ستة تحوُّلات استراتيجية لبناء ذكاء اصطناعي وكيل باستخدام نماذج صغيرة وسريعة ومفتوحة

لم تَعُد القواعد القديمة لتطوير برمجيات المؤسسات -مثل خرائط الطريق من ستة إلى اثني عشر شهرًا، والبنية التحتية الضخمة المسبقة، والإصدارات الأحادية- تواكب عالمنا الجديد المعتمد على الذكاء الاصطناعي. حان الوقت للتخلي عن القواعد القديمة، وإعادة ابتكار نهج التطوير الخاص بك، وإعادة التفكير في طريقة بناء تطبيقاتك، من خلال المبادئ الستة الأساسية التالية:

لنبدأ بجوهر أي تطبيق: النموذج الذي يعتمد عليه. لكن ليس كل تحدٍ في الذكاء الاصطناعي يحتاج إلى نموذج يحتوي على مئات المليارات من المَعلمات. غالبًا ما تضاهي النماذج الصغيرة المعدَّلة حسب المجال النماذج الكبيرة العامة في المهام المحددة أو تتفوق عليها، ما يوفر دقة مماثلة بتكلفة أقل ووقت استدلال أسرع. من خلال التركيز على تلخيص النصوص وتحليلها، وتوليد الأكواد، والأسئلة والأجوبة على المستندات، أو غيرها من المشكلات محددة النطاق، يمكن لفِرق التطوير فعل ما يلي:

• خفض تكلفة الاستدلال لكل استفسار، ما يجعل استخدام أساطيل كبيرة من الوكلاء مُجدٍ من الناحية الاقتصادية.
• تقليل زمن الانتقال إلى أقل من ثانية، وهو أمر حيوي لمهام سير العمل التفاعلية والعمليات التي تتطلب تدخُّل الإنسان.
• النشر في البيئات الهجينة أو على الحافة لتجنُّب رسوم خروج البيانات من السحابة، مع الحفاظ على سيادة البيانات وامتثالها.

اختيار النموذج المناسب لا يعني السعي وراء أعلى عدد من المَعلمات، بل يتعلق بتقييم التكلفة لكل استخدام، وزمن الوصول للقيمة، وملاءمته للمهام منذ اليوم الأول.

يعتمد نجاح الذكاء الاصطناعي التوليدي على أكثر من مجرد اختيار النموذج. ويتطلب ذلك اختيار النموذج المناسب للمهمة وإحاطته بالأدوات والمنصات وممارسات التطوير التي تحوِّل الذكاء الاصطناعي إلى نتائج أعمال حقيقية. يجب على المطورين ومديريهم السعي للاستثمار في:

• نماذج الذكاء الاصطناعي مفتوحة المصدر التي تتجنَّب الاحتكار وتعزِّز المجتمعات النشطة للمطورين.
• البنى المعمارية للمصانع الصغيرة، التي تعتمد على فِرق صغيرة تعمل على تجميع وإدارة حِزم النماذج المصممة خصيصًا، والقوالب، وأفضل الممارسات لكل حالة استخدام رئيسية.
• مسارات معيارية تُتيح ربط النماذج الخفيفة وقواعد الأعمال كخدمات مصغرة، ما يمكِّن من التكرار السريع، والتكامل المستمر، والاسترجاع السلس.

هذا النهج المعياري والمفتوح يختصر برامج التجربة من شهور إلى أسابيع، ما يمكِّن الفِرق من إنشاء وكلاء جُدُد في دقائق ويطلق الإمكانات التحويلية للذكاء الاصطناعي التوليدي في المؤسسة.

إن الذكاء الاصطناعي المسؤول الحقيقي ليس فكرة لاحقة، بل مدمج في كل مرحلة من مراحل التطوير. ويتطلب بناء هذه التطبيقات من المطورين الحفاظ على تركيز مستمر على:

1. اختيار النماذج وشفافية التدريب: اختيار نماذج تم تدريبها على مجموعات بيانات مفتوحة وقابلة للتدقيق، تتوافق مع قيم الشركة والمتطلبات التنظيمية.
2. صرامة هندسة البيانات: تتبُّع الأصول، وتوثيق التحويلات، والحفاظ على مسارات واضحة وقابلة للشرح من البيانات غير المنسقة إلى مخرجات النموذج.
3. الحوكمة بمشاركة الإنسان: تضمين نقاط مراجعة وحدود أداء تفعِّل التنبيهات أو عمليات التصعيد، لتعزيز الامتثال والجودة.

من خلال توحيد الحوكمة منذ المصدر، يمكن لفِرق التطوير المساعدة على تقليل التحيّز، وحماية الخصوصية، وتعزيز الثقة، ما يضع أساسًا لنشر الذكاء الاصطناعي التوليدي بشكل مستدام وقابل للتوسع.

بمجرد أن تصبح الأسس جاهزة من خلال نماذج سريعة وملائمة للأعمال، ومسارات معيارية، وممارسات تطوير مسؤولة، فإن الخطوة المنطقية التالية في دليل العمل الجديد هي تحويل الذكاء الاصطناعي إلى عمليات تشغيلية عبر الوكلاء. من المرجَّح أن تكون هذه المبادرة موضوع نقاش نشط في جميع أنحاء مؤسستك، وهي النقطة التي يتحوَّل فيها الجانب النظري إلى تأثير ملموس.

وكيل الذكاء الاصطناعي هو "وكيل" شبه مستقل يعمل على مراجعة المدخلات، والتفكير في المهام، واتخاذ الإجراءات - غالبًا بالتعاون مع البشر ووكلاء آخرين. ويؤدي دمج هؤلاء الوكلاء في مهام سير العمل المؤسسية إلى تحقيق مكاسب إنتاجية قابلة للقياس.

وهذه هي مراحل دورة الحياة:

1. التصميم: تحديد أدوار واضحة للوكلاء (مثل "مستخرِج الأكواد" أو "مولِّد الاختبارات" أو "محلِّل الامتثال").
2. البناء: تجميع مسارات من النماذج المتخصصة والخفيفة، وترميز قواعد الأعمال لكل مرحلة.
3. النشر: تنسيق عمل الوكلاء على منصة مركزية مع المراقبة، وقابلية التتبُّع، واتفاقيات مستوى الخدمة.
4. التشغيل والتحسين: جمع حلقات التعليقات، وإعادة تدريب أو إعادة تكوين الوكلاء، وقياس عائد الاستثمار (ROI) بشكل مستمر.

يكمن السر في تشغيل الوكلاء على نطاق واسع في مدى فاعلية إقرانهم بالنماذج السريعة المصممة للأعمال، ما يجعل دورة حياة الوكلاء ليست ممكنة فحسب، بل مُنتجة أيضًا. ويتطلب هذا النهج ممارسات دقيقة في التصميم والتنسيق والقياس، بحيث تتوافق العناصر التقنية مع نتائج الأعمال. إليك كيفية جَعْل هذا التكامل مؤثِّرًا وفعَّالًا:

• اختيار النموذج المناسب: مقارنة أداء النماذج الصغيرة في المهام الأساسية (مثل تحويل الكود إلى نص، وتوليد SQL، واستخراج الكيانات)، ومقارنة زمن الانتقال والتكلفة لكل 1,000 رمز مميز.
• بناء المصانع وتنسيقها: جمع الوكلاء ذوي الصلة في مصانع مخصصة لحالات الاستخدام الأساسية (مثل النظام الرئيسي للبنوك، ومحرك التأمين).
• الحوكمة والمراقبة: توفير واجهة مستخدم وواجهة برمجة تطبيقات مركزية للوصول إلى الوكلاء، وتتبُّع مقاييس الأداء (زمن الانتقال والأخطاء)، وإصدارات الوكلاء (معرِّف الوكيل)، ونقاط التحقق بمشاركة الإنسان.
• قياس القيمة: تحديد مؤشرات أداء رئيسية واضحة -مثل ساعات التطوير الموفِّرة وتحسين جودة الكود وتقليل التكاليف- واستخدام لوحة معلومات مباشرة لمتابعة وقت تحديث الأنظمة وسداد الديون التقنية.

عندما يكلِّف نموذج سريع وصغير مجرد نسبة بسيطة من تكلفة النموذج اللغوي الكبير، تصبح إضافة المزيد من الوكلاء نفقة هامشية. ويعني اقتصاد الانتشار هذا:

• التوسع السريع: يمكن تشغيل العشرات أو حتى المئات من الوكلاء المتخصصين بشكل متزامن دون تجاوز الميزانيات.
• التحكم في نطاق التأثير: تضمن الحاويات الخفيفة والنشر المعزول ضد الأخطاء ألا يتسبب فشل أي وكيل فردي في تعطُّل النظام بأكمله.
• التحسين المستمر: لوحات معلومات مراقبة مدروسة من حيث التكلفة تتابع استخدام CPU/GPU، واستخدام الاستدلال لكل وكيل، ومؤشرات الأداء الرئيسية - ما يدعم التحسينات المستمرة.

الشركات التي تستفيد من ميزة التوسُّع هذه يمكنها توسيع نطاق العمل بسرعة من إثبات المفهوم إلى الإنتاج على مستوى المؤسسة. تُتيح هذه المبادرة الاستفادة الكاملة من مزايا الإنتاجية للذكاء الاصطناعي التوليدي - من خفض التكاليف وتسريع وقت الوصول إلى السوق، إلى تحسين الجودة واتخاذ القرار وكفاءة الفريق.

اعتماد هذه المبادئ الستة لا يقتصر على بناء ذكاء اصطناعي أفضل فحسب، بل يتعلق بإعادة تشكيل طريقة حدوث الابتكار ومكان وجود الذكاء داخل المؤسسة.

إنها تنتقل من مرحلة التجربة إلى مرحلة التحول. دورات التطوير تتقلص من أشهر إلى أسابيع. يتحوَّل وكلاء الذكاء الاصطناعي من نماذج أوَّلية واعدة إلى عناصر تشغيلية حيوية للأعمال. ويصبح الابتكار قابلًا للتنبؤ - ليس مجرد حدث نادر محظوظ، بل عملية يمكن تكرارها ومضمَّنة في كل دورة تطوير وكل قرار أعمال.

سيشكِّل الذكاء الاصطناعي المؤسسي آفاقه التالية من خلال:

• البنى القابلة للتكوين: عناصر مرنة وقابلة لإعادة الاستخدام تُتيح للفِرق النشر السريع والتكرار دون الحاجة إلى إعادة الابتكار من الصفر.
• التنسيق الواعي للتكاليف: أنظمة ذكاء اصطناعي تراقب كفاءتها ذاتيًا وتعمل على تحسين الأداء والميزانية والامتثال بشكل ديناميكي.
• الذكاء الهجين: تعاون سلس بين البشر ووكلاء الذكاء الاصطناعي، مع وضع الحوكمة والشفافية والثقة في المقام الأول.
• النماذج المخصصة للصناعة على نطاق واسع: بدلًا من النماذج اللغوية الكبيرة الموحَّدة، تعمل المؤسسات على تشغيل أساطيل من النماذج المتخصصة في مجالات محددة والمصممة لتلبية احتياجاتها الدقيقة.

ينتقل الذكاء الاصطناعي المؤسسي من المشاريع المركزية الكبرى إلى الحلول الموزعة - من نموذج ضخم واحد إلى عدة نماذج مناسبة الحجم، مدمجة عبر الوظائف المختلفة. المؤسسات التي تحقق النجاح لا تكتفي ببناء نماذج أذكى؛ بل تبني أنظمة وفِرقًا واستراتيجيات أكثر ذكاءً.

من خلال تبنّي هذه التحولات الست الاستراتيجية، أنت لا تحدِّث بيئة التطوير لديك فحسب، بل تضمن استدامة أعمالك للمستقبل.