إنشاء وكيل ذكاء اصطناعي جاهز للإنتاج باستخدام watsonx Orchestrate

توفِّر Agent Development Lifecycle (ADLC) إطار عمل منظمًا لتصميم وكلاء الذكاء الاصطناعي وتطويرهم ونشرهم وتحسينهم باستمرار في بيئات المؤسسات.

يُعَد وكلاء الذكاء الاصطناعي أنظمة تعتمد على البيانات والاحتمالات، ويتطور سلوكها باستمرار وفقًا للبيانات والاستخدام والسياق. ولذلك، ينبغي إدارتها باعتبارها أنظمة مستمرة، وليس كتطبيقات يتم تنفيذها لمرة واحدة.

تمر دورة الحياة بتسلسل تكراري:

التخطيط ← البناء ← الاختبار ← النشر ← المراقبة ← التشغيل

وتضمن كل مرحلة أن يظل الوكيل موثوقًا به وقابلًا للتوسع وقابلًا للملاحظة وقادرًا على التكيف مع المتطلبات المتغيرة.

في هذا التنفيذ، ينصب التركيز على مرحلة البناء (Build) ضمن دورة ADLC.

تركِّز مرحلة البناء على تحويل حالة الاستخدام المؤسسية المخطط لها إلى وكيل ذكاء اصطناعي عملي وجاهز للإنتاج باستخدام IBM watsonx Orchestrate.

يبدأ ذلك بإنشاء الوكيل مع تحديد دوره التشغيلي وهدفه التجاري بوضوح بما يتوافق مع حالة الاستخدام المؤسسية. بعد ذلك، يتم ربط مصادر المعرفة المؤسسية بالوكيل لتمكينه من إجراء استدلال مستند إلى البيانات باستخدام مجموعات البيانات التشغيلية، مثل بيانات الطلبات والمخزون وقواعد العمل.

ثم يتم تكوين Agentic Workflow ليكون طبقة التنسيق التي تدعم الاستدلال متعدد الخطوات والتحليل التشغيلي وتوليد التوصيات. ويعالج سير العمل مدخلات المستخدم، ويحلل الطلبات المتأخرة وحالة المخزون، ويطبق قواعد العمل التشغيلية، ثم يُنتج توصيات قابلة للتفسير.

ويُحدد سلوك الوكيل من خلال مطالبات مؤسسية منظمة توجِّهه في كيفية تفسير الاستفسارات التشغيلية، واستدعاء مهام سير العمل، وتطبيق منطق الأعمال، وإنتاج استجابات تستند إلى البيانات.

ويُنشئ سير العمل مسار تنفيذ تشغيليًا متكاملًا يشمل:

مدخلات المستخدم ← تحليل الطلبات ← تحليل المخزون ← تقييم قواعد العمل ← توليد التوصيات ← المخرجات

بعد ذلك، يتم التحقق من الحل باستخدام سيناريوهات تشغيلية تمثيلية لضمان أن ينتج الوكيل مخرجات دقيقة وقابلة للتفسير ومنظمة ومتوافقة مع متطلبات التشغيل في المؤسسات.

تم تصميم وكيل الذكاء الاصطناعي لدعم فِرق عمليات التجارة الإلكترونية من خلال تحليل بيانات الطلبات والمخزون لتحديد أسباب التأخير واكتشاف الأسباب الأساسية واقتراح الإجراءات التصحيحية.

ويُعَد وكيل الذكاء الاصطناعي نظامًا قادرًا على فهم مدخلات المستخدم واسترجاع البيانات ذات الصلة وتطبيق الاستدلال وإنتاج نتائج قابلة للتنفيذ. وفي بيئات المؤسسات، يعمل الوكلاء في مهام سير عمل منظمة ويتفاعلون مع أنظمة الأعمال لتقديم رؤى متسقة وقابلة للتفسير.

وغالبًا ما تواجه فِرق العمليات تحديات، مثل تأخر عمليات التسليم، ونقص المخزون وضعف القدرة على تحديد الأسباب الأساسية. وغالبًا ما تتطلب هذه التحديات إجراء تحقيقات يدوية عبر أنظمة متعددة، ما يؤدي إلى انخفاض الكفاءة وتأخر اتخاذ القرار.

عندما يرسل المستخدم استفسارًا مثل: "لماذا تتأخر طلبات هاتف iPhone 14؟".

ينفِّذ الوكيل التسلسل التالي:

• يفسِّر الاستعلام لتحديد المنتج وهدف المستخدم.
• يسترجع بيانات الطلبات لتحليل أنماط التأخير. 
• يسترجع بيانات المخزون لتقييم مدى توافر المنتجات.
• يطبق قواعد العمل لتحديد السبب الأساسي.
• يُنشئ استجابة منظمة تتضمن الرؤى والإجراءات الموصى بها.

ويتبع الوكيل تدفق تنفيذ منظمًا على النحو التالي:

استعلام المستخدم ← فهم النية ← استدعاء الأداة ← مستودع المعرفة Astra DB ← الاسترجاع الدلالي ← تقييم قواعد العمل ← توليد التوصيات ← استجابة منظمة ← المخرجات النهائية

لماذا يُعَد هذا النهج مهمًا؟

يجمع هذا النهج بين بيانات المؤسسة، وقواعد العمل، والاستدلال المنظم لإنتاج مخرجات موثوق بها وقابلة للتفسير.ومن خلال الاستناد إلى البيانات الفعلية وفرض سير عمل متسق، يضمن الوكيل دقة الاستجابات ويَحُدّ من الاستنتاجات غير المدعومة. كما تُتيح المخرجات المنظمة إمكانية التقييم والمراقبة والتكامل مع الأنظمة اللاحقة.

وهذا ما يجعل الحل مناسبًا لبيئات المؤسسات التي تتطلب الاتساق وقابلية التتبُّع والموثوقية.

يوفر هذا التنفيذ وكيل ذكاء اصطناعي جاهزًا للإنتاج يمكنه فعل ما يلي:

• استرجاع بيانات المؤسسة وتحليلها باستخدام أدوات متكاملة.
• تطبيق استدلال قائم على القواعد لتحديد المشكلات التشغيلية.
• إنتاج مخرجات منظمة يمكن للأنظمة اللاحقة الاستفادة منها.
• دعم مراحل دورة الحياة، مثل الاختبار والنشر والمراقبة والتحسين.

ومن خلال إكمال هذا التنفيذ، ستتمكن مما يلي:

• إنشاء وكيل ذكاء اصطناعي في watsonx Orchestrate.
• دمج بيانات المؤسسة باستخدام Astra DB.
• تحديد سلوك الوكيل باستخدام مطالبات منظمة.
• تنفيذ سير عمل للاستدلال.
• إنتاج مخرجات متسقة ومنظمة.

• إمكانية الوصول إلى IBM watsonx Orchestrate.
  
  
• إمكانية الوصول إلى Astra DB.
• فهم أساسي لوكلاء الذكاء الاصطناعي والنماذج اللغوية الكبيرة.
• مجموعات البيانات النموذجية المتوفرة في هذا البرنامج التعليمي.

الخطوة 1: إعداد البيانات النموذجية

يتم إنشاء مجموعات بيانات منظمة (الطلبات والمخزون) لمحاكاة أنظمة المؤسسات. تمكِّن هذه المجموعات الوكيل من استرجاع وتحليل بيانات فعلية، مثل حالات التأخير ومستويات المخزون وتوزيع المستودعات. كما تحدِّد قواعد العمل كيفية تفسير الوكيل لهذه البيانات لتحديد الأسباب الأساسية.

orders_data.csv 
order_id,product,order_date,delivery_date,status,delay_days,warehouse 
1001,iPhone 14,2026-04-01,2026-04-05,delayed,4,WH1 
1002,iPhone 14,2026-04-02,2026-04-06,delayed,4,WH1 
1003,iPhone 14,2026-04-03,2026-04-07,delayed,4,WH2 
1004,iPhone 14,2026-04-04,2026-04-08,delayed,4,WH2 
1005,Samsung S23,2026-04-01,2026-04-03,delivered,0,WH1 
1006,Samsung S23,2026-04-02,2026-04-04,delivered,0,WH2 
1007,Pixel 8,2026-04-01,2026-04-06,delayed,5,WH3 
1008,Pixel 8,2026-04-02,2026-04-07,delayed,5,WH3 
1009,Pixel 8,2026-04-03,2026-04-05,delivered,0,WH3 
1010,OnePlus 12,2026-04-01,2026-04-02,delivered,0,WH1 
1011,OnePlus 12,2026-04-02,2026-04-06,delayed,4,WH2 
1012,OnePlus 12,2026-04-03,2026-04-07,delayed,4,WH2

inventory_data.csv 
product,stock,warehouse,reorder_level 
iPhone 14,0,WH1,20 
iPhone 14,0,WH2,20 
Samsung S23,50,WH1,15 
Samsung S23,40,WH2,15 
Pixel 8,10,WH3,25 
OnePlus 12,5,WH2,15

business_rules.txt 
If stock = 0 → stockout issue 
If delay_days > 3 → logistics issue 
If multiple delayed orders (>2) → supply chain issue 
If stock < reorder_level → replenishment needed 
If delays across multiple warehouses → systemic issue

تمثِّل مجموعات البيانات النموذجية هذه نسخة مبسَّطة من أنظمة التشغيل في المؤسسات. وفي هذا التنفيذ، يتم تحويل بيانات الطلبات والمخزون وقواعد العمل المنظمة إلى مستندات معرفية باللغة الطبيعية، ثم يتم تخزينها في Astra DB. ويُتيح هذا المستودع الخارجي للمتجهات (Vector Repository) إمكانية الاسترجاع الدلالي، كما يوفر بنية توليد معزز بالاسترجاع (RAG) أكثر واقعية مقارنةً بالأساليب التقليدية التي تعتمد على الملفات الثابتة.

الخطوة 2: إنشاء الوكيل

انتقِل إلى Agents ← Build، ثم اختَر Create agent. 

يتم إنشاء وكيل في watsonx Orchestrate مع تحديد اسم ووصف واضحين له. ويحدد ذلك الغرض من الوكيل بوصفه مستشارًا للطلبات والمخزون، يتولى تحليل البيانات وتحديد أسباب التأخير وتقديم التوصيات.

الاسم: مستشار الطلبات والمخزون (Order and Inventory Advisor)

الوصف: وكيل ذكاء اصطناعي يحلل بيانات الطلبات والمخزون لتحديد أسباب التأخير واكتشاف الأسباب الأساسية واقتراح الإجراءات التصحيحية.

الخطوة 3: إضافة المعرفة المؤسسية باستخدام Astra DB

انتقل إلى Knowledge ← ‏Add Source، ثم اختَر Astra DB كمستودع المعرفة المؤسسية.

بدلًا من الاعتماد على ملفات ثابتة أثناء التشغيل، يستخدم وكيل الذكاء الاصطناعي Astra DB كقاعدة بيانات متجهات خارجية لتخزين المعرفة المؤسسية واسترجاعها.

يتم تحويل مجموعات البيانات التشغيلية التي تم إعدادها مسبقًا، بما في ذلك بيانات الطلبات والمخزون وقواعد العمل، إلى مستندات معرفية بصيغة اللغة الطبيعية، ثم يتم تحميلها إلى مجموعة تدعم المتجهات داخل Astra DB. وتمثل هذه المستندات مجتمعة المعرفة التشغيلية التي يحتاج إليها الوكيل لفهم حالات تأخر الطلبات ونقص المخزون وتوزيع المستودعات وسياسات العمل.

وتتضمن أمثلة المعرفة المخزنة في المستودع: معلومات الطلبات المتأخرة وبيانات توافر المخزون وأوضاع المستودعات والاضطرابات اللوجستية وقواعد التشغيل. ويمثِّل هذا المستودع الذاكرة المؤسسية لوكيل الذكاء الاصطناعي.

يتم إنشاء مستودع يدعم المتجهات داخل Astra DB، كما يتم توليد التضمينات الخاصة بالمستندات لدعم البحث الدلالي. وأثناء التشغيل، يستعلم IBM watsonx Orchestrate من Astra DB لاسترجاع أكثر السجلات التشغيلية صلةً بطلب المستخدم، ثم يستخدم هذه المعلومات لإجراء استدلال قائم على البيانات الفعلية وتوليد توصيات قابلة للتفسير.

ويتضمن المستودع معلومات حول:

• سجلات تسليم الطلبات ومعلومات التأخير.
• توافر المخزون وحدود إعادة الطلب.
• توزيع المستودعات وحالة المخزون.
• الأحداث اللوجستية والاضطرابات التشغيلية.
• قواعد العمل الخاصة بإعادة التوريد وعمليات التصعيد.

بعد تحميل مستندات المعرفة إلى Astra DB، يتم ربط المستودع مع IBM watsonx Orchestrate ويتم تكوينه ليكون مصدر المعرفة المؤسسية لوكيل Order and Inventory Advisor.

ويدعم المستودع أوضاع البحث بالكلمات المفتاحية والبحث المتجهي والبحث الهجين، ما يُتيح استرجاع المعلومات بكفاءة من البيانات المؤسسية المنظمة وغير المنظمة. وتمكِّن هذه الإمكانية الوكيل من استرجاع المعرفة التشغيلية ذات الصلة، وتوليد استجابات تستند إلى بيانات مؤسسية موثوق بها.

تتوفر تعليمات تفصيلية حول إعداد اتصال Astra DB والمصادقة واختيار مساحة المفاتيح (Keyspace) وأوضاع التضمين وأوضاع البحث وربط الحقول في وثائق IBM.

الاتصال بمستودع محتوى Astra DB: ‏https://www.ibm.com/docs/en/watsonx/watson-orchestrate/base?topic=agents-connecting-astra-db-content-repository.

يتم أيضًا تحديد اسم وصفي ومستوى وصف لمستودع المعرفة لتزويد وكيل الذكاء الاصطناعي بمزيد من السياق.

اسم مستودع المعرفة:

Order and Inventory Astra Repository

الوصف:

مستودع معرفة مؤسسي يضم سجلات الطلبات ومعلومات المخزون وتفاصيل توزيع المستودعات والبيانات اللوجستية وقواعد التشغيل التي يستخدمها وكيل Order and Inventory Advisor. ويُتيح المستودع استرجاعًا دلاليًا للمعلومات وتوليد توصيات تشغيلية تستند إلى بيانات موثوق بها.

ويستخدم وكيل الذكاء الاصطناعي استرجاعًا انتقائيًا لهذه المعرفة المؤسسية لتحديد الطلبات المتأخرة، واكتشاف حالات نقص المخزون، وتحليل مخاطر المستودعات، وتقييم قواعد العمل. ولا يتم توليد التوصيات إلا اعتمادًا على المعرفة المسترجعة، ما يضمن أن تكون الاستجابات قابلة للتفسير ومتوافقة مع متطلبات حوكمة المؤسسات.

وتحسِّن طبقة التأصيل (Grounding) هذه دقة الاستجابات وموثوقيتها التشغيلية وقابليتها للتفسير، من خلال ضمان استناد جميع النتائج إلى المعرفة المؤسسية الفعلية، وليس إلى افتراضات غير مدعومة.

وباستخدام Astra DB كمستودع متجهي خارجي، يطبق هذا الحل بنية توليد معزز بالاسترجاع (RAG)، ويوضِّح كيف يمكن لـ IBM watsonx Orchestrate التكامل مع مستودعات المعرفة المؤسسية لتقديم ذكاء تشغيلي قابل للتوسع وقابل للتفسير وجاهز للإنتاج.

الخطوة 4: إضافة مجموعة الأدوات (Toolset)

انتقِل إلى Add Tool ← Toolset داخل شاشة إعداد الوكيل، ثم اختَر Agentic Workflow كأداة تشغيلية للمؤسسة.

يعمل Agentic Workflow كمحرك للتنسيق (Orchestration Engine)، ويتولى إدارة تفاعل المستخدم والاستدلال التشغيلي وتحليل المعرفة المؤسسية وتوليد التوصيات. ويُتيح هذا التدفق للوكيل تنفيذ استدلال متعدد الخطوات يشمل الطلبات المتأخرة ونقص المخزون ومخاطر المستودعات وتقييم قواعد العمل.

اضبط إعدادات سير العمل باستخدام البيانات التالية: 

الاسم: Order Delay Analysis Workflow

الوصف: سير عمل لتحليل الطلبات المتأخرة ونقص المخزون والمخاطر اللوجستية وقواعد العمل التشغيلية، بالاعتماد على المعرفة المؤسسية المؤصَّلة.

بعد إضافته، يصبح سير العمل متاحًا ضمن مجموعة أدوات الوكيل، ويمكن استدعاؤه تلقائيًا أثناء محادثات المستخدم. ويستخدم الوكيل هذا التدفق لمعالجة الاستفسارات التشغيلية، واسترجاع المعلومات المؤسسية الموثوق بها، وتطبيق قواعد العمل، ثم إنشاء توصيات قابلة للتفسير.

الخطوة 4-1: تكوين أنشطة سير العمل

داخل Agentic Workflow، أنشئ مسارًا تشغيليًا متعدد المراحل للاستدلال، باستخدام أنشطة المطالبات التوليدية ومراحل تفاعل المستخدم.

يبدأ سير العمل بمرحلة لجمع مدخلات المستخدم، حيث يطرح المستخدم استفسارًا تشغيليًا متعلقًا بأحد المنتجات، مثل: 

لماذا تأخرت طلبات iPhone 14؟

وتتولى المرحلة الأولى، Enter Product Query، جمع الاستفسار التشغيلي من المستخدم. ثم يتم تمرير هذه المدخلات بعد ذلك إلى مسار الاستدلال المدعوم بالذكاء الاصطناعي لإجراء التحليل المؤسسي. 

تتولى المرحلة الثانية، Analyse Order Delays، تحليل الطلبات المتأخرة، والجداول الزمنية للتسليم، وأنماط توزيع المستودعات، والمخاطر المرتبطة بالعمليات اللوجستية. وتساعد هذه المرحلة على تحديد العوائق التشغيلية وأنماط تأخر الشحنات.

أما المرحلة الثالثة، Analyse Inventory، فتقيّم مدى توافر المخزون، ومستويات المخزون الحالية، وحدود إعادة الطلب، وظروف إعادة التوريد. وتساعد هذه المرحلة على اكتشاف حالات نقص المخزون والمخاطر التشغيلية المرتبطة به. 

وفي المرحلة الرابعة، Apply Business Rules، يتم تطبيق قواعد العمل التشغيلية المحددة مسبقًا على بيانات الطلبات والمخزون التي تم تحليلها. ويعمل سير العمل على تقييم حالات مثل نفاد المخزون، وتأخر العمليات اللوجستية، والحاجة إلى إعادة التوريد، ومشكلات سلسلة التوريد على مستوى المؤسسة.

أما المرحلة الخامسة، Generate Recommendation، فتنشئ توصيات تشغيلية قابلة للتفسير وإجراءات تصحيحية واقتراحات للمراقبة ومخرجات مؤسسية منظمة استنادًا إلى الأسباب الجذرية التي تم تحديدها.

وفي المرحلة الأخيرة، Output، تُعرض نتائج التحليل التشغيلي والتوصيات التي تم إنشاؤها للمستخدم.

يوضِّح مخطط سير العمل (Workflow Canvas) الذي تم تحميله مسار التنسيق المؤسسي الكامل الذي تم تنفيذه باستخدام IBM watsonx Orchestrate. 

ويُتيح هذا التصميم تنفيذ استدلال متعدد الخطوات باستخدام الذكاء الاصطناعي، وتحليلًا مؤسسيًا قائمًا على بيانات موثوق بها، وتوصيات قابلة للتفسير، وتنسيقًا معياريًا، وذكاءً تشغيليًا جاهزًا لبيئات الإنتاج باستخدام watsonx Orchestrate.

الخطوة 5: تكوين سلوك الوكيل

انتقِل إلى قسم Behaviour في وكيل الذكاء الاصطناعي وحدِّد تعليمات السلوك التشغيلي الخاصة بالمؤسسة. يتحكم هذا الإعداد في كيفية استدلال وكيل الذكاء الاصطناعي، واسترجاع المعرفة المؤسسية، واستدعاء سير العمل المتصل، وإنشاء التوصيات التشغيلية.

أضِف تعليمات السلوك التالية:

أنت مساعد ذكاء اصطناعي متخصص في العمليات المؤسسية، ومتخصص في إدارة الطلبات، وتحليل المخزون، ومراقبة العمليات اللوجستية، وتحسين سلسلة التوريد.

### المسؤوليات

• تحليل الطلبات المتأخرة.
• اكتشاف حالات نقص المخزون.
• تحديد مشكلات المستودعات.
• تطبيق قواعد العمل التشغيلية.
• إنشاء توصيات تستند إلى بيانات موثوق بها.

### التعليمات

• استخدِم دائمًا سير العمل المتصل وملفات المعرفة المؤسسية التي تم تحميلها.
• لا تُنشئ معلومات غير مدعومة ولا تفترض بيانات غير متوفرة.
• استنِد في جميع النتائج والتوصيات إلى البيانات المقدَّمة.
• -قدِّم مخرجات منظمة وقابلة للتفسير.

### معالجة الأخطاء

إذا لم يتم العثور على منتج أو طلب أو عنصر مخزون أو سجل مستودع مطابق:

الحالة: لا توجد بيانات متاحة

الرسالة: لم يتم العثور على سجلات مطابقة في البيانات المتوفرة.

التوصية: تحقَّق من معايير البحث ثم أعِد المحاولة.

### تنسيق الاستجابة

عند نجاح عملية التحليل، استخدِم البنية التالية:

الحالة: نجاح

الملخص:

<brief overview>

 النتائج الرئيسية:

• النتيجة الأولى
• النتيجة الثانية

التوصيات:

• التوصية الأولى
• التوصية الثانية

تمثل طبقة السلوك سياسة الاستدلال المؤسسية التي توجِّه كيفية تفسير وكيل الذكاء الاصطناعي للاستفسارات التشغيلية وإنشاء الاستجابات داخل watsonx Orchestrate.

الخطوة 6: اختبار الوكيل

بعد تكوين المعرفة المؤسسية، وتعليمات السلوك، وAgentic Workflow، يتم التحقق من أداء وكيل الذكاء الاصطناعي باستخدام واجهة Talk to agent في IBM watsonx Orchestrate. يمكن للمستخدمين إرسال استفسارات تشغيلية مثل:

"لماذا تأخرت طلبات iPhone 14؟"

يسترجع الوكيل المعرفة التشغيلية ذات الصلة من مستودع Astra DB المتصل، ثم ينفِّذ سير العمل الذي تم تكوينه، ويحلل بيانات الطلبات والمخزون، ويطبق قواعد العمل التشغيلية، ويحدد حالات نقص المخزون والمشكلات اللوجستية، ثم يُنشئ توصيات تستند إلى بيانات موثوق بها مصحوبة بتفسير واضح لآلية الاستدلال. كما تُتيح واجهة الاختبار للمطورين مراقبة تنفيذ سير العمل، والتحقق من دقة الاستجابات، وتقييم جاهزية الحل للنشر في بيئات الإنتاج.

**تحليل السبب الأساسي لتأخر طلبات iPhone 14**

الحالة: نجاح

الملخص: توجد أربعة طلبات خاصة بهاتف iPhone 14 (المعرِّفات 1001 – 1004) متأخرة حاليًا لمدة أربعة أيام. ويعود سبب هذا التأخير إلى عدم توفُّر المخزون في مركزَي التنفيذ الرئيسيين WH1 وWH2.

النتائج الرئيسية:

• تم تعيين جميع طلبات iPhone 14 المتأخرة إلى المستودعَين WH1 وWH2.
• السبب الأساسي هو عدم كفاية مخزون أجهزة iPhone 14 في هذَين المستودَعين، ما أدى إلى تأخير كل طلب لمدة أربعة أيام.

التوصيات:

• أعِد توزيع مخزون iPhone 14 من مستودعات أخرى (مثل WH3) إلى WH1 وWH2 لإعادة تزويدهما بالمخزون.
• سرِّع عمليات توريد شحنات iPhone 14 الواردة إلى WH1 وWH2 لمنع حدوث مزيد من التأخير.
• فعِّل تنبيهًا لانخفاض المخزون الخاص بـ iPhone 14 في كل مستودع، لتشغيل عمليات إعادة التوريد الاستباقية قبل نفاد المخزون.

في هذا البرنامج التعليمي، عملنا على تطوير وكيل ذكاء اصطناعي جاهز للإنتاج باستخدام watsonx Orchestrate وAstra DB. ويجمع هذا الحل بين تأصيل المعرفة المؤسسية (Enterprise Knowledge Grounding)، وتنفيذ Agentic Workflow، والاستدلال باستخدام قواعد العمل التشغيلية، وإنشاء توصيات قابلة للتفسير لتحليل الطلبات المتأخرة، ونقص المخزون، والعوائق في سلسلة التوريد.

ويوضِّح هذا الحل كيف يمكن لأنظمة الذكاء الاصطناعي المؤسسية دعم اتخاذ القرارات التشغيلية من خلال استدلال قابل للتفسير وتصميم معياري لسير العمل ومبادئ بنائية جاهزة للإنتاج.

كما يتوافق وكيل الذكاء الاصطناعي مع Agent Development Lifecycle (ADLC) من خلال دعم مراحل دورة حياة الذكاء الاصطناعي في المؤسسات، بما يشمل الاختبار والنشر والمراقبة والتحسين المستمر لسير العمل.

ويمكن تنفيذ التحسينات التالية لتوسيع إمكانات هذا الحل المؤسسي:

• تقييم أداء وكيل الذكاء الاصطناعي.
• نشر سير العمل في البيئات المؤسسية.
• مراقبة أداء سير العمل وتحسينه باستمرار. 
• دمج مجموعات بيانات تشغيلية مؤسسية خارجية.

تحدد مرحلة Plan الهدف التشغيلي للمؤسسة، بينما تُتيح مرحلة Build تنفيذ سير عمل ذكي بالاعتماد على تأصيل المعرفة المؤسسية، والاستدلال باستخدام قواعد العمل، والتحليل التشغيلي القابل للتفسير. ويوضح هذا التطبيق كيف يمكن استخدام IBM watsonx Orchestrate لبناء وكلاء ذكاء اصطناعي مؤسسيين جاهزين للإنتاج، قادرين على تقديم حلول قابلة للتوسع وقابلة للتفسير وموثوق بها من الناحية التشغيلية.