توسيع نطاق حالات استخدام إدارة المعرفة باستخدام الذكاء الاصطناعي التوليدي

يُحدث الذكاء الاصطناعي تغييرات جذرية في العديد من مجالات الأعمال. وتتجلّى إمكانات هذه التقنية بشكل خاص في خدمة العملاء، واكتساب المواهب، وتحديث التطبيقات. وفقًا لمعهد IBM Institute of Business Value (IBV)، يمكن للذكاء الاصطناعي احتواء حالات مركز الاتصال، مما يعزّز تجربة العملاء بنسبة تصل إلى 70%. كما يمكن أن يُسهم في زيادة الإنتاجية بنسبة 40% في الموارد البشرية و30% في تحديث التطبيقات. ومن الأمثلة على ذلك تقليل أعباء العمل من خلال أتمتة دعم التذاكر ضمن عمليات تكنولوجيا المعلومات. ورغم أن هذه الأرقام تُشير إلى فرص تحول كبيرة للمؤسسات، إلا أن توسيع نطاق الذكاء الاصطناعي وتفعيله على مستوى العمليات لطالما كان يمثل تحديًا.

يعتمد الذكاء الاصطناعي بشكل كامل على جودة البيانات التي تُغذّيه، ولم تكن الحاجة إلى بنية بيانات موثوقة وفعالة بهذه الأهمية من قبل. 

ومع تخزين البيانات في البيئات السحابية والمحلية على حد سواء، يصبح الوصول إليها أكثر تعقيدًا، خاصة مع ضرورة الالتزام بالحوكمة والتحكم في التكاليف. وتزداد التحديات تعقيدًا مع تنوّع استخدامات البيانات، حيث تواجه المؤسسات مشكلات في إدارة البيانات المعقدة أو منخفضة الجودة.

وقد أظهرت دراسة أجرتها شركة Precisely أن علماء البيانات يقضون 80% من وقتهم في تنظيف البيانات ودمجها وتحضيرها، والتعامل مع العديد من التنسيقات، بما في ذلك المستندات والصور ومقاطع الفيديو. وهذا يُبرز الحاجة إلى بناء منصة بيانات موثوقة ومتكاملة تدعم تطبيقات الذكاء الاصطناعي.

عند توفر البيانات الصحيحة، يصبح من السهل توسيع نطاق استخدام الذكاء الاصطناعي ليشمل جميع المستخدمين، من خلال الاستفادة من قوة نماذج الأساس لدعم مجموعة واسعة من المهام. ومع ذلك، من المهم أخذ فرص ومخاطر نماذج الأساس في الاعتبار—لا سيما موثوقية النماذج عند توسيع نطاق تطبيقات الذكاء الاصطناعي.

تُعد الثقة عاملًا رئيسيًا يُعيق الأطراف المعنية عن تنفيذ حلول الذكاء الاصطناعي. في الواقع، أظهر معهد IBV أن 67% من المديرين التنفيذيين يشعرون بالقلق من التبعات القانونية المحتملة لاستخدام الذكاء الاصطناعي. الأدوات الحالية الخاصة بالذكاء الاصطناعي المسؤول تفتقر إلى القدرات التقنية، وغالبًا ما تكون محصورة في بيئات محددة، مما يمنع العملاء من استخدامها لإدارة النماذج على منصات أخرى. وهذا أمر مقلق، نظرًا لأن النماذج التوليدية تُنتج أحيانًا مخرجات تتضمن لغة سامة—بما في ذلك خطاب الكراهية، أو الإساءة، أو الألفاظ النابية (HAP)—أو تقوم بتسريب معلومات تعريف شخصية (PII). وتواجه الشركات بشكل متزايد انتقادات إعلامية سلبية بسبب استخدام الذكاء الاصطناعي، مما يؤثر على سمعتها. كما أن جودة البيانات تؤثر بشكل مباشر على جودة وفائدة المحتوى الذي يُنتجه نموذج الذكاء الاصطناعي، مما يُبرز أهمية معالجة تحديات البيانات.

من التطبيقات الناشئة للذكاء الاصطناعي التوليدي إدارة المعرفة. فبفضل الذكاء الاصطناعي، يمكن للمؤسسات استخدام أدوات إدارة المعرفة لجمع البيانات ذات الصلة وتوليدها والوصول إليها ومشاركتها، بما يعزز الرؤى المؤسسية. غالبًا ما يتم دمج تطبيقات إدارة المعرفة في نظام مركزي أو قاعدة معرفية لدعم مجالات وعمليات الأعمال—بما في ذلك المواهب، وخدمة العملاء، وتحديث التطبيقات.

الموارد البشرية، والمواهب، والذكاء الاصطناعي

يمكن لأقسام الموارد البشرية الاستفادة من الذكاء الاصطناعي في مهام مثل إنشاء المحتوى، والتوليد المعزز بالاسترجاع (RAG)، والتصنيف. على سبيل المثال، يمكن استخدام إنشاء المحتوى لإعداد وصف وظيفي بشكل سريع، ويمكن لتقنية التوليد المعزز للاسترجاع (RAG) تحديد المهارات المطلوبة للوظيفة اعتمادًا على وثائق الموارد البشرية الداخلية. أما التصنيف، فيُستخدم لتقييم مدى ملاءمة المتقدمين للوظيفة استنادًا إلى طلباتهم. تُسهم هذه المهام في تسريع عملية التوظيف، من لحظة التقديم حتى اتخاذ القرار النهائي.

خدمة العملاء والذكاء الاصطناعي

يمكن لأقسام خدمة العملاء الاستفادة من الذكاء الاصطناعي من خلال استخدام التوليد المعزز بالاسترجاع، والتلخيص، والتصنيف. على سبيل المثال، يمكن للمؤسسات دمج روبوت محادثة لخدمة العملاء على موقعها الإلكتروني يستخدم الذكاء الاصطناعي التوليدي ليكون أكثر تفاعلًا ودقة في السياق. ويمكن استخدام التوليد المعزز للاسترجاع للبحث في وثائق المعرفة الداخلية للمؤسسة بهدف الإجابة على استفسارات العملاء وتوليد ردود مخصصة. كما يساعد التلخيص الموظفين على فهم المشكلة من خلال عرض موجز لتاريخ العميل وتفاعلاته السابقة مع الشركة. ويساعد تصنيف النصوص في تحديد مشاعر العميل تجاه الخدمة. تُقلّل هذه المهام من العبء اليدوي وتُعزّز جودة دعم العملاء، مما يساهم—بشكل مثالي—في تحسين رضا العملاء وزيادة ولائهم.

تحديث التطبيقات والذكاء الاصطناعي

يمكن تحقيق تحديث التطبيقات من خلال مهام التلخيص وتوليد المحتوى. فمن خلال تقديم ملخّص عن معرفة الشركة وأهدافها التجارية، يتمكّن المطوّرون من تقليل الوقت المستغرق في فهم هذه المعلومات الأساسية، وتكريسه للبرمجة. كما يمكن لفِرق تكنولوجيا المعلومات إنشاء طلب دعم ملخّص لتسريع معالجة المشكلات وتحديد أولوياتها. ومن الاستخدامات الأخرى للذكاء الاصطناعي التوليدي تمكين المطوّرين من التفاعل مع النماذج اللغوية الكبيرة (LLMs) باستخدام اللغة الطبيعية، ومطالبة النموذج بتوليد تعليمات برمجية. يساعد هذا الأسلوب في ترجمة لغات البرمجة، ومعالجة الأخطاء، وتقليص وقت التطوير، ما يتيح للمطورين التركيز على الإبداع.

تحتاج المؤسسات إلى مستودع بحيرة البيانات لمواجهة التحديات المتعلقة بالبيانات عند تنفيذ نظام إدارة معرفة مدعوم بالذكاء الاصطناعي. فهو يجمع بين مرونة بحيرة البيانات وأداء مستودع البيانات للمساعدة على توسيع نطاق استخدام الذكاء الاصطناعي. ويُعد مستودع بحيرة البيانات مخزن بيانات مُعد لغرض محدد.

لتحضير البيانات لاستخدامها في الذكاء الاصطناعي، يحتاج مهندسو البيانات إلى القدرة على الوصول إلى مختلف أنواع البيانات من مصادر متعددة وبيئات سحابية هجينة، عبر نقطة دخول موحدة. ومع دعم مستودع بحيرة البيانات لمحركات استعلام متعددة وخيارات تخزين متنوعة، يستطيع أعضاء الفريق مشاركة البيانات باستخدام تنسيقات مفتوحة. كما يمكن للمهندسين تنظيف البيانات وتحويلها وتوحيدها لاستخدامها في نمذجة الذكاء الاصطناعي والتعلم الآلي (AI/ML) دون الحاجة إلى تكرار البيانات أو بناء مسارات بيانات إضافية. كما يمكن للمهندسين تنظيف البيانات وتحويلها وتوحيدها لاستخدامها في نمذجة الذكاء الاصطناعي والتعلم الآلي (AI/ML) دون الحاجة إلى تكرار البيانات أو بناء مسارات بيانات إضافية. تُسهم مستودعات بحيرة البيانات في تعزيز كفاءة تنفيذ تطبيقات الذكاء الاصطناعي وتوليد مسارات البيانات.

وتجدر الإشارة إلى أن أنظمة إدارة المعرفة المدعومة بالذكاء الاصطناعي تتعامل مع بيانات حساسة، مثل: أتمتة البريد الإلكتروني في الموارد البشرية، وترجمة الفيديوهات التسويقية، وتحليلات نصوص مكالمات مراكز الاتصال. عندما يتعلق الأمر بالمعلومات الحساسة، يصبح الوصول الآمن إلى البيانات أكثر أهمية من أي وقت مضى. يحتاج العملاء إلى مستودع بحيرة بيانات يوفّر حوكمة مركزية مدمجة، وتنفيذًا آليًا للسياسات على المستوى المحلي، مدعومًا بفهرسة البيانات، وضوابط الوصول، ومعايير الأمان، والشفافية في دورة حياة البيانات.

من خلال هذه الأسس التي يوفرها حل بحيرة البيانات، يتمكن علماء البيانات من استخدام بيانات محكومة بثقة لبناء نماذج الذكاء الاصطناعي، وتدريبها، وضبطها، ونشرها—مع ضمان مستوى عالٍ من الثقة والمصداقية.

كما ذكرنا سابقاً، تُعد روبوتات المحادثة من أشهر أشكال أنظمة إدارة المعرفة المدعومة بالذكاء الاصطناعي التوليدي، والمستخدمة لتحسين تجربة العملاء. ورغم القيمة التي قد تُضيفها هذه التطبيقات للمؤسسات، فإنها قد تنطوي على مخاطر.

فعلى سبيل المثال، يمكن لروبوت محادثة خاص بشركة رعاية صحية أن يُخفف من عبء العمل على الممرضين، ويُحسّن من خدمة العملاء عبر الإجابة على الأسئلة المتعلقة بالعلاجات استنادًا إلى تفاصيل سابقة من تفاعلات المرضى. لكن، في حال كانت جودة البيانات منخفضة، أو تم حقن التحيّز أثناء ضبط النموذج، سواء عبر الضبط الدقيق أو تعديل الموجِّه، فإن النموذج يُصبح غير موثوق. وقد يؤدي ذلك إلى ردّ يتضمّن لغة غير لائقة، أو تسريب معلومات تعريف شخصية (PII) تعود لمريض آخر.

ولتفادي مثل هذه السيناريوهات، تحتاج المنظمات إلى اكتشاف استباقي ومعالجة فعّالة لمشكلة التحيّز أو انحراف نموذج الذكاء الاصطناعي عند نشره. وتُسهم آلية تصفية تلقائية للمحتوى في اكتشاف تسريبات المحتوى السام أو معلومات التعريف الشخصية، مما يُخفف من العبء اليدوي على مدققي النماذج ويضمن تجنّب المخرجات الضارة.

كما هو مذكور، تشير استراتيجية إدارة المعرفة إلى عملية جمع المعرفة وإنشائها ومشاركتها داخل المؤسسة. وغالبًا ما تُنفّذ هذه الاستراتيجية عبر نظام لمشاركة المعرفة يمكن تداوله مع الأطراف المعنية، بهدف تعزيز التعلم، والاستفادة من المعرفة الجماعية والرؤى المؤسسية المتوفرة. على سبيل المثال، يمكن لمهمة الذكاء الاصطناعي التوليدي المعزز بالاسترجاع (RAG) أن تُساعد في تحديد المهارات المطلوبة لوظيفة معينة بالاستناد إلى وثائق الموارد البشرية الداخلية، أو دعم روبوت محادثة لخدمة العملاء في البحث عبر الوثائق الداخلية للرد على استفسارات العملاء وتوليد مخرجات مخصصة.

عند التفكير في نشر نماذج الذكاء الاصطناعي التوليدي، ينبغي للشركات أن تتعاون مع شريك موثوق قام بإنشاء أو الحصول على نماذج عالية الجودة مبنية على بيانات موثوقة—ويتيح تخصيص هذه النماذج باستخدام بيانات المؤسسة وأهدافها. 

لمساعدة عملائنا في حل مشكلة إدارة المعرفة، نقدم IBM watsonx.ai. جزء من محفظة IBM watsonx لمنتجات الذكاء الاصطناعي التي تجمع بين قدرات الذكاء الاصطناعي التوليدية الحديثة، حيث يستند watsonx.ai إلى نماذج الأساس وتقنيات التعلم الآلي التقليدي ضمن استوديو متكامل يغطي دورة حياة الذكاء الاصطناعي بالكامل. باستخدام watsonx.ai، يمكنك تدريب الذكاء الاصطناعي التوليدي ونماذج الأساس وقدرات التعلم الآلي والتحقق من صحتها وضبطها ونشرها بسهولة. كما يمكنك بناء تطبيقات ذكاء اصطناعي فعّالة في وقت قصير، وباستخدام كمية بيانات أقل.