Celonis تطلق طبقة «السياق» للذكاء الاصطناعي المؤسسي عبر Context Model والاستحواذ على Ikigai Labs

يشهد الذكاء الاصطناعي في الشركات مشكلة متكررة: يمكن للنماذج تحليل البيانات، لكنها غالباً لا تفهم كيف تعمل العمليات داخل الشركة فعلياً. هنا تحاول شركة Celonis سد هذه الفجوة عبر إطلاق Celonis Context Model (CCM) إلى جانب الاستحواذ على شركة Ikigai Labs المتخصصة في "ذكاء القرار".

الفكرة الأساسية هي إنشاء ما تسميه الشركة "طبقة السياق" (Context Layer) داخل بنية التقنية المؤسسية. هذه الطبقة تبني تمثيلاً حياً لعمليات الشركة، بحيث تتمكن أنظمة الذكاء الاصطناعي من فهم العمليات والقيود والنتائج قبل اتخاذ أي قرار أو تنفيذ أي إجراء.

المشكلة: الذكاء الاصطناعي بلا سياق تشغيلي

في معظم المؤسسات اليوم توجد طبقتان رئيسيتان:

• طبقة البيانات (مثل قواعد البيانات وأنظمة ERP ومستودعات البيانات)
• طبقة الذكاء الاصطناعي أو الوكلاء التي تحلل البيانات أو تؤتمت العمل

لكن غالباً ما تفتقد هذه الأنظمة إلى فهم سياق العمليات—أي كيف تتحرك المهام بين الأنظمة والفرق والقواعد داخل المؤسسة.

تقول Celonis إن هذا النقص يخلق ما تسميه "نقاط عمياء تشغيلية" للذكاء الاصطناعي، حيث قد تقدم الأنظمة توصيات غير دقيقة لأنها لا ترى الصورة الكاملة للعمليات.

هنا يأتي دور Celonis Context Model، الذي يعمل كطبقة وسيطة تربط البيانات الخام بالذكاء الاصطناعي عبر تحويل العمليات التشغيلية إلى نموذج يمكن للذكاء الاصطناعي فهمه والتفكير بناءً عليه.

توأم رقمي حي لعمليات الشركة

يعتمد CCM على فكرة التوأم الرقمي للعمليات—وهو نموذج ديناميكي يمثل كيفية عمل العمليات داخل المؤسسة في الوقت الفعلي.

يقوم النموذج بما يلي:

• بناء نموذج حي ومتغير لعمليات الشركة اعتماداً على بيانات العمليات والمعرفة المؤسسية
• دمج إشارات من الأنظمة والتطبيقات والأجهزة والتفاعلات المختلفة داخل المؤسسة
• تحويل سير العمل المعقد إلى صيغة قابلة للفهم والتحليل بواسطة نماذج الذكاء الاصطناعي

وفقاً للشركة، يسمح هذا التوأم الرقمي للذكاء الاصطناعي بفهم:

• تدفقات العمليات الفعلية عبر الأنظمة
• القواعد التشغيلية والعلاقات بين المهام
• الاستثناءات والاختناقات في العمليات
• أنماط الأداء والنتائج

وبفضل هذا السياق التشغيلي، يمكن للذكاء الاصطناعي تقديم قرارات أكثر دقة وقابلة للتفسير والتنفيذ على مستوى المؤسسة.

ماذا يضيف استحواذ Ikigai Labs؟

يضيف الاستحواذ على Ikigai Labs بُعداً جديداً إلى المنصة: ذكاء القرار (Decision Intelligence).

تعتمد تقنيات Ikigai على أبحاث مرتبطة بمعهد MIT وتستخدم نموذجاً حوسبياً خاصاً يُعرف باسم Large Graphical Model، وهو مصمم خصيصاً للتعامل مع البيانات المنظمة الشائعة في الشركات مثل الجداول وقواعد البيانات والبيانات الزمنية.

بدمج هذه التقنية في منصة Celonis، تحصل المؤسسات على قدرات إضافية تشمل:

• التنبؤ (Forecasting): توقع النتائج التشغيلية اعتماداً على البيانات التاريخية
• التخطيط (Planning): تقييم استراتيجيات التشغيل وتخصيص الموارد
• المحاكاة (Simulation): اختبار سيناريوهات مستقبلية قبل تنفيذ أي تغيير

بمعنى آخر، لن يقتصر النظام على فهم العمليات الحالية، بل يمكنه محاكاة كيف ستتغير هذه العمليات تحت ظروف مختلفة.

لماذا تُعد المحاكاة مهمة للذكاء الاصطناعي المؤسسي؟

الكثير من تطبيقات الذكاء الاصطناعي في الشركات اليوم تركز على التحليل أو الأتمتة فقط. لكن إضافة المحاكاة تفتح باباً لاستخدامات أكثر تقدماً.

مع الجمع بين CCM وتقنيات Ikigai، يمكن للمؤسسات:

• توقع الاضطرابات التشغيلية قبل حدوثها
• اختبار تغييرات العمليات قبل تطبيقها فعلياً
• تحسين سير العمل وتخصيص الموارد
• تقليل زمن التخطيط عبر تشغيل محاكاة بدلاً من التحليل اليدوي

في قطاعات مثل سلاسل الإمداد والتصنيع، قد يسمح ذلك للشركات بالانتقال من إدارة تفاعلية للمشكلات إلى اتخاذ قرارات استباقية مبنية على السيناريوهات.

ماذا يعني ذلك لعملاء الشركات؟

الهدف الأكبر من هذه المنصة هو مساعدة الشركات على الانتقال من تجارب الذكاء الاصطناعي المحدودة إلى أنظمة ذكاء اصطناعي تعمل فعلياً داخل العمليات اليومية.

تقول Celonis إن توفير سياق تشغيلي واضح لوكلاء الذكاء الاصطناعي يمكن أن يساعد المؤسسات على:

• ربط الذكاء الاصطناعي مباشرة بسير العمل الحقيقي
• تقليل مخاطر القرارات غير الدقيقة
• تنسيق العمل بين البشر والأنظمة ووكلاء الذكاء الاصطناعي
• تحسين العمليات باستمرار اعتماداً على البيانات والنتائج

بهذا الشكل يصبح نموذج السياق خريطة تشغيلية مشتركة تعتمد عليها أنظمة الذكاء الاصطناعي عند تحليل العمليات أو تقديم التوصيات أو تنفيذ الأتمتة داخل المؤسسة.

خطوة استراتيجية في مسار Celonis

عرفت Celonis تاريخياً كشركة رائدة في مجال تحليل العمليات (Process Mining) وذكاء العمليات. لكن إطلاق Context Model والاستحواذ على Ikigai Labs يشيران إلى تحول أوسع.

الشركة تسعى الآن إلى بناء الطبقة الأساسية التي تجعل الذكاء الاصطناعي المؤسسي موثوقاً ومدركاً للسياق التشغيلي.

وإذا نجح هذا النهج، فقد تصبح طبقة السياق جزءاً أساسياً من بنية التقنية الحديثة للشركات—تقع بين بنية البيانات من جهة ووكلاء الذكاء الاصطناعي من جهة أخرى، وتوفر الفهم التشغيلي الذي تحتاجه هذه الأنظمة لاتخاذ قرارات واقعية داخل بيئة الأعمال.