Teamly: كيف يحول مساعد AI قاعدة معرفة فوضوية إلى onboarding خلال أيام

أطلقت Teamly تحديثًا رئيسيًا لمنصة إدارة المعرفة في المؤسسات. الآن يستخرج مساعد الذكاء الاصطناعي البيانات ليس من مجموعات البيانات التدريبية العامة، بل من قاعدة المعرفة الداخلية الحالية للشركة. يسمي المنشئون هذا مباشرة حلاً لمشكلة الذكاء الاصطناعي في المؤسسات الرئيسية — وحسب الإحصائيات، هم محقون.

لماذا لا يعمل الذكاء الاصطناعي في المؤسسات

خلال السنتين الماضيتين، استثمرت الشركات من 30 إلى 40 مليار دولار في حلول الذكاء الاصطناعي في المؤسسات. بحلول صيف 2025، أثبتت الأرقام أنها محبطة: وفقًا لتقديرات مختلفة، فشل 95٪ من التطبيقات في تحقيق توفير للوقت قابل للقياس أو مكاسب مالية. تم إنفاق الأموال، تم كتابة البيانات الصحفية — المقاييس تبقى صامتة.

السبب نادرًا ما يكون في النموذج نفسه. يفتح موظف جديد المساعد الشركة ويطرح سؤالاً بسيطًا — كيف يمكن ترتيب رحلة عمل إلى منطقة زمنية مختلفة. يجيب المساعد بثقة وبالتفصيل. لكن بشكل غير صحيح. تقع اللوائح الحالية مدفونة في مراسلات البريد الإلكتروني لمدير الموارد البشرية. تتراكم نسخة العام الماضي في أرشيف زميلة رحلت، لم يزرها أحد منذ رحيلها. والفروق الدقيقة الرئيسية للعملية موجودة فقط في ذهن متخصصة حاليًا في إجازة أمومة — ولم يطلب منها أحد توثيق معارفها قبل الرحيل.

في مثل هذه البيئة يصل معظم مساعدي الذكاء الاصطناعي في المؤسسات: متصلون، لكن لا شيء يتغذون عليه.

ما الذي تغير في تحديث أبريل

ركزت Teamly على الطبقة التي تبقى عادة في الظل — البنية التحتية للمعرفة الأساسية للمساعد. التحديث لا يمس واجهة الدردشة، بل كيفية قيام الشركة بتخزين وهيكلة وتحديث المستندات الداخلية.

القدرات الرئيسية:

• التنظيم التلقائي للمواد حسب الموضوع ودور الموظف
• كشف المستندات المتقادمة مع توصيات التحديث
• ربط الأنظمة واللوائح والتعليمات ذات الصلة في تسلسلات موحدة
• تشخيص الفجوات: تعرض المنصة ما هي المعرفة الناقصة في القاعدة
• توليد مسارات التدريب من المواد الموجودة

النتيجة: يتلقى المساعد ليس أرشيفًا فوضويًا من النصوص المتفرقة، بل قاعدة معرفة حية منظمة. هذا هو ما يسمح بإجابات ذات مغزى بدلاً من الأخطاء الواثقة.

الإعداد الأولي كحالة الاستخدام الأساسية

الأسابيع الأولى لموظف جديد عبارة عن تدفق مستمر من الأسئلة المتطابقة: كيفية الحصول على إجازة، أين تجد نموذجًا شركاتيًا، من تتواصل معه لحل مشكلة تقنية. حتى الآن، كان هذا يعني الانتظار في طابور الموارد البشرية أو قضاء ساعات في البحث عبر Confluence والدردشات الداخلية، حيث تعود آخر إجابة إلى قبل سنتين.

الآن تقوم Teamly بإنشاء مسار إعداد أولي مخصص من مواد قاعدة المعرفة: تعليمات خطوة بخطوة، وسياسات الشركة الرئيسية، وقوائم التحقق لأول 30 يوم. يجيب مساعد الذكاء الاصطناعي بناءً على المستندات الداخلية الحالية، وليس على المعرفة العامة من التدريب المسبق.

"المعرفة موجودة في مكان ما، المساعد متصل — لكن لا يوجد مكان يستطيع سحب

البيانات منه" — هنا يرى المنشئون جذر المشكلة لمعظم تطبيقات الذكاء الاصطناعي في المؤسسات.

وفقًا للشركة، تقلل قاعدة المعرفة المنظمة بشكل صحيح الوقت المستغرق لتحقيق الإنتاجية الكاملة من عدة أسابيع إلى بضعة أيام فقط.

ما يعني هذا

تم تخصيص ميزانيات الذكاء الاصطناعي في المؤسسات بالفعل — الآن تحاول الشركات فهم سبب عدم تحقق العائدات للتوقعات. الإجابة عادة ليست في اختيار النموذج أو جودة المساعد، بل في الافتقار إلى قاعدة معرفة منظمة بشكل صحيح. إذا كانت البيانات مشتتة عبر الرسائل والأرشيفات وعقول الموظفين — فلا يوجد نموذج سيساعد.

تراهن Teamly على فرضية بسيطة: المعرفة المنظمة تضاعف قيمة أي أداة ذكاء اصطناعي، وبدونها، حتى النموذج القوي سيقدم إجابات واثقة لكن عديمة الفائدة.