ما المقصود بالأتمتة الوكيلية؟

على الرغم من أننا لا نزال في المراحل الأولى جدًا من الأتمتة الوكيلية، ومع تطور المنهجيات بسرعة، يمكن اعتبار هذا المجال تتويجًا لمسيرة الأتمتة بشكل عام، وخطوة عملاقة نحو تحقيق حلم البشرية في أتمتة تعزِّز قدرات الإنسان، بل وفي أنظمة مؤتمتة بالكامل.

إن فن جعل الآلات تؤدي مهامًا كان على البشر القيام بها يمتد عبر تاريخ طويل يعود إلى العصور القديمة. وتشمل المحطات الأحدث في هذا المجال الثورة الصناعية، والكهرباء، وأجهزة الكمبيوتر، ما يعكس تطوره خلال القرن الماضي.

يمثِّل ظهور الذكاء الاصطناعي القفزة النوعية التالية في تقنيات الأتمتة لعدة أسباب. قبل ظهور الذكاء الاصطناعي، كانت حلول الأتمتة تتطلب عادةً تكلفة ابتدائية مرتفعة جدًا؛ لأن الأنظمة القائمة على القواعد تفتقر إلى قدرة الاستدلال الديناميكي التي يمتلكها البشر، كما أنها تحتاج إلى تصميم دقيق للغاية. تؤدي الأنظمة غير الوكيلية، مثل أتمتة العمليات الآلية التقليدية (RPA)، أداءً جيدًا في المهام المنظمة والمتكررة؛ لأنها تفتقر إلى الوعي وتعمل بطريقة خطية وثابتة. في غياب القدرة على الاستدلال، تميل هذه الأنظمة إلى الانهيار عند حدوث أي تغيير في السيناريو المعتمد. وهي غير مجهزة للتعلم أو التكيُّف مع السيناريوهات الجديدة.

علاوةً على ذلك، لا يمكنها معالجة المدخلات المعقدة وغير المنظمة؛ لأن فهم الإنسان للّغة وإنتاجه لها يفوق بكثير قدرات الأنظمة الحاسوبية التقليدية. لِذا يجب التحكم في الأنظمة الآلية بأدوات تحكُّم ثابتة. إذا أراد المستخدم تغيير شيء ما، فعليه تحريكه يدويًا عبر شريط تمرير أو تحديد خانة اختيار من خلال واجهة معينة.

كان هناك أيضًا ما يُعرَف باسم "مفارقة الأتمتة"، التي تنص على أنه كلما زادت كفاءة النظام المؤتمت، ازدادت أهمية مساهمة المشغِّلين البشريين. إذا حدث خلل في نظام مؤتمت، فقد يؤدي ذلك إلى تضاعف المشكلة إلى أن يتدخل إنسان لإصلاحها.

شكَّلت أتمتة نماذج الذكاء الاصطناعي، المدعومة بخوارزميات التعلم الآلي المتقدمة المعروفة باسم النماذج اللغوية الكبيرة (LLMs)، تطورًا كبيرًا، لكن ظلت أنظمة الذكاء الاصطناعي غير الوكيلية أنظمة تفاعلية فقط. تؤدي هذه الأنظمة المهام عند توجيهها وتتَّبِع تعليمات محددة بدقة. على سبيل المثال، يمكن لنموذج التنبؤ أن يتوقَّع ارتفاعًا في الطلب، لكنه لا يستطيع إعادة طلب المخزون أو إخطار فرق المبيعات أو تعديل جداول التسليم دون توجيه إضافي. قد يتطلب إدخال سياقات جديدة إعادة تدريب أو إعادة تهيئة مكلِّفة وتستغرق وقتًا طويلًا.

يُعَد ظهور الأتمتة المعتمدة على الوكلاء في العمليات محطة بارزة في مسيرة الأتمتة، إذ يستطيع الوكلاء اتخاذ قرارات مبنية على البيانات في الوقت الفعلي ويتمتعون بقدرة على التكيف، ما يقلل بشكل كبير من الحاجة إلى التدخل البشري. يمكن للوكلاء تقسيم أهداف الأعمال إلى خطوات قابلة للتنفيذ، وتحديد أولوياتها، وتنفيذها وفق تسلسل يتكيف مع السياق في الوقت الفعلي، ما يؤدي إلى أتمتة أكثر ذكاءً عبر سير العمل المعقد.

تعتمد تقنيات الذكاء الاصطناعي الوكيل على التكيُّف المستمر باستخدام بيانات البيئة المحيطة، حيث تُدمج البيانات والنتائج في الوقت الفعلي ضمن عملية اتخاذ القرار، ما يحسِّن الأداء بمرور الوقت ويمكِّنها من الاستجابة الديناميكية للاضطرابات غير المتوقعة.

في حين أن العديد من نماذج الذكاء الاصطناعي غير الوكيلية تجد صعوبة في التعامل مع البيانات غير المنظمة مثل رسائل البريد الإلكتروني أو الوثائق أو اللغة المفتوحة، تتفوق الأنظمة الوكيلية بفضل استخدامها لتقنيات معالجة اللغة الطبيعية (NLP) والذكاء الاصطناعي التوليدي. وهذا يمكِّنها من فهم المدخلات المعقدة، ما يجعل وظائفها أقرب بكثير إلى القدرات البشرية. وعندما لا يكون لدى الوكلاء يقين بكيفية التعامل مع موقف معين، يمكنهم الاستعانة بمنهجيات "الإنسان في الحلقة" للحصول على تأكيد بشري.

يمكن للوكلاء العمل معًا ضمن تنسيق ذكاء اصطناعي متعدد الوكلاء، حيث يتخصص كل وكيل في نوع محدد من المهام. يمكنهم العمل عبر الوحدات المنعزلة، والتكامل مع التطبيقات وواجهات برمجة التطبيقات والأنظمة الخارجية لتنفيذ سير عمل مؤتمت معقد.

تكمن قوة الأتمتة الوكيلية في قدرتها على دمج عدة تقنيات لتنفيذ مهام كانت تتطلب تدخلًا بشريًا في السابق. لا يمتلك جميع الوكلاء كل هذه القدرات، وتحتاج الأتمتة المتقدمة إلى عدة أنواع من وكلاء الذكاء الاصطناعي. فيما يلي عناصر وكلاء الذكاء الاصطناعي:

الخطوة الأولى هي الإدراك. يبدأ الذكاء الاصطناعي الوكيل بجمع البيانات من بيئته من خلال أجهزة الاستشعار أو واجهات برمجة التطبيقات أو قواعد البيانات أو تفاعلات المستخدم. تضمن هذه الخطوة أن يمتلك النظام معلومات محدَّثة لتحليل البيانات واتخاذ الإجراءات اللازمة.

ثم تأتي مرحلة الاستدلال. بعد جمع البيانات، يعالجها الذكاء الاصطناعي لاستخلاص رؤى ذات مغزى. باستخدام معالجة اللغة الطبيعية، ورؤية الكمبيوتر أو غيرها من قدرات الذكاء الاصطناعي، يفسِّر النظام استفسارات المستخدم، ويكتشف الأنماط، ويفهم السياق الأوسع. يساعد ذلك الذكاء الاصطناعي على تحديد الإجراءات المناسبة بناءً على الموقف.

من خلال تحديد الأهداف، يضع الوكيل أهدافًا استنادًا إلى أهداف مُحددة مسبقًا أو مدخلات المستخدم. ثم يضع استراتيجية لتحقيق هذه الأهداف، غالبًا باستخدام أشجار القرار، أو التعلم المعزز، أو خوارزميات تخطيط أخرى.

في مرحلة اتخاذ القرار، يقيِّم الوكيل عدة خيارات ممكنة ويختار الأنسب منها بناءً على عوامل مثل الكفاءة والدقة والنتائج المتوقعة.

بعد اختيار الإجراء، يقوم الوكيل بمرحلة التنفيذ، من خلال التفاعل مع الأنظمة الخارجية (مثل واجهات برمجة التطبيقات، أو البيانات، أو الروبوتات)، أو عبر تقديم ردود للمستخدمين.

ومن هناك، يتعلم الذكاء الاصطناعي من خلال تقييم النتائج وجمع التعليقات لتحسين القرارات المستقبلية. من خلال التعلم المعزز أو التعلم الخاضع للإشراف الذاتي، يعمل الوكيل على تحسين استراتيجياته بمرور الوقت، ما يجعله أكثر كفاءة في التعامل مع مهام مشابهة مستقبلًا.

يمكن استخدام الوكلاء في أي قطاع تقريبًا، لكن إليك بعض المجالات الشائعة التي تشهد بروزهم كأداة أتمتة ناشئة.

في العمليات المالية، يمكن للأنظمة المدعومة بالذكاء الاصطناعي أن تتولى مهامًا مثل معالجة الفواتير، واكتشاف الاحتيال، والتقارير المالية، ورصد الالتزام. على سبيل المثال، يمكن للذكاء الاصطناعي الوكيل استخراج البيانات من الفواتير، والتحقق منها مقارنةً بأوامر الشراء، وبدء عمليات الموافقة في الحسابات الدائنة.

تساعد أنظمة الذكاء الاصطناعي أيضًا على الوقاية من المخاطر. ومن خلال تحليل كميات هائلة من بيانات المعاملات في الوقت الفعلي، يمكن للذكاء الاصطناعي الوكيل اكتشاف الأنماط غير العادية أو الحالات الشاذة التي قد تُشير إلى وجود احتيال. يمكن لهذه الأنظمة الإبلاغ عن المعاملات المشبوهة لمزيد من التحقيق، ما يوفر مزيدًا من الأمان.

في إدارة الاستثمارات، يمكن للذكاء الاصطناعي الوكيل معالجة بيانات السوق وتقييم التوجهات وتنفيذ الصفقات في الأوقات المُثلى، كل ذلك بأقل تدخل بشري. يمكن للأدوات المدعومة بالذكاء الاصطناعي أن تساعد أيضًا على إدارة المحفظة من خلال تحليل ملفات مخاطر العملاء أو التوصية باستراتيجية استثمار مخصصة.

في مجال الرعاية الصحية، يمكن لمنصات الأتمتة تنسيق مجموعة واسعة من سير العمل الإداري مثل إدخال بيانات المرضى، والتحقق من أهلية التأمين، وجدولة المواعيد، وعمليات الفوترة. تقلِّل هذه الأنظمة من الجهد اليدوي وتسرِّع المهام الروتينية المرهقة.

يمكنهم أيضًا تفسير الملاحظات السريرية غير المنظمة باستخدام معالجة اللغة الطبيعية، لاستخلاص رؤى طبية مهمة، أو الإشارة إلى الحالات الشاذة لمراجعتها من قِبَل الطاقم الطبي، ما يعزز دقة التشخيص وسلامة المرضى.

يُعَد الامتثال مجالًا آخر تتفوق فيه الأنظمة الوكيلية، حيث تساعد على التعامل مع المتطلبات التنظيمية المعقدة من خلال ضمان التوثيق الصحيح ومسارات التدقيق.

تساعد هذه المنصات أيضًا على تنسيق الرعاية، وذلك من خلال تسهيل التواصل بين الأقسام، وإرسال التنبيهات، وتنفيذ مبادرات أخرى تركِّز على رعاية المرضى.

في إدارة سلسلة التوريد، يمكن للأنظمة الوكيلية مراقبة البيانات في الوقت الفعلي عبر مجالات متعددة، بدءًا من مستويات المخزون وحتى لوجستيات الشحن ومقاييس أداء المورِّدين، بهدف الكشف المبكر عن الاضطرابات المحتملة قبل تفاقمها. عندما يكتشف الوكلاء حالات شاذة أو تأخيرات، يمكنهم إعادة توجيه السفن بشكل مستقل أو تعديل استراتيجيات الشراء اعتمادًا على معلومات سلسلة التوريد اللحظية للحفاظ على سير الإنتاج.

من تحليل السير الذاتية إلى جدولة المقابلات وتجهيز الحسابات، يمكن للذكاء الاصطناعي الوكيل تنسيق عملية الانضمام بالكامل من خلال تنسيق عدة أنظمة معًا. قبل كتابة إعلان وظيفة جديدة أو حتى تحديد وظيفة شاغرة، يمكن للوكيل تحليل مصادر بيانات مثل توجهات التوظيف التاريخية، ومعدلات دوران الموظفين، وتوقعات نمو الأعمال، والتركيبة السكانية للقوى العاملة. بمجرد وضع استراتيجية توظيف شاملة، يمكن للوكيل البدء بالمساهمة في صياغة توصيفات الوظائف، وفرز السير الذاتية، وإجراء المقابلات والتفاوض على العقود. وبمجرد تعيين موظف، يمكن أتمتة عملية الإعداد إلى حد كبير عبر روبوت المحادثة.

يمكن للأتمتة الوكيلية تحسين تجارب العملاء من خلال تفاعلات أسرع وأكثر دقة وتخصيصًا. ومن الاستخدامات الشائعة له روبوت المحادثة المخصص لدعم العملاء. هذه الأدوات موجودة منذ فترة، لكن بفضل الذكاء الاصطناعي الوكيل، بات بإمكانها أداء مهام أكثر بكثير. تخيَّل سيناريو يتواصل فيه أحد العملاء مع مركز دعم الشركة بسبب مشكلة، مثل صعوبة في تنفيذ عملية إرجاع. تقليديًا، كان ذلك قد يتطلب فترات انتظار طويلة، وتواصلًا متكررًا ذهابًا وإيابًا، وتحويلًا بين عدة ممثلين للدعم. تعمل الأتمتة الوكيلية على تبسيط العملية بشكل كبير.

يمكن للروبوتات الوكيلية فرز طلبات الدعم التقني، وإجراء عمليات التشخيص، وإعادة تعيين كلمات المرور، وتصعيد المشكلات عند الحاجة. ويمكنها أيضًا تحليل تذاكر الدعم التقني الواردة وتحديد مستوى الأولوية وتصنيف المشكلات بناءً على السياق. من خلال مراجعة سجلات النظام، وحالة الشبكة، والأعراض التي يبلِّغ عنها المستخدمون، يمكن لهذه الروبوتات إجراء تشخيص لتحديد المشكلات المحتملة مثل تعارضات البرامج أو مشكلات الشبكة.

في حال نسيان كلمة المرور أو مواجهة مشكلة في الوصول إلى النظام، يمكن للروبوتات إعادة تعيين كلمة المرور تلقائيًا أو المساعدة على استكشاف الخلل وإصلاحه. في الحالات المعقدة التي تتطلب معرفة متخصصة أو إشرافًا بشريًا، يمكن للروبوتات تصعيد التذاكر إلى فريق الدعم، مع تزويدهم بالسياق والتشخيصات اللازمة. من خلال التعلم المستمر من التفاعلات السابقة، تستطيع الروبوتات الوكيلية تحسين قدراتها في حل المشكلات، ما يقلل عدد الردود ووقت الاستجابة، ويسمح لفرق تكنولوجيا المعلومات بالتركيز على مهام أكثر تعقيدًا وأعلى مستوى.

يُعَد الوكلاء المرحلة التالية في مسيرة التحول الرقمي لعمليات الأعمال، كما أن المنظومة المحيطة بهم تتوسَّع وتتطوَّر بسرعة. هناك العديد من أطر عمل وكلاء الذكاء الاصطناعي الشائعة المتوفرة حسب احتياجات الأعمال، لكلٍ منها تخصصاته وحدوده، وهي قادرة على التعامل مع مجموعة متنوعة من العمليات والمبادرات التي تتطلب قدرات ذكاء اصطناعي متقدمة. توفِّر هذه الأطر اللبنات الأساسية لتطوير ونشر وإدارة وكلاء الذكاء الاصطناعي، مع ميزات ووظائف مدمجة تُسهم في تسريع العملية وتبسيطها. يُعَد كلٌّ من Langchain وcrewAI من أُطر العمل الشائعة في هذا المجال.