دراسة MIT الجديدة “State of AI in Business 2025” تكشف حقيقة صادمة: معظم مشاريع وكلاء البيانات في المؤسسات تفشل فشلاً ذريعاً. السبب ليس ضعف النماذج أو قلة البيانات، بل غياب طبقة السياق التي تربط المعرفة المؤسسية المتناثرة.
المشكلة أبسط مما تتخيل وأعقد مما تظن. سؤال بديهي مثل “ما نمو الإيرادات الربع الماضي؟” يتحول إلى كابوس تقني. هل الإيرادات تعني ARR أم run rate revenue؟ هل الربع المالي يتبع السنة الميلادية أم المالية للشركة؟ أي جدول هو مصدر الحقيقة – fct_revenue من المالية أم mv_revenue_monthly من فريق البيانات؟
Jason Cui وJennifer Li من Andreessen Horowitz يحللان هذه المشكلة بعمق، مقترحين إطار عمل من 5 خطوات لبناء طبقة سياق تحول وكلاء البيانات من أدوات معطلة إلى أنظمة ذكية حقاً.
- توحيد الوصول للبيانات الحيوية – تأكد أن الوكيل يصل لجميع مصادر البيانات الأساسية، ليس فقط المستودعات التقليدية. هذا يشمل المعرفة القبلية المدفونة في Google Drive وSlack ووثائق الفرق الداخلية. النماذج الحديثة تحتاج السياق الكامل، وليس فقط الجداول النظيفة.
- بناء السياق تلقائياً بالذكاء الاصطناعي – استخدم النماذج اللغوية لتحليل تاريخ الاستعلامات وتحديد الجداول الأكثر استخداماً والربطات الشائعة. ادرس نماذج البيانات الموجودة في dbt وملفات LookML لاستخراج التعريفات الحالية. هذا يوفر الإطار الأولي لطبقة السياق.
- إضافة المعرفة الضمنية يدوياً – الأتمتة وحدها لا تكفي. المعرفة الأهم موجودة في رؤوس الفرق كمعلومات ضمنية وشرطية. مثال حي: “لبيانات CRM، استخدم Affinity للصفقات الجديدة في أمريكا الشمالية من 2025 فما بعد، وSalesforce للعملاء العالميين قبل ذلك.” هذا النوع من القواعد لا يمكن استنتاجه تلقائياً.
- ربط الوكلاء بطبقة السياق فورياً – اعرض طبقة السياق للوكلاء عبر API أو Message Control Protocol (MCP) للوصول الفوري. الهدف أن يحصل الوكيل على السياق المطلوب في نفس لحظة الاستعلام، وليس كخطوة منفصلة.
- تطوير نظام التحديث الذاتي – البيانات المؤسسية متغيرة باستمرار، وطبقة السياق يجب أن تتكيف معها. بناء آليات لتحديث السياق عند تغيير مصادر البيانات أو إضافة قواعد عمل جديدة. عندما يقدم وكيل البيانات إجابة خاطئة، يجب دمج التصحيح في طبقة السياق فوراً.
الفرق بين طبقة السياق الحديثة والطبقات الدلالية التقليدية جوهري. الطبقات الدلالية تركز على تعريفات المقاييس بصيغ محددة مثل LookML، وترتبط مباشرة بأدوات Business Intelligence مثل Looker. طبقة السياق الحديثة تتجاوز ذلك بكثير – تشمل الكيانات الأساسية وتطابق الهويات وتعليمات تفكيك المعرفة القبلية وإرشادات الحوكمة.
التحدي الحقيقي ليس تقنياً بحتاً. OpenAI استحوذت مؤخراً على Promptfoo، مما يؤكد أن حتى رواد الصناعة يدركون أهمية أدوات السياق والتقييم. المشكلة مزيج معقد من الهندسة التقنية وإدارة المعرفة المؤسسية.
للشركات الناشئة في السعودية والإمارات ومصر التي تبني حلول وكلاء البيانات، الاستثمار في طبقة السياق ليس رفاهية – بل ضرورة حتمية. الشركات التي تتجاهل هذا الجانب ستكتشف أن وكلاءها “الأذكياء” عاجزون عن الإجابة على أبسط الأسئلة المؤسسية.
