Zillow، شركة التكنولوجيا العقارية، لا تجري محادثة واحدة مع عملائها. إنهم ينتقلون من شاشة الهاتف إلى موظف القروض إلى وكيل العقارات، أحيانًا على مدى أشهر أو سنوات، ويتوقعون أن يتبعهم السياق. لا يمكن لروبوت محادثة واحد أن يحمل هذا الخيط أبدًا.
في VB Transform 2026، وصف توبي روبرتس نائب رئيس قسم الهندسة في Zillow والمؤسس المشارك والرئيس التنفيذي لشركة Glean أرفيند جاين كيف قاموا ببناء بنية الذكاء الاصطناعي التي تهدف إلى نقل السياق عبر تلك الرحلة بأكملها – ولماذا تبين أن السياق، وليس البيانات الأولية، هو المشكلة الأصعب في الحل. تؤثر منتجات Zillow على ما يقرب من 80% من المعاملات العقارية في الولايات المتحدة كل عام، وكانت الشركة تستخدم الذكاء الاصطناعي قبل وقت طويل من وجود ChatGPT.
"لقد حددنا بسرعة كبيرة أننا سنحتاج إلى طبقة سياقية مستمرة تلبي احتياجات عملائنا والمهنيين أينما كانوا،" قال روبرتس.
لم تكن البيانات هي الجزء الصعب على الإطلاق
وقال روبرتس إن جهود Zillow في مجال الذكاء الاصطناعي بدأت حيث تبدأ معظم جهود الذكاء الاصطناعي في المؤسسات، بالبيانات نفسها.
"لقد بدأنا بدفعة كبيرة للتأكد من أن بياناتنا لديها الأساس الصحيح،" قال روبرتس. وهذا يعني اتباع نهج شبكة البيانات، ونسب البيانات الواضحة، وهيكل الإدارة مع الأذونات والهوية المرتبطة بالبيانات نفسها.
ولم يتبين أن أيًا من ذلك يمثل المشكلة الصعبة. كانت المشكلة الصعبة هي بناء شيء يتذكر مكان وجود العميل في رحلته ويواصل ذلك للأمام، بغض النظر عن السطح الذي سيظهر عليه بعد ذلك.
"يجب أن تعيش طبقة السياق هذه لتكون قادرة على دعمك أينما كنت في أي نقطة معينة من رحلتك،" قال روبرتس. اختارت Zillow امتلاك تلك الطبقة بنفسها بدلاً من الاعتماد على واجهة دردشة خارجية واحدة، وهو قرار قال روبرتس إن الفريق توصل إليه بسرعة بمجرد أن نظر إلى شكل معاملة حقيقية بدلاً من محادثة واحدة.
لماذا قامت Zillow ببناء هندستها المعمارية الخاصة، وأين يناسبها Glean؟
قامت Zillow ببناء أدواتها الخاصة بدلاً من توجيه العملاء من خلال نموذج واحد لواجهة برمجة التطبيقات (API). اعتمد الفريق على 20 عامًا من تاريخ التعلم الآلي وراء منتجات مثل Zestimate، ويميل إلى نماذج أصغر حجمًا ومحددة المهام بدلاً من نموذج واحد للأغراض العامة.
داخليًا، يعمل هذا الحزام جنبًا إلى جنب مع جلين. وقال روبرتس إن Zillow لديها الآن الآلاف من وكلاء Glean في الإنتاج، ويتعاملون مع المهام المتكررة مع عشرات الآلاف من عمليات الإعدام في جميع أنحاء الشركة. إن عرض Glean، وفقًا لـ Jain، يعمل على تركيز عمل التكامل مرة واحدة، من خلال بوابة Glean MCP، بدلاً من السماح لكل من التمويل والقانون والتسويق بإعادة بناء اتصالاتهم الخاصة بنفس الأنظمة.
هذه المركزية هي أيضًا رافعة للتكلفة. أشار جاين إلى آليتين: توجيه النموذج، الذي يرسل معظم المهام إلى نماذج أصغر وأرخص بدلاً من الالتزام بالنماذج الحدودية، والسياق المحسوب مسبقًا، والذي يتجنب قيام الوكيل بحرق الرموز المميزة وتجميع السياق الخاص به من الصفر.
"كلود أيضًا بطيء جدًا لأن الجزء الأول من تجميع هذا السياق يستغرق وقتًا طويلاً،" قال جاين. وقال إن توجيه هذا الطلب عبر Glean بدلاً من ذلك يمكن أن يخفض استهلاك الرمز بما يصل إلى النصف.
ماذا يعني نهج Zillow وGlean بالنسبة للمؤسسات
عبر البيانات والتكلفة والأذونات، قدمت الجلسة بعض النصائح العملية للمؤسسات التي تقوم ببناء الذكاء الاصطناعي الوكيل على أنظمتها الخاصة.
قم ببناء خط الأساس للقياس قبل الدفع بالذكاء الاصطناعي، وليس بعده. قال روبرتس إن قدرة Zillow على إسناد زيادة بنسبة 40% في التعليمات البرمجية المشحونة بشكل موثوق إلى اعتماد الذكاء الاصطناعي تعتمد على خط الأساس لمقاييس DORA الذي وضعه الفريق قبل سنوات، وليس على طرح الذكاء الاصطناعي نفسه.
قم بمركزة السياق مرة واحدة بدلاً من السماح لكل فريق بإعادة بنائه. الحجة الأساسية التي ساقها جاين لمنصة غلين هي أن العمل التكاملي المكرر عبر الفرق المالية والقانونية والتسويقية يمثل تكلفة خفية لم تأخذها معظم الشركات في الاعتبار.
لا تفترض أن وراثة الأذونات كافية للبيانات المنظمة. حتى مع وجود منصة سياقية مدركة للأذونات، قامت Zillow بوضع قواعد صارمة ذات طبقات وفحص امتثال دائم في الأعلى للفئات الأكثر حساسية، بدلاً من الثقة في البنية للتعامل معها تلقائيًا.
تعامل مع السياق باعتباره رافعة للتكلفة، وليس مجرد قدرة. كان التوجيه النموذجي والسياق المحسوب مسبقًا هما الآليتان اللتان أشار إليهما جاين لخفض إنفاق الذكاء الاصطناعي، وكلاهما يهدف إلى تقليل استهلاك الرمز المميز المهدر بدلاً من إضافة إمكانات جديدة.
"النماذج في حد ذاتها ليست كافية لتحقيق الأتمتة باستخدام الذكاء الاصطناعي داخل مؤسستك،" قال جاين. "يجب عليك ربطه بسياق مؤسستك."
