الذكاء الاصطناعي في الوقت الفعلي ومعالجة الأحداث

من خلال الاستفادة من الذكاء الاصطناعي لمعالجة الأحداث في الوقت الفعلي، يمكن للشركات الربط بين الأحداث المتباينة لكشف الاتجاهات والتهديدات والفرص الجديدة والاستجابة لها. في عام 2023، كان IBM® Institute for Business Value (IBV) مشمول بالاستطلاع لآراء 2500 من المديرين التنفيذيين العالميين ووجد أن الشركات الأفضل في فئتها تجني 13% من عائد الاستثمار من مشروعات الذكاء الاصطناعي الخاصة بها—أكثر من ضعف متوسط عائد الاستثمار البالغ 5.9%.

نظرًا لأن جميع الشركات تسعى جاهدةً لتبني أفضل نهج لأدوات الذكاء الاصطناعي، دعنا نناقش أفضل الممارسات لكيفية استفادة شركتك من الذكاء الاصطناعي لتعزيز حالات استخدام معالجة الأحداث في الوقت الفعلي.

تُعد البنية القائمة على الأحداث ضرورية لتسريع سرعة الأعمال. من خلاله، يمكن للمجموعات مساعدة فرق العمل وتكنولوجيا المعلومات على اكتساب القدرة على الوصول إلى المعلومات في الوقت الفعلي وتفسيرها والتصرف بناءً على المعلومات الفريدة التي تنشأ في جميع أنحاء المجموعة بأكملها. وتُمكّن معالجة الأحداث المعقدة (CEP) الفرق من تحويل أحداث الأعمال الأولية إلى رؤى حساسة وقابلة للتنفيذ، للحصول على رؤية مستمرة ومحدثة لبياناتها الحساسة ونقل البيانات بسرعة إلى المكان حيث تكون هناك حاجة إليها، في الهيكل المطلوب.

يُعد الذكاء الاصطناعي أيضًا عاملاً رئيسيًا للشركات، حيث يساعد على توفير القدرات اللازمة لتبسيط العمليات التجارية وتحسين القرارات الإستراتيجية. في الواقع، وجدت IBV في استطلاع شمل 6,700 من كبار المديرين التنفيذيين أن أكثر من 85% من المتبنين المتقدمين تمكنوا من خفض تكاليف التشغيل الخاصة بهم باستخدام الذكاء الاصطناعي. ويمكن أن يكون الذكاء الاصطناعي مفيدًا لتحويل البيانات غير المنظمة إلى معلومات منظمة وذات مغزى. وهذا يساعد على تبسيط تحليل البيانات وتمكين صناعة القرار المستنير. بالإضافة إلى ذلك، فإن قدرة خوارزميات الذكاء الاصطناعي على التعرف على الأنماط—من خلال التعلم من البيانات السابقة الفريدة لشركتك—يمكن أن تمكّن الشركات من التنبؤ بالاتجاهات الجديدة واكتشاف الحالات الشاذة في وقت أقرب وبزمن انتقال قصير. وإضافةً إلى ذلك، يمكن تصميم الذكاء الاصطناعي الرمزي للاستدلال والاستنتاج حول الحقائق والبيانات المهيكلة، ما يجعله مفيدًا للتنقل عبر سيناريوهات الأعمال المعقدة. وأيضًا، تعمل التطورات في كل من النماذج اللغوية الكبيرة المغلقة والمفتوحة المصدر (LLM) على تعزيز قدرة الذكاء الاصطناعي على فهم اللغة الطبيعية البسيطة. ولقد رأينا أمثلة على ذلك في أحدث تطور لروبوت المحادثة. حيث يمكن أن يساعد ذلك الشركات على تحسين تجربة العملاء، ما يسمح لها باستخلاص الرؤى بسرعة من التفاعلات في رحلة عملائها.

من خلال الجمع بين الذكاء الاصطناعي ومعالجة الأحداث في الوقت الفعلي، يمكن للشركات تعزيز جهودها على كلا الجبهتين والمساعدة على ضمان تأثير استثماراتها في أهداف الأعمال. ويمكن أن تساعد معالجة الأحداث في الوقت الفعلي على تعزيز الذكاء الاصطناعي بشكل أسرع وأكثر دقة؛ ويمكن أن يساعد الذكاء الاصطناعي على جعل جهود معالجة الأحداث في شركتك أكثر ذكاءً واستجابةً لعملائك.

من خلال الجمع بين معالجة الأحداث والذكاء الاصطناعي، تساعد الشركات على قيادة حقبة جديدة من صناعة القرارات الدقيقة والقائمة على البيانات. في ما يأتي بعض الطرق التي يمكن أن تؤدي بها معالجة الأحداث دورًا محوريًا في تغذية قدرات الذكاء الاصطناعي.

• الأحداث كوقود لنماذج الذكاء الاصطناعي: تعتمد نماذج الذكاء الاصطناعي على البيانات الكبيرة لتحسين فعالية القدرات. وتؤدي منصة بث الأحداث (ESP) دورًا حاسمًا في ذلك، من خلال توفير خط مستمر من المعلومات في الوقت الفعلي من مصادر البيانات المهمة الحساسة للشركات. ويساعد هذا على ضمان وصول نماذج الذكاء الاصطناعي إلى أحدث البيانات، سواء تمت معالجتها في أثناء الحركة من Event Streams أو تم تجميعها في مجموعة البيانات، لمساعدة النماذج على التدريب بشكل أكثر فعالية والعمل بسرعة أكبر.
• المجاميع بصفتها رؤى تنبؤية: يمكن أن تكون المجاميع، التي تدمج البيانات من مصادر مختلفة عبر بيئة عملك، بمنزلة تنبؤات قيّمة لخوارزميات التعلم الآلي (ML). بدلاً من استطلاع الآراء المتكرر لواجهات برمجة التطبيقات أو انتظار معالجة البيانات على دفعات، يمكن لمعالجة الأحداث حساب هذه المجاميع بشكل تدريجي، وتعمل باستمرار في أثناء إنشاء تدفقات الأحداث الأولية. ويمكن استخدام تحليلات التدفق للمساعدة على تحسين سرعة ودقة تنبؤات النماذج.
• سياق محدث لتطبيق الذكاء الاصطناعي بفعالية: يمكن أن تؤدي معالجة الأحداث دورًا حاسمًا في تشكيل سياق الأعمال في الوقت الفعلي اللازم لتسخير قوة الذكاء الاصطناعي. وتساعد معالجة الأحداث على تحديث فهمنا لسيناريوهات الأعمال الجارية وتحسينها باستمرار. كما يساعد ذلك على ضمان أن تكون الرؤى المستمدة من البيانات السابقة، من خلال تدريب نماذج التعلم الآلي (نماذج ML)، عملية وقابلة للتطبيق في الوقت الحاضر. على سبيل المثال، عندما يقدم الذكاء الاصطناعي تنبؤًا بأن عميلاً ما قد يكون على وشك الاستسلام، فمن المهم النظر في هذا التوقع في سياق معرفتنا الحالية عن عميل معين. وهذه المعرفة ليست ثابتة وتساعد بيانات الأحداث الجديدة على تطوير أحدث معارفنا مع كل تفاعل، للمساعدة على توجيه عملية صناعة القرار والتدخل.

من خلال سد الفجوة بين معالجة الأحداث والذكاء الاصطناعي، يمكن للشركات المساعدة على توفير بيانات في الوقت الفعلي لتدريب نماذج الذكاء الاصطناعي، والاستفادة من معالجة البيانات في أثناء الحركة لحساب المجاميع المباشرة التي تساعد على تحسين التنبؤات، والمساعدة على ضمان إمكانية تطبيق الذكاء الاصطناعي بفعالية في سياق أعمال محدث.

يمكن للذكاء الاصطناعي أن يجعل معالجة Event Streams أكثر ذكاءً واستجابةً في مشاهد البيانات الديناميكية والمعقدة. في ما يأتي بعض الطرق التي يمكن للذكاء الاصطناعي من خلالها تعزيز مبادراتك التي تعتمد على الأحداث:

• كشف الحالات الشاذة والتعرف على الأنماط: يمكن أن تساعد قدرة الذكاء الاصطناعي على كشف الحالات الشاذة والتعرف على الأنماط لتعزيز معالجة الأحداث بشكل كبير. ويمكن للذكاء الاصطناعي التدقيق في التدفق المستمر لأحداث الأعمال الأولية لتحديد المخالفات أو الاتجاهات الهادفة. ومن خلال الجمع بين التحليلات السابقة والتعرف على أنماط الأحداث الحية، يمكن للشركات مساعدة فرقها على تطوير ملفات تعريف أكثر تفصيلاً والاستجابة بشكل استباقي للتهديدات المحتملة وفرص العملاء الجدد.
• الاستدلال على الارتباط والعلاقة السببية: يمكن للذكاء الاصطناعي أن يساعد على تزويد أدوات معالجة الأحداث في الوقت الفعلي بالقدرة على الاستدلال على الارتباط والعلاقة السببية بين مقاييس الأعمال الرئيسية وتدفقات البيانات. وهذا يعني أنه لا يمكن للذكاء الاصطناعي تحديد العلاقات بين تدفقات أحداث الأعمال فحسب، بل يمكنه أيضًا الكشف عن ديناميكيات السبب والنتيجة التي يمكن أن تلقي الضوء على سيناريوهات الأعمال التي لم يتم النظر فيها من قبل.
• تفسير البيانات غير المنظمة: يمكن أن تحتوي البيانات غير المنظمة في كثير من الأحيان على رؤى غير مستغلة. ويتفوق الذكاء الاصطناعي في فهم اللغة الطبيعية البسيطة، وتفسير أنواع أخرى من البيانات غير المنظمة التي تتضمنها الأحداث الواردة إليك. ويمكن أن تساعد هذه القدرة على تعزيز الذكاء العام لأنظمة معالجة الأحداث الخاصة بك، عن طريق استخراج معلومات قيمة من مصادر الأحداث التي تبدو فوضوية أو غير منظمة.

تواصل مع خبراء IBM واطلب عرضًا توضيحيًا مخصصًا لبرنامج IBM® Event Automation لمعرفة كيف يمكنه مساعدتك وأنت وفريقك في وضع أحداث الأعمال موضع التنفيذ، وتفعيل التحليلات في الوقت الفعلي وتشغيل الأتمتة الذكية.

يُعد IBM® Event Automation حلاً قابلاً للتكوين بالكامل، مبني على التقنيات المفتوحة، مع القدرات من أجل:

• بث الأحداث: جمع التدفقات الأولية لأحداث الأعمال وتوزيعها في الوقت الفعلي مع Kafka من فئة المؤسسات.
• إدارة نقطة نهاية الحدث: وصف الأحداث وتوثيقها بسهولة وفقًا لمواصفات واجهة برمجة التطبيقات غير المتزامنة. تعزيز المشاركة وإعادة الاستخدام مع الحفاظ على التحكم والحوكمة.
• معالجة الأحداث: استفد من قوة Apache Flink لإنشاء تدفقات معالجة دفق SQL واختبارها على الفور في لوحة تأليف سهلة الاستخدام وذات رمز منخفض.

تعرف على المزيد حول كيفية إنشاء البنية الكاملة والقابلة للتكوين المستندة إلى الأحداث أو تحسينها على مستوى المؤسسة.