انتهت موسم المؤتمرات للتو، وقد قضيت معظم الوقت في الطريق – وفي الغرفة لحضور المزيد من الكلمات الرئيسية أكثر مما أستطيع عدها. كلمة واحدة كانت تتكرر في جميعها تقريباً. لم يتمكن البائعون من التوقف عن الحديث عن “السياق”.
إليك السبب: نموذج الذكاء الاصطناعي سيقدم لك إجابة طليقة وواثقة دون معرفة كافية عن عملك للحصول على هذه الإجابة بشكل صحيح، والسياق هو ما يسد تلك الفجوة. إنها المعلومات التي يجمعها النظام في اللحظة التي يجب عليه أن يتصرف فيها. على سبيل المثال، وكيل الدعم الذي على وشك الموافقة على استرداد يحتاج إلى سياسة الإرجاع، تاريخ العميل، معلومات عن المنتج المعني والقواعد التي تسمح بالاستثناء. إذا قدمت قطعة واحدة خاطئة، يمكن أن تأتي الإجابة واثقة ولكنها خاطئة. هذه مشكلة للعديد من الأشخاص الذين يستخدمون الذكاء الاصطناعي التوليدي فقط لكتابة النصوص. ولكن مع تمكين الوكلاء لإصدار استرداد أو تحديث توقعات المبيعات، يمكن أن تكلف تلك الخطأ الشركة الكثير من المال.
لذا فإن كل بائع في مجال البيانات، التحليلات والذكاء الاصطناعي يعد الآن بتقديم سياق موثوق، وكل واحد منهم يقول إن منتجه أو منصته يجب أن تكون المكان الذي يعيش فيه ذلك السياق. الأموال التي تستثمرها هذه الشركات تدعم حديثها. دفعت آي بي إم حوالي 11 مليار دولار لشركة كونفلونت لوضع بيانات الوقت الفعلي تحت وكيلها، وأنفقت Salesforce حوالي 8 مليارات دولار على Informatica كأساس بيانات مدعوم تحت منصتها الخاصة. وهذه مجرد مثالين كبيرين من عدة اكتسابات حدثت مؤخراً.
المشكلة هي أن السياق كلمة فضفاضة، فضفاضة بما يكفي لتسمح للشركات التي تعمل في التخزين، قواعد البيانات، ذكاء الأعمال، المراقبة، حماية البيانات، الحوكمة، الأمان وتطبيقات الأعمال جميعها بالادعاء أنها تبيعها. الجزء المثير للاهتمام هو أنهم جميعاً يقولون الحقيقة. ولكن إذا سألت كيف ينتجون السياق فعلياً، فإنهم يختلفون بسرعة، لأنهم يحلّون مشاكل مختلفة.
المخيمات المتنافسة تبيع نفس الكلمة
تقول إحدى المخيمات البائعة إنك تكسب السياق من خلال تعريفه قبل أن يبدأ الذكاء الاصطناعي بالعمل. أنت تقرر ما تعنيه مصطلحاتك وتكتبها في موقع مركزي بحيث تستند كل أداة إلى نفس التعريفات. النسخة الأكثر رسوخاً هي الطبقة الدلالية، حيث يحصل مصطلح مثل “العميل النشيط” أو “الإيرادات الصافية” على تعريف واحد متفق عليه بدلاً من خمسة تعريفات متضاربة منتشرة عبر لوحات المعلومات. قادة التحليلات مثل Qlik وStrategy وThoughtSpot وDomo، المتخصصون الدلاليين مثل AtScale، ومزودو السحاب الكبار جميعهم يبيعون نوعاً ما من ذلك منذ سنوات، والآن يروجون له كسياق للذكاء الاصطناعي.
عندما تتجاوز الطبقة الدلالية، تصل إلى الأنطولوجيا، وهي خريطة كيفية ترابط الأعمال الكاملة، بحيث يمكن للبرمجيات متابعة السلسلة من العميل إلى الطلب إلى المنتج إلى العقد دون تخمين. ذلك الجزء جديد، وللكثير من هؤلاء البائعين لا يزال في خارطة الطريق بدلاً من أن يكون في المنتج. Palantir هي الاستثناء التي بنت عملها على الأنطولوجيا، نمذجة عمليات الشركة بالكامل قبل إطلاق الذكاء الاصطناعي عليه. العائد هو الثقة، حيث أن نظام يبحث عن معنى محدد لا يخمن. العيب هو أن نمذجة عمل يدويًا دائماً كانت بطيئة ومكلفة، ومن المؤكد أنها ستكون واحدة من أولى البنود التي ستقُطع عندما تشدد الميزانيات.
ثم هناك مخيم الاسترجاع، الذي يجد النمذجة السابقة بطيئة جداً ويعتمد بدلاً من ذلك على النموذج. أنت تشير الذكاء الاصطناعي إلى مستنداتك، تذاكرك وسجلاتك وتدعها تسحب كل ما يبدو ذي صلة. هذه هي الطريقة الأساسية لما يُعرف الآن بالجيل المعزز بالاسترجاع. لهذا السبب ظهر دور جديد – مهندس السياق – هذا العام لتصميم ما يراه الوكيل ومتى. الجاذبية هي السرعة، لأنه لا يوجد مشروع نمذجة يستغرق عامًا. أنت توجهه إلى بياناتك وتنطلق.
المشكلة تظهر في الإنتاج، حيث أن نموذج يقوم باسترجاع نص مماثل للسؤال لا يزال لا يفهم كيف تتكامل الأعمال معًا. إنه يخترع بسرعة علاقات غير موجودة، ولا يزال الاسترجاع أحادي المرور يواجه صعوبة عندما تتطلب المهمة أكثر من خطوة واحدة. تم_ADDRESS_ التعامل مع هذه المشكلة من خلال الاسترجاع المبني على الوكلاء والرسوم البيانية، رغم أنهم يفعلون ذلك من خلال إعادة هيكلة. بالنسبة للمستهلك الذي يريد الذكاء الاصطناعي للمساعدة في الأمور اليومية السريعة، فإن الاسترجاع يعمل بشكل جيد، طالما أنك تقوم بمراجعة الردود ويمكنك تحديد متى يكون شيء غير صحيح. ولكن بالنسبة للأعمال؟ أصبحت أكثر فأكثر من عملية بيع صعبة بحد ذاتها.
كل من هذين النهجين يفترض أن البيانات موجودة بالفعل. تجار التخزين والبنية التحتية يقدمون قضيتهم خطوة أبكر، في الطبقة التي تقع فيها البيانات فعليًا. تجادل Dell وNetApp وEverpure الذي تم إعادة تسميته حديثًا أنه قبل أن تتمكن من تعريف المعنى أو استنتاجه، عليك العثور على بياناتك، وضع علامة عليها ونقلها إلى النموذج بسرعة كافية للحفاظ على الشرائح باهظة الثمن مشغولة. دمجت Dell شركة ناشئة في بيانات الذكاء الاصطناعي تدعى Dataloop ضمن مجموعتها للقيام بذلك بالضبط، واشترت Everpure شركة بيانات الذكاء 1touch في نفس الأسبوع الذي تقاعدت فيه اسم Pure Storage في وقت سابق من هذا العام.
عملة هؤلاء البائعين هي البيانات الوصفية، البيانات عن بياناتك. بالنسبة لأمر الاسترداد المذكور أعلاه، فإن أشياء مثل تاريخ الشراء، طريقة الدفع وحالة الضمان تساعد جميعها في وصفه دون أن تكون هي. تلك الطبقة الوصفية من البيانات الوصفية هي ما يجعل أي سجل قابلاً للاكتشاف وآمناً للاستخدام. نقل البايتات الصحيحة بسرعة إلى النموذج هو عمل ضروري، لكن البيانات الوصفية وحدها ليست كافية. تاريخ هذا الأمر، وطريقة الدفع، وحالة الضمان لا تزال لا تخبر النموذج ما إذا كان العميل يعتبر نشطاً، وما إذا كان الاسترداد يخرج من الإيرادات الصافية، أو أي قاعدة تسمح للوكيل بالموافقة عليه. يأتي ذلك المعنى من تعريف المصطلحات مسبقًا، كما يفعل الشخص مع طبقة دلالية وأنطولوجيا، ولا يمكن للبيانات الوصفية أن تنتجها.
تدفع قلق مختلف مجموعة الحوكمة وجودة البيانات. تجادل Collibra وAlation وAtlan، جنبًا إلى جنب مع لاعبي مراقبة البيانات مثل Acceldata وMonte Carlo، بأن أي سياق لا يمكن للذكاء الاصطناعي التحقق منه هو مسؤولية. إذا تصرف وكيل بناءً على بيانات قديمة، خاطئة، أو محظورة على مستخدم معين، فإن النموذج الأسرع يصل فقط إلى النتيجة السيئة أسرع. يؤكدون أن النسب والجودة والأذونات هي ما يحدد ما إذا كان السياق آمناً للتصرف عليه، وتزداد قضيتهم قوة كلما انتقل الوكلاء من اقتراح الأمور إلى تنفيذها. لقد اتجهت Informatica بشدة إلى هذا، مروجاً لنفسها كطبقة بيانات موثوقة تجلس تحت مجموعة الذكاء الاصطناعي الخاصة بالآخرين. يقدم بائعو حماية البيانات والأمان قضية ذات صلة. يجب أن تكون البيانات التي يمكن للوكيل الوصول إليها قابلة للاسترجاع ومتاحة للأشخاص المناسبين قبل أن تُعتبر سياقاً يمكنك الوثوق به.
لماذا تبدأ منصات البيانات بميزة
لا يحتاج اللاعبون الكبار لاختيار واحد من هذه النهج فقط؛ إنهم يستضيفون جميعها. يجمع Snowflake وDatabricks وOracle ومحركات البيانات داخل Google وMicrosoft وAWS السياق مباشرةً فوق البيانات التي يحتفظون بها بالفعل، بينما يتعين على الآخرين الوصول إلى تلك البيانات أولاً والحفاظ عليها محدثة. إنها بداية متقدمة يسعى بقية الميدان لحاق بها من خلال التكامل والاستحواذات.
ما يتسابق بائعو المنصات لبنائه هو تلك الأنطولوجيا، خريطة الأعمال كاملة، التي تم تجميعها الآن فوق البيانات التي يحملونها بالفعل. النسخة الحالية منها هي رسم بياني للمعرفة، وهو الشبكة الحية من الكيانات والعلاقات التي يستفسر عنها الوكيل فعلياً. يصل Snowflake إلى ذلك من خلال فصل السياق الذي يعلنه العميل عن السياق الذي تستخلصه المنصة بمفردها. وضعت Databricks رسم بياني للمعرفة تحت أدواتها Genie. تسمي Microsoft إصدارها Fabric IQ. ربطت Google Cloud نفس الفكرة من خلال ما تسميه الآن سحاب البيانات الوكيلة وفهرس المعرفة. لا يزال معظم هذه العروض في مرحلة المعاينة، ووعد أن كل وكيل سيرث تعريفاتك هو ما يصف إلى أين تتجه هذه المنتجات أكثر من حيث هي اليوم. ألقِ بأي منها في مؤسسة حقيقية، وأول شيء ستظهره هو مدى عدم توافق تعريفاتك الحالية.
هناك نوع مختلف من اللاعبين في هذه المعركة أيضاً – بائعو التطبيقات – وهم يبيعون السياق حول كيفية تشغيل شركتك بدلاً من معنى بياناتك. يحدد Microsoft، من خلال Copilot، كيفية اتصال الناس والملفات والاجتماعات. تدير Salesforce بيانات العملاء مباشرةً تحت وكلائها، وServiceNow تفعل الشيء نفسه داخل سير عملها، ولهذا السبب اشترت شركة فهرس البيانات ورسم البيانات المعرفي data.world. العرض من جميعهم هو الراحة: عملك يعيش بالفعل معنا، لذا دعنا نقوم بتشغيل السياق لك. المشكلة هي أن الطبقة التي تجعل كل ذكاءك الاصطناعي مفيدًا تنتمي بعد ذلك إلى بائع بدلاً من أن تكون لك.
امتلك المعنى حتى عندما يبنيه بائع
إذا كنت قائد تكنولوجيا في مؤسسة تُباع لك كل هذا، فماذا يجب عليك أن تفعل؟ من تختار؟ يصر بائع التخزين، منصة البيانات، أداة التحليل، مجموعة الحوكمة ومجموعة التطبيقات جميعهم على أنهم المنزل المناسب لسياقك، ولكل بائع ذكرت اسمه هنا هناك دزينة أخرى تدعي نفس الشيء. تقريباً لا أحد منهم سيعطيك الجواب الصادق، وهو أنه لا يوجد بائع واحد يغطي كل ذلك. إن سياقك منتشر عبر جميع تلك الأنظمة، لذا في الممارسة العملية ستستخرجها من عدة مصادر. وإذا قام كل واحد بتجميع نسخته الخاصة، فسوف ينتهي بك الأمر لا محالة بنسخ تنافسية من الحقيقة – نفس عدم التوافق الذي جعل الناس يتوقفون عن الثقة في لوحات المعلومات الخاصة بهم قبل عقد من الزمان.
احمل سؤالاً واحداً إلى كل عرض: هل تملك المعنى تحت السياق، مهما كان من يبنيه لك؟ ما يحميك من تلك النسخ التنافسية من الحقيقة هو السيطرة على الطبقة التي تحدد ما تعنيه مصطلحاتك، بحيث أنه، أيًا كان النظام الذي يجيب على السؤال، يستند إلى نفس التعريفات – بغض النظر عن من يخزن أو يقدم البيانات. اعتبر تلك الطبقة ملكك حتى عندما يبنيها بائع، تماماً كما أنك لن تسلم قائمة عملائك لمنافس، وضمن حق تصديرها بتنسيق محمول في العقد. معالجة هذا التحدي هو أيضاً سبب اجتماع مجموعة من البائعين، التي نظمتها Snowflake، لتقديم معيار مفتوح يُسمى Open Semantic Interchange. لقد تجاهل الكثير من الناس ذلك كمشروع لجنة، ولكن قيمته الحقيقية هي قابلية النقل. التعقيد هو أن المنصات التي تتسابق لامتلاك الطبقة التي يعيش فيها معناك هي نفس المنصات التي تشكل المعيار المقصود لإطلاق سراحها، لذا يجب أن يعيش الحق في التصدير في عقدك الخاص.
امتلاك هذا الحق في التصدير هو ما يمكّنك من المراهنة على منصة لبناء الطبقة في المقام الأول. إذا كان علي أن أضع تلك الرهان اليوم، فسأدعم اللاعبين الذين يمكنهم بناء تلك الخريطة والحفاظ عليها بتكلفة منخفضة والذين يجلسون بالفعل على بياناتك، مما يشير إلى المنصات الكبيرة بدلاً من أي أداة ذات غرض واحد. يبدو أن الفرق التي تعتمد على الاسترجاع وحده هي الأكثر عرضة للخطر. أحتفظ بتلك الرؤية بشكل مرن، لأن التقدم نفسه في نماذج الذكاء الاصطناعي التي تجعل الأنطولوجيا رخيصة البناء يمكن أن يجعل بعضها غير ضروري.
لا يحل أي من هذا الجزء الأصعب، وهو أنه بعد نقطة معينة، تجعل المزيد من السياق الإجابة أسوأ. يتم دفن الحقائق المهمة في الضوضاء، وتكلف كل رمز إضافي المال والوقت في كل طلب. سيكون الفائزون في هذه السوق هم أولئك الذين يجمعون السياق الصحيح بتكلفة رخيصة وبنفس الطريقة في كل مرة. جمع المزيد من السياق هو الجزء السهل. الشركات التي تحل مشكلة جمع السياق الصحيح ستكون على الأرجح أكثر قيمة بكثير من تلك التي تبيع الأنابيب اليوم.
