إطلاق العنان لخبرات الكمبيوتر المركزي باستخدام الذكاء الاصطناعي

تظل أنظمة الكمبيوتر المركزي موجودة، لكن الخبرة اللازمة لصيانتها أصبحت أكثر صعوبة في العثور عليها. تشغِّل أجهزة الكمبيوتر المركزي نحو 70% من أعباء العمل الإنتاجية لتكنولوجيا المعلومات عالميًا، وتشمل 28 قطاعًا صناعيًا في أكثر من 70 دولة. ومع ذلك، فإن المعرفة المتخصصة اللازمة لتحسين الأداء أصبحت نادرة بشكل متزايد.

مع تقاعد محترفي الكمبيوتر المركزي المخضرمين، تتشكل فجوة معرفية متزايدة. فبينما تميل المناهج الحديثة لعلوم الكمبيوتر إلى التركيز على لغات مثل Java وPython -التي أصبحت مدعومة الآن على منصات الكمبيوتر المركزي مثل IBM Z- يكمُن التحدي الحقيقي في مستوى أعمق.

تركز مشكلة نقص المهارات على فهم المصطلحات الخاصة بأجهزة الكمبيوتر المركزي، والمفاهيم الأساسية، والأنظمة الفرعية المعقدة التي تختلف عن تلك الموجودة في البيئات السحابية والبيئات الموزعة. ومع ذلك، غالبًا ما تفضِّل ميزانيات التدريب المؤسسي هذه البنى التحتية الحديثة على مفاهيم وتصميمات الكمبيوتر المركزي.

ما النتيجة؟ اتساع الفجوة بين الاعتماد المستمر على أجهزة الكمبيوتر المركزي وانخفاض أعداد المحترفين الذين يسيطرون على البيئة التشغيلية الفريدة لأنظمة الكمبيوتر المركزي مثل IBM Z. بالنسبة إلى قادة الأعمال، يهدد هذا النقص الاستمرارية التشغيلية والقدرة على الابتكار.

أصبح استخدام الذكاء الاصطناعي (AI) لسد فجوة المهارات حلًا تحوليًا بارزًا. يمكن للذكاء الاصطناعي التوليدي بالاشتراك مع الأتمتة أن يسهِّل طريقة اكتساب المبرمجين والمشغلين والمطورين للمعرفة، كما يمكنه تعزيز الإنتاجية والكفاءة وجودة العمل، بغض النظر عن مستوى خبرتهم.

قد يمثِّل اعتماد هذا النهج تحوُّلًا جذريًا للعديد من قادة الصناعة حول العالم. وقد يكون هذا النهج مهمًا بشكل خاص للمتخصصين في صناعات مثل المالية، والرعاية الصحية، والحكومة، والتجزئة، حيث تدعم أجهزة الكمبيوتر المركزي عمليات عالية الحجم وعالية المخاطر تتطلب الموثوقية والأمان وقابلية التوسع.

يوفر الذكاء الاصطناعي، ولا سيما الذكاء الاصطناعي التوليدي، فرصة فريدة لمعالجة هذه المشكلات من خلال جعل المعرفة في الكمبيوتر المركزي أكثر سهولة. ومن خلال استغلال قوة النماذج اللغوية الكبيرة (LLMs)، وتقنيات التوليد المعزز بالاسترجاع (RAG)، وأطر الأتمتة، يمكن للمؤسسات تقليل الوقت والجهد اللازم لاكتساب المهارات لدى المحترفين الجُدُد. كما أن هذه الاستراتيجية تمكِّن المستخدمين ذوي الخبرة من التركيز على المهام الاستراتيجية التي تساهم في تحقيق قيمة للأعمال.

إليك كيف يمكن للذكاء الاصطناعي أن يساهم في تعليم وإنتاجية أنظمة الكمبيوتر المركزي.

غالبًا ما يواجه المستخدمون الجُدُد للكمبيوتر المركزي منحنيات تعلم حادة ويجدون صعوبة في التعامل مع المهام المعقدة. على سبيل المثال، تخيَّل مطورًا بعد ساعات من البحث في الوثائق، وهو غير متأكد إذا ما كان قد وجد الحل الصحيح أم لا. ويؤدي عدم اليقين لديهم إلى إبطاء سير العمل ويدفعهم إلى طلب التأكيد من خبير، حيث إن الأخطاء البسيطة يمكن أن يكون لها عواقب وخيمة في بيئة الكمبيوتر المركزي.

ما يحتاجه هذا المطور هو مرشد موثوق به ويمكن الوصول إليه - وهنا يأتي دور الذكاء الاصطناعي. يوفر الذكاء الاصطناعي الحواري للمستخدمين واجهة لغة طبيعية للوصول إلى المعلومات المنسقة والإرشادات خطوة بخطوة. فبدلًا من إزعاج خبراء الموضوع بالأسئلة، يمكن للمستخدمين التفاعل مع مساعد مدعوم بالذكاء الاصطناعي من أجل:

• فهم المفاهيم الأساسية لأنظمة الكمبيوتر المركزي.

• الوصول إلى معلومات حول تحديثات المنتج والميزات الجديدة.

• اتِّباع الإجراءات خطوة بخطوة لإكمال المهام.

• الحصول على تفسيرات واضحة لرسائل الخطأ وسلوك النظام.

مدعومة بإطار عمل التوليد المعزز بالاسترجاع (RAG)، يمكن لهذه الأنظمة تقديم إجابات دقيقة وموثوق بها بالاعتماد على مصادر المعرفة الموثوق بها. لا تعمل هذه الطريقة على تحسين موثوقية الإجابات فحسب، بل تساعد أيضًا على التخفيف من المخاطر مثل المعلومات المضللة.

من أفضل الممارسات لتطبيق أنظمة RAG التأكد من اعتمادها على مصادر عالية الجودة ومتخصصة في المجال، مع الحرص على تحديث الذكاء الاصطناعي بانتظام. من أهم مميزات RAG أنه يساعد على تجنُّب الهلوسة. تساعد هذه الإجراءات الوقائية على ضمان بقاء الذكاء الاصطناعي موردًا موثوقًا به وذا مصداقية لتعلم ودعم أنظمة الكمبيوتر المركزي.

في حين أن مساعدي الذكاء الاصطناعي يساعدون المستخدمين على التعلم، تمكِّنهم الأتمتة من التصرف. ومن خلال توفير مهام سير عمل موجَّهة، تُتيح الأتمتة للمستخدمين في بداية التعيين أداء المهام بفاعلية، حتى دون معرفة مسبقة عميقة. 

تمتد فوائد الأتمتة لتشمل أكثر من مجرد المبتدئين؛ فالمحترفون ذوو الخبرة في الكمبيوتر المركزي يمكنهم أيضًا الاستفادة منها. على سبيل المثال، تخيَّل مبرمج أنظمة متمرسًا يواجه مهمة ضبط إعداد أمني نادر الاستخدام. رغم أنه قد يمتلك المعرفة الأساسية، من الممكن أن تكون سنوات قد مرَّت منذ آخر مرة نفَّذ فيها هذه المهمة، ما يستدعي مراجعة الخطوات والاعتمادات والفروق الدقيقة في النظام.

ودون التوجيهات والممارسات المناسبة، قد تستغرق هذه العملية وقتًا طويلًا، ما قد يؤدي إلى تأخير التحديثات الحساسة وزيادة احتمالية حدوث أخطاء.

تعمل الأتمتة والأدوات التي تعتمد على الذكاء الاصطناعي على سد هذه الفجوة من خلال تقديم المساعدة خطوة بخطوة، وأتمتة عمليات سير العمل المتكررة، وتقديم توصيات في الوقت الفعلي بناءً على سياق الذكاء الاصطناعي الحواري. تمنح هذه الأدوات كلًا من المطورين في بداية مسيرتهم والذين يواجهون مشكلات جديدة، وكذلك المحترفون المخضرمون الذين يعيدون ممارسة مهارات نادرًا ما يستخدمونها، القدرة على الأداء بكفاءة. ومن خلال الحد من الأخطاء وتحسين الكفاءة وتقليل الإحباط، تمكِّن الأتمتة المتخصصين في الكمبيوتر المركزي من التركيز على المبادرات الاستراتيجية عالية القيمة.

لا يقل أهمية عن ذلك ضرورة أن تكون حلول الأتمتة قادرة على التكامل مع الاستثمارات القائمة لدى المؤسسة. غالبًا ما تعتمد المؤسسات على أطر عمل وتقنيات أتمتة راسخة مثل لغة التحكم في الوظائف (JCL)، وREXX (المنفِّذ الموسَّع المُعاد هيكلته)، وAnsible، بعد أن استثمرت فيها بشكل كبير على مدار السنوات. ولزيادة القيمة وضمان الاعتماد، يجب أن تدعم الأتمتة هذه الأدوات الأساسية، لتوفير التوافق والتكامل السلس بدلًا من المطالبة باستبدالات مكلفة.

يجب تصميم حلول الذكاء الاصطناعي لتلبية الاحتياجات الفريدة لكل مجموعة من المستخدمين، مع ضمان استفادة كل مجموعة من تجربة مخصصة تتوافق مع مستويات مهاراتها وأهدافها. على سبيل المثال:

• يمكن للمهنيين في بداية مسيرتهم الاستفادة من تجارب عملية موجَّهة بالذكاء الاصطناعي، تركِّز على تعزيز التعلم من خلال تنفيذ المهام يدويًا، ما يُتيح لهم بناء الثقة أثناء تعاملهم مع المفاهيم الأساسية.

• قد يعتمد المستخدمون من المستوى المتوسط على الأتمتة التي تعتمد على الذكاء الاصطناعي للتعامل مع المهام الروتينية بكفاءة، ما يوفر الوقت ويقلِّل من مخاطر الأخطاء مع توفير وقتهم للتركيز على الأنشطة الأكثر تعقيدًا.

• يمكن للمهنيين ذوي الخبرة الاستفادة من الذكاء الاصطناعي لاستكشاف الميزات المتقدمة، وتبسيط العمليات المعقدة، أو حتى تحويل خبراتهم إلى عناصر أتمتة قابلة لإعادة الاستخدام تُفيد الفريق بأكمله.

إن إنشاء مساعدين مخصصين لكل دور يضمن أن تتوافق تجربة الذكاء الاصطناعي مع مسؤوليات المستخدمين ومستويات مهاراتهم. يعمل هؤلاء المساعدون المصممون خصيصًا على معالجة الأسئلة وتلبية متطلبات الأتمتة المحددة، ما يمكِّن المستخدمين من إنجاز المهام بسلاسة والتنقل عبر العمليات المعقدة من خلال تجربة ذكاء اصطناعي حواري تفاعلي.

يمكن تصميم مساعدي ذكاء اصطناعي مختلفين لتلبية احتياجات أنواع مختلفة من المستخدمين.

عند تطوير حلول الذكاء الاصطناعي، يُعَد تبسيط عمليات التطوير والصيانة أمرًا بالغ الأهمية. مع استمرار تطوُّر أنظمة الذكاء الاصطناعي، يجب أن تهدف إلى تقديم الدعم مع تقليل أي طبقات جديدة من التعقيد في عملية النشر. لتحقيق هذا الهدف، تتطلب أنظمة الذكاء الاصطناعي أن تكون بديهية، ومتوافقة مع الأدوات الحالية، ومرنة بما يكفي لتلبية استخدامات متنوعة. نتيجةً لذلك، أصبحت فوائد الأتمتة متاحة ومستدامة لكل مجموعة من المستخدمين.

فيما يلي بعض الأساليب.

تُتيح منصات البرمجة منخفضة الأكواد للخبراء في المجال إنشاء وتعديل ونشر أصول الأتمتة دون الحاجة إلى معرفة برمجية متعمقة. يمكن بعد ذلك دمج هذه الأصول في مساعدي الذكاء الاصطناعي، ما يجعلها متاحة لقاعدة مستخدمين أوسع.

على سبيل المثال، يمكن تحويل برامج الأتمتة النصية الموجودة في Ansible أو JCL أو REXX إلى مهارات قابلة لإعادة الاستخدام.

يضمن المستودع المركزي سهولة اكتشاف أصول الأتمتة وإعادة استخدامها عبر الفرق المختلفة. هذه الطريقة لا تسرِّع تنفيذ المهام فحسب، بل تعزِّز أيضًا تبادل المعرفة وتوحيد المعايير.

عند نشر حلول الذكاء الاصطناعي في بيئات الكمبيوتر المركزي، يُعَد اختيار البنية المعمارية أمرًا بالغ الأهمية. يمكن للخيارات المعتمدة على السحابة تقليل تكاليف وقت التشغيل وتسهيل التوسع، لكنها قد تواجه تحديات في التكامل مع أنظمة الكمبيوتر المركزي المحمية بجدران الحماية. تتوافق عمليات النشر المحلية بشكل جيد مع متطلبات أمن الكمبيوتر المركزي، حيث توفِّر قدرات أتمتة قوية وتكاملًا مباشرًا. ومع ذلك، غالبًا ما تتطلب هذه الطريقة استثمارًا كبيرًا مقدَّمًا في أجهزة GPU والبنية التحتية لتكنولوجيا المعلومات.

يَجِد العديد من المؤسسات أن النهج الهجين للسحابة هو الأمثل، حيث تستخدِم السحابة للوظائف العامة المتعلقة بالمعرفة والنشر المحلي للمهام الآمنة للأتمتة. المفتاح هو مواءمة بنية دعم الذكاء الاصطناعي مع متطلبات الأمان في المؤسسة، والاستثمارات القائمة في الكمبيوتر المركزي، وأهداف الأتمتة.

توفر حلول الذكاء الاصطناعي لبيئات الكمبيوتر المركزي مسارًا واعدًا للمستقبل، خاصةً مع مواجهة المؤسسات لتحدي الحفاظ على الأنظمة الحيوية في ظل تراجع عدد المتخصصين. تحقِّق IBM هذه الرؤية من خلال IBM z17، الكمبيوتر المركزي من الجيل التالي المصمم للذكاء الاصطناعي على مستوى المؤسسات. 

مع قدرات الذكاء الاصطناعي المدمجة والمدعومة بمعالج Telum II ومسرِّع الذكاء الاصطناعي الجديد Spyre، يُتيح نظام z17 إجراء استنتاجات الذكاء الاصطناعي في الوقت الفعلي مباشرةً على النظام. توفِّر الأدوات المدعومة بمساعدي ووكلاء الذكاء الاصطناعي مثل watsonx Code Assistant for Z وwatsonx Assistant for Z دعمًا ذكيًا للمطورين وفرق تكنولوجيا المعلومات. كما أن التكامل مع IBM Z Operations Unite يسهِّل العمليات من خلال اكتشاف الحوادث وحلها بواسطة الذكاء الاصطناعي.

تم تصميم هذه الأدوات لتلبية احتياجات كلٍّ من المحترفين المتمرسين والمستخدمين الجُدُد على المنصة، فهي تساعد على سد الفجوات في المهارات، وزيادة الإنتاجية، وتعزيز الابتكار. من خلال دمج الذكاء الاصطناعي مباشرةً في الكمبيوتر المركزي، تساعد IBM على تعميم خبرة الكمبيوتر المركزي، ما يجعلها موردًا متجددًا يضمن استمرار هذه الأنظمة في تقديم القيمة لفترة طويلة قادمة.