أنطولوجيات الأعمال المحمولة لوكلاء الذكاء الاصطناعي

أصبح مصطلح «الأنطولوجيا» رائجًا الآن. لماذا؟ لأن الوكلاء، ونماذج اللغة الكبيرة التي تشغّلهم، يحتاجون إلى سياق ملائم للأعمال.

قبل أن تشتري أنطولوجيا، اسأل المورّد: «إذا أساءت الأنطولوجيا تمثيل أعمالنا، فكيف يصحّح موظفونا ذلك، وما الذي سيظل معتمدًا عليك؟» ستكشف لك الإجابة الكثير عن النموذج الذي تشتريه لفهم الأعمال ومن يملكه. كما أنها تسلّط الضوء على رهانات أكبر: قدرتك على تحسين هذا النموذج مع تغيّر الأعمال، والحفاظ على فائدة هذا الاستثمار إذا غيّرت المنصات.

من المفيد التمييز بين الأنطولوجيا والرسم البياني المعرفي، رغم أن المفهومين يتداخلان كثيرًا.

الأنطولوجيا: أنواع الأشياء الموجودة، ومعاني العلاقات، والقواعد المنطبقة. المعدات، والمكوّنات، والفرق، والأدوار، والعمليات. فعلى سبيل المثال، يمكن للأنطولوجيا تعريف نوع «المعدات» وعلاقة «يحتوي على» تربطه بـ«مكوّن». بعد ذلك، يمكن للرسم البياني المعرفي أن يقرّر: «تحتوي المضخة P-101 على مانع التسرب S-7»، أي كيانين محدّدين والعلاقة بينهما.

تخيّل أنك طلبت من وكيل: «احسب نمو المبيعات المماثلة، لكن اعرض مقارنة جنبًا إلى جنب: واحدة تشمل جميع المتاجر، وأخرى تستبعد المتاجر التي لم يمضِ على افتتاحها عامان؛ ثم قسّم كلتا المقارنتين إلى محلية ودولية ومجتمعة».

يعتمد هذا الطلب على تفاصيل لا يستطيع الوكيل تخمينها:

• ما المتاجر الموجودة، ومتى افتُتحت
• أين تقع
• التعريف الداخلي لـ«المبيعات المماثلة»

قد تنصّ إحدى السياسات على استبعاد المتاجر إلى أن يمضي عام على افتتاحها؛ أما المجموعة المطلوبة التي تشترط مرور عامين، فتضيف معيار استبعاد آخر. وحتى عندئذ، هل تقارن الأشهر التقويمية بمجرد استيفاء المتجر للشرط، أم لا تُدرجه إلا بعد مرور سنة مالية كاملة سابقة؟

ينبغي للأنطولوجيا أن تربط تلك المتاجر بالسياسة التي تحكم عملية الحساب. يساعد العثور على الحقائق ذات الصلة، لكن تطبيق القاعدة المناسبة هو ما يجعل الإجابة مفيدة.

يمكن للوكيل أن يستخدم العلاقات في الرسم البياني لاسترجاع السياق ذي الصلة قبل الإجابة عن سؤال. ولا عجب في فائدتها، إذ يمكن أن تصبح مجالات المعرفة شديدة التعقيد بسهولة.

الشكل 1: مخطط يجمع نماذج SysML عامة: TMT Thirty Meter Telescope (Open-MBEE/JPL، Apache-2.0)، وCubeSat System Reference Model (© 2022 INCOSE SSWG & OMG SDTF، CC BY 4.0)، وArchitecting Spacecraft with SysML (Friedenthal & Oster، BSD-2-Clause)، إلى جانب محتوى خيالي عن كوكبة MDC ومواصفات عامة (IS-GPS-200 وIS-GPS-705 وGSFC-STD-7000B). أُنشئ باستخدام Kamiwaza Kaizen.

لكن الاستخراج قد يرسّخ الأخطاء أيضًا. فقد تستخدم الفرق أسماء مختلفة للكيان نفسه، ما يؤدي إلى إنشاء كيانات مكررة. وقد تتعارض المصادر أو تصبح قديمة. وحتى المصدر السليم قد يسيء نموذج لغة كبير قراءته. وإضفاء مظهر موثوق على هذه الأخطاء لا يجعلها أقل خطورة.

تتفاقم هذه المخاطر عندما يتحول نموذج الأعمال إلى نظام يتصرف بناءً عليه. عندها، قد تؤدي علاقة خاطئة إلى إجراء خاطئ، لا إلى إجابة خاطئة فحسب.

مخاطر منتجات الأنطولوجيا

أولًا، احذر النماذج الجامدة. فقد يجعل المورّد، بحجة تقديم منتج «متكامل وجاهز للاستخدام»، كياناته الخاصة عناصر أساسية، فيما يقيّد إمكانات كياناتك. ولا يكفي إتاحة التخصيص إذا كانت الأنواع المخصصة تفقد إمكانات البحث والتحقق واتخاذ الإجراءات.

ثانيًا، ابحث عن مسار ينتقل من الاستكشاف إلى الحوكمة. ينبغي أن تتيح لك الأداة إنشاء رسم بياني مبدئي انطلاقًا مما يرصده نموذج لغة كبير، ثم التحقق من صحته وفق قيود صريحة. وينبغي أن تتمكن من إحالة الحالات الاستثنائية إلى أشخاص، والاحتفاظ بالمعرفة الاستكشافية من دون التعامل معها بوصفها بيانات أعمال معتمدة.

أكبر المخاطر هو ربط عمليات الأعمال بمنصة لا يمكنك مغادرتها. فأنطولوجيتك تمثل أعمالك: معارفها وعملياتها وعلاقاتها. وينبغي أن يظل هذا الاستثمار في التنظيم والمنطق التشغيلي مفيدًا حتى إن غيّرت الأدوات. فلماذا يُسمح لمورّد بأن يحتجز هذا كله؟

متى تفيد تضمينات الرسوم البيانية؟

عندما تكبر الرسوم البيانية المعرفية كثيرًا، قد يكون من المفيد اختيار أداة أو مورّد يدعم تضمينات الرسوم البيانية. وهي شبيهة إلى حد كبير بالتضمينات الدلالية التي تشغّل كثيرًا من تطبيقات RAG. وهناك فائدتان جديرتان بالاهتمام.

أولًا، قد تؤدي بضع خطوات عبر رسم بياني كثيف الترابط إلى عدد كبير جدًا من الكيانات يصعب معالجته. ومن خلال تعلّم تمثيلات رقمية للكيانات والعلاقات، تتيح التضمينات طريقة أخرى للعثور على الأجزاء ذات الصلة من الرسم البياني. وقد تكون هذه الطريقة، للمهمة المناسبة، أكفأ من التنقل عبر الرسم البياني.

ثانيًا، يمكن لنماذج التضمين ترتيب العلاقات المفقودة المحتملة حسب الأولوية. ويمكن لهذا التعلّم نفسه أن يكشف الأنماط الشائعة في سمات نوع معين من الكيانات وعلاقاته، ما يساعد على إنشاء رسم بياني أكثر اكتمالًا.

مبررات التحسين التدريجي

كيف تبدأ من دون جيش من المهندسين المنتشرين ميدانيًا، كي تتحكم في مصيرك، وتتجنب الارتهان لمورّد، وتمثّل أعمالك الفعلية بدلًا من صورة مشوّهة عنها يفرضها المورّد؟ أعتقد أن الذكاء الاصطناعي الحديث يتألق هنا، إذا أتاحت الأدوات مسارًا ينتقل من الاستكشاف إلى التحقق.

أولًا، استخدم الاكتشاف والاستخراج الآليين. يمكنك إنشاء تصور أولي عن مجال ما بالاستناد إلى مستندات الأعمال أو السياسات أو رسائل البريد الإلكتروني أو رسائل Slack. والأهم أنك لا تستطيع الوثوق بدقته قبل التحقق منه.

التحقق هو الجزء الثاني. ينبغي أن تتيح لك أدواتك انتقالًا سلسًا من المعلومات المرشحة المستخرجة إلى ادعاءات تستند إلى مصادر، ثم إلى معرفة يتحقق منها شخص مسؤول أو نظام موثوق. احتفظ بمصدر كل ادعاء.

الحفاظ على حداثة المعرفة عمل مستمر. قد تختلف اليوم طريقة التعامل مع بلاغ عطل، أو الإجابة عن سؤال «كم عدد المتاجر في نيوجيرسي؟»، عما كانت عليه قبل ثلاث سنوات. لكن تحديث معرفة اليوم يجب ألا يمحو واقع الأمس. قد يختلف وقت تسجيل الحقيقة عن الفترة التي كانت تنطبق فيها؛ لذا ينبغي أن تتيح الأنطولوجيا المفيدة تقديم إجابات راهنة وصورة تاريخية دقيقة على حد سواء. ولا يزال من الضروري أن يتولى أحدهم تحديث تلك المعرفة.

قد يكون النطاق هائلًا. ابدأ بمجموعة أصغر من المواد، وارسم خريطة لمجال مفيد، ثم اعمل على بناء صورة شاملة مع تحقيق قيمة في كل مرحلة.

يُعد دعم العملاء مجالًا فرعيًا مفيدًا، ويشمل المكالمات الواردة ورسائل البريد الإلكتروني ونظام التذاكر والحلول الآلية وفريق دعم قادرًا على الرد على العملاء، فضلًا عن آلية لتصعيد الأخطاء الفعلية إلى فريق الهندسة. فهو يربط المعرفة بالفعل، ويكشف المخاطر والمكاسب نفسها ضمن مجال يمكن إدارته.

يوضح نموذج Common Service Data Model من ServiceNow هذا القيد. وتحذّر الورقة البيضاء لـ CSDM 5 من أنه «إذا لم تُدرج هذه البيانات في الجداول المحددة، فقد لا تحصل على كامل قيمة منصة ServiceNow AI Platform». والتحذير نفسه يفرض قيدًا تصميميًا وتشغيليًا: إما أن تعتمد نموذج المورّد، وإما أن تقبل المخاطرة. ماذا لو كان ذلك يعني محاولة حشر وتدك الدائري في ثقبهم المربع؟

لنفترض الآن أن منصة الأنطولوجيا توفر أيضًا استيعاب البيانات وتحويلها وإجراءات وقواعد أعمال. قد تتمكن من تصدير الكيانات والسمات والعلاقات. لكن هل يمكنك أيضًا نقل عمليات التحويل ومسارات الإجراءات التي تُجري تغييرات في قواعد بياناتك، وتستدعي خطافات الويب، وتُحدث آثارًا جانبية أخرى؟ قد تؤدي عمليات التكامل الوثيقة الترابط إلى ارتهان الشركة نفسها للمنصة.

لماذا تكتسب المرونة أهمية الآن؟

البرمجيات تلتهم العالم، والذكاء الاصطناعي يلتهم البرمجيات. ومع استخدام الفرق الذكاء الاصطناعي لبناء البرمجيات وتشغيلها على حد سواء، قد يرتبط المزيد من منطق الأعمال بهذه المنصات. وقد تصبح كل عملية أتمتة مفيدة أيضًا اعتمادًا إضافيًا عند الانتقال إلى منصة أخرى. ومن الخطر أن يقف مورّد بينك وبين المرونة.

الخلاصة

إنه وقت مذهل لنكون على قيد الحياة! وليس من المستغرب أن يستكشف الناس الأنطولوجيات لتزويد الوكلاء بسياق. ويمكن أن يؤدي توسيع هذا السياق ليشمل العمليات وعمليات التكامل إلى خلق قيمة حقيقية. عُد إلى السؤال الذي افتتحنا به. ينبغي أن تجعل تصحيحات موظفيك النموذج انعكاسًا أدق لأعمالك. فهذه المعرفة المتراكمة أثمن من أن تُترك خلفك عند الانتقال إلى منصة أخرى. كما أن الوقوع في زاوية ضيقة وقت سيئ للغاية.