VK تعرض DataCopilot — نظام متعدد الوكلاء لبيانات الشركات والتوثيق

عرضت VK نظام DataCopilot — نظام متعدد الوكلاء للبيانات والوثائق المؤسسية

قدمت VK نظام DataCopilot — مساعد ذكاء اصطناعي داخلي للعمل مع مستودع بيانات مؤسسي وتوثيق متخصص. نمى المشروع ليس من موضة حول نماذج اللغة الكبيرة، بل من تحليل طلبات حقيقية من محللين ومديرين ومهندسين ينفقون وقتاً يومياً على أسئلة متكررة.

كيفية البدء

لم يبدأ الفريق باختيار نموذج أو تصميم مخطط RAG آخر. أولاً، نظرت VK إلى الروتين حول Data Office ومنصة البيانات: ما الأسئلة التي تصل إلى الدعم، ما الذي يسأل عنه الموظفون في الدردشات، أين يضيع الناس الوقت في البحث عن لوحة التحكم الصحيحة، وصف الحقل، أو عملية الموافقة. قدم هذا التدقيق قائمة واضحة بالمهام التي يمكن أتمتتها دون إعادة بناء كامل DWH وبدون محاولة إنشاء "ذكاء عام" لجميع الحالات في وقت واحد.

من هذه القائمة، شكلوا صورة المساعد المستقبلي. يجب أن يفهم كتالوج لوحات التحكم، وأن يشرح ما وأين يتم التخزين، وأن يقدم تلميحات حول الوثائق المؤسسية، وأن يساعد في الوصول، وأن ينشئ قوالب عملية لـ ETL. بمعنى آخر، ليس برنامج دردشة "من أجل الدردشة"، بل واجهة للبيانات والمعرفة الداخلية للشركة.

بالنسبة للمحللين والمديرين، يوفر هذا الوقت؛ بالنسبة للمهندسين، يقلل من تدفق الطلبات المتطابقة.

لماذا ليس RAG

بالنسبة لبعض الطلبات، يعمل RAG الكلاسيكي بالفعل: يطرح المستخدم سؤالاً، ويجد النظام المستندات ذات الصلة ويجمع إجابة بناءً عليها. لكن في بيئة مؤسسية، يصبح هذا غير كافٍ بسرعة. قد يتطلب سؤال واحد الانتقال بين كتالوج لوحات التحكم، ووصف جداول محددة، وتعليمات الوصول، وقالب البرنامج النصي.

إذا تم تسليم كل هذا إلى سلسلة واحدة بدون تخصص، تبدأ جودة الإجابة في التقلب، والسياق الإضافي يعيق فقط. لهذا السبب تراهن VK على معمارية متعددة الوكلاء — في الأساس، على سرب من المساعدين المتخصصين. يمكن لوكيل واحد أن يكون مسؤولاً عن البحث وتفسير الوثائق، وآخر عن التنقل في المستودع، وثالث عن توليد الكود، ورابع عن سيناريوهات توفير الوصول.

فوقهم منسق يفهم نوع الطلب، ويختار المسار، ويجمع الإجابة النهائية. يتوافق هذا النهج بشكل أفضل مع الهيكل الفعلي للبيانات المؤسسية، حيث تختلف المصادر والقواعد والإجراءات بشكل كبير عن بعضها.

ما يمكن للنظام فعله

بناءً على وصف المشروع، يتم بناء DataCopilot كأداة عملية للعمل، وليس كعرض توضيحي لقدرات النموذج. يغطي النقاط حيث يتعين على الموظف عادة التبديل بين دردشات الدعم وكتالوج البيانات والتعليمات الداخلية والمسودات الخاصة به. كنتيجة، يحصل المستخدم على إجابة قصيرة تحتوي على السياق الضروري أو أداة شبه جاهزة يمكن تكييفها بسرعة مع المهمة.

• يساعد في العثور على لوحة التحكم الصحيحة وفهم البيانات التي تحتويها
• يشرح بالضبط أين يتم تخزين المعلومات وكيف ترتبط بالكيانات الأخرى
• ينصح بكيفية تقديم طلب الوصول دون الذهاب إلى الدعم
• يجيب على أسئلة محددة حول الوثائق الداخلية وقواعد تشغيل DWH
• يكتب البرامج النصية التي يمكن نقلها إلى عمليات ETL وتحسينها لخط الأنابيب الخاص بك

نقطة مهمة هنا هي أن النظام يعمل على تقاطع المعرفة والعمل. إنه لا يعيد صياغة المستندات فحسب، بل يساعد أيضاً في الخطوة التالية: تحضير طلب، صياغة برنامج نصي، تقصير المسار إلى الجدول المطلوب. هذا عادة ما يميز الذكاء الاصطناعي المؤسسي المفيد عن مجرد "بحث ذكي" آخر. في الوقت نفسه، تبقى مسؤولية التطبيق النهائي للنتائج مع الإنسان: خاصة عندما يتعلق الأمر بالوصول والهجرات البيانات والكود لعمليات ETL الإنتاجية.

ماذا يعني هذا

تظهر قصة DataCopilot إلى أين يتجه الذكاء الاصطناعي المؤسسي فعلاً: ليس نحو برنامج دردشة واحد يعرف كل شيء، بل نحو مجموعة من الوكلاء المتخصصين حول سير عمل محدد. بالنسبة للفرق التي لديها DWH وكتالوج لوحات التحكم والأنظمة وتدفق الأسئلة المتكررة، يمكن لهذا النهج أن يقدم قيمة أكبر بكثير من RAG المجرد فوق جميع المستندات في المرة الواحدة.