يعمل مساعدو الذكاء الاصطناعي على تحسين الأتمتة باستخدام وكلاء يعتمدون على واجهة برمجة التطبيقات

يعمل المساعدون المزودون بالذكاء الاصطناعي التوليدي على تحويل الأعمال من خلال واجهات المحادثة الذكية. هؤلاء المساعدون قادرون على فهم وتوليد استجابات ومحتوى يشبه الإنسان، ويُحدثون ثورة في طريقة تعاون البشر مع الآلات. تقع نماذج اللغات الكبيرة (LLMs) في قلب هذا الاضطراب الجديد. تُدرَّب نماذج اللغات الكبيرة على كميات هائلة من البيانات ويمكن استخدامها عبر تطبيقات لا حصر لها. يمكن ضبطها بسهولة لحالات استخدام مؤسسية محددة باستخدام بعض الأمثلة التدريبية.

نشهد مرحلة جديدة من التطور حيث يتجاوز مساعدو الذكاء الاصطناعي المحادثات ويتعلمون كيفية استغلال الأدوات من خلال وكلاء يمكنهم استدعاء واجهات برمجة التطبيقات (APIs) لتحقيق أهداف تجارية محددة. يمكن الآن إكمال المهام التي كانت تستغرق ساعات في دقائق من خلال تنسيق كتالوج كبير من الوكلاء القابلين لإعادة الاستخدام. علاوة على ذلك، يمكن تكوين هؤلاء الوكلاء معًا لأتمتة عمليات سير العمل المعقدة.

يمكن لمساعدي الذكاء الاصطناعي استخدام وكلاء يعتمدون على واجهة برمجة التطبيقات لمساعدة العاملين في مجال المعرفة في المهام العادية مثل إنشاء أوصاف الوظائف، واستخراج التقارير في أنظمة الموارد البشرية، والبحث عن مرشحين وغير ذلك. على سبيل المثال، يمكن لمدير الموارد البشرية أن يطلب من مساعد الذكاء الاصطناعي إنشاء مسمى وظيفي لوظيفة جديدة، ويمكن للمساعد إنشاء مسمى وظيفي مفصل يلبي متطلبات الشركة. وبالمثل، يمكن لمسؤول التوظيف أن يطلب من مساعد الذكاء الاصطناعي البحث عن مرشحين لشغل وظيفة شاغرة، ويمكن للمساعد تقديم قائمة بالمرشحين المؤهلين من مصادر مختلفة. وبفضل المساعدة التي يقدمها مساعدو الذكاء الاصطناعي، يمكن للعاملين في مجال المعرفة توفير الوقت والتركيز على المشاكل الأكثر تعقيدًا وإبداعًا.

يمكن لمنشئي الأتمتة أيضًا الاستفادة من إمكانات مساعدي الذكاء الاصطناعي لإنشاء الأتمتة بسرعة وسهولة. قد يبدو الأمر محيرًا، ولكن مساعدي الذكاء الاصطناعي يستخدمون الذكاء الاصطناعي التوليدي لأتمتة عملية الأتمتة نفسها. وهذا يجعل بناء الوكلاء أسهل وأسرع. هناك خطوتان أساسيتان في بناء الوكلاء لأتمتة الأعمال التجارية: تدريب وإثراء الوكلاء لحالات الاستخدام المستهدفة وتنظيم كتالوج لوكلاء المتعددين.

واجهات برمجة التطبيقات (APIs) هي العمود الفقري لوكلاء الذكاء الاصطناعي. يُعدّ بناء الوكلاء المعتمدين على واجهة برمجة التطبيقات مهمة معقدة تتضمن التفاعل مع المستخدم بطريقة حوارية، وتحديد واجهات برمجة التطبيقات اللازمة لتحقيق هدف المستخدم، وطرح الأسئلة لجمع الحجج المطلوبة لواجهة برمجة التطبيقات، والكشف عن المعلومات التي يقدمها المستخدم وهذا ضروري عند استدعاء واجهة برمجة التطبيقات (API)، وإثراء واجهات برمجة التطبيقات بعبارات نموذجية وإنشاء الاستجابات بناءً على قيم إرجاع واجهة برمجة التطبيقات. قد تستغرق هذه العملية ساعات من مطور ذي خبرة. ومع ذلك، يمكن لنماذج اللغات الكبيرة أتمتة هذه الخطوات. يتيح هذا للمطورين تدريب وإثراء واجهات برمجة التطبيقات (APIs) بشكل أسرع للمهام المحددة.

لنفترض أن Bob، وهو منشئ حلول أتمتة، يريد إنشاء وكلاء يعتمدون على واجهة برمجة التطبيقات (API) لمساعدة البائعين في الشركة على استرداد قائمة بالعملاء المستهدفين. الخطوة الأولى هي استيراد واجهة برمجة تطبيقات بعنوان "استرداد عملائي" إلى مساعد الذكاء الاصطناعي. ومع ذلك، لجعل هذه الأتمتة متاحة كوكيل، يحتاج Bobإلى اتخاذ العديد من الخطوات اليدوية والمملة التي تشمل تدريب مصنِّف اللغة الطبيعية باستخدام عينات من الكلمات. بمساعدة النماذج اللغوية الكبيرة، يمكن لمساعدي الذكاء الاصطناعي توليد عبارات تدريب نموذجية تلقائيًا بالاعتماد على مواصفات OpenAPI. يمكن لهذه القدرة أن تقلل بشكل كبير من الجهد اليدوي المطلوب. وبمجرد ضبط نموذج الأساس من أجل تحقيق فهم دلالي، يصبح بإمكانه استيعاب موجِّهات ونوايا مستخدمي الأعمال استيعابًا أفضل. ويظل بإمكان Bob مراجعة ومعالجة الأسئلة المولدة من خلال تبني أسلوب "التفاعل البشري المدمج".

وقريبًا، سيصبح إنشاء وكلاء عمليةً مؤتمتةً بالكامل من خلال تحديد واجهات برمجة التطبيقات، وملء الفجوات، وإثراء واجهات برمجة التطبيقات. سيؤدي ذلك إلى تقليل الوقت الذي يستغرقه إنشاء الأتمتة وتقليل الحواجز التقنية وتحسين كتالوجات الوكلاء القابلة لإعادة الاستخدام.

يمكن أن تكون تدفقات الأتمتة للمباني التي تستخدم واجهات برمجة تطبيقات متعددة معقدة تقنيًا وتستغرق وقتًا طويلاً. لربط واجهات برمجة تطبيقات متعددة، من المهم تحديد المجموعة المناسبة من واجهات برمجة التطبيقات وتسلسلها واستدعائها لتحقيق هدف عمل محدد. يستخدم مساعدو الذكاء الاصطناعي تقنيات LLM وتقنيات التخطيط لتبسيط هذه العملية وتقليل العوائق التقنية. يمكن أن تعمل تقنيات LLMs كنظام توصية فعال، حيث تقترح واجهات برمجة التطبيقات الأكثر ملاءمة بناءً على الاستخدام وأوجه التشابه والأوصاف.

يجب على المنشئين مواءمة المدخلات والمخرجات لواجهات برمجة التطبيقات المتعددة لتكوين عمليات أتمتة متعددة الوكلاء، وهي عملية مرهقة وعرضة للأخطاء. ومن خلال عملية تعيين واجهة برمجة التطبيقات (API) التي يقودها نموذج لغوي كبير، تتم أتمتة عملية المحاذاة هذه استنادًا إلى سمات واجهة برمجة التطبيقات (API) والوثائق، وهذا يجعل من السهل على منشئي الأتمتة إعادة استخدام واجهات برمجة التطبيقات الحالية من الكتالوجات الكبيرة دون تدخل يدوي.

الآن، لنفترض أن منشئ الأتمتة لدينا، Bob، يريد إنشاء أتمتة متعددة واجهات برمجة التطبيقات أكثر تعقيدا تسمح للبائعين باسترجاع قائمة بالعملاء ومن ثم إنشاء قائمة بتوصيات المنتجات المخصصة. بعد استيراد وإثراء وكيل واجهات برمجة التطبيقات "استرجاع عملائي"، يمكن لميزة التسلسل التي تبثها نماذج اللغات الكبيرة أن توصي تلقائيًا بواجهة برمجة التطبيقات "إنشاء توصيات المنتج". وهذا يعني أن Bob لا يحتاج إلى التدقيق في كل واجهة برمجة تطبيقات على حدة لاكتشاف أنسبها من كتالوج الوكلاء الشامل.

بالإضافة إلى ذلك، تحتوي كل واجهة برمجة تطبيقات على حقول من أنواع بيانات مختلفة. توفر واجهة برمجة التطبيقات (API) المصدر حقول الإخراج التي تمثل معلومات حول مجموعة من العملاء. تقدم واجهة برمجة التطبيقات المستهدفة حقول الإدخال التي تمثل أيضًا معلومات العميل. عادةً ما يتعين على Bob قضاء الوقت في تعيين كل حقل في واجهات برمجة التطبيقات المستهدفة يدويًا إلى حقل مقابل في واجهة برمجة التطبيقات المصدر. وسوف يتزايد هذا الجهد الشاق مع زيادة عدد واجهات برمجة التطبيقات المصدر والحقول المستهدفة. يمكن لخدمة تعيين واجهة برمجة التطبيقات إنشاء مجموعة من اقتراحات المحاذاة التي يستطيع Bob مراجعتها وتحريرها وحفظها بسرعة.

يستخدم IBM® watsonx Orchestrate™ مزيجًا من نماذج الذكاء الاصطناعي (بما في ذلك النماذج اللغوية الكبيرة) لتبسيط عملية بناء وكيل الذكاء الاصطناعي من خلال توصيات إثراء واجهات برمجة التطبيقات، والتسلسل، والخرائط. في المرحلة الجديدة من التطور، سيتمكن مساعدو الذكاء الاصطناعي من تنسيق عدة واجهات برمجية للتطبيقات (APIs) على نحو متتالٍ أثناء التشغيل، وذلك لتلبية الغايات التجارية التي يحددها الموظفون غير التقنيين، الأمر الذي يدعم الأتمتة. من خلال الاستفادة من مساعدي الذكاء الاصطناعي، يمكن للمؤسسات تسريع مبادرات الأتمتة وإعادة توزيع موارد كبيرة نحو مجالات تولِّد قيمة أكبر.