كان تقييد البائعين التقليدي أمرًا سهلاً، إن لم يكن مثاليًا. يمثل الاعتماد على نموذج الذكاء الاصطناعي اليوم تحديًا مختلفًا، ومع ذلك تتعامل معظم الشركات مع تقييد بائعي الذكاء الاصطناعي كما لو كان العمل كالمعتاد. هذا خطأ. في حين أن لا شيء يتعلق بالذكاء الاصطناعي يسير كالمعتاد، مركزية النموذج بل هو أقل من ذلك. إنها مخاطرة تجارية حرجة، ولكنها مخاطرة غير معترف بها إلى حد كبير، لذلك لا توجد عادة تدابير التخفيف.
قال مايك ليون، مدير الممارسة والمحلل الرئيسي في Omdia: “أتحدث إلى الشركات التي لديها خطط للتعافي من الكوارث لكل طبقة من بنيتها التحتية، لكن لم يفكر أي منها تقريبًا فيما سيحدث إذا اختفى نموذج الذكاء الاصطناعي الذي يدير منتجاتها غدًا”.
ربما يرجع السبب في ذلك إلى أن القليل من الناس يمكنهم أن يتخيلوا أن بائع الذكاء الاصطناعي الأساسي يتخبط أو يتعطل أو يبيع، خاصة بالنظر إلى مئات المليارات من الدولارات تصب بشكل تراكمي في هذا القطاع. ولكن هذه ليست الطريقة التي تعمل بها الأسواق. دورات المنتج لا تعلق نفسها للاتجاهات الساخنة. التاريخ ليس عاطفيا: فأحباء التكنولوجيا بالأمس أصبحوا حكايات تحذيرية للغد
قالت إليزابيث نجونزي، عضو مجلس الإدارة والرئيس المؤسس للجنة الأخلاقيات والذكاء الاصطناعي المسؤول في الجمعية الأمريكية للذكاء الاصطناعي، والمستشارة التنفيذية والأستاذ المساعد المساعد في جامعة نيويورك: “الخطر الحقيقي ليس الأداة، بل هو مدى ارتباط المنظمات بها. في عصر الذكاء الاصطناعي، يظهر ذلك كنقطة فشل واحدة مختبئة داخل ما يبدو وكأنه تقدم”. “لم تعد النماذج الأساسية مجرد بنية تحتية، بل أصبحت مرتبطة بالقرارات وسير العمل وتجارب العملاء. وعندما يتغير التسعير أو السلوك أو التوفر، يمكن أن تنتشر الصدمة عبر سطح المنتج بأكمله في وقت واحد.”
حيث تكمن مشكلات التبعية للذكاء الاصطناعي
من الناحية النظرية، يجب أن تكون إمكانية النقل إلى نموذج آخر هي الإجابة الأكثر منطقية لمنع أو إصلاح تبعية النموذج – ويجب أن يكون تنفيذها عملية مباشرة.
الحكمة التقليدية المستمدة من السابق تبعية البرمجيات وقال روان أودونوغو، كبير مسؤولي الابتكار والمؤسس المشارك لشركة Origina، وهي مزود خارجي لدعم وصيانة برامج المؤسسات، إن الخبرة تملي توحيد النماذج، وفصل منطق عملك، والتعامل مع النماذج على أنها قابلة للتبديل.
“على الرغم من ذلك، من الناحية العملية، لا تظهر التبعية هنا، بل تتسلل عبر خطوط أنابيب البيانات وميزات الملكية والمصطلحات التجارية. إذا كانت بياناتك مرتبطة بتنسيق البائع، فإن فرقك تعتمد على ميزات لا توجد فعليًا إلا في نظام بيئي واحد فقط،” كما قال أودونوغو.
على الرغم من أن الاستفادة من البنى متعددة النماذج يمكن أن تساعد، إلا أن هذا لا يكون صحيحًا إلا إذا تم تصميمها في البنية مبكرًا. وقال أودونوغو: “وإلا فإن ما يحدث هو أن أحد النماذج يصبح هو المهيمن وكل شيء آخر موجود فقط من أجل الراحة”.
وأضاف: “في عالم المؤسسات، هذا ليس جديدًا. في اللحظة التي يتحكم فيها البائع في دورة حياتك، تتوقف عن امتلاك خريطة الطريق الخاصة بك. والذكاء الاصطناعي لا يغير ذلك، بل يعمل فقط على تسريعه”.
دراسة حالة في قضايا التبعية التقنية
هناك الكثير مما يجب مراعاته فيما يتعلق بالجانب الفني لتبعيات النماذج، لكن تجربة Bo Jun Han المباشرة تقدم رؤى مهمة حول هذه المشكلات. هان هو CTO ومؤسس ROSTA Lab في تايوان، وهو باحث مستقل في البنية التحتية للذكاء الاصطناعي، ومهندس Java متكامل. وهو يدير إعدادًا يوميًا لتنسيق النماذج المتعددة باستخدام أكثر من ثمانية نماذج لغوية كبيرة، بما في ذلك Claude وGemini وPerplexity وغيرها، كل ذلك من خلال OpenRouter’s API.
وقال هان: “لقد مررت شخصيًا بتجربة نموذج تم إهماله في منتصف المشروع واضطررت إلى تنفيذ تبديل مباشر دون إسقاط أعباء العمل المستمرة”.
وأضاف هان أن إدارة إمكانية التكرار والاستمرارية عبر الأنظمة المعقدة أمر يفكر فيه باستمرار.
وقال: “استمرارية الذكاء الاصطناعي ليست أكاديمية بالنسبة لي، إنها عائق تجاري”.
يستخدم هان إعدادًا ثلاثي المستويات: ترسل طبقة التطبيق الطلبات من خلال عميل وكيل موحد. يقوم جهاز توجيه Python + Redis ذو الطبقة المتوسطة بإرسال المهام حسب زمن الوصول والتكلفة؛ يتعامل كلود مع العمل طويل السياق بينما يتعامل الجوزاء مع التصنيف السريع. تدير الطبقة الأساسية تدوير مفتاح واجهة برمجة التطبيقات (API) عبر البائعين.
وقال هان: “من الناحية النظرية، يبدو هذا نظيفًا. ومن الناحية العملية، تظهر المشكلات الخفية دائمًا في المحفزات، وليس في البنية التحتية”.
تستجيب النماذج المختلفة بشكل مختلف تمامًا لنفس موجه النظام. اكتشف هان أن كلود يفضل تنسيق التعليمات بأسلوب XML، بينما يتوقع جيميني مخططات JSON، و”فجوة الحساسية بينهما يمكن أن تتجاوز 300% في مهام الإخراج المنظمة”.
وحذر هان من أن “الموجه الذي يعمل بشكل مثالي على نموذج واحد يمكن أن يؤدي بصمت إلى إنتاج القمامة على نموذج آخر. ولا تكتشف معظم الفرق ذلك إلا بعد أن تكون في أزمة هجرة بالفعل”.
المشكلة الثانية الكامنة التي اكتشفها هي عدم اتساق الهلوسة في المجموعات متعددة النماذج.
قال هان: “إذا كان النموذج (أ) صحيحًا بنسبة 90% من الوقت والنموذج (ب) صحيحًا بنسبة 70% من الوقت، فإن تجميع مخرجاتهما بسذاجة لا يمنحك 90%، بل يسبب ضجيجًا”.
ولمعالجة هذه المشكلة، كان عليه تقديم طبقة تحكيم تعمل على تحسين موثوقية المخرجات على حساب زمن استجابة أكبر – وإضافة خطوة أخرى إلى قائمة التحقق من استمرارية الذكاء الاصطناعي.
حقائق ضرب نقطة واحدة من الفشل
بشكل تفصيلي، هناك مشكلة محتملة أوسع تحدث عندما تقوم المؤسسة باستمرار بالتحديث إلى أحدث نموذج للذكاء الاصطناعي. إن مطاردة إصدارات محددة من النماذج يؤدي إلى تعقيد مشكلات الاستمرارية التي يصعب حلها. بالنسبة لنيك ميسنر، المدير التنفيذي للعمليات في Cybrary، مزود التدريب على الأمن السيبراني، فإن التوجيه الأخير للبنتاغون يقدم مثالاً مفيدًا لهذا التعقيد في العمل.
وقال ميسنر: “السبب في خلق الكثير من الاضطراب ليس افتقار الناس إلى الأدوات المناسبة؛ بل هو أن الذكاء الاصطناعي متأصل بعمق في الأنظمة وسلاسل التوريد، غالبًا بطرق غير واضحة، مما يجعل فك تشابكه بسرعة يكاد يكون مستحيلًا. وهذا ليس فشلًا تكنولوجيًا. إنه فشل في الاستعداد”.
وحذر من الإفراط في انتقاد المنظمات التي كافحت من أجل تنفيذ تبادل سريع للنماذج عندما يصدر توجيه – ففي نهاية المطاف، هذه تقنية جديدة، ولا توجد إجابات انعكاسية واضحة. ومع ذلك، يجب على مديري تكنولوجيا المعلومات تفسير هذه الأحداث على أنها تحذير.
وقال ميسنر: “إذا كنا نجري نفس المحادثة بعد خمس سنوات من الآن ونرى نفس الرد، فهذه هي المشكلة الحقيقية”.
الاستعداد لما هو غير متوقع
بالنظر إلى عدد قليل من الشركات التي قامت بالفعل ببناء خطة لاستمرارية الذكاء الاصطناعي، هناك قدر كبير من التجارب الجارية وأكثر من بضع مفاجآت على طول الطريق.
بالنسبة لهان، يعود الأمر إلى التقليل من أهمية البنية التحتية. قد تقوم الشركات بقياس الوقت اللازم للمهندسين لتغيير ملفات التكوين بشكل مناسب، ولكن ليس لعلم الآثار الفوري.
قال هان: “يمكنك تبديل نقاط نهاية واجهة برمجة التطبيقات (API) الخاصة بك في فترة ما بعد الظهر. وتستغرق إعادة كتابة مكتبتك السريعة وإعادة التحقق منها بالكامل أسابيع”.
وقال هان إن هناك مفاجأة كبيرة أخرى تتمثل في تكلفة تشغيل تصميمات متعددة النماذج، والتي “يمكن أن تمنحك المرونة، ولكنها يمكن أن تعطيك أيضًا فاتورة كبيرة بشكل مدهش”. ووجد أن مجموعة مكونة من 8 نماذج يمكن أن تكلف 400% أكثر من إعداد نموذج واحد بحجم مكافئ.
بناء خطة استمرارية الذكاء الاصطناعي
على الرغم من أن المسافة التي قطعتها قد تختلف، إلا أن هناك بعض العناصر الأساسية المشتركة في النجاحات المبكرة في تطوير خطة استمرارية الذكاء الاصطناعي. يوصي إيفان جلاسر، المؤسس المشارك في Alongside AI، وهو مزود فريق الذكاء الاصطناعي الجزئي، بما يلي:
-
تصنيف الحرجة. ليس كل تكامل الذكاء الاصطناعي يحمل نفس المخاطر. يختلف النموذج الذي يدعم أداة التلخيص الداخلية عن النموذج المضمن في قرار الاكتتاب الذي يواجه العميل. قم بتصنيف عمليات التكامل الخاصة بك حسب تأثير الأعمال حتى تعرف مكان الاستثمار في التكرار أولاً.
-
خطوط الأساس للأداء. لا يمكنك الفشل في الانتقال إلى نموذج بديل إذا كنت لا تعرف الشكل “المقبول” للنموذج الحالي. قم بتوثيق معايير زمن الوصول والدقة والإنتاجية وجودة المخرجات لكل تكامل مهم. تصبح هذه معايير القبول الخاصة بك لأي بديل.
-
الحماية التعاقدية قم بمراجعة اتفاقيات الموردين الخاصة بك لمعرفة فترات إشعار الإيقاف وبنود تغيير التسعير وحقوق نقل البيانات. كن حذرًا: معظم مصطلحات واجهة برمجة التطبيقات (API) للنموذج الأساسي ضعيفة بشكل مدهش فيما يتعلق بوسائل الحماية هذه مقارنة باتفاقيات برامج المؤسسات التقليدية.
-
إجراءات التحول. بالنسبة لكل عملية تكامل مهمة، قم بتوثيق ما يتطلبه تبادل النموذج – ليس من الناحية النظرية، ولكن في ساعات الهندسة ودورات الاختبار وجهود إعادة التحقق. هذا الرقم هو تعرضك الحقيقي.
-
استمرارية الحوكمة والامتثال. في الصناعات الخاضعة للتنظيم، لا يعد تبديل النماذج مجرد تمرين فني؛ إنه إلزامي. إذا قمت بالتحقق من صحة نموذج للامتثال التنظيمي، فيجب أن يمر النموذج البديل بنفس عملية التحقق من الصحة. تحتاج خطة الاستمرارية الخاصة بك إلى مراعاة هذا الجدول الزمني لأنه غالبًا ما يكون أطول من الترحيل الفني.
وقال نجونزي: “في النهاية، “المنظمات التي ستتعامل مع هذا الأمر بشكل جيد ليست تلك التي لديها النماذج الأكثر تقدمًا. إنها تلك التي تتعامل مع النماذج كأجزاء قابلة للاستبدال داخل نظام مرن، وليس مركزًا لاستراتيجيتها”.
