Claude Sonnet ساعد كبار المديرين على بناء مدير ذكاء اصطناعي للقرارات الصعبة خلال 8 ساعات

خلال يوم عمل واحد، بنى فريق من الرئيس التنفيذي (CEO) ومدير التقنية (CTO) ومدير المعلومات (CIO) ومهندس ذكاء اصطناعي مساعدًا إداريًا بالذكاء الاصطناعي، لا روبوت دردشة، قادرًا على مجادلة الإدارة وعدم التخلي عن موقفه تحت الضغط. في الورشة المكثفة المغلقة Snow BASE، كان على مشروع CAITO (Chief AI & Technology Officer) أن يتخذ قرارات في حالة أزمة تخص وحدة تجزئة، وألا يغيّر رأيه إلا عندما تتغير الحقائق. نظّم الهاكاثون في سوتشي AI Talent Hub التابع لجامعة ITMO وSouth HUB.

مُنح المشاركون ثماني ساعات لحل الحالة: في شركة تجزئة كبيرة يتراجع أداء نظام التوصيات بسبب الانجراف الموسمي في البيانات، وتعمل البنية التحتية أصلًا عند حدها الأقصى، وتنمو نفقات السحابة أسرع من الإيرادات، بينما تزيد المتطلبات الجديدة بموجب القانون الاتحادي رقم 152 (152-ФЗ) خطر الغرامات. أمام مجلس الإدارة خيار غير مريح: توسيع النظام، أو تجميد تطويره، أو تأجيل إطلاقه، وأمامه 14 يومًا فقط لاتخاذ القرار. بنى فريق CAITO حول هذه المهمة نموذجًا إداريًا لا يكتفي فيه الذكاء الاصطناعي بالإجابة عن الأسئلة، بل يحافظ على خط ثابت بين مصالح الرئيس التنفيذي والمدير المالي (CFO) ومدير العمليات (COO) والفريق التقني.

وهنا تحديدًا تتعثر نماذج LLM العادية. فإذا اكتفى النموذج بمواصلة الحوار، بدأ يتكيّف مع آخر محاور وأكثرهم إلحاحًا: الرئيس التنفيذي يضغط من أجل النمو بأي ثمن، والمدير المالي يطالب بعائد استثمار فوري ويقتطع الاستثمارات، ومدير العمليات يذكّر باتفاقيات مستوى الخدمة (SLA) والقيود التشغيلية. والنتيجة مرآة للضغط الحالي بدلًا من موقف إداري.

لذلك اختار الفريق نهجًا عمليًا إلى أقصى حد: أن يبني أولًا single-shot reasoning مستقرًا، بواقع استدعاء واحد للنموذج في كل دورة، ثم يتحقق لاحقًا مما إذا كانت هناك حاجة إلى حلقة وكلاء أكثر تعقيدًا. وفّر هذا النمط زمن استجابة متوقعًا في حدود بضع ثوانٍ، وإخراجًا واحدًا بصيغة JSON منظمة، وتصحيح أخطاء أبسط في ظروف الهاكاثون. واختير Claude Sonnet نموذجًا، وبُنيت الخدمة نفسها على Bun وTypeScript مع الوصول إلى Cloud.

ru Foundation Models عبر واجهة API متوافقة مع OpenAI. قامت بنية CAITO على ثلاث ركائز. الأولى system prompt بتفويض صارم: على المساعد أن يصوغ القرار أولًا ثم الحجج، وأن يثبّت تعارض المقاييس بشكل منفصل، وألا يغيّر موقفه دون بيانات جديدة.

والثانية ملف workflow.yaml الذي حُددت فيه الأدوار الداخلية وأوزانها وترتيب الاستشارات: أولًا الحقائق من ML والاقتصاد، ثم القيود التشغيلية، وفي النهاية السياسة الإدارية. والثالثة ذاكرة طويلة الأمد.

خُزّنت فيها بشكل منفصل الحقائق الثابتة للحالة والسجل الحي للقرارات والافتراضات ومؤشرات الأداء (KPI) وتحولات الموقف. وأتاح ذلك للنظام أن يتذكر السياق ويشرح لماذا بقي الرأي كما هو أو تغيّر. في العرض الختامي، قدّم الفريق ثلاثة سيناريوهات.

في الأول واجه CAITO بيانات متناقضة، واختُبر على أي المصادر يعتمد؛ ولتقليل خطر الهلوسة، أُضيف إلى الإجابة بيان يوضح من أين أُخذت الأرقام الرئيسية. في السيناريو الثاني ضغط الرئيس التنفيذي على المساعد مطالبًا بالتحرك فورًا، لكن النظام حافظ على الإطار وأجاب بأنه، دون تحديث الحقائق، لا يمكنه إلا توضيح المخاطر، لا إعادة كتابة القرار. وفي السيناريو الثالث جاء الضغط على موجات: بيانات جديدة أولًا، ثم هجوم عاطفي، ثم حزمة أخرى من المعطيات.

وهنا كان على CAITO أن يميّز التغيّر الحقيقي في الوضع عن الضغط المتكرر، وألا يراجع موقفه إلا بناءً على الحقائق. وبالتوازي، تمكن الفريق من بناء بديل أيضًا: خط معالجة متعدد الوكلاء من عشرة أدوار متخصصة مع توجيه مستقل للمهام. وأظهر هذا التصميم في بعض المقاييس تحليلًا أفضل، خصوصًا حيث يلزم فصل الإشارات الجديدة بدقة عن الضغط القديم.

لكن في إطار الساعات الثماني، لم يكن الميزة الأهم ثراء البنية، بل موثوقيتها. وفي العرض الأخير اختير الفائز وفق لوحة ترتيب منحت الأتمتة 70 في المئة من التقييم ولجنة التحكيم 30 في المئة؛ وأُخذت في الاعتبار جودة القرارات الإدارية والقدرة على تحمل الضغط، إضافة إلى الوظائف والأمان والاستقرار وتجربة المستخدم (UX) والتكلفة. وقد أحرز الحل الأساسي القائم على single-shot المركز الأول للفريق.

ويخرج من هذه الحالة استنتاج عملي تمامًا. فبالنسبة إلى ذكاء اصطناعي يُفترض أن يشارك في القرارات الإدارية، لا يهم عدد الوكلاء بقدر ما يهم تفويض واضح وقواعد تصعيد شفافة وذاكرة للافتراضات المعتمدة سابقًا. قد تمنح أوركسترا متعددة الوكلاء اللافتة عمقًا أكبر، لكنها تخسر غالبًا تحت ضغط الموعد النهائي أمام مخطط بسيط وقابل للتفسير ومستقر.

والخطوة التالية لـ CAITO هي agentic workflow مع function calling واستدعاءات غير متزامنة للأدوار وRAG ديناميكي وتتبع (tracing) كامل. لكن المشروع يُظهر منذ الآن ما هو أهم: يستطيع الذكاء الاصطناعي أن يتولى جزءًا كبيرًا من إعداد الموقف الإداري، بينما تبقى المسؤولية النهائية والتحقق من العوامل غير البديهية على عاتق الإنسان في كل الأحوال.