النماذج اللغوية الكبيرة هي المتصفحات الجديدة: لماذا تبدأ تدفقات العمل في الشركات مع موجه

شهدت تقنية المؤسسات العديد من التغييرات في الواجهات. من سطر الأوامر إلى واجهة المستخدم الرسومية، ومن متصفح الويب إلى تطبيق الهاتف المحمول، تغيرت كل موجة في كيفية تعاملنا مع البرمجيات، وفي كل مرة، كان الفائزون هم الذين تكيفوا مبكرًا.

اليوم، يبرز واجهة جديدة: المطالبة.

مع ظهور نماذج اللغة الكبيرة (LLMs)، أصبح فعل كتابة تعليمات باللغة الطبيعية بسرعة هو الطريقة الجديدة لبدء وإنجاز العمل. بدلاً من النقر عبر القوائم وملء النماذج أو التنقل في لوحات القيادة القديمة، أصبح الموظفون ببساطة يسألون، والأنظمة الذكية تستجيب.

هذا التحول يعكس ما فعله متصفح الويب في التسعينيات. وحد المتصفح الوصول إلى البرمجيات من خلال نقطة دخول واحدة: شريط العنوان. الآن تقوم LLMs بنفس الشيء. لكن بدلاً من كتابة عنوان URL، يقوم المستخدمون بكتابة المطالبة. المتصفح يحمّل الصفحات. يقوم الذكاء الاصطناعي بإكمال المهام.

كما تلاحظ مجموعة Nielsen Norman، هذا ليس مجرد اتجاه تصميم. إنها واجهة مستخدم جديدة. تنتقل المطالب إلى من يخبرون الكمبيوتر بما يريدون إنجازه. تصبح الواجهة غير مرئية. يصبح الذكاء الاصطناعي المنفذ.

وكما غير المتصفح توزيع البرمجيات، تغير المطالب الآن تصميم سير العمل. في العديد من الأنظمة المؤسسية، ما كان يبدأ بنموذج يبدأ الآن بجملة. ما كان يتطلب فريقًا الآن يبدأ بتعليمات واحدة لوكيل ذكاء اصطناعي.

تستكشف هذه المدونة سبب حدوث ذلك، وما يعنيه ذلك لسير العمل المؤسسي، وكيف يمكن لقادة الأعمال الاستعداد لـمستقبل يرتكز على المطالب، حيث تكون اللغة هي الواجهة، ووكلاء الذكاء الاصطناعي هم المحرك.

من واجهات المستخدم الرسومية إلى المطالب

لطالما اعتمد البرامج المؤسسية على واجهات المستخدم الرسومية. كانت لوحات القيادة والنماذج والقوائم وشريط الأدوات هي الطرق الافتراضية التي يتنقل بها المستخدمون في النظم ويشغلون سير العمل. جعل هذا النموذج الأدوات الرقمية أكثر سهولة، لكنه أيضاً خلق تعقيدًا. كان على الموظفين تعلم كيفية عمل كل منصة، وتذكر الشاشة التي يجب استخدامها لكل مهمة، وغالباً ما يضيعون الوقت في النقر عبر الأنظمة للحصول على ما يحتاجون إليه.

الآن يتم إعادة تعريف هذا النموذج.

مع دخول نماذج اللغة الكبيرة (LLMs) إلى المؤسسات، نشهد نوعًا جديدًا من التفاعل يتشكل، حيث لم يعد الموظفون ينقرون عبر واجهة المستخدم للعثور على الإجابات أو إطلاق المهام. بدلاً من ذلك، يبدأون بجملة. هذا ما تصفه مجموعة Nielsen Norman بواجهة "قائمة على النية"، حيث يحدد المستخدمون ما يريدون، ويحدد النظام كيفية الوصول إلى هناك.

هذا التحول قوي. بدلاً من بناء خرائط عقلية للبرمجيات المعقدة، يمكن للمستخدمين التركيز على النتائج. ولم يعد المسوق بحاجة إلى التنقل عبر مرشحات CRM. يمكنهم أن يطالبوا:

"أظهر لي جميع الحسابات في قطاع الرعاية الصحية التي لم يتم التواصل معها منذ ستون يومًا وقم بإعداد بريد متابعة."

تستبدل تلك التعليمات الواحدة نقرات متعددة ومرشحات وتصدير بيانات. لا يوفر الوقت فقط. بل يزيل الاحتكاك ويقلل الحاجة إلى التدريب التقني.

المنتجات الحقيقية تجعل هذا التحول مرئيًا بالفعل. تسمح أدوات مثل Microsoft Copilot للمستخدمين بكتابة المطالب داخل Word أو Excel لأتمتة الملخصات، وإنشاء المحتوى، أو تشغيل التحليل. يسمح Salesforce Einstein GPT لفرق المبيعات بطلب رؤى العملاء وإعداد مسودات الرسائل استناداً إلى مراحل الصفقة أو ملاحظات الاجتماع. هذه الواجهات لا تجلس ببساطة إلى جانب التطبيق الأساسي. إنها تبدأ في استبداله.

حتى على مستوى البنية التحتية، يتسارع هذا التحول. منصات مثل Azure Prompt Flowتعامل المطالب على أنها مكونات معيارية للتطبيق، قادرة على التكوين والاختبار والنشر كجزء من نظام حقيقي. هذا ليس ميزة جانبية. إنه أساس.

توقع الرئيس التنفيذي للذكاء الاصطناعي في Microsoft مصطفى سليمان مؤخراً أن الذكاء الاصطناعي الحديث سيصبح الطريقة الرئيسية للوصول إلى الخدمات الرقمية والتنقل فيها، ليحل محل واجهات البرمجيات التقليدية في السنوات القادمة. إذا تحقق ذلك المستقبل، فإن التأكيد لن يكون مجرد اختصار. سيصبح نقطة الانطلاق الافتراضية لكيفية بدء العمل.

بالنسبة لمديري المعلومات وغيرهم من قادة الشركات، فإن هذا أكثر من مجرد ترقية لواجهة المستخدم. إنه إشارة لإعادة تخيل الأنظمة التجارية الأساسية - ليس حول الشاشات والحقول والنماذج، ولكن حول طبقات التحكم القائمة على اللغة التي تأخذ التعليمات، وتولد النتائج، وتنسيق العمل بين التطبيقات. لم تعد الواجهة هي التطبيق. الواجهة هي المطالبة.

لماذا يتم استبدال التطبيق بالمطالبة

في البرامج المؤسسية التقليدية، يتوقع من المستخدمين التكيف مع الواجهة. لكل نظام منطقه وهيكله ومنحنى تعلمه الخاص. سواء كان بوابة الموارد البشرية، أو لوحة معلومات مالية، أو إدارة علاقات العملاء، يقضي الموظفون الوقت في معرفة كيفية جعل النظام يقوم بما يحتاجون.

أنظمة القائمة على المطالب تعكس تلك الديناميكية. بدلاً من التكيف مع البرمجيات، تتكيف البرمجيات مع المستخدم.

مع المطالبة، تختفي الواجهة. يحدد الموظف نيته بلغة سهلة، ويفسر النظام ذلك الطلب، ويحدد الإجراءات المطلوبة، ويقدم النتيجة – سواء كان ذلك يعني استرداد البيانات، أو إطلاق تدفق الموافقة، أو تلخيص قاعدة معرفة داخلية.

هذا التغيير يظهر بالفعل في سير العمل المؤسسي.

في نظام إدارة علاقات العملاء التقليدي، يمكن أن يستغرق تسجيل النشاط أو استرداد تقرير الأنابيب عشر نقرات ومرشحات متعددة. في نظام قائم على المطالب، يكتب المستخدم:

"أعد مسودة بريد إلكتروني لجميع الفرص المتوقفة في أنبوب الرعاية الصحية ولخص نقاط الاتصال الحديثة."

النتيجة هي أكثر من مجرد معلومات. إنها إنتاج وعمل. يجمع الذكاء الاصطناعي السياق ويسترجع السجلات ذات الصلة ويعد المسودات. لم ينقر المستخدم على زر واحد.

هذا ليس أسرع فقط. إنه نموذج واجهة مختلفة جذرياً.

أظهرت دراسة من McKinsey لعام 2024 أن أكبر المكاسب الإنتاجية من الذكاء الاصطناعي التوليدي لم تظهر من حالات الاستخدام المنفردة، بل من قدرته على "العمل كطبقة واجهة عالمية عبر أنظمة مؤسسية متفرقة." بمعنى آخر، يصبح الذكاء الاصطناعي المكان الواحد الذي يذهب إليه الموظفون، ليس فقط للعثور على الإجابات، ولكن لإنجاز الأمور.

هذا الاتجاه يمكن رؤيته في الأدوات المستخدمة بالفعل. يسمح مساعد البحث الذكي لـSlack للمستخدمين باسترجاع الرسائل أو الملخصات بسؤال واحد. يتيح الذكاء الاصطناعي لـ Notion للموظفين التفاعل مع إنشاء المستندات وتحديث المشاريع أو البحث عن المعرفة. عبر جميع هؤلاء، يتلاشى التطبيق في الخلفية. تتولى المطالبة القيادة.

حتى الصناعات شديدة التنظيم تتكيف. يستخدم المستشارون الماليون في Morgan Stanley الآن مساعدًا مدعومًا بنموذج GPT للاستفسار عن مكتبة الأبحاث الشاملة للشركة من خلال طرح الأسئلة باللغة الإنجليزية العادية، دون الحاجة إلى تركيبة بحث. يتولى الذكاء الاصطناعي التحقق من الامتثال ويصدر محتوى من المستندات المعتمدة.

السبب في أن هذا النموذج يحل محل التطبيقات يعود إلى ثلاثة عوامل:

• تنفيذ أسرع: يتجاوز المستخدمون الواجهات ولوحات القيادة والتدريب. يصفون النتائج ويتعامل الذكاء الاصطناعي مع العمل.

• تخفيف الحمل الإدراكي: لا حاجة لتذكر مكان الأزرار أو كيفية بناء التقارير. تحل مطالبة واحدة محل سير العمل متعدد الخطوات.

• تفاعل أكثر طبيعية: اللغة هي الواجهة التي يعرفها الجميع بالفعل. لا يوجد نظام جديد للتعلم.

بالنسبة لقادة الشركات، الرسالة واضحة: إذا كان بإمكان فريقك تحقيق المزيد من خلال المطالبة بدلاً من النقر، فإن المطالبة ستفوز. يصبح التطبيق خلف الكواليس. تتحول الواجهة الفعلية إلى ما يقوله موظفوك إنهم بحاجة إليه، ومدى سرعة استجابة النظام.

قد يكون هذا مثيراً للاهتمام لك أيضًا: فضولي حول كيفية دفع الجيل المعزز باسترجاع المعلومات الذكاء الاصطناعي إلى ما بعد النماذج اللغوية الكبيرة؟ تعرف على كيفية تشغيل RAG للتحول من LLMs إلى الوكلاء.

كيف تبدو سير العمل القائمة على المطالب فعليًا

من شيء أن نقول إن المطالب تستبدل التطبيقات. ومن شيء آخر أن نرى كيف يتم تنفيذ ذلك في العمليات اليومية للمؤسسات. سير العمل القائم على المطالب يجري بالفعل تنفيذه في التمويل، والموارد البشرية، ودعم العملاء، ليس فقط كعروض، ولكن في الإنتاج.

ما يحدد سير العمل القائم على المطالب بسيط: كل شيء يبدأ بتعليمات، والباقي يتم التعامل معه بواسطة الوكلاء. المستخدم لا يتبع عملية. النظام يفعل.

لنستعرض بعض الأمثلة.

المثال 1: تباين الفاتورة في المالية

العملية التقليدية:

يسجل محلل الدخول إلى نظام إدارة موارد المؤسسة (ERP)، يتنقل إلى فواتير الموردين، يفتح كل سجل، يراجع بنود الخطوط وسير العمل. العملية تتطلب نقرات متعددة. في النظام القائم على المطالب، المستخدم يكتب:

"أعد مسودة بريد إلكتروني لجميع الفرص المتوقفة في خط الأنابيب الصحي ولخص نقاط الاتصال الأخيرة."

النتيجة أكثر من مجرد معلومات. إنها إنتاج وعمل. يجمع الذكاء الاصطناعي السياق، ويسترجع السجلات ذات الصلة، ويعد مسودات. ولا ينقر المستخدم على زر واحد.

هذا ليس فقط أسرع، بل هو نموذج واجهة مختلفة تماماً.

أظهرت دراسة من McKinsey لعام 2024 أن أكبر التحسينات الإنتاجية من الذكاء الاصطناعي التوليفي لا تنشأ من حالات الاستخدام المنفردة، بل من قدرته على "العمل كطبقة واجهة عالمية عبر الأنظمة المؤسسية المتفرقة." بمعنى آخر، يصبح الذكاء الاصطناعي المكان الذي يذهب إليه الموظفون، ليس فقط للعثور على الإجابات، ولكن لإنجاز الأمور.

هذا الاتجاه يمكن رؤيته بالفعل في الأدوات المستخدمة. يسمح مساassistant to=airesistanta<|vq_11095|>{<هذا الاتجاه يمكن رؤيته بالفعل في الأدوات المستخدمة. يسمح مساassistant to=airesistanta>