تسيطر المهام المؤسسية على طبيعة العمل باستخدام ترتيبات محددة وبنية تعتمد على المعرفة، مما يجعلها عرضة لقيود صارمة تتعلق بالتكلفة والموثوقية والسرعة. في الوقت الراهن، يعتبر استخدام نماذج اللغة الكبيرة (LLMs) الحل الشائع، إلا أن هذه الاستراتيجية قد تكون غير فعالة وغير موثوقة.

نعتبر أن نماذج اللغة يجب أن تُستخدم كواجهات بدلاً من كونها محركات أحادية، مما يعني أنه يجب علينا تفصيل المعرفة والحسابات إلى مكونات متخصصة تضمن اعتمادية أكبر وقابلية للتطوير وشفافية في العمل. بحسب الأدلة النظرية، تبين أن النماذج ذات القدرة المحدودة لا يمكنها استيعاب جميع معارف المهام المؤسسية بشكل كامل، مما يؤدي إلى حدود ذاتية في الكفاءة وقابلية الفهم.

نتبنّي هنا وجهة نظر تفيد بأن استخدام نماذج اللغة يجب أن يركز بشكل أساسي على استخراج المعلومات المهيكلة ضمن تدفقات العمل المؤسسية المعتمدة على قرارات واضحة، بينما يمكن أن تُعهد الحسابات والتخزين إلى قواعد المعرفة وإجراءات الرموز. هذه المعمارية المودولارية تظهر بمعدل أعلى من الاعتمادية والصيانة مقارنةً بالأطر الأحادية، مما يُقدم أساسًا مستدامًا للمهام المؤسسية.

إذا كنت تفكر في كيفية تحسين كفاءة عملك من خلال الذكاء الاصطناعي، فقد حان الوقت لإعادة النظر في استراتيجيتك!

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.