Xebia: وكلاء الذكاء الاصطناعي يفشلون دون أساس سليم من البيانات

صرّح نيلس زيلماكر، المدير التقني العالمي لشركة الاستشارات Xebia، في تعليق لموقع AI News بأن معظم حالات الفشل في تبني وكلاء الذكاء الاصطناعي داخل الشركات لا تعود إلى ضعف النماذج نفسها، بل إلى غياب أساس جاهز من البيانات. ووفقًا له، لا يتوسع الذكاء الاصطناعي الوكيلي (Agentic AI) إلا بقدر متانة البيانات التي يعتمد عليها الوكلاء. وإذا لم تفكر المؤسسة في هذه المسألة مسبقًا، فقد يتعثر المشروع بوقت طويل قبل أن يبدأ الوكلاء في تسريع العمليات التي جرى تبنّيهم من أجلها.

لماذا تُعدّ البيانات أساسًا لا مجرد تفصيل؟

على عكس البرمجيات التقليدية التي تنفذ سيناريو مكتوبًا مسبقًا، يقرر وكيل الذكاء الاصطناعي المستقل بنفسه المصادر التي سيلجأ إليها، والبيانات التي سيقرؤها، والإجراء الذي سيتخذه بعد ذلك. وإذا كانت معلومات الشركة مبعثرة بين أنظمة منفصلة، وغير موسومة، وغير متاحة عبر واجهات واضحة، فإن الوكيل إما لن يعثر على المعلومات المطلوبة، أو سيحصل عليها مشوّهة وينفذ إجراءً خاطئًا. ويؤكد زيلماكر أن جودة عمل الوكيل محدودة بشكل مباشر بجودة البيانات التي يصل إليها وإتاحتها، ولا تعوّض قوة النموذج وحدها عن ذلك. وهذا ما يميّز الأنظمة الوكيلية جوهريًا عن المشاريع التجريبية الكلاسيكية للذكاء الاصطناعي التوليدي، حيث نادرًا ما يؤدي خطأ النموذج إلى عواقب حقيقية خارج نافذة المحادثة.

وقد ظهر منطق مشابه بالفعل في موجة مشاريع الذكاء الاصطناعي التوليدي خلال السنوات الأخيرة: أطلقت الشركات روبوتات محادثة على بياناتها الداخلية بأعداد كبيرة، ثم اكتشفت أن الإجابات غير دقيقة أو ناقصة، لأن النموذج لم يكن يصل إلى أحدث نسخ المستندات، أو لم يستطع التمييز بين تعليمات قديمة وأخرى سارية. وفي حالة الوكلاء تكون المخاطر أعلى، لأن الوكيل لا يكتفي بإنتاج نص، بل ينفذ إجراءات: يرسل رسائل البريد الإلكتروني، ويحدّث السجلات في نظام CRM، ويبدأ عمليات دفع. فالخطأ الناجم عن بيانات سيئة لا يتحول في السيناريو الوكيلي إلى إجابة غير دقيقة، بل إلى إجراء فعلي قد يكون مكلفًا.

ما وراء موقف Xebia

Xebia شركة استشارات تقنية دولية تساعد الشركات الكبرى في التحول الرقمي، وبناء منظومات البيانات، ودمج الذكاء الاصطناعي في العمليات الإنتاجية. وتوجّه صياغة زيلماكر كلامها تحديدًا إلى المسؤولين عن تسريع العمليات التجارية في مؤسساتهم بواسطة وكلاء الذكاء الاصطناعي. ووفقًا له، ينبغي البدء بالأساس، أي جعل البيانات صالحة لاستهلاك الوكلاء، وبعد ذلك فقط الانتقال إلى توسيع نطاق التبني نفسه. يبدو هذا التسلسل بديهيًا، لكنه في الواقع أكثر ما يجري خرقه: إذ تشتري الشركات تراخيص منصات الوكلاء قبل أن تنظّم مصادر البيانات التي يُفترض أن يستخدمها هؤلاء الوكلاء.

أبرز الحقائق:

• نيلس زيلماكر هو المدير التقني العالمي (CTO) لشركة Xebia
• نُشر التعليق على موقع AI News (artificialintelligence-news.com)
• الفكرة المحورية: الذكاء الاصطناعي الوكيلي يتوسع بقدر متانة البيانات، لا بقوة النموذج وحدها
• تتخصص Xebia في الاستشارات المتعلقة بالبيانات والتحول الرقمي للعملاء من الشركات

ماذا يعني ذلك للفرق التي تتبنى وكلاء الذكاء الاصطناعي؟

الخلاصة العملية من موقف Xebia بسيطة: قبل توسيع أسطول الوكلاء، ينبغي إجراء مراجعة لمصادر البيانات، لمعرفة أين تُخزَّن، ومدى حداثتها، ومن يديرها، وهل يمكن منح الوكيل حق الوصول إليها بأمان عبر API. أما الشركات التي تتخطى هذه المرحلة وتنتقل مباشرة إلى مشاريع تجريبية بسيناريوهات عرض لافتة، فتواجه في الغالب وكيلًا يعمل في بيئة تجريبية معزولة لكنه ينهار أمام بيانات المؤسسة الحقيقية الناقصة أو المتضاربة. وتؤتي الاستثمارات في إعداد البيانات، من فهرسة المصادر ومراقبة الجودة وتحديد صلاحيات الوصول، ثمارها في مرحلة التوسع، لا في مرحلة النموذج الأولي.

وبالنسبة للمديرين التقنيين، يعني ذلك إعادة ترتيب أولويات الميزانية: فجزء من الأموال التي كانت تُنفق حصرًا على اشتراكات النماذج وأطر عمل الوكلاء ينبغي أن يُعاد توجيهه إلى هندسة البيانات (data engineering)، أي بناء خطوط المعالجة التي تمنح الوكلاء وصولًا آنيًا إلى بيانات حديثة وموثوقة. ومن دون هذه الخطوة، سيتخذ حتى أكثر النماذج تطورًا قراراته بعمى، وقد يتحول الوكلاء أنفسهم إلى عرض مكلف للإمكانات، لا إلى أداة عمل تُسرّع فعليًا عمليات الشركة.