الوكلاء الذين يتوسعون مقابل الوكلاء الذين يتوقفون عن العمل

كل مؤسسة تحتاج إلى برامج لحل المشكلات. وأنا أتحدث عن المشغِّلين المستقلين، الذين يرفضون التدخلات المبالغ فيها التي تعيق المؤسسات غير الفعَّالة، ويتمتعون بالثقة الكافية لفهم ما بين السطور. عندما يظهر البرنامج هذا المستوى من الذكاء، نقول إنه "يعمل بكل سلاسة". عندما يكون الأمر متعلقًا بموظفة، نقول عنها "هي تفهم الأمور ببساطة". 

ثم هناك الطرف الآخر، والذي يتميز بالتأجيلات، والتأخيرات، والتردد في اتخاذ القرار. غالبًا ما يكونون متأخرين أو معتمدين على معلومات قديمة؛ فهؤلاء الأشخاص يعرقلون سير الأمور ويرددون بشكل متكرر إحدى أكثر العبارات إحباطًا في بيئة العمل: "سأفعل ذلك بنفسي". 

سيتم بناء ونشر الملايين من وكلاء الذكاء الاصطناعي -ولا شك أنك تعرف هذا إذا كنت تقرأ هذه المدونة- في السنوات القليلة المقبلة. وفقًا لمعهد IBM Institute for Business Value، يقول 70% من المديرين التنفيذيين الذين شملهم الاستطلاع إن الذكاء الاصطناعي الوكيل أمر بالغ الأهمية لاستراتيجيتهم المستقبلية. والسؤال هو: أي نوع من الوكلاء تطلق له العنان - مَن يحلّ المشكلات أم مَن يُنشئها؟  

يكمن الفرق بين الاثنين في عدو مألوف: الصوامع. من السهل الانجراف وراء تحيّز التفاؤل خلال الظروف المثالية لموسم الاختبارات، لكن عندما يحين وقت البث الرئيسي، أي النشر على مستوى المؤسسة، تُعيق تعقيدات الأعمال الكبيرة التقدُّم. تجعل تدفقات العمل المعقدة، والحوكمة الجزئية وعدم انتظام الوصول إلى البيانات، كل وكيل مشكلة صيانة منفردة. فما كان من المفترض أن يزيد الإنتاجية يتحول إلى استنزاف كبير لها. ويمكن أن نطلق على ذلك اسم مفارقة الذكاء الاصطناعي.

لتحقيق التوسع، يجب على المؤسسات تنسيق جميع وكلائها بشكل شامل، وإنشاء قائمة من متعاوني الذكاء الاصطناعي الخاضعين لإدارة موحَّدة، والقادرين على الاندماج بسهولة مع الأدوات الحالية. عندما ينجح التنسيق، تتواءم العمليات وتتلاشى الحواجز وتتحول إمكانات الذكاء الاصطناعي إلى نتائج حقيقية. ومع ذلك، فإن التنسيق وحده لن يفوز بسباق الذكاء الاصطناعي. البيانات هي العامل المميز. إنها القوة التي تجعل جميع وكلائك -وليس فقط حالات اختبار إثبات المفهوم- متمكنين من أعمالك وموثوقًا بهم بما يكفي للعمل بشكل مستقل.

فبعد كل شيء، البيانات العامة تؤدي إلى ذكاء اصطناعي عام يتحدث بنفس الأسلوب الرتيب مثل منافسيك. أو ما هو أسوأ من ذلك، يمكن للبيانات التي تتم إدارتها بشكل سيئ أن تحوِّل الذكاء الاصطناعي إلى عائق ينشر الأخطاء بشكل أسرع وأبعد مما يمكن لأي إنسان أن يفعل. 

استغرق السوق وقتًا طويلًا للاعتراف بأهمية إعداد البيانات للذكاء الاصطناعي، وهو تقصير أدى إلى أن يكون عائد الاستثمار غير محدد، ويظهر ذلك في العديد من الإحصاءات التي تُظهر أن معظم المؤسسات ما زالت عالقة في مرحلة الاختبارات التجريبية. في الواقع، وفقًا لتقرير من MIT، فإن 5% فقط من المؤسسات التي شملها الاستطلاع قامت بدمج أدوات الذكاء الاصطناعي في سير العمل على نطاق واسع. 

هناك تصحيح كبير يجري حاليًا بينما تستثمر المؤسسات مليارات الدولارات في مبادراتها المتعلقة بالبيانات. وفقًا لبيانات استطلاع قادم من معهد IBM Institute of Business Value، تم تخصيص نحو 13% من ميزانيات تكنولوجيا المعلومات لاستراتيجية البيانات في 2025، مقارنةً بنسبة 4% في 2022. وبالمثل، أفاد 82% من رؤساء البيانات الذين شملهم الاستطلاع بأنهم يقومون بالتوظيف لأدوار لم تكن موجودة العام الماضي.

الهدف، بالطبع، هو تزويد الذكاء الاصطناعي الخاص بك بالبيانات الخاصة والموثوق بها التي تجعل عملك فريدًا. عندما تقوم أنت أو عملاؤك بتوجيه أسئلة للذكاء الاصطناعي، يجب أن يقدِّم معلومات ذات صلة بالسياق ومتوافقة مع أهداف مؤسستك وقيمها ومتطلبات اللوائح التنظيمية. الذكاء الاصطناعي الوكيل يرفع مستوى المخاطر بشكل أكبر. عندما تحدِّد وكيلًا وتمكِّنه من اتخاذ القرارات والسعي إلى أهداف واضحة، يجب أن تثق في أنه يعرف عملك وثقافته -بياناتك- من الداخل والخارج. 

لكي ينجح الوكلاء، يحتاجون إلى بيانات عالية الجودة، والتي، وفقًا لـ The Data Management Association، هي البيانات الدقيقة والكاملة والمتسقة وفي الوقت المناسب والفريدة والصحيحة. تضيف IBM بُعدًا سابعًا لجودة البيانات، التجانس: وهو مقياس يضمن إمكانية توحيد البيانات المتنوعة لتفسير متسق وإثرائها للفهم الدلالي.

الحفاظ على جودة البيانات ليس سهلًا، خاصةً في عصر الزيتابايتات. وتستغرق الضمانات اليدوية لجودة البيانات وقتًا طويلًا، وتكون عرضةً للأخطاء، وتتطلب عددًا من المتخصصين في البيانات لا يتوفر في ظل نقص المواهب المستمر. 

حاولت المؤسسات سدّ الفجوة من خلال بناء مجموعات بيانات هشة قائمة على مستودعات البيانات وبحيرات البيانات وأدوات التكامل، وكأنها قابلة للانهيار في أي لحظة. والإضافات مثل التصحيحات ولوحات التحكم والبرمجيات النصية تزيد العبء أكثر. وغالبًا ما يؤدي النهج المخصص إلى ديون تقنية تتضاعف باستمرار - وبشكل غير متوقع. يتراجع الابتكار ليكون من آخر الأولويات عندما يظل فريق تكنولوجيا المعلومات مشغولًا بالصيانة فقط، ما يضيّع إنتاجيتهم وسط ثغرات بيانات المؤسسة. 

ما الخطوة التالية؟ 

تبدأ الإجابة بطبقة بيانات تربط وتُثري وتُدير جميع مصادر بياناتك، وتعمل كمصدر أساسي لوكلاء الذكاء الاصطناعي الملمين بسياق مؤسستك وأسلوبها. مع هذا الأساس، يقدِّم الوكلاء قرارات يمكن الوثوق بها، ما يؤدي إلى تسريع مهام سير العمل وتقليل المخاطر وتعزيز الإنتاجية على نطاق واسع.

البيانات الوصفية هي لغة تلك الطبقة. توفر هذه الطبقة السياق الذي يجعل بياناتك سهلة الاستخدام لكلٍّ من الذكاء الاصطناعي والمهام التقليدية مثل التحليلات وهندسة البيانات. ومع ذلك، لا يحقق التصنيف اليدوي قابلية التوسع. أما وضع العلامات المؤتمت فيحقق ذلك؛ لأنه يطبِّق الهيكلة بسرعة الاستيعاب. إنه يلتقط تسلسل البيانات وحساسيتها ومعناها التجاري -مع توفُّر إشراف بشري عند الحاجة- لتقليل المخاطر وتسريع المهام التالية مثل الاسترجاع والامتثال. باختصار، يحوِّل الأصول الخام إلى معرفة محكومة وسياقية قبل أن يطلبها أحد. 

السياق قوي. في النهاية، يؤدي ذلك إلى ذكاء اصطناعي أكثر دقة واتخاذ قرارات بثقة أكبر. ومع ذلك، فإن البيانات دون الحصول على الأذونات الصحيحة هي مسؤولية وليست أصلًا.

لا يجب أن تكون قواعد الوصول مخزَّنة في جداول بيانات. بل يجب أن تنتقل مع البيانات. عند انتقال الأصول من مستودع الوثائق إلى بحيرة البيانات ثم إلى مهمة التخصيص الدقيق، يجب أن تنتقل الأذونات معها أيضًا. عندما يتم تطبيق السياسات تلقائيًا بناءً على الهوية والدور والغرض، يرى الأشخاص المناسبون البيانات الصحيحة في الوقت المناسب. تقلل هذه العملية المخاطر، وتمنع التعرّض غير المقصود، وتحافظ على الامتثال بعيدًا عن ضغوط الطوارئ.

تُعَد الحوكمة القوية أمرًا ضروريًا، لكنها مجرد جزء من المعادلة. والبنية التحتية تحتها هي التي تحدِّد إذا ما كان التحكم سيزداد قدرة على التوسع أو سيتوقف. يُعَد التصميم المفتوح والهجين هو النهج الصحيح؛ لأن معظم المؤسسات تعمل بالفعل عبر سحابات متعددة وبيئات محلية. يؤدي الفصل بين التخزين والحوسبة إلى تجنُّب عمليات الترحيل المكلِّفة والاضطرابات التي تسببها. تجعل تنسيقات الملفات المفتوحة مثل Apache Iceberg ذلك ممكنًا من خلال فصل التطبيقات عن التخزين، ما يمكِّن الأدوات من قراءة البيانات وكتابتها مباشرةً في موقعها الحالي. كما أنها تمنع الالتزام باستخدام قاعدة بيانات بائع واحد فقط. المرونة ليست رفاهية - بل هي حماية من التكاليف المفرطة والأنظمة الصارمة التي لا تستطيع التكيف عند تغيُّر الأولويات. لا عجب إذن أن ثلاثة أرباع المؤسسات تتوقع زيادة استخدام تقنيات الذكاء الاصطناعي مفتوحة المصدر -بما في ذلك تنسيقات الملفات المفتوحة- خلال السنوات القليلة المقبلة، مشيرةً إلى انخفاض تكاليف التنفيذ والصيانة، وفق دراسة من McKinsey. 

تظل البيانات غير المنظمة المستودع الكبير غير المستغل. الفواتير، رسائل البريد الإلكتروني، السجلات، الصور -وحتى هذا المدونة- تحمل رؤى، آمل، أنها نادرًا ما تصل إلى التحليلات لأنها موزعة عبر أنظمة مختلفة، ومقفلة في تنسيقات غير متوافقة، وتفتقر إلى تسميات منظمة. الاستخراج اليدوي غير مُجدٍ. فهو يتطلب ساعات طويلة من الجهد البشري، ويعرّض للأخطاء، وينهار تحت ثقل البيانات على نطاق المؤسسة. الأتمتة هي الطريقة الوحيدة لفرض النظام على مستوى المؤسسة: تحديد الكيانات، والتقاط القيم، وإضافة طبقات دلالية تعكس طريقة حديث أعمالك وكيف تريد الظهور في السوق. من هناك، يظهر مخطط يمكن للآلات معالجته ويثق به البشر - ووكلاء الذكاء الاصطناعي. 

عندما تتدفق هذه البيانات المعززة إلى طبقة الاسترجاع التي تجمع بين التحويل من النص إلى SQL واسترجاع المتجهات والاستعلامات الهجينة، يتوقف الوكلاء عن التخمين. ويبدؤون بالتفكير والتصرّف بثقة. على النقيض من ذلك، غالبًا ما تواجه أنظمة RAG التقليدية صعوبةً في فهم السياق، ما يجعلها غير مناسبة للتفكير على نطاق المؤسسة. يتجنَّب النهج الموحَّد تلك العقبات، حيث يوفر للوكلاء العمق والدقة اللازمَين لاتخاذ قرارات حاسمة.

تحويل الفوضى غير المنظمة إلى وضوح منظم هو مجرد بداية، لكن الذكاء هو ما يجعل هذا الوضوح مفيدًا. ودونه، تظل أفضل البيانات المنظمة خاملة وغير فعَّالة. يمنح الذكاء البيانات لكل أصل قصة - من أين أتى، وكيف تغيَّر، ومن المسؤول عنه. الفهرسة وتتبُّع دورة الحياة ليست مجرد أعمال تنظيمية؛ بل هي أساس الثقة. يضمن تقييم الجودة ألا يتخذ الوكلاء قراراتهم على أسس هشة. يؤدي نشر منتجات البيانات بمصطلحات محددة إلى تحويل الموارد الخام إلى خدمات قابلة للاستخدام يمكن للفِرق الاعتماد عليها. عندما يستشهد الوكيل برقم، يجب أن يكون المصدر على بُعد نقرة واحدة. وعندما يتغيّر التعريف، يجب أن يعرف كل نظام تابع قبل اتخاذ القرار التالي.

لكن الذكاء وحده لا يكفي. أظهر تقرير IBM لعام 2024 بعنوان AI in Action أن تعقيد البيانات، بما في ذلك التكامل عبر الأنظمة المجزأة، لا يزال أحد أهم عوائق توسيع نطاق الذكاء الاصطناعي. يحتاج كلٌّ من الأنظمة الأخرى والوكلاء الآخرون الذين يعتمدون على البيانات إلى تكامل مستمر بدلًا من التكامل لمرة واحدة فقط. التكامل هو كيفية تشكيل البيانات أثناء تدفقها: توحيدها وإثراؤها وإدارتها وتجهيزها للاستخدام أثناء تدفقها. يجب أن تتكيف المسارات مع كل عملية تشغيل، وأن تتعلم من الانحرافات وأن تعمل على تحسين الأداء والتكلفة والجودة. وتُعَد قابلية الملاحظة مهمة أيضًا. عندما يكون التكامل مرئيًا وسريع الاستجابة، فإن الأنظمة اللاحقة، بما في ذلك الوكلاء، لا ترث الأخطاء الصامتة أو المنطق القديم.

عندما يعمل التكامل والذكاء معًا، تكون النتيجة مألوفة: الأداء يكون سلسًا. ليس بسبب الحظ، بل لأن البنية الأساسية وراءه مصممة بعناية. طبقة بيانات تربط بيئة عملك، وتضيف المعنى، وتمرِّر الحوكمة في كل خطوة -سواء أكانت قائمة على الوكلاء أم لا- ما يعزز الدقة ويدعم اتخاذ قرارات واثقة. وهكذا يتحول العرض التوضيحي الواعد إلى نظام يمكن الاعتماد عليه. وهكذا تنتقل من المراحل التجريبية إلى الإنتاج دون أن تفقد المسار.