كيف يدعم التحديث مبادرات الذكاء الاصطناعي

المقدمة

قد تفشل مبادرة للذكاء الاصطناعي قبل أن يصبح نموذج الذكاء الاصطناعي نفسه هو المشكلة.

فالتطبيقات القديمة، والبيانات المجزأة، والبنية التحتية الجامدة، وضعف قابلية المراقبة والرصد، وعمليات النشر اليدوية، يمكن أن تجعل من الصعب نقل مشروع للذكاء الاصطناعي من مجرد تجربة إلى قدرة موثوقة تعمل في بيئة الإنتاج. وبالنسبة للمؤسسات في المملكة العربية السعودية ودول مجلس التعاون الخليجي، أصبح هذا الأمر عاملًا مهمًا بشكل متزايد مع استثمار المؤسسات في الأتمتة، والتحليلات، والذكاء الاصطناعي التوليدي، والتطبيقات الذكية.

وهنا يصبح تحديث السحابة (Cloud Modernization) أكثر من مجرد تمرين يتعلق بالبنية التحتية. إذ يمكنه إنشاء البنية المعمارية، والممارسات التشغيلية، وأطر الحوكمة اللازمة لدعم أحمال عمل الذكاء الاصطناعي على نطاق واسع.

تتعامل SUDO Consultants مع التحديث من هذا المنظور الأوسع. فبدلًا من التعامل مع التحديث باعتباره مجرد نقل لأحمال العمل إلى AWS، ينصب التركيز على فهم التبعيات، وتحسين الكفاءة التشغيلية، وتعزيز الحوكمة، وإنشاء بيئة يمكن فيها تقديم إمكانات جديدة مثل الذكاء الاصطناعي دون الحاجة باستمرار إلى الالتفاف حول قيود الأنظمة القديمة.

وبالنسبة للمؤسسات التي تقيّم إمكانات الذكاء الاصطناعي، يمكن أن يكون التحديث بالتالي هو الأساس الذي يحدد مدى سرعة تحول الفكرة إلى قدرة أعمال موثوقة.

لماذا تكشف مبادرات الذكاء الاصطناعي غالبًا عن قيود الأنظمة القديمة؟

تفرض تطبيقات الذكاء الاصطناعي متطلبات مختلفة على بيئات التقنية.

فقد تحتاج إلى الوصول إلى مجموعات بيانات كبيرة، وقدرات حوسبة قابلة للتوسع، وخطوط أنابيب بيانات سريعة، وواجهات APIs، ومراقبة في الوقت الفعلي، وبيئات تطوير مرنة. وقد تواجه البنية المعمارية القديمة المبنية حول تطبيقات مترابطة بشكل وثيق وبنية تحتية تتم إدارتها يدويًا صعوبة في توفير هذه الإمكانات بكفاءة.

ولا يعني ذلك بالضرورة أن الأنظمة القديمة غير قادرة على دعم الذكاء الاصطناعي. فالمشكلة الأكبر تتمثل في أن دمج خدمات الذكاء الاصطناعي الحديثة داخل بيئة غير مرنة يمكن أن يؤدي إلى زيادة التعقيد، والمخاطر التشغيلية، والتكاليف غير الضرورية.

فعلى سبيل المثال، قد تمتلك مؤسسة بيانات قيّمة عن العملاء أو العمليات موزعة عبر عدة أنظمة. ويتطلب بناء تطبيق مدعوم بالذكاء الاصطناعي فوق هذه البيئة وصولًا موثوقًا إلى البيانات، وضوابط أمان مناسبة، وواجهات متسقة، وقدرة معالجة كافية.

ومن دون التحديث، قد يتحول مشروع الذكاء الاصطناعي إلى مجموعة من الحلول الالتفافية المؤقتة.

التحديث ينشئ أساسًا أكثر مرونة للذكاء الاصطناعي

تفصل استراتيجية التحديث جيدة التخطيط بين ما يحتاج إلى التغيير وما يمكن أن يظل مستقرًا.

قد تستفيد بعض التطبيقات من إعادة تصميمها إلى خدمات أكثر نمطية. بينما قد تكون تطبيقات أخرى أكثر ملاءمة لإعادة المنصة (Replatforming)، أو استخدام الحاويات (Containerization)، أو الانتقال إلى الخدمات السحابية المُدارة. وفي بعض الحالات، قد يكون القرار المناسب هو الإبقاء على مكوّن قديم ومستقر في مكانه، مع تحديث الأنظمة المحيطة به.

الهدف ليس التحديث لمجرد التحديث.

بل يتمثل الهدف في إنشاء بيئة يمكن فيها للتطبيقات والبيانات والبنية التحتية والعمليات أن تتطور دون الحاجة إلى إعادة تصميم كبيرة في كل مرة تقدم فيها المؤسسة قدرة جديدة.

وتصبح هذه المرونة ذات قيمة خاصة للذكاء الاصطناعي، لأن تقنيات وأحمال عمل الذكاء الاصطناعي تتغير بسرعة.

1. البنية التحتية الحديثة تجعل توسيع أحمال عمل الذكاء الاصطناعي أسهل

قد تكون أحمال عمل الذكاء الاصطناعي غير متوقعة.

فقد يشهد تطبيق لخدمة العملاء مدعوم بالذكاء الاصطناعي طلبًا كبيرًا بعد إطلاق منتج جديد. وقد تحتاج منصة للتنبؤ إلى قدرات معالجة كبيرة خلال دورات أعمال محددة. كما يمكن لتطبيقات الذكاء الاصطناعي التوليدي إنشاء أحمال استدلال متغيرة وفقًا لمستوى استخدام المستخدمين.

توفر البنية المعمارية السحابية الحديثة مرونة أكبر للتعامل مع هذه المتطلبات المتغيرة.

يمكن لخدمات AWS توفير إمكانات قابلة للتوسع للحوسبة والتخزين وقواعد البيانات والحاويات والخدمات Serverless، بما يسمح للمؤسسات بتعديل الموارد وفقًا لمتطلبات حمل العمل. كما يمكن أن توفر إدارة الحاويات من خلال خدمات مثل Amazon EKS منصة متسقة للتطبيقات التي تحتاج إلى قدر أكبر من قابلية النقل والتحكم التشغيلي.

وبالنسبة لفرق المؤسسات، لا تقتصر الفائدة على قابلية التوسع التقنية. بل تعني أن البنية التحتية يمكنها مواكبة طلبات الأعمال بشكل أفضل بدلًا من إجبار الأعمال على التخطيط وفقًا لسعة ثابتة.

2. البنية المعمارية الأفضل للبيانات تحسّن جاهزية الذكاء الاصطناعي

لا تكون قيمة الذكاء الاصطناعي أكبر من قيمة البيانات المحيطة به.

غالبًا ما يكشف التحديث عن مشكلات في البيانات كانت مخفية سابقًا خلف حدود التطبيقات. فقد تكون البيانات مكررة، أو ضعيفة التوثيق، أو مخزنة بتنسيقات غير متوافقة، أو يصعب الوصول إليها بشكل آمن.

ويمكن للبنى المعمارية الحديثة للتطبيقات أن تجعل تدفقات البيانات أسهل في الإدارة.

يمكن للمؤسسات تقديم واجهات APIs، وأنماط تعتمد على الأحداث (Event-Driven)، وحوكمة مركزية، وقواعد بيانات حديثة، ومنصات تحليلات قائمة على السحابة عند ملاءمة ذلك. ويمكن لهذه التغييرات تحسين موثوقية البيانات وإمكانية الوصول إليها من جانب تطبيقات الذكاء الاصطناعي.

ويكتسب هذا الأمر أهمية خاصة للمؤسسات التي تعمل عبر وحدات أعمال أو دول متعددة، حيث يمكن أن تصبح ملكية البيانات، وموقع تخزينها، وإمكانية الوصول إليها، وحوكمتها أمورًا معقدة.

3. يحوّل DevOps تطوير الذكاء الاصطناعي إلى عملية تشغيلية

من السهل نسبيًا عرض نموذج أولي للذكاء الاصطناعي كإثبات للمفهوم.

لكن تشغيل قدرة للذكاء الاصطناعي بشكل موثوق في بيئة الإنتاج أمر مختلف.

تحتاج النماذج وتطبيقات الذكاء الاصطناعي إلى عمليات للنشر، والاختبار، والمراقبة، والتحكم في الإصدارات، وفحوصات الأمان، والصيانة المستمرة. وهذا يجعل DevOps جزءًا مهمًا من عملية التحديث.

يمكن لخطوط CI/CD الحديثة أتمتة اختبار التطبيقات ونشرها، بينما يمكن للبنية التحتية كرمز (Infrastructure as Code) أن تجعل البيئات أكثر اتساقًا. ويمكن للمراقبة بعد ذلك توفير رؤية حول حالة التطبيق، واستهلاك الموارد، والأخطاء، وزمن الاستجابة، وغيرها من المؤشرات التشغيلية.

وبالنسبة لمبادرات الذكاء الاصطناعي، يوفر ذلك مسارًا متكررًا وقابلًا للتنفيذ من التطوير إلى الإنتاج بدلًا من الاعتماد على العمليات اليدوية.

كما يتيح للفرق إجراء تحسينات مدروسة دون إدخال مخاطر تشغيلية غير ضرورية.

4. يجب دمج الأمان والحوكمة في التصميم منذ البداية

يمكن أن تؤدي إضافة الذكاء الاصطناعي إلى بيئة قائمة إلى طرح أسئلة جديدة تتعلق بالأمان والحوكمة.

من يمكنه الوصول إلى البيانات التي يستخدمها تطبيق الذكاء الاصطناعي؟ أين تتم معالجة هذه البيانات؟ كيف تتم إدارة هويات التطبيقات؟ ما المعلومات التي يمكن للمستخدمين إرسالها؟ كيف تتم حماية المعلومات الحساسة؟ وما أحمال العمل التي تتطلب ضوابط إضافية؟

يوفر التحديث فرصة لمعالجة هذه الأسئلة كجزء من البنية المعمارية، بدلًا من محاولة إضافة الضوابط لاحقًا.

ويمكن لممارسات أمن السحابة، مثل إدارة الهوية والوصول، والتشفير، وتقسيم الشبكات، والتسجيل، والمراقبة المركزية، أن تشكل جزءًا من البيئة التي تم تحديثها.

وبالنسبة للمؤسسات السعودية ومؤسسات دول مجلس التعاون الخليجي، يمكن أن تشمل اعتبارات الحوكمة أيضًا المتطلبات التنظيمية، وتوقعات توطين البيانات، والسياسات الداخلية، والضوابط الخاصة بكل قطاع.

ولهذا السبب، ينبغي أن يشارك في عملية التحديث أصحاب المصلحة من قطاعات الأعمال والأمان والعمليات، وليس فرق البنية التحتية وحدها.

5. يمكن للتحديث تحسين اقتصاديات الذكاء الاصطناعي

قد يصبح الذكاء الاصطناعي مكلفًا عندما تكون البنية التحتية وأحمال العمل مصممة بشكل غير مناسب.

فقد تفرط المؤسسات في توفير موارد الحوسبة، أو تحتفظ بسعة تخزين غير ضرورية، أو تشغّل خطوط أنابيب بيانات غير فعالة، أو تفتقر إلى الرؤية اللازمة لمعرفة التطبيقات التي تستهلك الموارد.

يوفر التحديث فرصًا لمعالجة هذه المشكلات.

ويمكن أن يساعد تحديد حجم البنية التحتية المناسب (Rightsizing)، واستخدام الخدمات المُدارة عند ملاءمتها، وأتمتة إدارة الموارد، وتحسين قابلية المراقبة والرصد (Observability)، وتطبيق ممارسات توزيع التكاليف، الفرق على فهم الإنفاق السحابي والتحكم فيه.

ولا يعني تحسين التكاليف اختيار البنية المعمارية الأقل تكلفة.

وبالنسبة لمبادرات الذكاء الاصطناعي، يتمثل السؤال الأفضل في معرفة ما إذا كانت البنية المعمارية توفر الأداء والموثوقية المطلوبين ضمن مستوى اقتصادي منطقي.

وتصبح هذه التفرقة أكثر أهمية مع انتقال الذكاء الاصطناعي من التجارب الصغيرة إلى أحمال العمل الإنتاجية.

6. تجعل قابلية المراقبة والرصد عمليات الذكاء الاصطناعي أكثر قابلية للتنبؤ

غالبًا لا تكون مراقبة التطبيقات التقليدية كافية للأنظمة الحديثة المدعومة بالذكاء الاصطناعي.

فقد تحتاج الفرق إلى رؤية شاملة عبر واجهات APIs، وخدمات التطبيقات، والبنية التحتية، وخطوط أنابيب البيانات، وتفاعلات النماذج، وزمن الاستجابة، والأخطاء، واستهلاك الموارد.

ويمكن لممارسات المراقبة والعمليات الحديثة ربط هذه الإشارات معًا.

وعند حدوث مشكلة، يمكن للفرق تحديد ما إذا كان مصدرها التطبيق، أو البنية التحتية، أو خط أنابيب البيانات، أو الشبكة، أو خدمة ذكاء اصطناعي خارجية. ويساعد ذلك على تقليل الوقت المستغرق في تشخيص المشكلات، ويدعم مرونة تشغيلية أقوى.

وبالنسبة للمؤسسات التي تشغّل تطبيقات ذكاء اصطناعي موجهة للعملاء، يمكن أن تؤثر هذه الرؤية بشكل مباشر في تجربة المستخدم واستمرارية الأعمال.

سيناريو واقعي: التحديث قبل توسيع نطاق الذكاء الاصطناعي

لنفترض أن شركة تجزئة إقليمية تستعد لإطلاق منصة للتنبؤ بالطلب مدعومة بالذكاء الاصطناعي.

تبدو الخطة الأولية بسيطة: ربط بيانات المبيعات التاريخية بخدمة للذكاء الاصطناعي وإنشاء توقعات لكل متجر.

لكن خلال تقييم أجرته SUDO Consultants، تكتشف المؤسسة أن معلومات المبيعات موزعة عبر عدة تطبيقات قديمة. وتستخدم بعض الأنظمة عمليات تصدير مجدولة على دفعات (Batch Exports)، بينما توفر أنظمة أخرى واجهات APIs محدودة. كما أن سعة البنية التحتية محددة بشكل صارم، بينما يمتلك فريق العمليات إمكانات محدودة للمراقبة المركزية.

قد يؤدي الانتقال مباشرة إلى مشروع الذكاء الاصطناعي إلى إنشاء عدة تبعيات يمكن أن تتحول إلى نقاط اختناق في بيئة الإنتاج.

وبدلًا من ذلك، تتبنى المؤسسة استراتيجية ترحيل (Migration Strategy) على مراحل. وتظل الأنظمة المستقرة قيد التشغيل، بينما تتم إعادة منصة (Replatforming) لأحمال عمل محددة، ويتم تقديم واجهات APIs عندما توفر قيمة واضحة، وتحسين تدفقات البيانات، وتوحيد عمليات المراقبة.

بعد ذلك، يمكن لمبادرة الذكاء الاصطناعي استهلاك بيانات أكثر موثوقية دون الحاجة إلى استبدال البيئة بأكملها.

والدرس هنا مهم: لا يعني التحديث دائمًا إعادة بناء كل شيء. بل يعني إزالة القيود التي تمنع الأعمال من تحقيق هدفها التالي.

كيفية التعامل مع التحديث لدعم الذكاء الاصطناعي

ينبغي للمؤسسات التي تفكر في التحديث من أجل الذكاء الاصطناعي أن تبدأ بالنتيجة المرجوة للأعمال، وليس بقائمة من التقنيات.

1. تحديد حالة استخدام الذكاء الاصطناعي

حدّد ما الذي تريد المؤسسة أن يحققه الذكاء الاصطناعي فعليًا. فقد تتطلب التنبؤات الأسرع، ومعالجة المستندات تلقائيًا، والبحث الذكي، ومساعدة العملاء، واكتشاف الاحتيال، وتحسين العمليات، بنى معمارية مختلفة تمامًا.

2. تقييم البيئة الحالية

قم برسم خريطة للتطبيقات، والتبعيات، ومصادر البيانات، والبنية التحتية، وضوابط الأمان، ونقاط التكامل، والعمليات التشغيلية.

يمكن أن يساعد تقييم جاهزية الترحيل (Cloud Migration Readiness Assessment) في تحديد العوائق التقنية والتنظيمية قبل بدء التغييرات الرئيسية.

3. تحديد أولويات أحمال العمل

لا تحتاج كل أحمال العمل إلى التحديث بشكل فوري.

حدّد أولويات الأنظمة بناءً على قيمة الأعمال، والمخاطر التقنية، ومدى ارتباطها بالذكاء الاصطناعي، والتعقيد التشغيلي، والعائد المتوقع من التحديث.

4. تنفيذ التحديث على مراحل

يمكن للنهج المرحلي تقليل الاضطرابات.

يمكن للمؤسسات البدء بتطبيقات محددة، وإنشاء أنماط سحابية قابلة لإعادة الاستخدام، وتعزيز الحوكمة، وتوسيع البنية المعمارية تدريجيًا مع اكتساب الفرق المزيد من الخبرة.

5. بناء القدرات التشغيلية بالتوازي مع التقنية

ينبغي أن يشمل التحديث المراقبة، والأمان، والأتمتة، وإدارة الحوادث، وضوابط التكاليف، والحوكمة.

وإلا فقد تجد المؤسسة نفسها تمتلك بنية تحتية حديثة، ولكنها تعتمد على ممارسات تشغيلية قديمة.

ماذا يعني ذلك للمؤسسات السعودية ومؤسسات دول مجلس التعاون الخليجي؟

ترتبط فرص الذكاء الاصطناعي في المملكة العربية السعودية ودول مجلس التعاون الخليجي على نطاق أوسع بالتحول الرقمي.

فالمؤسسات تتجاوز الآن التجارب المنفصلة للذكاء الاصطناعي وتتجه نحو التطبيقات الذكية، والأتمتة، واتخاذ القرارات المستندة إلى البيانات، والخدمات الرقمية الجديدة. ويزيد هذا التحول من أهمية امتلاك بنية تحتية قادرة على التطور بالتوازي مع متطلبات الأعمال.

ولهذا السبب أيضًا، ينبغي للمؤسسات التي تبحث عن top AWS consulting companies in Saudi Arabia أو top cloud migration companies in Saudi Arabia أو top DevOps consulting companies ألا تركز فقط على أوصاف الخدمات الفردية.

فالسؤال الأكثر أهمية هو ما إذا كان شريك التقنية يفهم العلاقة بين البنية المعمارية، واستراتيجية الترحيل، والأمان، والحوكمة، والعمليات، والأهداف طويلة المدى للأعمال.

وبالنسبة إلى SUDO Consultants، يمثل هذا المنظور الأوسع محورًا أساسيًا في أعمال التحديث: فهم الوضع الحالي للمؤسسة، وتحديد القيود الأكثر تأثيرًا، وتصميم مسار عملي نحو بيئة سحابية أكثر مرونة وقدرة على التكيف.

الخلاصة

غالبًا ما يتم تقديم مبادرات الذكاء الاصطناعي باعتبارها تحديًا يتعلق بالنموذج أو التطبيق، لكن البنية التحتية الأساسية يمكن أن تحدد مدى نجاح هذه المبادرات في بيئة الإنتاج.

يوفر التحديث مساحة أكبر لتوسيع نطاق الذكاء الاصطناعي. ويمكنه في الوقت نفسه تحسين البنية المعمارية للتطبيقات، وإمكانية الوصول إلى البيانات، وممارسات DevOps، والأمان، والحوكمة، والمراقبة، والمرونة، ووضوح التكاليف.

وبالنسبة للمؤسسات السعودية ومؤسسات دول مجلس التعاون الخليجي، نادرًا ما يكون النهج الأكثر عملية هو تحديث كل شيء دفعة واحدة. بل تعتمد الاستراتيجية العملية على تحديد أحمال العمل التي تفرض أكبر القيود، ووضع بنية معمارية سحابية وحوكمة مناسبة، وتنفيذ التحديث على مراحل.

تجمع SUDO Consultants بين الخبرة السحابية، واستراتيجية الترحيل، والرؤية التشغيلية، وفهم اعتبارات الحوكمة والأمان ضمن هذه العملية. والهدف ليس مجرد إنشاء بيئة بنية تحتية أحدث، بل إنشاء بيئة تمنح المؤسسة قدرًا أكبر من الحرية في تبني التقنيات الجديدة مع تطور متطلباتها.

ومع استمرار انتقال الذكاء الاصطناعي من مرحلة التجريب إلى العمليات اليومية للأعمال، سيصبح التحديث بشكل متزايد الجسر بين طموح الذكاء الاصطناعي والتنفيذ الموثوق.

نبذة عن الكاتب

SUDO Consultants هي شركة استشارات سحابية تركز على AWS، وتدعم المؤسسات في مجالات تحديث السحابة، وترحيل السحابة، والأمان، وDevOps، والخدمات السحابية المُدارة، وتحسين البنية التحتية. للاستفسارات المتعلقة بالتحديث وجاهزية الذكاء الاصطناعي، يمكن التواصل مع الفريق عبر [email protected]

الأسئلة الشائعة

ما دور التحديث في مبادرات الذكاء الاصطناعي؟

ينشئ التحديث أساسًا تقنيًا قابلًا للتوسع، وآمنًا، وقابلًا للمراقبة والرصد، ومرنًا، وهو ما تحتاج إليه المؤسسات لنشر تطبيقات الذكاء الاصطناعي وتشغيلها بشكل موثوق. كما يمكنه تحسين إمكانية الوصول إلى البيانات وتقليل القيود المرتبطة بالأنظمة القديمة.

هل تحتاج المؤسسة إلى تحديث كل شيء قبل اعتماد الذكاء الاصطناعي؟

لا. يمكن للمؤسسات تنفيذ التحديث بشكل انتقائي. وينبغي أن تتركز الأولوية على أحمال العمل، وأنظمة البيانات، ومكونات البنية التحتية التي تؤثر بشكل مباشر في حالة استخدام الذكاء الاصطناعي أو تفرض قيودًا تشغيلية كبيرة.

كيف تدعم AWS تحديث بيئات الذكاء الاصطناعي؟

توفر AWS بنية تحتية قابلة للتوسع، وخدمات مُدارة، وقواعد بيانات، وإمكانات للتحليلات، وحاويات، وضوابط أمان، وخدمات للذكاء الاصطناعي، يمكن دمجها ضمن بنى معمارية تلائم المتطلبات المختلفة للمؤسسات.