ما وراء طلبات العروض وروبوتات المحادثة: كيف يعمل الذكاء الاصطناعي على تحسين البنية التحتية لتقنية المعلومات وعملياتها

اليوم، تدور معظم الأخبار الكبيرة في مجال الذكاء الاصطناعي حول تطوير تطبيقات الذكاء الاصطناعي التوليدي الجديدة والمتطورة. من مساعدة الطلاب في كتابة الأبحاث، إلى ملء طلبات تقديم العروض في ثوانٍ، إلى (بشكل سيء) إعداد القضايا القانونية، فقد تم توثيق نجاحاته وإخفاقاته بشكل جيد.

ولكن ماذا عن المهام الأكثر واقعية؟ تقوم بعض المؤسسات بتجربة نشر الذكاء الاصطناعي لأتمتة جوانب من البنية التحتية لتكنولوجيا المعلومات وعملياتها، مما يسمح بتخصيص الخبرات البشرية القيّمة لمجالات أخرى.

يُعدّ الذكاء الاصطناعي التوليدي أساسيًا للكثير من المؤسسات الحديثة في بناء منتجات رقمية جديدة لتحقيق الأرباح،" كما يقول Richard Warrick، رئيس الأبحاث العالمية في معهد IBM لقيمة الأعمال. "ولكن ماذا لو كان بإمكان التقنية نفسها أن تغير بشكل جذري العمليات التجارية اللازمة لتصميم تلك التطبيقات ونشرها وإدارتها ومراقبتها؟"

بدءًا من أتمتة العمليات كثيفة الموارد مثل توفير مراكز البيانات وعمليات التطوير، وصولًا إلى استبدال أفراد الأمن في المواقع، إليك كيف يُحدث الأتمتة الذكية القائمة على الذكاء الاصطناعي تحولًا في البنية التحتية لتكنولوجيا المعلومات وعملياتها. 

عندما بدأ استكشاف الذكاء الاصطناعي لأغراض تجارية، اعتُبرت قدرته على أتمتة المهام المتكررة التي كانت تتطلب في السابق تدخلًا بشريًا هي تطبيقه الأكثر قيمة. مع صعود الذكاء الاصطناعي التوليدي وقدراته العديدة، تبدو تلك الفكرة الآن بالية؛ ولكن في حين أن طبيعة المهام التي يمكن للذكاء الاصطناعي أتمتتها قد تغيرت، فإن القيمة الأساسية للأتمتة نفسها لم تتغير.

وفقًا لدراسة حديثة أجرتها IBV، فإن 80% من المديرين التنفيذيين يقومون بأتمتة عمليات شبكات تكنولوجيا المعلومات الخاصة بهم على مدى السنوات الثلاث القادمة، بينما يقوم 76% بتطبيق نفس مهارات الذكاء الاصطناعي على عمليات تكنولوجيا المعلومات خلال تلك الفترة.

Warrick قائلاً: "تساعد مسارات العمل الذكية المدعومة بالذكاء الاصطناعي وأدوات أتمتة تكنولوجيا المعلومات قادة الأعمال على إيجاد مزايا تنافسية، من حيث الأداء، كانت تفوتهم من قبل."

قبل عشر سنوات، كان يتم استخدام الذكاء الاصطناعي لتنفيذ عمليات بسيطة تعتمد على القواعد، وهي المهارة المعروفة باسم الأتمتة القائمة على القواعد. تشمل أمثلة على أنظمة الذكاء الاصطناعي المبكرة القائمة على القواعد تشغيل الأذرع الروبوتية وخطوط تجميع المصانع. على الرغم من أن أدوات الذكاء الاصطناعي القائمة على القواعد كانت فعالة في مجالات معينة، إلا أنها كانت تفتقر إلى المرونة وقابلية التوسع لتطبيقها على مشاكل الأعمال الأوسع نطاقًا. اعتمدت الأنظمة القائمة على القواعد على مجموعات من القواعد المحددة مسبقًا، ومع ازدياد تعقيد المهام التي طُلب منها تنفيذها، ازداد عدد القواعد اللازمة لعمل الأنظمة، مما أدى في النهاية إلى إنشاء أنظمة غير قابلة للتوسع.

في تسعينيات القرن الماضي، بدأ العلماء في تطوير برامج حاسوبية يمكنها "تعلم" كيفية استخلاص النتائج بطرق مشابهة للدماغ البشري عن طريق استخدام كميات كبيرة من البيانات. يسمح هذا الفرع من الذكاء الاصطناعي، المعروف بالتعلّم الآلي (ML)، لهذه التقنية بمعالجة مهام أكثر تعقيدًا على نحو متزايد، مثل التعرّف على الكلام والكتابة اليدوية، واللعب المعقد، وحتى القدرة على المساعدة في التشخيصات الطبية.

التعلم العميق، وهو فرع من التعلم الآلي اكتسب شعبية في العقد الثاني من الألفية الثالثة، نقل مستوى التعقيد الذي يمكن لأنظمة الذكاء الاصطناعي التعامل معه إلى مستويات جديدة تمامًا. بالتدريب على الشبكات العصبية متعددة الطبقات، وقامت برامج التعلم العميق بمحاكاة الطرق المعقدة والدقيقة التي تتخذ بها العقول البشرية القرارات، مما جعل من الممكن للذكاء الاصطناعي بناء تطبيقات وتفسير الصور ومقاطع الفيديو وحتى الاستجابة للمطالبات الصوتية والنصية بالطريقة التي يفعل بها البشر.

واليوم، وبفضل التعلم الآلي والتعلم العميق، تطورت أتمتة الذكاء الاصطناعي من عمليات بسيطة قائمة على القواعد إلى نماذج غنية ومتطورة مدربة على مجموعات بيانات ضخمة يمكنها أداء العديد من المهام نفسها التي يؤديها نظراؤها من البشر. تساعد هذه الموجة الجديدة من أدوات الذكاء الاصطناعي—المعروفة باسم "الأتمتة الذكية"—المؤسسات على تحسين بنيتها التحتية لتكنولوجيا المعلومات وعملياتها من خلال تبسيط العمليات التجارية وتحليل البيانات وحل المشكلات المعقدة التي كانت تتطلب في السابق اهتمامًا بشريًا.

تحتاج المؤسسات الحديثة إلى تركيز ألمع العقول لديها، المتخصصة في التكنولوجيا، على المبادرات التي لديها القدرة على تحقيق أكبر قيمة للأعمال، وهذا يعني الآن تطوير تطبيقات الذكاء الاصطناعي التوليدي. وفقًا لدراسة أجرتها IBV، أفاد 64% من الرؤساء التنفيذيين بأنهم يشعرون بضغط من المستثمرين والدائنين والمقرضين لتسريع تبني الذكاء الاصطناعي التوليدي، وقال أكثر من النصف إنهم شعروا بنفس الضغط من موظفيهم. 

لكن تطبيقات الذكاء الاصطناعي التوليدي تتطلب دعم البنية التحتية المعقدة لتسهيل جمع ومعالجة وتخزين كميات هائلة من البيانات بشكل آمن. في السابق، كانت هذه المسؤولية تقع على عاتق فرق من مديري تكنولوجيا المعلومات والمهندسين وعلماء البيانات، ولكن ماذا لو كان من الممكن إنجازها بواسطة الذكاء الاصطناعي؟

تستفيد الأتمتة الذكية للذكاء الاصطناعي من قوة المهارات المتخصصة مثل الرؤية الحاسوبية، ومعالجة اللغة الطبيعية (NLP)، وتقنيات الذكاء الاصطناعي المتقدمة الأخرى لحل مشكلات الأعمال بالغة التعقيد. يمكن لنماذج الذكاء الاصطناعي المدربة على مجموعات بيانات ضخمة باستخدام التعلم الآلي (ML) والتعلم العميق تحليل البيانات من التطبيقات والأنظمة، وتحديد الأنماط بسرعة وتعديل الموارد والعمليات وفقًا لذلك قبل وقوع المشكلات.

رؤية الكمبيوتر هي الذكاء الاصطناعي الذي يفسر الصور ومقاطع الفيديو مثل الدماغ البشري. تستخدم نماذج الذكاء الاصطناعي التعلم الآلي (ML) والتعلّم العميق لتحليل البيانات بشكل متكرر، وفي النهاية تحديد الاختلافات ذات الصلة في الصور ومقاطع الفيديو. على سبيل المثال، يحتاج نموذج للذكاء الاصطناعي يجري تدريبه لتأمين منزل إلى التدرب على آلاف الساعات من لقطات كاميرات المراقبة المنزلية حتى يتمكن من تعلم التعرف على دخيل محتمل.

في البنية التحتية لتكنولوجيا المعلومات، يُستخدم مجال رؤية الكمبيوتر في مجموعة متنوعة من المهام التي كانت تتطلب في السابق تدخلًا بشريًا، بما في ذلك الصيانة التنبؤية، ومراقبة الأنظمة، ومعالجة تدفق البيانات، وغيرها المزيد:

• الصيانة التنبؤية: تستخدم أنظمة رؤية الكمبيوتر المدربة خصيصًا خوارزميات التعرف على الصور لاكتشاف المشكلات في المكونات المادية مثل الكابلات والخوادم قبل أن تؤدي إلى توقف الشبكة.

• مراقبة النظام: يمكن لرؤية الكمبيوتر تحليل كميات كبيرة من البيانات بدقة من مجموعة متنوعة من المصادر المتنوعة بشكل أسرع بكثير مما يستطيع الإنسان. فحص زوايا كاميرات أنفاق المترو والطرق السريعة والمباني سيستغرق من الإنسان ساعات، ولكن يمكن لنظام رؤية الكمبيوتر القيام بذلك في الوقت الفعلي.

• معالجة تدفق البيانات: تقوم أنظمة رؤية الكمبيوتر بمعالجة وتحليل كميات هائلة من البيانات الواردة من أجهزة الاستشعار المادية التي تتعقب المقاييس الرئيسية مثل درجة الحرارة والرطوبة وسرعة الهواء وغيرها. إن الاعتماد على رؤية الكمبيوتر لاكتشاف التغيرات المفاجئة في الظروف غالبًا ما ينبه المؤسسات إلى وجود مشكلة على الفور.

معالجة اللغة الطبيعية (NLP) هي مجال الذكاء الاصطناعي الذي يركز على كيفية تدريب أجهزة الكمبيوتر على فهم اللغة البشرية والتواصل بها. تساعد معالجة اللغة الطبيعية الأنظمة على التعرف على الكلام البشري وفهمه وإنشاء نص استجابة للمطالبة.

في الآونة الأخيرة، لعبت معالجة اللغة الطبيعية دورًا حساسًا في تطوير وإطلاق ChatGPT، وهو روبوت محادثة رائد يمكنه فهم وإنشاء نص يشبه النصوص البشرية ردًا على الأسئلة والمطالبات.

في مجال البنية التحتية لتكنولوجيا المعلومات وعملياتها، تساعد معالجة اللغة الطبيعية المؤسسات في مجموعة متنوعة من المهام التي كانت تتطلب في السابق تدخلًا بشريًا، مثل تحسين تجربة المستخدم، وحل التذاكر، وتحليل المشاعر:

• تجربة المستخدم: تُمكِّن معالجة اللغة الطبيعية المستخدمين من طرح أسئلة حول مشكلات تكنولوجيا المعلومات المعقدة بالطريقة التي يتحدثون بها إلى ممثل خدمة العملاء والحصول على إجابات مفيدة. يمكن لروبوتات المحادثة المدربة على كميات هائلة من المعرفة التقنية والمجهزة بمهارات معالجة اللغة الطبيعية أن تحل محل ممثلي خدمة العملاء الذين يتمتعون بسنوات من الخبرة التقنية المكتسبة.

• حل التذاكر: يمكن لأنظمة الذكاء الاصطناعي ومعالجة اللغة الطبيعية تحليل التذاكر الواردة وتحديد أولوياتها وتصنيفها بدقة حسب الأهمية والنوع. كما يمكن تدريب أنظمة الذكاء الاصطناعي على حل المشكلات بنفسها، أو طلب التدخل البشري عند الحاجة، أو اتخاذ إجراءات أخرى مناسبة.

• تحليل المشاعر: يمكن لأنظمة معالجة اللغة الطبيعية إجراء تحليل المشاعر على التعليقات والاستطلاعات وحتى منشورات وسائل التواصل الاجتماعي، وقياس المشاعر الكامنة وراء الردود بدقة وتحديد مجالات التحسين. بالإضافة إلى ذلك، يمكن أن تساعد أنظمة معالجة اللغة الطبيعية في تنظيم المعلومات الفنية المتخصصة، وتحسين الوثائق ومشاركة المعرفة في تكنولوجيا المعلومات عبر المؤسسة.

تطبيق الأتمتة الذكية للذكاء الاصطناعي على البنية التحتية لتكنولوجيا المعلومات وعملياتها يُحدث تحولًا جذريًا في كيفية مراقبة مديري تقنية المعلومات وتحسين أنظمتهم وتخصيص الموارد الحيوية. فيما يلي أربعة أمثلة على المجالات التي تساعد فيها التقنية في تحويل العمليات وتقليل التكاليف وتحديد رؤى ذات مغزى لممارسات الأعمال الأساسية.

الذكاء الاصطناعي بارع للغاية في اكتشاف الأنماط في البيانات، مما يجعله مناسبًا تمامًا لتحليل الكميات الهائلة من البيانات التي تتدفق عبر مراكز بيانات المؤسسات كل يوم. بدأ مشغلو مراكز البيانات في تبني الذكاء الاصطناعي لمساعدتهم في اكتشاف الأنماط في البيانات وتحديد فرص الأتمتة وتبسيط العمليات، وهو جزء أساسي من زيادة العائد على الاستثمار (ROI) لمبادرات التحول الرقمي.

أحد المجالات التي يعمل فيها الذكاء الاصطناعي بالفعل على تحسين عمليات مراكز البيانات هو استخدام الطاقة. يمكن لأنظمة الذكاء الاصطناعي مراقبة أنظمة التبريد وتعديلها ديناميكيًا وإدارة استهلاك الطاقة مما يساعد الشركات على توفير ملايين الدولارات—في إحدى الحالات، خفض فاتورة الطاقة لمركز بيانات بنسبة 40%.

يُستخدم الذكاء الاصطناعي بشكل متزايد لأتمتة جوانب من إدارة البيانات، وهي عملية الحفاظ على سلامة البيانات وأمنها أثناء جمعها وتخزينها ومعالجتها. مع صعود الذكاء الاصطناعي التوليدي، تكتشف الشركات أنها بحاجة إلى جمع وإدارة بيانات أكثر بكثير مما كانت تملكه في الماضي. بما أن البيانات التي يحتاجونها غالبًا ما تُجمع في مكان واحد وتُخزن وتُعالج في مكان آخر، فإن البقاء ملتزمًا بقوانين الامتثال المعمول بها قد يكون أمرًا صعبًا. تقوم أنظمة الذكاء الاصطناعي بأتمتة جوانب معينة من عملية الامتثال، وتحديثها بناءً على القوانين واللوائح دون تدخل بشري، مما يجعل العملية بأكملها أكثر كفاءة وأمانًا.

يلعب الذكاء الاصطناعي دورًا متزايد الأهمية في قابلية الملاحظة، وهي جانب من عمليات تكنولوجيا المعلومات يساعد المؤسسات على فهم حالة الأنظمة المعقدة بناءً على مخرجات تلك الأنظمة. يمكن تطبيق قابلية الملاحظة على مجموعة متنوعة من عناصر البنية التحتية، بما في ذلك الخوادم والتطبيقات وأجهزة الشبكة وغيرها.

نماذج الذكاء الاصطناعي المدربة لأغراض الرصد تراقب البيانات الواردة من هذه الأنظمة وتحللها بحثًا عن الأخطاء وأوجه القصور. باستخدام أتمتة الذكاء الاصطناعي المتقدمة، يمكن لبعض أنظمة الذكاء الاصطناعي حتى تحديد الأسباب الجذرية لبعض المشكلات واتخاذ الإجراءات المناسبة قبل أن تؤثر على توفر التطبيقات أو أدائها أو أمنها.

بالإضافة إلى مراقبة أداء النظام والتطبيقات وتوافرها، يعمل الذكاء الاصطناعي أيضًا على تحويل عملية التزويد، وهي عملية جعل موارد الأجهزة والبرامج متاحة للأنظمة والمستخدمين. اليوم، تعمل أنظمة الذكاء الاصطناعي المتقدمة على أتمتة عملية التزويد، مما يساعد المؤسسات على تخصيص موارد الحوسبة السحابية بكفاءة أكبر حتى لا تظل الأجهزة خاملة ولا ينخفض الأداء العام. إن فرصة السوق لأتمتة الذكاء الاصطناعي الذكية في عملية التزويد كبيرة: وفقًا لتقرير صناعي صادر عن Flexera، يتم إهدار أكثر من 32% من الإنفاق السحابي على التزويد السيئ.¹

تُستخدم أنظمة الذكاء الاصطناعي لتحسين عمليات التطوير، وهي طريقة لتطوير البرامج تسد الفجوة بين المبرمجين وعمليات تكنولوجيا المعلومات. استخدمت بعض المؤسسات الذكاء الاصطناعي لأتمتة اختبار البرامج، مما يؤدي إلى تطوير أسرع. وقد نشر آخرون خوارزميات الذكاء الاصطناعي لتحليل بيانات المسارات وتحسين تخصيص الموارد. لا تزال هناك شركات أخرى تعتمد بشكل متزايد على الذكاء الاصطناعي التوليدي لكتابة التعليمات البرمجية واختبارها وتحديد الأخطاء وحتى اقتراح الإصلاحات المحتملة.

وفقًا إلى Kyle Brown، زميل IBM لا يُستخدم الذكاء الاصطناعي لأتمتة جوانب معينة من عمليات التطوير فحسب، بل ومنصات بأكملها. يقول: "اليوم، يمكنكم تطبيق منصة شائعة لعمليات تطوير الذكاء الاصطناعي تعتمد بالكامل على التكوين ومؤتمتة." "بغض النظر عن طبيعة عمل فريق التطوير، إذا كانوا يبنونه على إحدى هذه المنصات، فسوف يكونون متوافقين مع الإرشادات التي وضعتها المؤسسة." 

بينما قد تستحوذ تطبيقات الذكاء الاصطناعي التوليدي وإمكاناتها في مجال الأعمال على معظم العناوين الرئيسية، تكتشف المؤسسات التي تطبق الذكاء الاصطناعي على الأنظمة والعمليات التي تدعم تكنولوجيا المعلومات طرقًا جديدة لخفض التكاليف وتحويل الأنظمة والعمليات القديمة. بدءًا من أتمتة المهام كثيفة الموارد مثل التزويد والامتثال واختبار البرمجيات، وصولًا إلى مراقبة الأنظمة المعقدة بحثًا عن الاختراقات وتمشيط مجموعات البيانات الضخمة للحصول على رؤى في الوقت الفعلي، فإن إمكانات الابتكار في هذا المجال لا حدود لها.

توفر حلول البنية التحتية لتكنولوجيا المعلومات والذكاء الاصطناعي الحديثة (حلول الذكاء الاصطناعي لعمليات تقنية المعلومات) مجموعة كاملة ومتكاملة من الأدوات المدعومة بالذكاء الاصطناعي والتي تعمل على أتمتة العمليات وتقديم رؤى قوية حول أداء وصحة الأنظمة والتطبيقات. يقول Brown: "هذه الأدوات الحديثة نعمة لفرق عمليات تكنولوجيا المعلومات. خذ مجالًا واحدًا فقط—التخطيط، على سبيل المثال—وقد شهدنا أن الأتمتة الذكية بالذكاء الاصطناعي قللت الإنفاق المخطط له على الأجهزة والموارد الإضافية إلى النصف."