SAP توائم هياكل البيانات التجارية لتخصيص AI على المستوى التشغيلي
تتصدى SAP للمشكلة التي أبقت معظم الشركات الكبرى عالقة: تخصيص AI حاضر في الاستراتيجية، لكنه لا يعمل على أرض الواقع. السبب هو بيانات مجزأة داخل أنظمة غير…
معالج بواسطة الذكاء الاصطناعي من AI News؛ بتحرير Hamidun News
أعلنت شركة ساب عن مبادرة لمحاذاة هياكل البيانات التجارية المجزأة — بحيث تعمل تخصيص الذكاء الاصطناعي ليس في النظرية، بل على مستوى التنفيذ التشغيلي.
الفجوة بين الاستراتيجية والواقع
تعلن الشركات الكبرى استراتيجيات "توقع احتياجات العملاء" وبناء تجارب ذات صلة في كل نقطة تفاعل رقمية. المشكلة هي أن البنية الأساسية المخصصة لتحقيق ذلك منظمة بشكل مختلف. يتم تخزين بيانات العملاء والكتالوجات المنتجات وسجل المعاملات وتحليل السلوك في أنظمة منفصلة بنماذج غير متوافقة. محركات التوصيات تنتج قوائم عادية ليس لأن الخوارزميات ضعيفة، بل لأنها تتغذى على بيانات غير متصلة.
تسمي شركة ساب هذا بمشكلة execution layer: الفجوة بين الأهداف الاستراتيجية وما يحدث فعليًا في لحظة التفاعل مع العميل. تضع الإدارة مؤشرات الأداء الرئيسية للتخصيص، وتبني فرق البيانات خطوط أنابيب، لكن في النهاية يرى العميل "نوصي بـ" منتجات اشتراها بالفعل.
ما الذي تغيره شركة ساب بالضبط
تهدف المبادرة إلى توحيد طريقة هيكلية البيانات التجارية وارتباطها ببعضها. الهدف هو أن تعمل طبقة الذكاء الاصطناعي على قاعدة دلالية موحدة، بدلاً من محاولة تفسير كل نظام بشكل منفصل.
المجالات الرئيسية للتغيير:
- توحيد نماذج البيانات — محاذاة التنسيقات بين SAP Commerce Cloud و SAP Customer Data Platform والحلول المرتبطة في نموذج موحد
- الربط في الوقت الفعلي — يتم توحيد البيانات المعاملية وسلوك المستخدم في سياق يمكن الوصول إليه من قبل محرك الذكاء الاصطناعي مباشرة وقت الاستعلام
- واجهات برمجية لـ execution layer — واجهات يتم من خلالها دمج التخصيص في العمليات التجارية، بدلاً من البقاء في لوحات المعلومات التحليلية
- تقليل الرسومات اليدوية — عدد أقل من خطوط أنابيب ETL التي تتعطل كلما تم تحديث أي نظام
- التوافق مع LLM — تم تكييف هياكل البيانات للعمل مع نماذج اللغة بدون تحويلات إضافية
النتيجة العملية: تتوقف محركات التوصيات والتسعير الديناميكي عن كونها "ميزات للعرض التقديمي" وتبدأ في التأثير على التحويل في وضع الوقت الفعلي.
لماذا الآن
اصطدمت موجة استثمارات الذكاء الاصطناعي في المؤسسات بنفس الحاجز: النماذج جيدة، البيانات سيئة. يوضح بحث McKinsey و Gartner أن معظم تجارب الذكاء الاصطناعي في البيع بالتجزئة والتجارة B2B لا تتسع بالضبط بسبب مشاكل جودة واتصال البيانات. وفقًا للتقديرات، تنفق الشركات 60–70٪ من وقت مشاريع الذكاء الاصطناعي على تحضير البيانات، وليس على عمل النموذج.
شركة ساب، التي لديها عشرات الآلاف من عملاء المؤسسات المثبتين في جميع أنحاء العالم، في موقع فريد: الشركة لا تبيع فقط أدوات الذكاء الاصطناعي، بل تتحكم أيضًا في طبقة البيانات التي تعتمد عليها هذه الأدوات.
"التخصيص ليس مشكلة حسابية، إنها مشكلة بيانات. إذا كانت الهياكل غير
متوافقة، فلن يساعد النموذج" — وهي موقف تشاركه معظم معماريي الأنظمة الشركاتية.
ماذا يعني هذا
بالنسبة لشركات المؤسسات على stack SAP، يفتح طريق حقيقي نحو تخصيص الذكاء الاصطناعي التشغيلي دون استبدال البنية الأساسية بالكامل. بالنسبة للمنافسين — Salesforce Commerce Cloud و Adobe Commerce و Shopify Plus — هذا إشارة: يصبح محاذاة البيانات ساحة معركة منتج أساسية في 2025–2026. من سيوحد البيانات أولاً على مستوى execution layer سيفوز بعقود تحويل الذكاء الاصطناعي.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.