رافي بوماكانتي، كبير مسؤولي التكنولوجيا في App Orchid – سلسلة المقابلات

رافي بوماكانتي، كبير مسؤولي التكنولوجيا في App Orchid، يقود مهمة الشركة لمساعدة الشركات في تفعيل الذكاء الاصطناعي عبر التطبيقات وعمليات اتخاذ القرارات. منتج الشركة الرئيسي، Easy Answers، يسمح للمستخدمين بالتفاعل مع البيانات باستخدام اللغة الطبيعية لتوليد لوحات تحكم مدعومة بالذكاء الاصطناعي، والاستعلامات، والactions المقترحة.

تتكامل المنصة مع البيانات المهيكلة وغير المهيكلة، بما في ذلك المدخلات في الوقت الفعلي ومعرفة الموظفين، في نسيج بيانات تنبؤي يدعم القرارات الاستراتيجية والتشغيلية. مع تقنية البيانات الكبيرة في الذاكرة وواجهة مستخدم友ية، تسهل App Orchid تبني الذكاء الاصطناعي من خلال التوزيع السريع والتنفيذ منخفض التكلفة والحد الأدنى من الإزعاج للنظم الحالية.

دعونا نبدأ بالصورة الكبيرة – ماذا يعني “الذكاء الاصطناعي العامل” بالنسبة لك، وكيف يختلف عن أنظمة الذكاء الاصطناعي التقليدية؟

يمثل الذكاء الاصطناعي العامل تحولا جوهريا من التنفيذ الثابت النمط الخاص بنظم الذكاء الاصطناعي التقليدية إلى التأليف الديناميكي. بالنسبة لي، إنه يتعلق بالانتقال من الأنظمة المبرمجة مسبقا والrigid إلى محسنة مشكلة مستقلة يمكن أن تعقل، وتخطط، وتتعاون.

ما يميز حقا الذكاء الاصطناعي العامل هو قدرته على الاستفادة من الطبيعة الموزعة للمعرفة والخبرة. تعمل أنظمة الذكاء الاصطناعي التقليدية غالبا داخل حدود محددة، متابعة مسارات محددة مسبقا.然而، يمكن لأنظمة الذكاء الاصطناعي العامل تحليل المهام المعقدة، وتحديد الوكلاء المتخصصين للمهام الفرعية – وربما اكتشافهم واستغلالهم من خلال سجلات الوكلاء – وتنسيق تفاعلهم لتركيب حل. يسمح مفهوم سجلات الوكلاء للشركات بفعالية “تأجير” القدرات المتخصصة حسب الحاجة، مشابهة لطريقة تجميع فرق الخبراء البشر، بدلا من أن تكون مجبرة على بناء أو امتلاك كل وظيفة ذكاء اصطناعي داخليا.

لذلك، بدلا من الأنظمة الشاملة، تكمن المستقبل في إنشاء بيئات حيث يمكن تكوين وكلاء متخصصين ديناميكيا وتنسيقهم – مثل مدير مشروع ماهر يقود فريقا – لمواجهة التحديات التجارية المعقدة والتطويرية بشكل فعال.

كيف يعجل مساحة الوكلاء في جوجل بتطبيق الذكاء الاصطناعي العامل عبر الشركات، وما دور App Orchid في هذا النظام البيئي؟

مساحة الوكلاء في جوجل هي معزز كبير لتبني الذكاء الاصطناعي في الشركات. من خلال توفير أساس موحد لتنفيذ وإدارة الوكلاء الذكية المرتبطة بتطبيقات العمل المختلفة، واستغلال قدرات جوجل القوية في البحث وطرازات مثل Gemini، تمكن Agentspace الشركات من تحويل المعلومات المنعزلة إلى استخبارات قابلة للعمل من خلال واجهة مشتركة.

تتصرف App Orchid كطبقة تمكين семантиقي حيوية في هذا النظام البيئي. بينما توفر Agentspace بنية تحتية للوكيل وتنسيق الإطار، يعالج منصة Easy Answers تحدي الشركة الحرج لجعل البيانات المعقدة مفهومة ومتاحة للوكلاء. نستخدم نهجًا مدعومًا بالontology لإنشاء رسوم معرفة غنية من بيانات الشركة، كاملة السياق والعلاقات – بالضبط الفهم الذي يحتاجه الوكلاء للعمل بشكل فعال وتقديم رؤى تجارية معنوية.

هذا يخلق ترابطًا قويًا: توفر Agentspace البنية التحتية للوكيل وتنسيق القدرات، بينما توفر App Orchid الفهم العميق للبيانات المعقدة للشركة الذي يحتاجه هؤلاء الوكلاء للعمل بشكل فعال وتقديم رؤى تجارية معنوية. تعاوننا مع إطار Google Cloud Cortex هو مثال رئيسي، حيث يساعد العملاء في تقليل وقت تحضير البيانات بشكل كبير (يصل إلى 85٪) بينما يستفيدون من دقة التحويل من النص إلى SQL الرائدة في الصناعة البالغة 99.8٪ لاستعلام اللغة الطبيعية. معًا، نتمكن من تمكين الشركات من نشر حلول الذكاء الاصطناعي العامل التي تفهم حقًا لغة الأعمال وتناقضات البيانات، مما يسرع من وقت القيمة.

ما هي الحواجز الحقيقية التي تواجه الشركات عند اعتماد الذكاء الاصطناعي العامل، وكيف تساعد App Orchid في التغلب عليها؟

تتمثل الحواجز الرئيسية التي نراها في جودة البيانات، وتحدي التطور المعياري للأمان – خاصةً ضمان ثقة الوكيل إلى الوكيل – وإدارة الطبيعة الموزعة للمعرفة والقدرات للوكيل.

تظل جودة البيانات مشكلة أساسية. ي 제공 الذكاء الاصطناعي العامل مخرجات غير موثوقة إذا تم تغذيته ببيانات سيئة. تعالج App Orchid هذا الأساس من خلال إنشاء طبقة семантиكية توفر سياقًا لแหลات البيانات المتنوعة. بناءً على ذلك، تتميز ميزات التمويل الجماعي الفريدة في Easy Answers بتوجيه مستخدمي الأعمال عبر المنظمة – أولئك الذين يفهمون معنى البيانات بشكل أفضل – للتعاون في تحديد وفجوات البيانات والتناقضات، مما يحسن بشكل كبير من الموثوقية.

يقدم الأمان عقبة حيوية أخرى، خاصة مع زيادة تواصل الوكيل إلى الوكيل، والذي قد يمتد ليشمل الأنظمة الداخلية والخارجية. إنشاء آليات قوية لثقة الوكيل إلى الوكيل والحفاظ على الحوكمة دون إعاقة التفاعل الضروري هو مفتاح. تركز منصتنا على تنفيذ إطارات أمنية مصممة لهذه التفاعلات الديناميكية.

أخيرا، يتطلب استغلال المعرفة والقدرات الموزعة بشكل فعال تنسيق متقدمًا. تستفيد App Orchid من مفاهيم مثل بروتوكول سياق النموذج (MCP)، الذي يزداد أهمية بشكل متزايد. هذا يسمح بالاستعانة الديناميكية بالوكلاء المتخصصين من مستودعات بناءً على الاحتياجات السياقية، مما يسهل سير العمل السلس والمتكيف بدلاً من العمليات الثابتة المحددة مسبقا. يتوافق هذا النهج مع المعايير الناشئة، مثل بروتوكول Agent2Agent من جوجل، المصمم لتوحيد الاتصالات في أنظمة الوكلاء المتعددة. نساعد المنظمات على بناء حلول ذكاء اصطناعي عامل موثوقة وفعالة من خلال معالجة هذه الحواجز.

يمكنك أن تشرح كيف يعمل Easy Answers – من استعلام اللغة الطبيعية إلى توليد الرؤى؟

يحول Easy Answers طريقة تفاعل المستخدمين مع بيانات الشركة، مما يجعل التحليل المتقدم متاحًا من خلال اللغة الطبيعية. إليك كيف يعمل:

• التواصل: نبدأ بالاتصال بمصادر البيانات للشركة – ندعم أكثر من 200 قاعدة بيانات ونظام شائع. ومن المهم أن هذا يحدث غالبا بدون الحاجة إلى نقل البيانات أو تكرارها، والاتصال بشكل آمن بالبيانات حيث تقع.
• إنشاء Ontology: تحليل منصتنا تلقائيا البيانات المرتبطة وإنشاء مخطط معرفي شامل. هذا يهيكل البيانات إلى كيانات أعمال محددة نسميها Managed Semantic Objects (MSOs)، مما يلتقط العلاقات بينها.
• تحسين البيانات الوصفية: يتم تحسين هذه Ontology بالبيانات الوصفية. يوفر المستخدمون وصفات عالية المستوى، ويتولى الذكاء الاصطناعي توليد وصفات مفصلة لكل MSO وسماته (الحقول). توفر هذه البيانات الوصفية المشتركة سياقًا عميقًا حول معنى البيانات وهيكلها.
• استعلام اللغة الطبيعية: يطرح المستخدم سؤالا بلغة أعمال بسيطة، مثل “أظهر لي اتجاهات المبيعات لمنتج X في المنطقة الغربية مقارنة بالربع الماضي”.
• تفسير وتوليد SQL: يستخدم محرك النص الطبيعي لنا البيانات الوصفية الغنية في مخطط المعرفة لتفهم نية المستخدم، وتحديد MSOs والعلاقات ذات الصلة، وترجمة السؤال إلى استفسارات بيانات دقيقة (مثل SQL). نصل إلى دقة تحويل النص إلى SQL تبلغ 99.8٪ هنا.
• توليد الرؤى (Curations): يسترد النظام البيانات ويتحديد الطريقة الأكثر فعالية لعرض الإجابة بصرية. في منصتنا، هذه التمثيلات التفاعلية تسمى “Curations”. يمكن للمستخدمين توليدها تلقائيا أو تكوينها مسبقا لتناسب الاحتياجات أو المعايير المحددة.
• تحليل أعمق (Quick Insights): لمسائل أكثر تعقيدا أو اكتشاف نشط، يمكن للمستخدمين استغلال Quick Insights. هذه الميزة تسمح لهم بتطبيق خوارزميات ML المرفقة مع المنصة على حقول البيانات المحددة تلقائيا لاكتشاف الأنماط، وتحديد الشذوذ، أو التحقق من الفرضيات بدون الحاجة إلى خبرة في علوم البيانات.

يتم إكمال هذا العملية، التي غالبا ما تكتمل في ثوان، لتحويل وصول البيانات والتحليل إلى محادثة بسيطة.

كيف يربط Easy Answers البيانات المنعزلة في الشركات الكبيرة ويكفل أن تكون الرؤى قابلة للشرح وقابلة للتتبع؟

تعد البيانات المنعزلة عقبة رئيسية في الشركات الكبيرة. يعالج Easy Answers هذا التحدي الأساسي من خلال نهج الطبقة Семантиقي الفريد.

بدلا من التكامل المادي المكلف والمعقد للبيانات، ننشئ طبقة семантиقي افتراضية. تتمثل منصتنا في بناء وجهة نظر منطقية موحدة من خلال الاتصال بمصادر البيانات المختلفة حيث تقع. هذه الطبقة مدعومة بتقنية مخطط المعرفة، التي تخطط البيانات إلى Managed Semantic Objects (MSOs)، وتحدد العلاقات بينها، وتمكينها بالبيانات الوصفية السياقية. هذا يخلق لغة أعمال مشتركة مفهومة من قبل البشر والذكاء الاصطناعي، مما يربط بنجاح الهياكل البيانية الفنية (الجداول، الأعمدة) بالمعاني التجارية (العملاء، المنتجات، المبيعات)، بغض النظر عن مكان وجود البيانات الفعلي.

يتطلب ضمان موثوقية الرؤى كلا من التتبع والشرح:

• التتبع: نقدم تتبع شامل للبيانات. يمكن للمستخدمين الحفر من أي Curations أو رؤى إلى البيانات الأصلية، معرضين جميع التحويلات والمرشحات والعمليات المطبقة. هذا يوفر الشفافية الكاملة والمراجعة اللازمة للتحقق والامتثال.
• الشرح: ت συνοδεύεται الرؤى بملخصات اللغة الطبيعية. هذه الملخصات توضح ما تظهره البيانات ولماذا هي مهمة من الناحية التجارية، مما يترجم النتائج المعقدة إلى فهم قابل للتنفيذ لمجال واسع.

هذا يربط البيانات المنعزلة من خلال إنشاء وجهة نظر семантиقي موحدة ويبني الثقة من خلال التتبع والشرح الواضحين.

كيف يضمن نظامك الشفافية في الرؤى، خاصة في الصناعات المنظمة حيث يكون تتبع البيانات حاسما؟

الشفافية ليست قابلة للتفاوض في الرؤى مدعومة بالذكاء الاصطناعي، خاصة في الصناعات المنظمة حيث تكون المراجعة والدفاعية حاسمة. نهجنا يضمن الشفافية عبر ثلاثة أبعاد رئيسية:

• تتبع البيانات: هذا هو الأساس. كما ذكرنا، يوفر Easy Answers تتبع البيانات الشامل. يمكن تتبع كل رؤية أو تمثيل أو رقم بدقة خلال دورة حياته الكاملة – من مصادر البيانات الأصلية، عبر أي انضمام أو تحويل أو مرشحات أو عمليات تطبيق – مما يوفر إثبات مصدر البيانات الذي يتطلبه المنظمون.
• visibility المنهجية: نحن نتجنب مشكلة “ال盒ة السوداء”. عندما يتم استخدام نماذج تحليلية أو ML (مثل Quick Insights)، توثق المنصة بوضوح المنهجية المستخدمة، والمتغيرات المستخدمة، والمقاييس التقييمية ذات الصلة. هذا يضمن أن “كيف” وراء الرؤية يكون واضحًا مثل “ما”.
• الشرح باللغة الطبيعية: ترجمة الإخراج الفني إلى سياق أعمال مفهوم هو حاسم للشفافية. كل رؤية مصحوبة بملخصات بلغة بسيطة توضح النتائج وأهميتها، وربما قيودها، مما يضمن الوضوح لجميع أصحاب المصلحة، بما في ذلك مسؤولي الامتثال والمراجعين.

علاوة على ذلك، ندمج ميزات الحوكمة الإضافية للصناعات التي تتمتع باحتياجات الامتثال المحددة، مثل التحكم في الوصول المستند إلى الأدوار، وعمليات الموافقة على الإجراءات أو التقارير، وسجلات المراجعة الشاملة لتتبع نشاط المستخدم وعمليات النظام. هذا النهج المتعدد الطبقات يضمن أن تكون الرؤى دقيقة وشفافة وقابلة للشرح وقابلة للدفاع.

كيف يحول App Orchid الرؤى التي تم توليدها بالذكاء الاصطناعي إلى إجراءات مع ميزات مثل الإجراءات التوليدية؟

توليد الرؤى هو شيء قيم، ولكن الهدف الحقيقي هو تحقيق نتائج تجارية. مع البيانات والسياق الصحيحين، يمكن نظام ذكاء اصطناعي عامل أن ي驱د الإجراءات لجسر الفجوة الحاسمة بين اكتشاف الرؤية والعمل الملموس، مما يغير التحليل من وظيفة تقرير سلبية إلى محرك نشط للتحسين.

هذا هو كيف يعمل: عندما يكتشف منصة Easy Answers نمطًا أو اتجاهًا أو شذوذًا أو فرصة مهمة من خلال تحليلها، يستخدم الذكاء الاصطناعي لطرح إجراءات محددة وقابلة للتطبيق استجابة لذلك.

هذه ليست اقتراحات غامضة؛ إنها توصيات محددة. على سبيل المثال، بدلا من مجرد تحديد العملاء المعرضين لخطر الانسحاب، قد يوصي بتقديم عروض احتفاظ مخصصة لقطاعات مختلفة، وربما يحسب التأثير المتوقع أو العائد على الاستثمار، ويصمم قوالب اتصال. عند توليد هذه التوصيات، يأخذ النظام في الاعتبار القواعد التجارية، والقيود، والبيانات التاريخية، والأهداف.

هذا يحافظ على الإشراف البشري. يتم تقديم الإجراءات المقترحة للمستخدمين المناسبين لمراجعة، تعديل، موافقة أو رفض. هذا يضمن أن يبقى الحكم التجاري في صلب عملية اتخاذ القرار بينما يتعامل الذكاء الاصطناعي مع تحمل الوزن الثقيل لتحديد الفرص وصياغة الاستجابات المحتملة.

مرة واحدة يتم الموافقة على الإجراء، يمكننا تشغيل تدفق عامل لتنفيذ سلس لعمليات التشغيل. قد يعني هذا تشغيل سير عمل في نظام إدارة علاقات العملاء، أو تحديث توقعات في نظام تخطيط موارد المؤسسة، أو إطلاق مهمة تسويقية مستهدفة، أو بدء عملية عمل تجارية أخرى ذات صلة – وبالتالي إغلاق الحلقة من الرؤية مباشرة إلى النتيجة.

كيف تعتبر الرسوم البيانية للمعرفة والطرازات البيانية Семантиقي حاسمة لنجاح منصتك؟

الرسوم البيانية للمعرفة والطرازات البيانية Семантиقي هي النواة المطلقة لمنصة Easy Answers؛ فهي ترقيها إلى ما هو أبعد من أدوات التجارة التقليدية التي عادة ما تعامل البيانات على أنها جداول وأعمدة منفصلة خالية من السياق التجاري الحقيقي. تستخدم منصتنا هذه لإنشاء طبقة семантиقي ذكية فوق بيانات الشركة.

هذه الأساس Семантиقي هو حاسم لنجاحنا لأسباب رئيسية:

• تمكين التفاعل باللغة الطبيعية: النموذج Семантиقي، المهيكل كرسوم معرفة مع Managed Semantic Objects (MSOs) وخصائص وعلاقات محددة، يейств ك “Rosetta Stone”. يترجم لغات الأعمال والترميز التجاري إلى الاستفسارات الدقيقة التي تحتاجها لاسترداد البيانات، مما يسمح للمستخدمين بطرح أسئلة ب自然ية دون معرفة مخططات البيانات الأساسية. هذا هو المفتاح لدقتنا العالية في تحويل النص إلى SQL.
• الحفاظ على السياق التجاري الحرج: على عكس الانضمامات العلاقية البسيطة، رسوم معرفةنا تحدد صراحة شبكة العلاقات المعقدة بين الكيانات التجارية (مثل كيفية تفاعل العملاء مع المنتجات من خلال تذاكر الدعم وأوامر الشراء). هذا يسمح بالتحليل الأعمق والأكثر سياقًا الذي يعكس كيفية عمل الأعمال.
• توفير المرونة والقابلية للتوسيع: النماذج Семантиقي أكثر مرونة من السchemas الصلبة. مع تطور احتياجات الأعمال أو إضافة مصادر بيانات جديدة، يمكن توسيع رسوم المعرفة وتعديلها بشكل متزايد دون الحاجة إلى إعادة بناء كامل، مما يحافظ على الاتساق بينما يتكيف مع التغيير.

هذا الفهم العميق للسياق البياني الذي توفره طبقتنا Семантиقي هو أساسي لكل ما تفعله Easy Answers، من الأسئلة والأجوبة البسيطة إلى اكتشاف الأنماط المتقدم مع Quick Insights، ويشكل الأساس الأساسي لقدرات الذكاء الاصطناعي العامل في المستقبل، مما يضمن أن الوكلاء يمكنهم التفكير في البيانات بmeaningfully.

ما هي النماذج الأساسية التي تدعمها، وكيف تسمح للشركات بإحضار نماذج الذكاء الاصطناعي / التعلم الآلي الخاصة بها إلى تدفق العمل؟

نعتقد في نهج مفتوح وممكن. نحترم تطور الذكاء الاصطناعي السريع واحتياجات الشركات الحالية.

للمodels الأساسية، نحافظ على التكامل مع الخيارات الرائدة من مقدمي الخدمات المتعددين، بما في ذلك عائلة Gemini من جوجل، وطرازات GPT من OpenAI، والبديل المفتوح المصدر البارز مثل Llama. هذا يسمح للشركات باختيار النماذج التي تناسب بشكل أفضل أداءها، وتكلفة، وحوكمة، أو احتياجات القدرة المحددة. هذه النماذج تقدم ميزات منصة مختلفة، بما في ذلك الفهم الطبيعي للغة للاستفسارات، وتوليد SQL، وملخصات الرؤية، وتوليد البيانات الوصفية.

علاوة على ذلك، نقدم مسارات قوية للشركات لجلب نماذج الذكاء الاصطناعي / التعلم الآلي المخصصة إلى تدفق العمل:

• النماذج المطورة في Python يمكن دمجها غالبا بشكل مباشر من خلال محرك الذكاء الاصطناعي.
• نقدم القدرات التكاملية السلسة مع منصات التعلم الآلي السحابية الرئيسية مثل Google Vertex AI وAmazon SageMaker، مما يسمح بنماذج مدربة ومضيفة هناك للاستدعاء.

بشكل حاسم، تلعب طبقتنا Семантиقي دورًا حاسمًا في جعل هذه النماذج المخصصة المتقدمة متاحة. من خلال ربط مدخلات ومخرجات النموذج بالConcepts التجارية المحددة في مخطط المعرفة (MSOs والخصائص)، نسمح للمستخدمين غير التقنيين باستغلال القدرات المتقدمة للتنبؤ والتصنيف أو السببية (مثل Quick Insights) دون الحاجة إلى فهم العلوم البيانية الأساسية – يتفاعلون مع المصطلحات التجارية المألوفة، ويتولى النظام الترجمة الفنية.

ما الاتجاهات التي تريها تشكل موجة الذكاء الاصطناعي التالية في الشركات – خاصة في سوق الوكلاء وتصميم الوكلاء بدون كود؟

تتحرك موجة الذكاء الاصطناعي التالية نحو النظم البيئية الديناميكية والقابلة للتأليف والتعاون. هناك اتجاهات متعددة تتقارب لتشكيل هذا:

• سوق الوكلاء وسجلات الوكلاء: سنرى ارتفاعًا كبيرًا في سوق الوكلاء التي تعمل جنبًا إلى جنب مع سجلات الوكلاء الداخلية. هذا يshift من نموذج البناء الشامل إلى نموذج “تأجير وتركيب”، حيث يمكن للشركات اكتشاف وتكامل الوكلاء المتخصصين بشكل ديناميكي مع القدرات المحددة كما هو مطلوب، مما يسرع بشكل كبير من نشر الحلول.
• اتصالات الوكلاء الموحدة: من أجل عمل هذه النظم البيئية، يحتاج الوكلاء إلى لغات مشتركة. بروتوكولات الاتصال الموحدة بين الوكلاء، مثل بروتوكول سياق النموذج (MCP) الذي نستخدمه، ومبادرات مثل بروتوكول Agent2Agent من جوجل، أصبحت ضرورية لتمكين التعاون السلس، ومشاركة السياق، وتحديد المهام بين الوكلاء، بغض النظر عن من بناها أو أين تعمل.
• التنسيق الديناميكي: ستستبدل سير العمل الثابتة المحددة مسبقًا بالتنسيق الديناميكي. ستختار طبقات التنسيق الذكية الوكلاء وتكوّنها وتنسقها في وقت التشغيل بناءً على سياق المشكلة، مما يؤدي إلى نظم أكثر مرونة ومتانة.
• تصميم الوكلاء بدون كود: ستتوسع الديمقراطية إلى إنشاء الوكلاء. منصات بدون كود وlow-code ستسمح للمختصين التجاريين، وليس فقط خبراء الذكاء الاصطناعي، بتصميم وإنشاء وكلاء يحتويون على معرفة ومحتوى منطقي محدد، مما يزيد من مجموعة القدرات المتخصصة المتاحة.

دور App Orchid هو توفير الأساس Семантиقي الحاسم لهذا المستقبل. من أجل أن تعمل الوكلاء في هذه النظم البيئية الديناميكية بشكل فعال وتنفيذ مهام معنوية، يحتاجون إلى فهم البيانات. توفر طبقتنا Семантиقي ذلك الفهم السياقي، مما يسمح للوكلاء بالتفكير والعمل على البيانات بmeaningfully.

كيف تتوقع أن تتطور دور رئيس التكنولوجيا في مستقبل يُدمج فيه الذكاء الاصطناعي العامل في اتخاذ القرارات؟

تُرفع ديمقراطية الذكاء الاصطناعي العامل دور رئيس التكنولوجيا بشكل جوهري. يتحول من كونه مسؤولاً أساسياً عن البنية التحتية للتكنولوجيا إلى معماري استراتيجي للذكاء التنظيمي.

التطورات الرئيسية تشمل:

• من مدير الأنظمة إلى معماري النظام البيئي: ينتقل التركيز من إدارة التطبيقات المنفصلة إلى تصميم وتنسيق وتحكم في النظم البيئية الديناميكية للوكلاء ومصادر البيانات والقدرات التحليلية. يتضمن هذا الاستفادة من سوق الوكلاء وسجلات الوكلاء بشكل فعال.
• استراتيجية البيانات كاستراتيجية أعمال أساسية: يصبح من المهم أن تكون البيانات ليس فقط متاحة ولكن أيضًا غنية семantically، موثوقة، ومتاحة. سيكون دور رئيس التكنولوجيا حاسمًا في بناء أساس مخطط المعرفة الذي يpowers النظم الذكية عبر الشركة.
• تطوير نماذج الحوكمة: سيتطلب الذكاء الاصطناعي العامل نماذج حوكمة جديدة – معالجة ثقة الوكيل، والأمان، والاستخدام الأخلاقي للذكاء الاصطناعي، ومراجعة القرارات الآلية، وإدارة السلوك الناشئ في تعاون الوكلاء.
• دعم المرونة: سيكون دور رئيس التكنولوجيا حاسمًا في غرس المرونة في نسيج تقني وعمليات الشركة، مما يخلق بيئات حيث تؤدي رؤى الذكاء الاصطناعي إلى استجابات سريعة و学习 مستمر.
• تعزيز التعاون بين البشر والذكاء الاصطناعي: سيكون جانبًا حاسمًا من ذلك تعزيز ثقافة وتصميم أنظمة حيث يعمل البشر والوكلاء الذكية بشكل مترابط، مما يعزز نقاط قوتهم.

في النهاية، يصبح دور رئيس التكنولوجيا أقل تركيزًا على إدارة التكاليف التقنية وأكثر على دعم وتحفيز “القدرة على الذكاء” للشركة. إنه تحول نحو أن يصبح شريكًا استراتيجيًا حقيقيًا، مما يسمح للشركة بأسرها بالعمل بشكل أكثر ذكاءً وتنوعًا في عالم يتزايد تعقده.

شكراً على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة App Orchid.