تواجه شركات قليلة مخاطر أكبر عند نشر الذكاء الاصطناعي مقارنة بشركة Waymo، شركة السيارات ذاتية القيادة التابعة لشركة Alphabet والتي انبثقت عن شركة Google. ولا تقتصر نماذجها على توليد النصوص أو أتمتة مهام المكتب الخلفي: فهي تساعد المركبات على التنقل في شوارع لا يمكن التنبؤ بها، والاستجابة للسائقين البشر، واتخاذ قرارات في أجزاء من الثانية في العالم المادي.
لكن الأساليب التي تستخدمها Waymo لإدارة تلك المخاطر – التقييم المستمر، والبيانات المنسقة بعناية، والإشراف البشري، ونتائج الأعمال المحددة بوضوح – توفر قواعد لعب أوسع للمؤسسات التي تنشر وكلاء الذكاء الاصطناعي في أي صناعة تقريبًا.
أوضح ماناسي جوشي، مدير هندسة ذكاء الأنظمة والتعلم الآلي في Waymo، في VB Transform 2026 كيف تقوم شركة المركبات ذاتية القيادة بتدريب واختبار ونشر الذكاء الاصطناعي على نطاق واسع. حتى الآن، قامت Waymo بقيادة أكثر من 220 مليون سيارة ذاتية القيادة بالكامل، أو "متسابق فقط," أميال، مع إصابات حوادث خطيرة أقل بـ 17 مرة من السائقين البشر على نفس المسافة، وفقًا للشركة.
ولتحقيق هذه النتائج المبهرة، قالت جوشي إن Waymo اعتمدت ما أسمته “التطوير القسري للتقييم” أو “التطوير المرتكز على التقييم”، مما يجعل التقييم جزءًا أساسيًا من الهندسة بدلاً من الفحص النهائي الذي يتم إجراؤه قبل النشر.
وقال جوشي: “إن المرحلة التي تنضج فيها مشاريعنا يمكن أن تظهر بسهولة بناءً على مدى نضج التقييم الذي تعرضه”.
ومن الناحية العملية، تقوم Waymo بتقييم مدى جاهزية المشروع جزئيًا من خلال فحص مدى نضج الاختبارات المحيطة به. ولهذا النهج آثار واضحة على المؤسسات التي تقوم ببناء وكلاء خدمة العملاء، أو مساعدي الترميز، أو الأنظمة المالية أو تطبيقات الذكاء الاصطناعي الأخرى: إذا لم تتمكن الشركة من قياس أداء النظام بشكل موثوق، فقد لا تكون مستعدة لوضع هذا النظام في الإنتاج.
يجب أن تستمر التقييمات بعد الإطلاق
قال جوشي إن الكثير من عمل Waymo عالي الجودة قد تحول نحو التقييمات، بما في ذلك الاختبارات التي يتم إجراؤها أثناء التدريب النموذجي، وبعد التدريب وداخل عمليات محاكاة الحلقة المفتوحة والمغلقة.
وقالت: “إن إطلاق النموذج ليس مهمة لمرة واحدة”.
وبدلاً من ذلك، تتعامل Waymo مع التقييم باعتباره عملية مستمرة تشمل القيادة والمحاكاة والتحقق من الصحة. وتجمع منهجيتها بين مجموعات البيانات ومقاييس الأداء والبنية التحتية القادرة على العمل بكفاءة على نطاق واسع.
بالنسبة للمؤسسات، هذا يعني أن اختبار الوكيل قبل الإطلاق غير كافٍ. يجب أن تستمر الفرق في تقييمها مع تغير النماذج الأساسية والعمليات التجارية وسلوك المستخدم والبيانات الواردة. ويجب أن ترتبط هذه التقييمات أيضًا بنتائج الأعمال الفعلية بدلاً من الاعتماد فقط على معايير الصناعة الواسعة.
وحذر جوشي من أن قياسات جودة النماذج لا تقل موثوقية عن بيانات التقييم التي تقف وراءها. ولذلك، تقوم شركة Waymo بربط مطالبات الأداء الخاصة بها بمعلومات حول خصائص مجموعات البيانات المستخدمة لاختبار أنظمتها.
فحص الحالات النادرة والخطيرة
يظل التسلسل الهرمي لتقييم Waymo مرتكزًا على هدف واحد أساسي: السلامة.
تعتمد الشركة على سجلات القيادة الخاصة بالطرف الأول، وبعض بيانات الطرف الثالث وعمليات المحاكاة الواقعية التي تعرض أنظمتها لسيناريوهات تمتد لمليارات الأميال الاصطناعية. يختار أصحاب المهام بيانات ومقاييس متخصصة للمواقف التي تنطوي على مستخدمي الطرق المعرضين للخطر ومعابر السكك الحديدية ومناطق البناء والبيئات المعقدة الأخرى.
وينطبق نفس المبدأ خارج نطاق القيادة الذاتية. لا تحتاج الشركات إلى اختبار الطلبات الروتينية التي يتعامل معها وكلاؤها بنجاح فحسب، بل تحتاج أيضًا إلى اختبار المواقف غير الشائعة التي يمكن أن تؤدي الأخطاء فيها إلى ضرر مالي أو قانوني أو أمني أو ضرر بالسمعة.
وشدد جوشي على أن Waymo لا تترك قرارات الإصدار بالكامل للأنظمة الآلية. وتشمل مراجعات جاهزية الإنتاج إشرافًا بشريًا مكثفًا، بينما يوافق قادة السلامة الداخلية على إصدارات البرامج وتوسعات منطقة الخدمة.
وقالت: “هذا لا يعتمد على الذكاء الاصطناعي وهو آلي بالكامل ولا يوجد أي إشراف بشري عليه”. “حياة البشر على المحك.”
لا يمكن أن تأتي الكفاءة على حساب الموثوقية
تواجه Waymo مشكلة أخرى مألوفة لدى فرق الذكاء الاصطناعي في المؤسسة: الطلب على الحوسبة والتخزين والذاكرة وقدرة الشبكة ينمو بشكل أسرع من الموارد المتاحة.
تسعى الشركة لتحقيق الكفاءة عبر استخراج البيانات وتخزينها، والتدريب على النماذج الموزعة، والتقطير النموذجي، والمحاكاة والتقييم. كما أنه يؤكد على “كفاءة البيانات”، واختيار الأمثلة التدريبية الأكثر فائدة بدلاً من التعامل مع الحجم الأكبر على أنه أفضل بطبيعته.
بدأت Waymo في استخدام المحولات في عام 2017 وتوسعت بعد ذلك لتشمل نماذج لغوية كبيرة، ونماذج لغة الرؤية، ونماذج لغة الرؤية والحركة. وقال جوشي إن الشركة تستخدم الآن نماذج مولدة متعددة الوسائط كجزء من إستراتيجية نموذج الأساس الخاص بها.
تقسم Waymo تقنيتها بين الأنظمة الموجودة داخل كل مركبة والبنية التحتية خارج المركبة المستخدمة لتطوير النماذج ومعالجة البيانات والمحاكاة. هذا المزيج يجبر الشركة على تحسين الاستدلال في الوقت الفعلي والأنظمة الأكبر التي تدعمه.
يحتاج الوكلاء إلى تقييمات خاصة بهم
تستخدم Waymo أيضًا عوامل الذكاء الاصطناعي داخليًا كأدوات إنتاجية للمهندسين. وقال جوشي إن الوكلاء يساعدون في تحليل توزيع البيانات وتقييم كفاءة البيانات ومشاكل الفرز الموجودة في قياس المركبات عن بعد وعمليات التدريب ووظائف التقييم الفاشلة.
والهدف هو تسريع أعمال التحقيق حتى يتمكن المهندسون من تخصيص المزيد من الوقت للحكم والمشاكل الفنية الصعبة. لكن Waymo تقوم أيضًا بتقييم هؤلاء الوكلاء للتأكد من أنهم يقدمون نتائج دقيقة وجديرة بالثقة بدلاً من إرسال الموظفين إلى مسارات غير منتجة.
بالنسبة لقادة المؤسسات، الدرس الأكبر الذي تعلمته شركة Waymo هو أن الذكاء الاصطناعي الوكيل يتطلب أكثر من مجرد اختيار نموذج قوي. تحتاج المؤسسات إلى هدف محدد بوضوح، وبيانات تقييم تمثيلية، واختبار مستمر، وبنية تحتية يمكنها العمل بكفاءة، وصناع القرار البشريين الذين يظلون مسؤولين عن النشر.
"كسب الثقة أمر في غاية الأهمية،" قال جوشي.
