أخبار ar.wedoany.com، في مؤتمر مطوري Snowflake لعام 2026، أعلنت الشركة بوضوح عن تحول استراتيجي من مستودع البيانات السحابية وسحابة البيانات إلى الطبقات العليا من حزمة برامج الذكاء الاصطناعي، بهدف بناء "أنظمة ذكية" تدمج بيانات المؤسسات، والدلالات، والحوكمة، والمنطق التجاري، والإجراءات، وآثار العوامل الذكية، والمعرفة المؤسسية، لدعم البشر والعوامل الذكية في طرح أسئلة أفضل، والحصول على إجابات أدق، وتنفيذ إجراءات خاضعة للرقابة. وقد بنت Snowflake العديد من وظائف الذكاء الاصطناعي، لكن السؤال هو ما إذا كانت ستتمكن من أن تصبح نقطة تحكم موثوقة في حزمة الذكاء الاصطناعي الناشئة قبل أن يطالب بها مصنعو النماذج، وموردو التطبيقات، وشركات الحوسبة السحابية فائقة الاتساع، وموردو الأنطولوجيا.
في جلسة أسئلة وأجوبة خاصة مع الإعلاميين والمحللين، اعترف الرئيس التنفيذي لشركة Snowflake، سريدهار راماسوامي، بأن حزمة التكنولوجيا الكاملة المستقبلية لا تزال غير معروفة. وأشار إلى أن مزودي النماذج يمتلكون قدرات متطورة دون أعباء تاريخية، وأن موردي التطبيقات لديهم معرفة عميقة بالعمليات، بينما تكمن الميزة الأساسية لـ Snowflake في جاذبية البيانات، وقدرات الحوكمة، والسياق التجاري، وقاعدة العملاء الذين يثقون ببياناتهم الحيوية. وأكد أن الابتكار في المنتجات وملاءمتها للسوق سيحددان في النهاية مسار التاريخ، وأن التاريخ سيُكتب لاحقًا ليبدو واضحًا، لكنه ليس كذلك في الوقت الحالي.
وفقًا لإطار العمل الذي صممه المحلل الرئيسي في theCUBE Research، جورج جيلبرت، تنقسم الأنظمة الذكية إلى خمس طبقات. تتمتع Snowflake حاليًا بأقوى حضور لها في الطبقتين الأولى والثانية في بعض المجالات، وتتوسع بنشاط في الطبقة الرابعة، وتمهد الأساس للطبقتين الثالثة والخامسة. يعتبر الإطار أنظمة المشاركة واجهة أمامية يتفاعل فيها الأشخاص مع العوامل الذكية وينجزون الأعمال، بينما تعمل الأنظمة الذكية كواجهة خلفية لتنظيم البيانات والقواعد والسياق والإجراءات والمنطق التجاري، مما يجعلها قابلة للقراءة والتنفيذ في النهاية من قبل البشر والعوامل الذكية على حد سواء.
يشير التوجه الاستراتيجي لكبار المسؤولين التنفيذيين في Snowflake إلى أن المؤسسة القائمة على العوامل الذكية تحتاج إلى أربعة مكونات رئيسية: بيانات المؤسسة وسياقها، ونماذج الذكاء الاصطناعي، وتطبيقات المؤسسة، ولوحة التحكم في العوامل الذكية. تمت إعادة تسمية منتجي Snowflake Intelligence وCortex Code إلى CoWork وCoCo على التوالي، ويتم وضعهما كوحدات بناء أساسية للمؤسسة القائمة على العوامل الذكية. من الناحية المعمارية، تجمع Snowflake بين أربعة مستويات: أنظمة المشاركة، وأنظمة العوامل الذكية، والأنظمة الذكية، وقاعدة البيانات، والتي تتوافق مع CoWork وCoCo، والعوامل الذكية والتنسيق متعدد العوامل، وHorizon وCortex Sense، وتخزين البيانات مثل جداول Snowflake وIceberg. يناقش كبار المسؤولين الآن موضوعات مثل السياق، والدلالات التجارية، والاستقلال عن النماذج، وحوكمة العوامل الذكية، والهوية، والذاكرة، متجاوزين المفاهيم السابقة لفصل الحوسبة عن التخزين، ومقتربين أكثر من لغة حزمة برامج الذكاء الاصطناعي.
تتمحور الحجة التقنية الأساسية لـ Snowflake حول أن "السياق يحدد جودة العامل الذكي". يشير نائب رئيس الذكاء الاصطناعي، باريس جولتكين، إلى أن التحول في الذكاء الاصطناعي يعتمد على عمق فهمه للأعمال التجارية: فالعامل الذكي الذي يفتقر إلى السياق قد يسيء تفسير المؤشرات، ويضيع الرموز المميزة في إعادة اكتشاف الأنماط، ويعرض مخاطر الحوكمة. على سبيل المثال، عند حساب قيمة العقد ربع السنوية، قد يستنتج عامل ذكي عام ارتفاعًا في القيمة، لكن التعريف التجاري يتطلب استبعاد نشاط الطبقة المجانية، وإلا ستكون الإجابة خاطئة. يهدف Cortex Sense من Snowflake إلى معالجة هذه المشكلات من خلال بناء بيئة تشغيل مستضافة لسياق المؤسسة، مستفيدًا من المعلومات الواردة من الموصلات، والبيانات المهيكلة وغير المهيكلة، وطرق العرض الدلالية، وقوائم المصطلحات التجارية، والمهارات، وتفاعلات العوامل الذكية، والبيانات الوصفية. تُظهر البيانات المقارنة التي قدمتها Snowflake أن دقة الإجابات لعامل ذكي متطور يعمل على بيانات مهيكلة صلبة تبلغ حوالي 24%، وترتفع إلى حوالي 47% باستخدام نموذج دلالي، وتصل إلى حوالي 73% باستخدام نموذج دلالي داخلي معدّل بشكل كبير، بينما يبلغ أداء Cortex Sense الجاهز للاستخدام حوالي 86%. الاستنتاج الأساسي هو أنه كلما اقترب الذكاء الاصطناعي من السياق التجاري الخاضع للحوكمة، كانت الإجابات أفضل والتكاليف أقل.
يتوسع Horizon، كأساس للحوكمة والفهارس، على ثلاثة أبعاد: قابلية التشغيل البيني، والسياق، والحوكمة. تشمل القدرات الرئيسية المشاركة المفتوحة لجداول Iceberg، والتحكم الدقيق في الوصول الذي ينفذه Horizon، وتنفيذ Horizon لواجهة Polaris API وتوسيع نطاق الحوكمة إلى ما وراء Snowflake، وتكامل Select Star لسحب البيانات الوصفية من أدوات مثل Power BI وTableau وPostgres وSQL Server، وبناء Horizon Context للنسب وطرق العرض الدلالية، والحوكمة القائمة على النية، وحوكمة الذكاء الاصطناعي لمراقبة جودة العوامل الذكية والتعرض للبيانات الحساسة. يشير المحللون إلى أنه على الرغم من أن Horizon ينتقل من الفهارس إلى السياق، إلا أنه لم يصبح بعد نظامًا ذكيًا كاملاً؛ فالفهارس تعرّف الأسماء، بينما يحتاج النظام الذكي الكامل إلى نمذجة الأفعال - أي الإجراءات، والشروط المسبقة، والآثار، والاستثناءات، والقرارات، وسير العمل. في الوقت نفسه، تتزايد كمية البيانات التي تنتجها العوامل الذكية بشكل هائل، وقد تشكل إدارة التكاليف المرتفعة لهذه الكميات الهائلة من البيانات عائقًا أمام العملاء.
يُعتبر Cortex Sense أهم خطوة نحو النظام الذكي. فهو يركز بشكل واضح على بيئة التشغيل السياقية، محاولًا استنتاج وتنظيم الدلالات المؤسسية، مما يمكّن العوامل الذكية من الإجابة على الأسئلة التجارية بدقة أكبر وتكلفة أقل. لا يقتصر هذا المنتج على جمع البيانات الوصفية التقنية فحسب، بل بدأ أيضًا في التوجه نحو الدلالات التجارية، والمهارات، وسياق سير العمل، وتفاعلات العوامل الذكية، والتمثيلات الشبيهة بالرسوم البيانية المعرفية. حاليًا، يكون أداء Cortex Sense أقوى في فهم البيانات المهيكلة، وبناء النماذج الدلالية، وتقليل هدر الرموز المميزة، وإنشاء سياق مستضاف للعوامل الذكية، وتحسين جودة الإجابات المهيكلة، لكنه لا يزال ضعيفًا في مجالات مثل التقاط المعرفة العميقة بالعمليات عبر تطبيقات مثل SAP وSalesforce وWorkday، وتنسيق المنطق التجاري عبر المجالات، واستخراج آثار الاستدلال الخبيرة، ورفع الأنماط المرصودة إلى قواعد عمليات خاضعة للحوكمة.
على مستوى قاعدة البيانات، تدفع Snowflake نحو تنسيقات الجداول المفتوحة والتكامل بنسخ صفري. تم الإطلاق الرسمي لـ Snowflake Storage المستند إلى Apache Iceberg؛ ويدعم Horizon واجهة Iceberg وPolaris API لتطبيق الحوكمة عبر المحركات؛ ويتيح التكامل بنسخ صفري مع SAP وSalesforce وWorkday الاستعلام عن البيانات بشكل تحليلي دون نسخ. تسمح طبقة المحاكاة الافتراضية المستندة إلى Datometry للعملاء بتوجيه استعلامات Teradata إلى Snowflake، ويهدف عمل AIM، الذي يجمع بين المحاكاة الافتراضية وتحويل الشفرة والترحيل بمساعدة العوامل الذكية، إلى تقليل وقت الترحيل من 18 أسبوعًا إلى حوالي أسبوع واحد. يرى المحللون أن أعباء عمل Teradata وتطبيقات COBOL والإجراءات المخزنة وتقارير BI في الأنظمة القديمة تحتوي على دلالات تجارية، وأن ترحيل هذه الأعباء ليس مجرد ترحيل سحابي، بل هو جزء من استخراج وتحديث السياق المؤسسي الذي تحتاجه العوامل الذكية.
CoCo هو عامل ذكي للترميز بالذكاء الاصطناعي من Snowflake موجه لأعمال البيانات، وقد حصل على أكثر من 7,000 عميل منذ إطلاقه. يمتلك أكثر من 100 مهارة مجال، ويفهم RBAC وحالة البيئة، ويدعم MCP، ويمكن تشغيله في سياقات مثل Snowflake وdbt وAirflow وAWS Glue وPostgres وSpark. أما CoWork، فيتم وضعه كعامل ذكي شخصي موجه لمستخدمي الأعمال، ويمكنه العمل عبر الويب والجوال وSlack، ويدعم الجدولة الآلية، وإنشاء المخرجات، والبحث المتعمق، والاتصال بأنظمة المؤسسة عبر MCP. تبني الشركة قدرات حوكمة متمايزة مثل التعرف على هوية العامل الذكي، والتحكم في الوصول القائم على الأدوار، وإخفاء البيانات وسياسات الوصول إلى الصفوف، وسياسات نقل البيانات، ومسح مخاطر Trust Center، لكن المحللين يشيرون إلى أن المستقبل يتطلب تطوير حوكمة تستهدف نوايا وإجراءات العامل الذكي، حيث يجب أن تعرف المنصة ما يحاول العامل الذكي فعله، وما إذا كان هذا الإجراء مسموحًا به، وما هي آثاره المحتملة في المراحل اللاحقة.
أكبر فجوة تعاني منها Snowflake حاليًا هي في منطق العمليات التجارية. يحتاج النظام الذكي الكامل إلى نمذجة قواعد العمل، وتسلسل العمليات، والشروط المسبقة للإجراءات وآثارها، ومعالجة الاستثناءات، وآليات الموافقة، والقيود التشغيلية، والاستدلال المؤسسي، وحالة العمل. يصف كبار المسؤولين التنفيذيين طيف السياق بأنه يشمل الدلالات، والمهارات، وسير العمل، وقوائم المصطلحات التجارية، والرسوم البيانية المعرفية، والموصلات، والعمليات التجارية، والأنطولوجيا، لكنهم يعترفون بأنهم لا يزالون في مرحلة مبكرة. يوجد السياق الخاص بالعمليات التجارية عادةً في أنظمة موردي التطبيقات مثل SAP وSalesforce وWorkday وServiceNow وOracle، ولن يصبح هؤلاء الموردون طواعية مصادر بيانات سلبية، مما سيؤدي إلى مشكلة الجزر الذكية. لدى Snowflake إجابات جيدة لربط البيانات، لكنها لا تزال ضعيفة في ربط الحلول الذكية من مصادر مختلفة.
بالنسبة لكبير مسؤولي البيانات وكبير مسؤولي الذكاء الاصطناعي، يجب اعتبار النظام الذكي متطلبًا معماريًا للمؤسسة وليس مجرد خطة لاعتماد الوظائف. يجب على المؤسسات البدء بعمليات الأعمال ذات القيمة الأعلى، واستخدام هوية موحدة، وأنطولوجيا مشتركة، وقوائم مصطلحات تجارية، ونسب، وهوية العامل الذكي، والتقييم، وقابلية المراقبة، والتحكم في التكاليف، وقابلية المراجعة، وإجبار كل عامل ذكي ومهارة ونموذج دلالي وسير عمل على الدخول في مسار خاضع للحوكمة، لتجنب تكوين جزر ذكية جديدة. مصدر المعلومات هو تحليل theCUBE Research لقمة Snowflake Summit 2026.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
