عرضت AWS خدمة Amazon Quick Flows — أتمتة المهام بالذكاء الاصطناعي بدون أكواد للشركات

قدمت أمازون ويب سيرفسز (AWS) Amazon Quick Flows — وهي أداة ضمن Amazon Quick تتيح بناء تطبيقات أتمتة قائمة على الذكاء الاصطناعي باستخدام اللغة الطبيعية دون الحاجة إلى كتابة أكواد برمجية. تستهدف الخدمة العمليات التجارية الروتينية: من إعداد الملخصات المالية إلى استقطاب الموظفين الجدد، حيث كان يتعين سابقًا نقل البيانات يدويًا بين الأنظمة وإرسال رسائل بريد إلكتروني وتنفيذ سلاسل الإجراءات. كسيناريو بداية، تقدم AWS بناء محلل الأداء المالي.

يقدم المستخدم طلبًا يتضمن أربعة عناصر: الحصول على بيانات السوق في الوقت الفعلي، حساب المقاييس المالية الرئيسية، جمع الأخبار الحديثة وإنشاء تحليل. بعد ذلك، يحول Quick Flows الوصف إلى سلسلة من الخطوات: يقبل اسم الشركة أو الرمز السهمي، يصل إلى بحث الويب، يستخرج مقاييس مثل نسبة السعر إلى الربح والقيمة السوقية والإيرادات، ثم يدمج كل شيء في تقرير. يمكن تشغيل المسار الجاهز فورًا، ويمكن تحسين النتائج من خلال الدردشة — على سبيل المثال، تضييق التحليل على مقاييس محددة أو تغيير تنسيق الإخراج.

من بين الأفكار الرئيسية في Quick Flows عدم إخفاء الأتمتة خلف زر واحد، بل إظهار كيفية عملها. في محرر النصوص، يمكنك رؤية الخطوات التي أنشأتها الخدمة وكيفية تدفق البيانات من الإدخال إلى الإجابة النهائية. تقسم AWS هذه الخطوات إلى خمس مجموعات: استجابات الذكاء الاصطناعي، منطق التدفق، رؤى البيانات، الإجراءات في الأنظمة الخارجية، وإدخال المستخدم.

بالنسبة للمثال المالي، يعني هذا مزيجًا من الإدخال النصي، عدة استعلامات بحث على الويب، وخطوة تركيب نهائية تجمع بيانات السوق والأخبار وتوصيات المحللين في وثيقة واحدة. بعد ذلك، يمكن توسيع هذا السيناريو: إرسال التقرير للفريق عبر البريد الإلكتروني، نشره في Slack، حفظه في SharePoint أو تصديره إلى صيغة PDF و Word، وعند الحاجة، جدولة التنفيذ. السيناريو الثاني أكثر تعقيدًا بشكل ملحوظ ويوضح أن Quick Flows مصمم ليس فقط للتقارير الفردية، بل لعمليات تجارية بها تفريعات وتكاملات.

في مثال استقطاب الموظفين الجدد، يجمع المسار أولاً الاسم الأول واللقب والبريد الإلكتروني، ثم من خلال خطوة إجراء يتحقق مما إذا كان الشخص موجودًا في نظام الموارد البشرية، وبعد ذلك فقط يقرر ما يجب فعله بعد ذلك. إذا تم العثور على الموظف، تنتهي السلسلة لتجنب التكرار. وإن لم يتم العثور عليه، تطلق الخدمة ستة إجراءات متتالية: تنشئ بطاقة موظف، وتنشئ رسالة ترحيب مخصصة بناءً على سياسات الشركة، وترسلها، وتنشئ طلب وصول، وتنشئ تذكرة لقسم تقنية المعلومات، وأخيرًا تعد ملخصًا للخطوات المنفذة.

تتولى مجموعة التفكير منطق الشروط هنا — في الأساس تعبير if/then مكتوب بالنصوص يضيفه Quick Flows بنفسه بناءً على عبارات مثل "تحقق مما إذا كان الموظف موجودًا" و"إذا كان هذا موظفًا جديدًا". تشدد AWS بشكل منفصل على أن جودة الأتمتة تعتمد بشدة على صياغة الطلب. يجب أن يصف الطلب الجيد لـ Quick Flows البيانات التي يجب جمعها والقرارات التي يجب اتخاذها والإجراءات التي يجب تنفيذها والمحتوى الذي يجب إنشاؤه.

تستخدم الخدمة أيضًا متغيرات: تنشئ كل خطوة حاويًا بيانات مسماة يمكن بعد ذلك استبدالها في العمليات اللاحقة من خلال بناء الجملة برمز @. وهذا مهم للتكاملات مع API والرسائل والتذاكر. من النصائح العملية، توصي AWS بأولاً اختبار الفكرة في الدردشة، البدء بمجموعات بيانات صغيرة بسبب قيود نافذة السياق، رسم سلسلة الخطوات مسبقًا، وعدم نسيان التكلفة: يتم فوترة Amazon Quick حسب الاستخدام، لذلك يجب حذف مسارات الاختبار والتشغيل المجدول بعد التجارب.

بالنسبة للسوق، هذه إشارة أخرى على أن منصات السحابة الكبرى تعبئ التنسيق والبحث وتوليد النصوص والتكاملات النظامية في منتجات للمستخدمين التجاريين، وليس فقط للمطورين. يحاول Amazon Quick Flows احتلال مكان بين مساعد الدردشة العادي ومنصات no-code الكلاسيكية: يشرح المستخدم المهمة باللغة البشرية، والخدمة نفسها تقسمها إلى خطوات وشروط وإجراءات. إذا كانت الأداة تعمل بالفعل بشكل مستقر مع مصادر البيانات الخاصة بالشركة والموصلات الخارجية، فقد تقلل الوقت المستغرق في العمليات المتكررة حيث كان يتعين سابقًا كتابة البرامج النصية أو تجميع السيناريوهات يدويًا.

لكن عتبة الجودة هنا ستحددها ليس سحر النموذج، بل مدى دقة وصف الشركة للعملية والبيانات وقواعد التنفيذ.