حل بحث مؤسسي مدعوم بالذكاء الاصطناعي يربط كل مصدر بيانات لديك بالفعل

تبدأ كل مشاريع البحث المؤسسي بنفس الطموح: جعل معلوماتنا قابلة للاكتشاف. ويصطدم كل مشروع بحث مؤسسي بنفس الجدار: المعلومات موجودة في أماكن كثيرة جدًا، وبأشكال كثيرة جدًا، وخلف أنظمة كثيرة جدًا. توجد بيانات المنتج في نظام تخطيط موارد المؤسسات (ERP). وتعيش مقالات قاعدة المعرفة في نظام ويكي. وتوجد وثائق السياسات كملفات PDF على محرك أقراص مشترك. وتكون بيانات العملاء مقفلة داخل نظام إدارة علاقات العملاء (CRM). وتكون الإجراءات الداخلية متناثرة عبر صفحات البوابة الداخلية التي لم يقم أحد بتحديثها منذ عام 2021. مشكلة البحث ليست بناء محرك بحث — فهذه التكنولوجيا موجودة منذ عقود. المشكلة هي ربط محرك البحث بجميع الأماكن التي توجد فيها المعلومات بالفعل، والحفاظ على تحديث هذه الاتصالات مع تغير الأنظمة.

تتعامل منصات البحث المؤسسي التقليدية مع هذه المشكلة باستخدام الموصلات — وهي عمليات تكامل مُعدة مسبقًا تزحف عبر كل نظام، وتستخرج المحتوى، وتحوله إلى مخطط بحث مشترك، وتفهرسه في مجموعة بحث مركزية. على الورق، يبدو الأمر نظيفًا. في الواقع، يتطلب كل موصل تكوينًا، ومصادقة، وتعيينًا للحقول، وصيانة مستمرة. يحتاج موصل SharePoint إلى بيانات اعتماد API ويتعامل مع الأذونات بشكل مختلف عن موصل Confluence. يتطلب موصل قاعدة البيانات استعلام SQL يحدد الصفوف التي ستصبح مستندات قابلة للبحث. يحتاج موصل نظام الملفات إلى معرفة الأدلة التي يجب مسحها ضوئيًا وأنواع الملفات التي يجب قراءتها. قبل تقديم أي استعلام بحث واحد، يقضي فريق من المهندسين شهورًا في بناء واختبار ونشر خط أنابيب فهرسة يلامس كل مصدر بيانات في المؤسسة. وعندما يغير مصدر ما مخططًا، أو ينتقل إلى منصة جديدة، أو يضيف نوع محتوى جديدًا، ينكسر خط الأنابيب وتتدهور نتائج البحث حتى يقوم شخص ما بإصلاحه.

عبء الصيانة هو المكان الذي يصبح فيه البحث المؤسسي التقليدي مكلفًا حقًا. خطوط أنابيب الفهرسة لا تصون نفسها. عندما يقوم فريق المنتجات بالترحيل من منصة كتالوج إلى أخرى، يجب إعادة بناء موصل البحث. عندما تطلق الموارد البشرية نظام ويكي داخليًا جديدًا، يجب على شخص ما إضافة موصل جديد وتكوينه. عندما يضيف مستودع البيانات جدولًا جديدًا، يجب تحديث استعلام SQL. كل تغيير يمكن إدارته بمعزل عن الآخر، لكن المؤسسات لا تغير شيئًا واحدًا في كل مرة — إنها تغير كل شيء، باستمرار، ويكون فريق البنية التحتية للبحث دائمًا في وضع اللحاق بالركب. والنتيجة هي تجربة بحث غير مكتملة باستمرار، وقديمة باستمرار في بعض المجالات، ومفاجئة باستمرار في ثغراتها. يتعلم الموظفون عدم الوثوق بها. إنهم يتجاوزون شريط البحث ويسألون زميلاً بدلاً من ذلك. استثمار البحث يحقق عائدًا متناقصًا.

يقترب حل البحث المؤسسي المدعوم بالذكاء الاصطناعي من Asyntai من مشكلة اتصال البيانات بشكل مختلف. بدلاً من بناء وصيانة العشرات من الموصلات المتخصصة، فإنه يوفر أربع قنوات بيانات عامة تغطي الطيف الكامل للمعلومات المؤسسية — وكل قناة مصممة ليتم توصيلها في دقائق، وليس أشهر. تتعامل تغذية البيانات في الوقت الفعلي مع البيانات المهيكلة: أي عنوان URL يُرجع JSON أو CSV أو استجابة API يصبح مصدر بيانات مباشرًا. يقوم الزحف التلقائي بالتعامل مع المحتوى المستند إلى الويب: وجّهه إلى نطاق ويقرأ كل صفحة متاحة. يتعامل تحميل المستندات مع الملفات: ملفات PDF و Word والمستندات وجداول البيانات والأدلة الداخلية التي توجد كملفات قابلة للتنزيل. وتتعامل الأدوات المخصصة مع استعلامات الأنظمة الحية: قم بتوصيل الذكاء الاصطناعي بواجهات برمجة التطبيقات الخاصة بك حتى يتمكن من الاستعلام عن نظام إدارة علاقات العملاء، أو تخطيط موارد المؤسسات، أو إدارة الطلبات، أو أي نظام آخر في الوقت الفعلي أثناء المحادثة.

تُعد تغذية البيانات في الوقت الفعلي القناة التي تغير طريقة تفكير المؤسسات في جعل البيانات المهيكلة قابلة للبحث. تقليديًا، يعني جعل كتالوج المنتجات قابلاً للبحث بناء خط أنابيب فهرسة: استخراج البيانات من نظام المصدر، وتحويلها إلى مخطط صديق لمحرك البحث، وتحميلها في الفهرس، وجدولة إعادة الفهرسة المنتظمة للحفاظ على تحديثها. باستخدام Asyntai، فإنك توفر عنوان URL يُرجع بياناتك. هذا كل شيء. يقرأ الذكاء الاصطناعي التغذية، ويفهم الهيكل، ويجعل كل عنصر قابلاً للبحث من خلال اللغة الطبيعية. عندما يسأل زائر أو موظف سؤالاً حول منتج، يبحث الذكاء الاصطناعي في التغذية — ليس عن طريق مطابقة الكلمات الرئيسية، ولكن عن طريق فهم ما يبحث عنه الشخص والاستدلال على العناصر التي تتطابق. كتالوج منتجات، أو دليل موارد، أو دليل موظفين، أو كتالوج دورات تدريبية، أو مخزون قطع غيار — أي مجموعة بيانات مهيكلة يمكن تقديمها كـ JSON أو CSV تصبح مصدر بيانات قابلاً للبحث ومحادثة.

يتوسع حجم التغذية مع احتياجات المؤسسة. تدعم خطة Standard ما يصل إلى 200,000 حرف من بيانات التغذية، وهو ما يكفي لكتالوجات تضم بضع مئات من العناصر مع أوصاف كاملة. تمتد خطة Pro إلى 10,000,000 حرف — حوالي 25,000 عنصر مع البيانات الوصفية الكاملة والأوصاف والأسعار وعناوين URL للصور. بالنسبة للمؤسسات التي لديها مجموعات بيانات أكبر، يمكن لتغذيات متعددة تغطية مجالات بيانات مختلفة. ونظرًا لأن الذكاء الاصطناعي يقرأ التغذية مباشرة عند كل استعلام ذي صلة، فإن التغييرات في بيانات المصدر تنعكس على الفور. تحديث السعر، أو تغيير المخزون، أو إضافة عنصر جديد إلى الكتالوج — يرى الاستعلام التالي البيانات الحالية، وليس فهرس الأمس. وهذا يلغي مشكلة البيانات القديمة التي تعاني منها حلول البحث المؤسسي التقليدية، حيث تخلق الفجوة بين وقت تغيير البيانات ووقت انعكاس فهرس البحث لذلك التغيير نقصًا في الثقة يقوض تجربة البحث بأكملها.

يغطي الزحف التلقائي الفئة الواسعة من المعرفة المؤسسية — المعلومات الموجودة على صفحات الويب — مواقع الويب الخاصة بالشركات، والبوابات الداخلية، وقواعد المعرفة، ومراكز المساعدة، وصفحات سياسات الموارد البشرية، والويكيات الخاصة بالإدارات، ومجموعات الأسئلة الشائعة، وأي محتوى آخر موجود كـ HTML يمكن الوصول إليه عبر عنوان URL. يزحف الذكاء الاصطناعي إلى كل صفحة يمكنه الوصول إليها من نطاق البدء، ويقرأ المحتوى، ويجعله قابلاً للبحث. لا يوجد خريطة موقع لتكوينها، ولا اختيار صفحة بصفحة، ولا تصفية لنوع المحتوى. إذا كانت الصفحة موجودة ويمكن الوصول إليها، يمكن للذكاء الاصطناعي العثور على المعلومات الموجودة عليها واستخدامها. تتبع التحديثات جدول زحف منتظم، عادةً يوميًا، لذا تنتشر التغييرات في محتوى الويب الخاص بك في غضون 24 ساعة.

ما يجعل الزحف التلقائي ذا قيمة خاصة للبحث المؤسسي هو أنه يلتقط الذيل الطويل للمعرفة التنظيمية — المعلومات الموجودة على الصفحات التي لا يتذكر أحد وجودها. كل مؤسسة لديها بوابة داخلية مليئة بالصفحات التي تم إنشاؤها لغرض معين، وخدمت جمهورها، ثم اختفت من الذاكرة الجماعية. صفحة التسجيل في المزايا للعام الماضي. وثيقة إجراءات التعافي من الكوارث. قائمة التحقق من إعداد الموردين التي قام فريق المشتريات بإعدادها. لا تزال هذه الصفحات موجودة، ولا تزال تحتوي على معلومات قيمة، لكنها غير مرئية فعليًا لأن لا أحد يتذكر عنوان URL والبحث الخاص بالبوابة الداخلية ضعيف جدًا بحيث لا يمكنه إظهارها. يجعل الزحف التلقائي هذه المعرفة غير المرئية قابلة للاكتشاف مرة أخرى، لأن الذكاء الاصطناعي يقرأ كل صفحة ويمكنه الإجابة على الأسئلة منها.

يتعامل تحميل المستندات مع المعلومات التي لم تصل أبدًا إلى صفحة ويب — ملفات PDF الموجودة على محركات الأقراص المشتركة، وملفات Word التي يتم تداولها عبر البريد الإلكتروني، وأدلة التدريب التي توجد كملفات قابلة للتنزيل، ووثائق الامتثال التي أنشأها القسم القانوني وتم توزيعها كمرفقات. غالبًا ما يكون هذا المحتوى هو المعلومات الأكثر موثوقية في المؤسسة، ولكنه الأصعب في البحث لأنه موجود كملفات، وليس كمحتوى ويب مفهرس. يحتاج البحث المؤسسي التقليدي إلى زاحف لنظام الملفات وخط أنابيب لاستخراج المحتوى لجعل هذه المستندات قابلة للبحث. يحتاج Asyntai إلى تحميل ملف. قم بإسقاط ملف PDF في قاعدة المعرفة، ويقرأه الذكاء الاصطناعي، ويفهمه، ويمكنه الإجابة على الأسئلة منه. عندما يسأل شخص ما "ما هو الحد الأقصى لمسؤوليتنا بموجب اتفاقية المورد مع Acme Corp"، يجد الذكاء الاصطناعي البند ذي الصلة في العقد الذي تم تحميله ويقتبسه — استعلام سيعيد صفر نتائج في بحث الكلمات الرئيسية لأن لا أحد سيفكر في البحث عن الصياغة القانونية الدقيقة.

تمثل الأدوات المخصصة أقوى قناة اتصال للبيانات لأنها توفر وصولاً مباشرًا إلى أنظمة المؤسسة أثناء المحادثة. القنوات الثلاث الأخرى — التغذية، والزحف، والتحميل — تتضمن قراءة الذكاء الاصطناعي للبيانات التي تم توفيرها له وفهمها. تقلب الأدوات المخصصة النموذج: يمتد الذكاء الاصطناعي إلى أنظمتك في الوقت الفعلي، ويستعلم عنها بمعلمات محددة، ويستخدم الاستجابة للإجابة على السؤال الحالي. هذا هو الفرق بين البحث في البيانات المفهرسة والاستعلام عن الأنظمة الحية. يسأل موظف "كم عدد تذاكر الدعم المفتوحة لدى Meridian Healthcare حاليًا؟" لا يبحث الذكاء الاصطناعي في قاعدة بيانات مخبأة — بل يستدعي واجهة برمجة تطبيقات نظام التذاكر الخاص بهم، ويسترد العدد الحالي، ويستجيب. تكون الإجابة دائمًا حديثة لأنها جاءت من النظام المباشر، وليس من فهرس قد يكون متأخرًا بساعات أو أيام. يمكنك توصيل أدوات مخصصة متعددة لتغطية أنظمة مختلفة — إدارة علاقات العملاء، تخطيط موارد المؤسسات، إدارة الطلبات، منصات التذاكر — مما يمنح الذكاء الاصطناعي إمكانية الوصول إلى البيانات الحية عبر مؤسستك.

تعمل الأدوات المخصصة عن طريق تحديد نقطة نهاية API، والمعلمات التي يجب على الذكاء الاصطناعي إرسالها، ووصفًا باللغة الطبيعية لما تفعله الأداة. يقرأ الذكاء الاصطناعي الوصف، ويفهم متى يستخدم الأداة بناءً على المحادثة، وينشئ استدعاء API بالمعلمات الصحيحة المستخرجة من سؤال المستخدم. يمكنك توصيل العديد من الأدوات المخصصة التي تتطلبها سير عملك — واحدة لنظام إدارة علاقات العملاء، وواحدة لنظام إدارة الطلبات، وواحدة للمخزون، وواحدة لقاعدة بيانات الموارد البشرية — مما يمنح الذكاء الاصطناعي إمكانية الوصول إلى نظام مختلف، ويقرر الذكاء الاصطناعي الأدوات التي سيستخدمها بناءً على ما يسأل عنه الشخص. قد تتضمن محادثة واحدة قيام الذكاء الاصطناعي بالبحث في قاعدة المعرفة (من الزحف التلقائي)، والبحث عن منتج في تغذية البيانات، ثم استدعاء أداة مخصصة للتحقق من المخزون — كل ذلك دون أن يعرف الشخص أو يهتم بمصدر البيانات الذي قدم كل معلومة.

يحل مزيج هذه القنوات الأربع مشكلة البحث المؤسسي الأساسية — الوصول الموحد إلى البيانات الموزعة — دون عبء البنية التحتية للحلول التقليدية. لا توجد خطوط أنابيب فهرسة لبنائها. لا توجد تعيينات مخططات لصيانتها. لا توجد موصلات لتكوينها ومراقبتها. لا توجد مجموعة بحث لتوسيع نطاقها. يتولى الذكاء الاصطناعي الصلة والتصنيف وعرض النتائج دون ضبط يدوي. عندما يحتاج مصدر بيانات جديد إلى الإضافة، يستغرق الأمر دقائق: الصق عنوان URL للتغذية، أو وجّه الزاحف إلى نطاق جديد، أو حمّل مستندًا، أو قم بتوصيل أداة مخصصة جديدة. عندما يتغير مصدر البيانات، يتكيف الذكاء الاصطناعي: تتم قراءة التغذية مباشرة، ويتم تحديث المحتوى الذي تم الزحف إليه يوميًا، ويمكن استبدال المستندات التي تم تحميلها، ويمكن تحديث نقاط نهاية الأدوات المخصصة دون انقطاع الخدمة.

تجربة البحث نفسها مختلفة جوهريًا عما تقدمه منصات البحث المؤسسي التقليدية. تعيد المنصات التقليدية قائمة مُصنفة من الروابط. ينقر المستخدم عبر كل رابط، ويقرأ الصفحة، ويقرر ما إذا كانت تجيب على سؤاله، وإما أن يجد ما يحتاجه أو يعود للمحاولة بنتيجة مختلفة. إنه نفس النموذج مثل محركات البحث على الويب من عام 2005، المنقول إلى المؤسسة. يستبدل Asyntai هذا النموذج بإجابات مباشرة باللغة الطبيعية. يقرأ الذكاء الاصطناعي السؤال، ويبحث عبر جميع مصادر البيانات المتصلة، ويستجيب بالإجابة — وليس قائمة بالمستندات التي قد تحتوي على الإجابة، ولكن الإجابة نفسها، مع سياق كافٍ ليكون مفيدًا وخصوصية كافية ليكون موثوقًا به.

عندما تتضمن نتائج البحث منتجات أو موارد أو عناصر مهيكلة أخرى، يعرضها الذكاء الاصطناعي كبطاقات منتجات ديناميكية — بطاقات مرئية تعرض صورة العنصر واسمه وتفاصيله الرئيسية وزر إجراء، مباشرة داخل المحادثة. تظهر نتائج متعددة كدوار يمكن تمريره. يعمل هذا العرض المرئي على أي نوع من البيانات المهيكلة في تغذية البيانات في الوقت الفعلي، وليس فقط المنتجات المادية. يصبح كتالوج الدورات التدريبية قابلاً للتصفح كبطاقات تعرض اسم الدورة والمدرب والجدول الزمني وزر "التسجيل". ويصبح دليل الموارد الداخلي بطاقات تعرض اسم المورد ووصفه وزر "عرض التفاصيل". ويصبح مخزون قطع الغيار بطاقات تعرض رقم الجزء والمواصفات ومستوى المخزون وزر "طلب". يحول التنسيق المرئي البحث المؤسسي من تبادل سؤال وجواب نصي إلى تجربة اكتشاف مرئية قابلة للتصفح.

يضمن عزل المواقع المتعددة حصول كل قسم أو علامة تجارية أو وحدة أعمال على نطاق بحث خاص بها. يمكن للمؤسسة التي لديها وحدات أعمال متعددة نشر مثيلات Asyntai منفصلة — لكل منها مصادر بياناتها الخاصة، وقاعدة معارفها الخاصة، وأدواتها المخصصة الخاصة — بحيث لا تُرجع نتائج بحث فريق المبيعات مستندات داخلية لفريق الهندسة، ولا تعرض الأداة المصغرة الموجهة للعملاء للعلامة التجارية أ منتجات العلامة التجارية ب. كل نشر معزول تمامًا: بيانات منفصلة، محادثات منفصلة، تحليلات منفصلة. وهذا يحل مشكلة الأذونات والنطاق التي تجعل العديد من عمليات نشر البحث المؤسسي فوضوية — حيث يعيد شريط بحث واحد نتائج من جميع أنحاء المؤسسة ويجب على المستخدم معرفة أي منها ذي صلة بسياقه.

تستحق القدرة متعددة اللغات الاهتمام لأنها تقضي على أحد أغلى جوانب البحث المؤسسي على نطاق واسع. تحتاج المؤسسات التي تعمل عبر دول متعددة تقليديًا إلى فهارس بحث منفصلة لكل لغة — فهرس فرنسي لقاعدة المعرفة الفرنسية، وفهرس ألماني للوثائق الألمانية، وفهرس ياباني لكتالوج المنتجات الياباني. تحتاج كل فهرس إلى ترميز وتجذير وضبط صلة خاص باللغة. تعد صيانة البنية التحتية المتوازية للبحث عبر عشرات اللغات مضاعفًا كبيرًا للتكلفة. يخدم Asyntai جميع اللغات المدعومة البالغ عددها 36 من نشر واحد. يفهم الذكاء الاصطناعي الأسئلة بأي لغة مدعومة، ويبحث في نفس مصادر البيانات بغض النظر عن لغة الاستعلام، ويستجيب باللغة التي استخدمها الشخص. يمكن لموظف ياباني البحث في قاعدة معرفة ناطقة باللغة الإنجليزية والحصول على إجابات باللغة اليابانية. لا حاجة لفهارس مترجمة. لا حاجة لتكوين خاص باللغة. نشر واحد، كل اللغات.

يكشف مقارنة التكلفة بين البحث المؤسسي التقليدي والنهج المدعوم بالذكاء الاصطناعي من Asyntai عن المنطق الاقتصادي لهذا التحول. يتضمن النشر التقليدي متوسط الحجم تكاليف البنية التحتية (الحوسبة السحابية لمجموعة البحث، والتخزين للفهرس)، ورسوم الترخيص (غالبًا تسعير لكل مستند أو لكل استعلام من بائع المنصة)، وتكاليف الهندسة (الفريق الذي يبني ويصون ويضبط البنية التحتية للبحث) — وهو مزيج يكلف عادةً مئات الآلاف سنويًا للنشر متوسط الحجم. تبدأ أسعار Asyntai من 139 دولارًا شهريًا لخطة Standard و 449 دولارًا شهريًا لخطة Pro. حتى في مستوى Pro مع أقصى سعة لتغذية البيانات والأدوات المخصصة، فإن التكلفة السنوية أقل من 4000 دولار — وهو جزء بسيط مما تكلفه منصات البحث المؤسسي التقليدية. المقايضة هي عمق التخصيص: توفر المنصات التقليدية تحكمًا دقيقًا في خوارزميات التصنيف وسلوك الفهرسة ومعالجة الاستعلامات. يقايض Asyntai هذا التحكم بالبساطة وسرعة النشر وعدم الحاجة إلى الصيانة.

تتشارك المؤسسات التي تستفيد أكثر من حل البحث المؤسسي المدعوم بالذكاء الاصطناعي في نمط: معلوماتها موزعة عبر أنظمة متعددة، ويحتاج مستخدموها إلى إجابات بدلاً من روابط المستندات، وليس لديهم (أو لا يريدون تخصيص) فريق مخصص لبنية البحث التحتية. يصف هذا معظم المؤسسات متوسطة الحجم والنامية. لقد تجاوزوا المرحلة التي يعرف فيها الجميع مكان وجود كل شيء، لكنهم لم يصلوا إلى الحجم الذي يبرر وجود فريق هندسة بحث مخصص. إنهم بحاجة إلى بيانات منتجاتهم وقاعدة المعرفة ووثائقهم الداخلية ونظام إدارة علاقات العملاء (CRM) الخاصة بهم متاحة من خلال تجربة بحث واحدة — وهم بحاجة إليها ليتم نشرها هذا الربع، وليس العام المقبل. تمنحهم قنوات البيانات الأربع من Asyntai — تغذية البيانات في الوقت الفعلي، والزحف التلقائي، وتحميل المستندات، والأدوات المخصصة — ذلك بالضبط: بحث موحد ومحادث ومدعوم بالذكاء الاصطناعي عبر كل مصدر بيانات مهم، مباشر في أيام بدلاً من أشهر، تتم صيانته من قبل لا أحد بدلاً من فريق.

إن التحول من البحث بالكلمات الرئيسية إلى البحث المدعوم بالذكاء الاصطناعي يحدث عبر مشهد برامج المؤسسات، وتكتسب المؤسسات التي تتحرك أولاً ميزة تراكمية. كل يوم يقضيه الموظفون في البحث يدويًا عن المعلومات — التنقل إلى النظام الصحيح، وبناء الاستعلام الصحيح، والمسح الضوئي للنتائج، والنقر على المستندات، واستخراج الإجابة — هو يوم يمكن قضاء هذا الوقت فيه في العمل نفسه. كل استفسار عميل يرتد عبر بحث الكلمات الرئيسية في مركز المساعدة وينتهي في تذكرة دعم هو حل كان يمكن أن يكون فوريًا. كل جلسة اكتشاف منتج تتوقف لأن شريط البحث لم يفهم السؤال هي تحويل محتمل تبخر. لا يجعل البحث المؤسسي المدعوم بالذكاء الاصطناعي البحث أفضل فحسب — بل يجعل كل سير عمل يعتمد على العثور على المعلومات أسرع، لأن المعلومات تجد الشخص بدلاً من العكس.