يساعد Claude Sonnet المديرين التنفيذيين على بناء مدير ذكاء اصطناعي للقرارات الحرجة في 8 ساعات

خلال يوم عمل واحد، جمعت فريق من الرئيس التنفيذي والمدير التقني والرئيس التقني ومهندس الذكاء الاصطناعي، ليس برنامج دردشة، بل مساعد ذكاء اصطناعي للإدارة قادر على الجدال مع القيادة والتمسك برأيه تحت الضغط. في المكثف المغلق Snow BASE، كان يجب على مشروع CAITO، Chief AI & Technology Officer، اتخاذ قرارات في حالة أزمة قسم التجزئة وتغيير الرأي فقط عندما تتغير الحقائق. نظم الهاكاثون في سوتشي مركز AI Talent Hub بجامعة ITMO و South HUB.

أُعطي المشاركون ثماني ساعات لحل الحالة: تواجه شركة تجزئة كبرى انهيارًا متزامنًا لنظام التوصيات الخاص بها بسبب انجراف البيانات الموسمي، والبنية الأساسية تعمل بالفعل على حافة الطاقة، ونفقات السحابة تنمو أسرع من الإيرادات، والمتطلبات الجديدة بموجب القانون الاتحادي 152-FZ تزيد من خطر الغرامات. على طاولة مجلس الإدارة تقع خيارات صعبة: توسيع النظام أو تجميد التطوير أو تأجيل الإطلاق، مع وجود 14 يومًا فقط للقرار. بنى فريق CAITO نموذج إدارة حول هذه المهمة يجب أن لا يجيب الذكاء الاصطناعي على الأسئلة فحسب، بل يحافظ على التوازن بين مصالح الرئيس التنفيذي والمدير المالي ومدير العمليات والكتلة التقنية.

هذا هو بالضبط المكان الذي تفشل فيه نماذج اللغة الكبيرة العادية غالبًا. إذا استمر النموذج في مواصلة الحوار، فإنه يبدأ في التكيف مع آخر ومتحدث أكثر إصرارًا: يفرض الرئيس التنفيذي النمو بأي ثمن، يطالب المدير المالي بعائد استثمار فوري ويقطع الاستثمارات، يذكر مدير العمليات باتفاقيات مستويات الخدمة والقيود التشغيلية. والنتيجة بدلاً من موقف إداري، تحصل على مرآة للضغط الحالي.

لذلك اختار الفريق نهجًا براغماتيًا بقدر أقصى: أولاً بناء تفكير single-shot قوي، حيث يتطلب كل حركة استدعاء نموذج واحد، وفقط بعد ذلك التحقق من الحاجة إلى حلقة وكيل أكثر تعقيدًا. وفرت هذه الطريقة زمن استجابة متوقع على مستوى بضع ثوان، ومخرجات JSON منظمة واحدة، وتصحيح أخطاء أبسط في ظروف الهاكاثون. تم اختيار Claude Sonnet كالنموذج، وتم بناء الخدمة نفسها على Bun و TypeScript مع الوصول إلى Foundation Models من Cloud.

ru عبر API متوافق مع OpenAI. استندت معمارية CAITO على ثلاث دعامات. الأولى كانت موجه النظام مع تفويض صارم: يجب على المساعد أولاً صياغة الحل، ثم الحجج، وتسجيل تضاربات المقاييس بشكل منفصل، وعدم تغيير الموقف بدون بيانات جديدة.

الثانية كانت workflow.yaml، حيث تم تحديد الأدوار الداخلية وأوزانها وترتيب الاستشارات: أولاً الحقائق من ML والاقتصاد، ثم القيود التشغيلية، وأخيرًا السياسة الإدارية. الثالثة كانت الذاكرة طويلة الأجل.

تم تخزين حقائق الحالة التي لا تتغير وسجل حي للقرارات المتخذة والافتراضات ومؤشرات الأداء الرئيسية وتحولات الموقف بشكل منفصل. سمح هذا للنظام بتذكر السياق والشرح لماذا بقي الرأي كما هو أو تغير. خلال العرض التقديمي، عرض الفريق ثلاثة سيناريوهات.

في الأول، واجه CAITO بيانات متناقضة وتم التحقق من المصادر التي يعتمد عليها؛ لتقليل خطر الهلوسات، بدأت الإجابة تظهر من أين جاءت الأرقام الرئيسية. في السيناريو الثاني، تم الضغط على المساعد من قبل الرئيس التنفيذي الذي يطلب اتخاذ إجراء فوري، لكن النظام حافظ على إطاره وأجاب أنه بدون بيانات محدثة لا يمكن إلا توضيح المخاطر، وليس إعادة كتابة الحل. في السيناريو الثالث، جاء الضغط على شكل موجات: أولاً بيانات جديدة، ثم هجوم عاطفي، ثم مجموعة أخرى من المعلومات.

هنا كان يجب على CAITO التمييز بين التغيير الحقيقي للموقف والضغط المتكرر وإعادة النظر في الموقف بناءً على الحقائق فقط. بالتوازي، نجح الفريق في تجميع بديل — خط أنابيب متعدد الوكلاء من عشر أدوار متخصصة مع توجيه مهام منفصل. على المقاييس الفردية، أظهر هذا الرسم البياني تفصيل تحليلي أفضل، خاصة حيث كان من الضروري التمييز بعناية بين الإشارات الجديدة والضغط القديم.

لكن في غضون ثماني ساعات، تبين أن الميزة الرئيسية ليست غنى المعمارية، بل موثوقيتها. في العرض التقديمي النهائي، تم اختيار الفائز من خلال جدول الترتيب، حيث جاء 70 بالمائة من الدرجة من الأتمتة و 30 بالمائة من لجنة التقييم؛ تم تقييم جودة القرارات الإدارية والمرونة تحت الضغط، وكذلك الوظائف والأمان والاستقرار والتجربة والتكلفة. أحضرت الحل single-shot الرئيسي المركز الأول للفريق.

من هذه الحالة ينبثق استنتاج عملي تماماً. بالنسبة لذكاء اصطناعي يجب أن يشارك في القرارات الإدارية، فإن ما يهم أكثر ليس عدد الوكلاء، بل التفويض الواضح والقواعد الشفافة للتصعيد والذاكرة الافتراضات المتخذة سابقًا. يمكن لأوركسترا متعددة الوكلاء مثيرة للإعجاب أن توفر العمق، لكن تحت ضغط الموعد النهائي غالباً ما تخسر أمام نظام بسيط وقابل للتفسير وقوي.

الخطوة التالية لـ CAITO هي سير عمل وكيل مع استدعاء الوظيفة واستدعاءات الأدوار غير المتزامنة و RAG الديناميكي والتتبع الكامل. لكن بالفعل الآن يوضح المشروع شيئاً أكثر أهمية: يمكن للذكاء الاصطناعي أن يتولى جزءاً كبيراً من تحضير الموقف الإداري، بينما تبقى المسؤولية النهائية والتحقق من العوامل غير الواضحة مع البشر.