داتابريكس تراهن على الأنطولوجيا وتكشف عمّن يتحكم في دماغ وكلاء الذكاء الاصطناعي المؤسسي
يمكن قياس تاريخ الذكاء الاصطناعي المؤسسي بالطبقات. أولاً جاءت قواعد البيانات المتجهية، التي أتاحت إجراء عمليات بحث قائمة على التشابه الدلالي عبر أحجام ضخمة من النصوص. ثم جاء التوليد المعزَّز بالاسترجاع —المعروف بـRAG اختصاراً لمسمّاه الإنجليزي— الذي جمع نماذج اللغة مع مصادر خارجية للمعرفة بهدف تقليص الهلوسات. وقد هيمنت هذه البنية على العامَين الماضيين وأصبحت المعيار الفعلي لبناء المساعدين المؤسسيين.
والآن تراهن داتابريكس على أن هذه البنية لم تعد كافية. في مؤتمرها السنوي Data + AI Summit، قدّم الرئيس التنفيذي علي غودسي Genie Ontology، وهي طبقة سياق تستخرج تلقائياً تعريفات الأعمال من البيانات الداخلية، ولوحات المعلومات، واستعلامات SQL، والمستندات، وقنوات معالجة البيانات، والتطبيقات، ثم تنظّمها في رسم بياني حيّ يمكن لوكلاء الذكاء الاصطناعي الاستعلام عنه لفهم آلية عمل المؤسسة. المنتج في مرحلة المعاينة حالياً، ويستخدم نظام تدريج مستوحى من خوارزمية PageRank الخاصة بجوجل لتحديد أيّ مصدر يستحق قدراً أكبر من السلطة: مَن أنشأ المعلومة، ومدى استخدامها، وما إذا كانت مرتبطة بأصول معتمدة، وتاريخ آخر تحديث لها.
هذه الخطوة ليست تقنية فحسب. إنها إعلان نوايا حول مَن سيتحكم في البنية التحتية الدلالية لمؤسسة المستقبل، وهذا النزاع تترتب عليه تداعيات اقتصادية بالغة الأهمية.
من الأرشفة إلى السلطة
المشكلة التي تسعى Genie Ontology إلى حلّها ليست جديدة. في أي مؤسسة متوسطة أو كبيرة، قد يتباين تعريف "الإيراد الشهري المتكرر" بين قسم المالية، وفريق المبيعات، وفريق البيانات. ثلاثة أقسام، وثلاثة أرقام مختلفة لنفس المقياس. لا تحلّ أنظمة RAG التقليدية هذه المعضلة: فهي تسترجع ما يبدو مشابهاً للسؤال المطروح، لكنها لا تميّز بين تعريف رسمي وآخر كتبه شخص ما في مستند على Google منذ ثلاث سنوات.
في المقابل، لا تكتفي الأنطولوجيا بالاسترجاع؛ بل تُرسّخ العلاقات الهرمية بين المفاهيم، وتحدد المصدر الذي يملك السلطة على تعريف بعينه، وتتيح لوكلاء الذكاء الاصطناعي المختلفين الاشتراك في مفردات أعمال واحدة. يصف مايكل ليوني، المحلل في Moor Insights & Strategy، الأمر بوضوح: تعريف واحد يُغذّي جميع الوكلاء يعني التوقف عن تلقّي ثلاث إجابات مختلفة على السؤال ذاته. والقيمة التشغيلية لهذا الاتساق، في المؤسسات التي تُتّخذ فيها قرارات حاسمة بناءً على تقارير آلية، قيمةٌ رفيعة.
يذهب أشيش شاتورفيدي، الباحث في HFS Research، إلى أبعد من ذلك، إذ يربط هذا الأمر بالعقبة الأكثر ثباتاً في مسار اعتماد الذكاء الاصطناعي المؤسسي: انعدام الثقة. فوفقاً لتحليله، لا تكمن المشكلة الجوهرية في الجانب التقني بل في حوكمة المعرفة. إذ يُحجم صانعو القرار عن التصرف بناءً على مخرجات الذكاء الاصطناعي لأنهم لا يستطيعون تتبّع مصدرها، ولا التحقق مما إذا كانت سلسلة الاستدلال قد استخدمت المصادر الصحيحة. وأنطولوجيا مُثبَّتة على تعريفات رسمية مع إمكانية التتبع وصولاً إلى المصدر تُعالج هذا القصور مباشرةً.
وتدمج داتابريكس أيضاً Genie Ontology مع منصة Unity Catalog Semantics الخاصة بها، مما يُتيح للمؤسسات تحميل تعريفاتها الخاصة أو مصطلحاتها المؤسسية والإبقاء على السيطرة على ما يدخل الرسم البياني. وتُفيد الشركة داخلياً بأنها أنتجت ما يقارب 4,5 مليون شظية أنطولوجية خلال عملية الاختبار الداخلي. وهذا الرقم يمنح تصوراً عن حجم المشكلة التي يسعون إلى حلّها، وفي الوقت ذاته عن مدى تعقيد الحفاظ على تحديثها.
المخاطر التي تتجاهلها رواية التقدم
لكل بنية حدودها. تُحدّد ستيفاني والتر من HyperFRAME Research الحلقة المفقودة بدقة: التحقق. فالأنطولوجيا تُحسّن السياق الذي يعمل ضمنه الوكيل، لكنها لا تضمن صحة الإجابة. يمكن للوكيل أن يستعلم عن التعريف الصحيح وبالرغم من ذلك يطبّق منطقاً خاطئاً، أو يُغفل صفوفاً في مجموعة بيانات، أو يُسيء تفسير سير عمل ما، أو يتخذ إجراءً غير مرغوب. فالاتساق الدلالي شيء، والصحة التشغيلية شيء آخر.
هذا التمييز يكتسب أهمية بالغة تحديداً لأن الأفق الذي تستهدفه داتابريكس ليس مساعدين للاستعلام بل وكلاء ينفّذون إجراءات: تعديل قنوات معالجة البيانات، وإنشاء التقارير التنظيمية، وإطلاق التنبيهات، واتخاذ قرارات آلية في العمليات التجارية. وفي هذا السياق، قد يكون خطأ دلالي راسخ أخطر من غموض واضح، لأنه يصل إلى مراحل أبعد قبل أن يرصده أحد.
يُضيف ليوني بُعداً آخر: فغالبية المؤسسات لا تمتلك النضج اللازم في البيانات والحوكمة الذي يستلزمه تطبيق طبقة أنطولوجية بصرامة. فإذا كان سلسلة نسب البيانات ضعيفة، وأصحاب المقاييس غير معرَّفين، أو كانت التعريفات السارية متضاربة، فإن إضافة أنطولوجيا لن تحلّ المشكلة؛ بل ستُسرّعها. إذ يتغذى الرسم البياني من المصادر القائمة، وإن كانت هذه المصادر متناقضة، تنتشر التناقضات بوتيرة أسرع وفي هيئة ذات مظهر السلطة.
وتُضيف والتر البُعد الأكثر صمتاً من بين مخاطر هذا المشروع: الصيانة. فالأنطولوجيا ليست مشروعاً يُهيَّأ مرة واحدة. إنها أصل حيّ يحتاج إلى تحديث في كل مرة يتغير فيها النشاط التجاري، وفي كل مرة تُطلَق منتجات جديدة، وفي كل مرة تُعاد صياغة مقياس ما أو تُعاد هيكلة وحدة تنظيمية. وبدون عمليات تحديث، وملكية واضحة، وآليات لحلّ التعارضات بين التعريفات، يتقادم الرسم البياني. وأنطولوجيا متقادمة تمتلك سلطة خوارزمية على الوكلاء هي، وفق ما تصفه والتر، "مشروع بيانات وصفية راكدة آخر بمسمّى أكثر أناقة."
هذا لا يُبطل رهان داتابريكس، لكنه يُحدّد الأرضية التي سيتعيّن على المنتج إثبات قيمته فيها: ليس على خشبة مسرح مؤتمر، بل في الصيانة التشغيلية داخل مؤسسات تعمل ببيانات غير مثالية وهياكل حوكمة لا تزال في طور النضج.
النزاع على مستوى التحكم المؤسسي
لا توجد Genie Ontology في فراغ. فلدى Snowflake منتج Horizon Context، وهو طبقتها الدلالية الخاصة للوكلاء. وتبني مايكروسوفت قدرات مماثلة داخل Copilot وFabric وعائلة IQ الخاصة بها —Work IQ وFabric IQ وFoundry IQ— مدمجةً سياق الأعمال والحوكمة ضمن بنيتها التحتية الأوسع. وتكمن المشكلة، وفق ما يُشير إليه ليوني، في أن كل مزوّد أطلق تسمية مختلفة على فكرة أساسية متشابهة في جوهرها، وهذا التشرذم المصطلحي يُبطئ الاعتماد لأن فرق كبار مسؤولي المعلومات لا تستطيع مقارنة ما تُقيّمه بوضوح.
وبجانب الأسماء، فإن المسألة المطروحة على طاولة النزاع ذات أهمية هيكلية. يصفها شاتورفيدي على أنها السباق نحو أن يصبح مستوى التحكم في الذكاء الاصطناعي المؤسسي: المكان الذي تتقاطع فيه البيانات والحوكمة والدلالة وتنفيذ الوكلاء. والقياس التاريخي الذي يستعين به دقيق في محلّه: لقد أصبحت أنظمة تخطيط موارد المؤسسات (ERP) نظام السجل للمعاملات التجارية؛ وأصبحت مستودعات البيانات نظام السجل للتحليلات. والآن يجري تحديد أيّ منصة ستصبح نظام السجل لوكلاء الذكاء الاصطناعي.
تضع داتابريكس Genie Ontology في إطار بنية أشمل تضمّ LTAP —مقترحها التأسيسي للتطبيقات الوكيلة— وOpenSharing، المصمَّم لتخفيض تكاليف التكامل في بيئات الذكاء الاصطناعي المؤسسي. وحين تترابط هذه المكوّنات، فإنها تستهدف رؤية يصفها غودسي بنفسه بـ"نظام السجل الوكيلي": مصدر موثوق تُنشئه الوكلاء وتستدل منه وتتصرف بناءً عليه. إنه ليس منتجاً منفصلاً؛ بل هو استراتيجية منصة.
الميزة الهيكلية لمزوّدي البيانات في هذا السباق ميزة حقيقية: فهم يمتلكون بالفعل البيانات وضوابط الحوكمة وسلاسل النسب والصلاحيات التي يحتاجها الوكلاء للعمل بأمان. وهذا يضعهم في موقع مختلف عن موقع مزوّد النماذج أو أدوات التنسيق. غير أن هذه الميزة لها وجه أقل إشراقاً: فهي تجعلهم أيضاً رهينين لكون بيانات عملائهم مُنظَّمة ومُرتَّبة. وبالنسبة لغالبية المؤسسات، هذا لا يزال بعيد المنال.
يقدّم شاتورفيدي إرشاداً هيورستيكياً يُبسّط القرار للفرق التي تُقيّم هذه الخيارات اليوم: طبقة السياق تتبع ثقل البيانات. إذا كانت البيانات مقيمة في داتابريكس، فإن Genie Ontology هي المسار الطبيعي. وإن كانت في Snowflake، فذلك هو Horizon Context. وإن كانت البنية التحتية مايكروسوفتية في معظمها، فعائلة IQ هي الطريق. ويعزز بوبيندرا شوبرا، من شركة الاستشارات Kanerika، هذه الحجة: فوق تسويق كل منصة، القرار الحقيقي يحسمه المكان الذي تقطنه البيانات بالفعل.
وتحاول Snowflake تمييز عرضها بالمراهنة على إمكانية التشغيل الدلالي البيني المفتوح، مما يتيح نظرياً نقل تعريفات الأعمال بين المنصات دون الوقوع في أسر نموذج بيانات مزوّد واحد. وهذه الرهانة تستهدف مباشرةً مخاطر التبعية الدلالية —ما يعادل قفل المنصة، لكنه مُطبَّق على المفردات المؤسسية— في بيئات تعمل فيها المؤسسات على أنظمة بيانات متعددة في آنٍ معاً.
تتجسّد القيمة حيث تُتحقَّق من تنفيذها
تتحدث الرواية السائدة حول هذه المنصات عن السياق، والاتساق، والثقة. كل هذه الأبعاد مهمة، لكن ثمة بُعداً واحداً لا يزال بدون إجابة صلبة في أيٍّ من المقترحات المتاحة: كيف يجري التحقق من أن ما أنجزه الوكيل كان صحيحاً.
تلك هي الحدود الفعلية. ليست جودة السياق الذي ينطلق منه الوكيل حين يبدأ مهمة ما، بل القدرة على التدقيق، بتتبع كامل، فيما فعله الوكيل: أي تعريفات استخدم، وأي بيانات عالج، وأي منطق طبّق، وهل النتيجة قابلة للاستنساخ. وتلخّص والتر الأمر دون التباس: ميدان النزاع التالي في الذكاء الاصطناعي المؤسسي ليس السياق، بل التنفيذ القابل للتحقق.
ولهذا تداعيات مباشرة على أين تُستأثَر القيمة الاقتصادية في هذا السباق. أنطولوجيا تحسّن الاتساق الدلالي هي أصل قيّم، لكنه غير كافٍ لتمكين المؤسسة من تفويض القرارات التشغيلية ذات التداعيات الحقيقية —المالية والتنظيمية والتشغيلية— لوكلاء مستقلين. ولكي يحدث هذا القدر من التفويض، تحتاج المنصة إلى تقديم شيء أكثر: سجل قابل للتدقيق للقرارات، وآليات تصحيح حين يُخطئ الوكيل، وضمانات بشأن ما يحدث حين يتغيّر السياق ولم يُحدَّث الرسم البياني بعد.
داتابريكس تبني في هذا الاتجاه، وإن كانت Genie Ontology وحدها لا تُجيب على هذا السؤال بعد. ما تكشفه جملة إعلانات Data + AI Summit هو استراتيجية متماسكة نحو هذا الهدف: البيانات والحوكمة والدلالة والتنفيذ الوكيلي كطبقات متكاملة داخل منصة واحدة. تماسك الرؤية واضح. سيأتي اختبار الضغط الحقيقي حين تضطر الأنطولوجيا إلى الحفاظ على دقتها داخل مؤسسات تتغير بوتيرة أسرع مما يستطيع أي رسم بياني مواكبتها تلقائياً.
هذا التوتر بين طموح البنية وواقع المؤسسات التشغيلي التي ستعتمدها هو ما سيحدد ما إذا كانت هذه الرهانة ستُولّد قيمة مستدامة، أم ستتحول إلى بنية تحتية متطورة مبنية على أسس لم تبلغ النضج بعد لتحملها.
