أندريه يونوفيتش، الرئيس التنفيذي لشركة XBP Global – سلسلة مقابلات

أندريه يونوفيتش هو الرئيس التنفيذي لشركة XBP Global، وهي شركة متعددة الجنسيات للتكنولوجيا والخدمات، تركّز على سير العمل المؤسسي الحيوي لمهام الشركات. وتطبّق XBP Global الذكاء الاصطناعي الوكيلي في بيئات خاضعة للتنظيم، تشمل الرعاية الصحية والقطاع العام والخدمات المالية، حيث تُعد الدقة والأمن وسيادة البيانات وقابلية التدقيق أمورًا أساسية. في هذه المقابلة، يناقش يونوفيتش تنسيق العمليات التكيفي، والنماذج ذات الأوزان المفتوحة، والمعالجة الذكية للمستندات، والتحكيم البشري، وما يتطلبه تحويل الذكاء الاصطناعي من قدرة تقنية إلى نتائج تشغيلية قابلة للقياس.

بدأت مسيرتك المهنية محاميًا في المعاملات قبل أن تنتقل إلى عمليات الدمج والاستحواذ والتحول المؤسسي، ثم تتولى في نهاية المطاف قيادة XBP Global. كيف أسهمت هذه الخلفية في تشكيل طريقتك في تقييم الحوكمة والمخاطر التجارية والأثر التنظيمي لنشر الذكاء الاصطناعي في سير العمل الحيوي للمهام؟

أميل إلى النظر إلى الذكاء الاصطناعي انطلاقًا من نموذج التشغيل. فالعمل في المعاملات والتحول يجعلك معتادًا على التساؤل عمّا إذا كان الهيكل متماسكًا فعلًا بعد تجاوز مرحلة العرض والبدء بالتنفيذ.

تزداد أهمية ذلك كثيرًا عند التعامل مع الذكاء الاصطناعي، إذ قد يحقق النموذج أداءً ممتازًا بمعزل عن غيره، ومع ذلك يؤدي إلى نتائج تشغيلية سيئة. في الرعاية الصحية والقطاع العام والخدمات المصرفية، لا مجال للتهاون في دقة المعالجة والامتثال التنظيمي وقابلية التدقيق. ويجب أن تفهم أين توجد البيانات، وما المسموح للنظام بفعله، وكيفية ضبط القرارات، وما هي قاعدة التكاليف عند تشغيل سير العمل على نطاق واسع.

يجب أن تُدمج الحوكمة في تصميم هذه البنية. أريد أن أعرف أين يعمل النموذج، وما المعلومات التي تعبر حدود المؤسسة، وما الذي يُسجل في سجل التدقيق، وما الذي يحدث عندما يصل سير العمل إلى قرار يتطلب مستوى مختلفًا من الرقابة.

لعل هذا هو الجانب الذي تترك فيه خلفيتي أكبر أثر. فأنا عمومًا أقل اهتمامًا بما تستطيع التقنية فعله في عرض توضيحي مضبوط، وأكثر اهتمامًا بمعرفة ما إذا كان بالإمكان إدماجها في عملية حيوية للمهام والاعتماد عليها.

تصف XBP Global الذكاء الاصطناعي الوكيلي بأنه تطور يتجاوز الأتمتة التقليدية القائمة على القواعد وأتمتة العمليات الروبوتية. ما الذي يتغير تقنيًا عندما ينتقل سير العمل من اتباع تعليمات محددة مسبقًا إلى استخدام وكلاء ذكاء اصطناعي قادرين على الاستدلال واتخاذ القرارات وتنسيق مهام متعددة؟

تصبح البنية أكثر قدرة على التكيف بكثير.

تعمل أتمتة سير العمل التقليدية على نحو حتمي. فلديك قواعد، وتعرف ما سيحدث في الخطوة التالية، وتضيف مزيدًا من المنطق الثابت كلما ازدادت العملية تعقيدًا. وينجح ذلك جيدًا جدًا في الأعمال التي يمكن التنبؤ بها. لكن الصعوبة تظهر عندما يصبح عدد القواعد هائلًا أو تتغير العملية بوتيرة أسرع من قدرة النظام على إعادة بنائه.

ما نعمل عليه الآن هو التنسيق التكيفي للعمليات. يمكنك الإبقاء على محركات القواعد الحتمية حيثما تتطلب الدقة والامتثال ذلك، ثم إدخال نماذج ذكية في أجزاء سير العمل التي يضيف فيها الاستدلال قيمة. ويمكن للوكلاء تنسيق المهام والوصول إلى المعلومات واختيار الإجراء التالي من دون الحاجة إلى أن يبرمج أحد مسبقًا كل مسار محتمل للعملية.

والتغيير الآخر هو أن استبدال النموذج الأساسي يصبح أسهل. ونشهد تحسنًا سريعًا جدًا في النماذج ذات الأوزان المفتوحة والمناسبة للاستخدام المؤسسي. وإذا صُمم مسار المعالجة على نحو سليم، فبإمكانك دمج نموذج أقوى مع تطور المنظومة من دون إعادة بناء العملية التشغيلية بأكملها حوله.

لذلك أعتقد أن الأصل التقني المهم على نحو متزايد هو سير العمل نفسه: التنسيق والمعرفة المتخصصة والضوابط والبيانات المحيطة بالنموذج.

تجرب شركات كثيرة الذكاء الاصطناعي، لكنها تواجه صعوبة في الانتقال من المشاريع التجريبية إلى الإنتاج. ما أكثر العوائق المعمارية أو التنظيمية شيوعًا التي تحول دون نشر المؤسسات لسير العمل الوكيلي على نطاق واسع؟ 

بدأ العملاء يتجاوزون مرحلة التجريب. فقد شاهدوا العروض التوضيحية وسمعوا وعودًا جريئة جدًا بشأن عائد الاستثمار. وعند نقطة ما، لا بد أن يدمج أحدهم التقنية في عملية فعلية ويجعلها تعمل.

وهنا تصبح البنية صعبة. إذ يجب أن يتصل سير العمل الإنتاجي بالبيئة القائمة لدى الشركة. وقد يلزم الاحتفاظ بالمعلومات الحساسة في سحابة خاصة أو في مقر الشركة. ولا بد من إتاحة الوصول إلى الأنظمة القائمة، واستيفاء المتطلبات التنظيمية، وضمان أن تصمد الجدوى الاقتصادية عند العمل على نطاق المؤسسات.

فزنا مؤخرًا بعقد يتعلق بدورة صيانة أسطول طائرات تابع لشركة طيران عالمية. وستُمثّل بيانات كل بند من بنود الصيانة على شكل متجهات، ثم تُخزّن في قاعدة بيانات متجهية خاصة داخل السحابة الخاصة بالعميل. وتتولى البنية التحتية الوكيلة إدارة الوصول إلى تلك المعلومات، وتدعم إعادة إنتاج السجلات عند انتهاء عقود تأجير الطائرات أو بيعها.

تختلف هذه المسألة اختلافًا كبيرًا عن مجرد إثبات قدرة نموذج على الإجابة عن سؤال بشأن سجل طائرة. فأنت تتعامل مع بيئة تشغيلية متكاملة، تتضمن ضوابط للبيانات وعملية يجب أن تعمل بصورة متكررة.

على المستوى التنظيمي، غالبًا ما تكمن الفجوة في تحديد المسؤولية. فلا بد أن يفهم أحدهم العملية بعمق يكفي لتحديد ما يعنيه التشغيل الفعلي. ومن دون هذا الانضباط التشغيلي، قد تظل التجربة الأولية مبهرة مدة طويلة جدًا من دون أن تصبح مفيدة.

تجمع XBP Global بين الأتمتة والإشراف البشري ضمن الحلقة، ولا سيما عند اتخاذ القرارات ذات العواقب الكبيرة. كيف تحددون القرارات التي يمكن لنظام ذكاء اصطناعي تنفيذها باستقلالية، وتلك التي يجب أن يظل الحكم البشري جزءًا من عملية اتخاذها؟ 

نصمم دور الإنسان ليتركز على الفصل في الحالات.

في مسارات العمل ذات العواقب الكبيرة، يكون هناك عادةً قدر كبير من المهام التي يمكن أن تمضي عبر المسار بدرجة عالية من الثقة. ثم تظهر حالات استثنائية تكون فيها المعلومات غير مكتملة، أو الظروف غير مألوفة، أو تكون عواقب الإجابة الخاطئة وخيمة للغاية.

عندما يصل المسار إلى إحدى هذه الحالات، يحيل المعاملة إلى خبير في المجال. ويتولى ذلك الشخص البت فيها، ثم يمكن إدخال حكمه مجددًا في النظام كي يواصل النموذج التحسن.

أرى أن حلقة التغذية الراجعة هذه مهمة. وتكون قيمة الإشراف البشري أكبر عندما يسهم في تحسين سير العمل بمرور الوقت. فالخبير يوظف معرفته بالمجال في الحالات التي لا يزال النموذج بحاجة إليها فيها.

تعتمد عتبة الاستقلالية أيضًا إلى حد كبير على البيئة. فالفصل في قضايا الرعاية الصحية، وسجلات القطاع العام، والعمليات المالية الخاضعة للتنظيم، لها متطلبات تختلف عن متطلبات مهمة داخلية منخفضة العواقب. ويجب أن يعكس مستوى الثقة المقبول ما يترتب فعليًا على القرار عندما يتصرف النظام بناءً عليه.

يعمل عملاؤكم في قطاعات خاضعة للتنظيم وفي القطاع العام، حيث تُعد سيادة البيانات وأمنها وقابليتها للتدقيق أمورًا أساسية. كيف يمكن للمؤسسات نشر نماذج لغوية كبيرة ضمن بيئات محمية من دون المساس بالقدرات التي تجعل هذه الأنظمة مفيدة؟ 

تُحدث النماذج مفتوحة الأوزان تغييرًا كبيرًا في الإجابة عن هذا السؤال.

ساد لفترة طويلة افتراضٌ مفاده أن تحقيق أفضل أداء للنموذج يتطلب إرسال المعلومات إلى بيئة جهة أخرى. وهذا يخلق مشكلة واضحة عندما يتعين إبقاء البيانات داخل حدود المؤسسة.

يمكننا الآن استخدام نماذج مفتوحة الأوزان بمستوى مؤسسي ودمجها في مسارات عمل تشغيلية قائمة على الوكلاء، مع إبقاء البيانات داخل بيئة العميل. وقد يعني ذلك بنية تحتية في سحابة خاصة أو داخل مقر المؤسسة، بحسب المتطلبات. وهكذا تظل المؤسسات مستفيدة من التطورات في منظومة النماذج الأوسع، مع الحفاظ على الضوابط التي تحتاج إليها لضمان سيادة البيانات.

ويجب أن تكون البنية قادرة أيضًا على التغيير. فلا مبرر لافتراض أن نموذج اليوم سيظل الأفضل لمهمة بعينها. وقد صُممت بروتوكولات التدريب لدينا بحيث تتيح لنا دمج نماذج جديدة بسرعة في مسار عمل قائم.

تكتسب هذه المرونة قيمة كبيرة للغاية لدى العملاء الخاضعين للتنظيم، إذ يمكن لسير العمل أن يواصل التحسن مع بقاء حدود البيانات سليمة. كما أنها تتيح البدء في تلبية متطلبات مثل قانون الاتحاد الأوروبي للذكاء الاصطناعي، من دون التعامل مع الامتثال على أنه أمر يُضاف بعد نشر التقنية بالفعل.

لا يزال قدر كبير من معلومات المؤسسات حبيس المستندات والصور والأنظمة القديمة والسجلات الورقية. كيف تتطور معالجة المستندات الذكية، وما دورها في تحويل البيانات المجزأة إلى معلومات تستطيع وكلاء الذكاء الاصطناعي استخدامها على نحو موثوق؟

أعتقد أن معالجة المستندات الذكية أصبحت جزءًا من البنية التحتية لسير العمل القائم على الوكلاء.

تاريخيًا، اعتمدت معالجة كثير من المستندات على قوالب محددة. فكنت تعرف شكل المستند والحقل الذي تريده، ثم يستخرجه النظام. لكن معلومات المؤسسات نادرًا ما تكون بهذه البساطة. ففي قطاع الرعاية الصحية وحده، قد تشمل المستندات كشوف تفسير المنافع التأمينية (EOBs)، والمراسلات المعقدة، ومعلومات المطالبات، والسجلات الواردة بتنسيقات مختلفة.

أما النهج الأحدث، فيراعي السياق بدرجة أكبر بكثير. إذ يمكن معالجة المعلومات غير المهيكلة، وفهم ما هو ذو صلة، وتحويلها إلى مخرجات مهيكلة تستطيع الأنظمة اللاحقة استخدامها فعليًا. وهذا مهم لأن الوكيل لا يستطيع تنسيق سير العمل على نحو موثوق إذا كانت المعلومات التي يستند إليها غير مكتملة أو فُسرت على نحو خاطئ.

ويغيّر حجم العمل طبيعة المشكلة أيضًا. فنحن ندير بيئات تعالج كميات هائلة من الصور والمطالبات ومعاملات الدفع وغيرها من المستندات. وعند هذا المستوى، يتحول أي تفاوت طفيف في جودة الاستخراج إلى مشكلة تشغيلية كبيرة جدًا.

لذلك، تحتل معالجة المستندات الذكية (IDP) مكانة متزايدة في مقدمة سير العمل الذكي. فهي تحوّل المعلومات المجزأة إلى بيانات قابلة للاستخدام، وتوفر للمرحلة التالية من العملية أساسًا موثوقًا للعمل عليه، وتمهد الطريق لمزيد من الأتمتة في المراحل اللاحقة.

تحدثت XBP Global عن نقل العمليات القديمة القائمة على القواعد إلى مسارات عمل قائمة على الذكاء الاصطناعي الوكيلي، وتحقيق مستويات أعلى من الحسم من المحاولة الأولى. ما الذي يجب أن يفهمه نظام الذكاء الاصطناعي عن عمليات المؤسسة واستثناءاتها ومعارفها المؤسسية قبل أن يتمكن من تقديم نتائج يمكن الاعتماد عليها؟

لم يُدوَّن قدر كبير من المعرفة المؤسسية قط في وثائق واضحة للعملية.

تكمن هذه المعرفة في الأنظمة القديمة ومجموعات القواعد وفي أحكام الأشخاص الذين أمضوا سنوات في إدارة العملية. فهم يعرفون المعلومات المهمة، والقاعدة المنطبقة في ظروف معينة، وما يترتب لاحقًا على اتخاذ القرار الخاطئ.

عند نقل هذه الأعمال إلى نظام جديد، لا بد من الحفاظ على تلك المعرفة التشغيلية. وفي مجالنا، يعني ذلك غالبًا الجمع بين المنطق الحتمي والذكاء الاصطناعي، بدلًا من افتراض ضرورة الاستغناء فورًا عن كل قاعدة. ففي بعض مراحل سير العمل الخاضع للتنظيم، يكون محرك القواعد مفيدًا للغاية لأن المتطلبات دقيقة. وفي مراحل أخرى، يستطيع نموذج ذكي التعامل مع التباين بفاعلية أكبر بكثير.

وتحدد الخبرة المتخصصة في المجال الموضع المناسب لكل منهما.

ولهذا السبب أيضًا، لا يمكن النظر إلى حل المشكلة من المحاولة الأولى بوصفه مجرد نتيجة يحققها النموذج. إذ يجب أن تفضي إجراءات العمل إلى نتيجة تصمد أمام الخطوة التالية في العملية. وإذا أدت إلى تصعيد آخر في مرحلة لاحقة، فهذا يعني أنك نقلت المشكلة بدلًا من حلها.

يجب أن يفهم النظام العملية بالقدر الكافي ليدرك كيف تبدو المعاملة الناجحة من بدايتها إلى نهايتها.

تطبق XBP Global الأتمتة ليس على عمليات العملاء فحسب، بل أيضًا على انتقالها الداخلي إلى نموذج تشغيلي يرتكز على الذكاء الاصطناعي أولًا. ما الذي تعلمتموه من استخدام الشركة ميدانًا تجريبيًا داخليًا، وكيف توازنون بين تحسين الإنتاجية وتطوير القوى العاملة وإدارة التغيير؟

كنا سبّاقين إلى حد كبير في تطبيق هذه التقنيات داخليًا، لأنني أعتقد أن المرء يتعلم بسرعة كبيرة حين ترتبط النتائج بأداء شركته الاقتصادي.

من المتوقع الآن أن تحقق جهودنا لأتمتة العمليات بالاعتماد على الذكاء الاصطناعي أولًا وفورات تشغيلية سنوية تتراوح بين 65 مليونًا و75 مليون دولار، مع توقع تحقيق نحو 35 مليون دولار من هذه الوفورات خلال عام 2026. وبلغت الإيرادات لكل موظف نحو 89,000 دولار في الربع الثاني، ارتفاعًا من نحو 82,000 دولار في الربع السابق، ونتوقع أن يقترب هذا الرقم من 100,000 دولار بحلول نهاية العام.

هذه مؤشرات مفيدة، لأنها توضح لنا ما إذا كان نموذج التشغيل يحقق فعلًا إنتاجية أعلى.

وللتغيير آثار حقيقية على القوى العاملة. إذ نقدّر أن عدد الموظفين عالميًا سينخفض بنحو 20% بحلول نهاية عام 2026، في إطار انتقالنا إلى نموذج تشغيل أعلى إنتاجية. ويجب أن تقر إدارة التغيير بأن تحسن الإنتاجية يغيّر متطلبات التوظيف.

وفي الوقت نفسه، يجب أن يزداد تأهيل العاملين الذين يواصلون العمل ضمن هذه الإجراءات. فنحن بحاجة إلى خبراء في المجال ومهندسين معماريين ومشغّلين قادرين على تنظيم العمل وتقييم المخرجات وتحمل مسؤولية اتخاذ قرارات ذات قيمة أعلى.

إن تنفيذ هذا التحول داخل شركتنا جعل النقاش أكثر واقعية بكثير. وسرعان ما يتضح أي أتمتة تحقق كفاءة مستدامة، وأي نشاط لا يعدو أن يكون استخدام شخص ما للذكاء الاصطناعي بوتيرة أكبر.

غالبًا ما تُسوَّق مشاريع الذكاء الاصطناعي المؤسسي من خلال العروض التوضيحية بدلًا من نتائج أعمال قابلة للقياس. ما المقاييس التي ينبغي للقادة استخدامها لتقييم إجراءات العمل الذكية، وكيف ينبغي لهم احتساب الدقة ومعدلات الحالات الاستثنائية ووقت المعالجة والتكلفة التشغيلية والحد من المخاطر؟

سأقيّم إجراءات العمل على مستويين.

على المستوى التشغيلي، أريد معرفة مدى الدقة، ومعدل حل الحالات من المحاولة الأولى، ووقت المعالجة، وحجم الحالات الاستثنائية، وتكلفة إنجاز العمل. وفي البيئات الخاضعة للتنظيم، يهمني أيضًا ما إذا كان بالإمكان تدقيق المعاملة، وما إذا كانت الضوابط تصمد باستمرار عند التعامل مع أحجام كبيرة.

بعد ذلك، أريد معرفة ما إذا كانت هذه التحسينات تنعكس على الأداء الاقتصادي للشركة.

في XBP، بلغ هامش الربح الإجمالي المعدّل 24.9% في الربع الثاني، وهو أعلى مستوى لنا حتى الآن، فيما ارتفعت الإيرادات لكل موظف إلى نحو 89,000 دولار. كما رفعنا هدفنا للوفورات التشغيلية السنوية إلى نطاق يتراوح بين 65 مليونًا و75 مليون دولار، بعد تحديد فرص إضافية للأتمتة.

وتخبرك هذه المؤشرات بأمور تختلف عما تكشفه نتيجة معيارية. فهي توضح ما إذا كانت التقنية تغيّر هيكل تكاليف العمليات.

قد يحقق سير العمل دقة ممتازة في النموذج، ومع ذلك يكون تطبيقه سيئًا إذا كانت تكلفة تشغيله مرتفعة جدًا أو تسبب في كثير من إعادة العمل يدويًا. وأعتقد أن على القادة متابعة النتائج حتى نهايتها. فلا بد أن تحقق التقنية فائدة تشغيلية تظهر في جانب يمكن قياسه فعليًا.

بالنظر إلى المستقبل، هل تتوقعون أن يظل الذكاء الاصطناعي الوكيلي طبقةً تُضاف إلى أنظمة المؤسسات الحالية، أم سيصبح طبقة التنسيق الأساسية التي يتفاعل عبرها الأشخاص والبرمجيات والبيانات والعمليات التجارية؟

أعتقد أن المزيد من إجراءات العمل سيعتمد على الوكلاء.

ستظل لدى المؤسسات أنظمة ومستودعات بيانات وتطبيقات تؤدي وظائف محددة. لكن ما سيتغير هو طريقة انتقال العمل بينها. إذ يستطيع مسار عمل قائم على الوكلاء استرجاع المعلومات وتنسيق الأدوات وإطلاق الإجراءات وتحديد الوقت الذي تتطلب فيه المعاملة نوعًا آخر من التدخل.

ويمكن ملاحظة ذلك بالفعل في مثال شركة الطيران. فسجلات الصيانة محفوظة في قاعدة بيانات متجهية خاصة ضمن بيئة العميل، فيما تتولى طبقة الوكلاء إدارة كيفية الوصول إلى تلك المعلومات واستخدامها خلال دورة حياة الصيانة.

أتوقع أن يصبح هذا النوع من التنسيق أكثر شيوعًا بكثير.

ستواصل النماذج الأساسية التغيّر. وتتحسن النماذج مفتوحة الأوزان بسرعة، وسيأتي جيل آخر بعد الجيل الذي نستخدمه اليوم. وهذا يجعل طبقة التنسيق تزداد أهمية، لأن المؤسسات تحتاج إلى بنية راسخة تحيط بهذه النماذج.

إذا بنيت خط المعالجة حول العملية والمعرفة المتخصصة بالمجال ومتطلبات الأمان وضوابط المؤسسة، فستتمكن من مواصلة الاستفادة من النماذج الأفضل عند ظهورها. وأعتقد أن قدرًا كبيرًا من القيمة طويلة الأجل يكمن في ذلك.

شكرًا على هذه المقابلة الرائعة. ويمكن للقراء الراغبين في معرفة المزيد زيارة XBP Global.