ساكيت سوراب، الرئيس التنفيذي ومؤسس Nexla – سلسلة المقابلات

ساكيت سوراب، الرئيس التنفيذي ومؤسس Nexla، هو رائد أعمال يتمتع بشغف عميق بالبيانات والبنية التحتية. وهو يقود تطوير منصة هندسة بيانات تلقائية من الجيل التالي مصممة لجلب القدرة والسرعة لأولئك الذين يعملون مع البيانات.

في السابق، أسس سوراب شركة ناجحة في مجال الهواتف المحمولة حققت إنجازات مهمة، بما في ذلك الاستحواذ والطرح العام الأولي والنمو إلى أعمال تبلغ قيمتها ملايين الدولارات. كما ساهم في منتجات وتكنولوجيا مبتكرة متعددة خلال فترة عمله في Nvidia.

Nexla تمكن من تلقين هندسة البيانات بحيث تكون البيانات جاهزة للاستخدام. يتم تحقيق ذلك من خلال نهج فريد من Nexsets – منتجات بيانات تجعل من السهل على أي شخص دمج وتحويل وتسليم ومراقبة البيانات.

ما الذي ألهمك لتأسيس Nexla، وكيف ساهمت تجاربك في هندسة البيانات في تشكيل رؤيتك للشركة؟

قبل تأسيس Nexla، بدأت رحلتي في هندسة البيانات في Nvidia ببناء تكنولوجيا متقدمة وموسعة على الجانب الحسابي. بعد ذلك، قادت شركتي السابقة في رحلة الاستحواذ والطرح العام الأولي في مجال الإعلانات المتنقلة، حيث كانت كميات كبيرة من البيانات والتعلم الآلي جزءًا أساسيًا من عروضنا، مع معالجة حوالي 300 مليار سجل بيانات كل يوم.

النظر إلى المناظر الطبيعية في عام 2015 بعد أن أصبحت شركتي السابقة عامة، كنت أبحث عن التحدي الكبير التالي الذي يثيرني. قادمًا من تلك الخلفيات، كان من الواضح بالنسبة لي أن تحديات البيانات والحوسبة تتلاقى حيث كان المجال يتحرك نحو تطبيقات أكثر تقدمًا مدعومة بالبيانات والذكاء الاصطناعي.

في حين أننا لم نعرف في ذلك الوقت أن الذكاء الاصطناعي التوليدي (GenAI) سيتقدم بسرعة كما هو عليه الآن، كان من الواضح أن التعلم الآلي والذكاء الاصطناعي سيكونان أساسًا للاستفادة من البيانات. لذلك بدأت أفكر فيما نوع البنية التحتية المطلوبة للأشخاص ليكونوا ناجحين في العمل مع البيانات، وكيف يمكننا جعلها ممكنة لأي شخص، وليس فقط للمهندسين، للاستفادة من البيانات في حياتهم المهنية اليومية.

dẫn إلى رؤية Nexla – لتبسيط وتلقين الهندسة وراء البيانات، حيث كانت هندسة البيانات حلًا مخصصًا داخل معظم الشركات، خاصة عند التعامل مع مشاكل بيانات معقدة أو كبيرة النطاق. كان الهدف هو جعل البيانات متاحة وقابلة للوصول لمستخدمين أوسع نطاقًا، وليس فقط لمهندسي البيانات. ساهمت تجاربي في بناء أنظمة وبرامج بيانات قابلة للتوسع في هذا الرؤية لتسهيل الوصول إلى البيانات من خلال التلقين والتبسيط.

كيف تعكس Nexsets مهمة Nexla في جعل البيانات جاهزة للاستخدام للجميع، ولماذا هذه الابتكار حاسم للشركات الحديثة؟

تعكس Nexsets مهمة Nexla في جعل البيانات جاهزة للاستخدام للجميع من خلال معالجة التحدي الأساسي للبيانات. كانت 3Vs للبيانات – الحجم والسرعة والتنوع – مشكلة مستمرة. لقد حقق المجال بعض التقدم في معالجة التحديات المتعلقة بالحجم والسرعة. ومع ذلك، بقي تنوع البيانات عائقًا كبيرًا حيث أدى انتشار الأنظمة والتطبيقات الجديدة إلى زيادة كبيرة في تنوع الهياكل والتنسيقات للبيانات.

نهج Nexla هو نمذجة وربط البيانات تلقائيًا من مصادر متنوعة في كيان متسق ومحزم، وهو منتج بيانات نسميه Nexset. هذا يسمح للمستخدمين بالوصول والعمل مع البيانات دون الحاجة إلى فهم التعقيدات الكامنة للمصادر والهياكل المختلفة للبيانات. يعمل Nexset كبوابة، يوفر واجهة بسيطة وواضحة للبيانات.

هذا حاسم للشركات الحديثة لأنها تمكن المزيد من الأشخاص، وليس فقط مهندسي البيانات، من الاستفادة من البيانات في عملهم اليومي. من خلال تجريد تنوع و複雑ية البيانات، يجعل Nexsets من الممكن للمستخدمين التفاعل مباشرة مع البيانات التي يحتاجونها، دون الحاجة إلى خبرة تقنية متقدمة.

كما عملنا على جعل التكامل سهل الاستخدام للمستهلكين أقل تقنيًا – من واجهة المستخدم وكيفية تعاون الناس وإدارة البيانات إلى كيفية بناء التحويلات والتدفقات. تجريد تعقيدات تنوع البيانات هو مفتاح تسهيل الوصول إلى البيانات وتفعيل مجموعة أوسع من المستخدمين لاستخلاص القيمة من أصول المعلومات الخاصة بهم. هذه القدرة الحاسمة للشركات الحديثة التي تسعى إلى أن تصبح أكثر تع赖ًا على البيانات وتستفيد من رؤى مدعومة بالبيانات في جميع أنحاء المنظمة.

ما الذي يجعل البيانات “جاهزة للذكاء الاصطناعي التوليدي”، وكيف تعالج Nexla هذه المتطلبات بشكل فعال؟

الإجابة تعتمد جزئيًا على كيفية استخدام الذكاء الاصطناعي التوليدي. معظم الشركات تنفذ استرجاع تعزيز التوليد (RAG). هذا يتطلب أولًا تحضير وتشفير البيانات لتحميلها في قاعدة بيانات متجه، ثم استرجاع البيانات عبر البحث لإضافتها كسياق إدخال إلى نموذج لغة كبير (LLM) لم يتم تدريبه باستخدام هذه البيانات. لذلك، تحتاج البيانات إلى تحضيرها بحيث تعمل بشكل جيد للبحوث المتجهة والنموذجات LLM.

بغض النظر عن استخدام RAG أو تعزيز التوليد المُحسّن (RAFT) أو أداء تدريب النموذج، هناك بعض المتطلبات الرئيسية:

• تنسيق البيانات: نموذجات الذكاء الاصطناعي التوليدي غالبًا ما تعمل بشكل أفضل مع البيانات في تنسيق معين. يجب هيكلة البيانات بحيث يمكن للنموذج استيعابها ومعالجتها بسهولة. يجب أيضًا “تقسيمها” بحيث يساعد النموذج على استخدام البيانات بشكل أفضل.
• التواصل: تحتاج نموذجات الذكاء الاصطناعي التوليدي إلى الوصول الديناميكي إلى مصادر البيانات ذات الصلة، بدلاً من الاعتماد على مجموعات بيانات ثابتة. هذا يتطلب الاتصال المستمر بالأنظمة والمستودعات البيانية المختلفة للشركة.
• الأمان والحوكمة: عند استخدام بيانات شركة حساسة، من الحاسم وجود ضوابط أمان وحوكمة قوية. يجب أن تكون الوصول والاستخدام للبيانات آمنين ومطابقين للسياسات التنظيمية الحالية. كما يجب حوكمة البيانات المستخدمة من قبل النماذج LLM لمساعدة منع انتهاكات البيانات.
• القدرة على التوسع: يمكن أن تكون نموذجات الذكاء الاصطناعي التوليدي مكلفة فيما يتعلق بالبيانات والحوسبة، لذلك يجب أن تكون البنية التحتية للبيانات قادرة على التوسع لتحقيق متطلبات هذه النماذج.

تعالج Nexla هذه المتطلبات لجعل البيانات جاهزة للذكاء الاصطناعي التوليدي بطرق رئيسية:

• الوصول الديناميكي إلى البيانات: يوفر منصة تكامل البيانات في Nexla طريقة واحدة للاتصال بمئات المصادر ويعمل بنمطات تكامل وسرعات بيانات مختلفة، جنبًا إلى جنب مع التوجيه، لتزويد نماذج الذكاء الاصطناعي التوليدي بأحدث البيانات التي تحتاجها، عندما تحتاجها، بدلاً من الاعتماد على مجموعات بيانات ثابتة.
• تحضير البيانات: تتمتع Nexla بالقدرة على استخراج وتحويل وتهيئة البيانات في تنسيقات مُحسّنة لكل حالة استخدام للذكاء الاصطناعي التوليدي، بما في ذلك التشفير المدمج ودعم عدة نماذج التشفير.
• الخدمة الذاتية والتعاون: مع Nexla، لا يستخدم المستهلكون البيانات فقط بشكل مستقل ويبنون Nexsets والتدفقات. يمكنهم أيضًا التعاون ومشاركة عملهم عبر سوق تتيح لهم تحسين الإنتاجية من خلال إعادة استخدام البيانات.
• التوليد التلقائي: التكامل والذكاء الاصطناعي التوليدي كلاهما صعب. تلقن Nexla العديد من الخطوات اللازمة بناءً على اختيارات المستهلك البيانات – باستخدام الذكاء الاصطناعي وتقنيات أخرى – بحيث يمكن للمستخدمين القيام بالعمل بشكل مستقل.
• الحوكمة والأمان: تدمج Nexla ضوابط أمان وحوكمة قوية في جميع أنحاء النظام، بما في ذلك التعاون، لضمان أن يتم الوصول والاستخدام للبيانات الحساسة للشركة بطريقة آمنة ومطابقة.
• القدرة على التوسع: تم تصميم منصة Nexla لتوسيع نطاقها لتحقيق متطلبات حمولة الذكاء الاصطناعي التوليدي، وتوفير القدرة الحوسبية اللازمة والتوسع المرن.

يجب بناء التكامل المتوحد والخدمة الذاتية والتعاون والتوليد التلقائي وحوكمة البيانات معًا لجعل تسهيل الوصول إلى البيانات ممكنًا.

كيف تساهم أنواع و مصادر البيانات المتنوعة في نجاح نماذج الذكاء الاصطناعي التوليدي، وما دور Nexla في تبسيط عملية التكامل؟

تحتاج نماذج الذكاء الاصطناعي التوليدي إلى الوصول إلى جميع أنواع المعلومات لتوفير أفضل الرؤى وتوليد مخرجات ذات صلة. إذا لم تقدم هذه المعلومات، فلا يجب أن تتوقع نتائج جيدة. هذا يشبه الناس.

تحتاج نماذج الذكاء الاصطناعي التوليدي إلى تدريب على مجموعة واسعة من البيانات، من قواعد بيانات منظمة إلى وثائق غير منظمة، لبناء فهم شامل للعالم. توفر مصادر البيانات المختلفة، مثل مقالات الأخبار والتقارير المالية والتفاعلات مع العملاء، معلومات سياقية قيمة يمكن أن يستفيد منها هذه النماذج. كما يسمح التعرض لبيانات متنوعة لنماذج الذكاء الاصطناعي التوليدي أن تصبح أكثر مرونة وتكيفًا، مما يسمح لها بمعالجة مجموعة أوسع من الاستفسارات والمهام.

تجرد Nexla من تنوع جميع هذه البيانات مع Nexsets، وتبسط الوصول إلى几乎 أي مصدر، ثم استخراج وتحويل وتوجيه وتحميل البيانات بحيث يمكن للمستهلكين البيانات التركيز على البيانات فقط، وعلى جعلها جاهزة للذكاء الاصطناعي التوليدي.

ما هي الاتجاهات التي تشكل النظام البيئي للبيانات في عام 2025 وما بعده، خاصة مع ظهور الذكاء الاصطناعي التوليدي؟

ت сосر الشركات في الغالب على استخدام الذكاء الاصطناعي التوليدي لبناء مساعدين أو مساعدين لتعزيز الناس في العثور على إجابات وتحسين القرارات. الذكاء الاصطناعي الوكيل، وكلاء ي автомة المهام بدون مشاركة الناس، هو بالتأكيد اتجاه متزايد مع تحركنا إلى عام 2025. وكلاء، مثل المساعدين، يحتاجون إلى التكامل لضمان تدفق البيانات بسلاسة – وليس فقط في اتجاه واحد ولكن أيضًا في تمكين الذكاء الاصطناعي من التصرف على هذه البيانات.

اتجاه آخر مهم لعام 2025 هو زيادة تعقيد أنظمة الذكاء الاصطناعي. هذه الأنظمة تصبح أكثر تطورًا من خلال دمج مكونات من مصادر مختلفة لإنشاء حلول متجانسة. هذا يشبه كيف يعتمد البشر على أدوات مختلفة في جميع أنحاء اليوم لإنجاز المهام. سيتابع نظام الذكاء الاصطناعي المتمكّن هذا النهج، وسيشرف على توجيه أدوات ومكونات متعددة. هذا التوجيه представляет تحديًا كبيرًا ولكنه أيضًا مجال رئيسي للتطوير.

من منظور الاتجاهات، نشهد دفعًا نحو تقدم الذكاء الاصطناعي التوليدي أبعد من مطابقة الأنماط البسيطة إلى التفكير الفعلي. هناك الكثير من التقدم التكنولوجي الذي يحدث في هذا المجال. على الرغم من أن هذه التحسينات قد لا تترجم تمامًا إلى قيمة تجارية في عام 2025، إلا أنها تمثل الاتجاه الذي نسير فيه.

اتجاه آخر رئيسي هو زيادة تطبيق التكنولوجيا المتسارعة لاستدلال الذكاء الاصطناعي، خاصة مع شركات مثل Nvidia. تقليدًا، تم استخدام وحدات معالجة الرسومات (GPU) بشكل كبير لتدريب نماذج الذكاء الاصطناعي، ولكن الاستدلال في وقت التشغيل – النقطة التي يتم فيها استخدام النموذج بشكل فعال – أصبح مهمًا بشكل متزايد. يمكننا توقع تحسينات في تحسين الاستدلال، مما يجعله أكثر كفاءة وتأثيرًا.

إضافة إلى ذلك، هناك إدراك بأن البيانات المتاحة للتدريب قد تم استغلالها إلى حد كبير. هذا يعني أن التحسينات الإضافية في النماذج لن تأتي من إضافة المزيد من البيانات أثناء التدريب، ولكن من كيفية عمل النماذج أثناء الاستدلال. في وقت التشغيل، استخدام معلومات جديدة لتحسين نتائج النموذج يصبح焦点ًا حاسمًا.

في حين أن بعض التكنولوجيا الجديدة تبدأ في الوصول إلى حدودها، ستستمر النهوج الجديدة في الظهور، مما يبرز أهمية المرونة للمنظمات التي تتبنى الذكاء الاصطناعي. ما يعمل جيدًا اليوم قد يصبح عفا عليه الزمن في غضون ستة أشهر إلى سنة، لذلك يجب أن تكون مستعدًا لإضافة أو استبدال مصادر البيانات وأي مكونات من أنابيب الذكاء الاصطناعي. البقاء مرنًا ومفتوحًا للتغيير هو مفتاح مواكبة المناظر الطبيعية السريعة التطور.

ما هي الاستراتيجيات التي يمكن للمنظمات تبنيها لتحطيم سلاسل البيانات وتحسين تدفق البيانات عبر أنظمتها؟

أولاً، يجب على الناس أن يقبلوا أن سلاسل البيانات سوف تظل موجودة. هذا كان دائمًا الحال. تحاول العديد من المنظمات مركزية جميع بياناتها في مكان واحد، معتقدة أن هذا سوف يخلق إعدادًا مثاليًا وسي解ق قيمة كبيرة، ولكن هذا يثبت أنه مستحيل تقريبًا. غالبًا ما يتحول إلى مشروع طويل الأمد ومكلف، خاصة对于 الشركات الكبيرة.

لذلك، الحقيقة هي أن سلاسل البيانات هنا لتبقى. بمجرد أن نقبل ذلك، يصبح السؤال: كيف يمكننا العمل مع سلاسل البيانات بفعالية أكبر؟

تشبه الصورة المفيدة التفكير في الشركات الكبيرة. لا تعمل أي شركة كبرى من مكتب واحد حيث يعمل الجميع معًا على المستوى العالمي. بدلاً من ذلك، يتم تقسيمها إلى المقر الرئيسي ومكاتب متعددة. الهدف ليس مقاومة هذا التقسيم الطبيعي، ولكن ضمان أن هذه المكاتب يمكنها التعاون بفعالية. هذا هو السبب في استثمارنا في أدوات الإنتاجية مثل Zoom أو Slack – لربط الناس وتمكين سير العمل السلس عبر المواقع.

بالمثل، سلاسل البيانات هي أنظمة منقسمة سوف تظل موجودة عبر الفرق والقسم أو الحدود الأخرى. الهدف ليس القضاء عليها، ولكن جعلها تعمل معًا بسلاسة. هذا هو السبب في التركيز على التكنولوجيا التي تسهل هذه الاتصالات.

على سبيل المثال، تقنيات مثل Nexsets توفر طبقة واجهة مشتركة أو تجريد تعمل عبر مصادر بيانات متنوعة. من خلال التصرف كبوابة إلى سلاسل البيانات، تبسّط عملية التفاعل مع البيانات الموزعة عبر سلاسل البيانات المختلفة. هذا يخلق كفاءات ويقلل من الآثار السلبية لسلاسل البيانات.

في جوهر الأمر، يجب أن تكون الاستراتيجية حول تعزيز التعاون بين سلاسل البيانات بدلاً من محاولة القتال ضدها. يرتكب العديد من الشركات خطأ محاولة توحيد كل شيء في بحيرة بيانات ضخمة. ولكن، للأسف، هذا كفاح شبه مستحيل للفوز.

كيف تتعامل منصات البيانات الحديثة مع تحديات مثل السرعة والقدرة على التوسع، وما الذي يميز Nexla في معالجة هذه القضايا؟

الطريقة التي أراها، تم تصميم العديد من الأدوات داخل حزمة البيانات الحديثة في البداية مع التركيز على سهولة الاستخدام وسرعة التطوير، والتي جاءت من جعل الأدوات أكثر سهولة – تمكين محللي التسويق من نقل بياناتهم من منصة تسويق مباشرة إلى أداة تثقيف، على سبيل المثال. تطور هذه الأدوات غالبًا ما涉ل التطوير لحلول نقطة، أو أدوات مصممة لحل مشاكل محددة بشكل ضيق.

عندما نتحدث عن القدرة على التوسع، غالبًا ما يفكر الناس في التوسع فيما يتعلق بمعالجة حجم أكبر من البيانات. ولكن التحدي الحقيقي للقدرة على التوسع يأتي من两个 عوامل رئيسيين: زيادة عدد الأشخاص الذين يحتاجون للعمل مع البيانات، وتنوع أنظمة البيانات التي تحتاج المنظمات إلى إدارتها.

الأدوات الحديثة، كونها متخصصة للغاية، تميل إلى حل جزء صغير فقط من هذه التحديات. ونتيجة لذلك، تنتهي المنظمات باستخدام أدوات متعددة، كل منها يعالج مشكلة واحدة، مما يخلق تحدياته الخاصة، مثل إفراط في الأدوات وعدم الكفاءة.

تعالج Nexla هذه القضية من خلال تحقيق توازن دقيق بين سهولة الاستخدام والمرونة. من جهة، نقدم بساطة من خلال ميزات مثل القوالب وواجهات المستخدم الصديقة. من جهة أخرى، نقدم مرونة وقدرات مطور友ية تسمح للفرق بتحسين المنصة بشكل مستمر. يمكن للمطورين إضافة قدرات جديدة إلى النظام، ولكن هذه التحسينات تظل متاحة كأزرار واضحة وسهلة الاستخدام للمستخدمين غير التقنيين. هذا النهج ي避ي فخ الأدوات المفرطة التخصص ويقدم مجموعة واسعة من الوظائف على مستوى المؤسسة.

ما يميز Nexla حقًا هو قدرته على الجمع بين سهولة الاستخدام والقدرة على التوسع المطلوبة من قبل المنظمات. تصل منصة Nexla بهذه العوالم معًا بسلاسة، مما يسمح للفرق بالعمل بفعالية دون المساومة على القوة أو المرونة.

قوة Nexla الرئيسية تكمن في هيكلها المجرد. على سبيل المثال، بينما يمكن للمستخدمين تصميم خط أنابيب البيانات بصرية، الطريقة التي يتم بها تنفيذ الأنابيب هي قابلة للتكيف بشكل كبير. اعتمادًا على متطلبات المستخدم – مثل المصدر أو الوجهة أو ما إذا كانت البيانات تحتاج إلى أن تكون في الوقت الفعلي – ترسم المنصة الأنابيب تلقائيًا إلى واحد من ستة محركات مختلفة. هذا يضمن الأداء الأمثل دون الحاجة إلى إدارة هذه التعقيدات يدوياً.

المنصة cũng متصلة بشكل فضفاض، مما يعني أن مصادر النظام ووجهات النظام منفصلة. هذا يسمح للمستخدمين بإضافة وجهات أكثر إلى مصادر موجودة، وإضافة مصادر أكثر إلى وجهات موجودة، وتمكين التكاملات ثنائية الاتجاه بين الأنظمة.

أهم شيء، تجرد Nexla تصميم الأنابيب بحيث يمكن للمستخدمين التعامل مع بيانات الدفعة وبيانات التدفق وبيانات الوقت الفعلي دون تغيير سير العمل أو التصاميم. المنصة تكيّف تلقائيًا مع هذه الاحتياجات، مما يجعل من السهل على المستخدمين العمل مع البيانات في أي تنسيق أو سرعة. هذا أكثر حول التصميم المُفكّر فيه من تفاصيل لغة البرمجة، مما يضمن تجربة سلسة.

كل هذا يظهر أننا بنينا Nexla مع وضع مستهلك البيانات في الاعتبار. تم تصميم العديد من الأدوات التقليدية للمنتجين للبيانات أو مديري الأنظمة، ولكننا نركز على احتياجات مستهلكي البيانات الذين يريدون واجهات متسقة وواضحة للوصول إلى البيانات، بغض النظر عن مصدرها.

هل يمكنك مشاركة أمثلة عن كيفية تحويل ميزات بدون كود و低 كود هندسة البيانات للعملاء؟

لقد قامت ميزات بدون كود و低 كود بتحويل عملية هندسة البيانات إلى تجربة تعاونية حقيقية للمستخدمين. على سبيل المثال، في الماضي، كان فريق عمليات الحساب في DoorDash، الذي يدير البيانات للمتاجر، يحتاج إلى تقديم متطلبات إلى فريق الهندسة. كان المهندسون يبنيون حلولاً، مما أدى إلى عملية تكرارية من التفاعل الذي استهلك الكثير من الوقت.

الآن، مع أدوات بدون كود و低 كود، تغيرت هذه الديناميكية. يمكن لفريق العمليات اليومي استخدام واجهة 低 كود لمعالجة مهامهم مباشرة. في الوقت نفسه، يمكن لفريق الهندسة إضافة ميزات جديدة وقدرات من خلال نفس منصة 低 كود، مما يسمح بتحديثات فورية. يمكن لفريق العمليات استخدام هذه الميزات بلا تأخير.

هذا التحول حول العملية إلى جهد تعاوني بدلاً من عرقلة الإبداع، مما أدى إلى توفير كبير في الوقت. أبلغ العملاء أن المهام التي استغرقت في السابق شهرين أو ثلاثة أشهر يمكن الآن إنجازها في أقل من أسبوعين – تحسين بنسبة 5 إلى 10 مرة في السرعة.

كيف تتطور دور هندسة البيانات، خاصة مع زيادة اعتماد الذكاء الاصطناعي؟

تتطور هندسة البيانات بسرعة، مدفوعة بالتلقين والتقدم مثل الذكاء الاصطناعي التوليدي. أصبح العديد من جوانب هذا المجال، مثل توليد الشفرة وإنشاء الموصلات، أسرع وأكثر كفاءة. على سبيل المثال، مع الذكاء الاصطناعي التوليدي، زادت سرعة توليد الموصلات واختبارها وتحميلها بشكل كبير. ولكن هذا التقدم cũng يطرح تحديات جديدة، مثل زيادة التعقيد وقلق الأمان والحاجة إلى حوكمة قوية.

مهمة حاسمة هي القلق من إساءة استخدام بيانات الشركة. يخاف الأعمال من أن يتم استخدام بياناتهم الخاصة عن غير قصد لتدريب نماذج الذكاء الاصطناعي وفقدان حدهم التنافسي أو تعرضهم لانتهاك البيانات حيث يتم تسريب البيانات إلى الآخرين. يتطلب تعقيد الأنظمة وكمية البيانات المطلوبة من فرق هندسة البيانات أن تتبنى منظورًا أوسع، مع التركيز على قضايا النظام الشامل مثل الأمان والحوكمة وضمان سلامة البيانات. هذه التحديات لا يمكن حلها ببساطة بواسطة الذكاء الاصطناعي.

في حين أن الذكاء الاصطناعي التوليدي يمكن أن ي自动 مخلّفات المهام الأقل مستوى، يتغير دور هندسة البيانات إلى توجيه النظام البيئي الأوسع. يتصرف مهندسو البيانات الآن كمخرجين، يديرون مكونات وعمليات متعددة مثل إعداد الحماية لمنع الأخطاء أو الوصول غير المصرح به، وضمان الامتثال لمعايير الحوكمة، ومراقبة كيفية استخدام مخرجات الذكاء الاصطناعي التوليدي في قرارات الأعمال.

الأخطاء والأخطاء في هذه الأنظمة يمكن أن تكون مكلفة. على سبيل المثال، قد يسترجع نظام الذكاء الاصطناعي معلومات سياسة قديمة، مما يؤدي إلى استجابات خاطئة، مثل وعد العملاء بالاسترداد عندما لا يسمح به. هذه الأنواع من القضايا تتطلب إشراف صارم وعمليات محددة جيدًا لالتقاط هذه الأخطاء ومعالجتها قبل أن تؤثر على الأعمال.

مسؤولية رئيسية أخرى لفرق هندسة البيانات هي التكيف مع التحول في ديموغرافية المستخدمين. أدوات الذكاء الاصطناعي لم تعد مقصورة على المحللين أو المستخدمين التقنيين الذين يمكنهم التشكيك في صحة التقارير والبيانات. يتم استخدام هذه الأدوات الآن من قبل الأفراد على حواف المنظمة، مثل وكلاء الدعم الفني، الذين قد لا يمتلكوا الخبرة للتحدي لخروجات غير صحيحة. يزيد هذا التوسع في تكنولوجيا الديمقراطية من مسؤولية فرق هندسة البيانات لضمان دقة البيانات وموثوقيتها.

ما الميزات أو التقدم الجديد الذي يمكن توقعها من Nexla مع استمرار نمو مجال هندسة البيانات؟

نركز على عدة تحسينات لمعالجة التحديات والفرص الناشئة مع استمرار تطور هندسة البيانات. واحدة من هذه هي الحلول مدعومة بالذكاء الاصطناعي لمعالجة تنوع البيانات. واحدة من التحديات الرئيسية في هندسة البيانات هي إدارة تنوع البيانات من مصادر مختلفة، لذلك نحن نستخدم الذكاء الاصطناعي لتبسيط هذه العملية. على سبيل المثال، عند استلام البيانات من مئات التُجار المختلفة، يمكن للنظام تلقائيًا خريطة إلى هيكل معياري. اليوم، يتطلب هذا العملية غالبًا مدخلات بشرية كبيرة، ولكن قدرات Nexla مدعومة بالذكاء الاصطناعي تهدف إلى تقليل الجهد اليدوي وتحسين الكفاءة.

نحن أيضًا نتقدم في تقنية الموصلات لدعم الجيل التالي من تدفقات البيانات، بما في ذلك القدرة على توليد وكلاء جدد بسهولة. هذه الوكلاء يسمحون بالاتصال السلس بين الأنظمة وتمكين المستخدمين من أداء إجراءات محددة داخل هذه الأنظمة. هذا يهدف بشكل خاص إلى احتياجات متزايدة لمستخدمي الذكاء الاصطناعي التوليدي وجعل التكامل والتفاعل مع مجموعة متنوعة من المنصات أكثر سهولة.

ثالثًا، نستمر في الابتكار في تحسين المراقبة وضمان الجودة. مع زيادة عدد المستخدمين الذين يستهلكون البيانات عبر أنظمة مختلفة، أصبحت أهمية المراقبة وضمان جودة البيانات مهمة بشكل كبير. هدفنا هو توفير أدوات قوية لمراقبة النظام وضمان الجودة بحيث تبقى البيانات موثوقة وقابلة للعمل حتى مع توسع الاستخدام.

أخيرًا، Nexla تتخذ خطوات لفتح مصدر بعض القدرات الأساسية. الفكرة هي أن من خلال مشاركة تكنولوجيانا مع المجتمع الأوسع، يمكننا تمكين المزيد من الأشخاص من الاستفادة من أدوات و حلول هندسة البيانات المتقدمة، مما يعكس التزامنا بتعزيز الابتكار والتعاون داخل هذا المجال.

شكرًا على الإجابات الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا Nexla.