يُعَدّ الذكاء الاصطناعي المؤسسي في الوقت الراهن محورًا أساسيًا في عمليات الشركات، حيث ينتقل من التجارب المعزولة إلى الاعتماد العملي عبر مجموعة واسعة من الأدوات، مثل مساعدي الذكاء الاصطناعي (copilots) وأنظمة الجيل المعزز بالاسترجاع (retrieval-augmented generation systems) والعوامل المستقلة (autonomous agents) التي تساهم في تحسين سير العمل.

ومع تسارع هذا التحول، يتجاوز التحدي الأساسي للمؤسسات توفير وصول إلى نماذج الذكاء الاصطناعي أو توسيع حدود الاستدلال. تكمن القضايا الرئيسية في إدارة الذكاء المحكوم: أي القدرة على تطبيق التفويض والحفاظ على تسلسل السياق والسيطرة على الذاكرة الدائمة واكتشاف المعرفة القديمة أو المتضاربة.

في هذا الصدد، تم تقديم AGL-1، الطبقة الحاكمة للذكاء الاصطناعي في المؤسسات، كنموذج مرجعي محايد للموردين يعمل كطبقة تحكم عبر نماذج الأساس وأنظمة الاسترجاع وأطر التنسيق والذاكرة المؤسساتية ومحركات السياسات وأنظمة المراقبة وأدوات الواجهة البرمجية (APIs) وتطبيقات الأعمال.

بناءً على مبادئ نظام المعرفة المحكومة التي تم تقديمها في GKS-5، تعمق AGL-1 في مشكلة الحوكمة بدءًا من قيود الاسترجاع المحددة وصولاً إلى حوكمة مسارات التنفيذ الكامل للذكاء الاصطناعي. حيث ساهمت الدراسات في تحديد أنماط الفشل المتكررة مثل الاسترجاع غير المصرح به، والتمكين الضعيف من المعرفة، وتشتيت المراقبة.

كما يحدد AGL-1 سبع مجالات رئيسية للحكومة تشمل: استرجاع المعرفة المعتمد على الهوية، وتطبيق السياسات، وإدارة النسب، وحوكمة الذاكرة، ومراقبة سلامة المعرفة، والسيطرة على تنفيذ العوامل، ومراقبة الثقة.

والأكثر أهمية، أن القيمة الدائمة للمؤسسات من الذكاء الاصطناعي ستعتمد بشكل متزايد على القدرة على إدارة الذكاء على نطاق واسع. ففي المؤسسات المعقدة، الثقة ليست خاصية للنموذج فحسب، بل هي خاصية للنظام المحيط بالنموذج: الهوية والمعرفة والسياسة والذاكرة والأدوات والرقابة البشرية والأدلة التي تعمل معًا كطبقة تحكم مدارة.