حل الفجوة في تنفيذ الذكاء الاصطناعي التلقائي

التعهد الأولي للنماذج اللغوية الكبيرة كحل كامل للتحسين التلقائي في الشركات قد توقف. لقد حلنا مشكلة التفكير بالكميات الكبيرة، ولكن تحويل هذا التفكير إلى نتائج حقيقية في العالم الواقعي هو قصة أخرى. لقد رأينا جميعًا الأرقام: 95% من مشاريع الذكاء الاصطناعي التوليدية لا تصل إلى الإنتاج، و80% من مشاريع الذكاء الاصطناعي التقليدية تفشل في الإطلاق.

المشكلة ليست عدم الفهم. النماذج اللغوية الكبيرة رائعة في تحليل الطلبات غير المحددة والمضطربة، ولكن الفهم هو نصف المعركة فقط. يفشل معظم المشاريع لأن الأنظمة المطلوبة للعمل بناءً على هذا الفهم لم تتم ربطها أو تلقيمها مسبقًا. يمكن للذكاء الاصطناعي أن يقرر بالضبط ما يجب القيام به، ولكنها عديمة الفائدة إذا لم تتمكن من الوصول إلى الأدوات أو تنفيذ المعاملات المطلوبة للقيام بالعمل.

مراحل ثلاثة لتحسين العمليات التلقائية

يحدث العمل في العالم الواقعي في ثلاث مراحل، ولكن الأنظمة الحالية تلتقط فقط جزءًا منها. يفشل التحسين التلقائي لأنها تركز几乎 حصريًا على الخطوة الأولى بينما تتجاهل ميكانيكا الخطوتين التاليتين.

1. تحديد النية (التصنيف)

الخطوة الأولى هي تحديد ما يريده المستخدم. هذه هي مرحلة التفكير حيث أحرز الذكاء الاصطناعي تقدمًا كبيرًا. على سبيل المثال، يقرأ مساعد خبير تذكرة، ويفصل النية، ويتخذ مسارًا إلى الأمام بناءً على سياسة الشركة. اليوم، تتعامل النماذج اللغوية الكبيرة مع هذا التصنيف بسهولة. بينما هذا إنجاز مثير للإعجاب، إلا أنه يعالج فقط الواجهة المعرفية لل任务.

2. تخطيط العملية (المنطق)

الخطوة الثانية هي تخطيط مسار التنفيذ، أو منطق الوسط المضطرب. هذا يتطلب التنقل في قواعد الأعمال الخاصة والاستثناءات التي ليست من المعرفة العامة. من أجل استرداد بسيط، يجب على عضو الفريق معرفة النظام الذي يحمل المعاملة، وكيف يتم التعامل مع الضريبة، وwhether هو مطلوب موافقة المدير.

هنا تعيش ميزة المنافسة للشركة، ولكنها أيضًا حيث ينهار التحسين التلقائي. حتى عندما توجد واجهات برمجة التطبيقات، غالبًا ما تكون غير كافية أو معزولة. بدون خريطة مركزية للتنقل في الأنظمة الخمس إلى سبع المتنوعة المطلوبة لإكمال سير عمل واحد، يفتقر الذكاء الاصطناعي إلى الإرشادات المطلوبة لترجمة قرار إلى سلسلة من الإجراءات الفنية.

3. الإجراء النظمي (التنفيذ)

الخطوة النهائية هي التنفيذ النظمي: إرسال البيانات إلى نظام تخطيط الموارد، أو تحديث نظام إدارة العلاقات مع العملاء، أو تشغيل بوابة الدفع.

في العمليات اليدوية، يقوم المساعد بالتنفيذ هذا عن طريق العمل كتكامل بشري بين هذه الأنظمة. في عالم تلقائي، لا يمكن للذكاء الاصطناعي أن يقرر فقط ما إذا كان التغيير ضروريًا؛ إنه يتطلب منصة قادرة على التعامل مع المعاملة بنفس مستوى الأمان والامتثال مثل مشغل بشري. بدون هذه البنية التحتية للتنفيذ، تبقى مشاريع الذكاء الاصطناعي نماذج أولية دائمة تفشل عند مواجهة عشوائية العالم الواقعي.

الانتقال من عرض توضيحي إلى نظام من الدرجة الإنتاجية هو رفع كبير لأنها تتطلب حل هذه المسافة الأخيرة من الإجراء النظمي. إذا لم يتم إغلاق هذه الفجوة، يبقى التحسين التلقائي هشًا وسيتم تجاهله في النهاية من قبل فرق العمليات.

مشكلة التكامل: المراقب مقابل المشغل

هذه الاحتكاك الفني هو السبب في أن الشركات لا تزال تعتمد على العمليات اليدوية للمهام الأساسية. في معظم الشركات، يقضي عضو الفريق يومه في نقل البيانات يدويًا بين الأدوات، مثل نسخ المعلومات من قاعدة بيانات الفواتير إلى نظام إدارة العلاقات مع العملاء أو تحديث منصة اللوجستيات. إنه أساسًا الغراء الذي يربط الأنظمة معًا.

为了تحسين التلقائية، يجب على الشركة بناء وتحديث اتصالات مخصصة لكل أداة في سير العمل. غالبًا ما يتجاوز تكلفة بناء هذه البنية التحتية قيمة التحسين التلقائي نفسه. بدون هذه الاتصالات، لا يمكن لمراقب الذكاء الاصطناعي فهم العميل ولكن لا يمكنه مساعدته – يصبح مراقبًا مدفوع الأجر، لا مشغلًا. يمكنه رؤية الحل، ولكنه لا يملك الوصول إلى تنفيذ الإصلاح. هذا هو السبب في أن معظم مشاريع الذكاء الاصطناعي لا تتجاوز الإجابة على أسئلة شائعة أو تنفيذ مهام ضيقة.

استخدام التوجيه لسد الفجوة

Để vượt qua giai đoạn nguyên mẫu، các tổ chức cần có sự điều phối. Hãy nghĩ về nó như là khung xe kết nối suy nghĩ (Bước 1) với việc thực hiện (Bước 3) bằng cách quản lý logic phức tạp (Bước 2) ở giữa.

ويمكن للوكيل الذكاء الاصطناعي تحديد ما يجب القيام به، ولكنه عادة ما يفتقر إلى الصلاحيات وذاكرة النظام العابرة لامتلاك سير عمل من البداية إلى النهاية. لأي شيء يتجاوز مهمة بسيطة، يحتاج الوكيل إلى منصة تتعامل مع تسجيل الدخول، وتسلسل الخطوات عبر أدوات مختلفة، وتحافظ على سجل التقدم. بدون طبقة هذه، يصبح الذكاء الاصطناعي مجرد معالج قرارات قوي بدون طريقة لتنفيذ قراراته.

التوجيه ي解决 أيضًا فخ الهندسة من الاتصالات الفريدة لواجهات برمجة التطبيقات. عندما بنينا هندسة MelodyArc، ركزنا على طبقة مركزية حيث يمكن للوكلاء الذكاء الاصطناعي الحفاظ على السياق عبر الأنظمة وتنسيق الإجراءات من خلال واجهات برمجة التطبيقات أو واجهات الويب. من خلال التعامل مع الأعمال الفنية الفنية، يسمح التوجيه لأفراد العمليات بتحديد سير العمل باستخدام كتلة بناء بدلاً من الكود. هذا يتحول الذكاء الاصطناعي من مساعد ممتع إلى مشغل موثوق يمكنه التعامل مع مهمة لمدى حياتها الكاملة.

الوضوح العالي مع الدورة البشرية

النتائج غير الموثوقة هي أسرع طريقة لرفض فرق العمليات للتكنولوجيا الجديدة. التوجيه أكثر متانة عندما يتضمن طبقة دورة بشرية. على الرغم من أن هذا غالبًا ما يتم تجاهله أو رفضه كفشل في التحسين التلقائي، فإن الخبرة البشرية هي مكون هام في الهندسة المعمارية.

من أجل أن يكون السير العمل وظيفيًا حقًا، يجب على النظام أن يعترف بحدوده أثناء الحالات الحدية المعقدة أو عندما يكون ثقة الذكاء الاصطناعي منخفضة. توفير مسار واضح لترقية إلى مساعد وعودة يضمن أن يبقى التحسين التلقائي قويًا.

بالإضافة إلى ذلك، من خلال التقاط هذه التدخلات، تقوم الشركات أيضًا بإنشاء سجل اتخاذ القرارات. هذا يسمح للمديرين بمراجعة كيف يحل الخبراء القضايا و sử dụng هذه الأمثلة لتحسين التحسين التلقائي دون المساس بجودة الخدمة.

ملخص: بناء الأنظمة التي تعمل

الانتقال من الطيار إلى الإنتاج يتطلب أكثر من نموذج ذكاء اصطناعي أكثر ذكاء، إنه يتطلب نظامًا مبنيًا للقيام بالعمل. لقد أزال الذكاء الاصطناعي حاجز التفكير، ولكن لا يمكنه حل مشكلة الأنظمة المتناثرة بمفرده.

Để thành công، يجب على الشركات أن تتجاوز “الذكاء الاصطناعي من أجل الذكاء الاصطناعي” وتركز على إعادة تصميم سير العمل الخاصة بهم من أجل التنفيذ من البداية إلى النهاية بمساعدة التوجيه.