لماذا تواجه وكلاء الذكاء الاصطناعي في الشركات مشكلة معرفية وليست تكنولوجية

في العام الماضي ، أفادت شركة S&P Global أن نسبة الشركات التي تتخلى عن معظم مبادرات الذكاء الاصطناعي قد زادت أكثر من الضعف ، من 17٪ إلى 42٪. قبل ذلك ، نشرت شركة Gartner تقريراً يتنبأ بأن 40٪ من مشاريع الذكاء الاصطناعي سوف يتم إلغاؤها بحلول نهاية عام 2027.

وفقًا لشركة McKinsey & Company ، تقريباً نصف جميع الشركات تجرب وكلاء الذكاء الاصطناعي. ولكن كم عدد الذين انتقلوا إلى ما وراء مرحلة الاختبار ويعملون فعلاً؟ حوالي واحد من كل عشرة.

لا يوجد نقص في الشرح في الصناعة: هلوسات النموذج ، نقص الحوكمة ، تكاليف وحدة معالجة الرسومات العالية ، ونقص في الأخصائيين. جميع هذه هي تحديات حقيقية. ولكن بعد ثلاث سنوات من العمل مع أنظمة إدارة المعرفة ووكلاء الذكاء الاصطناعي ، أرى بشكل متزايد نمطًا مختلفًا: الشركات تقدم بيانات غير كاملة إلى وكلائها.

كدكتور في العلوم التربوية ، أرى هذا كمشكلة في نقل المعرفة. إذا لم يتمكن شخص من شرح كيفية اتخاذ القرارات ، لا يمكن نقل منطقيته إلى موظف جديد – ناهيكم عن وكيل ذكاء اصطناعي. دعونا نستكشف لماذا يحدث هذا وما يمكن القيام به حيال ذلك.

حيث تقع معرفة كيفية عمل الشركة بشكل فعلي

اسأل شركة كبيرة عن مكان تخزين معرفة الموظفين ، وستسمع قائمة طويلة: Confluence ، SharePoint ، منصات LMS ، bots FAQ ، أرشيف Slack. قد يبدو أن هذا هو بالضبط ما يمكن أن يستخدمه نظام RAG لاسترجاع كل ما يحتاجه. ولكن هناك عنصر حاسم مفقود – المعرفة التي تعيش في رؤوس الناس. المعرفة التي لم يتم كتابة أي منها من قبل.

لماذا هذا مشكلة؟

لأن وكيل الذكاء الاصطناعي ليتولى جزءًا من تدفق العمل – لفهم السياق ، واختيار إجراء ، وإكمال المهمة – يحتاج ليس فقط إلى الوصول إلى قاعدة معرفة ، ولكن أيضًا إلى منطق اتخاذ القرار الذي يستخدمه خبير متمرس.

تخيل وكيل دعم جديد يتلقى طلبًا: يزعم العميل أنه دفع مقابل خدمة ، ولكن لم يتم تنشيط الوصول. يحتوي النص على مجموعة معيارية من الخطوات التي تنتهي بطلب من العميل الانتظار. ومع ذلك ، يلاحظ الوكيل أن الوضع غير عادي: العميل قد اتصل بالدعم مرتين بالفعل ، وهناك العديد من الحالات المماثلة في النظام خلال الساعة الماضية. يتواصل مع زميل أكثر خبرة ، الذي يشرح أنهم رأوا هذا من قبل وأن القضية على الأرجح فشل في تقاطع بوابة الدفع والبنك والنظام الداخلي لتنشيط الوصول – لذلك يجب رفع القضية إلى قسم آخر.

من أجل وكيل الذكاء الاصطناعي ، هذا المنطق غير مرئي. قد يكون لديه الوصول إلى النص وال历史ية التذاكر ووضع الدفع إذا كانت هذه مصادر البيانات متصلة ، Nhưng لا يعرف الإشارات التي يعتبرها مشغل متمرس حاسمة. ليس لأن الخبراء يخفون هذا المعرفة عن قصد. إنهم ببساطة لا يستطيعون تحويلها إلى خطوات: أي خيارات تم استبعادها ، لماذا تم اختيار إجراء معين ، وفي أي نقطة أصبح واضحًا أن السيناريو القياسي لا ينطبق. يسمي علماء المعرفة هذه الظاهرة معرفة ضمنية – معرفة ضمنية قد لا يكون حاملها على دراية بها.

هذا هو السبب في أن الزجاجة العاجزة لا تنشأ على مستوى الوصول إلى الوثائق ، ولكن في مرحلة تحويل خبرة الخبير إلى صيغة مناسبة لتدريب وكيل الذكاء الاصطناعي.

ماذا يمكن القيام به حيال ذلك

لجعل وكيل الذكاء الاصطناعي يعمل بشكل فعال ، لا يكفي ببساطة توصيل LLM بقاعدة معرفة شركية ، لأن القرارات الناجحة غالبًا ما تعتمد على المعرفة الضمنية. يجب إنشاء طبقة معرفية أولاً ، بما في ذلك معايير اتخاذ القرار المهيكلة.

في إدارة المعرفة ، يسمى هذا العملية الخارجية – تحويل المعرفة الضمنية إلى معرفة صريحة. بعبارة أخرى ، تحتاج الشركة إلى فهم ليس فقط ما يفعله الخبير ، ولكن كيف يفكر. هذا يتم عادةً من خلال سلسلة من المقابلات العميقة مع خبير رائد. إلى جانبهم يجب أن يكون هناك شخص ماهر في طرح الأسئلة الصحيحة: منهجية ، مهندس معرفة ، أو خبير تصميم تعليمي. مهمتهم ليست كتابة “تعليمات بناءً على ما يقوله الخبير” ، ولكن إعادة بناء معايير الاختيار بين الخيارات ، وتحليل الحالات الحدية ، ورفع الأخطاء النموذجية التي يتعامل معها الخبير تلقائيًا.

هنا يمكن أن يساعد الذكاء الاصطناعي بشكل كبير: نسخ المقابلات ، وجماعات الحالات المماثلة ، وتحويل شرح الخبير إلى مسودات سيناريوهات ، وتوليد حالات للتحقق. ومع ذلك ، لا يزال الهيكل النهائي يحتاج إلى مراجعة واعتماد الخبير.

النتيجة يجب أن تكون مجموعة معرفية تعمل. يمكن استخدامها في两个 اتجاه في نفس الوقت – لتدريب موظفين جدد وتكوين وكيل ذكاء اصطناعي. كلا السيناريوهين يعتمدان على نفس الأساس: خبرة مهيكلة من خبراء رائد.

البديل هو الاستمرار في الاعتماد على افتراض أن RAG على Confluence سوف يعادة بناء المنطق الذي لم يتم توثيقه قط. في الممارسة ، هذا نادرًا ما يعمل: قد يسترد النظام وثيقة ذات صلة ، ولكنه لن يتعلم كيفية اتخاذ القرارات في الحالات التي يعتمد فيها الإجراء الصحيح على السياق والخبرة.

كيفية التحقق من أن الوكيل جاهز للعمل

لقد قمت بتحويل معرفة الخبير إلى سيناريوهات وتكوين الوكيل. ولكن هناك فجوة بين إجابات الوكيل المعقولة والأداء التشغيلي الحقيقي – وهذه الفجوة لا تظهر إلا خلال التحقق. في هذه المرحلة ، من المهم تحديد ما إذا كنت قد أدرجت بالفعل كل المعرفة الضرورية.

منهج عملي هو الاختبار القائم على السيناريو. تقدم الوكيل حالات حقيقية من عمل الخبير اليومي: يطالب العميل بخصم ، أو يصل بريد إلكتروني غير عادي ، أو يظهر طلب لا يتناسب مع السيناريو الأساسي. يجب تقييم النتائج ليس من قبل LLM آخر ، ولكن من قبل نفس الخبير الذي ساعد في بناء مجموعة المعرفة. إذا اتخذ الوكيل مسارًا مختلفًا عن الخبير المتمرس ، فلا يعني ذلك دائمًا أن النموذج ضعيف. أكثر souvent ، يشير إلى أن هناك قاعدة حاسمة أو استثناء أو مثال مفقود. في هذه الحالة ، يعود العملية إلى البداية: يشرح المنهجي المنطق مع الخبير ، وتحديث مجموعة المعرفة ، وتحسين الإرشادات ، ويتكرر الاختبار.

هذا الدورة ليس خطوة اختيارية ، ولكن مرحلة تحدد الفرق بين وكيل يظهر “إمكانيات” ووكيل يعمل فعلاً. إنه جزء بطيء وغير ملهم من العملية: لا ينتج عرضًا مثيرًا ، ويتطلب مشاركة الخبراء. ولكن أولئك الذين يمررون به بشكل منهجي ينتهون بوكلاء يخفضون فعلاً العمل الروتيني للمتخصصين. أولئك الذين يتجاوزونه ، غالبًا ما يجدون أنفسهم في إحصائيات Gartner ، التي تتنبأ بأن 40٪ من المشاريع سوف يتم إلغاؤها.

الوكلاء الذكاء الاصطناعي لا يفشلون بسبب التكنولوجيا – النماذج الحديثة قادرة بالفعل على أداء مهام معقدة. يفشلون لأن الشركات “تغذي”هم معرفة غير كاملة. في 2024-2025 ، يمكن أن يُعزى هذا إلى مرحلة تجريبية. في 2026 ، يأتي هذا الخطأ بالفعل بتكلفة عالية.