AWS تستعرض Amazon Quick Flows: أتمتة المهام بالذكاء الاصطناعي دون كتابة أي كود للشركات

قدّمت AWS خدمة Amazon Quick Flows، وهي أداة ضمن Amazon Quick تتيح بناء أتمتة بالذكاء الاصطناعي بلغة طبيعية ودون كتابة كود. تستهدف الخدمة العمليات التجارية الروتينية، من إعداد الملخصات المالية إلى استقبال الموظفين الجدد، وهي مهام كان تنفيذها يتطلب سابقًا نقل البيانات يدويًا بين الأنظمة وكتابة الرسائل وتشغيل سلاسل من الإجراءات.

كسيناريو بداية، تقترح AWS بناء Financial Performance Analyzer. يكتب المستخدم موجّهًا (prompt) من أربعة أجزاء: الحصول على بيانات السوق في الوقت الفعلي، وحساب المؤشرات المالية الرئيسية، وجمع أحدث الأخبار، وصياغة خلاصة تحليلية. بعد ذلك تحوّل Quick Flows الوصف بنفسها إلى سلسلة من الخطوات: تستقبل اسم الشركة أو رمزها في البورصة، وتلجأ إلى البحث على الويب، وتستخرج مؤشرات مثل مكرر الربحية (P/E) والقيمة السوقية والإيرادات، ثم تجمع كل ذلك في تقرير. يمكن تشغيل المسار الجاهز فورًا، وتحسين النتيجة عبر الدردشة، مثل حصر التحليل في مؤشرات محددة أو تغيير شكل المخرجات.

من الأفكار المحورية في Quick Flows أنها لا تخفي الأتمتة خلف زر واحد، بل تُظهر كيفية عملها. يعرض المحرر الخطوات التي أنشأتها الخدمة، ومسار البيانات من الإدخال إلى الإجابة النهائية. وتقسّم AWS هذه الخطوات إلى خمس مجموعات: ردود الذكاء الاصطناعي، ومنطق المسار، والرؤى المستخلصة من البيانات، والإجراءات في الأنظمة الخارجية، وإدخال المستخدم. وفي المثال المالي يعني ذلك سلسلة تضم إدخالًا نصيًا وعدة استعلامات بحث على الويب وخطوة تجميع نهائية تضم بيانات السوق والأخبار وتوصيات المحللين في وثيقة واحدة. ويمكن لاحقًا توسيع هذا السيناريو: إرسال التقرير إلى الفريق عبر البريد، أو نشره في Slack، أو حفظه في SharePoint، أو تصديره بصيغتي PDF وWord، وجدولة التنفيذ عند الحاجة.

السيناريو الثاني أكثر تعقيدًا بوضوح، ويُظهر أن Quick Flows مصمَّمة ليس للتقارير المنفردة فحسب، بل أيضًا للعمليات التجارية ذات التفرعات والتكاملات. في مثال استقبال الموظفين الجدد، يجمع المسار أولًا الاسم واسم العائلة والبريد الإلكتروني، ثم يتحقق عبر خطوة إجراء (action-step) مما إذا كان الشخص موجودًا في نظام الموارد البشرية، وبعد ذلك يقرر ما سيفعله. إذا وُجد الموظف، تنتهي السلسلة لتفادي إنشاء نسخ مكررة.

وإذا لم يُوجد، تنفّذ الخدمة ستة إجراءات متتابعة: تنشئ بطاقة الموظف، وتولّد رسالة ترحيب مخصّصة استنادًا إلى سياسات الشركة، وترسلها، وتُعدّ طلب تصريح دخول، وتنشئ تذكرة لقسم تقنية المعلومات، وتُعدّ في النهاية ملخصًا بالخطوات المنفّذة. ويتولى المنطق الشرطي هنا ما يُسمى reasoning group، وهو في جوهره وصف نصي لبنية if/then تضيفه Quick Flows بنفسها استنادًا إلى عبارات مثل «تحقق مما إذا كان الموظف موجودًا» و«إذا كان هذا موظفًا جديدًا».

وتؤكد AWS بشكل خاص أن جودة الأتمتة تعتمد بدرجة كبيرة على صياغة الطلب. ينبغي أن يصف الموجّه الجيد في Quick Flows البيانات المطلوب جمعها، والقرارات المطلوب اتخاذها، والإجراءات المطلوب تنفيذها، والمحتوى المطلوب توليده. كما تستخدم الخدمة متغيّرات: كل خطوة تنشئ حاوية بيانات مسمّاة يمكن لاحقًا استدعاؤها في العمليات التالية عبر صيغة تستخدم الرمز @. وهذا مهم للتكامل مع واجهات API والرسائل والتذاكر.

ومن النصائح العملية التي تقدمها AWS: اختبار الفكرة أولًا في الدردشة، والبدء بمجموعات بيانات صغيرة بسبب قيود نافذة السياق، ورسم تسلسل الخطوات مسبقًا، وعدم إغفال التكلفة، إذ تُحتسب رسوم Amazon Quick بحسب الاستخدام، ما يعني أن من الأفضل حذف المسارات التجريبية وعمليات التشغيل المجدولة بعد انتهاء التجارب.

وبالنسبة للسوق، هذه إشارة أخرى إلى أن منصات السحابة الكبرى تُغلّف التنسيق (orchestration) والبحث وتوليد النصوص وتكاملات الأنظمة في منتجات موجّهة لمستخدمي الأعمال، لا للمطورين فقط. تحاول Amazon Quick Flows أن تحتل موقعًا وسطًا بين مساعد الدردشة العادي ومنصات no-code التقليدية: يشرح المستخدم المهمة بلغة بشرية، وتقسّمها الخدمة بنفسها إلى خطوات وشروط وإجراءات. وإذا كانت الأداة تعمل فعلًا بثبات مع مصادر البيانات المؤسسية والموصّلات الخارجية، فقد تقلّص الوقت المخصص للعمليات المتكررة في الحالات التي كان يُضطر فيها سابقًا إلى كتابة سكربتات أو بناء السيناريوهات يدويًا. لكن حدّ الجودة هنا لن تحدده «سحر النموذج»، بل مدى دقة وصف الشركة للعملية والبيانات وقواعد التنفيذ.