Teamly: كيف يحوّل مساعد الذكاء الاصطناعي قاعدة معرفة فوضوية إلى تأهيل للموظفين خلال أيام

أطلقت Teamly تحديثًا كبيرًا لمنصتها لإدارة المعرفة المؤسسية. بات مساعد الذكاء الاصطناعي يستمد بياناته الآن من قاعدة الشركة الداخلية المحدّثة، لا من عيّنات التدريب العامة. ويصف المطوّرون ذلك صراحةً بأنه حلّ للمشكلة الرئيسية في الذكاء الاصطناعي المؤسسي، وتشير الإحصاءات إلى أنهم محقّون في ذلك.

لماذا لا ينجح الذكاء الاصطناعي المؤسسي

خلال العامين الماضيين، استثمرت الشركات ما بين 30 و40 مليار دولار في حلول الذكاء الاصطناعي المؤسسية. وبحلول صيف 2025 جاءت الأرقام مخيّبة للآمال: ففي تقديرات متعددة، لم تحقق 95% من عمليات التطبيق توفيرًا ملموسًا في الوقت ولا زيادة في المؤشرات المالية. أُنفقت الأموال وكُتبت البيانات الصحفية، لكن المؤشرات صامتة.

نادرًا ما يكون السبب في النموذج نفسه. يفتح موظف جديد المساعد المؤسسي ويطرح سؤالًا بسيطًا: كيف أُنجز إجراءات مهمة عمل في منطقة زمنية أخرى؟ يجيب المساعد بثقة وتفصيل، لكن الإجابة خاطئة. فاللائحة المحدّثة موجودة في مراسلات مدير الموارد البشرية. والنسخة القديمة من العام الماضي مهملة في أرشيف زميلة تركت العمل، ولم يطّلع عليه أحد منذ رحيلها. أما الفروق الدقيقة الجوهرية في الإجراء فلا توجد إلا في رأس اختصاصية هي الآن في إجازة أمومة، ولم يطلب منها أحد توثيق معرفتها قبل مغادرتها.

إلى هذه البيئة يصل معظم مساعدي الذكاء الاصطناعي المؤسسيين: متصلون بالأنظمة، لكن لا يجدون ما يغذّيهم.

ما الذي تغيّر في تحديث أبريل

ركّزت Teamly على الطبقة التي تبقى عادةً في الظل، أي البنية التحتية للمعرفة الواقعة تحت المساعد. لا يمسّ التحديث واجهة الدردشة، بل الطريقة التي تخزّن بها الشركة مستنداتها الداخلية وتنظّمها وتحدّثها.

أبرز الإمكانات:

• تنظيم المواد تلقائيًا بحسب المواضيع وأدوار الموظفين
• رصد المستندات القديمة مع توصيات بتحديثها
• ربط اللوائح والتعليمات المتصلة ببعضها في سلاسل متكاملة
• تشخيص الفجوات: تُظهر المنصة المعارف الناقصة في القاعدة
• توليد مسارات تدريبية من المواد الموجودة أصلًا

النتيجة: يحصل المساعد على قاعدة حيّة ومنظّمة بدلًا من أرشيف فوضوي من النصوص المتفرقة. وهذا ما يتيح له تقديم إجابات ذات معنى بدلًا من الوقوع في الخطأ بثقة.

التأهيل بوصفه السيناريو الرئيسي

الأسابيع الأولى للموظف الجديد سيل متواصل من الأسئلة المتكررة: كيف أطلب إجازة، وأين أجد القالب المؤسسي، وإلى من أتوجه بمشكلة تقنية. وحتى الآن كان ذلك يعني الوقوف في طابور أمام الموارد البشرية، أو البحث لساعات في Confluence ومحادثات الشركة الداخلية، حيث يعود تاريخ آخر إجابة إلى ما قبل عامين.

الآن تُنشئ Teamly مسار تأهيل شخصيًا من مواد قاعدة المعرفة: تعليمات خطوة بخطوة، وأهم سياسات الشركة، وقوائم تحقق للأيام الثلاثين الأولى. ويجيب مساعد الذكاء الاصطناعي استنادًا إلى المستندات الداخلية المحدّثة، لا إلى المعارف العامة المكتسبة في مرحلة التدريب المسبق.

«المعرفة موجودة في مكان ما، والمساعد متصل، لكنه لا يجد ما يستمد منه

البيانات» — هذا ما يراه المطوّرون جذرًا للمشكلة في معظم تطبيقات الذكاء الاصطناعي المؤسسية.

وبحسب بيانات الشركة، تقلّص قاعدة المعرفة المنظّمة جيدًا مدة بلوغ الإنتاجية الكاملة من عدة أسابيع إلى عدة أيام.

ماذا يعني ذلك

ميزانيات الذكاء الاصطناعي المؤسسي موزّعة بالفعل، والشركات تبحث الآن عن سبب عدم تحقيق العائد المتوقع. والجواب في الغالب لا يكمن في اختيار النموذج ولا في جودة المساعد، بل في غياب قاعدة معرفة منظّمة بشكل سليم تحته. وإذا كانت البيانات مبعثرة بين تطبيقات المراسلة والأرشيفات ورؤوس الموظفين، فلن ينفع أي نموذج.

تراهن Teamly على فكرة بسيطة: المعرفة المنظّمة تضاعف قيمة أي أداة ذكاء اصطناعي، وبدونها سيقدّم حتى النموذج القوي إجابات واثقة لكنها عديمة الفائدة.