InsightFinder تجمع 15 مليون دولار لتشخيص أعطال الأنظمة المعتمدة على وكلاء الذكاء الاصطناعي

جمعت InsightFinder استثمارات بقيمة 15 مليون دولار لمعالجة إحدى أبرز مشكلات الذكاء الاصطناعي المؤسسي وأقلها حلًّا، وهي العجز عن تحديد موضع العطل بسرعة ودقة في الأنظمة التي تولّى فيها وكلاء الذكاء الاصطناعي تنفيذ مهام عمل فعلية.

عندما يخطئ وكيل الذكاء الاصطناعي أو يتوقف عن العمل، يكون العثور على السبب أصعب بكثير مما هو عليه عند تعطل البرمجيات التقليدية. فقد يكمن الخطأ في نموذج اللغة نفسه، أو في البيانات التي تلقّاها، أو في الأداة التي استدعاها، أو في المنسِّق (orchestrator) الذي يدير عدة وكلاء، أو في واجهة API تابعة لخدمة خارجية، أو في البنية التحتية الأساسية التي يعمل عليها كل ذلك. وهذه المشكلة التشخيصية متعددة الطبقات هي ما تتصدى له InsightFinder.

وبحسب الرئيسة التنفيذية للشركة هيلين غو، فإن التحدي الرئيسي أمام القطاع اليوم لا يقتصر على مراقبة نماذج الذكاء الاصطناعي المنفردة، بل يتعلق بتشخيص أداء المنظومة التقنية كاملةً في ظل أن الذكاء الاصطناعي بات جزءًا لا يتجزأ منها. وهذا مستوى مختلف جذريًا من التعقيد: فأنظمة المراقبة التقليدية قادرة على تتبّع السجلات (logs) والمقاييس والتتبعات (traces)، لكنها لا تستطيع تفسير السلوك غير الحتمي لنماذج LLM ضمن سلسلة وكلاء معقدة.

ومع انتشار الأنظمة القائمة على الوكلاء، لم تعد نقطة الإخفاق نموذجًا واحدًا. بل أصبحت سلسلة كاملة: استدعاءات LLM، والطلبات الموجَّهة إلى أدوات خارجية، وتكاملات API، وقواعد المعرفة على هيئة مخازن متجهية، والمنسِّقات التي تدير عدة وكلاء متوازيين، والخدمات الخارجية. وتشخيص نظام كهذا بالطرق الكلاسيكية يعني إنفاق ساعات في تحليل يدوي لسجلات متفرقة بدلًا من إصلاح المشكلة سريعًا.

تتخصص InsightFinder في مراقبة الذكاء الاصطناعي (AI observability)، وهو مجال تتزايد أهميته بسرعة مع انتقال الشركات من تجارب روبوتات الدردشة إلى نشر وكلاء مستقلين في أنظمة الإنتاج. وتستطيع منصة الشركة أن تتتبّع استدعاءات نماذج الذكاء الاصطناعي، وأن تربطها كذلك بحالة البنية التحتية بأكملها، من حمل الخوادم إلى زمن استجابة الخدمات اللاحقة (downstream). ويتيح ذلك رؤية الصورة الكاملة لما يحدث بدلًا من شذرات منفصلة.

وستتيح جولة التمويل البالغة 15 مليون دولار لـ InsightFinder توسيع المنصة وتعزيز فريقها الهندسي. وسوق مراقبة الذكاء الاصطناعي لا يزال قيد التشكّل، غير أن المنافسة محسوسة بالفعل: فهناك Arize AI وLangSmith من LangChain وWeights & Biases وHoneycomb وعدد من اللاعبين الآخرين. وتراهن InsightFinder على نطاق تغطية أوسع، لا يقتصر على تتبّع استدعاءات LLM بل يشمل ربطها بحالة البنية التحتية بكاملها، وهو ما يميّز المنتج عن أدوات تتبّع LLM المتخصصة بنطاق ضيق.

وتبدو المشكلة أشد حدّة بالنسبة للعملاء من الشركات. فحين يتوقف وكيل الذكاء الاصطناعي عن العمل مساء الجمعة، يتعيّن على الفريق الهندسي أن يحدد خلال دقائق: هل المشكلة في النموذج نفسه، أم في انتهاء صلاحية رمز التفويض، أم في تعطل واجهة API تابعة لجهة خارجية، أم في تدهور أداء قاعدة البيانات. ومن دون أدوات متخصصة، يتحول هذا التحليل إلى تحقيق بوليسي في سجلات خام، مكلف وبطيء.

ويعكس الاستثمار في InsightFinder اتجاهًا أوسع في القطاع. فمع تولّي وكلاء الذكاء الاصطناعي عمليات أعمال فعلية، من دعم العملاء إلى العمليات المالية وإدارة سلاسل الإمداد، تقترب متطلبات موثوقيتهم وقابليتهم للتشخيص من معايير البنية التحتية الحرجة. ولم يعد بإمكان الشركات تحمّل وكلاء يخطئون أحيانًا لأسباب غير مفهومة، خصوصًا حين يتعلق الأمر باتخاذ قرارات آلية.

وتقدّم InsightFinder نفسها بوصفها طبقة بنية تحتية لعصر الذكاء الاصطناعي القائم على الوكلاء، أي أداة من دونها يظل النشر الصناعي للوكلاء في العمليات الحرجة مغامرة محفوفة بالمخاطر، بنقاط إخفاق لا يمكن التنبؤ بها.