RPA ووكلاء الذكاء الاصطناعي في البنية المؤسسية: ليس بدلاً من ذلك، بل معاً

نشر مدير تقنيات التشغيل في شركة التأمين RGS (Rosgosstrakk) يُدعى سيرجي على موقع Habr مادة حول ما إذا كانت أتمتة العمليات الآلية (RPA) وعملاء الذكاء الاصطناعي القائمين على نماذج اللغة الكبيرة (LLM) يتنافسان مع بعضهما أم يكملان بعضهما البعض في معمارية الأنظمة المؤسسية. الخلاصة الرئيسية للمؤلف: في المشهد المؤسسي، هذه ليست تقنيات متنافسة بل متكاملة، تشكل طبقتين من نظام واحد.

كيف يختلف RPA عن عملاء الذكاء الاصطناعي

RPA (أتمتة العمليات الآلية) — تقنية أصبحت في السنوات الأخيرة أداة شاملة لأتمتة العمليات التجارية الروتينية: تعمل "الروبوتات" البرمجية وفقاً لسيناريوهات محددة بدقة، وتكرر نفس الخطوات على البيانات المنظمة — على سبيل المثال، نقل البيانات بين الأنظمة، وملء النماذج بناءً على القوالب، وإنشاء التقارير وفقاً لخوارزمية ثابتة. عملاء الذكاء الاصطناعي القائمون على LLM منظمون بطريقة مختلفة جوهرياً: فهم يفكرون في البيانات غير المنظمة — النصوص والصور والطلبات التعسفية للمستخدمين — وقادرون على اتخاذ قرارات في حالات لم يكن لديهم سيناريو صارم مكتوب مسبقاً.

لماذا اختيار تقنية واحدة هو اختيار بدون خيار

يصيغ المؤلف الأطروحة الرئيسية للمادة على النحو التالي: إذا أُرغمت منظمة على اختيار واحد فقط من نهجين، فستفقد حتماً من حيث الكفاءة — لأن RPA وعملاء الذكاء الاصطناعي يحلان فئات مختلفة من المهام، واستبدال أحدهما بالآخر يعني إما الإفراط في الدفع مقابل LLM حيث يكفي نص برمجي بسيط قائم على القوالب، أو الاصطدام بقيود صارمة لـ RPA حيث يلزم تفسير المعلومات غير المنظمة.

الأطروحات الرئيسية للمادة:

• المؤلف هو سيرجي، رئيس تقنيات التشغيل في RGS (Rosgosstrakk).
• منصة النشر — Habr، قسم الذكاء الاصطناعي.
• RPA — فعال لمعالجة المهام المنظمة جيداً والمتكررة بشكل متكرر.
• عملاء الذكاء الاصطناعي على LLM — فعالون للعمل مع البيانات غير المنظمة والمهام التي تتطلب التفكير.
• الخلاصة — في معمارية المؤسسات، هذه طبقتان متكاملتان متبادلتان، وليست بدائل متنافسة.

كيف يعمل RPA والعملاء معاً عملياً

برأي المؤلف، المعمارية الأكثر إنتاجية لمنظمة كبيرة لا تعني استبدال تقنية بأخرى، بل بناء نظام حيث تحل كل طبقة المهام التي تناسبها بشكل أفضل. تستمر روبوتات RPA في تنفيذ عمليات شاملة يمكن التنبؤ بها وسهلة التحقق منها — حيث تهم السرعة والفعالية من حيث التكلفة وتكرار النتيجة بنسبة مئة بالمئة. يتم تطبيق عملاء الذكاء الاصطناعي حيث تتطلب العملية تفسير السياق: تحليل طلبات العملاء المكتوبة بنص حر، واتخاذ قرارات في حالات غير نمطية، وتجميع المعلومات من مصادر متفرقة قبل تمرير نتيجة منظمة إلى أسفل — بما في ذلك لنفس روبوت RPA لتنفيذ نهائي.

بالنسبة لصناعة التأمين حيث يعمل المؤلف، تعتبر هذه المعمارية الهجينة ذات صلة خاصة: معالجة الادعاءات للدفع وتقييم حالات التأمين والعمل مع استفسارات العملاء تجمع بين خطوات منظمة بدقة وموثقة رسمياً مثالية لـ RPA، وعناصر تتطلب فهماً للغة الطبيعية والسياق لحالة معينة — مجال عملاء الذكاء الاصطناعي. تفحص المادة على Habr على ما يبدو حالة واقعية لتطبيق مثل هذه المعمارية المدمجة في RGS، مما يوضح لماذا تثبت هذه التقنيتان، اللتان غالباً ما تُعارَض إحداهما الأخرى في النقاشات العامة، أنهما أجزاء من سلسلة إنتاجية واحدة، وليست بدائل متنافية.

بدأت RPA كفئة من برامج الشركات في الانتشار على نطاق واسع في منتصف العقد الأول من القرن الحادي والعشرين، عندما واجهت الشركات في جميع أنحاء العالم الحاجة إلى أتمتة العمليات القديمة (legacy) بسرعة دون وجود القدرة أو الميزانية لإعادة هيكلة كاملة لأنظمة المعلومات الداخلية. كانت الروبوتات تحاكي ببساطة الإجراءات البشرية في الواجهات الموجودة — بالنقر والنسخ واللصق — مما جعل التنفيذ سريعاً لكن غير مرن لأي تغييرات في الأنظمة نفسها. لا يلغي ظهور عملاء الذكاء الاصطناعي القائمين على LLM بعد عقد من الزمان هذا البنية الأساسية المتراكمة للأتمتة، بل يعطي شركات مثل RGS القدرة على طبقة فوقها طبقة أكثر مرونة قادرة على التعامل مع الاستثناءات والحالات غير القياسية التي لا يمكن لسيناريو RPA الكلاسيكي ببساطة التعامل معها وتمريرها إلى مشغل بشري.