منظومة الذكاء الاصطناعي: كعكة من طبقات
الطبقات الخمس
(1) النماذج الأساسية: النماذج اللغوية الكبيرة (Large Language Models) والنماذج متعددة الوسائط (Multimodal) التي يُبنى عليها كل شيء. (2) الاستدلال (Inference) والتشغيل: كيف تُستضاف النماذج وكيف تُستدعى. (3) التنسيق: أطر عمل تربط الاستدعاءات ببعضها، وتدير الذاكرة، وتوجّه الطلبات بين النماذج. (4) الأدوات والتكاملات: كيف يصل الذكاء الاصطناعي (AI) إلى الأنظمة الأخرى (قواعد البيانات وواجهات API والملفات). (5) الوكلاء الأذكياء (Agents) والأنظمة الوكيلية: كيانات مستقلة تسعى إلى أهداف، مبنية على الطبقات التي تحتها.
لماذا يهم هذا
تشتري المؤسسات عند طبقات مختلفة. بعضها يريد واجهة API لنموذج. وبعضها يريد منصة وكلاء مُدارة. وبعضها يريد تطبيقًا وكيليًا جاهزًا. وسوء تقدير الطبقة المطلوبة هو السبب الأول لتضارب المتطلبات.
على السبّورة في 60 ثانية
ارسم خمسة صناديق فوق بعضها، وعلى كل صندوق اسم طبقته. ثم اسأل العميل: «أين تقف اليوم؟» وضع علامة على الطبقة. معظم مشتري حلول الأمن في المؤسسات يعملون في الطبقات 3 إلى 5، فهم لا يبنون نماذج أساسية، بل يدمجونها في أنظمتهم. لحظة السبّورة هذه تنقل الحديث فورًا من «أي نموذج ذكاء اصطناعي هو الأفضل» إلى «ما استراتيجيتك في التنسيق والأدوات والوكلاء؟»، وهذا هو الحديث الصحيح.
ربط السيناريوهات الحقيقية بالطبقات
سيناريو: «نريد استخدام Gemini للإجابة عن أسئلة المحللين حول بيانات نظام SIEM لدينا». هذا في الطبقتين 3 و4: تنسيق (التوليد المعزّز بالاسترجاع (RAG) مع استدعاء الأدوات) وتكاملات (واجهة API لنظام SIEM). سيناريو: «نريد وكلاء يفرزون التنبيهات ذاتيًا». هذا في الطبقة 5، مع اعتماديات تمتد حتى القاع. سيناريو: «نريد إجراء ضبط دقيق (Fine-tuning) لنموذج على بيانات التهديدات لدينا». هذا في الطبقة 1. وضوح الطبقة يساعدك على تحديد نطاق المشكلة، وتجنّب الإفراط في الهندسة، واختيار الأدوات المناسبة.
كيف ينطبق هذا عليّ؟
تشرح منظومة الذكاء الاصطناعي لماذا تبدو أدواته مختلفة جدًا عن بعضها: فكثيرًا ما تكون مبنية عند طبقات مختلفة تمامًا، بقدرات وقيود مختلفة.
- روبوت المحادثة ووكيل الأمن المستقل طبقتان مختلفتان من المنظومة نفسها
- معظم أنظمة الذكاء الاصطناعي التي تصادفها في المؤسسات تقع في الطبقات 3 إلى 5، لا في طبقة النموذج الأساسي
- معرفة الطبقة التي تنتمي إليها الأداة تفسّر حدودها ونقاط قوتها
الكعكة متعددة الطبقات هي خريطتك للتقييم. حين تضع كل أداة ذكاء اصطناعي عليها وتسأل «أين تقع هذه فعلًا؟»، ينتقل التقييم من مقارنة النماذج إلى المعمارية والضوابط والمخاطر.
- تحقّق: أين تعمل مؤسستك اليوم؟ الطبقات 3 إلى 5 هي الإجابة الأكثر شيوعًا في أمن المؤسسات
- معظم أسئلة «أي ذكاء اصطناعي هو الأفضل» موجّهة توجيهًا خاطئًا. أعد صياغتها إلى: «أي طبقة هي الاستثمار الصحيح لمشكلتنا، وما الضوابط التي تحتاجها؟»
- سوء تقدير الطبقة (شراء قدرة من الطبقة 1 لمشكلة من الطبقة 5) هو السبب الأول لفشل مشاريع الذكاء الاصطناعي، ولوضع الضوابط في الطبقة الخطأ
الالتزام بالطبقة الخطأ هو أغلى خطأ معماري في مشاريع الذكاء الاصطناعي. حدّد الطبقة الصحيحة قبل أن تكتب سطرًا واحدًا من الكود.
- لا تبنِ الطبقة 5 (الوكلاء) قبل أن تستقر الطبقات 2 إلى 4، فالأساسات غير المستقرة تجعل الوكلاء غير متوقَّعين
- أطر التنسيق (LangGraph وDSPy) تقع في الطبقة 3، فقيّمها بمعزل عن اختيار النموذج
- حدّد الطبقة التي تملكها والطبقة التي تستهلكها كخدمة قبل تصميم المعمارية
تفشل مشاريع الذكاء الاصطناعي لدى العملاء في أغلب الأحيان لأن نطاقها يُحدَّد عند الطبقة الخطأ. استخدم المنظومة لإجراء تقييم سريع للطبقة في أول جلسة استكشاف.
- نفّذ تمرين السبّورة: سؤال «أين تقف اليوم؟» يجيب عن مسألة تحديد النطاق كلها
- العملاء الذين يطلبون عملًا على النموذج الأساسي يحتاجون عادةً إلى عمل في التنسيق. شخّص الطبقة الفعلية
- وضوح الطبقة يمنع توسّع النطاق والإفراط في الهندسة قبل أن يبدأ المشروع