أُعيد مؤخرًا تشكيل مشهد الذكاء الاصطناعي مرة أخرى عندما أطلقت OpenAI خدمة البحث التفصيلي.
وسرعان ما أعقبت ذلك إصدارات مماثلة من Perplexity وxAI وManus وغيرها. البحث التفصيلي في جوهره وكيل بحث يمكنه تلقّي استعلام المستخدم وإجراء بحث معقّد متعدد الخطوات على الإنترنت لمدة تصل إلى 30 دقيقة، مستخدمًا أحيانًا أكثر من 100 مصدر. ويُنتج خلال دقائق تقريرًا بحثيًا شاملًا، في حين يستغرق إنجاز هذا العمل عادةً عدة ساعات من باحث بشري.
نرى أنه أحد أهم إصدارات الذكاء الاصطناعي منذ GPT-3.
برز سؤال واحد في المحادثات اللاحقة مع عملائنا: «متى سنتمكن من تطبيق هذا النوع من البحث التفصيلي على بياناتنا؟»
أمضى كثير من هؤلاء العملاء سنوات، بل عقودًا، في بناء بعض أكبر مخازن المعرفة المملوكة في العالم بعناية فائقة. هذه البيانات لا تُقدّر بثمن، وهي تعزّز ميزتهم التنافسية في قطاعاتهم.
وإدراكًا منا لهذه الحاجة، شرعنا في تطوير نهج يمكّن كل شركة من بناء قدرات للبحث التفصيلي مصممة بما يناسب سوقها وبياناتها وسياقها الخاص.
ونطلق على هذا الحل اسم «البحث التفصيلي للمؤسسات».
في البحث التفصيلي للمؤسسات، ندمج كثيرًا من الدروس التي تناولناها في دراستنا المتعمقة لنهج RAG.
يُعد تحسين استعلام المستخدم بصورة تكرارية أكثر أهمية في مهام البحث التفصيلي منه في نهج RAG التقليدي
تظل إدارة السياق العنصر الأهم. من الضروري أن يفهم وكيل البحث جيدًا ما استكشفه حتى الآن ومسارات البحث التي حققت أفضل النتائج. تتيح الإدارة الذكية لهذه الحالة تحقيق أقصى استفادة من قدرات الاستدلال في النموذج
وكيل البحث هو المحرك الذي يدعم البحث التفصيلي للمؤسسات.
يستطيع وكيل البحث الاطّلاع على سؤال المستخدم والاستعلامات التي نُفذت سابقًا والمعلومات المفيدة التي استرجعتها. ثم يستخدم الاستدلال لتحويل تدفق البيانات المنتقاة إلى إجراءات.
يُمنح وكيل البحث إمكانية الوصول إلى أدوات عديدة تساعده على تحقيق هدفه. قد تشمل هذه الأدوات البحث على الويب وأدوات Operator للويب الشائعة في أدوات البحث التفصيلي الموجهة للمستهلكين، إلى جانب أدوات للتفاعل مع مصادر بياناتك المملوكة ونقاط النهاية الخاصة بك.
يشبه ذلك صندوق أدوات حقيقيًا؛ فما على وكيل البحث سوى اختيار الأداة المناسبة للمهمة. أحيانًا يكون البحث على الويب الأداة الأكثر فائدة؛ فقد ترغب في الاطّلاع سريعًا على ورقة بحثية نُشرت اليوم ولم تُضف بعد إلى قاعدة معارف شركتك.
لكن إذا كنت تعمل في قطاعات مثل الأدوية أو التمويل أو القانون، فسيعتمد سير عملك بدرجة كبيرة على قواعد معارفك الداخلية. بالنسبة إلى هذه المصادر، يمكننا ضبط وكيل البحث بعناية باستخدام التعلم بالتعزيز الشامل، ليتنقل بأعلى كفاءة في معارفك المملوكة. وهنا يتألق حلنا للبحث التفصيلي للمؤسسات حقًا.
هنا يحدث التحول الحقيقي.
رغم ما يتيحه الإنترنت من معلومات هائلة، فإن دمج خبراتك المملوكة مباشرةً في أنظمة الذكاء الاصطناعي يطلق كامل إمكاناتها. نؤمن بأن الحلول الأكثر فعالية تنشأ من دمج معارفك الفريدة ومواطن قوتك التنافسية في كل خطوة من العملية.
نتعاون مع المؤسسات لتطوير حلول دمج مصممة خصيصًا، تجمع البيانات من مصادر متنوعة في منظومة موحّدة، سواء أكانت قواعد بيانات منظّمة مثل Neo4j وPostgreSQL وSnowflake، أم خدمات تخزين سحابي وأنظمة ملفات مثل S3 وSharePoint. يساعد هذا الدمج على إثراء كل جانب من جوانب النظام ببياناتك المملوكة وعملياتك الداخلية. ويتيح ذلك لوكيل البحث اتباع الخطوات نفسها التي يتبعها محللوك الداخليون.
غالبًا ما تثير جهود تسخير البيانات بفعالية أسئلةً جوهرية بشأن حقوق الوصول والصلاحيات. من الطبيعي أن يقلق مالكو البيانات من احتمال كشف معلومات حساسة دون قصد ضمن الردود. نؤمن بضرورة تضمين الخصوصية وأمن البيانات في حلولنا منذ البداية. عند فهرسة بياناتك الداخلية، من الضروري تسجيل ملكية البيانات وإنفاذ الصلاحيات، بما يضمن اقتصار الوصول إلى معلومات محددة على المستخدمين المصرّح لهم. كذلك، تُعد الآليات الموثوقة لحذف البيانات من الفهرس، بما يتوافق مع اللائحة العامة لحماية البيانات (GDPR) وغيرها من اللوائح، ضروريةً للحفاظ على الخصوصية والامتثال التنظيمي. هذا المستوى من التحكم والأمان يميّز نهجنا عن أدوات البحث التفصيلي العامة التي تغطي الإنترنت بأكمله.
يظل البحث على الويب ركيزة أساسية في تدفقات عمل أبحاث المؤسسات. لطالما كان استخراج بيانات الويب التقليدي وسيلة موثوقة لجمع البيانات المنظّمة من المصادر المتاحة على الإنترنت. تتميز هذه الأساليب التقليدية بفعاليتها في جمع كميات كبيرة من المعلومات العامة.
ظهرت مؤخرًا وكلاء Operator للويب للتعامل مع مهام استرجاع البيانات الصعبة على الإنترنت. وتشمل Operator من OpenAI وClaude من Anthropic وProxy من Convergence. وقد صُممت للتنقل في بيئات الويب المعقّدة، ومعالجة الاستعلامات الدقيقة، واسترجاع بيانات قد تعجز تقنيات الاستخراج المعتادة عن الوصول إليها.
لا تكون النماذج اللغوية الكبيرة دائمًا أفضل أداة لتحليل البيانات المسترجعة. لذلك يمكننا منح وكيل البحث إمكانية الوصول إلى أدوات أكثر تخصصًا، مثل بيئة برمجية أو حتى أدواتك المملوكة، لإجراء هذه التحليلات. يضمن هذا النهج متعدد الطبقات، الممتد من الاستخراج التقليدي إلى وكلاء Operator المتقدمة والأدوات المتخصصة، أن تكون أبحاث مؤسستك شاملة وقابلة للتكيف مهما بلغ مشهد البيانات من التعقيد.
لكل مؤسسة ثقافتها وخصوصيات قطاعها وممارساتها الراسخة، وهي عوامل تؤثر في أفضل طريقة لاستيعاب الرؤى وتطبيقها. غالبًا ما تقدم الأدوات الجاهزة إجابات موحدة للجميع قد لا تتوافق مع السياق الفريد لأعمالك.
يمنحك إنشاء حل مخصص للبحث التفصيلي مرونةً في تنسيق نتائج البحث لتظهر في المكان والشكل المطلوبين تمامًا، سواء عبر دمجها في أدوات التحليل الحالية أو إنشاء سير عمل مخصص لهذا الغرض.
ومن خلال مواءمة مخرجات البحث مع لغة أعمالك وعملياتها، تضمن ألا تكون الرؤى دقيقة فحسب، بل أن تندمج بسلاسة أيضًا في أطر اتخاذ القرار الحالية لديك.
نتصور مستقبلًا تستفيد فيه كل شركة من حل مخصص للبحث التفصيلي يدعم أهم تدفقات عملها.
تشير الإطلاقات الحديثة، مثل واجهة Responses API من OpenAI التي توفر إمكانات متكاملة للبحث على الويب، إلى جانب حزمة Agent SDK التي كُشف عنها حديثًا لبناء أنظمة الذكاء الاصطناعي الوكيلي، إلى التزام رواد القطاع بتطوير أدوات الذكاء الاصطناعي في هذا المجال. رغم تميز الأدوات العامة مثل «البحث التفصيلي» من OpenAI في معالجة الاستعلامات العامة، فإن المؤسسات الساعية إلى ميزة تنافسية ستستفيد من نهج مخصص يوظف بالكامل معارفها المملوكة ومواطن قوتها الفريدة.
هل ترغب في استكشاف كيفية تطبيق هذه الرؤية في مؤسستك؟ تواصل معنا عبر القناة التي تفضلها.