خوان إي. ريوخاس، كبير مسؤولي المعلومات في Bland – سلسلة مقابلات

خوان إي. ريوخاس، كبير مسؤولي المعلومات في Bland، مسؤول تنفيذي متمرس في مجالي التكنولوجيا والبيانات، تمتد مسيرته المهنية لتشمل تقنية المعلومات المؤسسية وإدارة البيانات والتحليلات والعمليات والتحول الرقمي. وقبل انضمامه إلى Bland في ديسمبر 2025، شغل منصب كبير مسؤولي المعلومات في Twilio وRackspace Technology، بعد أن تولى سابقًا مناصب قيادية بصفته كبير مسؤولي البيانات في Informatica ونائب رئيس إدارة البيانات والتحليلات في Gogo. وتشمل خبراته أيضًا مناصب عليا في العمليات والإدارة لدى Dell وAccenture وExpeditors International وOfficeMax وAxonGroup، ما أكسبه خبرة واسعة في إدارة مبادرات التكنولوجيا والبيانات في مؤسسات ضخمة.

Bland شركة متخصصة في الذكاء الاصطناعي الصوتي للمؤسسات، وتطوّر وكلاء ذكاء اصطناعي قادرين على إجراء المكالمات الواردة والصادرة، وتقديم دعم العملاء، وجدولة المواعيد، واستقبال الطلبات، وتوجيهها، والتعامل مع مسارات العمل المعقدة الأخرى. وتركز منصتها على إتاحة التحكم في المكونات التقنية الأساسية، إذ تطوّر Bland نماذجها الصوتية واللغوية ونماذج الكلام وتشغّلها، مع دعم النشر عبر Bland Cloud أو السحب الافتراضية الخاصة أو البيئات المؤسسية المستضافة ذاتيًا بالكامل والمعزولة عن الشبكات. وتركز الشركة خصوصًا على حالات الاستخدام الخاضعة للتنظيم والحساسة أمنيًا، وتوفر ميزات مثل مسارات المحادثة، والتكامل مع أنظمة الاتصالات الهاتفية القائمة، وإعدادات قابلة للضبط للاحتفاظ بالبيانات، وضوابط وصول قائمة على الأدوار، وإمكانات الامتثال المؤسسي.

شغلت مناصب كبير مسؤولي المعلومات في Twilio وRackspace، وعملت كبيرًا لمسؤولي البيانات في Informatica، وأمضيت جزءًا كبيرًا من مسيرتك المهنية في مجال البنية التحتية للاتصالات وبيانات المؤسسات. ما الذي علمتك إياه هذه التجارب عن العقبات التي تواجهها المؤسسات عند تبني الذكاء الاصطناعي؟ وكيف أسهمت في تشكيل المنصة المستضافة ذاتيًا التي تطورها الآن في Bland؟

علمتني خبرتي في Twilio وRackspace وInformatica أن العقبة الأكبر أمام الذكاء الاصطناعي في المؤسسات ليست التكنولوجيا، بل الثقة والتحكم والقدرة على التشغيل الآمن على نطاق واسع. تحتاج الشركات إلى معرفة مكان وجود بياناتها، ومن يتحكم فيها، وما إذا كان الذكاء الاصطناعي قادرًا على العمل ضمن أطر الأمن والحوكمة التي أمضت سنوات في بنائها. وقد شكّل ذلك نهجنا في Bland: تزويد الشركات بمنصة مستضافة ذاتيًا تمنحها قدرات الذكاء الاصطناعي من دون إجبارها على التخلي عن التحكم في بنيتها التحتية أو بياناتها.

Bland هي منصة الذكاء الاصطناعي الصوتي الوحيدة المستضافة ذاتيًا، ما يعني أنك تملك التحكم في كل طبقة من طبقات تنسيق الذكاء الاصطناعي: تحويل الكلام إلى نص، والاستدلال باستخدام النماذج اللغوية الكبيرة (LLM)، وتحويل النص إلى كلام. لماذا اختارت Bland هذا النهج، وما أصعب التحديات التقنية التي واجهتكم عند امتلاك منظومة الذكاء الاصطناعي الصوتي بأكملها؟

اخترنا استضافة كل طبقة وامتلاكها، بدءًا من التعرّف التلقائي على الكلام (ASR)، مرورًا باستدلال النماذج اللغوية الكبيرة (LLM)، وصولًا إلى تحويل النص إلى كلام (TTS)، وذلك لثلاثة أسباب: زمن استجابة للمحادثة يقل عن ثانية واحدة، وحدود صارمة لخصوصية البيانات، وموثوقية تشغيلية عالية.

عندما تربط على التوالي خدمات خارجية متباينة، تتراكم التأخيرات. فتضاف قفزات الشبكة ذهابًا وإيابًا، وتأخيرات قوائم الانتظار المستقلة، ومرات البدء البارد بعضها إلى بعض. والنتيجة وقفة غير طبيعية من شأنها أن تقطع سلاسة المحادثة.

من خلال استضافة نماذجنا معًا ضمن بيئة تشغيل موحدة والاستغناء عن الاعتماد على واجهات برمجة التطبيقات التابعة لجهات خارجية، نتخلص من تلك القفزات. ويمنحنا ذلك أيضًا سيادة كاملة على البيانات، فلا تتسرب أبدًا تدفقات الصوت الحساسة أو نصوص المحادثات إلى مزودي النماذج الرائدة الخارجيين.

تمثلت أصعب التحديات التقنية في تنسيق زمن الاستجابة، ومزامنة تدفق البيانات، وجدولة وحدات معالجة الرسومات (GPU) في ظل التزامن العالي. ويتطلب الصوت التفاعلي في الوقت الفعلي، في الاتجاهين، توليد الرموز بسلاسة أثناء البث. كما يجب أن يبدأ محرك تحويل النص إلى كلام بتوليف الصوت قبل أن ينتهي النموذج اللغوي الكبير حتى من إنشاء الجملة.

لتحقيق ذلك، أنشأنا محركات استدلال مخصصة، ومسارات لفك الترميز التخميني بزمن استجابة منخفض، وتعديلات على النماذج الصوتية. وتعمل هذه العناصر معًا على منع التقطّع، وإدارة تبادل الأدوار في الحوار، والتعامل بسلاسة مع مقاطعات المستخدمين، وكل ذلك من دون استنفاد ذاكرة وحدات معالجة الرسومات.

تجمع منصات كثيرة للذكاء الاصطناعي الصوتي بين تحويل الكلام إلى نص والاستدلال وتوليد الكلام بالاستعانة بمزودين خارجيين مختلفين. ما مزايا امتلاك Bland وتشغيلها حصة أكبر من هذه المنظومة بنفسها، وما المفاضلات الهندسية التي يترتب عليها ذلك؟

أكبر ميزة هي التحكم في زمن الاستجابة من البداية إلى النهاية. فلا يوجد أي عبء إضافي على الشبكة بين التعرّف التلقائي على الكلام (ASR) والنموذج اللغوي الكبير (LLM) وتحويل النص إلى كلام (TTS)، ما يتيح لنا تشغيل مسارات بث موحدة، وإجراء تحسينات عبر الطبقات، والتحكم الدقيق في زمن الوصول إلى أول بايت. ولا يمكن بلوغ هذا المستوى من التحكم عندما يأتي كل مكوّن من مزود مختلف.

الميزة الثانية هي وجود نطاق موحد للأمن والامتثال. فلا تغادر البيانات بيئتنا الخاضعة لسيطرتنا، وتظل تسجيلات العملاء الصوتية ونصوص محادثاتهم ضمن نطاقنا الأمني المعتمد. وهذا يلغي مخاطر المعالجين الفرعيين من الجهات الخارجية، ويجعل الامتثال لقانون HIPAA ومعيار SOC 2 ومعيار PCI DSS أبسط بكثير. وكل من خاض مراجعة أمنية لمزود يعرف مدى أهمية ذلك.

الميزة الثالثة هي القدرة على توقع التكاليف. فلا ندفع زيادات تُحتسب لكل رمز أو لكل دقيقة مقابل واجهات برمجة التطبيقات الخارجية للنماذج الأساسية، ولذلك تظل اقتصاديات الوحدة لدينا قابلة للتوقع على نطاق المؤسسات. وبما أن النماذج ملك لنا، يمكننا أيضًا ضبط النماذج الصوتية ونماذج التنغيم وأوزان الاستدلال المخصصة لمهام بعينها مباشرةً.

لكن كل ذلك له كلفة. فهذا النهج يتطلب بنية تحتية ضخمة واستثمارات رأسمالية كبيرة في وحدات معالجة الرسومات. وتتطلب إدارة أساطيل كبيرة من وحدات معالجة الرسومات المخصصة جدولةً وتنسيقًا متقدمين وآلياتٍ للتحويل بين المناطق عند التعطل، كما أن تكاليف العتاد مرتفعة.

ونتحمل أيضًا بأنفسنا عبء صيانة النماذج وتخصيصها. فلا يمكننا إسناد أبحاث النماذج المتقدمة إلى جهات خارجية. وبدلًا من ذلك، نتولى العمل الهندسي المتواصل لتدريب النماذج الداخلية وتقييمها وصيانتها، بما يشمل مختلف اللهجات وظروف الضوضاء الخلفية واللغات.

وبالنسبة إلينا، فإن هذه المقايضة تستحق العناء.

حصلت Bland على شهادة FedRAMP 20x Class A في أغسطس، وتقول إنها أول منصة للذكاء الاصطناعي الصوتي تحصل عليها. لن يعرف معظم القراء الفرق بين 20x وبرنامج FedRAMP القديم. ما هي Class A، وما الذي كان عليكم إثباته فعليًا للحصول عليها؟

يمثل FedRAMP 20x إطارًا حديثًا قائمًا على السحابة، أُطلق بموجب القواعد الموحدة لـFedRAMP لعام 2026 (CR26). وكانت العملية القديمة تصنف كل شيء وفق مستويات التأثير الواردة في FIPS 199 (منخفض ومتوسط وعالٍ)، واشتهرت بكثرة الأعمال الورقية. أما 20x فيستبدل بهذه المستويات فئات اعتماد محددة بالحروف: A وB وC وD.

الفئة A هي المستوى التمهيدي. وهي مصممة خصيصًا لمزودي الخدمات السحابية التجاريين (CSPs) الذين لديهم بالفعل برامج أمنية متقدمة ويرغبون في دخول السوق الفيدرالية. ويمكن اعتبارها نقطة انطلاق، لا وجهة دائمة. إذ تحصل على اعتماد برنامج معترف به، يصدر مباشرةً عن مكتب إدارة برامج FedRAMP (PMO)، ثم تكون أمامك مهلة عامين للانتقال إلى الفئة B أو C أو D.

للوصول إلى ذلك، كان علينا إثبات أربعة أمور. أولًا، إجراء تدقيق حديث وموثّق من النوع SOC 2 Type II، يشمل المبادئ الأساسية للأمن والسرية والتوافر. ثانيًا، تحديد نطاق خدمة سحابية فيدرالية واضح ومعزول منطقيًا، يشمل خدماتنا الصوتية والرسائل النصية القصيرة والدردشة.

ثالثًا، تطبيق الحد الأدنى من مؤشرات الأمن الرئيسية الإلزامية في FedRAMP 20x (KSIs)، إلى جانب الاستعداد للمراقبة المستمرة. ويشمل ذلك فحص الثغرات الأمنية، وإجراءات الاستجابة للحوادث، وفرض ضوابط الوصول، وإعداد تقارير أمنية مستمرة قابلة للقراءة آليًا.

أما الأمر الرابع، فقد أثبتت فيه ملكيتنا لمجموعة التقنيات قيمتها الحقيقية. كان علينا التحقق من أن جميع عمليات تحويل الكلام إلى نص والاستدلال وتوليد الكلام تعمل حصريًا داخل حدود الحاويات المصرح بها لدى Bland، من دون نقل البيانات الفيدرالية إلى مزودي الذكاء الاصطناعي المتقدمين من الأطراف الثالثة الذين لم يخضعوا للتدقيق. ومن الصعب جدًا استيفاء هذا الشرط في منصة تجمع مكونات من مزودين خارجيين.

تدعم Bland عمليات النشر التي تتراوح بين شبكات VPC سحابية خاصة وبنية تحتية مخصصة لوحدات معالجة الرسومات داخل مقر العميل. كيف تتغير البنية عند الانتقال بين نماذج النشر هذه، ولا سيما من حيث زمن الاستجابة والتوسع ومتطلبات البنية التحتية؟

باختصار، كلما اقتربت من النشر داخل مقر العميل، انخفض زمن الاستجابة وزادت السيطرة، لكنك تتخلى عن قدر أكبر من المرونة في التوسع.

لنبدأ بزمن الاستجابة. يقلل النشر داخل مقر العميل والنشر عبر شبكات VPC المخصصة، كلاهما، من حركة البيانات عبر الشبكات الخارجية، لأنهما يقعان بالقرب من خطوط الهاتف الداخلية للمؤسسة وبوابات SIP. وفي شبكة VPC سحابية خاصة، على AWS أو GCP مثلًا، يعتمد زمن الاستجابة على الشبكات داخل المنطقة السحابية والربط البيني السحابي. أما الأجهزة المخصصة ذات العتاد غير الافتراضي داخل مقر العميل، فتذهب خطوة أبعد؛ إذ تلغي تمامًا طبقات المحاكاة الافتراضية لبرنامج إدارة الأجهزة ومسارات التوجيه عبر الإنترنت العام، ما يتيح أدنى قدر ممكن من تذبذب الإشارة الصوتية.

يظهر أثر المقايضة عند التوسع. ففي شبكة VPC سحابية، نوسّع نطاق التشغيل أفقيًا باستخدام التنسيق المرن، مثل مجموعات Kubernetes التي تتوسع تلقائيًا وتدعمها وحدات معالجة رسومات سحابية، بحيث تتكيف السعة ديناميكيًا عند ارتفاع عدد المكالمات. أما النشر داخل مقر العميل فلا يعمل بهذه الطريقة. إذ تعمل ضمن سقف ثابت للسعة المادية لوحدات معالجة الرسومات، ما يستلزم ضبطًا صارمًا لقبول الطلبات، وسياسات لإدارة قوائم الانتظار، وتجهيزًا ثابتًا للأجهزة استنادًا إلى ذروة عدد المكالمات المتزامنة. وعليك التخطيط مسبقًا لأكثر أيامك ازدحامًا.

وتختلف متطلبات البنية التحتية اختلافًا كبيرًا أيضًا. إذ يمكن لعمليات النشر عبر شبكات VPC الخاصة الاستفادة من خدمات التخزين السحابي المُدارة، وإدارة الهوية والوصول (IAM) الأصلية، والأسرار المُدارة سحابيًا. أما عمليات التثبيت داخل مقر العميل فتحتاج إلى مجموعات مخصصة لوحدات معالجة الرسومات مثبتة في الرفوف (مثل مسرّعات NVIDIA المخصصة للمؤسسات)، وشبكات محلية عالية الإنتاجية، ووحدات أمنية للأجهزة (HSMs) أو خزائن مفاتيح محلية، ومجمّعات قياس عن بُعد محلية. ويجب تشغيل كل ذلك على بيئات تشغيل حاويات مؤسسية قادرة على العمل في بيئات معزولة تمامًا عن الشبكات أو ذات اتصال خارجي محدود.

تتيح Bland للمؤسسات التحكم في الإصدارات، والحفاظ على بيئات اختبار منفصلة، واختبار الإصدارات الجديدة على نسبة من المكالمات الفعلية قبل طرحها على نطاق أوسع. لماذا تزداد أهمية ممارسات إصدار البرمجيات التقليدية مع انتقال وكلاء الذكاء الاصطناعي إلى بيئات الإنتاج التي يتعامل فيها العملاء مباشرةً؟

لأن وكلاء الذكاء الاصطناعي لا يتصرفون مثل برمجيات المؤسسات التقليدية.

تؤدي البرمجيات الحتمية المهمة نفسها في كل مرة. أما وكلاء الذكاء الاصطناعي التوليدي فاحتماليون وغير حتميين. وقد يؤدي تعديل طفيف في التوجيهات، أو تحديث لأوزان النموذج، أو تغيير في مسار العمل، من غير قصد، إلى تراجع في جودة المحادثة أو هلوسة أو انتهاك لسياسة امتثال. وغالبًا لا يكشف التغيير نفسه عن احتمال حدوث ذلك.

لهذا السبب، أصبح الانضباط القديم في إدارة الإصدارات أكثر أهمية الآن، لا أقل. فبيئات الاختبار المرحلية المعزولة واختبارات الانحدار الصارمة باستخدام مجموعات مكالمات تاريخية تكشف الكثير من المشكلات قبل إطلاق أي شيء. وتمضي عمليات النشر التدريجي خطوة أبعد من ذلك؛ إذ تُطرح النسخة الجديدة على نسبة محددة من المكالمات المباشرة، وتُراقَب مؤشرات آنية مثل تراجع المشاعر، ومعدلات تحقيق الأهداف، وارتفاع زمن الاستجابة، ومحفزات التصعيد أو الإحالة. ويحدث كل ذلك قبل إتاحتها لقاعدة أوسع من العملاء.

ما يجعل هذا الأمر غير قابل للتهاون هو حجم المخاطر. ففي خدمة العملاء أو معالجة المطالبات أو إدارة الحسابات، قد يؤدي أي إخفاق إلى التعرض للمساءلة التنظيمية أو إلى ضرر جسيم بالعلامة التجارية. والانضباط في بوابات النشر التدريجي وإمكانية التراجع الفوري هما السبيل لمنع تحديث سيئ من التحول إلى خبر سيئ.

غالبًا ما تواجه البنوك ومؤسسات الرعاية الصحية وشركات التأمين والجهات الحكومية عقبات أكبر بكثير عند نشر الذكاء الاصطناعي التوليدي مقارنةً بالشركات الأخرى. ومن خلال محادثاتكم مع هذه المؤسسات، ما الذي يحول فعليًا دون نشر المزيد من حلول الذكاء الاصطناعي الصوتي اليوم: الأمن، أم سيادة البيانات، أم الموثوقية، أم تعقيد التكامل، أم المشتريات، أم شيء آخر؟

الأمن وسيادة البيانات، بفارق كبير، ويليهما عن كثب تعقيد التكامل والبنية التقنية القديمة. وقد ظل هذا الأمر ثابتًا في محادثاتنا مع قطاعات الخدمات المصرفية والرعاية الصحية والتأمين والجهات الحكومية.

من ناحية الأمن، لا يمكن للمؤسسات الخاضعة لتنظيمات صارمة أن تقبل ببنية تعبر فيها تدفقات الصوت الحساسة أو المعلومات الصحية المحمية (PHI) أو المعلومات الشخصية غير المتاحة للعامة حدود واجهات API الخارجية، أو يحتفظ بها مزودو النماذج الخارجيون لأغراض التدريب. وبالنسبة إلى هذه الجهات، فإن قابلية التدقيق وضمانات عدم الاحتفاظ بالبيانات وحدود الامتثال الصارمة، مثل HIPAA وFedRAMP وPCI DSS، ليست مزايا إضافية مستحبة، بل متطلبات أساسية. وإذا تعذر استيفاؤها، فعادةً ما ينتهي النقاش عند هذا الحد.

التكامل هو العقبة التالية. فما زال كثير من هذه المؤسسات يعتمد على أنظمة PBX محلية قديمة، وأنظمة IVR معقدة، وأنظمة سجلات أساسية متفرقة، مثل Epic أو Cerner في قطاع الرعاية الصحية، أو الأنظمة الأساسية للحواسيب المركزية في القطاع المصرفي. ويؤدي ربط مسارات المحادثة بإمكانية الوصول الفوري منخفضة الكمون عبر واجهات API للقراءة والكتابة ثنائية الاتجاه في هذه البيئات إلى عبء تكامل كبير.

ثم هناك مخاطر الموثوقية والهلوسة. ومن المفهوم أن تشعر الفرق القانونية وفرق المخاطر والمشتريات بالقلق من تقديم وكيل صوتي مستقل نصائح مالية أو طبية أو تنظيمية غير دقيقة. وقبل الموافقة على توسيع نطاق الاستخدام في بيئة الإنتاج، تريد هذه الفرق ضوابط وقائية دقيقة، وبدائل حوارية حتمية، ومسارات واضحة للتصعيد إلى موظف بشري.

شكرًا على المقابلة الرائعة. ويمكن للقراء الراغبين في معرفة المزيد زيارة Bland.