تطوير نموذج أوَّلي (PoC) لمساعد مؤسسي ذكي يمكن الوصول إليه عبر تطبيق Microsoft Teams

نبذة عن عميلنا

شركة أميركية للاستثمار العقاري، تركز على مرافق الرعاية الصحية.

الحاجة إلى التحقق من جدوى تحسين العمليات باستخدام الذكاء الاصطناعي

يمتلك العميل قاعدة معرفية واسعة تحتوي على معلومات مُفصلة عن العمليات الداخلية للشركة، مثل تأهيل الموظفين، وإدارة المحافظ الاستثمارية، وتضم ملفات بصيغ متنوعة، مثل PDF، وXLSX.

أراد العميل تحقيق الاستفادة القصوى من إمكانات المعرفة المتراكمة لديه وأفضل الممارسات باستخدام أداة مُخصصة تعتمد على الذكاء الاصطناعي (AI). تمثلت رؤية العميل في تحليل بيانات العمليات باستخدام الذكاء الاصطناعي لتقديم توصيات ذكية لتحسينها ورفع كفاءتها. لتحقيق هذه الرؤية، لجأ العميل إلى ساينس سوفت للحصول على خدمات هندسة الذكاء الاصطناعي للتحقق من جدوى تنفيذ هذه الفكرة.

استكشاف المشروع لتحديد متطلبات الذكاء الاصطناعي المؤسسي

لتنفيذ المشروع، شكّلت ساينس سوفت فريقًا يضم محلّل أعمال، واثنين من مطوّري برمجيات .NET، بالإضافة إلى مهندس حلول. ولبدء مرحلة الاكتشاف، أجرينا جلسات أسئلة وأجوبة لمعرفة توقعات العميل لحل الذكاء الاصطناعي.

وفقًا لرؤية العميل، يعمل الحل على النحو التالي:

• مسح ملفات العمليات، مثل مستندات إجراءات تأهيل الموظفين وتقارير المحافظ الاستثمارية، وتقديم توصيات لتحسين العمليات ذات الصلة.
• يجب أن تتضمن كل توصية على معلومات شاملة، مثل تحديد الأدوار والجداول الزمنية لكل خطوة، ومقترحات خاصة بمؤشرات الأداء الرئيسية (KPIs)، بالإضافة إلى مراجع للمستندات التي استخدمها الذكاء الاصطناعي أثناء تقديم التوصيات.
• عقب ذلك، يناقش الخبراء المتخصصون (SMEs) نتائج الذكاء الاصطناعي، ثم تحديث قاعدة البيانات المعرفية بناءً على نتائج الاجتماع.
• وأخيرًا، يستخدم محرك الذكاء الاصطناعي ملحوظات الخبراء للتعلم وتحسين التوصيات المستقبلية.

نظرًا للطبيعة المبتكرة للحل وتأثيره المحتمل في أداء أعمال المؤسسة، اتفق العميل مع ساينس سوفت على البدء بتطوير نموذج أولَّي (PoC) لتقييم قدرة الذكاء الاصطناعي على تقديم التوصيات ذات الصلة. بالرغم من عدم التخطيط لتضمين إمكانات تحديث المخرجات بناءً على الملاحظات البشرية في النموذج الأوّلي، إلا أنها ستصبح جزءًا من الإصدار الكامل.

اختيار أفضل خدمات الذكاء الاصطناعي لتحليل المستندات وتقديم توصيات لتحسين العمليات

لاختيار خدمات الذكاء الاصطناعي الأنسب للحل، أجرت ساينس سوفت اختبارًا للمقارنة بين الخيارات التالية:

• نموذج Claude Sonnet (المقترح من جانب العميل).
• خدمات Azure AI Services التي تتضمن خدمتي Azure OpenAI وAzure AI Search.
• منصة Microsoft Copilot Studio المدمجة مع خدمة Azure Open AI.
• أداة Microsoft Copilot مدمجة مع تطبيق Microsoft Teams وخدمات Azure OpenAI وAzure AI Search.

كقاعدة معرفية للاختبار، استخدمنا 4 ملفات PDF متعلقة بالموارد البشرية تحتوي على وصف لإجراءات الموارد البشرية، مثل تسلسل الخطوات، ومراجع للقوانين واللوائح ذات الصلة، بالإضافة إلى لقطات شاشة لاستبيانات الموظفين. كما خُزِّنت الملفات في مستودع خدمة Microsoft Blob Storage، التي كانت بمثابة مصدر بيانات لجميع سيناريوهات الاختبار.

استخدم فريقنا نفس مدخلات الاختبار لجميع الخيارات الأربعة، وقارن النتائج وفقًا لمعايير متعددة مثل: ملاءمة المخرجات ودقتها، والقدرة على تحسين المحتوى الناتج، وإمكانات تخصيص النماذج المستقبلية، وجودة التمثيل المرئي للمخرجات. وقد أظهرت أداة Microsoft Copilot (سواء عند استخدامها بشكل مستقل أو بدمجها مع تطبيق Microsoft Teams) أفضل النتائج، بينما كان للخيارين الآخرين عيوب ملحوظة، مثل ضرورة تحويل ملفات Excel إلى PDF، وضعف جودة الاستجابات لطلبات التحسين.

بناءً على ذلك، اقترحت ساينس سوفت اعتماد أداة Microsoft Copilot مع دمجها في تطبيق Microsoft Teams كحل مثالي. ولأن العميل يعتمد على تطبيق Microsoft Teams كمنصة رئيسية للتواصل في بيئة العمل، فإن هذا الخيار سيوفر لموظفي الشركة واجهة سهلة لإرسال المدخلات، واستلام ردود الذكاء الاصطناعي بكفاءة.

إنشاء بنية قائمة على منصة Azure السحابية لتبسيط معالجة البيانات وتكامل الذكاء الاصطناعي

بعد اختيار التقنيات الأساسية، صممت ساينس سوفت بنية عالية المستوى للحل تتضمن المكونات التالية:

• تطبيق Microsoft Teams: كواجهة المستخدم الرئيسية.
• تطبيق Azure Web App المُخصص لتنسيق البيانات: لأتمتة المهام المتكرة لمعالجة البيانات، مثل البحث عن البيانات وتحليلها، لتمكين الاتصال السلس بين مكونات الحل.
• خدمة Azure OpenAI: لاستضافة نموذج الذكاء الاصطناعي وتشغيله.
• محرك البحث السحابي Azure AI Search: لمسح قاعدة المعرفة، وفهرسة المعلومات، وتقديم البيانات إلى خدمة OpenAI لتحليلها.
• خدمة Azure Blob Storage: لتخزين ملفات القاعدة المعرفية. كما أوصت ساينس سوفت بإنشاء حاويات مُخصصة لكل عملية، وذلك لتحسين أداء الحل. بهذا النهج، سيحتاج الذكاء الاصطناعي إلى معالجة البيانات ذات الصلة فقط بدلًا من مسح قاعدة البيانات بأكملها.
• خدمة Azure Key Vault: لتخزين مفاتيح الوصول إلى خدمات الذكاء الاصطناعي.

تقديم نموذج أوّلي لحل الذكاء الاصطناعي للمؤسسات في 8 أيام فقط

بفضل دعم ساينس سوفت، تمكّن العميل من إثبات جدوى فكرته لتحسين العمليات باستخدام الذكاء الاصطناعي. وبعد سلسلة اختبارات أجرتها ساينس سوفت، حصل العميل على مجموعة تقنيات مثالية تتضمن أداة Microsoft Copilot مدمجة مع تطبيق Microsoft Teams وخدمات Azure AI. توفر هذه المجموعة أدق التوصيات لتحسين العمليات، وتتيح للمستخدمين تعديل مخرجات الذكاء الاصطناعي، كما تتكيف بسلاسة مع آليات العمل لدى الشركة. بالإضافة إلى ذلك، حصل العميل على بنية عالية المستوى للحل تتميز بمكونات مُخصصة لتنسيق البيانات وتمكين الأمان. وبفضل النموذج الأوّلي الذي قدمته ساينس سوفت، أصبح لدى العميل أساس قوي للمضي في تطوير الحل بثقة.

التقنيات والأدوات

Azure OpenAI, Azure AI Search, Microsoft Copilot Studio, Microsoft Teams, Azure Blob Storage, Azure Key Vault, Claude Sonnet, .NET.