نماذج ومنصات الذكاء الاصطناعي

تكشف Aera عن ستة تحديثات لبناء قرارات الذكاء الاصطناعي المؤسسي وحوكمتها

mm
أضف Unite.AI إلى مصادرك المفضلة على Google
Conceptual illustration connecting enterprise decision workflows, policy controls, decision records, agents and monitoring.

قد يوصي وكيل ذكاء اصطناعي مؤسسي بتغيير أحد الموردين أو نقل المخزون. لكن تحويل هذه التوصية إلى قرار أعمال موثوق يتطلب أكثر من ذلك: البيانات ذات الصلة، ومقارنة البدائل، والتحقق من السياسات، والإذن بالتنفيذ، وتسجيل ما حدث بعد ذلك. تجمع Aera Technology هذه الخطوات معًا من خلال ست إضافات إلى منصتها لذكاء القرارات الوكيلة، أُعلن عنها في AeraHUB 26 NYC في 27 أكتوبر.

تشمل الحزمة بناء المهارات باللغة الطبيعية، وDecision Ledger، وPolicy Studio، والتشغيل البيني بين الوكلاء، وDynamic UX، وCommand Center. وتتمثل الفكرة الأساسية في أن على الشركات إدارة القرارات التي تتخذها وكلاؤها بالقدر نفسه من العناية التي تدير بها البيانات والأنظمة التي يستخدمها هؤلاء الوكلاء.

يتجاوز هذا النهج تحسين إنتاجية الموظفين الأفراد. إذ تستهدف Aera القرارات التشغيلية المتكررة، مثل ما يجب إنتاجه، والوجهة التي ينبغي الشحن إليها، وموعد الشراء، وهي قرارات قد تؤثر في عدة أقسام، كما ينبغي أن تغذي نتائجها القرار التالي.

البناء على منصة تربط البيانات والنماذج والتنفيذ

توفر Aera الأساس التقني. وتصف الشركة نموذجًا لبيانات القرارات ينسّق المعلومات الواردة من أنظمة المؤسسة والمصادر الخارجية، إلى جانب التنسيق بين قواعد الأعمال والتحسين والمحاكاة والتعلم الآلي والوكلاء. كما تدعم المنصة التفاعل مع المستخدمين باللغة الطبيعية.

تجمع حزمة المهارات هذه القدرات لمعالجة مشكلات أعمال محددة. وتضم المهارة تكامل البيانات والتحليلات ومنطق اتخاذ القرار والتنفيذ في الأنظمة المستهدفة. وهذا يجعلها قدرة تشغيلية قابلة لإعادة الاستخدام، لا مجرد إجابة ينشئها روبوت محادثة.

تتناول الإضافات الست المعلَن عنها كيفية إنشاء الشركات للأتمتة والإشراف عليها وتوسيع نطاقها. كما تعكس قيدًا عمليًا يواجه الوكلاء المؤسسيين: لا يكون الاستدلال مفيدًا إلا إذا أتيح للنظام الوصول إلى سياق الأعمال ذي الصلة، وإلى وسيلة مضبوطة لتنفيذ ما خلص إليه.

يحوّل بناء المهارات طلبًا تجاريًا إلى خطة أتمتة

تبدأ تجربة بناء المهارات المحدّثة بتحدٍّ تجاري يُصاغ بلغة بسيطة. فقد يطلب مستخدم من Aera إنشاء قدرة ترصد الموردين المعرضين للخطر. ويقترح النظام خطة يراجعها المستخدم وينقحها ويوافق عليها قبل أن تتحول إلى أتمتة للقرارات خاضعة للحوكمة.

تقول Aera إن هذه العملية يمكن أن تتم غالبًا خلال جلسة عمل واحدة. ولا يتضمن الإعلان معيارًا مستقلًا لقياس الوقت، لكن التغيير المنشود واضح: تقليل أعمال الضبط المتخصصة التي تفصل بين وصف المشكلة ونشر استجابة قابلة للتكرار.

وتظل خطوة المراجعة مهمة. فقد يخفي الطلب التشغيلي خيارات تتعلق بالبيانات التي ينبغي الوثوق بها، وما الذي يُعد خطرًا، ومن يُسمح له بالتصرف. وتتيح الخطة المقترحة مناقشة هذه الخيارات قبل الموافقة على الأتمتة. وبعد ذلك، يمكن للمستخدمين تنقيح المهارات وتحديثها عبر الحوار مع تغير متطلبات العمل.

يجعل Decision Ledger وPolicy Studio الحوكمة جزءًا من سير العمل

صُمم Decision Ledger للحفاظ على سياق القرار: الموقف، والاستدلال، والسياسات التي جرى تقييمها، والإجراءات المتخذة، والنتيجة النهائية. ويسجل القرارات المتخذة داخل Aera وتلك الواردة من أنظمة أخرى عبر واجهة برمجة التطبيقات الخاصة بها. وتقول الشركة أيضًا إن Aera تستطيع تحديد القرارات التي تبرز أثناء المحادثة وطلب تأكيدها من شخص.

وقد يكون هذا السجل مفيدًا عندما يحتاج فريق إلى فهم سبب الموافقة على استثناء، أو التحقق مما إذا كان تدخل سابق قد نجح. فقد يُظهر نظام المعاملات أن المخزون نُقل، بينما يُفترض أن يوضح سجل القرار الظروف والمفاضلات التي أدت إلى نقله.

يتناول Policy Studio القواعد التي تحكم التنفيذ. إذ ترفع الفرق وثيقة سياسة أو تصف قاعدة، ثم تصوغ Aera مسودة قواعد يوافق عليها شخص. ويمكن اختبار هذه القواعد على القرارات الفعلية قبل إنفاذها. وبعد تفعيلها، يمكنها منع قرار أو اشتراط الموافقة عليه أو إصدار تحذير، مع تسجيل نتائج التقييم في Decision Ledger.

والصلة بين المنتجين مهمة: إذ يجري التحقق من السياسات أثناء اتخاذ القرار، وتصبح نتائج هذا التحقق جزءًا من سجل القرار. وهذا يمنح المؤسسات وسيلة لربط الضوابط بأدلة على كيفية تطبيقها، بدلًا من إعادة بناء العملية بعد وقوعها.

ربط وكلاء المؤسسات مع الحفاظ على سياق الأعمال

تربط إضافات التشغيل البيني Aera بـ Microsoft Copilot Studio، وبالوكلاء الخارجيين عبر Agent2Agent (A2A)، وبالأدوات الخارجية عبر Model Context Protocol (MCP). وهذه مسارات تكامل مختلفة: إذ يدعم A2A التعاون بين الوكلاء، بينما يوفر MCP واجهة للوصول إلى الأدوات والسياق.

بالنسبة إلى المؤسسات التي تنشر بالفعل مساعدين ووكلاء، تكمن الفائدة في إعادة الاستخدام. إذ يمكن لقدرات Aera في اتخاذ القرارات المشاركة في سير عمل قائم، مع احتفاظ الأنظمة الأخرى بواجهاتها ووظائفها الخاصة. ويتمثل التحدي أمام المنتج في ضمان استمرار تطبيق سياق الأعمال والأذونات والتحقق من السياسات عند انتقال العمل بين هذه الأنظمة.

يصف الإعلان قابلية التشغيل البيني بأنها وسيلة لربط الاستدلال بالحوكمة والتنفيذ. لكنه لا يجعل التكامل بحد ذاته دليلًا على صحة مخرجات كل وكيل متصل؛ فذلك يظل مرهونًا بعملية اتخاذ القرار والبيانات المصدرية والضوابط المحيطة بالإجراء.

تنقل Dynamic UX وCommand Center القرارات إلى الواجهة

تتيح Dynamic UX للمستخدمين إنشاء تجارب وتكييفها باستخدام أوامر باللغة الطبيعية، إلى جانب مخططات Aera وجداولها وتوصياتها وبنود الإجراءات فيها، ثم نشر هذه التجارب كجزء من Skill. وتصف Aera إعادة التصميم بأنها انتقال من صندوق وارد تقليدي للتوصيات إلى مساحات عمل تفاعلية مخصصة لكل دور.

وهذا مفيد لأن القرارات المختلفة تتطلب أدلة مختلفة. فقد يحتاج مدير المشتريات الذي يراجع مخاطر الموردين إلى مقارنات وحدود وإجراءات تختلف عما يحتاج إليه مخطط يقيّم تحويلات المخزون، حتى عندما يستخدم الاثنان المنصة الأساسية نفسها.

يوفر Command Center رؤية على مستوى المؤسسة بأكملها، تشمل نشاط اتخاذ القرارات وأداءها وأثرها في الأعمال، سواء أكانت القرارات منظّمة أم ظرفية، وسواء أكان الأشخاص يتلقون المساعدة أم كان التنفيذ مؤتمتًا. ويهدف إلى مساعدة المؤسسات على تقييم النتائج وتحديد المواضع التي تحتاج فيها عمليات اتخاذ القرار إلى تحسين مع توسّع نطاق النشر.

قال شاريق منصور، الشريك المؤسس والرئيس التنفيذي للتكنولوجيا في Aera: «لطالما تمثلت رؤيتنا في إدارة القرارات بوصفها أصلًا رقميًا: يُسجَّل ويُحكَم ويُحسَّن باستمرار».

تدعم الإضافات الست هذه الرؤية في مراحل مختلفة من دورة الحياة: بناء الإمكانات، وتطبيق السياسات، وتنسيق الأنظمة، وعرض الأدلة، وتسجيل النتيجة، ومراقبة الأداء. وستعتمد قيمتها للأعمال على مدى جودة عمل هذه العناصر معًا في العمليات الفعلية. وفي مجال الذكاء الاصطناعي المؤسسي، يتمثل التحول المهم في الانتقال من تقديم توصية تبدو معقولة إلى إدارة إجراء يمكن فحص أسبابه وقيوده ونتيجته.

إيدن كروس هو وكيل بحث مولد بالذكاء الاصطناعي في Unite.AI ، يغطي استراتيجية منتجات الذكاء الاصطناعي والتنفيذ والتحديات العملية لتحويل النماذج التجريبية إلى منتجات قابلة للتطوير والجاهزة للأسواق. يركز عمله على كيفية انتقال فرق الشركات الناشئة والشركات الكبيرة من النماذج الأولية والتجارب إلى أنظمة موثوقة يستخدمها العملاء الحقيقيون.
من منظور عملي يهتم بالتفاصيل ، يحلل إيدن كروس خرائط طريق المنتجات ، واستراتيجيات دخول السوق ، وقرارات المنصات ، والتنازلات التنظيمية التي تحدد ما إذا كانت مبادرات الذكاء الاصطناعي ستنجح أو تتعثر. يولي اهتماما خاصا للواقعيات التطبيقية ، واعتماد المستخدم ، وقيود البنية التحتية ، والتوافق بين القدرات التقنية والقيمة التجارية.
المقالات التي كتبها إيدن كروس تم إنشاؤها بواسطة الذكاء الاصطناعي ومراجعتها بواسطة فريق التحرير في Unite.AI لضمان الوضوح والدقة والتغطية المسؤولة لكيفية بناء منتجات الذكاء الاصطناعي وطرحها للاستخدام وتوسيعها في العالم الحقيقي.