نظرة سريعة
الحاجة
قد يقدم روبوت محادثة عام إجابات سلسة من دون فهم كيانات المؤسسة أو الاستعلامات المعتمدة أو قواعد التاريخ أو هوية الفاتورة أو منطق العميل أو حدود الاستعلام الآمن. وقد يفقد أيضا موضوع التحليل عندما يطرح المستخدم سؤال متابعة قصيرا مثل «وماذا عن الشهر الماضي؟».
ما الذي يقدمه الحل
لما موظفة ذكاء أعمال افتراضية ثنائية اللغة، صممت لمساعدة مستخدمي الأعمال على الانتقال من السؤال إلى إجابة واضحة قائمة على الأدلة. تجمع بين بيانات المؤسسة وطبقة دلالية محكومة ومسار عمل مدعوم بالذكاء الاصطناعي، بحيث يستطيع المستخدم السؤال عن المبيعات والعملاء والفواتير والتحصيل والربحية بالعربية أو الإنجليزية، ثم متابعة الحوار بأسئلة مرتبطة بالسياق والحصول على تحليل يخدم القرار.
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 يقدم روبوت محادثة عام إجابات سلسة من دون فهم كيانات المؤسسة أو الاستعلامات المعتمدة أو قواعد التاريخ أو هوية الفاتورة أو منطق العميل أو حدود الاستعلام الآمن. وقد يفقد أيضا موضوع التحليل عندما يطرح المستخدم سؤال متابعة قصيرا مثل «وماذا عن الشهر الماضي؟».
لذلك لم تكن المشكلة الأساسية مجرد توليد SQL، بل الحفاظ على المعنى التجاري عبر اللغة والسياق واختيار المؤشر وبناء 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.
صممت مسار عمل متعدد المراحل يشمل اكتشاف اللغة وتوحيد السؤال وإدارة الحالة الدلالية واسترجاع البيانات الوصفية المحكومة وتوليد SQL بشكل مضبوط والتنفيذ والتحقق من النتائج وصياغة الإجابة بلغة الأعمال.
تمر الأسئلة العربية والإنجليزية عبر المسار التحليلي المعتمد نفسه. وتحافظ معالجة أسئلة المتابعة على سياق المؤشر والفترة والكيان عندما يكمل المستخدم سؤالا سابقا. كما تدعم البنية طلبات التقارير التي تحتاج إلى مخرج تحليلي منظم بدلا من إجابة قصيرة فقط.
تقنيات داعمة
- SQL Server
- n8n
- AI/LLM
- JavaScript
- JSON
- Semantic Layer
03
ما الذي تغيّر
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.
توضح لاما كيف يمكن لذكاء الأعمال المؤسسي أن يتجاوز اللوحات الثابتة نحو دعم قرار حواري ومدرك للسياق، مع الحفاظ على منطق المؤشرات والاستعلامات بشكل مضبوط.
تكمن قيمتها العملية في تقليل المسافة بين سؤال العمل والإجابة التحليلية القابلة للاستخدام، مع إبقاء النظام قابلا للفهم والاختبار والحوكمة.