ما هي منصة Teradata Autonomous Knowledge؟

ما المقصود بمنصة Teradata Autonomous Knowledge؟

يمكن النظر إلى Teradata Autonomous Knowledge Platform كطبقة تشغيلية للذكاء الاصطناعي داخل المؤسسة. فبدلاً من أن تعمل فرق البيانات، والتحليلات، وتطوير الوكلاء، والحوكمة على أدوات متفرقة، تقدّم Teradata المنصة كنظام واحد لإدارة الذكاء الاصطناعي والتحليلات والبيانات على مستوى الإنتاج عبر السحابة والبنية المحلية والبيئات الهجينة . كما وصفت TechTarget الإطلاق بأنه دمج لتطوير الذكاء الاصطناعي وإدارته مع التحليلات والبيانات في نظام واحد قابل للنشر .

أما مفهوم Autonomous Knowledge نفسه، فتعرّفه Teradata على أنه قدرة منصة برمجية مؤسسية على تحويل البيانات المنظمة وغير المنظمة، ونماذج التشغيل، وخبرة المؤسسة إلى “فهم موثوق ومحكوم” . عملياً، هذا يعني أن وكلاء الذكاء الاصطناعي لا يحصلون فقط على اتصال بقاعدة بيانات، بل على سياق أعمال، وصلاحيات، وتنسيق لسير العمل، وضوابط حوكمة ضمن بيئة واحدة .

لماذا يهم ذلك لوكلاء الذكاء الاصطناعي؟

الذكاء الاصطناعي الوكيلي، أو ما يعرف غالباً باسم Agentic AI، يختلف عن لوحات البيانات التقليدية. فالوكلاء قد يعملون باستمرار وبقدر محدود من التدخل البشري، ما يفرض على المؤسسات معرفة ما البيانات التي يمكنهم الوصول إليها، وما الإجراءات التي يمكنهم تنفيذها، وكيف تُدار التكلفة والأداء مع توسّع الاستخدام .

هنا تحاول Teradata سد الفجوة. فالمنصة موجهة إلى التشغيل الإنتاجي: تشغيل الوكلاء فوق بيانات المؤسسة، وربط تنسيق الوكلاء بالتحليلات وإدارة البيانات، ومنح المؤسسات قدرة أفضل على ضبط النماذج والبيانات مع انتشار أنظمة الذكاء الاصطناعي .

ماذا تعني “الحوكمة” هنا؟

في هذا السياق، الحوكمة ليست وثيقة سياسات تُحفظ في مجلد ثم تُنسى. المقصود هو طبقة تقنية تتحكم في الوصول إلى البيانات، والدلالات، وتتبع أصل البيانات، والصلاحيات، والحواجز الوقائية، وسير عمل الوكلاء.

إعلان Teradata يقول إن “المعرفة الذاتية” في المنصة تستند إلى بيانات خاصة بالصناعات، ودلالات، وتتبع لأصل البيانات . كما تشير مواد Enterprise AgentStack إلى الحاجة إلى فرض الصلاحيات والحواجز الوقائية أثناء تجميع الوكلاء مع الأدوات والنماذج للنشر .

هذه النقطة جوهرية لأن وكلاء الذكاء الاصطناعي لا يكونون مفيدين في المؤسسة إلا إذا استطاعوا العمل على بيانات ذات صلة من دون تجاوز الأمن أو الامتثال أو قواعد العمل. والقيمة التي تطرحها Teradata هي أن فرق البيانات والذكاء الاصطناعي والحوكمة تستطيع العمل من بيئة مشتركة بدلاً من ربط أدوات منفصلة للبيانات والنماذج والتنسيق والرقابة .

لماذا التركيز على السحابة والبنية المحلية والبيئات الهجينة؟

كثير من المؤسسات الكبيرة لا تعمل على نموذج بنية واحد. لديها بيانات في السحابة، وأنظمة ما زالت داخل مراكز البيانات، وقيود امتثال أو سيادة بيانات تختلف من حالة إلى أخرى. لذلك تؤكد Teradata أن Autonomous Knowledge Platform تمتد عبر السحابة والبنية المحلية والبيئات الهجينة . وذكرت IT Brief أن أول نشر متاح سيكون عبر Teradata Cloud .

هذا التفصيل مهم للمشترين. فالوعد الهجين يعني أن وكلاء الذكاء الاصطناعي يمكن أن يتعاملوا مع بيانات محكومة في بيئات مختلفة، لكن التطبيق العملي سيظل بحاجة إلى اختبار داخل بنية كل مؤسسة، خصوصاً عندما تختلف الأنظمة المحلية، ومنصات البيانات السحابية، ومتطلبات الامتثال، ونماذج الصلاحيات .

أين يدخل AgentStack وVector Store في الصورة؟

لا تقف استراتيجية Teradata عند منصة المعرفة وحدها. هناك مكونات أخرى مرتبطة بالوكلاء تكمل الصورة.

Enterprise AgentStack قُدم كعدة أدوات متكاملة لبناء وكلاء الذكاء الاصطناعي ونشرهم وإدارتهم، وتضعه Teradata كوسيلة لمساعدة المؤسسات على الانتقال من التجارب المعزولة إلى الاستقلالية الجاهزة للإنتاج عبر بيئات متعددة الوكلاء وهجينة . كما تؤكد مواد AgentStack على الأمن والامتثال والصلاحيات والحواجز الوقائية ومنصة موحدة للذكاء الاصطناعي والمعرفة لإدارة الوكلاء المستقلين .

أما Teradata Enterprise Vector Store فيضيف طبقة مهمة للبيانات متعددة الأنماط. تقول Teradata إنه يوحّد البيانات المنظمة وغير المنظمة مع قدرات وكيلية ومتعددة الوسائط تشمل النصوص والصور والصوت والبيانات المؤسسية المنظمة عبر البيئات الهجينة والسحابية والمحلية . وهذا مهم لأن كثيراً من تدفقات العمل المؤسسية لا تعتمد على صفوف قواعد البيانات فقط، بل تشمل مستندات ووسائط ومصادر غير منظمة أخرى .

معاً، ترسم هذه المكونات اتجاه Teradata الأوسع: طبقة معرفة محكومة، وأدوات لإدارة دورة حياة الوكلاء، ووصول إلى بيانات متعددة الأنماط، وتنسيق للعمليات ضمن منصة ذكاء اصطناعي مؤسسية أشمل .

ما الذي يجب على المؤسسات التحقق منه قبل الاعتماد؟

الإطلاق يوضح اتجاه Teradata، لكنه لا يغني عن الاختبار المعماري أو القياس العملي داخل كل مؤسسة. قبل تبني المنصة، ينبغي التحقق من نقاط مثل:

• الإتاحة ومسار النشر: ما المتاح حالياً عبر Teradata Cloud، وما المخطط له للبنية المحلية أو الاستخدام الهجين .
• سلوك الحوكمة فعلياً: كيف تُفرض الصلاحيات، والحواجز الوقائية، والأمن، والامتثال عبر مصادر البيانات المتصلة .
• جودة السياق: إلى أي مدى تُحوَّل الدلالات، وتتبع أصل البيانات، والبيانات المنظمة وغير المنظمة إلى سياق أعمال قابل للاستخدام من قبل الوكلاء .
• التحكم في التكلفة والأداء: هل تحقق المنصة الاتساق ووضوح التكلفة اللذين تعد بهما Teradata عند توسع عدد الوكلاء .
• التكامل مع الأنظمة القائمة: كيف سيندمج تطوير الذكاء الاصطناعي، والتحليلات، وإدارة البيانات، وتنسيق الوكلاء مع بنية البيانات الحالية في المؤسسة .

الخلاصة

أفضل طريقة لفهم Teradata Autonomous Knowledge Platform هي أنها طبقة تحكم محكومة لوكلاء الذكاء الاصطناعي داخل المؤسسات. ليست مجرد ميزة جديدة لتطوير الذكاء الاصطناعي، بل محاولة من Teradata لربط البيانات المؤسسية الموثوقة، والتحليلات، وأدوات الذكاء الاصطناعي، وتنسيق الوكلاء، والحوكمة في منصة واحدة قابلة للاستخدام الإنتاجي .

سبب الاهتمام بها هو نفسه سبب حذر المؤسسات من الذكاء الاصطناعي الوكيلي: الوكلاء يحتاجون إلى سياق، وصلاحيات، وحواجز وقائية، وتحكم في التكلفة قبل الانتقال من التجارب إلى التشغيل الفعلي. Teradata تراهن على أن هذه الضوابط يجب أن تكون قريبة من طبقة البيانات والتحليلات نفسها، لا مضافة في النهاية كحل ترقيعي .