في عالم يتزايد فيه التنافس، تظهر الحاجة إلى أدوات أتمتة الأعمال الذكية بشكل واضح. يحتاج مديرو الالتزام في المؤسسات إلى التكيف السريع مع أطر تنظيمية متطورة مثل (DORA) و(AI RMF) و(FedRAMP). ومع ذلك، غالباً ما تفشل المنصات التقليدية في توفير حلول فعالة في البيئات السحابية الهجينة حيث تتطلب التقييمات المعتمدة على الأحداث تكيف الشفرة البرمجية خلال ثوانٍ.

تكشف دراسة حديثة عن تقييم ستة نماذج لغات ضخمة (Large Language Models) للأغراض الصناعية في إنشاء تدفقات العمل. تم اختبارها عبر 29 سيناريو حقيقي للأتمتة في تكنولوجيا المعلومات، مع بنيتين سابقتين لتوليد البيانات وثماني تجارب مستقلة لكل نموذج. استخدمت أولى التجارب عملية توليد تدفقات العمل الأحادية، والتي حققت نجاحاً هيكلياً يتراوح بين 31.5% إلى 82.8%. ومع ذلك، واجهت النماذج تحديات في توليد جيسون (JSON) معقد.

بعد ذلك، تم تطوير نظام جديد يقسم عملية إنشاء تدفقات العمل إلى مراحل متعددة، مما رفع معدل النجاح الهيكلي إلى 74.1% - 97.8%. كما تم تحليل التكاليف والمدة الزمنية اللازمة لكل تدفق عمل، مما أظهر إمكانية استخدام نماذج أصغر مثل (mistral-small) بفعالية وبنطاق تكلفة أقل. بينما حقق كل من (mistral-medium-2505) و(gpt-oss-120b) معدلات نجاح هيكلي أعلى، إلا أن تكلفتها كانت مرتفعة بشكل ملحوظ.

تقدم هذه الدراسة دروساً هامة حول ضرورة فصل الصلاحية الهيكلية عن الصحة الدلالية (التحقق من تحقيق نية المستخدم). لذلك، فإن توفير حلول للأتمتة القابلة للتوسع والتي لا تعتمد على نماذج باهظة التكلفة يعد أولوية مصيرية لمهندسي السحاب.