كشفت أحدث توقعات شركة جارتنر للأبحاث أن المؤسسات ستقوم بتطوير نحو 80% من تطبيقات الذكاء الاصطناعي التوليدي للأعمال على منصات إدارة البيانات التي لديها بحلول عام 2028. وسيسهم هذا التوجه في خفض مستوى التعقيدات وتقليل الوقت اللازم لنشر هذه التطبيقات بنحو 50%.

وقال براساد بور، المحلل والمدير الأول لدى جارتنر: "ينطوي إنشاء تطبيقات الذكاء الاصطناعي التوليدي للأعمال في الوقت الراهن على دمج نماذج اللغات الكبيرة (LLM) مع البيانات الداخلية للمؤسسات واعتماد تقنيات دائمة التطور مثل البحث الدلالي (Vector Search)، وإدارة البيانات الوصفية، وتصميم الأوامر المخصصة للذكاء الاصطناعي ودمجها في التطبيقات. إلا أنه وبدون وجود توجه موحد للإدارة، فإن اعتماد مثل هذه التقنيات المتفرقة قد يؤدي إلى إطالة الفترات اللازمة للنشر والتكاليف المحتملة التي قد تتكبدها المؤسسات".

وبالتزامن مع تطلع المؤسسات إلى تطوير حلول متمحورة حول الذكاء الاصطناعي التوليدي، فإنه يجب على منصات إدارة البيانات أن تتطور من أجل دمج القدرات أو الخدمات الجديدة التي تسهم في تطوير الذكاء الاصطناعي التوليدي، وضمان جاهزيتها لاستيعاب الذكاء الاصطناعي التوليدي والتنفيذ الناجح.

تحسين تطوير تطبيقات الذكاء الاصطناعي التوليدي بواسطة التوليد المعزز بالاسترداد (RAG)

يشهد الوقت الحالي تحول التوليد المعزز بالاسترداد إلى حجر الزاوية في نشر تطبيقات الذكاء الاصطناعي التوليدي وتوفير مرونة في النشر وتحسين إمكانية الشرح والتوضيح (Explainability) وقابلية التشكيل والتكوين (Composability) وذلك بواسطة توظيف نماذج اللغات الكبيرة. ومن خلال دمج البيانات من المصادر التقليدية وغير التقليدية بحسب السياق، فإن التوليد المعزز بالاسترداد يسهم في إثراء نماذج اللغات الكبيرة ودعم أنظمة الذكاء الاصطناعي التوليدي الجاهزة للاستخدام.

وأضاف بور: "يتم تدريب معظم نماذج اللغات الكبيرة على البيانات المتاحة للعموم التي لا تعتبر فعالة كثيراً في إيجاد حلول للتحديات المحددة التي تواجه قطاع الأعمال، إلا أنه عند جمع نماذج اللغات الكبيرة مع مجموعات البيانات المملوكة من قبل المؤسسات باستخدام الأنماط الهيكلية للتوليد المعزز بالاسترداد، فإن دقتها تتحسن بشكل كبير. وتؤدي الدلالات في هذا السياق، وخاصة البيانات الوصفية (Metadata) دوراً بالغ الأهمية إذ تُسهم فهارس البيانات (Data Catalogs) في تجميع هذه المعلومات الدلالية ما يساعد في إثراء القواعد المعرفية وضمان السياق الصحيح وإمكانية تتبع البيانات المستخدمة في حلول التوليد المعزز بالاسترداد".

وحتى تتمكن المؤسسات من تجاوز تعقيدات نشر تطبيقات الذكاء الاصطناعي التوليدي بشكل جماعي، فإنه يجب عليها أخذ هذه الاعتبارات الرئيسية بعين الاعتبار:

تطوير منصات إدارة البيانات: إجراء تقييم حول ما إذا كان بالإمكان تحويل منصات إدارة البيانات الحالية إلى منصات "التوليد المعزز بالاسترداد المقدم كخدمة" (RAG-as-a-service) وذلك حتى تحل مكان مستودعات الوثائق/البيانات المنفصلة كمصدر معرفي لتطبيقات الذكاء الاصطناعي التوليدي للأعمال.
إعطاء الأولوية لتقنيات التوليد المعزز بالاسترداد: تقييم تقنيات التوليد المعزز بالاسترداد مثل البحث الدلالي (Vector Search)، والرسم البياني (Graph)، وتجزئة البيانات (Chunking)، ودمجها ضمن حلول إدارة البيانات الحالية أو من خلال شركاء المنظومة وذلك عند إنشاء تطبيقات الذكاء الاصطناعي التوليدي. وتعد هذه الخيارات أكثر قدرة على التكيّف مع التغيرات الجذرية في التكنولوجيا ومتوافقة مع بيانات المؤسسة.
الاستفادة من البيانات الوصفية بغرض الحماية: ينبغي للمؤسسات الاستفادة ليس فقط من البيانات الوصفية التقنية، بل أيضاً من البيانات الوصفية التشغيلية التي يتم توليدها أثناء تشغيل منصات إدارة البيانات. ويساعد هذا التوجه في حماية تطبيقات الذكاء الاصطناعي التوليدي من الاستخدامات الخبيثة، وتحسين الجوانب المتعلقة بالخصوصية، وتقليل تسريبات الملكية الفكرية.