إشعار
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
تصميم قدرات جديدة مع الوكلاء ككتل إنشاء أساسية، وليس تحديثات رجعية لسير العمل الحالي. لم تكن هذه القدرات ممكنة قبل الذكاء الاصطناعي. وهي تتحسن بمرور الوقت من خلال الملاحظات والتعلم والتحسين المستمر.
في هذا النمط، يعمل الوكلاء في حلقات منطقية لتقرير الفعل: مراقبة الإشارات باستمرار، واتخاذ قرارات مستقلة داخل الحدود، وتنفيذ الإجراءات، والتعلم من النتائج. هذه الأنظمة ليست مساعدين. إنها أنظمة ذكية تخلق قيمة تجارية جديدة.
ملحوظة
يختلف هذا النمط عن الأنماط الخمسة الأخرى في النوع، وليس فقط الدرجة. لا توجد عملية موجودة للمقارنة مقابلها، ولا يوجد خط أساسي للتحسين منه، ولا يوجد سير عمل حالي لتوجيه التصميم. يجب عليك بناء كل شيء، بما في ذلك كيفية قياس النجاح.
ما هو هذا النمط
تبدأ قدرات الأعمال الأولى للذكاء الاصطناعي من سؤال لا تطرحه الأنماط الأخرى أبدا: ما الذي يمكننا القيام به الذي لم نتمكن ببساطة من القيام به من قبل؟ الإجابة ليست نسخة أسرع من عمل اليوم. إنها قدرة جديدة، وغالبا ما تكون حلقة مستقلة تستشعر الموقف وتقرر وتتصرف، والتي تحسن نفسها بمرور الوقت. العوامل هي اللبنات الأساسية للقدرة، وليست تعزيزا مثبتا على تدفق موجود.
يمثل هذا النمط أعمق تجلٍّ لجانب التنفيذ في التحول من المساعدة إلى التنفيذ. لأنه لا توجد سابقة، يجب أن تخترع التصميم، حواجز الحماية، والمقاييس.
ما الذي يفعله العملاء
الوكلاء في هذا النمط يتجاوزون تنفيذ مهام سير العمل المحددة إلى العمل بشكل مستقل:
- محركات التحسين المستمر: التسعير والمخزون والجدولة.
- حلقات القرار الأصلية للذكاء الاصطناعي: الكشف عن الاحتيال، والاستجابة للشذوذ، والتوجيه التكيفي.
- منصات استشعار السوق: الرصد التنافسي، وتحليل الاتجاهات، وتحديد الفرص.
- أنظمة التخطيط التنبؤي: التنبؤ بالطلب، وتخطيط السعة، ونمذجة المخاطر.
- إنشاء سير عمل مستقل: الوكلاء الذين يصممون عملياتهم الخاصة ويحسنونها.
- التنسيق متعدد العوامل: فرق منسقة من الوكلاء المتخصصين الذين يحلون المشاكل المعقدة.
تنشئ هذه القدرات قيمة لا يمكن أن توجد بدون الذكاء الاصطناعي. إنها ليست إصدارات أسرع من العمليات الحالية. إنها جديدة حقا.
ما يفعله البشر
البشر بمثابة مالكي المنتجات. وهي تحدد الأهداف، وتحدد الحدود، وتراقب النتائج، وتتخذ قرارات استراتيجية بشأن تطور القدرة. إنهم لا يقومون بالعمل. بدلا من ذلك، فإنها تحكم النظام الذي يقوم بذلك.
تحويل الدور هذا هو أهم من أي نمط. البشر المسؤولون مسؤولون عن النتائج حتى لو لم ينفذوا العمل بأنفسهم. هم:
- تحديد معايير النجاح ومقاييس النتائج للأنظمة المستقلة.
- تعيين الحدود التي يعمل الوكلاء داخلها (وضبطها مع بناء الثقة).
- مراقبة حلقات التعلم لضمان تحسين القدرات في الاتجاه الصحيح.
- اتخاذ قرارات استراتيجية حول متى يتم توسيع استقلالية الوكيل.
- تحكم في ممارسات الذكاء الاصطناعي المسؤولة كلما أصبحت القدرات أكثر تطورا.
كيفية عمل نموذج التشغيل
يتطلب نشر هذا النمط بنجاح تغييرات عبر أربعة أبعاد:
| البُعد | قبل | بعد |
|---|---|---|
| الأشخاص | عوامل التشغيل التي تنفذ المهام | مالكو المنتجات الذين يحكمون القدرات |
| العاملون | تنفيذ خطوات معرفة مسبقا | حلقات الاستشعار واتخاذ القرار والتنفيذ الذاتية |
| حوكمة | عمليات التحقق من التوافق | عناصر التحكم المضمنة في دورة الحياة مع المراقبة المستمرة |
| مقاييس |
معدل النقل والكفاءة | الاختيارية الاستراتيجية + معدل التعلم + سرعة التكيف |
ملف تعريف النضج المستهدف
يتطلب هذا النمط الحد الأقصى من النضج عبر جميع برامج تشغيل القدرة الخمسة. لا توجد اختصارات.
ملف تعريف النضج
| برنامج تشغيل القدرة | مستوى الهدف | لماذا |
|---|---|---|
| التكنولوجيا والبيانات | 500 (فعال) | الذي يكسر المقاييس. تنسيق متعدد الوكلاء، والقياس عن بُعد في الوقت الفعلي، والبنية التحتية للتعلّم. |
| استراتيجية وخبرة الذكاء الاصطناعي | 500 (فعال) | القدرة هي الاستراتيجية، تعمل بالتكرار المستمر. |
| استراتيجية العمل | 500 (فعال) | قدرة تجارية جديدة، مع عمليات متكيفة ومستقلة. |
| الإدارة والأمان | 500 (فعال) | إدارة المخاطر التنبؤية والامتثال المستمر للأنظمة المستقلة. |
| التنظيم والثقافة | 500 (فعال) | مجتمع مكتف ذاتيا وثقافة تعلم يمكنها ابتكار وتشغيل الجديد. |
نتيجة التحليلات الرئيسية: يتطلب هذا النمط أعلى نضج عبر جميع القدرات. لا توجد عملية موجودة للمقارنة مقابلها، ولا يوجد خط أساسي لقياس التحسن منه، ولا يوجد سير عمل حالي لتوجيه التصميم. يجب بناء كل شيء، بما في ذلك كيفية قياس النجاح.
عامل كسر عائق التوسع: التكنولوجيا والبيانات، وتحديدًا تنسيق الوكلاء المتعددين، والقياس عن بُعد في الوقت الفعلي، والبنية التحتية للتعلّم. وبدون وجود أساس تقني قوي، تصبح القدرات المستقلة غير متوقعة وغير قابلة للاسترداد.
بنية مركز التميز الموصى بها: متحد
تمتلك قدرات الذكاء الاصطناعي أولا كمنتجات، وتمتد عبر مجالات متعددة، وتتطلب فرق منتجات موزعة تعمل ضمن المعايير المشتركة. يوفر CoE أنماط البنية وأطر عمل الذكاء الاصطناعي المسؤولة ومعايير التزامن. لا يقدم بشكل مركزي.
نصيحة
الدور الحاسم في هذا النمط هو مسؤول منتج الوكيل. هذا منتج، وليس مشروعا. فهو يحتاج إلى ضابط إدارة المنتجات: خارطة طريق، وتراكم، وتعريف للنجاح، وفريق ملتزم بتطوره على المدى الطويل. وبدون هذا الدور، يتم بناء القدرة مرة واحدة ولا يتم تحسينها أبدا.
تعرف على المزيد حول البنية والأدوار والحوكمة على مستوى المخاطر في إنشاء مركز التميز العامل.
ما تحتاج إليه ولا تحتاج إليه
تحتاج إلى
- ملكية المنتج مع فرق مخصصة: تحتاج كل قدرة إلى مالك منتج وفريق لديه التفويض والمهارات والاستمرارية لتطويره بمرور الوقت. هذا التطوير ليس مشروعا ينتهي.
- حدود الاستقلالية مع المراقبة المستمرة: تحديد حدود واضحة تتكيف مع بناء الثقة. ابدأ المحافظة والتوسع بناء على الأدلة.
- حلقات التعلم المستمر: تتحسن القدرة من خلال كل تفاعل. تصميم للتعلم من البداية لأنه من الصعب إضافته لاحقا.
- ممارسات الذكاء الاصطناعي المسؤولة المضمنة: يجب تضمين الأخلاقيات والسلامة في البنية، وليس تثبيتها بعد النشر. يتضمن هذا النهج اختبار التحيز وتقييم الإنصاف وتصميم قابلية التفسير.
- ثقافة التجريب مع ضوابط مانعة للفشل: تحتاج الفرق إلى إذن لتجربة نُهُج جديدة، وإلى وجود شبكات أمان واضحة عند حدوث أي خطأ. لا يمكن للثقافات التي تعاقب الفشل بناء أنظمة التعلم.
- بنية متعددة العوامل: إذا كانت قدراتك تتضمن عوامل منسقة، فصمم التنسيق من وكيل إلى وكيل من البداية. تعد إعادة تجهيز البنية متعددة العوامل مكلفة.
لا تحتاج إلى:
- الأتمتة التزايدية: هذا النمط لا يتعلق بجعل العمليات الحالية 10% أسرع.
- تقديم تكنولوجيا المعلومات المركزي: تحتاج هذه القدرات إلى فرق منتجات مخصصة لديها خبرة في المجال.
- إعادة تجهيز مهام سير العمل الحالية: التصميم من البداية للتنفيذ الأصلي للذكاء الاصطناعي. تحد قيود سير العمل القديمة مما هو ممكن.
- عمليات الإنشاء لمرة واحدة: يجب أن تتعلم هذه القدرات وتتحسن باستمرار. القدرة التي لا تتعلم تتدهور بمرور الوقت.
- إدارة المشاريع التقليدية: استخدم إدارة المنتجات مع دورات التجربة. المعالم الرئيسية والمخرجات ليست نموذج الحوكمة المناسب لأنظمة التعلّم.
الذكاء الاصطناعي المسؤول على نطاق واسع
تمثل قدرات الذكاء الاصطناعي أولا حدود عملية الذكاء الاصطناعي المستقلة. تعد ممارسات الذكاء الاصطناعي المسؤولة بالغة الأهمية هنا نظرا لما يلي:
- يعمل الوكلاء مع استقلالية عالية ورقابة بشرية محدودة في الوقت الحقيقي.
- يمكن أن تنتشر الأخطاء بسرعة الجهاز قبل أن يتمكن البشر من التدخل.
- يمكن لأنظمة التعلم تطوير سلوكيات غير متوقعة أثناء تحسينها.
- وحجم التأثير، الإيجابي منها والسلبى على حد سواء، أكبر من أي نمط آخر.
بناء الذكاء الاصطناعي المسؤول في بنيتك من اليوم الأول:
- قابلية التفسير: هل يمكنك فهم لماذا اتخذ النظام قرارا محددا؟ إذا لم يكن الأمر كذلك، فلا يمكنك الكشف عن الانحراف أو تصحيحه.
- مراقبة التحيز: تقييم ما إذا كان التعلم يعزز التحيزات أو يخلق نتائج غير عادلة.
- إمكانية التراجع: هل يمكنك العودة إلى حالة سابقة إذا حدث خطأ في تحديث التعلم؟
- التجاوز البشري: حتى في الأنظمة المستقلة بالكامل، حدد الظروف التي يمكن للإنسان أن يتدخل في ظلها وكيفية تنفيذ هذا التدخل.
تعرف على المزيد في تطبيق مبادئ الذكاء الاصطناعي المسؤولة.
مقاييس القيمة والنجاح
القيمة هنا هي وجود قدرة لم تكن موجودة من قبل والنتائج الجديدة التي ينشئها. ابدأ بمقاييس خلق القيمة والوجود، لا بنِسَب الكفاءة، لأنه لا يوجد خط أساس سابق يمكن التحسين انطلاقًا منه.
كيف تبدو القيمة
- قدرات جديدة لم تكن ممكنة قبل الذكاء الاصطناعي.
- الإيرادات أو الخدمات أو نماذج الأعمال الجديدة.
- الاستجابة المستقلة بسرعة ومقياس لا يمكن أن تصل إلى عملية يدوية.
- ميزة تتعاظم كلما تعلّمت القدرة وتحسّنت.
مقاييس النجاح التي يجب تعقبها
| الفئة | مثال على المقاييس | ماذا يخبرك |
|---|---|---|
| إنشاء القيمة (العنوان الرئيسي) | إنشاء مصدر إيرادات جديد أو نموذج أعمال جديد، توافر إمكانية ("هل يمكننا الآن القيام بـ X؟")، إتاحة نطاق وصول جديد | ما إذا كانت القدرة تنشئ قيمة لم تكن موجودة من قبل. |
| الاستقلال وحلقة التحكم | زمن انتقال القرار من إشارة إلى عمل، معدل إكمال المهام المستقلة، معدل نقل الحلقة والحجم، تكلفة الوحدة لكل مهمة مستقلة | ما إذا كانت حلقة الاستشعار–اتخاذ القرار–التنفيذ تعمل بسرعة وعلى نطاق الآلة. |
| الجودة والسلامة | درجات التقييم، والاتساق مع المصادر، والسلامة، ومعدل التصعيد، ومعدل الرجوع إلى البديل | ما إذا كان النظام المستقل يبقى صحيحا وآمنا أثناء تشغيله. |
| معدل نقل الابتكار | الوقت لبدء تشغيل قدرة جديدة، وعدد من القدرات في الإنتاج، وإعادة استخدامها عبر السيناريوهات | سواء كنت تستطيع الوصول إلى الحدود بشكل متكرر، وليس لمرة واحدة فقط. |
| الإدارة | نسبة الوكلاء الخاضعين للهوية المُدارة، ومعدل الامتثال للسياسة، وعدد وكلاء الظل | ما إذا كانت الملكية المستقلة تظل محكومة كما تنمو. |
كيفية القياس
- تقييمات Microsoft Foundry وإمكانية الرصد يتتبّعان سلوك الوكيل ويقيّمان الجودة والسلامة، وهو ما يكتسب أكبر أهمية عندما لا يتوفر خط أساس.
- تحديد مقياس النجاح مقدما لأن القدرة ليس لها سابقة. حدّد ما الذي يعنيه "الجيد" قبل الإطلاق.
- Microsoft وكيل 365 يدير البيئة الذاتية التشغيل ويقيسها، بما في ذلك اكتشاف الهويات ووكلاء الظل.
نصيحة
لا تقيّم إمكانات جديدة كليًا باستخدام المقاييس القديمة للكفاءة. تفترض عبارة "كم من الوقت وفّرنا" وجود عملية لم تكن موجودة. قم بقياس ما إذا كانت القدرة موجودة الآن، وما هي القيمة الجديدة التي تنشئها، وكيفية تشغيل الحلقة المستقلة بأمان. اخترع المقياس جنبا إلى جنب مع القدرة.
أنماط مضادة شائعة
والفشل في هذا المجال يأتي من التعامل مع العمل الحدودي كمشروع عادي.
| النمط المضاد | كيف يبدو | ماذا أفعل بدلا من ذلك |
|---|---|---|
| الإنتاجية المقنعة | القدرة "الجديدة كليًا" ليست في الواقع جديدة تمامًا، بل هي مهمة موجودة بالفعل تم تسريعها. | اختبر الفكرة: هل يمكنك القيام بذلك على الإطلاق قبل الذكاء الاصطناعي؟ إذا كانت الإجابة بنعم، فإنها تنتمي إلى نمط آخر. |
| المقاييس القديمة للعمل الجديد | يُقاس النجاح بمقدار الوقت المُوفَّر مقارنةً بخط أساس غير موجود. | تحديد الوجود ومقاييس إنشاء القيمة مقدما. |
| البناء قبل أن تصبح المؤسسة جاهزة | يتم إطلاق هذه الإمكانية قبل أن تنضج التكنولوجيا والبيانات والحوكمة بما يكفي. لا يمكن للبنية الأساسية دعم حلقات التعلم، وبيانات تتبع الاستخدام، والمراقبة التي تحتاج إليها، لذلك لا يمكن التنبؤ بالنظام دون رؤية لماذا يتصرف كما يفعل. | الوصول إلى النضج الكافي في التكنولوجيا والبيانات والحوكمة أولا. أنشئ التنسيق، وبيانات القياس عن بُعد في الوقت الفعلي، وحلقة التعلّم قبل الميزة. |
| التعلم بدون حواجز حماية | ويتعلم النظام من البيانات التشغيلية دون إشراف، أو تعزيز الأنماط غير المقصودة، أو تحسين الهدف الخطأ، أو تضخيم التحيز الموجود في البيانات. | حدد ما يجب على النظام وما لا ينبغي أن يتعلمه قبل تمكين التعلم، ومراقبته باستمرار. |
| لا توجد حواجز حماية مبتكرة | يتم افتراض حدود الأمان من أنماط أخرى غير مناسبة. | تصميم حواجز حماية خاصة بهذه الإمكانية نظرا لعدم وجود سابقة. |
| مراجعة الذكاء الاصطناعي المسؤولة المقررة بعد الإطلاق | يخطط الفريق لمعالجة الذكاء الاصطناعي المسؤول بمجرد إثبات القدرة. ثم يتم إصلاح البنية وتكلفة التغيير عالية. | دمج الذكاء الاصطناعي المسؤول من البداية. |
| عقلية المشروع المطبقة على المنتج | يصل الفريق إلى مرحلة الإطلاق الفعلي ويعتبر العمل منجزًا. لا يتم الحفاظ على القدرة، ولا تتم مراقبة حلقات التعلم، ويتدهور النظام بمرور الوقت. | تعامل معه كمنتج مع التزام إدارة غير محدد، وليس مشروعا ينتهي عند الإطلاق. |
| التجريب غير المتجاوز | وينتشر وكلاء الحدود دون هوية أو إشراف. | أدر باستخدام الهوية المُدارة والسجل منذ البداية. |
قصص العملاء
تُظهر قصص عملاء Microsoft المنشورة هذه كيف يمكن توسيع نطاق المعرفة الخبيرة باستخدام وكلاء مرتكزين إلى مصادر موثوقة وموثّقين بالمراجع، مع بقاء المسؤولية على عاتق البشر.
| العميل | النتيجة المبلغ عنها |
|---|---|
| Microsoft (اسأل Microsoft) | يوفر نظام متعدد العوامل، مع وكلاء فرعيين متخصصين يستندون إلى محتوى محدد، ما يصل إلى 61% زمن انتقال أقل وما يصل إلى 70% تصعيدات بشرية أقل، مع احتمالية أكبر بكثير لتسجيل الزوار المشاركين. |
| فوجيتسو | ينسق الذكاء الاصطناعي المركب العديد من العوامل المتخصصة ووكيل منسق يجيب "كفريق". تعمل هذه البنية متعددة العوامل، التي لم تكن موجودة في الذكاء الاصطناعي التوليدي التقليدي، على تحسين إنشاء العرض بحلول 67%. |
| مجموعة Quantum Capital | قلّص مدة تخطيط سيناريوهات التطوير الميداني من 3 أسابيع إلى 20 دقيقة باستخدام التحسين المكاني الجغرافي على Azure ووكيل استعلام في Copilot Studio. |
| فيزيكس والا | يدعم مليوني طالب مع معلم الذكاء الاصطناعي "Gyan Guru" على Azure OpenAI. |
| رولز رويس | رفع استخدام الجهاز بمقدار 30% مع الذكاء الاصطناعي التنبؤي على Azure Databricks Microsoft Cloud للتصنيع. |
| شركات إستيه لودر | اختصر الوقت اللازم لاستخراج رؤى المستهلك من أسابيع إلى دقائق باستخدام الوكيل "ConsumerIQ" على Copilot Studio وAzure OpenAI. |
إمكانات Microsoft الوكيلة لهذا النمط
تسلط الأمثلة التالية الضوء على القدرات ذات الصلة بشكل خاص بقدرات الذكاء الاصطناعي أولا. استخدم هذه الأمثلة كنقطة بداية لمطابقة الإمكانات مع السيناريوهات وشرائح المستخدم، ثم استكشف النظام البنائي للوكيل Microsoft للحصول على الصورة الكاملة.
بناء القدرة
- ينسق التنسيق متعدد العوامل Copilot Studio العوامل المتخصصة في سيناريوهات التعليمات البرمجية الأقل.
- تمنح مجموعات أدوات Pro-code، بما في ذلك Foundry SDKو نواة دلالية، الفرق الهندسية التحكم الكامل.
- يتيح لك استخدام نموذجك الخاص للمطالبات في Copilot Studio توجيه عُقد مطالبات محددة إلى نموذج من اختيارك، بما في ذلك النماذج المنشورة المخصصة أو المدرَّبة تدريبًا دقيقًا، بدلًا من استخدام النموذج الافتراضي للمنصة. استخدم هذه الإمكانية عندما تتطلب خطوة في سير العمل نموذجا محسنا لمهمة أو مجال أو ملف تعريف تكلفة معين لا يلبيه النموذج الافتراضي.
- Microsoft Foundry وMicrosoft Foundry Agent Service يتيحان إنشاء واستضافة وكلاء مخصصين احترافيين قائمين على البرمجة.
الأرض والاتصال والمراقبة
- البحث باستخدام الذكاء الاصطناعي في Azure والتأصيل يسترجعان السياق الحالي ليتمكن الوكلاء من الاستدلال بناءً على الحالة الراهنة.
- يسمح بروتوكول سياق النموذج وقابلية التشغيل التفاعلي من وكيل إلى وكيل للوكلاء والأدوات بالعمل معا عبر نظام بيئي مفتوح.
- يمنح معرف عامل Microsoft Entra كل عامل هوية للوصول الأقل امتيازا.
- تقييمات Microsoft Foundry وقابلية الرصد تتتبع النظام وتقيّمه وتتحقق من أمانه. تتطور العديد من هذه الإمكانات عبر المعاينة والتوافر العام، لذا تأكد من الحالة.
- Microsoft Agent 365 يوفّر حوكمة للبيئة مع تزايد عدد الوكلاء.
التقييم والاختبار قبل الشحن
في هذا المستوى من الاستقلالية والتعقيد، يعد التقييم المستمر تخصصا هندسيا أساسيا، وليس قائمة اختيار قبل الإطلاق.
- يُجري تقييم الوكيل في Copilot Studio تقييمات منهجية لتسجيل درجات الاستجابات عبر أبعاد الجودة مثل الدقة، ومدى الاستناد إلى المصادر، وإكمال المهام. استخدمه للتحقق من صحة سلوك العامل عبر النطاق الكامل من المدخلات، بما في ذلك حالات الحافة والسيناريوهات المتطفلة، قبل كل تغيير وبعده.
- تعمل Copilot Agent Kit (المعروفة سابقا باسم Copilot Studio Kit) على توسيع تغطية الاختبار من خلال الاختبار المجمع، وتشغيل الانحدار التلقائي، ولوحة معلومات تسجيل النقاط. بالنسبة لأنظمة الذكاء الاصطناعي الأولى التي تتحسن بمرور الوقت، تعد أدلة التقييم القابلة للتكرار وقابلة للتدقيق ضرورية للحفاظ على الثقة مع تطور القدرة.
كيف تعرف أنك مستعد
هذا النمط مخصص للمؤسسات التي تعمل بأعلى نضج. ضع في اعتبارك ذلك عندما:
- لديك فرق متقدمة يمكنها تصميم الأنظمة المستقلة وتشغيلها وتحسينها.
- لديك الأساس التقني: تنسيق متعدد الوكلاء، والقياس عن بُعد في الوقت الفعلي، وحلقة تعلّم.
- يمكنك اختراع حواجز الحماية ومقاييس النجاح حيث لا يوجد شيء.
- يمكنك إدارة بيئة مستقلة باستخدام هوية مُدارة وامتثال مستمر.
- أنت تقوم بالفعل بتشغيل العديد من الأنماط الأخرى بشكل جيد.
الخطوات التالية
أو استكشف نموذج نضج اعتماد Agentic AI الكامل.
استكشف الأنماط الأخرى بمزيد من التفصيل:
- نمط تمكين الذكاء الاصطناعي للموظف
- نمط تمكين خبراء الأعمال
- نمط خدمات مكان العمل و تكنولوجيا المعلومات
- نمط تحويل عملية الأعمال الأساسية
- نمط المشاركة الخارجية