كيف حلّت شركة تصنيع واحدة في آسيان مشكلة بنيتها التحتية للبيانات قبل نشر الذكاء الاصطناعي

تعلّمت شركة تصنيع في آسيان تنشر الذكاء الاصطناعي على نطاق واسع هذا الدرس مبكرًا: مشكلات البنية التحتية للبيانات لا تختفي عند وصول الذكاء الاصطناعي. بل تصبح سبب فشله. هذه قصة كيف حلّت شركة تصنيع إقليمية في مجال التقنية الصحية تعمل في أكثر من 100 سوق مشكلة بنيتها التحتية للبيانات قبل الالتزام بنشر الذكاء الاصطناعي، وما الذي مكّنه ذلك القرار.

السياق: البنية التحتية للبيانات لدى مصنّع في آسيان قبل نشر الذكاء الاصطناعي

تُشغّل الشركة منصة تجارة في مجال التقنية الصحية عبر أكثر من 100 سوق. في الوقت الذي بدأ فيه هذا العمل، كانت المنصة تعالج معاملات بحجم يمثل نحو 400 مليون دولار أمريكي من إجمالي قيمة البضائع سنويًا. كان فريق الهندسة قادرًا، لكن طبقة البيانات نمت عضويًا، دون بنية معمارية موحدة.

احتاجت الشركة إلى نشر ميزات الذكاء الاصطناعي لتحسين توقع الطلب وإدارة المخزون. قبل أن يحدث ذلك، كان يجب معالجة مشكلة أساسية.

مشكلة البنية التحتية للبيانات التي كانت تعيق نشر الذكاء الاصطناعي

كانت البيانات مجزأة عبر أنظمة خاصة بكل سوق. طوّر كل سوق ممارساته الخاصة في التعامل مع البيانات. لم تكن إشارات المخزون وسجلات المعاملات وبيانات سلوك العملاء تتدفق إلى مصدر حقيقة واحد.

كانت نافذة المزامنة بين الأنظمة الإقليمية 15 دقيقة. بالنسبة للاستدلال بالذكاء الاصطناعي في الوقت الفعلي، وهو النوع اللازم لقرارات المخزون الحية، جعل تأخير 15 دقيقة البيانات عديمة الفائدة تشغيليًا. كان نموذج الذكاء الاصطناعي سيتصرف بناءً على معلومات قديمة بالفعل.

كان هناك قيد إضافي. تطلبت العمليات عبر أسواق الاتحاد الأوروبي والمملكة المتحدة والولايات المتحدة الامتثال التنظيمي لمعايير التعامل مع البيانات في كل ولاية قضائية. كان يجب على أي إعادة تصميم للبنية التحتية للبيانات استيعاب تلك المتطلبات منذ البداية، لا كفكرة لاحقة.

ما الذي جرى تنفيذه

الخطوة 1: تدقيق البيانات عبر جميع الأسواق

أجرى فريق الهندسة، معززًا بمهندسي Gradion، تدقيقًا كاملاً لمصادر البيانات عبر أكثر من 100 سوق. رسم التدقيق خريطة لأصل البيانات وتنسيقها وزمن استجابتها وملكيتها وأنماط استخدامها الحالية. استغرق هذا ستة أسابيع وأنتج رسمًا بيانيًا للتبعيات لم يكن موجودًا من قبل.

الخطوة 2: تصميم مخطط بيانات موحد

صُمم مخطط بيانات معياري لاستيعاب التباين على مستوى السوق دون التضحية بإمكانية المقارنة عبر الأسواق. جرى تمثيل الحقول التي تختلف حسب السوق كسمات منظمة بدلاً من حقول حرة الشكل، ما يتيح استعلامًا متسقًا عبر مجموعة البيانات بأكملها.

الخطوة 3: إعادة هندسة خط الأنابيب

عُولجت نافذة المزامنة البالغة 15 دقيقة عبر استبدال المزامنة الدفعية بخطوط أنابيب بيانات مدفوعة بالأحداث. نُشرت التغييرات على سجلات المخزون والمعاملات كأحداث واستُهلكت في وقت قريب من الوقت الفعلي. كان زمن استجابة المزامنة المستهدف بعد إعادة الهندسة أقل من 30 ثانية.

تطلّب هذا التغيير تعاونًا من فرق الهندسة على مستوى السوق وتسلسلاً دقيقًا لتجنب تعطيل العمليات الحية أثناء الترحيل.

الخطوة 4: بنية الامتثال

عُولجت متطلبات إقامة البيانات لأسواق الاتحاد الأوروبي والمملكة المتحدة والولايات المتحدة عبر حدود تخزين إقليمية. ظلت البيانات الناشئة في كل ولاية قضائية داخلها. استخدمت التحليلات عبر الأسواق تمثيلات مجهولة الهوية أو مجمّعة لا تنقل بيانات شخصية منظَّمة عبر الحدود.

جرى التحقق من صحة هذه البنية المعمارية وفقًا للائحة العامة لحماية البيانات (الاتحاد الأوروبي)، ولائحة حماية البيانات البريطانية، ومتطلبات بيانات الولايات الأمريكية المعمول بها، قبل بدء تطوير الذكاء الاصطناعي.

النتيجة

استغرقت إعادة بناء البنية التحتية نحو خمسة أشهر. في نهاية تلك الفترة، امتلكت الشركة:

• رؤية موحدة وقابلة للاستعلام لبيانات المخزون والمعاملات عبر جميع الأسواق
• حداثة بيانات أقل من 30 ثانية للإشارات التشغيلية الأساسية
• بنية بيانات معمارية تم التحقق من امتثالها عبر ولايات الاتحاد الأوروبي والمملكة المتحدة والولايات المتحدة القضائية
• عقد بيانات موثق بين الأنظمة الأولية ونماذج الذكاء الاصطناعي المخطط لها

مضى تطوير ميزات الذكاء الاصطناعي بعد ذلك على أساس قادر على دعم الاستدلال في الوقت الفعلي. عمل نموذج توقع الطلب، بمجرد نشره، على بيانات كانت حديثة وموثوقة في آن واحد.

دروس للمصنّعين في آسيان الذين يفكرون في الذكاء الاصطناعي

تنطبق ثلاثة دروس من هذا التعاقد على نطاق واسع على تحديات القدرة الهندسية في آسيان في قطاعي التصنيع والتقنية الصحية:

• يضخّم الذكاء الاصطناعي جودة بياناتك، في كلا الاتجاهين: الأساس الجيد للبيانات يجعل الذكاء الاصطناعي ذا قيمة. الأساس الضعيف يجعل مخرجات الذكاء الاصطناعي غير موثوقة ومضللة على الأرجح.
• المتطلبات التنظيمية هي متطلبات بنية تحتية: لا يمكن إضافة الامتثال لاحقًا بعد بناء بنية البيانات. يجب أن يُدمج منذ مرحلة التصميم.
• التدقيق ليس عبئًا إضافيًا، بل هو العمل نفسه: كان تدقيق البيانات لمدة ستة أسابيع المرحلة الأكثر قيمة في هذا التعاقد. كشف عن تبعيات ومخاطر كانت ستتسبب في فشل ذريع أثناء نشر الذكاء الاصطناعي لولا ذلك.

تميل مشاريع تطوير برمجيات التصنيع في آسيا والمحيط الهادئ التي تتخطى مرحلة البنية التحتية إلى العودة إليها بعد فشل مكلف في نشر الذكاء الاصطناعي. حلّها أولاً هو الطريق الأسرع باستمرار.

الأسئلة الشائعة: البنية التحتية للبيانات لمصنّع في آسيان ونشر الذكاء الاصطناعي

كيف قررت الشركة أن البنية التحتية للبيانات يجب أن تأتي قبل الذكاء الاصطناعي؟

خلال تمرين تحديد نطاق تقني أولي، حاول فريق الهندسة تحديد البيانات التي سيستهلكها نموذج الذكاء الاصطناعي. كشف ذلك التمرين عن زمن استجابة المزامنة البالغ 15 دقيقة والتجزؤ عبر أنظمة الأسواق. جعلت متطلبات الذكاء الاصطناعي مشكلة البنية التحتية مرئية بشكل ملموس.

ما هي التكلفة النموذجية لإعادة بناء بنية تحتية للبيانات بهذا الحجم؟

تتفاوت التكاليف بشكل كبير بناءً على عدد مصادر البيانات، ودرجة التجزؤ، ومتطلبات الامتثال المعنية. تتضمن التعاقدات بهذا النطاق والتعقيد عادةً فريق هندسة مستمرًا لمدة ثلاثة إلى ستة أشهر. يمكن لـ Gradion تقديم تقدير محدد النطاق بعد تدقيق بيانات أولي.

هل كان بإمكان الشركة نشر الذكاء الاصطناعي دون إصلاح البنية التحتية للبيانات أولاً؟

تقنيًا، نعم. عمليًا، كان نموذج الذكاء الاصطناعي سيعمل على بيانات قديمة وغير متسقة، منتجًا مخرجات غير موثوقة. جعلت المخاطرة التشغيلية للتصرف بناءً على توصيات ذكاء اصطناعي معيبة على نطاق 400 مليون دولار من إجمالي قيمة البضائع ذلك النهج غير مقبول لدى قيادة الشركة.

كيف ينطبق هذا على المصنّعين خارج قطاع التقنية الصحية؟

التحدي الأساسي، وهو تجزؤ البيانات، والمزامنة الدفعية، وقيود الامتثال، شائع عبر مصنّعي آسيان في اللوجستيات والسلع الاستهلاكية والمعدات الصناعية. تختلف اللوائح المحددة، لكن نمط البنية التحتية ونهج المعالجة قابلان للنقل على نطاق واسع.

ما الدور الذي لعبه فريق الهندسة في فيتنام؟

اندمج مهندسو Gradion المتمركزون في فيتنام مع فريق العميل طوال مدة إعادة بناء البنية التحتية للبيانات. ساهموا في التدقيق، وتصميم المخطط، وتطوير خط الأنابيب، والتحقق من الامتثال. منح هذا العميل قدرة هندسية إضافية دون عملية توظيف محلية مطولة، وهو عامل حاسم نظرًا لضغط الوقت في خارطة طريق نشر الذكاء الاصطناعي.