مقابلات
أندريا بليسا، دكتوراه، الرئيس التنفيذي للعمليات والمؤسس المشارك لشركة Druid AI – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
Andreea Pleşea، دكتوراه، الرئيس التنفيذي للعمليات والمؤسس المشارك لشركة Druid AI، هي مديرة تنفيذية تقنية ورائدة أعمال تمتلك ما يقرب من عقدين من الخبرة في هندسة البرمجيات، وتكنولوجيا المؤسسات، والذكاء الاصطناعي، والعمليات، ونجاح العملاء. منذ تأسيسها لشركة Druid AI، شغلت عدة مناصب قيادية عليا داخل المنظمة، بما في ذلك الرئيس التنفيذي للعمليات، والرئيس التنفيذي للإيرادات، والرئيس التنفيذي لنجاح العملاء، مما منحها خبرة شاملة على الجانبين التقني والتجاري لتوسيع شركة برمجيات مؤسسية. قبل انضمامها إلى Druid AI، قضت بليسا ما يقرب من عقد من الزمن في شركة TotalSoft، حيث ارتقت من مبرمجة .NET إلى مديرة تطوير البرمجيات وأخيرًا إلى مديرة تطبيقات الأعمال Charisma، حيث أشرفت على تطوير المنتجات، والتنفيذ، والدعم الفني، وهندسة الحلول، ومسؤوليات الأرباح والخسائر. تشمل خلفيتها الأكاديمية أيضًا أبحاث الذكاء الاصطناعي في جامعة روما تور فيرغاتا، حيث عملت مع مجموعة أبحاث الذكاء الاصطناعي بالجامعة على تقنيات استخراج المعلومات وتنسيقها من البيانات غير المهيكلة. كما تشغل عضوية مجلس المستشارين لمنظمة Women in Tech Romania.
Druid AI هي شركة ذكاء اصطناعي مؤسسية تركز على بناء وتنسيق وكلاء الذكاء الاصطناعي القادرين على أتمتة عمليات الأعمال المعقدة عبر المؤسسات. يجمع منصتها بين فهم اللغة الطبيعية، والذكاء الاصطناعي التوليدي، والتوليد المدعوم بالاسترجاع (RAG)، والتكاملات المؤسسية، وأتمتة سير العمل، والتحليلات، والحوكمة، مع Druid Conductor الذي ينسق عدة وكلاء متخصصين وأنظمة لتحقيق نتائج تجارية. يمكن للمؤسسات ربط وكلاء Druid بأنظمة مثل تخطيط موارد المؤسسة (ERP)، وإدارة علاقات العملاء (CRM)، وإدارة خدمات تكنولوجيا المعلومات (ITSM)، ومنصات الموارد البشرية، مع إمكانية نشر التقنية في بيئات سحابية أو هجينة أو داخلية أو معزولة. تقول الشركة إن تقنيتها تُستخدم من قبل أكثر من 300 عميل مؤسسي وتدعمها أكثر من 200 شريك عالمي، مع تطبيقات تمتد إلى دعم الموظفين، وخدمة العملاء، والرعاية الصحية، والتعليم العالي، والخدمات المشتركة.
قمتِ بتأسيس Druid AI في بوخارست عام 2018 بعد ما يقرب من عقد من الزمن في TotalSoft، حيث انتقلتِ من تطوير .NET إلى القيادة التقنية والتجارية. ما الذي أقنعكِ آنذاك بأن الذكاء الاصطناعي الحواري يمكن أن يصبح طبقة أساسية في تكنولوجيا المؤسسات، وكيف تطورت تلك الرؤية الأصلية مع تحول Druid إلى الذكاء الاصطناعي الوكيل؟
التقاطع بين مسارين متميزين – الصرامة الأكاديمية ومعاناة المؤسسات على الأرض – شكّل طريقة تفكيري أثناء دراسة الدكتوراه. ومع ذلك، لم أدرك ذلك حقًا إلا عندما قدم ليفيو دراجان، القائد ذو الرؤية المتطرفة، فكرة تأسيس Druid AI، مما جعلني أُدرك كيف يمكن للبحث الذي قمت به أن يُستَخدم في الواقع.
بين عامي 2008 و2011، ركّز بحث الدكتوراه على وكلاء ذكاء اصطناعي مستقلين يتواصلون عبر تقنيات الويب الدلالية والأنتولوجيات، مستكشفًا كيف يمكن للأنظمة الذكية أن تحل محل أو تُعَلّق فوق البرمجيات التقليدية للمؤسسات. بعد ذلك، كشف لي العمل في قيادة تكنولوجيا المؤسسات حقيقة صارمة: كنا نطلب من الموظفين إدارة تعقيد لا يُحتمل.
إنجاز مهمة روتينية واحدة كان يعني معرفة أي تطبيق يجب فتحه، وأين توجد البيانات، وأي سياسة تُطبق، ومن يملك الخطوة التالية. وفي الوقت نفسه، أصبحت الرسائل النصية الواجهة السائدة للتفاعل البشري خارج مكاتب العمل.
عندما أسسنا Druid AI في عام 2018، كانت رؤيتنا بسيطة وطموحة في آن واحد: توفير مساعد افتراضي لكل موظف وكل عميل قادر على تنسيق العمل عبر كامل المؤسسة.
بعد ما يقرب من عقد من الزمن، لم تتغير هذه الرؤية الأساسية – بل فقط لحقت التقنية بالوتيرة. كان الذكاء الاصطناعي الحواري يركز في الأساس على التعرف على النوايا، والاسترجاع، وتفعيل النصوص الثابتة. أما الذكاء الاصطناعي الوكيل فيغيّر حدود التفويض. فالوكلاء الحديثون يقيّمون الأهداف، ويتعاونون مع وكلاء فرعيين متخصصين، ويتنقلون بين الأنظمة المتباعدة، وينفّذون سير عمل متعدد الخطوات بصورة مستقلة.
بالنسبة لنا، فإن الثورة الحالية في الذكاء الاصطناعي الوكيل ليست تحولًا استراتيجيًا بعيدًا عن الذكاء الاصطناعي الحواري؛ بل هي التجسيد الطبيعي لأطروحة تأسيسنا: يجب أن تصبح تكنولوجيا المؤسسات أبسط للإنسان لتساعده على إنجاز المهمة، حتى وإن أصبحت آلية التنسيق خلف الستار أكثر تعقيدًا إلى ما لا نهاية.
ركزت معظم صناعة الذكاء الاصطناعي على بناء نماذج أساسية أكثر قوة، بينما ركّزت Druid AI على ربط نماذج مختلفة ببيانات المؤسسات وأنظمتها وسير عملها. ومع تزايد قابلية تبادل النماذج، هل تعتقدين أن التنسيق سيصبح ميزة تنافسية أهم من النموذج الأساسي نفسه؟
في Druid AI، مهمتنا الأساسية بسيطة: استخراج ما هو استثنائي من كل تفاعل بشري من خلال إنجاز المهمة بكفاءة. ولكن مع نضوج السوق، يتحول المفتاح لتقديم هذه القيمة بعيدًا عن طبقة التكنولوجيا الأساسية.
نشهد نمطًا كلاسيكيًا في تكنولوجيا المؤسسات: القدرات التي كانت في السابق تمييزًا مبكرًا تتعرض للسلعنة بسرعة. اليوم، أصبحت النماذج الأساسية متاحة لكل لاعب. سيتعين على المؤسسات نشر مزيج هجين من النماذج يُختار وفقًا للأداء، والتكلفة، والأمان، أو المتطلبات التنظيمية. ومع تحول الذكاء إلى سلعة، ينتقل ساحة المعركة الاستراتيجية إلى أعلى الطبقة.
اليوم، أصعب المشكلات في الذكاء الاصطناعي المؤسسي تتعلق بسياق التنفيذ: الحوكمة والوصول (ما هي البيانات التي يمكن للذكاء الاصطناعي الوصول إليها وتحت أي سياسات)، توجيه الوكلاء (أي وكيل متخصص يجب أن يتعامل مع مهمة معينة)، تكامل الأنظمة (كيف تنسق عدة أنظمة معاملات بأمان)، الاستقلالية مقابل السيطرة (متى يمكن للوكيل أن يتصرف بشكل مستقل، ومتى يلزم موافقة بشرية)، والقابلية للتدقيق (إذا فشل سير عمل، هل يمكنك إعادة بناء مسار القرار خطوة بخطوة).
لهذا السبب أصبح التنسيق هو الرافعة الاستراتيجية النهائية. النماذج تولد الذكاء، لكن المؤسسات تحتاج إلى تنفيذ موثوق.
تم بناء Druid AI لتكون تلك الطبقة الحاسمة للتحكم والتنسيق. فهي تربط النماذج المختلفة بأمان عبر بيانات المؤسسات، وسير العمل، والأشخاص. والأهم من ذلك، توفر الإطار المرجعي لقياس فعالية التنفيذ، وتقييم النتائج التجارية الحقيقية.
على المدى الطويل، السؤال الفائز لن يكون «ما هو النموذج الذي تستخدمه؟» بل «ما مدى فعالية تحويل الذكاء الخام إلى عمل مكتمل لموظفيك وعملائك؟»
يستطيع Druid Conductor تنسيق عدة وكلاء متخصصين عبر استرجاع المعرفة، ومنطق اتخاذ القرار، وإجراءات النظام. ما الصعوبات التقنية التي تظهر عندما تنتقل مؤسسة من مساعد ذكاء اصطناعي واحد يجيب على الأسئلة إلى عدة وكلاء يمكنهم تنفيذ عمليات تجارية متعددة الخطوات بشكل مستقل؟
التحول من واجهات حوارية بسيطة إلى بنى متعددة الوكلاء يغيّر جوهر التحدي الهندسي. تتوقف عن إدارة محادثة خطية وتبدأ في إدارة نظام موزع للقرارات والتنفيذ.
مع مساعد سؤال وجواب واحد، تكون العقبات الأساسية هي التعرف على النوايا، والاسترجاع، وتوليد الاستجابة بدقة عالية. تُدخل الأنظمة المتعددة الوكلاء فئة مختلفة تمامًا من الأنظمة الموزعة والأسئلة:
- أي وكيل يمتلك الصلاحية للتصرف، وكيف تمنع الانحراف في النطاق؟
- كيف يتم الحفاظ على الحالة عند انتقال المسؤولية بين الوكلاء؟
- كيف تُصالح القرارات المتضاربة بين الوكلاء المتخصصين؟
- كيف يرث الوكلاء الفرعيون أذونات الوصول بصورة ديناميكية وآمنة؟
تتفاقم هذه التحديات عند تطبيقها على بنية تحتية مؤسسية واقعية. قد يمتد سير عمل واحد عبر CRM، وERP، ومنصة إدارة الهوية، ونظام التذاكر، وقواعد بيانات قديمة. كل منها يعمل وفق منطق تجاري مختلف وأنماط فشل خاصة، لكن في النهاية يحتاج وكيل المنسق إلى إنجاز المهمة بشكل صحيح.
إذا فشل الخطوة الرابعة من عملية مكوّنة من ست خطوات بعد أن نفّذت ثلاثة أنظمة تغييرات معاملاتية، يتعطل خط الأنابيب الوكيل الأساسي. لا يمكن لطبقة التنسيق أن تُظهر مجرد خطأ عام؛ بل يجب أن تدير الحالة، وتنفّذ عمليات التراجع إذا لزم الأمر، وتحدّد ما إذا كان هناك توجيه بديل، أو تُصعّد الأمر إلى تدخل بشري ضمن الحلقة.
التنسيق المؤسسي الحقيقي هو إدارة الحالة، والاتساق المعاملاتي، والرصد، وتطبيق السياسات، والاستقلالية الآمنة. هدف هذه التعقيدات الأساسية هو البساطة: تقديم تفاعل واحد خالٍ من الاحتكاك حيث تُنجَز المهام المتعددة الأنظمة بسلاسة.
قامت Druid AI الآن بتشغيل أكثر من مليار محادثة عبر آلاف الوكلاء المنتشرين. على هذا النطاق، ما الذي تعلمته عن الذكاء الاصطناعي المؤسسي والذي كان من المستحيل تعلمه من التجارب التجريبية أو العروض المحدودة؟
الإنتاج يعلمك التواضع بسرعة.
عادةً ما تكون التجربة التجريبية بيئة مُتحكم فيها نسبيًا. تُحدَّد حالة الاستخدام، وتكون البيانات نظيفة إلى حد ما، ويُعرف المستخدمون، وغالبًا ما يراقب فريق المشروع عن كثب.
الإنتاج لا يشبه ذلك على الإطلاق. يطرح الأشخاص السؤال نفسه بطرق عشرين مختلفة. يغيّرون رأيهم في منتصف المحادثة. يقدّمون معلومات غير مكتملة. يبدّلون اللغات أو المواضيع. يتفاعلوا في أوقات غير متوقعة. تتغيّر السياسات. تفشل واجهات برمجة التطبيقات. تتباطأ الأنظمة الخلفية. تظهر حالات حافة جديدة لم يُفكر فيها أحد في التصميم الأصلي. شيء واحد مؤكد: توقع المستخدم هو إنجاز المهمة بفعالية، بسلاسة، وبطريقة طبيعية. سواء كان ذلك نصًا، لكن خصوصًا بالصوت، يجب أن يتدفّق الحوار طبيعيًا، دون تأخير؛ يجب أن يبدو إلى حد ما متعاطفًا، ويؤدي المهمة مقترحًا أفضل الخيارات والخطوات التالية إذا لزم الأمر، أو يعالج الاستثناءات والحلقات البشرية عند الحاجة.
بعض أعلى قيم الأتمتة يأتي من تنفيذ أشياء عادية بشكل استثنائي وتكرارها مئات الآلاف من المرات: الرد على سؤال موظف، التحقق من حساب، إعادة جدولة موعد، حل طلب تكنولوجيا معلومات، أو استرجاع المعلومات الصحيحة من نظام مؤسسي. هذا غير نظرتنا إلى قيمة الذكاء الاصطناعي.
الدرس الثاني هو أن الإطلاق الفعلي ليس سوى بداية دورة تعلم. عليك مراقبة ما يطلبه المستخدمون، أي النوايا التي تنمو، أين تفشل المحادثات، أين يصعد الأشخاص، وأحيانًا أين يحتاج عملية الأعمال الأساسية نفسها إلى تعديل.
وربما أهم درس هو أن الثقة عملية تشغيلية، حيث تثق المؤسسات بالذكاء الاصطناعي لأنه، مع مرور الوقت، يتصرف بصورة متوقعة، وتُعالج الاستثناءات بشكل صحيح، وتكون القرارات مرئية وتظل المنظمة تحت السيطرة.
تشير بيانات الإنتاج في Druid إلى أن عددًا صغيرًا نسبيًا من سير العمل يمكن أن يُشكِّل الجزء الأكبر من استخدام الذكاء الاصطناعي المؤسسي. هل يدل هذا على أن الشركات يجب أن تركز استثماراتها في الذكاء الاصطناعي أولًا على عدد قليل من سير العمل ذات الحجم العالي بدلاً من السعي إلى تحول شامل على مستوى المؤسسة؟
أحد أوضح الأنماط في بيانات إنتاجنا هو أن الطلب يميل إلى التركز. في الخدمات المالية، على سبيل المثال، ثلاثة فئات من سير العمل تمثل حوالي 90٪ من الاستخدام الإنتاجي. وفي التعليم العالي، يكون التركز أعلى حتى. هذا يُظهر لنا أمرًا مهمًا حول كيفية تفكير الشركات في تحول الذكاء الاصطناعي. لقد حللنا هذه الرؤى وقدمنا تقارير معيارية للتعليم العالي، والرعاية الصحية، والبنوك، تمكّن شركائنا وعملائنا من تحديد العمليات التي ستُحسّن الكفاءة وتساعد في توقع كيفية تفاعل البشر مع الوكلاء.
هناك إغراء، خاصة على مستوى مجلس الإدارة، للبدء بطلب واسع جدًا: «يجب عليكم استخدام الذكاء الاصطناعي وإلا ستتخلفون». ثم يتعين على فريق العمليات أن يكافح لتحديد الوظائف الصحيحة التي يمكن للوكلاء أداؤها مع الخوف من فقدان وظائفهم. إذًا، ما هو التوازن الصحيح وكيف يمكنهم توظيف الوكيل الذكي المناسب للقيام بالعمل معًا معهم مع تحقيق مؤشرات الأداء المتوقعة من المجلس؟
ابدأ من حيث يوجد إمكانات لزيادة الإيرادات أو خفض التكاليف، وهي الأشياء التي عادةً ما يكررها الناس. إذا كان آلاف العملاء أو الموظفين أو الطلاب أو المرضى يحاولون مرارًا تحقيق نفس النتيجة، لديك خط أساس قابل للقياس وفرصة قوية لإثبات القيمة.
لكن هناك تمييزًا مهمًا: ابدأ بنطاق ضيق، صمِّم بنطاق واسع.
يمكن تركيز حالات الاستخدام الأولى. يجب أن تكون المنصة التي تدعمها قادرة على التوسع عبر المؤسسة. تُثبت الاقتصاديات، ونموذج الحوكمة، والتكاملات، وآليات التصعيد البشري على عدد محدود من سير العمل ذات معنى. ثم تتوسع إلى عمليات مجاورة مستفيدًا من ما تعلمته.
لا ينبغي أن يكون الحجم هو المعيار الوحيد. يمكن لسير عمل منخفض التكرار أن يكون ذا قيمة هائلة إذا كان كل حل ناجح يحمل تأثيرًا ماليًا أو تشغيليًا كبيرًا.
مع تركيز المؤسسات المتزايد على تحقيق حل ناجح بدلاً من مجرد زيادة نسبة التفاعلات التي تُعالج دون تدخل بشري، كيف ينبغي للمؤسسات تحديد أي القرارات يمكن للوكيل الذكي اتخاذها بشكل مستقل وأين يجب أن يبقى التصعيد البشري إلزاميًا؟
قامت Druid AI ببناء إطار تقييم يغطي 26 معيارًا ويضمن تقييمًا موضوعيًا لتنسيق الوكلاء من مرحلة بنائه حتى مرحلة إنجاز المهمة.
إذا كان الإجراء قابلًا للتراجع، منخفض المخاطر نسبيًا، محكومًا بقواعد واضحة ومدعومًا بمعلومات موثوقة، فهناك حجة قوية للاستقلالية. إعادة جدولة موعد بمعلمات محددة مسبقًا تختلف كثيرًا عن اتخاذ قرار سريري وقد تبدو بسيطة. لكن يجب أن تُؤخذ العديد من العناصر في الاعتبار إذا كان من المفترض تنفيذها بفعالية: مثلاً إذا كان لدى الطبيب ب موعد شاغر، لكنه يرغب في حجزه، فلا ينبغي للوكيل الذكي إعادة جدولة موعد مريض في ذلك الموضع فقط لأن المهمة هي تعظيم تغطية جدول الطبيب.
هناك عدة أبعاد أنظر إليها: العواقب المالية أو البشرية للخطأ، ما إذا كان الإجراء قابلًا للتراجع، اكتمال وجودة المعلومات المتاحة، المتطلبات التنظيمية، وما إذا كان الحكم البشري أو التعاطف ضروريًا. ثم تُصمم عملية التصعيد عن قصد.
هنا أرى أن التفكير المبكر حول أتمتة الذكاء الاصطناعي كان بسيطًا جدًا. الهدف أصبح «احتواء أكبر عدد ممكن من التفاعلات دون إشراك بشري». لكن في العديد من العمليات، يكون التصعيد هو النتيجة الصحيحة بالضبط.
لهذا السبب أفضّل التفكير بمفهوم «الحل المُحكَم» بدلاً من «الاحتواء الصرف».
الهدف هو أن يُعيد الذكاء الاصطناعي حل العمل الذي ينبغي أن يحله بشكل مستقل، ويتعرف على المواقف التي لا يجب أن يتصرف فيها، ويُدخل شخصًا في العملية مع السياق ذي الصلة مُجهّزًا مسبقًا.
بمجرد أن يتمكن وكلاء الذكاء الاصطناعي من استرجاع معلومات حساسة، وتحديث أنظمة المؤسسة، وإطلاق إجراءات في العالم الحقيقي، تصبح القابلية للملاحظة والحوكمة أكثر أهمية. ما الذي يجب أن تكون الشركات قادرة على تدقيقه حول منطق الوكيل، وصوله للبيانات، وإجراءاته قبل أن تثق به في سير عمل حاسم؟
وفقًا لإرشادات Gartner، تمتلك DRUID إطار تقييم مدمج يُحلِّل الوكلاء من خمس زوايا: تحمل الخطأ، المخاطر، الامتثال، القابلية للملاحظة، والانحراف. تحت هذه الفئات، لدينا إجمالي 26 مكوّنًا. لكل منها تعريف، ومُستند يمكن فتحه، وقياس.
عند تقييم وكيل، يجب أن تكون المنصة قادرة على إعادة بناء السلسلة الكاملة من طلب المستخدم الأصلي إلى الإجراء النهائي للنظام. وهذا يعني معرفة أي وكيل عالج الطلب، أي نموذج استُخدم، ما السياق الذي تلقاه النموذج، ما المعلومات المؤسسية التي استُرجعت، أي قواعد أو سياسات تجارية طُبقت، لماذا تم اختيار مسار أو إجراء معين، وما الذي تغير في الأنظمة الأساسية. تُتبع وتُحلل وتُقاس عشرات التفاعلات القابلة للتدقيق.
الهوية أيضًا ذات أهمية مساوية. لا ينبغي للوكيل الذكي أن يصبح اختصارًا لتجاوز ضوابط الوصول المؤسسية. يجب معرفة من بادر بالطلب، ما الذي كان مخولًا له رؤيته أو فعله، وما إذا كان الوكيل قد بقي داخل تلك الحدود بالضبط.
مع بنى متعددة الوكلاء، تصبح القدرة على التتبع أكثر أهمية. أي وكيل فوّض وكيلًا آخر؟ ما المعلومات التي عبرت ذلك الحد؟ من أين نشأت القرار؟ أي مكوّن نفّذ الفعل فعليًا؟ ثم هناك الأدلة التشغيلية: الطوابع الزمنية، إشارات الثقة، نتائج التنفيذ، الاستثناءات، أحداث التصعيد، والقدرة على فهم أو إعادة تشغيل ما حدث.
هذا أحد أكبر التغييرات مع انتقالنا من الذكاء الاصطناعي الحواري إلى الوكيل.
عندما يقتصر الذكاء الاصطناعي على الإجابة على سؤال، تكون القابلية للملاحظة مفيدة. ولكن عندما يستطيع الذكاء الاصطناعي تغيير سجل عميل، أو تفعيل دفعة، أو تحديث عدة سجلات، أو إطلاق عملية تجارية، تصبح القابلية للملاحظة جزءًا من بنية التحكم.
شغلتِ مجموعة واسعة غير عادية من الأدوار في Druid AI، من التطوير والعمليات إلى الإيرادات ونجاح العملاء. كيف شكل العمل المباشر مع العملاء رؤيتك حول سبب تحقيق بعض تطبيقات الذكاء الاصطناعي المؤسسية قيمة قابلة للقياس بينما تظل أخرى عالقة في مرحلة التجربة؟
بدأت مسيرتي كمطوِّرة، وكغير الكثير من المهندسين، كان لدي حدس قوي بأن قيمة التقنية ستظهر إذا كانت جيدة بما فيه الكفاية. يعلمك العملاء بسرعة أن هذا ليس هو مسار عمل تكنولوجيا المؤسسات.
قد يحقق نشر تقني متقدم قيمة قليلة جدًا إذا لم تكن مشكلة الأعمال مهمة بما فيه الكفاية، أو إذا كان صاحب العملية غائبًا، أو إذا تم اعتبار التكامل فكرة لاحقة، أو إذا لم يتفق أحد على معنى النجاح. يتمتع العملاء بقدرة فائقة على تجريد السرد التقني. لا يهمهم مدى أناقة التصميم المعماري إذا لم يتحسن العملية التي يتحملون مسؤوليتها.
عندما نتحدث عن تنفيذات بهذا الحجم، يكون هناك صاحب عمل يواجه مشكلة حقيقية. هناك حجم قابل للقياس، أو تكلفة/إيراد، أو احتكاك. يتصل الذكاء الاصطناعي بالأنظمة التي يحدث فيها العمل فعليًا. وهناك خطة للتبني والتحسين المستمر بعد الإطلاق. غالبًا ما تظل التجارب تجارب لأنها تثبت أن التقنية تعمل دون إثبات أن نموذج التشغيل يعمل. لهذا السبب، كلما قمنا بحل مشروع ذكاء اصطناعي، ندرب فرقنا وشركائنا أولًا على فهم المهمة، لا النقرات التي يقوم بها المستخدمون في الأنظمة. «المهمة» تعني العملية بأكملها، وكيفية تعاملها مع الاستثناءات، وما هي النتيجة، وتكرار ظهور الاستثناءات، وما الذي يمنعها من زيادة الإنتاجية، وكم يستغرق من وقت وما الجهد المطلوب لتحقيق زيادة في الإنتاجية إذا لم تُؤتمت المهمة.
انتقلت مسيرتي عبر التكنولوجيا، والعمليات، والمبيعات، ونجاح العملاء، وبناء الشركة، وأرى الآن أن هذا التنوع هو أحد أكبر مزاياي. تُعلِّمك التكنولوجيا كيف يعمل شيء ما. تُعلِّمك المبيعات لماذا سيدفع أحدهم مقابل ذلك. تُعلِّمك نجاح العملاء ما إذا كان يعمل في العالم الحقيقي. تُعلِّمك العمليات ما إذا كانت المنظمة قادرة على تقديمه بصورة متكررة وعلى نطاق واسع.
في كثير من النواحي، تطور Druid AI سلك نفس المسار: من إثبات أن الذكاء الاصطناعي الحواري يمكن أن يعمل، إلى إثبات أنه يمكن أن يخلق قيمة، إلى بناء البنية التحتية اللازمة لجعل الوكلاء الذكيين موثوقين على نطاق المؤسسة.
شاركتِ أيضًا في Women in Tech Romania أثناء بناء Druid لتصبح شركة ذكاء اصطناعي دولية. أين ما زلتِ ترى أكبر الحواجز أمام النساء في تأسيس وقيادة شركات الذكاء الاصطناعي، وما الذي قد يزيد تمثيلهن بشكل ملموس على مستوى التنفيذيين والمؤسسين؟
تُظهر البيانات الحديثة فجوة واضحة في التقنية الأوروبية: فقط 5٪ من الشركات الناشئة في مجال الذكاء الاصطناعي تُؤسس أو تُشارك في تأسيسها نساء، ونصف هؤلاء المؤسسين فقط يحملون درجة دكتوراه. بينما الأرقام صادمة، يتطلب معالجة هذا التفاوت النظر إلى ما وراء السرديات التقليدية حول التمييز بين الجنسين.
في جوهرها، ريادة الأعمال مسعى فردي يتشكل وفقًا للشخصية، وتحمل المخاطر، والأولويات الشخصية، واختيارات المسار الوظيفي. بدلاً من اعتبار ذلك مجرد عائق اجتماعي، يجب أن نفحص الخط العملي الذي يُصنّع من خلاله المؤسسون.
بينما تميل الفتيات إحصائيًا إلى الابتعاد عن التخصصات التقنية في المراحل المبكرة، يظهر عائق أكثر أهمية وأقل نقاشًا في مراحل الحياة المهنية داخل الشركات: التعرض لملكية الأعمال الكاملة.
تتفوق النساء غالبًا كمتخصصات تقنية رفيعات المستوى وقائدات وظيفية. ومع ذلك، فإن عددًا أقل ينتقل إلى أدوار تتضمن مسؤولية مباشرة عن الإيرادات، وإدارة الأرباح والخسائر، واتخاذ القرارات التجارية، والاستراتيجية المؤسسية العامة. هذه هي العضلات التشغيلية الدقيقة المطلوبة لتأسيس وتوسيع شركة تقنية مؤسسية.
لم يكن مساري من تطوير البرمجيات إلى الرئيس التنفيذي خطًا مستقيمًا، بل سلسلة من الانتقالات عبر القيادة، والعمليات، والتنفيذ التجاري، وأخيرًا بناء الشركة. في بيئات مثل نظام التعليم الروماني، حيث غاب التعليم المالي العملي وتدريب ريادة الأعمال للجميع بغض النظر عن الجنس، كان تعلم كيفية التعامل مع مخاطر الأعمال عملية خطوة بخطوة من خلال التعرض.
يتطلب تجاوز هذه الفجوة أيضًا تفكيك أسطورة شائعة: الفكرة القائلة بأن القيادة التقنية تتطلب إتقانًا مطلقًا قبل اتخاذ الخطوة. في عصر الذكاء الاصطناعي المتسارع، لا أحد يمتلك جميع الإجابات. السمات القيادية المعرّفة اليوم هي الفضول، والتعلم المستمر، والثقة في مواجهة مشاكل معقدة قبل ضمان النتيجة.
لرؤية المزيد من النساء يديرون شركات تقنية، يجب توسيع الوصول إلى الشبكات التجارية، وتعزيز نماذج الدور المرئية، وتشجيع المواهب ذات الخبرة على الخروج من الصوامع الوظيفية، وتولي مسؤولية الأرباح والخسائر، واحتضان مخاطر ملكية الأعمال.
نظرةً إلى المستقبل، ما الذي تعتقدين أنه سيفصل بين منصات الذكاء الاصطناعي المؤسسية التي ستصبح مدمجة بعمق في عمليات الأعمال، وبين العديد من منتجات الذكاء الاصطناعي التي ستظل تكافح لتجاوز مرحلة التجربة؟
الخط الفاصل سيكون ما إذا كانوا يستطيعون الانتقال من الذكاء إلى التنفيذ الموثوق.
إنشاء استجابة مثيرة للإعجاب أصبح أمرًا سهلًا نسبيًا. لكن التشغيل الموثوق داخل مؤسسة كبيرة قصة مختلفة.
ستحتاج المنصات التي تُدمج في عمليات الأعمال إلى الاتصال بأمان بالأنظمة القائمة بدلاً من مطالبة الشركات باستبدال كل ما يستخدمونه بالفعل. ويجب أن تعمل عبر نماذج وتقنيات مختلفة.
ستحتاج إلى تنسيق قادر على تنسيق الوكلاء، وسير العمل، والقرارات البشرية. وستحتاج إلى هوية، وحوكمة، وملاحظة، وتحكم مدمجين في الهندسة بدلاً من إضافتها لاحقًا.
لكن هناك مطلبًا آخر أعتقد أنه سيفصل تدريجيًا بين التجارب والبنية التحتية: الاعتمادية تحت ظروف غير مثالية. تُظهر لك العروض ما يمكن لنظام الذكاء الاصطناعي القيام به عندما يعمل كل شيء، لكن المؤسسة تريد معرفة ما يحدث عندما لا يعمل شيء.
ماذا يحدث عندما تكون البيانات غير مكتملة؟ عندما يفشل واجهة برمجة التطبيقات؟ عندما يتعارض سياسان؟ عندما تكون الثقة منخفضة؟ عندما يطلب مستخدم شيء غير مخول له القيام به؟
إذا كان الوكيل يقدّم أداءً رائعًا في 90٪ من الوقت لكنه يتصرف بشكل غير متوقع في الـ10٪ المتبقية، لا يمكنك منحه مسؤولية عملية حاسمة.
على مدار السنوات الأخيرة، كان السؤال السائد: «ما الذي يمكن لهذا النموذج أن يفعله؟»
السؤال المؤسسي يتحول إلى: «كيف يمكنني إنجاز هذا العمل بفعالية؟»
ستكون منصات الذكاء الاصطناعي التي تُدمج بعمق في المؤسسات هي التي تستطيع الإجابة على السؤال الثاني بصورة مقنعة: تقنيًا، وتشغيليًا، واقتصاديًا. هذا هو في النهاية الفرصة التي رأيناها عندما بدأنا Druid AI: جعل الذكاء جزءًا من طريقة إنجاز العمل نفسه. شكرًا لكم على هذه المقابلة الرائعة، أيها القراء الذين يرغبون في معرفة المزيد يرجى زيارة Druid AI.
