في 26 يونيو، عُقدت في قوانغتشو ندوة مغلقة حول الوكلاء المؤسسيين تحت عنوان «الإدراك الأنطولوجي والتطبيق العملي». حضرها أكثر من عشرة من قادة الشركات في قطاعات المال والطاقة والتصنيع والتجزئة والخدمات الحكومية، إلى جانب صنّاع القرار المعنيين بالتحول الذكي. وقد أدار الجلسة نائب رئيس AHS جاكسون تشن (Jackson Chen) حول أطروحة محورية مفادها أن يفهم الذكاء الاصطناعي المؤسسة وأن يشارك الذكاء في إدارتها، ناقلاً الحاضرين من ضحالة تبنّي التقنية إلى عمق الفهم المنهجي لجوهر الأعمال ومنطق تشغيل الأنطولوجيا.
الخلاصة الجوهرية: إن خط الفصل في الذكاء الاصطناعي المؤسسي لا يمر بمدى قوة النموذج أو حجم القدرة الحاسوبية، بل بمدى القدرة على جعل سلاسل المنطق الضمنية المطمورة في العمليات — تلك التي تقول «لأنّ… إذن…» — صريحةً في صورة أنطولوجيا قابلة للتنفيذ والتدقيق والتطور.
أولاً: الخلفية — من مأزق حوكمة البيانات إلى السؤال عن سلسلة منطق الأعمال
توجّه جدول الأعمال مباشرةً إلى عنق الزجاجة في تطبيقات الذكاء الاصطناعي المؤسسي اليوم: بعد سنوات من مشاريع حوكمة البيانات وضخّ موارد كبيرة، لماذا ما يزال الذكاء الاصطناعي عاجزاً عن فهم الأعمال فهماً حقيقياً واتخاذ قرارات تتوافق مع منطقها؟
في التشغيل اليومي، يستند كثير من الأحكام الحاسمة إلى منطق ضمني من نوع «لأنّ س، إذن ص»: لماذا رُفض التسهيل الائتماني لهذا العميل؟ ولماذا مرّ هذا الطلب عبر موافقة استثنائية؟ خلف كل قرار من هذه القرارات سلسلة منطق أعمال واضحة. غير أن هذه السلاسل تبقى غالباً في صورة خبرة أو عُرف أو وثائق متناثرة داخل المؤسسة، يصعب التعبير عنها منهجياً، فتتحول إلى «معرفة معتمة» لا يبلغها الذكاء الاصطناعي.
وهكذا تتضح عقدة المشكلة: ما ينقص المؤسسة قد لا يكون البيانات، بل القدرة الداخلية على التعبير المُهيكل عن العلاقات بين البيانات وقواعد الأعمال، أي تلك السلسلة المنطقية الضمنية التي تسري في العمليات من أولها إلى آخرها.
وقد تركّز هذا اللقاء المغلق تحديداً على كيفية نقل هذه «السلسلة» من الضمني إلى الصريح، ومن الخبرة الغائمة إلى أصل عملي مُهيكل قابل للحساب والتعبير، بما يسند الوكلاء المؤسسيين في فهم الأعمال والمشاركة في القرار.
ثانياً: العرض — الأنطولوجيا، أو التطور التقني من جزر البيانات إلى الشبكات الدلالية
افتتح تشن الندوة بتشبيه: «إذا شبّهنا المؤسسة بكائن حي، فالبيانات دمُه والقدرة الحاسوبية عضلاتُه، أما الأنطولوجيا فهي الدماغ والجهاز العصبي؛ فهي التي تحدّد كيف تدرك المؤسسة ذاتها وكيف تتفاعل مع محيطها».
ثم قدّم عرضاً تطبيقياً يبيّن كيف تُستخرج من أنظمة داخلية غير متجانسة — ERP وCRM وOA — كائناتُ الأعمال الأساسية مثل «العميل» و«الطلب» و«العقد»، وكيف تُنسج بينها شبكة من العلاقات الدلالية.
وأشار تشن قائلاً: «السبب الجذري في أن مشاريع بحيرات البيانات والمنصات الوسطية لم تحقق العائد المرتقب من التحول الذكي هو أن البيانات صُنعت ليقرأها البشر، وتفتقر إلى طبقة دلالية يفهمها الذكاء الاصطناعي. فما يراه الذكاء الاصطناعي ليس سوى ركام من الأرقام والسلاسل النصية المعزولة بلا معنى». ثم استعرض منهجياً مسار تطور تقنيات الذكاء الاصطناعي المؤسسي: من RAG (التوليد المعزّز بالاسترجاع) المعتمد على المعرفة الخارجية، إلى GraphRAG الذي يُدخل علاقات الرسم البياني المعرفي الداخلي، وصولاً إلى OAG (التوليد المعزّز بالأنطولوجيا) الذي يجعل منطق أعمال المؤسسة ذاته محوراً.
الأنطولوجيا خندق تنفرد به المؤسسة. فهي لا تتكئ على قدرات نموذج كبير خارجي، بل تجعل المعرفة العملية الضمنية المتوارثة شفاهةً داخل المؤسسة صريحةً، في صورة أصل مُهيكل قابل للتوريث والتحسين والتنفيذ.
والأنطولوجيا لا تصف ما «هو» العمل فحسب، بل تستطيع أن تقود ما «يفعله» النظام.
واستشهد بحالة شركة «تشياو يين»، أول شركة خدمات حضرية مدرجة في سوق الأسهم من الفئة A في الصين. فقد بنت الشركة عبر نظام Agentrix أنطولوجيا أعمال جعلت صريحاً منطقَ تشغيل الجدولة الآنية المعقّدة، وتنسيق العمليات، والتدخل المبكر في المخاطر، والإنذار المسبق بالحالات الشاذة. وبالاستناد إلى أنطولوجيا الأعمال ونموذج السلوك العالمي حققت تحسيناً ديناميكياً للقرارات، فارتفعت كفاءة التشغيل ارتفاعاً ملموساً وانخفضت الكلفة التشغيلية، فيما تقلّص زمن الاستجابة في الجدولة من ساعات إلى دقائق.
ويرى تشن أن تحول المؤسسات يمرّ بمراحل متعاقبة: من المعلوماتية (بناء أنظمة تقنية المعلومات) إلى الرقمنة (عمليات تقودها البيانات)، وصولاً إلى «الأتمتة الذكية» (مشاركة الوكلاء في الإدارة)؛ والأنطولوجيا هي البنية التحتية المفصلية التي تسند هذه المرحلة الأخيرة.
ثالثاً: وقائع الأسئلة والأجوبة
خُصّص الجزء الأخير من الندوة للحوار مع الشركات الحاضرة. ولم يعد فهمها للأنطولوجيا طافياً على سطح المفاهيم، بل نفذت الأسئلة إلى نسيج التنفيذ التقني والعائد التجاري.
1. توحيد الدلالة: حين تسمّي أنظمة مختلفة داخل المؤسسة الشيء ذاته بأسماء متباينة، كيف يفهمه الذكاء الاصطناعي بدقة ثم ينجز التحقق؟
سؤال من الحضور: «نظام ERP لدينا يعمل منذ سنوات طويلة، وكثير من حقول الجداول بلا قاموس بيانات موحّد أصلاً. خذ مثلاً „المخزون“: معناه يختلف من زاوية المالية عن زاوية الإنتاج عن زاوية المستودعات. من دون قاموس بيانات، وبالنظر إلى أسماء الجداول والحقول فقط، كيف يعرف الذكاء الاصطناعي المعنى التشغيلي الحقيقي لكل حقل؟»
تشي شياوشي، خبيرة المنتج في AHS: «نتّبع استراتيجية متعددة الطبقات. أولاً، يستفيد نظام Agentrix على سبيل الأولوية من قاموس البيانات المتوفر لدى المؤسسة بوصفه مصدراً موثوقاً. وإن لم يوجد، يستنتج النموذج الكبير الدلالة المحتملة لكل حقل استناداً إلى بنية الجداول وأنماط تسمية الحقول والعلاقات بين الجداول والسياق التشغيلي، ثم يولّد التوصيفات. وبعدها يراجع خبراء الأعمال استنتاجات الذكاء الاصطناعي ويصحّحونها، فتكتمل حلقة التوصيف الدلالي بتعاون الإنسان والآلة. إنها آلية أمان مزدوجة».
سؤال من الحضور: «في ERP وCRM تختلف الحقول والتسميات التي تُعرِّف „العميل“. بعد التنقية، كيف يُحكم بأنهما الكائن نفسه؟»
تشي شياوشي، خبيرة المنتج في AHS: «عبر قواعد توحيد الدلالة وآلية تجميع المصادر. يكتشف النظام تلقائياً علاقة التطابق بين التسميات المختلفة — مثل client_code وcustomer_id — ويتحقق منها بتحليل سلالة البيانات. وفي جوهر الأمر، يبني Agentrix طبقةَ إدراكٍ موحّدة لكائنات الأعمال تعلو على تسميات أي نظام بعينه».
2. محرك القواعد: حين تقع حالة استثنائية تتجاوز اللوائح الداخلية، كيف يتعرّف عليها الذكاء الاصطناعي ويحسّن القواعد القائمة؟
سؤال من الحضور: «لدينا عقود إيجار كثيرة للمتاجر، وطريقة احتساب الإيجار فيها مكتوبة نصاً. هل تُدخل القواعد يدوياً واحدةً واحدة، أم يستطيع النظام قراءة نص العقد واستخراج قواعد حساب مُهيكلة تلقائياً؟ وهل يمكن تحويل عبارة مثل „كيفية التعامل عند تجاوز المبلغ خمسة ملايين“ إلى قاعدة مُهيكلة ينفّذها الذكاء الاصطناعي؟»
تشي شياوشي، خبيرة المنتج في AHS: «يدعم نظامنا التحليل الآلي للوثائق غير المُهيكلة — Word وPDF والنسخ الممسوحة وExcel — واستخراج قواعد أعمال مُهيكلة منها. فمن عقد إيجار، مثلاً، يستطيع تمييز منطق „إيجار ثابت مضافاً إليه نسبة من المبيعات“. كما يدعم التعريف والصيانة يدوياً. وإضافة إلى ذلك، يستطيع رصد الأنماط الضمنية في بيانات العمليات التاريخية: فإذا كان نوع معيّن من طلبات الصرف يتجاوز الموازنة دائماً ويُعتمد دائماً، تعلّم النظام هذه „القاعدة الضمنية“ واقترح جعلها صريحة».
سؤال من الحضور: «اللوائح لا تستطيع حصر كل الطوارئ. فلبدل السفر تعرفة قياسية، لكن استعجال مشروع طارئ قد لا يترك سوى تذكرة بالسعر الكامل. كيف تتعامل القواعد مع مثل هذه الاستثناءات؟»
قوه لين، المدير التقني لـ AHS: «يعتمد محرك القواعد في DataOS لدينا آليةَ استدلال هجينة من ثلاث طبقات. الأولى: قواعد قيود OWL تعالج المتطلبات النظامية القطعية والصريحة عبر الاستدلال المنطقي. الثانية: خوارزميات تعلّم الآلة تستخلص من بيانات الاعتمادات التاريخية „القواعد الضمنية“، أي الأنماط غير المنصوص عليها كتابةً لكنها تمرّ باطّراد في الممارسة، وتقترح تثبيتها قواعدَ رسمية. الثالثة: النموذج الكبير يوفّر تكيّفاً مرناً مع الاستثناءات التي تعجز اللوائح عن حصرها، كطلب نفقات سفر يتجاوز المعيار بسبب استعجال مشروع طارئ».
جاكسون تشن، نائب رئيس AHS: «من القدرات المفتاحية للأنطولوجيا التطورُ الذاتي. فبالاستناد إلى بيانات العمليات التاريخية يواصل النظام التعلّم، ويقترح توليد قواعد جديدة أو تحسين القائم منها، بحيث تتطور منظومة اللوائح في المؤسسة تطوراً ديناميكياً مع نمو الأعمال».
3. الاستدلال في القرار: في المشاهد التشغيلية الحرجة، كيف نضمن أن يكون استدلال الذكاء الاصطناعي بصرامة «البرهان الرياضي» ووضوحه؟
سؤال من الحضور: «تتألف لجنة تقييم العطاءات لدينا من سبعة أعضاء، ويساورنا القلق دائماً من أن تتراجع موثوقية النتيجة إذا اختلّ حكم الأغلبية. هل يمكن أن يتخذ الذكاء الاصطناعي القرار النهائي؟ ويتبع ذلك سؤال: كيف نتأكد أن حكمه ليس „تخميناً من فراغ“؟»
تشي شياوشي، خبيرة المنتج في AHS: «يستطيع الذكاء الاصطناعي أن يضطلع بأعمال التقييم والتدقيق، لكن المراحل الحرجة كالتفاوض التجاري تظل بحاجة إلى مشاركة الإنسان. والقيمة الجوهرية لمساندة الذكاء الاصطناعي ليست في إعطاء جواب من صندوق أسود، بل في تقديم سلسلة أدلة كاملة وقابلة للتتبع خلف الاستدلال. ففي تقييم المورّدين، مثلاً، لا يكتفي النظام بالإشارة إلى احتمال المبالغة في سعر مورّد ما، بل يوضّح أساس ذلك: مقارنة بالعقود السابقة، أو انحرافاً عن مرجعيات القطاع، أو فحوصات قواعد جرى تفعيلها. كل خطوة في الحكم مسنودة ببيانات أو قواعد، والمسار كله قابل للتتبع. وما دام الإنسان قادراً على تعريف „لأجل كذا، إذن هذا الحكم“ تعريفاً واضحاً، يستطيع الذكاء الاصطناعي تعلّم سلسلة القرار هذه وإعادة استخدامها».
جاكسون تشن، نائب رئيس AHS: «هذا في جوهره الفرق بين اليقين المنطقي والمطابقة الاحتمالية. فالنموذج الكبير يقوم على الاحتمال: قد يصيب اليوم ويخطئ غداً. أما الاستدلال الأنطولوجي فيحسب استناداً إلى قواعد منطقية مُعرَّفة وبيانات؛ وما دامت القواعد والبيانات صحيحة، فالنتيجة قطعية وقابلة للتكرار. والأنطولوجيا تتيح أن يكون مسار تفكير الذكاء الاصطناعي بوضوح البرهان الرياضي».
سؤال من الحضور: «أودّ تدريب الذكاء الاصطناعي على عقود جميع المورّدين خلال السنوات العشر الماضية، بحيث يشير تلقائياً إلى العروض المبالغ فيها عندما يقدّم مورّد جديد عرضه. هل هذا ممكن؟»
قوه لين، المدير التقني لـ AHS: «تحليل الأسعار بالاعتماد على البيانات التاريخية داخل المجال أمر بسيط. لكن سعر العقد لا يُقرأ من البيانات الداخلية وحدها؛ فهو يتأثر أيضاً ببيئة السوق والدورات الاقتصادية، ولذا يصبح التحليل متعدد المصادر هو المفتاح. وإذا استطاع مدير المشتريات أن يصرّح بأساس حكمه — „لأن أسعار الصلب ارتفعت مؤخراً بنسبة 15%، أوافق على هذا العرض“ — فسيحفظ الذكاء الاصطناعي هذه العلاقة السببية ويطبّقها تلقائياً عند مواجهة ظرف سوقي مماثل. ويبقى جوهر المسألة: هل سلسلة الأدلة مكتملة؟»
سؤال من الحضور: «في قطاعي المياه والطاقة قواعد تشغيلية معقدة كثيرة، مثل كمية الأكسجين المضافة في حوض التهوية بمعالجة مياه الصرف. هل يلزم تدريب نماذج تنبؤية مخصصة؟»
قوه لين، المدير التقني لـ AHS: «ينبغي التمييز بين المشاهد. فمقارنة العروض البسيطة وفحوصات الامتثال يمكن ردّها إلى سلسلة أدلة واضحة: يحكم الإنسان مرة واحدة، ثم ينفّذ الذكاء الاصطناعي بعدها. أما التحكم في العمليات الصناعية المعقدة في الإنتاج، حيث تتشابك نماذج خبرة المتخصصين وبيانات المستشعرات الآنية، فيتطلب فعلاً تدريب نماذج تنبؤية مخصصة. ونظامنا الأنطولوجي قادر على تغليف هذه النماذج المتخصصة واستدعائها، فتكتمل الحلقة من قواعد الأعمال إلى استراتيجية التحكم».
4. بنية PaaS: من دون الاتكاء على النموذج الكبير، استدلال Agentrix على الأنطولوجيا تنفيذٌ منطقي قطعي على مستوى الأعمال
سؤال من الحضور: «تتفاوت النماذج الكبيرة في قدراتها العامة. فإذا بذلنا جهداً كبيراً في بناء أنطولوجيا ممتازة، ثم كان „الدماغ“ الموصول بها — أي النموذج الكبير — غير ذكي بما يكفي، فماذا نفعل؟»
قوه لين، المدير التقني لـ AHS: «نعتمد بنية PaaS مستقلة عن النموذج. فمنطق القرار الاستراتيجي الجوهري في النظام تحمله طبقة الأنطولوجيا كاملاً، إذ تحدّد „في أي ظرف يُنفَّذ أي إجراء“، بينما يعمل النموذج الكبير أساساً واجهةً كفؤة للغة الطبيعية ومنفّذاً للمهام. ولهذا يظل النظام مستقراً حتى مع نموذج أصغر حجماً. والأهم أن المؤسسة التي تتكئ كلياً على قدرات نموذج خارجي لم تبنِ خندقاً خاصاً بها. فالتنافسية الحقيقية غير القابلة للاستنساخ تكمن في بيانات أعمالها هي، وفي قواعد عمل صقلتها الممارسة، وفي شبكة العلاقات السببية الضاربة بجذورها في معرفة القطاع العملية؛ وهذه، حين تُهيكَل عبر الأنطولوجيا، هي الحاجز الجوهري للذكاء المؤسسي».
مخاطر المسار شديد الاعتماد على النماذج الكبيرة: تصبح قدرة النموذج سقفاً، فتتقيّد النتائج بقدراته العامة؛ ولا يقوم حاجز جوهري، إذ يستطيع المنافسون استخدام النموذج نفسه فيشتدّ التشابه؛ وتتعذّر السيطرة على الكلفة والمخاطر، لأن كلفة استدعاء واجهات البرمجة تتقلب مع تسعير النماذج مع بقاء مخاطر سلسلة التوريد؛ ويتحول منطق الأعمال إلى صندوق أسود، فيصعب تدقيق القرارات المعقدة وتفسيرها.
مزايا المسار المقود بالأنطولوجيا والمستقل عن النموذج: يستقل منطق الأعمال بذاته، إذ تحمل أنطولوجيا المؤسسة قواعد الحكم الجوهرية بدرجة يقين عالية؛ ويتكوّن خندق خاص، لأن التنافسية تنبع من رسم بياني معرفي فريد يصعب استنساخه؛ وتبقى الكلفة والبنية مرنتين، فيمكن اختيار النموذج الأفضل من حيث القيمة مقابل الكلفة دون ارتهان لمورّد؛ وتغدو العملية شفافة قابلة للتدقيق، لأن الاستدلال يقوم على قواعد صريحة وسلاسل أدلة قابلة للتتبع من أولها إلى آخرها.
سؤال من الحضور: «أثناء التنفيذ، كيف تضمنون دقة النظام الذكي؟ وهل تحدث „هلوسة“ كما في النماذج الكبيرة؟ ثم، إذا تغيّرت قواعد العمل، هل يلزم بناء النظام كله من جديد؟»
قوه لين، المدير التقني لـ AHS: «الاستدلال القائم على الأنطولوجيا تنفيذٌ منطقي قطعي على مستوى الأعمال، ويختلف اختلافاً جوهرياً عن التوليد الاحتمالي في النماذج الكبيرة. إنه أشبه ببرنامج مكتوب: ما دامت المدخلات والقواعد صحيحة، فالمخرجات صحيحة بالضرورة. وإذا جاءت النتيجة خاطئة، أمكن دائماً ردّها إلى خلل في حلقة منطقية بعينها (كخطأ في تعريف قاعدة أو في تخطيط بيانات) ثم إصلاحه. وهذا يختلف تماماً عن „هلوسة“ النماذج الكبيرة العصيّة على الاستئصال. وعند تغيّر قواعد العمل، يكفي أن يعدّل خبير الأعمال تعريفات القواعد المعنية في طبقة الأنطولوجيا أو يضيف إليها، من دون إعادة تدريب نموذج تعلّم آلي معقّد، فتنخفض كلفة الصيانة وتعقيدها انخفاضاً كبيراً».
سؤال من الحضور: «هل يستطيع موظفو الأعمال العاديون المشاركة مباشرةً في بناء الأنطولوجيا؟ كأن يستعلموا عن البيانات ثم يسجّلوها فوراً مؤشراً جديداً أو أنطولوجيا جديدة، لخفض الكلفة وتسريع الإنجاز؟»
قوه لين، المدير التقني لـ AHS: «هذا بالضبط اتجاه أنظمة الوكلاء المؤسسية: التكرار الذاتي. غير أن التطبيقات المؤسسية يجب أن توازن بين المرونة والانضباط. ونحن ندعو إلى ترسيب المعرفة في قاعدة بيانات، ولا سيما قاعدة بيانات رسوم بيانية، بدل حشرها كاملةً في سياق النموذج. والتحسين المفصلي هو الانتقال من „إلقاء الخبرة كلها دفعةً واحدة“ إلى „اكتشاف العلاقات تدريجياً والحصول عليها عند الحاجة“. والعمليات عالية التكرار وعالية القيمة تُثبَّت مهاراتٍ (Skill) قابلة لإعادة الاستخدام. وحتى اليوم ما يزال تغليف المهارات يتطلب تدخل التقنيين، لكن الهدف أن يتمكّن موظفو الأعمال من توليد هذه الوحدات المنطقية وتحسينها بسرعة عبر وصف بلغة طبيعية».
5. نموذج التعاون: ليس تسليم أداة — فمع «الأنطولوجيا أولاً ثم الحوكمة»، ترتبط كل خطوة بقيمة الأعمال
سؤال من الحضور: «إذا اعتمدنا نظامكم للذكاء الاصطناعي المؤسسي، فما نموذج التعاون تحديداً؟ بيع تراخيص برمجية، أم خدمة اشتراك، أم صيغة أخرى؟»
قوه لين، المدير التقني لـ AHS: «نميل إلى شراكة عميقة قوامها البناء المشترك عبر مشروع مشترك: نستثمر مع العميل، ونتقاسم المخاطر، ونتقاسم العوائد، بدل بيع برمجيات نمطية. فبناء الأنطولوجيا يقتضي فهماً عميقاً للأعمال، ولا يُحلّ أبداً بتسليم أداة. وقد استرشدنا هنا بمفهوم مهندس النشر الأمامي (FDE) المعمول به في شركات وادي السيليكون: نوفد خبراء للإقامة الطويلة في موقع العميل والعمل جنباً إلى جنب مع فرق الأعمال. وهذا الاستثمار ينتمي إلى نطاق التحول الرقمي الاستراتيجي. ونوصي العملاء بالبدء من تجربة رائدة في مشهد محدد، ثم التوسع تدريجياً إلى العمليات الجوهرية بعد ظهور النتائج. وهذا المسار — „الأنطولوجيا أولاً ثم الحوكمة“ — يضمن أن يتوجه كل استثمار مباشرةً نحو قيمة الأعمال، ويكسر الحلقة المفرغة التي تقع فيها مشاريع البيانات التقليدية حين تتعثر فور تسليمها».
الندوة المغلقة المقبلة حول الأنطولوجيا المؤسسية قيد الإعداد. تواصلوا مع AHS للحصول على حل مخصص للوكلاء المؤسسيين، أو لحجز مقعد في الدورة القادمة.
