شركة ناشئة لتحليلات الذكاء الاصطناعي: تسليم نموذج أولي عامل لتحليل البيانات بالذكاء الاصطناعي خلال 8 أسابيع. تحقيق دقة استعلامات SQL تتجاوز 80%.

التحدي

قبل الالتزام بالتطوير الكامل للمنتج، كانت الشركة بحاجة إلى الإجابة على سؤال جوهري: هل النهج التقني قابل للتطبيق؟ وقفت تحديان محددان بين المفهوم والمنتج القابل للتنفيذ. الأول كان دمج نماذج البيانات. تحتوي أنظمة تخطيط موارد المؤسسات (ERP)، وهي مصدر البيانات الذي سيحتاج الوكيل إلى استعلامه، على كميات كبيرة من البيانات المنظمة في مخططات شديدة التنوع اعتمادًا على المورد والتطبيق. تطلب بناء وكيل ذكاء اصطناعي يمكنه العمل بشكل موثوق عبر هذه المخططات تصميم مخطط نموذج يكون منظمًا بما يكفي للذكاء الاصطناعي لمعالجته ومرنًا بما يكفي لاستيعاب التباين الفعلي لأنظمة ERP. كان يجب أن تكون أوصاف الجداول دقيقة بما يكفي لتوجيه الوكيل مع بقائها قابلة للتعديل مع تطور المنتج. التحدي الثاني كان الدقة. نماذج اللغة الكبيرة (LLMs) التي تعمل كمترجمات من اللغة الطبيعية إلى SQL تُدخل خطر الهلوسة بشكل افتراضي، حيث يمكنها توليد استعلامات SQL صحيحة نحويًا ولكنها تُرجع نتائج غير صحيحة، أو تفسر مصطلحات الأعمال بشكل خاطئ بطرق تتفاقم بصمت. بالنسبة لمنتج تتمثل قيمته الأساسية في تحليل البيانات الموثوق، لم تكن الدقة مصدر قلق ثانوي، بل كانت البوابة الأساسية. إن إنتاج نتائج SQL غير متسقة أو غير صحيحة سيجعل المنتج غير قابل للاستخدام، بغض النظر عن مدى سهولة واجهته. احتاج العميل إلى نموذج أولي يوضح أن النهج سليم قبل الاستثمار في التطوير الكامل للمنتج.

النهج

عملت غراديون مع فريق مكون من ثلاثة أفراد، ضم مستشارًا تقنيًا، ومدير مشروع/مالك منتج، ومهندس ذكاء اصطناعي، على مدى ثمانية أسابيع ضمن مرحلة استكشاف وتطوير نموذج أولي. بدأ الفريق بتحليل الوضع الحالي للأنظمة، لتقييم بيئة البيانات الحالية، وفهم هيكل مخطط نظام تخطيط موارد المؤسسات (ERP)، وتحديد مواطن الخطر الأكثر حدة في دقة البيانات واتساقها. جمعت بنية البيانات بين قاعدة بيانات SQL أساسية وقاعدة بيانات متجهات ثانوية. تم ترحيل البيانات مجهولة الهوية إلى قاعدة بيانات SQL النموذجية. خدمت قاعدة بيانات المتجهات غرضًا محددًا، وهو تخزين الأمثلة التي يمكن للوكيل استردادها أثناء إنشاء الاستعلامات لتحسين الدقة من خلال السياق، بدلاً من الاعتماد على الاستدلال العام للنموذج اللغوي الكبير (LLM) وحده. تمت معالجة الدقة من خلال نهج ضبط دقيق متعدد الطبقات: وفرت أمثلة المتجهات أساسًا سياقيًا، وقدمت أوصاف الجداول للوكيل مفردات دقيقة للمخطط المحدد، ووجهت المطالبات المنظمة استدلال الوكيل خطوة بخطوة خلال بناء الاستعلام. صُمم هذا المزيج لتقليل "الهلوسة" في إنشاء استعلامات SQL وللتعامل مع الفروق الدلالية التي يهتم بها مستخدمو الأعمال، على سبيل المثال، التمييز الصحيح بين "الطلبات" و"المشتريات" كمفاهيم مميزة في نموذج البيانات الأساسي. تميز النموذج الأولي الناتج بواجهة محادثة يمكنها قبول استعلامات اللغة الطبيعية، وبناء استعلامات SQL دقيقة مقابل المخطط الأساسي، وتقديم النتائج، مع تنقيح النتائج عند الاقتضاء، بتنسيق سهل الوصول للمستخدمين غير التقنيين.