من فيض البيانات إلى الرؤى: كيف توسّع Verizon Connect نطاق الذكاء الاصطناعي

واجهت Verizon Connect، الرائدة في إدارة البيانات اللوجستية وتتبّع الأساطيل، مشكلة كلاسيكية في الأعمال الحديثة: كيف تحوّل كميات هائلة من المعلومات عن المركبات والمسارات إلى رؤى مفيدة وفي الوقت المناسب لموظفيها. وجاء الحل في وكيل ذكاء اصطناعي يخدم اليوم 100 ألف مستخدم يوميًا، ويعالج تدفقات البيانات في الوقت الفعلي.

مشكلة فيض البيانات

حين يجمع نظام إلكتروني معلومات عن آلاف المركبات، من مسارات التوصيل وسرعة الحركة واستهلاك الوقود إلى أوقات التوقف ومؤشرات التسليم المستهدفة وحالة المعدات، ينشأ تناقض واضح: تتضخم البيانات إلى حد يعجز معه الناس عن استخلاص أي شيء منها بالسرعة المطلوبة. يغرق المرسلون والسائقون والفنيون ومديرو اللوجستيات في الأرقام والرسوم البيانية، بدلًا من التركيز على اتخاذ القرارات الحاسمة في الوقت الفعلي.

وأدركت Verizon Connect حقيقة مهمة: الحاجة إلى وكيل ذكاء اصطناعي يحلّل هذه التدفقات بنفسه، وينبّه الناس إلى ما يستحق الانتباه الآن. لا بعد ساعة ولا بعد يوم، بل في اللحظة التي تظهر فيها المشكلة ويكون حلّها لا يزال ممكنًا.

كيف جرى الحل معماريًا

بنت الشركة نظام الذكاء الاصطناعي على ثلاث ركائز أساسية. أولًا، يفهم الوكيل سياق كل مهمة ودور المستخدم. ثانيًا، يتوسّع النظام دون أي تراجع في سرعة الاستجابة. ثالثًا، يتكامل مع سير العمل القائم في الشركة.

• يحلّل تدفقات البيانات في الوقت الفعلي، ولا يفوّت شيئًا
• يولّد رؤى وتوصيات مخصّصة لكل مستخدم بحسب دوره
• يتكامل مع واجهات الجوال والويب التي يستخدمها المرسلون والسائقون بالفعل
• يتعلّم من أنماط السلوك، وترتفع دقة التوصيات تلقائيًا بمرور الوقت
• يقلّص الفاصل الزمني بين ظهور البيانات وتحوّلها إلى إجراء جاهز للتنفيذ

ومن القرارات المعمارية المهمة أن الوكيل لا يكتفي بقراءة البيانات وإعداد التقارير، بل يوصي بإجراءات محددة. فقد يكون ذلك بالنسبة إلى المرسل تغيير المسار عند حدوث تأخير، وبالنسبة إلى السائق تحسين التوقفات على الطريق، وبالنسبة إلى مدير اللوجستيات تقريرًا عن الاتجاهات والمخاطر المرصودة.

تحديات التوسّع

نشر النظام لخدمة 100 ألف مستخدم في آن واحد ليس مجرد زيادة في حجم الموارد السحابية، بل هو تحدٍّ معماري. وواجه فريق Verizon Connect عدة مشكلات حرجة كان لا بد من حلّها بالتوازي.

التحدي الأول هو اتساق البيانات. فحين يعمل الوكيل في الوقت نفسه مع عشرات مصادر المعلومات (GPS والوقود والمستندات والطلبات)، من الضروري أن يبني قراراته على بيانات متزامنة وحديثة، لا على طبقات قديمة من المعلومات قادمة من أنظمة مختلفة.

التحدي الثاني هو زمن المعالجة. ومع 100 ألف مستخدم، تصبح للميلي ثانية قيمة فعلية. فالرؤية التي تصل متأخرة جدًا قد تفقد قيمتها العملية بالكامل: يكون المرسل قد اتخذ قرارًا آخر، وتغيّر المسار، وحدث التأخير.

التحدي الثالث هو الموثوقية عند ذروة الأحمال. ففي أوقات الذروة (الصباح والمساء ونهاية الشهر والعطلات) يجب أن يتحمّل النظام أحمالًا تفوق المعتاد بعدة أضعاف، دون تباطؤ ودون أخطاء في المعالجة ودون فقدان للبيانات. ولا مجال لانتهاء مهلة الاتصال (timeout) أمام المستخدمين.

النتائج

رغم هذه التحديات المعمارية الجسيمة، تؤكد النتائج صواب النهج وفاعليته. يحصل المستخدمون على الرؤى في اللحظة المحددة التي يحتاجون إليها فيها، ما يتيح لهم الاستجابة بسرعة أكبر لمشكلات اللوجستيات: تأخر التسليم، وتوقف المركبات غير المخطط له، ومخالفات المسارات، والإفراط في استهلاك الوقود. وارتفعت سرعة اتخاذ القرار، بينما انخفض عدد الأخطاء والخسائر بشكل ملحوظ.

ماذا يعني ذلك

تُظهر تجربة Verizon Connect أن توسيع نطاق وكلاء الذكاء الاصطناعي ممكن، لا في المختبرات البحثية التي تضم مئات المهندسين المتخصصين في الأبحاث الأساسية فحسب، بل أيضًا في الأنظمة التجارية الفعلية التي يُقاس فيها عدد المستخدمين بمئات الآلاف. وإذا كانت لدى شركتك بيانات يعجز الناس ببساطة عن معالجتها يدويًا في الوقت المناسب، فهذا هو طريق الحل. وهو يعمل بالفعل.