المجدولة، وضوابط الوصول القائمة على الأدوار للمستخدمين البشريين، يهدف مستودع البيانات المصمم خصيصًا للذكاء الاصطناعي إلى التزامن المستمر، والاتساق الدلالي، والوصول المُدار برمجيًا للوكلاء والنماذج.

تُظهر هذه المقارنة الجدولية بوضوح أن الاختلافات تمتد إلى جميع المستويات الوظيفية تقريبًا. إنها ليست تطورًا تدريجيًا، بل إعادة تنظيم شاملة للبنية التحتية للبيانات لتناسب جمهورًا مختلفًا.

لماذا لا يستطيع مستودع البيانات التقليدي تلبية المتطلبات الجديدة

لا يمكن لمستودع بيانات يُحدَّث ليلًا أو أسبوعيًا فقط أن يزود وكيل الذكاء الاصطناعي بالمعلومات اللازمة للتصرف في الوقت الفعلي. فإذا كان مطلوبًا من الوكيل تقديم طلب، أو مراجعة عقد، أو اتخاذ قرار بشأن الامتثال، فإن قاعدة بيانات قديمة من الليلة الماضية لا تكفي. صُممت معالجة البيانات على دفعات لإنشاء التقارير، لا لدعم اتخاذ القرارات في الوقت الفعلي، وهذا تحديدًا ما يُقصِّر فيه التصميم التقليدي عن تلبية هذه المتطلبات الجديدة.

ثمة مشكلة ثانية، غالباً ما يتم التقليل من شأنها، تتعلق بطبيعة البيانات نفسها. تشير التقديرات إلى أن ما يقارب 80 إلى 90 بالمئة من بيانات المؤسسات غير مُهيكلة، ومُشتتة بين المستندات ورسائل البريد الإلكتروني وتذاكر الدعم ومحاضر الاجتماعات، بدلاً من تخزينها في جداول قواعد بيانات مُنظمة. كما تؤكد أبحاث السوق الحديثة التي أجرتها مؤسسة IDC أن البيانات غير المُهيكلة تُمثل حوالي 93 بالمئة من إجمالي حجم البيانات العالمي، على الرغم من أنه من المتوقع أن تنمو نسبة البيانات المُهيكلة في بيئة المؤسسات بوتيرة أسرع في المستقبل. إن مستودع البيانات المُصمم فقط للهياكل الجدولية يظل عاجزاً تماماً عن فهم الغالبية العظمى من واقع الأعمال التشغيلية.

يُضاف إلى ذلك مشكلة التجزئة الدلالية. فإذا كان مصطلح "العميل" يحمل معنى مختلفًا في نظام إدارة علاقات العملاء (CRM) عنه في نظام تخطيط موارد المؤسسات (ERP) أو نظام الفوترة، فإن أنظمة الذكاء الاصطناعي ستُنتج حتمًا نتائج متناقضة وغير موثوقة. ولا يُمكن حل هذا التناقض بنماذج أفضل، بل فقط من خلال طبقة دلالية موحدة تُطبّق التعريف نفسه في جميع الأنظمة. وتؤكد دراسات من عام 2026 أن جودة البيانات ونقص التكامل هما أكبر عائق أمام مشاريع الذكاء الاصطناعي واسعة النطاق لخمس سنوات متتالية، حتى قبل المخاوف الأمنية أو نقص الكفاءات.

أخيرًا، تُنشئ البنية التقليدية اعتمادًا هيكليًا على عملية نقل البيانات. فقبل استخدام البيانات في مستودع البيانات التقليدي، يجب أولًا نقلها إليه، وهي عملية تستغرق، وفقًا لملاحظات السوق، ما بين اثني عشر وأربعة وعشرين شهرًا، وتستنزف ميزانيات ضخمة قبل تحقيق أي قيمة مضافة ملموسة للذكاء الاصطناعي. أما المنصات المصممة خصيصًا للذكاء الاصطناعي، فتتصل مباشرةً بالأنظمة القائمة دون الحاجة إلى أي عملية نقل بيانات سابقة.

ما الذي يبرر حقاً تسمية الذكاء الاصطناعي الأصلي

يُستخدم مصطلح "الذكاء الاصطناعي الأصلي" بشكل متزايد وبشكل عشوائي في السوق، مما يستدعي توضيحه. فهو ليس مجرد مجموعة من الوظائف الفردية كالبحث المتجهي أو نموذج اللغة المُضاف، بل هو بالأحرى توجه معماري أساسي. ولا تستحق أي منصة هذا الوصف إلا إذا صُممت منذ البداية لخدمة مستخدمي الذكاء الاصطناعي، بدلاً من إضافة وظائف الذكاء الاصطناعي إليها لاحقاً.

خمس خصائص تحدد مثل هذه البنية عمليًا: التزامن المستمر كمعيار وليس كوحدة إضافية مدفوعة، والدعم الأصلي لكل من البيانات المهيكلة وغير المهيكلة داخل نفس الطبقة، وطبقة دلالية تفرض تعريفات متسقة للكيانات عبر جميع أنظمة المصدر، وحوكمة تمتد بشكل صريح إلى طبقة وصول الوكيل ولا تقتصر على المستخدمين البشريين، وواجهات برمجة التطبيقات المفتوحة ومجموعات تطوير البرامج التي تجعل طبقة البيانات متاحة لأي تطبيق ذكاء اصطناعي.

يستحق جانب الحوكمة اهتمامًا خاصًا، إذ يُعد حاليًا أكبر تحدٍّ يواجه القطاع بأكمله. تُظهر استطلاعات حديثة أن خُمس الشركات فقط لديها نموذج ناضج لإدارة أنظمة الذكاء الاصطناعي المستقلة. وتؤكد دراسات أخرى هذه الصورة بشكلٍ أوضح: إذ يفتقر 92% من مسؤولي الأمن إلى رؤية شاملة لأنظمة الذكاء الاصطناعي النشطة في شركاتهم، ويشكك 95% منهم في قدرتهم على اكتشاف أي نظام مُخترق. في الوقت نفسه، تُشير بيانات مُزودي منصات البيانات إلى أن الشركات التي تمتلك أدوات حوكمة مُثبتة تُحقق نجاحًا في نقل ما يصل إلى اثني عشر ضعفًا من مشاريع الذكاء الاصطناعي إلى مرحلة الإنتاج مقارنةً بالمتوسط. لذا، لا تُعد الحوكمة آلية تحكم مُعيقة، بل على العكس، تُمثل عاملًا مُسرّعًا حاسمًا للتوسع الموثوق.

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

حدود التقدم: عندما يصبح النموذج القديم غير قابل للتطبيق

من المبالغة اعتبار مستودع البيانات التقليدي عتيقًا. فبالنسبة للمؤسسات التي لا تزال تستخدم التحليلات التي تركز على المستخدم بشكل أساسي - كلوحات المعلومات والتقارير الدورية والاستعلامات المجدولة - يظل مستودع البيانات التقليدي الأداة الأنسب والأكثر جدوى من الناحية الاقتصادية. ويستمر سوق حلول مستودعات البيانات التقليدية في النمو بقوة، بمعدل نمو سنوي متوقع يبلغ حوالي 14.9% بين عامي 2025 و2030، بينما من المتوقع أن ينمو سوق مستودعات البيانات السحابية بوتيرة أسرع، ليصل إلى حوالي 27% بحلول عام 2031. وتُظهر هذه الأرقام أن كلا النموذجين المعماريين سيتعايشان وينموان، وليس أن أحدهما سيحل محل الآخر تمامًا.

لا يظهر التعارض المعماري إلا عند دمج أنظمة الذكاء الاصطناعي في عمليات الأعمال القائمة. فإذا وجدت شركة ما أن مشاريع الذكاء الاصطناعي لديها راكدة بسبب افتقار الأنظمة إلى بيانات حديثة ومتسقة عبر أنظمة متعددة، فإن هذه المشكلة عادةً ما تكون معمارية وليست قصورًا في نموذج اللغة المستخدم. هذا التمييز ذو أهمية عملية بالغة لصناع القرار، إذ يمنع استثمار الميزانيات بشكل خاطئ في نماذج متطورة بدلًا من البنية التحتية اللازمة للبيانات.

الحسابات التجارية الكامنة وراء السؤال المعماري

من منظور اقتصادي، من المفيد إلقاء نظرة فاحصة على نسبة القيمة الزمنية لكلا النهجين. فمشروع الهجرة التقليدي يستنزف موارد داخلية وخارجية كبيرة لمدة تتراوح بين اثني عشر وأربعة وعشرين شهرًا قبل تحقيق أي فوائد إنتاجية. وخلال هذه الفترة، تتغير ظروف السوق والمشهد التنافسي، وغالبًا ما تتغير المتطلبات الأصلية نفسها، مما يعني أن جزءًا من الاستثمار يصبح متقادمًا عند اكتماله. في المقابل، يعد نهج "الربط في الموقع"، الذي لا يتطلب الهجرة، بالجاهزية التشغيلية في غضون أيام ونتائج أعمال ملموسة في غضون أسابيع قليلة.

يُغيّر هذا التقليص في الوقت اللازم لتحقيق القيمة جوهريًا طريقة الحساب. فبدلًا من مشروع ضخم ذي مخاطر عالية في البداية، يصبح إدخال طبقات البيانات المصممة خصيصًا للذكاء الاصطناعي عملية تكرارية أقل مخاطرة. إذ يُمكن للشركات اختبار حالات استخدام فردية، والتحقق من صحة النتائج، ثم التوسع لاحقًا. في الوقت نفسه، تُظهر التجربة أن جاهزية البيانات لا تزال العقبة الأكثر شيوعًا أمام مبادرات الذكاء الاصطناعي واسعة النطاق، ما يعني أن حتى أسرع بنية لا تضمن النجاح تلقائيًا في حال غياب سلامة البيانات الداخلية ووضوح العمليات.

ومن اللافت للنظر سرعة انتشار أنظمة سير العمل متعددة الوكلاء. ففي غضون أربعة أشهر فقط، ازداد استخدام هذه الأنظمة المنسقة متعددة الوكلاء بنسبة 327%، مما زاد الضغط على طبقة البيانات الأساسية، إذ لم يعد الوصول إلى البيانات المتسقة والمحدثة في آنٍ واحد مقتصراً على الوكلاء الأفراد فحسب، بل يشمل أيضاً شبكات الوكلاء المنسقة. ويؤكد هذا التطور على ضرورة بناء بنية مصممة خصيصاً للآلات، لا للبشر.

الضغط التنظيمي كعامل تسريع إضافي

إلى جانب الأبعاد التقنية والاقتصادية البحتة، يكتسب البُعد التنظيمي أهمية متزايدة. ينص قانون الذكاء الاصطناعي للاتحاد الأوروبي على متطلبات حوكمة ملزمة لتطبيقات الذكاء الاصطناعي عالية المخاطر، بما في ذلك رصد التحيز، والإشراف البشري، وإمكانية تفسير القرارات. وقد طُلب من الدول الأعضاء إنشاء بيئات اختبار تنظيمية بحلول أغسطس 2026، حيث يتعين على الشركات إثبات أن وكلاءها يعملون ضمن الأطر القانونية. وبالمثل، تنص المادة 30 من اللائحة العامة لحماية البيانات (GDPR) على ضرورة توثيق جميع أنشطة المعالجة. بالنسبة لوكلاء الذكاء الاصطناعي الذين يعملون كمعالجين للبيانات، يعني هذا تسجيلًا دقيقًا للوكلاء الموجودين، والبيانات التي يصلون إليها، والأساس القانوني لذلك.

يصعب تطبيق هذه المتطلبات التنظيمية اقتصاديًا في بنية تفتقر إلى دعم أصيل لتتبع مصدر البيانات، وهوية المستخدم، وضوابط الوصول الدقيقة. ورغم إمكانية تطبيق طبقات الحوكمة بأثر رجعي على مستودع بيانات تقليدي، إلا أن ذلك غالبًا ما يؤدي إلى أنظمة تحكم مجزأة يصعب صيانتها. أما البنية المصممة أصلاً لوصول المستخدم، فتدمج هذه الضوابط في وظائفها منذ البداية، مما يقلل التكاليف ومخاطر الامتثال على المدى البعيد.

تقييم منطقي لصناع القرار

يُشير التحليل الحالي إلى استنتاج واضح، وإن كان دقيقًا بعض الشيء. فالاختيار بين مستودع البيانات التقليدي وتخزين البيانات المُصمم خصيصًا للذكاء الاصطناعي ليس مسألة اعتقاد، بل هو نتاج حالة الاستخدام الفعلية. فالشركات التي تدعم اتخاذ القرارات البشرية بشكل أساسي عبر لوحات المعلومات والتقارير الدورية لا تحتاج إلى إعادة هيكلة جذرية لبنية بياناتها التحتية. مع ذلك، بمجرد أن تتولى أنظمة الذكاء الاصطناعي مسؤولية التشغيل، على سبيل المثال في عمليات الشراء أو المعالجة المالية أو خدمة العملاء، يصبح التوافق المعماري مع الأنظمة الآلية المُستخدمة شرطًا أساسيًا لتحقيق أي نجاح ملموس.

يكمن الخطر الأكبر الذي يواجه الشركات حاليًا ليس في التعقيد التقني بقدر ما يكمن في تشخيصها الخاطئ لمشاكلها. ينبغي على الشركات التي تجد أن مبادرات الذكاء الاصطناعي متعثرة أن تُراجع بنية بياناتها أولًا قبل الاستثمار في نماذج أكثر قوة. تُظهر التجارب أن نقص تحديث البيانات، وعدم كفاية الاتساق الدلالي، وضعف الحوكمة، هي في أغلب الأحيان أسباب فشل مشاريع الذكاء الاصطناعي أكثر من قصور نماذج اللغة نفسها. ينبغي أن تُؤخذ هذه الرؤية بعين الاعتبار في كل قرار استثماري استراتيجي يتعلق ببيانات الشركات والذكاء الاصطناعي.

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