في مختلف القطاعات الصناعية الكبرى، لا يزال هناك تحدٍ مشترك: فقد استثمرت الشركات أموالاً طائلة في جمع كميات هائلة من البيانات، ومع ذلك تظل هذه الأصول القيّمة محصورة داخل ”صوامع بيانات“ مجزأة. وتعمل الأدوات البرمجية المتخصصة كأنها ”مداخن“ منعزلة، منفصلة عن بعضها البعض وغير قادرة على التعاون بفعالية.
وفي الوقت نفسه، على الرغم من أن النماذج اللغوية الضخمة (LLMs) قد أظهرت ذكاءً عامًا ملحوظًا، إلا أنها غالبًا ما تواجه عوائق كبيرة في تطبيقات المؤسسات. فهي تفتقر إلى المعرفة المتخصصة العميقة في مجالات محددة، كما أنها عرضة لـ«الهلوسة»، مما يجعلها غير موثوقة عند معالجة مشكلات مهنية دقيقة. ويكمن التحدي الأساسي في انعدام الترابط بين الذكاء الاصطناعي والعمليات التجارية للمؤسسات.
ولكن ماذا لو لم تكمن المشكلة في الذكاء الاصطناعي بحد ذاته، بل في حقيقة أننا لم نعلمه قط اللغة الأصلية لقطاع أعمالنا؟ من خلال استكشاف متعمق لصناعة النفط والغاز، أحد أكثر القطاعات تعقيدًا في العالم، كشفت شركة Jurassic Software عن نهج رائد قادر على حل هذا التناقض الأساسي. بدلاً من مجرد إدخال أدوات الذكاء الاصطناعي، يقترح هذا النهج استراتيجية ثنائية المحرك لبناء ذكاء المؤسسة: أولاً، إنشاء نظام تشغيل للبيانات يحول الأعمال نفسها إلى أصول قابلة للحساب؛ ثم، على هذا الأساس، بناء نظام تشغيل ذكي يدفع عمليات المؤسسة نحو الاستقلالية.
أول فكرة غير متوقعة هي التالية: لتمكين الذكاء الاصطناعي من فهم نشاط تجاري معقد، يجب أولاً تقسيم كل مسار عمل إلى أصغر وحداته غير القابلة للتجزئة. ويُشار إلى هذه الوحدات العملية المجزأة باسم «العقد التجارية»، أو بشكل أكثر رسمية، «الوحدات التجارية الدنيا» (MBUs). وهي بمثابة أصغر وحدات تشغيلية لتنسيق الموارد والخدمات داخل المنصة.
من خلال التحليل المنهجي لعمليات التنقيب عن النفط والغاز وتطويرهما، نجح هذا النهج في تحديد مواقع أكثر من 16,000 نقطة عمل. ولا يُعد هذا مجرد مخطط تدفق عمليات بسيط. بل إن كل وحدة عمل يتم تحديد موقعها بدقة، استنادًا إلى منهجية «نمذجة الأنطولوجيا الخماسية الأبعاد للأعمال» الخاصة بشركة «جوراسيك سوفتوير»، مما ينتج عنه وصف للأعمال بمستوى ثلاثي الأبعاد.
من أجل توحيد تعريف هذه العقد التجارية التي يزيد عددها عن 16,000 عقدة، اعتمد الباحثون إطار عمل موحد يُعرف باسم IPOMSQ. ويتم تعريف كل عقدة من خلال ستة سمات قياسية:
1. المدخلات (I): جميع موارد البيانات اللازمة لتنفيذ مهام العقدة، مثل سجلات الآبار الأصلية وبيانات الصخور.
2. العملية (P): الأدوات ووظائف البرامج اللازمة لإنجاز المهمة.
3. المخرجات (O): النتائج النهائية للعمل، مثل الخرائط أو الرسوم البيانية أو التقارير.
4. الإدارة (M): مراجعة الخبراء، ومتطلبات التدقيق، وإجراءات التحقق من الصحة.
5. المعيار (S): المواصفات الصناعية والرموز التوضيحية ومعايير الترميز التي يجب الالتزام بها.
6. سؤال (س): المشكلات أو الصعوبات الفنية المحتملة التي يجب توقعها في هذه المرحلة.
مثال ملموس: رسم مقطع عمودي مركب ذي تجويف واحد. ولتوضيح هذا المفهوم بشكل أكثر واقعية، لنأخذ عملية رسم مقطع عمودي مركب ذي تجويف واحد كمثال. وفي إطار عمل IPOMSQ، يمكن تعريفه بدقة على النحو التالي:
1. المدخلات (I): البيانات الطبقية، وبيانات التركيب الصخري، ومنحنيات التسجيل، ووصف التكوينات.
2. العملية (P): أدوات الرسم أو برامج رسم الخرائط المدمجة.
3. الناتج (O): مقطع عمودي مركب نهائي ذو حفرة واحدة.
4. الإدارة (M): التحقق من صحة الحدود الطبقية من قِبل الخبراء.
5. المعيار (S): رموز الصخور وألوان المنحنيات وأنواع الخطوط التي تتوافق مع مواصفات القطاع.
6. سؤال (س): مشاكل محتملة في ربط المنحنيات أو أخطاء في مطابقة العمق.
تكمن القيمة الثورية لهذا النهج في أنه لم يعد يركز على رسم مخططات عملياتية عامة. بل إنه يقدم تعريفًا قابلًا للحساب ومفصلاً لكيفية عمل المؤسسة بأكملها. كما يوفر للذكاء الاصطناعي أساسًا متينًا يمكن للآلات قراءته وفهمه والتصرف بناءً عليه.
إن تجزئة الأعمال ليست سوى الخطوة الأولى. أما الخطوة الحاسمة التالية فهي استخدام بنية مخطط معرفي ثنائي الطبقات لإنشاء نسخة رقمية مطابقة لعمليات الأعمال.
الطبقة الأولى هي KG0: مخطط أنطولوجيا الأعمال، أو المخطط. وهو إطار هيكلي يتألف من أكثر من 16,000 عقدة أعمال. ويمكن فهمه على أنه مخطط تفصيلي يحدد جميع القواعد والعمليات والروابط الداخلية لعمليات حقول النفط. وهو يصف الكيفية التي يُفترض أن تعمل بها الأعمال.
الطبقة الثانية هي KG1: مخطط موارد المثيلات، أو «المثيل». يتم ملء هذا المخطط بأصول المؤسسة الفعلية. يتم إنشاء مثيلات لجميع البيانات والأدوات والمعايير وربطها بعقد الأعمال المحددة في KG0. وهو يصف كيفية عمل المؤسسة في الوقت الحالي.
تكمن قوة هذا النظام ذي الرسمين البيانيين في التمييز الواضح الذي يجريه بين نظرية العمليات التجارية، التي يمثلها KG0، والواقع التشغيلي، الذي يمثله KG1. ويشكلان معًا نموذجًا رقميًا حيًا للأعمال يظل متزامنًا مع العالم الواقعي.
إن العقبة الرئيسية التي تعترض تطبيق الذكاء الاصطناعي العام في قطاعات محددة تكمن في نهاية المطاف في حاجز اللغة. وتقوم «الأنطولوجيا التجارية الخماسية الأبعاد» بدور جسر الترجمة، أو «حجر رشيد»، حيث تربط بين نماذج اللغة الضخمة ذات الأغراض العامة وبيانات المؤسسات الخاصة.
تجسد منصة القدرات JuraX هذا المفهوم. فمن خلال الاستفادة من علم الوجودية التجارية، تتيح هذه المنصة لنماذج اللغة الكبيرة (LLMs) العامة الغرض فهم البيانات المهنية المتعلقة بالنفط والغاز والاستعلام عنها ومعالجتها، مع الحد بشكل فعال من حالات ”الهلوسة“.
يكمن جوهر هذا النموذج في مفهوم «توحيد النماذج». تعمل «الأنطولوجيا الخماسية الأبعاد للأعمال» كنظام تروس دقيق، حيث تربط بشكل وثيق بين نوعين من النماذج:
1. النماذج الكبيرة: مسؤولة عن التفكير العام وفهم اللغة وتخطيط المهام.
2. النماذج الصغيرة: مسؤولة عن تنفيذ خوارزميات متخصصة للغاية في مجالات معينة، مثل تفسير البيانات الزلزالية ومحاكاة الخزانات.
وكما يتضح من مبدأه الأساسي، فإن هذا التصميم هو المفتاح لتحقيق الذكاء المؤسسي الحقيقي:
تعمل نماذج علم الوجود التجاري على توحيد النماذج الكبيرة والصغيرة، مما يفتح القناة بين الذكاء الاصطناعي وموارد بيانات المؤسسة بشكل كامل.
والاستنتاج الأخير هو أن المنصة تتيح نموذجًا لخدمات الذكاء الاصطناعي يتسم بدرجة عالية من التطور والمرونة، وذلك من خلال بنية خدمات ذكية موحدة.
تشمل المكونات الرئيسية لهذه البنية ما يلي:
1. JuraSeek: أداة بحث ذكية لم تعد تعتمد على الكلمات المفتاحية، بل تفهم النوايا المهنية للمستخدمين من خلال علم الوجودية المهنية.
2. JuraRAG: تقنية توليد معززة بالاسترجاع تستخدم مخطط المعرفة الخاص بالمثيلات (KG1) لتزويد النماذج اللغوية الكبيرة (LLMs) بمعرفة واقعية ودقيقة في المجال الخاص بالمؤسسات.
3. JuraAgent: وكلاء ذكيون مستقلون قادرون على فهم المهام التجارية بشكل مستقل واستخدام الأدوات اللازمة لتنفيذ عمليات معقدة متعددة الخطوات.
هذا هو جوهر البنية بأكملها: فالأدوات التي يمكن لـ JuraAgent الاستعانة بها ليست مجرد مكتبة واجهة برمجة تطبيقات (API) عشوائية. بل هي بالضبط سمات العمليات المحددة ضمن أكثر من 16,000 عقدة أعمال في نظام IPOMSQ. ومن خلال تجزئة الأعمال، نجحت الشركة في الوقت نفسه في إنشاء مجموعة أدوات شاملة وقابلة للتنفيذ آليًا لقوتها العاملة في مجال الذكاء الاصطناعي.
لا يُعد هذا محاولة لإنشاء ذكاء اصطناعي عملاق واحد يتمتع بقدرات مطلقة. بل على العكس، فهو يهدف إلى إنشاء نظام بيئي ذكي. وضمن هذا النظام، يمكن لدماغ الذكاء الاصطناعي — المكون من نماذج ضخمة وJuraRAG — أن ينسق بين عدة عوامل مستقلة عالية التخصص، وهي JuraAgent، لتنفيذ مهام عمل محددة بوضوح، مثل إعداد تقرير أو إجراء تحليل. وفي النهاية، يشكل هذا نظام تشغيل مؤسسي ذكي وآلي بالفعل.
إن الطريق نحو تحقيق الذكاء المؤسسي الحقيقي لا يقتصر على مجرد إدخال تقنيات الذكاء الاصطناعي. بل يتطلب إعادة هيكلة جذرية للمعرفة المؤسسية لتتحول إلى صيغة يمكن للذكاء الاصطناعي فهمها والتصرف بناءً عليها.
تُنشئ هذه المنهجية فعليًّا نظام تشغيل للبيانات ونظام تشغيل ذكي للمؤسسة بأكملها، مما يعكس استراتيجية المحركين المزدوجتين التي تم عرضها في البداية.
وتتمثل رؤيتها النهائية في تمكين نماذج اللغة الضخمة من فهم قطاع النفط والغاز فهماً حقيقياً.
الآن وقد تم تدريب الذكاء الاصطناعي على فهم الواقع على المستوى الجوهري للأعمال، فما هي المشكلة البالغة التعقيد في مجال عملك، والتي كانت تُعتبر في السابق مستعصية على الحل، والتي قد تكون أخيرًا جاهزة للتغلب عليها؟
من نحن
© 2026 جميع الحقوق محفوظة.
