لفترة طويلة، انصبّ تركيز تطبيق الذكاء الاصطناعي في الشركات على الأنظمة القادرة على الإجابة عن الأسئلة، وتقديم المعلومات، ومساعدة المستخدمين في مهام محددة. أصبحت روبوتات الدردشة والمساعدون الافتراضيون جزءًا من خدمة العملاء والدعم الفني وعمليات الإنتاجية، لكنها لم تكن قادرة دائمًا على تجاوز التفاعل الأولي.
مع تطور أنظمة الذكاء الاصطناعي ، بدأ هذا الوضع يتغير. فبدلاً من مجرد تقديم إجابة، تستطيع هذه الحلول تفسير الطلب، والرجوع إلى مصادر معلومات متنوعة، واستخدام الأدوات، وتنفيذ خطوات العملية. وهذا يوسع نطاق تطبيق هذه التقنية على الأنشطة التي تعتمد على التفاعل بين الأفراد والبيانات وأنظمة الشركات.
لكن التغيير لا يقتصر على منح الذكاء الاصطناعي مزيدًا من الاستقلالية فحسب. فلكي تُحقق هذه الأنظمة قيمةً مضافة، يجب أن تعمل ضمن عمليات محددة بدقة، مع تحكم دقيق في الوصول إلى المعلومات وآليات تسمح بمراقبة أدائها. هذا المزيج هو ما يحوّل واجهة المحادثة إلى حل قادر على المساهمة بفعالية في سير العمل.
برامج الدردشة الآلية، والأتمتة، ووكلاء الذكاء الاصطناعي: ما الفرق؟
عادةً ما يعمل برنامج الدردشة الآلي التقليدي وفق مسارات محددة مسبقًا أو قاعدة معرفية. فهو يستقبل سؤالًا، ويحدد الطلب، ثم يقدم إجابة أو يوجه المستخدم إلى خطوة محددة. أما الحلول الحديثة، القائمة على الذكاء الاصطناعي التوليدي، فتستطيع فهم اللغة الطبيعية وصياغة ردود مناسبة للسياق، ولكن هذا لا يعني بالضرورة قدرتها على تنفيذ إجراءات على أنظمة خارجية.
تتبع الأتمتة التقليدية منطقًا مختلفًا، فهي مصممة لتنفيذ سلسلة من المهام بناءً على قواعد وشروط محددة مسبقًا. على سبيل المثال، يمكن للنظام تحديد استلام مستند، واستخراج حقول معينة، والتحقق من صحة المعلومات، ثم إرسالها إلى تطبيق آخر. عندما تكون الخطوات قابلة للتنبؤ، يمكن لهذا النهج أن يقدم نتائج متسقة دون الحاجة إلى نماذج الذكاء الاصطناعي.
تُضيف الوكلاء ميزةً جديدةً تتمثل في اختيار الإجراءات وتنظيم الخطوات بناءً على هدفٍ مُحدد، ضمن الحدود التي يُحددها التطبيق. يستطيع الوكيل تحليل الطلب، وتحديد المعلومات التي يحتاج إلى الرجوع إليها، واختيار الأدوات المُتاحة، واستخدام نتائج خطوةٍ ما لتوجيه الخطوة التالية. وهذا يُتيح التعامل مع الحالات التي لا يكون فيها مسار إنجاز المهمة مُتطابقًا تمامًا.
لا تُعدّ هذه التصنيفات بالضرورة حصرية. يمكن لروبوت المحادثة استخدام وكلاء في بنيته، بينما يمكن لعملية مؤتمتة الجمع بين القواعد التقليدية والقرارات المدعومة بالذكاء الاصطناعي. يكمن الاختلاف الرئيسي في دور التكنولوجيا: الاستجابة، أو تنفيذ مسار محدد مسبقًا، أو تنسيق الإجراءات وفقًا للسياق.
كيف يقوم العملاء بتفسير المعلومات وتنفيذ المهام؟
لإنجاز مهام تتجاوز مجرد توليد النصوص، يحتاج النظام إلى مكونات تربط قدرات تفسير النموذج بموارد الشركة. قد يشمل ذلك قواعد بيانات المستندات، وواجهات برمجة التطبيقات، وأنظمة الإدارة، والأدوات المسؤولة عن تنفيذ عمليات محددة.
تخيل وكيلًا يُستخدم في خدمة عملاء إحدى الشركات. عند تلقيه طلبًا بخصوص طلبية محددة، يمكنه تحديد هوية العميل، والاطلاع على المعلومات المصرح بها في نظام تخطيط موارد المؤسسات (ERP)، والتحقق من سجل الطلبات في نظام إدارة علاقات العملاء (CRM)، والبحث عن القواعد المطبقة على الحالة. باستخدام هذه البيانات، يمكنه تقديم رد مناسب للسياق، وبناءً على الصلاحيات الممنوحة له، يمكنه فتح تذكرة دعم أو إعداد طلب للموافقة.
تعتمد هذه القدرة على بنية تُنظّم التفاعل بين نموذج الذكاء الاصطناعي ومصادر المعلومات وأدوات التنفيذ. وتتيح تقنيات مثل التوليد المُعزّز بالاسترجاع (RAG) استرجاع المحتوى ذي الصلة من قواعد بيانات الشركة لدعم الاستجابات. كما تُمكّن عمليات تكامل واجهة برمجة التطبيقات (API) من الاستعلام عن الأنظمة وتفعيل وظائف مُحدّدة. وتتحكّم آليات التنسيق في تسلسل العمليات، بينما تُساعد عمليات التحقق في التأكد من مُطابقة النتائج للمعايير المُحدّدة.
في بيئة AWS، يوفر Amazon Bedrock إمكانية الوصول إلى نماذج الذكاء الاصطناعي التوليدي، بينما تدعم موارد Amazon Bedrock AgentCore بناء وتشغيل التطبيقات القائمة على الوكلاء، بما في ذلك الاتصال بالأدوات وإدارة الهوية والمراقبة. يجب أن يراعي استخدام هذه المكونات البنية الحالية ومستوى الاستقلالية المناسب لكل عملية.
أين يمكن لوكلاء الذكاء الاصطناعي أن يولدوا قيمة في العمليات؟
في مجال خدمة العملاء، يُعدّ ضمان استمرارية الطلبات أحد أهم التطبيقات. فبدلاً من مجرد الإجابة على الأسئلة المتكررة، يستطيع الموظف المتصل بالأنظمة الداخلية الاطلاع على المعلومات، وتحديد المشكلات العالقة، وتوجيه الإجراءات المتعلقة بالمشكلة المطروحة. وهذا يقلل الحاجة إلى التنقل بين تطبيقات مختلفة للحصول على البيانات وإنجاز المهام.
في العمليات الإدارية، يمكن للوكلاء دعم الإجراءات التي تتضمن خطوات متعددة ومصادر معلومات متنوعة. فعلى سبيل المثال، قد يتطلب طلب الشراء مراجعة السياسات الداخلية، والتحقق من بيانات الموردين، وتحليل المستندات، وإحالتها للموافقة. ويمكن للوكيل جمع هذه المعلومات وإعداد الخطوات اللازمة، مع إبقاء القرارات المالية أو التعاقدية مشروطة بموافقة المختصين المعتمدين.
ثمة احتمال آخر يتمثل في تحليل معلومات الأعمال. قد يطلب المدير إجراء تحقيق في تغير مؤشر معين. يستطيع موظف متخصص، مُلمّ بمصادر موثوقة، مراجعة البيانات، ومقارنة الفترات الزمنية، وتحديد الفروقات ذات الصلة، وإعداد ملخص يتضمن العوامل المحتملة المرتبطة بالنتيجة. لا يُغني هذا التحليل عن تقدير المدير، ولكنه يُخفف الجهد المبذول في جمع المعلومات المتفرقة وبدء التحقيق.
لذا، لا تقتصر الفائدة على إنجاز المهام بسرعة أكبر فحسب، بل إن ربط الاستعلامات والتحليلات والإجراءات يمكّن الأنظمة الذكية من تقليل الانقطاعات بين خطوات العملية، ويتيح للفرق التركيز على الأنشطة التي تتطلب معرفة متخصصة. ولتقييم هذه الفائدة، من المهم تتبع مؤشرات مثل وقت الحل، وعدد المهام المنجزة، والتدخلات البشرية، ومعدل الخطأ، وتكلفة التنفيذ.
الأمن والحوكمة والتكامل أمور أساسية للتبني.
كلما زادت قدرة الوكيل على اتخاذ الإجراءات، زادت الحاجة إلى وضع ضوابط على ما يمكنه الوصول إليه وتنفيذه. فالتطبيق المصرح له باسترجاع المعلومات يُمثل مخاطر مختلفة عن التطبيق الذي يمكنه تعديل السجلات أو الموافقة على الطلبات أو بدء المعاملات. لذا، ينبغي أن يتناسب مستوى الاستقلالية مع تأثير الإجراءات المُنفذة.
تشمل الاحتياطات اللازمة تطبيق أذونات محددة، وحماية المعلومات الحساسة، والتحقق من صحة المدخلات والمخرجات، وتسجيل الأنشطة المنفذة. من المهم أيضًا تحديد العمليات التي تتطلب تأكيدًا بشريًا، وكيفية استجابة النظام للمعلومات غير المكتملة، أو حالات فشل التكامل، أو النتائج غير المتسقة. يمكن لموارد مثل Amazon Bedrock Guardrails دعم تطبيق إجراءات الحماية، لكنها لا تغني عن ضوابط التخويل وقواعد العمل.
تُصبح إمكانية المراقبة عنصرًا هامًا أيضًا. فعلى عكس التطبيق الذي يُنفّذ دائمًا نفس التسلسل، يُمكن للوكيل استخدام مسارات مختلفة للتعامل مع الطلبات المتشابهة. تُمكّنك مراقبة استدعاءات أدوات المراقبة، ووقت الاستجابة، والأعطال، واستهلاك الموارد، والنتائج من فهم سلوكه وتحديد فرص التحسين.
تُطوّر شركة فليكسا كلاود حلول الذكاء الاصطناعي التوليدي المتكاملة مع بيانات وعمليات الأعمال، مستخدمةً منظومة AWS لبناء مشاريع تتمتع بالأمان والحوكمة والجاهزية للإنتاج. ومن بين الإمكانيات التي تُقدّمها الشركة أيضًا تطبيق Amazon Quick Suite ، الذي يجمع بين الوصول إلى المعلومات وموارد الذكاء الاصطناعي وأتمتة سير العمل لدعم أنشطة الشركات.
يمثل تطور برامج الدردشة الآلية إلى وكلاء قادرين على أداء المهام فرصةً للشركات التي تحتاج إلى ربط المعلومات وتقليل الأنشطة اليدوية بين الأنظمة. ومع ذلك، فإن أهم تقدم لا يكمن في أتمتة أكبر عدد ممكن من القرارات، بل في تحديد العمليات التي يمكن للتكنولوجيا أن تعمل فيها بأمان وكفاءة وبنتائج قابلة للقياس.
قم بتقييم أي من عمليات شركتك يمكن تحسينها باستخدام وكلاء الذكاء الاصطناعي.
