تم تقديمه بواسطة SAP
يعد إنشاء التعليمات البرمجية باستخدام الذكاء الاصطناعي أمرًا سريعًا، ولكن تشغيل هذه التعليمات البرمجية بشكل موثوق داخل مؤسسة كبيرة، ومتكاملة مع الأنظمة الحية، ومحكومة للامتثال، وقابلة للصيانة على مدار السنوات، يتطلب عملاً تأسيسيًا تقلل من أهميته معظم المؤسسات.
في حين أن 81% من جميع المؤسسات لديها استراتيجية مفصلة، فإن 12% إلى 16% فقط تصل إلى التنفيذ المعتمد على الذكاء الاصطناعي، كما يقول مايكل أملينج من SAP، والرئيس التنفيذي لشؤون المشتريات في SAP Business Technology Platform، ونادرًا ما تعود الأسباب إلى جودة التعليمات البرمجية التي تم إنشاؤها.
"في جميع الصناعات، تصطدم المؤسسات التي استثمرت بكثافة في أدوات الذكاء الاصطناعي بحائط عندما تتوافق التعليمات البرمجية التي تم إنشاؤها مع واقع بيئاتها الحالية، لأن توليد التعليمات البرمجية وتشغيلها ليسا نفس المشكلة." يقول أملينج.
هناك متطلبات محددة لنشر المنطق الناتج عن الذكاء الاصطناعي على مستوى المؤسسة: كيف تبدو جاهزية البيانات والتكامل فعليًا، وكيف تعمل الحوكمة عندما ينتقل وكلاء الذكاء الاصطناعي من إنتاج التوصيات إلى تنفيذ سير العمل، وكيف تغير فرق التطوير دورها عندما يتولى الذكاء الاصطناعي المزيد من أعمال الترميز.
لماذا يفشل إنشاء أكواد الذكاء الاصطناعي في بيئات إنتاج المؤسسات
إن مكاسب الإنتاجية الناتجة عن إنشاء أكواد الذكاء الاصطناعي حقيقية وموثقة جيدًا، لكن سهولة إنشاء النماذج الأولية أعطت العديد من المؤسسات إحساسًا مضللاً بمدى تقدمها فعليًا.
"توليد الكود هو شيء واحد،" يقول أملينج. "يحتاج عملاء المؤسسات، بما في ذلك الشركات متعددة الجنسيات والمؤسسات الكبيرة، إلى التأكد من عدم وجود أي تنازلات فيما يتعلق بالامتثال أو الأمان. إن التعليمات البرمجية التي يتم تشغيلها بشكل موثوق لمدة عشر أو عشرين عامًا، كما هو الحال لدى العديد من كبار عملاء SAP، يجب أيضًا صيانتها وتصحيحها وفهمها من قبل كل من يرثها. وبعبارة أخرى، فإن إدارة دورة الحياة لا تولد نفسها."
نادرا ما تكون المشكلة هي جودة الجيل. تقوم الفرق ببناء شيء مقنع، ثم تكتشف أنها تفتقر إلى الوصول إلى البيانات التي تعتمد عليها، أو عمليات التكامل التي تفترضها، أو الأذونات المطلوبة لتشغيلها في بيئة حقيقية. تكمن المشكلة في الأساس في أن الذكاء الاصطناعي يعمل على تضخيم البيانات الحالية للمؤسسة ونضج العمليات، لكنه لا يمكنه أن يحل محلها.
وتتكثف هذه الديناميكية مع انتقال الذكاء الاصطناعي من إنتاج التعليمات البرمجية إلى تنفيذ الإجراءات. يزداد زمن الوصول والتكلفة وتحميل النظام عند تشغيل المنطق بشكل مستمر مقابل البيانات المباشرة بدلاً من تقديم مخرجات لمرة واحدة. تختلف متطلبات الأداء للوكيل المستقل الذي يعمل عبر أنظمة المعاملات الخاصة بشركة متعددة الجنسيات بشكل قاطع عن تلك الخاصة بمساعد الطيار المطور.
كيفية ربط المنطق الناتج عن الذكاء الاصطناعي بأنظمة المؤسسات المجزأة
إن التحدي المعماري الذي تقلل معظم مشاريع الذكاء الاصطناعي المؤسسية من أهميته هو التكامل. بيئات المؤسسات الحقيقية ليست ألواحًا نظيفة: فهي تجمع بين الأنظمة السحابية والبنية التحتية القديمة ومخازن البيانات المجزأة وعشرات تطبيقات الأعمال التي لم يتم تصميمها مطلقًا للتحدث مع بعضها البعض. إن جعل المنطق الناتج عن الذكاء الاصطناعي يعمل بشكل موثوق عبر كل هذه الأنظمة يتطلب طبقة توحد الوصول إلى البيانات وسياق العملية والحوكمة، ويجب أن تكون موجودة قبل أن يبدأ أي وكيل في التنفيذ. والمنظمات التي ترى أن الذكاء الاصطناعي سبباً لتأجيل تحديث البنية التحتية ترتكب خطأً.
"السؤال ليس هل يجب التحديث أم لا؟ بالطبع أنت بحاجة إلى التحديث،" يقول أملينج. "لكن القيمة التي تحصل عليها علاوة على ذلك أعلى بكثير مع الذكاء الاصطناعي. لا يعد الوصول الموحد إلى البيانات وطبقات العملية المنسقة بدائل لترقية المشهد المجزأ، بل هو ما يجعل الترقية جديرة بالاهتمام."
على مستوى النظام الأساسي، يُترجم هذا إلى مجموعة من المتطلبات العملية: تكامل البيانات المنظمة، ورؤية العملية الشاملة، والقدرة على اكتشاف واجهات برمجة التطبيقات والاتصال بها عبر كل من الأنظمة الحديثة والقديمة. يعتمد نهج SAP مع منصة Business AI Platform على الأدوات بما في ذلك Joule Studio، وIntegration Suite، وBusiness Data Cloud، وطبقة بنية المؤسسة SAP AI Agent Hub لتوفير هذا السياق. الهدف هو إعطاء المنطق الناتج عن الذكاء الاصطناعي معرفة دقيقة وحديثة عما تفعله الشركة وكيف تفعله، بدلاً من مجرد الوصول إلى البيانات الأولية.
يتعامل وكلاء الذكاء الاصطناعي مع التحديات الكبيرة من خلال تقسيمها إلى مهام أصغر ومستقلة، حيث يكون كل وكيل مسؤولاً عن مجال معين، ويتم تنسيقها جميعًا لتحقيق نتيجة مشتركة. على سبيل المثال، يتضمن الإغلاق المالي العشرات من العمليات الفرعية المنفصلة. يمكن للوكلاء الذين يتعاملون مع كل مهمة بالتوازي، ضمن قيود محددة، ضغط أوقات الدورات بشكل كبير، ولكن فقط إذا كانت الأنظمة الأساسية التي يتفاعلون معها متماسكة ويمكن الوصول إليها.
الحوكمة والرقابة التي يتطلبها وكلاء الذكاء الاصطناعي في الإنتاج
عندما ينتقل الذكاء الاصطناعي من مساعد إلى ممثل تنفيذي، فإن أسئلة الحوكمة تلوح في الأفق بشكل كبير، لأن الوكلاء الذين يقومون بتشغيل سير العمل، وتحديث السجلات، والتفاعل مع أنظمة الأعمال الحية يحتاجون إلى نفس إطار المساءلة الذي ينطبق على الموظفين البشريين، على سبيل المثال، الهويات والامتيازات المحددة والسلوك القابل للتدقيق.
هناك نموذجان متميزان:
النشر الرئيسي، حيث يعمل الوكيل نيابة عن المستخدم، ويرث أذونات هذا المستخدم ونطاقه.
الوكلاء الذين يتم تشغيلهم بواسطة النظام، حيث يعمل الوكيل بهويته الخاصة وامتيازاته المحددة للدور، ويعمل مثل دور الموارد البشرية الآلي أكثر من كونه مساعدًا شخصيًا.
يتطلب كلا النموذجين نفس البنية التحتية الأساسية: مركز وكيل حيث يمكن للمشغلين معرفة الوكلاء الموجودين، وما هي واجهات برمجة التطبيقات التي يمكنهم الوصول إليها، وما هو المصرح لهم بفعله. يجب أيضًا تفعيل إمكانية المراقبة بشكل صحيح بالنسبة للذكاء الاصطناعي، إلى جانب التقييمات الفنية والتجارية.
"في الإنتاج، الانفتاح مهم جدًا،" يقول أملينج. "نحن نستخدم OpenTelemetry كإطار عمل، حتى نتمكن من التكامل مع الحلول الأخرى، من أجل إمكانية المراقبة الشاملة للأداة، ووكلاء الطرف الثالث وما شابه."
علاوة على ذلك، فإن التقييمات الفنية القياسية، التي تختبر ما إذا كان الوكيل ينتج مخرجات متسقة، ضرورية ولكنها ليست كافية. يقوم القائمون على تقييم الأعمال بتقييم ما إذا كان الوكيل يقوم بالفعل بتحريك مؤشرات الأداء التي تم نشرها لتحسينها، ولكن يجب عليه العمل بشكل شامل.
مكان إجراء الاختبار له نفس القدر من الأهمية. تنهار دورة تطوير البرامج التقليدية عبر بيئات التطوير والاختبار والإنتاج عندما ينتج النموذج مخرجات مختلفة اعتمادًا على ما إذا كان يعمل مقابل بيانات الاختبار أو البيانات المباشرة. إن الوصول إلى الذكاء الاصطناعي الجدير بالثقة في الإنتاج يعني قبول أن التحقق يبدو مختلفًا بشكل أساسي عما مارسته الفرق الهندسية لعقود من الزمن، مع اختبار البيئة الحية، وحتى اختبار A/B/C لضمان موثوقية النتائج.
كيف يؤدي إنشاء التعليمات البرمجية المعتمدة على الذكاء الاصطناعي إلى تغيير أدوار هندسة البرمجيات
ولا يختفي دور المطور في هذه البيئة، بل يتغير مركز ثقله. يكون مضاعف الإنتاجية مهمًا عندما يتمكن المطورون من تشغيل العديد من وكلاء الترميز بالتوازي عبر المحطات المفتوحة، حيث يعمل كل منهم على مشكلة منفصلة ويستغرق كل منهم عدة دقائق لإكماله. ولكنه يقدم نوعًا جديدًا من الطلب المعرفي، لأنه يتعين على البشر البقاء في الحلقة. وهذا يعني تتبع السياق عبر مسارات العمل المتزامنة، وتقييم المخرجات التي تتراوح عبر قواعد تعليمات برمجية كبيرة، وإصدار أحكام معمارية لا يمكن الوثوق بأي وكيل للقيام بها بمفرده.
"كلما كانت المطالبة أكثر تحديدًا واكتمالًا، قلت الحاجة إلى التدخل، ويتعلم المطورون أن جلب المزيد من السياق مقدمًا يؤتي ثماره في تقليل التنقل ذهابًا وإيابًا،" يقول أملينج. "لكن النتيجة لا تزال بحاجة إلى أن تكون مفهومة، وليس مجرد قبولها."
وستظل الميزة التنافسية هي الملكية الفكرية، وليس الأدوات. والشركات التي تتقدم للأمام ستكون تلك التي تقوم بتشفير معرفتها بالمجال بشكل أكثر فعالية في الأنظمة التي تبنيها.
"إن الخبرة العملية للشركة المصنعة، ومنطق المخاطر الخاص بالمؤسسة المالية، ومعلومات التوجيه الخاصة بشركة الخدمات اللوجستية، هي الأصول التي يمكن للذكاء الاصطناعي تسريعها، ولكن فقط إذا قامت المنظمات التي تمتلكها بالعمل على جعلها في متناول الجميع وقابلة للاستخدام." يقول أملينج. "قم بحماية ذلك، وقم بتطبيق الذكاء الاصطناعي لتسريع عملية التمايز الخاصة بك."
المقالات الدعائية هي محتوى تنتجه شركة تدفع مقابل المنشور أو لديها علاقة عمل مع VentureBeat، ويتم تمييزها دائمًا بشكل واضح. لمزيد من المعلومات، اتصل sales@venturebeat.com.
