وكيل ذكاء اصطناعي في يوم واحد: نموذج أولي محلي دون سحابة ودون مطوّرين

عندما تطلب الإدارة إدخال وكيل ذكاء اصطناعي في إحدى عمليات العمل، تأتي المتطلبات عادةً متناقضة: لا يجوز إرسال البيانات إلى السحابة، والميزانية شبه معدومة، والمطوّرون غير كافين، والنتيجة مطلوبة في اليوم التالي. عمليًا، يمكن حل هذه المعادلة. ففي يوم عمل واحد يمكن بناء نموذج أولي محلي لوكيل ذكاء اصطناعي عملي، باستخدام أدوات مفتوحة المصدر مثل Ollama وn8n. لا حاجة إلى فريق متخصصين، ولا إلى اشتراكات سحابية، ولا إلى بنية معمارية معقدة.

لماذا محليًا لا في السحابة

تتميّز واجهات LLM-API السحابية مثل OpenAI بسهولة الاستخدام، لكن التكلفة ترتفع مع كل طلب، وتصل بيانات الشركة الحساسة إلى أطراف ثالثة. وهذا أمر محفوف بالمخاطر للمؤسسات الخاضعة لمتطلبات السرية. أما الوكيل المحلي القائم على منصة Ollama فيعمل مباشرة على حاسوب الشركة أو خادمها، فلا تغادر البيانات محيط الشركة أبدًا، ولا تدفع إلا ثمن الكهرباء.

أبرز مزايا النهج المحلي:

• تبقى البيانات داخل الشركة ولا تنتقل إلى السحابة
• لا فواتير لواجهات API، بل تكاليف لمرة واحدة على المعدات فقط
• يمكن العمل في شبكة مغلقة دون اتصال دائم بالإنترنت
• استقلال كامل عن الخدمات السحابية وعن فترات توقفها
• تكلفة أقل عند التوسع لأحجام كبيرة من الطلبات

Ollama وn8n: أداتان للبناء

تقوم Ollama بتغليف النماذج اللغوية الكبيرة داخل حاوية. تنزّل نموذجًا جاهزًا (Llama 2 أو Mistral أو Deepseek أو Phi وغيرها)، وتشغّله عبر Docker، فيصبح متاحًا عبر REST API. لا حاجة إلى Python، ولا إلى إعداد CUDA، ولا إلى معاناة مع الاعتماديات. خلال 15 دقيقة يصبح النموذج جاهزًا للإجابة عن أول طلب.

أما n8n فهي منصة أتمتة بلا كتابة شيفرة (no-code). يمكن تصورها كأداة تركيب لسير العمل (workflows). تضيف Ollama كعقدة في المحرر المرئي، وتربط مصادر البيانات (CRM وSlack والبريد الإلكتروني وقواعد المعرفة والملفات)، وتنشئ سلسلة من الإجراءات، فيبدأ الوكيل بالعمل. لا حاجة إلى كتابة أي شيفرة، فكل شيء يتم عبر واجهة السحب والإفلات (drag-and-drop).

من الصفر إلى عرض تجريبي عامل في يوم واحد

فيما يلي جدول زمني تقريبي لتنظيم العمل في يوم عمل واحد:

• 09:00 — تثبيت Ollama وتنزيل النموذج المختار (40–50 دقيقة)
• 09:50 — إعداد REST API المحلي واختبار النموذج عبر curl (30 دقيقة)
• 10:20 — تثبيت n8n وتشغيله لأول مرة على الجهاز نفسه (30 دقيقة)
• 10:50 — إنشاء أول workflow في n8n وربط Ollama كعقدة (ساعة واحدة)
• 11:50 — ضبط الأمر (prompt) والاختبار على أمثلة بسيطة (45 دقيقة)
• 12:35 — التكامل مع مصدر بيانات (مثل تحميل مستندات أو الاتصال بـ Slack) (ساعة واحدة)
• 13:35 — تصحيح الأخطاء ومعالجة الإخفاقات والتحقق من الحالات الحدّية (ساعة واحدة)
• 14:35 — عرض النموذج الأولي العامل على الإدارة

هذا جدول واقعي بشرط عدم الانشغال بالسعي إلى الكمال. الأهم هو إثبات أن الفكرة تعمل.

متى نحتاج إلى RAG: البحث في بياناتك الخاصة

إذا كان على الوكيل أن يجيب استنادًا إلى معلومات الشركة الداخلية — التقارير والسياسات والوثائق التقنية والأسئلة الشائعة وسجلات المبيعات — فأضف RAG (التوليد المعزز بالاسترجاع). يمكن لـ n8n تحميل المستندات وإنشاء تضمينات (embeddings، أي تمثيلات متجهية) لها، ثم البحث عن المقاطع ذات الصلة في قاعدة بياناتكم عند كل سؤال من المستخدم. يصبح الوكيل أكثر ذكاءً بشكل ملحوظ، لأنه لا يعتمد فقط على المعلومات التي تعلّمها أثناء التدريب، بل على بيانات خاصة بالشركة.

ماذا يعني ذلك عمليًا

تتحول وكلاء الذكاء الاصطناعي المحلية من تجارب إلى أدوات عمل فعلية. تستطيع شركة من أي حجم، من الشركة الناشئة إلى المؤسسة الكبرى، أن تبني في يوم واحد وكيلًا عمليًا يعمل مع بياناتها وعملياتها الداخلية، دون خطر التسرب إلى السحابة ودون فواتير ضخمة. وهذا مهم بوجه خاص للقطاع المالي والجهات الحكومية والصناعة، حيث لا تُعد سرية البيانات مجرد رغبة، بل شرطًا صارمًا يفرضه القانون وسياسات الأمن.