السياق: بناء أساس موثوق للبيانات من أجل الذكاء الاصطناعي الوكيلي

السياق عنصر أساسي في تواصلنا. فقد تبدو الملاحظات المجرّدة من سياقها وكأنها تعني عكس المقصود تمامًا. وإذا التقينا شخصًا خارج سياقه المعتاد، فقد يصعب علينا التعرّف إليه. والسياق هو الرابط الذي يجمع العلاقات الإنسانية ويتيح لنا استخلاص المعنى من تفاعلاتنا الاجتماعية.

وينطبق الأمر نفسه على وكلاء الذكاء الاصطناعي. فالسياق هو ما يمكّن الوكلاء من إزالة الالتباس، والتمييز، على سبيل المثال، بين Apple، شركة التكنولوجيا، وApple، شركة إنتاج الأسطوانات، والتفاحة بوصفها ثمرة.

ويكتسب هذا التمييز أهمية بالغة، لأن الذكاء الاصطناعي في المؤسسات يتخذ القرارات وينفذ الإجراءات بسرعة فائقة، من رصد المعاملات والموافقة على الائتمان إلى إطلاق التنبيهات. وإذا لم يفهم الوكلاء الكيانات المعنية بسير العمل لديهم، فسيواصلون العمل، لكن من المؤكد أنهم سيرتكبون الأخطاء.

وبما أن بعض التقديرات تشير إلى أنالمؤسسة الكبيرة النموذجية ستستخدم ما يصل إلى 1,600 وكيل بحلول نهاية هذا العام، فستتفاقم هذه الأخطاء سريعًا.

تعقيدات تحديد الهويات الرقمية

يثير الذكاء الاصطناعي الوكيلي حماسًا كبيرًا، وعن حق، لكننا نخاطر ببناء قصور على الرمال ما لم يتمكن الوكلاء من فهم الكيانات الموجودة في مجموعات بياناتهم فهمًا حقيقيًا.

ليست هذه مشكلة يسهل حلها. فقد يظهر عميل واحد، على سبيل المثال، في قواعد بيانات مؤسسية مختلفة وبأسماء مدرجة بصيغ شتى (J. Bloggs، Jane Bloggs، Bloggs، وغيرها). وبالمثل، قد يُدرج كيان مؤسسي واحد على نحو منفصل في كل واحدة من شركاته التابعة. فكيف يمكن للوكلاء معرفة أن هذه الكيانات التي تبدو مختلفة ترتبط في الواقع بملف تعريفي واحد؟

غالبًا ما تعجز الأنظمة عن ذلك حاليًا، وهذا نتيجة لطريقة بناء الوكلاء. فالوكيل، في جوهره، نظام يستقبل مدخلات ويُصدر مخرجات. لكن ما مقدار البيانات التي ينبغي أن نزود بها الوكلاء تحديدًا؟ تشير الأبحاث إلى أن نوافذ السياق الطويلة أكثر من اللازم تدفع الوكلاء إلى الهلوسة. وعلى العكس، إذا زُوّد الوكيل ببيانات أقل من اللازم، فسيتخذ قرارًا بثقة وينفذ إجراءً استنادًا إلى معلومات غير دقيقة. لذا، يتعين على المؤسسات أن تلتزم توازنًا دقيقًا، فتقدم للنظام القدر الذي يحتاج إليه من السياق، لا أكثر ولا أقل.

تكامل البيانات هو الأساس

حجم البيانات ليس سوى جانب واحد من التحدي. إذ ينبغي للمؤسسات أيضًا مراعاة جودة البيانات وتكاملها. وينشأ السياق غير السليم عن ضعف الترابط بين البيانات. وقد تحدث الهلوسة عندما تكون البيانات التي يحتاج إليها الوكيل لاتخاذ قرار مجزأة بين قواعد بيانات وتطبيقات ووحدات أعمال معزولة ومتعددة. ويقع نحو 80-90% من سياق الأعمال في ملفات معزولة وغير منظمة ضمن أنظمة غير مترابطة. ومن دون الوصول إلى هذه المعلومات، ستستند مخرجات الذكاء الاصطناعي إلى افتراضات غير مكتملة.

على الرغم من هذه المشكلات كلها، يتواصل نشر وكلاء الذكاء الاصطناعي بوتيرة متسارعة. وإذا لم يستطع قادة الأعمال الوثوق بقدرة وكلائهم على التوصل إلى قرارات دقيقة والتصرف على نحو صحيح، فسيتعين عليهم الاستثمار في مستويات أعلى من الإشراف البشري مما كان سيلزم لولا ذلك. وبدلًا من الوكلاء المستقلين ذوي الكفاءة العالية الذين كانوا يأملون فيهم، ستجد المؤسسات نفسها أمام أدوات لا يمكن الوثوق بها، وتحتاج إلى مراقبتها باستمرار. أما البديل فهو زيادة مخاطر الأعمال وأعباء العمل على فريقي الامتثال والشؤون القانونية.

بناء أساس للبيانات السياقية

فما الذي ينبغي فعله؟ يكمن الحل في تزويد الوكلاء بأساس بيانات دقيق وموثّق. يوحّد هذا الأساس البيانات المجزأة من المصادر الداخلية والخارجية، ويطبّق حوكمة متسقة على البيانات المنظمة وغير المنظمة. ثم يضيف السياق، بحيث تعكس البيانات المقدمة إلى الذكاء الاصطناعي العلاقات في العالم الحقيقي، لا السجلات المنعزلة. وهذا ما يتيح للوكلاء ربط الشخص بالأسماء المستعارة التي يستخدمها، أو ربط الشركة التابعة بالشركة الأم.

وبوجود أساس سياقي، تصبح العمليات المدعومة بالذكاء الاصطناعي دقيقة وقابلة للتفسير، وقادرة على دعم اتخاذ القرارات بثقة. ويمكن للمؤسسات الوثوق بوكلائها بدلًا من الاضطرار إلى مراقبتهم باستمرار، والاستفادة بذلك من المزايا الكاملة للأتمتة القائمة على الوكلاء من دون الحاجة إلى إشراف مفرط.

من الناحية التقنية، يتحقق السياق من خلال إمكانيتين. أولهما حلّ الكيانات، وهو يربط السجلات التي تشير إلى الكيان نفسه عندما تكون هذه الإشارات مبعثرة عبر أنظمة وأنواع بيانات مختلفة. وتُوحّد السجلات في عرض واحد موثوق للأشخاص والمؤسسات والأصول. ويُعالج بذلك التكرار والالتباس اللذان غالبًا ما يقوضان جودة البيانات ويؤديان إلى نتائج غير دقيقة للذكاء الاصطناعي.

أما الإمكانية الثانية فهي الرسوم البيانية المعرفية. وتضيف هذه الرسوم سياقًا من خلال نمذجة العلاقات بين الكيانات: كيفية ارتباط العملاء بالحسابات، وارتباط المعاملات بالسلوك، وانتقال المخاطر عبر الشبكات. وعند دمجها مع حلّ الكيانات، ترسم الرسوم البيانية المعرفية صورة دقيقة للبيانات كما هي في العالم الحقيقي، وتوفر لوكلاء الذكاء الاصطناعي الأساس الذي يحتاجون إليه للعمل بنجاح على نطاق واسع.

فوائد تتجاوز الذكاء الاصطناعي الوكيلي

بالطبع، لا تقتصر الجهات التي تستخدم البيانات داخل المؤسسات على وكلاء الذكاء الاصطناعي. فضمان وجود أساس للبيانات السياقية يتيح للموظفين المعنيين بالعمليات، وفرق الامتثال، ومحللي الأعمال، وفرق الموارد البشرية، وسائر مستخدمي البيانات الاستفادة بالمثل من رؤية موحّدة ودقيقة للعالم.

وهذا بدوره قد يسهم في تحسين تجربة العملاء. فعلى سبيل المثال، إذا احتفظت شركة بملفات تعريف متعددة للعميل نفسه، فقد يؤدي ذلك إلى تواصل فرق مختلفة معه في مناسبات متعددة. وقد تترك مثل هذه التجارب العملاء مستائين، على أقل تقدير. وتعزز البيانات المدعومة بالسياق تجربة العملاء، إذ تمكّن المؤسسات من فهم عملائها على نحو أشمل، وضمان التواصل معهم بالطريقة الصحيحة. وفي نهاية المطاف، يُعد هذا نهجًا أكثر مراعاةً للجانب الإنساني، ويمكنه توفير الوقت والمال للشركات.

الحفاظ على نزاهة الذكاء الاصطناعي

تتوقع Gartner أن 40% من التطبيقات المؤسسية ستضم وكلاء ذكاء اصطناعي مخصصين لمهام بعينها هذا العام، ارتفاعًا من أقل من 5% في عام 2025. لقد حلّ عصر الذكاء الاصطناعي الوكيلي.

لكن ليس كل من يستثمر في هذه التقنية سيستفيد بالقدر نفسه من المزايا الكاملة لسير عمل الذكاء الاصطناعي الوكيلي. فالمؤسسات التي تهيئ الأرضية من خلال ضمان وجود أساس بيانات موحّد وغني بالسياق ستتمكن من الوثوق بمخرجات الذكاء الاصطناعي والتوسع بسرعة. أما البقية فستهدر الوقت والجهد في مراقبة أنظمتها الجديدة باستمرار. لذا، يتوقف النجاح على دمج طبقة سياقية حية في حزمة تقنيات الذكاء الاصطناعي الوكيلي منذ اليوم الأول.