نظرة سريعة
السياق، الحاجة، وما الذي يغيره الحل.
سياق العمل
تحليل الذكاء الصناعي
الحاجة
قد يقدّم روبوت المحادثة العام إجابات سلسة، لكنه لا يفهم بالضرورة كيانات المؤسسة، وطرق عرض البيانات المعتمدة، وقواعد التواريخ، وتعريف الفاتورة، ومنطق التعامل مع العملاء، أو الحدود الآمنة للاستعلامات. كما قد يفقد موضوع التحليل عند طرح سؤال متابعة مختصر مثل: «ماذا عن الشهر الماضي؟»
لذلك، لم يكن التحدي الأساسي مجرد إنشاء استعلامات SQL، بل الحفاظ على المعنى التجاري في جميع المراحل، بدءًا من فهم اللغة والسياق واختيار المؤشرات، وصولًا إلى بناء الاستعلام وتنفيذه وصياغة الإجابة.
ما الذي يقدمه الحل
Lama موظف افتراضي ثنائي اللغة في مجال ذكاء الأعمال، يساعد مستخدمي الأعمال على الانتقال من السؤال إلى إجابة واضحة تستند إلى الأدلة. يجمع بين بيانات المؤسسة وطبقة دلالية خاضعة للحوكمة وسير عمل مدعوم بالذكاء الاصطناعي، ما يتيح للمستخدمين طرح أسئلة بالعربية أو الإنجليزية حول المبيعات والعملاء والفواتير والتحصيل والربحية، ثم متابعة الحوار بأسئلة مرتبطة بالسياق والحصول على تحليلات مصاغة لدعم قرارات الأعمال.
01
لماذا كانت هناك حاجة لهذا الحل
تملك مؤسسات كثيرة بيانات تشغيلية مهمة داخل SQL Server وأنظمة التقارير، لكن الوصول إلى الرؤية ما يزال يعتمد على لوحات ثابتة وطلبات يدوية وتوفر محلل تقني. يعرف مستخدم العمل السؤال الذي يريد طرحه، لكنه لا يعرف بالضرورة بنية قاعدة البيانات أو تعريفات المؤشرات أو منطق التقارير اللازم للوصول إلى إجابة آمنة.
كانت الفرصة هي بناء تجربة ذكاء أعمال تبدو حوارية، لكنها تظل مرتبطة بالتعريفات المحكومة نفسها التي نتوقعها من أي حل تحليلي جاد.
قد يقدّم روبوت المحادثة العام إجابات سلسة، لكنه لا يفهم بالضرورة كيانات المؤسسة، وطرق عرض البيانات المعتمدة، وقواعد التواريخ، وتعريف الفاتورة، ومنطق التعامل مع العملاء، أو الحدود الآمنة للاستعلامات. كما قد يفقد موضوع التحليل عند طرح سؤال متابعة مختصر مثل: «ماذا عن الشهر الماضي؟»
لذلك، لم يكن التحدي الأساسي مجرد إنشاء استعلامات SQL، بل الحفاظ على المعنى التجاري في جميع المراحل، بدءًا من فهم اللغة والسياق واختيار المؤشرات، وصولًا إلى بناء الاستعلام وتنفيذه وصياغة الإجابة.
02
كيف يعمل الحل
لم يُستخدم نموذج الذكاء الاصطناعي كمصدر للحقيقة، بل كطبقة تفسير وتنسيق فوق مصدر معتمد للمعنى التجاري. فهذا المعنى محفوظ في بيانات وصفية محكومة تضم الكيانات والواجهات المعتمدة، وتعريفات الحقول، وصيغ المؤشرات، ومنطق التواريخ، وأنواع الأسئلة المسموح بها، وحدود الاستعلام.
يُحوَّل كل سؤال يرد من المستخدم إلى نية تحليلية محددة، مع الاستفادة من سياق الحوار السابق عند الحاجة. وتضمن الطبقة الدلالية أن يستند الاستعلام إلى المعنى التجاري المعتمد، فتُقيَّد صياغة الاستعلام قبل تنفيذه وتفسير نتائجه.
تم تصميم سير عمل متعدد المراحل يبدأ باكتشاف اللغة وتوحيد صياغة السؤال، ثم إدارة السياق الدلالي واسترجاع البيانات الوصفية وفق ضوابط الحوكمة، وصولاً إلى إنشاء استعلامات SQL بصورة منضبطة، وتنفيذها، والتحقق من النتائج، وتنسيق الإجابة بما يلائم الاستخدام التجاري.
تخضع الأسئلة العربية والإنجليزية للمسار التحليلي المعتمد نفسه. وعند طرح سؤال متابعة، يحتفظ النظام بسياق المؤشر والفترة والكيان المرتبط بالسؤال السابق. كما تدعم البنية الطلبات الموجهة لإعداد التقارير، عندما تتطلب الإجابة مخرجات تحليلية منظمة بدلاً من إجابة مختصرة في جملة واحدة.
تقنيات داعمة
- SQL Server
- n8n
- AI/LLM
- JavaScript
- JSON
- Semantic Layer
03
ما الذي تغير
تشمل أدلة المشروع واجهة لاما العاملة ومعالجة الأسئلة بالعربية والإنجليزية وسلوك مسار العمل المحكوم والبنية الدلالية التي وفرها صاحب المشروع، بما في ذلك الكيانات والاستعلامات المعتمدة وتعريفات المؤشرات ومنطق التاريخ وقواعد العملاء والفواتير وأنواع الأسئلة المسموحة وحدود الاستعلام الآمن.
تعرض الحالة نظاما منفذا وعملية اختبار وتحسين متكررة، ولا تدعي نتائج غير موثقة لعميل أو حجما إنتاجيا أو وفورات رقمية.
يُبرز Lama كيف يمكن لذكاء الأعمال المؤسسي أن يتجاوز لوحات المعلومات الثابتة، ليقدم دعماً للقرار عبر حوار يراعي السياق، مع الحفاظ على ضوابط واضحة للمنطق المستخدم في المقاييس والاستعلامات.
وتتمثل قيمته العملية في اختصار المسافة بين سؤال الأعمال والإجابة التحليلية القابلة للاستخدام، مع إبقاء النظام قابلاً للتفسير والاختبار وخاضعاً للحوكمة.
