Lidia Perskaتستمر الذكاء الاصطناعي (AI) في تحويل مجالات مختلفة، وها هو الآن يحقق تقدمًا في أتمتة العمليات التجارية. من بين هذه الإنجازات، تكتسب منصة جديدة تُدعى LAM (نموذج العمل الكبير) الزخم كبديل متطور لأتمتة العمليات الروبوتية التقليدية (RPA). بدأت شركات مثل Automation Anywhere وUiPath بدمج الذكاء الاصطناعي التوليدي في أدواتها الحالية، لكن هناك شركة ناشئة جديدة، Orby AI، تتحدى هؤلاء اللاعبين المتواجدين بالفعل في السوق.
تأسست Orby AI في عام 2022 من قبل محترفين ذوي خبرة من UiPath وGoogle، وتركز على تحسين العمليات التجارية. تتميز منصتهم ActIO باستخدام تقنية LAM، التي تجمع بين تقنيات البرمجة العصبية الرمزية. تتيح هذه المقاربة المبتكرة للذكاء الاصطناعي ليس فقط معالجة المعلومات بل أيضًا تحديد وتنفيذ إجراءات محددة استنادًا إلى الظروف المودلة.
تختلف حلول Orby AI عن الذكاء الاصطناعي التقليدي، حيث تركز على توليد العمليات بدلاً من مجرد إنشاء نصوص أو صور. من خلال استخدام مجموعة متنوعة من تقنيات الذكاء الاصطناعي التوليدي، بما في ذلك LAM، تطمح Orby AI إلى أتمتة سير العمل المعقد بشكل مستقل باستخدام وكلاء ذكيين.
مؤخراً، حصلت الشركة الناشئة على تمويل كبير قدره 30 مليون دولار، لترتفع إجمالي التمويلات إلى 34.5 مليون دولار. ومع استعدادهم لدخول السوق، يشير المحللون إلى أن RPA التقليدية قد لا تلبي بعد الآن احتياجات الأعمال المتطورة. تسعى Orby AI إلى تمييز نفسها عن المصطلحات القديمة المتعلقة بـ RPA، مع تعزيز بساطة وذكاء أدواتها. تهدف الشركة إلى إعادة تعريف الأتمتة لتناسب المشهد الحديث، تاركة وراءها قيود المنهجيات السابقة.
ثورة الأتمتة: ظهور تقنية LAM
مع تطور المشهد التجاري، تتطور أيضًا التكنولوجيا التي تحركه. يمثل ظهور تقنية نموذج العمل الكبير (LAM) تحولًا كبيرًا في مجال الأتمتة، واعدًا بتحسين الكفاءة واتخاذ القرارات عبر مختلف القطاعات. تتجاوز تقنية LAM نماذج الأتمتة التقليدية من خلال التركيز على تنفيذ الإجراءات بناءً على الفهم السياقي، بدلاً من مجرد اتباع نصوص محددة مسبقًا. هذه المرونة تُحدث تغييرًا كبيرًا في البيئات التي يكون فيها اتخاذ القرار الديناميكي أمرًا بالغ الأهمية.
واحدة من الأسئلة المحورية المتعلقة بتقنية LAM هي: ما الذي يميزها عن حلول RPA التقليدية؟ يكمن الجواب في قدرتها على التعلم التكيفي واتخاذ القرارات المستندة إلى السياق. على عكس RPA، التي تعتمد عادةً على منطقيات قائمة على القواعد، يمكن لـ LAM تقييم الحالات وتوليد استجابات مناسبة في الوقت الحقيقي. هذه التكيفات لا تقدر بثمن في الصناعات مثل المالية والرعاية الصحية، حيث يمكن أن تتغير الظروف بسرعة.
سؤال آخر مهم هو: ما هي التحديات الرئيسية المرتبطة بتبني تقنية LAM؟ تعتبر مخاوف الأمان ذات أهمية قصوى، حيث إن دمج أنظمة الذكاء الاصطناعي المتقدمة قد يعرض المؤسسات لمخاطر مثل خروقات البيانات أو أعطال النظام. علاوة على ذلك، فإن الحاجة إلى استثمار أولي كبير في التكنولوجيا والتدريب تمثل عائقًا للعديد من الشركات. يجب على المؤسسات أيضًا التنقل عبر المشهد المعقد للإمتثال التنظيمي، خاصة في القطاعات مثل الرعاية الصحية، حيث يتم مراقبة معالجة البيانات بدقة.
بينما تقدم تقنية LAM العديد من المزايا، من الضروري الاعتراف بالعيوب أيضًا. واحدة من المزايا الرئيسية هي القدرة على التعامل مع سير العمل المعقد بشكل مستقل، مما يقلل العبء على المشغلين البشر ويزيد من الكفاءة التشغيلية. بالإضافة إلى ذلك، يمكن أن تؤدي LAM إلى تحسين الرؤى المستندة إلى البيانات، مما يوفر للمؤسسات فهمًا أعمق لعملياتها ويسهل اتخاذ قرارات استراتيجية أفضل.
ومع ذلك، تشمل العيوب محتملة منحنى التعلم الحاد المرتبط بتطبيق مثل هذه الأنظمة المتقدمة. قد تواجه الشركات صعوبة في الانتقال الثقافي المطلوب لدمج LAM في سير العمل الحالي. علاوة على ذلك، يمكن أن تؤدي الاعتماد على الذكاء الاصطناعي إلى تحديات تتعلق بالشفافية والمساءلة، خاصةً إذا كانت الخوارزميات تتخذ قرارات حاسمة بدون إشراف بشري.
عند النظر إلى المستقبل، فإن مستقبل تقنية LAM مشرق، ولكن يجب على المؤسسات الاقتراب من تبنيها بحذر واستعداد لإدارة التحديات المرتبطة بها. تشير التحسينات المستمرة في الذكاء الاصطناعي، جنبًا إلى جنب مع الطلب المتزايد على حلول الأتمتة القابلة للتكيف، إلى أن LAM من المرجح أن تلعب دورًا محوريًا في تشكيل مستقبل العمليات التجارية.
للحصول على مزيد من الرؤى حول تطور تكنولوجيا الأتمتة، قم بزيارة: automation.com
