RPA ووكلاء الذكاء الاصطناعي في بنية المؤسسات: ليس أحدهما بديلاً عن الآخر، بل يعملان معاً

نشر سيرغي، رئيس إدارة التقنيات التشغيلية في شركة التأمين RGS (روسغوسسترا)، مقالاً على موقع Habr يبحث فيه ما إذا كانت أتمتة العمليات الروبوتية (RPA) ووكلاء الذكاء الاصطناعي القائمون على النماذج اللغوية الكبيرة (LLM) يتنافسان فيما بينهما، أم يكمّل أحدهما الآخر في بنية أنظمة المؤسسات. والخلاصة الرئيسية للكاتب أن التقنيتين في منظومة المؤسسات الكبرى ليستا متنافستين، بل متكاملتان وتشكّلان طبقتين ضمن نظام واحد.

ما الذي يميّز RPA عن وكلاء الذكاء الاصطناعي

RPA (Robotic Process Automation) تقنية أصبحت في السنوات الأخيرة أداة واسعة الانتشار لأتمتة العمليات الروتينية في الأعمال. تعمل «الروبوتات» البرمجية فيها وفق سيناريوهات محددة بصرامة، فتكرّر الخطوات نفسها على بيانات منظَّمة، مثل نقل البيانات بين الأنظمة، وتعبئة النماذج وفق قالب جاهز، وإعداد التقارير بخوارزمية ثابتة. أما وكلاء الذكاء الاصطناعي القائمون على LLM فتختلف طبيعة عملهم جذرياً: فهم يستدلّون على بيانات غير منظَّمة، كالنصوص والصور وطلبات المستخدمين الحرّة، ويستطيعون اتخاذ قرارات في مواقف لم يُحدَّد لها سيناريو صارم مسبقاً.

لماذا يعني اختيار تقنية واحدة اختياراً بلا خيار حقيقي

يصوغ الكاتب الفكرة المحورية للمقال على النحو التالي: إذا اضطرت المؤسسة إلى اختيار أحد النهجين فقط، فإنها تخسر في الكفاءة حتماً. فـ RPA ووكلاء الذكاء الاصطناعي يعالجون فئات مختلفة من المهام، واستبدال أحدهما بالآخر يعني إما دفع تكلفة زائدة مقابل LLM في موضع كان يكفيه سكربت بسيط وفق قالب، وإما الاصطدام بالقيود الصارمة لـ RPA في موضع يتطلب تفسير معلومات غير منظَّمة.

أبرز نقاط المقال:

• الكاتب هو سيرغي، رئيس إدارة التقنيات التشغيلية في شركة RGS (روسغوسسترا).
• منصة النشر هي Habr، قسم AI.
• RPA فعّال في المعالجة المتكررة للمهام المنظَّمة جيداً والمتكررة.
• وكلاء الذكاء الاصطناعي القائمون على LLM فعّالون في التعامل مع البيانات غير المنظَّمة والمهام التي تتطلب استدلالاً.
• الخلاصة: في بنية المؤسسات الكبرى تمثّل التقنيتان طبقتين متكاملتين، لا بديلين متنافسين.

كيف يعمل RPA والوكلاء معاً عملياً

يرى الكاتب أن البنية الأكثر إنتاجية للمؤسسة الكبيرة لا تقوم على استبدال تقنية بأخرى، بل على بناء نظام تتولى فيه كل طبقة المهام التي تناسبها أكثر. تواصل روبوتات RPA تنفيذ العمليات الضخمة المتوقعة التي يسهل التحقق منها، حيث تُعدّ السرعة والتكلفة المنخفضة والتكرار الكامل للنتيجة عوامل حاسمة. ويتدخل وكلاء الذكاء الاصطناعي حيث تتطلب العملية تفسير السياق: تحليل طلب عميل مكتوب بنص حرّ، أو اتخاذ قرار في حالة غير نمطية، أو تجميع معلومات من مصادر متفرقة قبل تمرير نتيجة منظَّمة إلى المرحلة التالية من السلسلة، بما في ذلك تمريرها إلى روبوت RPA نفسه للتنفيذ النهائي.

وتبدو هذه البنية الهجينة وثيقة الصلة بقطاع التأمين الذي يعمل فيه الكاتب بوجه خاص. فمعالجة طلبات التعويض وتقييم الحوادث المؤمَّن عليها والتعامل مع مراجعات العملاء تجمع بين خطوات منظَّمة بدقة وموثّقة رسمياً، وهي مثالية لـ RPA، وعناصر تتطلب فهم اللغة الطبيعية وسياق الحالة المعيّنة، وهذا مجال وكلاء الذكاء الاصطناعي. ويبدو أن مقال Habr يتناول أيضاً حالة تطبيق فعلية لهذه البنية المركّبة في RGS، موضحاً لماذا تتحول تقنيتان كثيراً ما يُجعل أحدهما نقيضاً للآخر في النقاشات العامة إلى جزأين من سلسلة إنتاج واحدة، لا إلى بديلين يستبعد أحدهما الآخر.

بدأ انتشار RPA كفئة من برمجيات المؤسسات على نطاق واسع منذ منتصف العقد الثاني من القرن الحادي والعشرين، حين واجهت الشركات حول العالم حاجة إلى أتمتة العمليات القديمة (legacy) بسرعة، دون قدرة أو ميزانية لإعادة بناء أنظمتها المعلوماتية الداخلية بالكامل. كانت الروبوتات تحاكي ببساطة أفعال الإنسان في الواجهات القائمة، فتنقر وتنسخ وتلصق البيانات، مما جعل التطبيق سريعاً لكنه غير مرن أمام أي تغيير في الأنظمة نفسها. وظهور وكلاء الذكاء الاصطناعي القائمين على LLM بعد عقد من الزمن لا يلغي هذه البنية التحتية المتراكمة للأتمتة، بل يتيح لشركات مثل RGS بناء طبقة أكثر مرونة فوقها، قادرة على التعامل مع الاستثناءات والحالات غير القياسية التي لم يكن سيناريو RPA الكلاسيكي قادراً على معالجتها، فكان يحيلها إلى المشغّل البشري.