قامت Vanguard ببناء محلل افتراضي على AWS باتباع ثمانية مبادئ للبيانات الجاهزة للذكاء الاصطناعي

البيانات أولاً، ثم النماذج

الاستنتاج الرئيسي من تجربة فانغارد: لا تبدأ تحولات الذكاء الاصطناعي باختيار شبكة عصبية أو شراء قوة حسابية، بل بإحالة البيانات بالترتيب. صاغ مهندسو الشركة ثمانية مبادئ للبيانات الجاهزة للذكاء الاصطناعي شكلت أساس المشروع كله قبل كتابة السطر الأول من كود النموذج. تغطي المبادئ دورة الحياة الكاملة — من الدلالات والهيكل إلى الأمان والمراقبة:

• التصنيف الموحد — مفردات مشتركة لجميع المقاييس ومؤشرات الأداء الرئيسية والكيانات التجارية، بحيث تعني "العائد" في قسم واحد الشيء نفسه في قسم آخر
• تتبع أصل البيانات — إمكانية تتبع كل مقياس من المصدر الأساسي إلى المستودع التحليلي
• الحينية — ضمان تحديث البيانات في لحظة كل استعلام
• البيانات الوصفية التي تقرأها الآلة — مخططات وأوصاف يفهمها ليس فقط البشر بل أيضاً الأتمتة
• التحكم بالوصول — سياسات أمان دقيقة على مستوى الصفوف والأعمدة
• مراقبة الجودة — التحقق الآلي من صحة البيانات في الوقت الفعلي
• الصيغ الموحدة — مخططات واتفاقيات موحدة تعتمدها جميع الفرق
• التوثيق — قابلية إعادة الإنتاج لكل مجموعة بيانات وقابلية التفسير لكل حساب

بدون هذه المبادئ، تهلوس نماذج الذكاء الاصطناعي على البيانات غير الصحيحة أو الغامضة. عالجت فانغارد المشكلة بطريقة منهجية وليس نقطية — وهذا أصبح أساس نجاحها.

AWS تحت الغطاء

بالنسبة للتنفيذ التقني، نشرت فانغارد مجموعة متكاملة من خدمات AWS. يعمل Amazon S3 كبحيرة بيانات موحدة تدمج المصادر من أقسام مختلفة. تدير AWS Glue Data Catalog خطوط ETL والتخزين المركزي للبيانات الوصفية — هنا حيث تعيش الأوصاف والمخططات والتعاريف التجارية لجميع مجموعات البيانات.

يتم تنفيذ تدريب النماذج ونشرها على Amazon SageMaker. يتم التعامل مع تنسيق العمليات المعقدة متعددة الخطوات من خلال AWS Step Functions، ويتم مراقبة جودة البيانات وأداء خطوط الأنابيب من خلال Amazon CloudWatch مع تنبيهات لوحات المعلومات المكونة للفريق. في الجزء العلوي من هذه البنية الأساسية يعمل المحلل الافتراضي: يستقبل الأسئلة باللغة الطبيعية، ويترجمها إلى استعلامات بيانات، ويعيد تحليلات منظمة مع رسوم بيانية وتفسيرات نصية.

تحصل فرق الأعمال على رؤى بدون SQL أو Python أو قوائم انتظار الطلبات إلى متخصصي البيانات.

النتائج للأعمال

"الطريق إلى البيانات الجاهزة للذكاء الاصطناعي ليس مشروعاً لمرة واحدة، بل ثقافة تشغيلية", كما يؤكد مؤلفو الحالة في مدونة AWS

Machine Learning.

توثق فانغارد تأثيراً ملموساً وقابلاً للقياس. تم تقليل الوقت اللازم لإعداد التقارير التحليلية النموذجية بشكل كبير. تطرح فرق إدارة المحافظ وتحليل المخاطر الأسئلة مباشرة على النظام — بدلاً من تعيين المهام لمحللي البيانات والانتظار ساعات أو أياماً للحصول على الإجابات. من المهم ملاحظة أن المحلل الافتراضي لا يحل محل الخبرة البشرية: بل يتولى الجزء الروتيني من العمل — التجميع والتصفية والتفسير الأولي للبيانات — ويحرر المحللين للمهام ذات المستوى الأعلى: تطوير الفرضيات واتخاذ القرارات الاستراتيجية.

ماذا يعني هذا

تعتبر حالة فانغارد واحدة من أكثر الأوصاف العامة التفصيلية لكيفية بناء شركة مالية كبرى لتحليل الذكاء الاصطناعي في الإنتاج. ثمانية مبادئ للبيانات الجاهزة للذكاء الاصطناعي — قائمة تحقق عملية لأي منظمة تريد الحصول على قيمة تجارية حقيقية من الذكاء الاصطناعي، وليس فقط نموذج جميل على بيانات اختبار معدة بشكل مثالي.