تحظى تحليلات الأعمال (Business Intelligence) بأهمية كبيرة في اتخاذ القرارات داخل المؤسسات، ولعل الأدوات التي تُستخدم مثل Power BI وTableau تعتبر جزءًا لا يتجزأ من هذه العملية. لكن، تواجه الشركات تحديات كبيرة في تنفيذ هذه التحليلات، كمثل التعقيدات المتعلقة بإعداد البيانات والتي تشمل تحديد الجداول ذات الصلة، وتنفيذ التحويلات، وبناء العلاقات بين البيانات.

مع تزايد إمكانيات نماذج اللغات الضخمة (Large Language Models)، يبدو أن هناك أمل جديد في تبسيط هذه العمليات. في هذا السياق، تم تقديم BI-Agent وBI-Bench كحلول تهدف إلى أتمتة هذه الخطوات وتعزيز دقة الردود على أسئلة الأعمال.

استندت الدراسة إلى عينة كبيرة من مشاريع تحليلات الأعمال الحقيقية المستخرجة من مصادر عامة، وتم استخراج أزواج من (الأسئلة، والإجابات الصحيحة) من لوحات تحكم المستخدمين الحقيقية. النتائج التي تم الحصول عليها من BI-Bench، وهو معيار مبتكر، تُظهر أن نماذج اللغات الضخمة، حتى المتطورة منها، تحقق دقة تقل عن 50%.

ولمعالجة هذه القيود، تم تصميم BI-Agent، وهو أداة مقترنة تساعد في تقسيم سير العمل الخاص بتحليلات الأعمال إلى مهام فرعية تتناول البيانات المهيكلة، مثل البحث، والانضمام، والتحويل. بالإضافة إلى ذلك، تم تطوير إطار عمل للتدريب ما بعد التعلم، الذي يمكّن BI-Agent من تحسين أدائه من خلال التعلم تحت الإشراف والتعلم المعزز.

أسفرت هذه التحسينات عن زيادة كبيرة في الدقة، حيث تصل الزيادات إلى 40 نقطة مئوية مع نماذج اللغة الأساسية، و30 نقطة مع BI-Agent المحسن. توضح هذه النتائج أهمية دمج التفكير المعزز بالأدوات مع التدريب المتخصص في مجالات تحليل الأعمال المعقدة، مما يفتح آفاقًا واعدة للبحث المستقبلي.

لا شك أن BI-Agent وBI-Bench يمثلان خطوات قوية نحو تحويل طريقة استخدام تحليلات الأعمال، مما يسهل على المؤسسات اتخاذ قرارات دقيقة وسريعة. ما رأيكم في هذه التطورات المثيرة؟ شاركونا في التعليقات!