أخبار ar.wedoany.com، أطلقت شركة سيلبال تكنولوجيز (Celebal Technologies)، المزود الهندي لخدمات البيانات والذكاء الاصطناعي، مؤخراً حل "Agent Garage" الموجه لعمليات المؤسسات، وقامت بدمجه بشكل أصلي مع منصة داتابريكس (Databricks) للذكاء البياناتي، بهدف مساعدة الشركات في قطاعات التصنيع والطاقة والمالية والرعاية الصحية على نشر وكلاء الذكاء الاصطناعي بشكل أسرع. ويمكن لشركات التصنيع، من خلال مكتبات المواضيع القطاعية الجاهزة، وقدرات الحوكمة على مستوى المؤسسات، وآليات التنسيق متعدد الوكلاء، نقل وكلاء الذكاء الاصطناعي من بيئة التجارب إلى سيناريوهات التشغيل والإنتاج.
جوهر هذا التعاون هو وضع "أساس البيانات، وعمليات الأعمال، وتنفيذ الذكاء الاصطناعي" - وهي أصعب ما تواجهه شركات التصنيع - ضمن إطار منصة موحد. في الماضي، عند نشر تطبيقات الذكاء الاصطناعي، كانت شركات التصنيع غالباً ما تبدأ بسيناريوهات نقطية منفردة، مثل الصيانة التنبؤية للمعدات، والتنبيه المبكر بالمخزون، وفحص الجودة، وتحسين خطط الإنتاج، أو الكشف عن الحالات الشاذة في سلسلة التوريد. لكن هذه السيناريوهات كانت سرعان ما تقيدها جزر البيانات: بيانات المعدات موجودة في الأنظمة الصناعية، وبيانات الطلبات والمخزون في نظام تخطيط موارد المؤسسات (ERP)، وبيانات الجودة في نظام تنفيذ التصنيع (MES) أو أنظمة المختبرات، بينما تتوزع بيانات الموردين والخدمات اللوجستية عبر منصات خارجية. إذا كان بإمكان وكيل الذكاء الاصطناعي الوصول إلى بيانات جزئية فقط، فسيصعب عليه فهم العلاقات المترابطة بين موقع الإنتاج، وخطط الشراء، ومستويات المخزون، وحالة المعدات، وطلبات العملاء. تم بناء "Agent Garage" من سيلبال حول منصة داتابريكس للذكاء البياناتي، ولا يركز على توفير روبوت محادثة منفرد، بل على ربط بيانات المؤسسة، وقواعد العمل، وحوكمة الصلاحيات، وتنسيق المهام، واستدعاء النماذج، مما يمكن وكلاء الذكاء الاصطناعي من إجراء الاستدلال عبر الأنظمة وتنفيذ العمليات في بيئة خاضعة للرقابة. بالنسبة لشركات التصنيع، تكمن قيمة هذا النوع من الحلول في تقصير المسافة من إعداد البيانات إلى الإجراءات التشغيلية: عند حدوث عطل في المعدات، أو نقص في المواد الخام، أو تغير في الطلبات، أو تراكم في المخزون، يمكن لوكيل الذكاء الاصطناعي، بالاعتماد على قاعدة بيانات موحدة، إصدار الأحكام، وتوليد توصيات للمعالجة، وتحفيز العمليات اللاحقة، والاحتفاظ بسجلات قابلة للتتبع.
تعتبر مكتبات المواضيع القطاعية الجاهزة التي يوفرها "Agent Garage" لشركات التصنيع جزءاً مهماً من خفض حاجز النشر.
لكي تدخل وكلاء الذكاء الاصطناعي في التصنيع إلى سيناريوهات الإنتاج الفعلية، يجب أن تحل ليس فقط مشكلة "القدرة على الإجابة على الأسئلة"، بل أيضاً القدرة على فهم دلالات الأعمال، واستدعاء البيانات الصحيحة، والعمل ضمن حدود الصلاحيات، وشرح أحكامها الذاتية، وأن تكون قابلة للتدقيق والتحسين المستمر. تركز قدرة المراقبة "من المطالبة إلى النتيجة" (Prompt-to-Outcome) التي طرحتها سيلبال على التتبع الكامل بدءاً من المطالبات (prompts)، ومسار تنفيذ الوكيل، ومصادر التوليد المعزز بالاسترجاع (RAG)، وأداء الأداء، وصولاً إلى ردود الفعل على النتائج. وهذا أمر بالغ الأهمية بشكل خاص لشركات التصنيع، لأن العديد من القرارات في بيئة التصنيع تؤثر على جدولة خطوط الإنتاج، وإيقاف المعدات، وأحكام الجودة، وإيقاع المشتريات، وتسليم العملاء. فإذا قدم وكيل الذكاء الاصطناعي توصيات خاطئة، يجب على الشركة معرفة ما إذا كان الخطأ ناتجاً عن نقص في البيانات، أو انحراف في فهم النموذج، أو تكوين غير صحيح للصلاحيات، أو عدم تغطية قواعد العمل. يمكن لـ Unity Catalog من داتابريكس توفير حوكمة موحدة للبيانات وأصول الذكاء الاصطناعي، ويمكن استخدام MLflow لتتبع أداء النماذج والوكلاء، بينما يمكن لقدرات سير العمل دعم تنسيق المهام على مستوى المجال الموضوعي. من خلال دمج قدرات المنصة هذه مع وكلاء القطاع، تقوم سيلبال عملياً ببناء "طبقة تشغيل وكلاء ذكاء اصطناعي قابلة للحوكمة" لشركات التصنيع. وهذا يختلف بشكل واضح عن التجارب المبكرة للذكاء الاصطناعي التوليدي: حيث ركزت تلك التجارب أكثر على تأثير العرض والإجابة على الأسئلة الفردية، بينما تتطلب مرحلة الإنتاج أن تتحقق الصلاحيات، ونسب البيانات (lineage)، والجودة، والتدقيق، والمراقبة، والإغلاق التشغيلي في آن واحد. لقد استثمرت شركات التصنيع بالفعل بكثافة في أنظمة تخطيط موارد المؤسسات (ERP)، وتنفيذ التصنيع (MES)، والتحكم الإشرافي والحصول على البيانات (SCADA)، وإدارة دورة حياة المنتج (PLM)، وإدارة المستودعات (WMS)، ومستودعات البيانات أثناء رحلتها السابقة للرقمنة. وما إذا كان بإمكان وكلاء الذكاء الاصطناعي الدخول إلى الأعمال الأساسية يعتمد على قدرتها على التنسيق مع هذه الأنظمة الحالية، بدلاً من تجاوز البنية التحتية الحالية للمؤسسة وبناء مجموعة أدوات منعزلة جديدة.
توفر داتابريكس في هذا السياق قاعدة التشغيل الموحدة للبيانات والذكاء الاصطناعي. أما دور سيلبال فهو أقرب إلى التنفيذ القطاعي وخدمات هندسة الوكلاء.
يعكس هذا التقسيم للعمل اتجاهاً واقعياً في نشر الذكاء الاصطناعي في المؤسسات حالياً: توفر منصات البنية التحتية الأساسية حوكمة البيانات، وتشغيل النماذج، وأدوات التطوير، والبنية التحتية للوكلاء، بينما يتولى مزودو الخدمات القطاعيون تحويل هذه القدرات إلى عمليات أعمال محددة. لا تحتاج شركات التصنيع إلى "الذكاء" المجرد، بل إلى مجموعات من الوكلاء قادرة على حل المشكلات الحقيقية، مثل وكيل صيانة المعدات، ووكيل حالات الجودة الشاذة، ووكيل تخطيط الإنتاج، ووكيل إعادة تزويد المخزون، ووكيل مخاطر سلسلة التوريد، ووكيل تحسين استهلاك الطاقة، ووكيل تقارير الإدارة. كما يجب أن تعمل هذه الوكلاء المختلفة بشكل تعاوني: فقد تؤثر حالة الجودة الشاذة على دورة التسليم، ويؤثر تغير التسليم على المخزون والمشتريات، ويغير توقف المعدات جدول الإنتاج، ويؤدي تأخير المورد إلى تفعيل مواد بديلة وتقييم التكاليف. يمكن للوكيل الواحد معالجة مهمة جزئية فقط، بينما يمكن لنظام متعدد الوكلاء تغطية سلسلة العمليات المعقدة لشركات التصنيع. إن طرح "Agent Garage" لمكتبات مواضيع جاهزة لقطاعات التصنيع والمالية والطاقة والرعاية الصحية يشير إلى أن هدفه ليس بناء وكلاء لكل شركة من الصفر، بل استخدام وحدات قطاعية قابلة لإعادة الاستخدام لتقصير دورة النشر، ثم تخصيصها وفقاً لأنظمة الشركة نفسها، وهياكل بياناتها، ومتطلبات عملياتها. بالنسبة لشركات التصنيع التي تدفع نحو تطبيق الذكاء الاصطناعي الصناعي، فإن هذا النموذج يسهل تكوين نسخ قابلة للتوسع: التحقق أولاً في مصنع أو مجال عمل واحد، ثم التوسع إلى مصانع ومناطق وخطوط إنتاج متعددة.
من منظور صناعي، يعكس التنسيق بين سيلبال وداتابريكس حول وكلاء الذكاء الاصطناعي أيضاً اتجاهاً مفاده أن المنافسة في مجال الذكاء الاصطناعي لشركات التصنيع تتحول من "قدرات النماذج" إلى "القدرات التشغيلية". لا تهتم شركات التصنيع بحجم معلمات النموذج بقدر ما تهتم بما إذا كان الذكاء الاصطناعي يمكنه المساعدة في تقليل وقت التوقف، وتقليل خسائر الجودة، وزيادة دقة التخطيط، وتقصير وقت الاستجابة للحالات الشاذة، وتحسين استخدام المخزون، وزيادة شفافية الإدارة. إذا تمكن "Agent Garage" من تحقيق تنسيق الوكلاء، والحوكمة، والمراقبة على قاعدة بيانات موحدة، فسيساعد شركات التصنيع على تحويل أصول البيانات المتناثرة إلى عمليات ذكية قابلة للتنفيذ. يكمن المفتاح اللاحق في ما إذا كان هذا الحل قادراً على إثبات فعاليته باستمرار في بيئات المصانع الحقيقية، بما في ذلك التوافق مع الأنظمة القديمة، والقدرة على معالجة البيانات غير المهيكلة، والتكيف مع هياكل الصلاحيات المعقدة، والحفاظ على الاستقرار وقابلية التدقيق أثناء تشغيل وكلاء متعددين. مع تحول طلب شركات التصنيع على وكلاء الذكاء الاصطناعي من إثبات المفهوم إلى النشر على نطاق واسع، فإن قدرة التنسيق بين منصة البيانات، ومزود الخدمات القطاعي، وفرق الأعمال في المؤسسة ستحدد بشكل مباشر ما إذا كان بإمكان وكلاء الذكاء الاصطناعي الدخول فعلياً إلى خط الإنتاج الأول.
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
