Xebia: وكلاء الذكاء الاصطناعي يفشلون بدون أساس بيانات صحيح

قال نيلس زايلمكر، المدير التقني العالمي لشركة الاستشارات Xebia، في تعليق على بوابة AI News أن معظم الفشل في تنفيذ وكلاء الذكاء الاصطناعي في الشركات يُفسّر ليس بضعف النماذج ذاتها، بل بافتقار إلى أساس بيانات مُعد. وفقاً له، يتم قياس ذكاء الوكيل الاصطناعي فقط بقوة البيانات التي يعتمد عليها الوكلاء: إذا لم تفكر منظمة في هذه المسألة مسبقاً، فإن المشروع يخاطر بأن يتعطل قبل أن يبدأ الوكلاء بتسريع العمليات التي تم تنفيذهم من أجلها.

لماذا البيانات هي الأساس، وليس التفصيل

على عكس البرمجيات العادية التي تنفذ سيناريو مكتوب مسبقاً، يقرر الوكيل المستقل للذكاء الاصطناعي بنفسه أي المصادر يجب الوصول إليها وأي البيانات يجب قراءتها وما الإجراء الذي يجب اتخاذه بعد ذلك. إذا كانت المعلومات الخاصة بالشركة مشتتة عبر أنظمة منفصلة وغير مميزة وغير قابلة للوصول من خلال واجهات واضحة، فإما أن لا يجد الوكيل المعلومات اللازمة أو يحصل عليها بشكل مشوه ويرتكب إجراء خاطئ. يؤكد زايلمكر: جودة عمل الوكيل مقيدة بشكل مباشر بجودة وتوفر البيانات التي يمكنه الوصول إليها — لا يمكن لأي قدر من قوة النموذج أن يعوض هذا. هذا يميز بشكل أساسي أنظمة الوكلاء عن المشاريع الكلاسيكية مع الذكاء الاصطناعي التوليدي، حيث تؤدي أخطاء النموذج نادراً إلى عواقب حقيقية خارج الدردشة.

ظهرت منطق مماثل بالفعل في موجة مشاريع الذكاء الاصطناعي التوليدي في السنوات الأخيرة: أطلقت الشركات روبوتات محادثة على نطاق واسع على بيانات داخلية، ثم اكتشفت أن الإجابات إما كانت غير دقيقة أو غير مكتملة لأن النموذج لم يكن لديه إمكانية الوصول إلى الإصدارات الحالية من المستندات أو لم يتمكن من التمييز بين تعليمات قديمة والتعليمات النشطة. بالنسبة للوكلاء، المخاطر أعلى لأن الوكيل لا يخرج نصاً فقط — بل ينفذ إجراءات: يرسل رسائل بريد إلكترونية، يحدّث سجلات CRM، يبدأ المدفوعات. الخطأ الناجم عن بيانات سيئة في سيناريو الوكيل لا يتحول إلى إجابة غير دقيقة بل إلى إجراء حقيقي، قد يكون مكلفاً.

ما الذي يدعم موقف Xebia

Xebia هي شركة استشارات تكنولوجيا المعلومات الدولية التي تساعد الشركات على التحول الرقمي وبناء البيانات وتنفيذ الذكاء الاصطناعي في العمليات الإنتاجية. تعليق زايلمكر موجه لأولئك المسؤولين عن تسريع العمليات التجارية باستخدام وكلاء الذكاء الاصطناعي: وفقاً له، يجب أن تبدأ بالأساس — جعل البيانات مناسبة للاستهلاك من قبل الوكلاء — وعندها فقط الانتقال إلى توسيع نطاق التنفيذ ذاته. تبدو مثل هذه السلسلة واضحة، لكن في الممارسة العملية يتم انتهاك هذه السلسلة في أغلب الأحيان: تشتري الشركات تراخيص منصات الوكلاء قبل تنظيم مصادر البيانات التي يجب أن يستخدمها هؤلاء الوكلاء.

الحقائق الرئيسية:

• نيلس زايلمكر هو CTO العالمي لشركة Xebia
• التعليق نُشر بواسطة بوابة AI News (artificialintelligence-news.com)
• الأطروحة المركزية: يتم قياس ذكاء الوكيل الاصطناعي على قوة البيانات وليس فقط على قوة النموذج
• تتخصص Xebia في استشارات البيانات والتحول الرقمي لعملاء الشركات

ما الذي يتغير لفرق تنفيذ وكلاء الذكاء الاصطناعي

الاستنتاج العملي من موقف Xebia بسيط: قبل توسيع نطاق أسطول الوكلاء، من الجدير بالاهتمام مراجعة مصادر البيانات — فهم مكان تخزينها ومدى تحديثها ومن يديرها وما إذا كان من الآمن إعطاء الوكيل إمكانية الوصول إليها عبر API. غالباً ما تكتشف الشركات التي تتخطى هذه المرحلة وتنتقل مباشرة إلى تجارب توضيحية بسيناريوهات مثيرة أن الوكيل يعمل في بيئة معزولة لكنه ينهار على بيانات الشركة الحقيقية والناقصة أو المتناقضة. تؤتي الاستثمارات في تحضير البيانات — فهرسة المصادر والتحكم في الجودة وإدارة حقوق الوصول — ثمارها بالضبط في مرحلة التوسع وليس في مرحلة النموذج الأولي.

بالنسبة للقادة التقنيين، هذا يعني مراجعة أولويات الميزانية: يجب إعادة توزيع جزء من الأموال التي ذهبت سابقاً حصرياً إلى الاشتراكات في النماذج وأطر عمل الوكلاء إلى هندسة البيانات — بناء خطوط أنابيب تضمن حصول الوكلاء على بيانات محدثة وموثوقة في الوقت الفعلي. بدون هذه الخطوة، حتى النموذج الأكثر تقدماً سيتخذ قرارات عمياء، والوكلاء أنفسهم يخاطرون بأن يصبحوا عرضاً مكلفاً للإمكانيات بدلاً من أداة عمل تسرع فعلاً عمليات الشركة.