انضم إلى نشراتنا الإخبارية اليومية والأسبوعية للحصول على آخر التحديثات والمحتوى الحصري حول تغطية الذكاء الاصطناعي الرائدة. يتعلم أكثر
من المعروف أن مجموعات البيانات المؤسسية متنوعة وفوضوية ومجزأة. مع تدفق البيانات من مصادر متعددة إلى منصات معقدة متعددة السحابة ثم توزيعها عبر مختلف تطبيقات الذكاء الاصطناعي وذكاء الأعمال وروبوتات الدردشة، أصبحت إدارة هذه الأنظمة البيئية تحديًا كبيرًا ويستغرق وقتًا طويلاً. اليوم، كونيكتي AIخرجت الشركة الناشئة، ومقرها سان فرانسيسكو، من وضع التخفي بمبلغ 1.8 مليون دولار لتبسيط هذا التعقيد من خلال نهج مدرك للسياق.
يعد الابتكار الأساسي لشركة Connecty عبارة عن محرك سياقي يمتد عبر خطوط بيانات المؤسسة الأفقية بأكملها – حيث يقوم بتحليل مصادر البيانات المختلفة وتوصيلها بشكل نشط. ومن خلال ربط نقاط البيانات، تلتقط المنصة فهمًا دقيقًا لما يحدث في العمل في الوقت الفعلي. يقود هذا “الوعي السياقي” مهام البيانات الآلية ويتيح في النهاية رؤى أعمال دقيقة وقابلة للتنفيذ.
على الرغم من أن Connecty لا يزال في أيامه الأولى، إلا أنه يعمل بالفعل على تبسيط مهام البيانات للعديد من الشركات. تعمل المنصة على تقليل عمل فرق البيانات بنسبة تصل إلى 80%، وتنفيذ المشاريع التي كانت تستغرق أسابيع في دقائق.
الاتصال يجلب النظام إلى “فوضى البيانات”
حتى قبل عصر النماذج اللغوية، كانت فوضى البيانات حقيقة قاتمة.
مع نمو المعلومات المنظمة وغير المنظمة بوتيرة غير مسبوقة، تكافح الفرق باستمرار للحفاظ على ترتيب بنيات البيانات المجزأة. أدى هذا إلى إبقاء سياق العمل الأساسي الخاص بهم مجزأً ومخططات البيانات الخاصة بهم قديمة – مما أدى إلى ضعف أداء التطبيقات النهائية. خذ بعين الاعتبار حالة روبوتات الدردشة التي تعمل بالذكاء الاصطناعي والتي تعاني من الهلوسة أو لوحات معلومات ذكاء الأعمال التي تقدم رؤى تجارية غير دقيقة.
رأى مؤسسا Connecty AI، Aish Agarwal وPeter Wisniewski، هذه التحديات بشكل مباشر في أدوارهما في سلسلة قيمة البيانات، وأشارا إلى أن الأمر كله يتلخص في سؤال واحد كبير: فهم الفروق الدقيقة في بيانات الأعمال المنتشرة عبر خطوط الأنابيب. في الأساس، كان على الفرق القيام بالكثير من العمل اليدوي لإعداد البيانات ورسم الخرائط وتحليل البيانات الاستكشافية وإعداد نماذج البيانات.
لإصلاح هذه المشكلة، بدأ الثنائي العمل على محرك الإطلاق والمحرك السياقي في قلب اللعبة.
“في جوهر الحل الذي نقدمه، يوجد محرك سياق خاص يقوم باستخراج البيانات من مصادر متباينة وربطها وتحديثها وإثرائها (عبر التكامل الخالي من التعليمات البرمجية) في الوقت الفعلي، والذي يتضمن تعليقات بشرية في الحلقة لضبط التعريف المخصص . “نحن نفعل ذلك من خلال الجمع بين قواعد البيانات المتجهة وقواعد بيانات الرسوم البيانية والبيانات المنظمة، وإنشاء “رسم بياني للسياق” يلتقط ويحافظ على عرض دقيق ومترابط لجميع المعلومات، “قال أغاروال لـ VentureBeat.
بمجرد أن يصبح الرسم البياني السياقي الخاص بالمؤسسة والذي يغطي جميع خطوط البيانات جاهزًا، يستخدمه النظام الأساسي لإنشاء طبقة دلالية ديناميكية مخصصة لكل شخصية مستخدم تلقائيًا. تعمل هذه الطبقة في الخلفية، وتقوم بإنشاء توصيات بشكل استباقي ضمن مسار البيانات، وتحديث الوثائق وتمكين تقديم الرؤى ذات الصلة بالسياق، والمصممة على الفور لتناسب احتياجات مختلف أصحاب المصلحة.
“يطبق Connecty AI التعلم العميق لسياق مجموعات البيانات المختلفة وارتباطاتها بكل كائن لإنشاء وثائق شاملة وتحديد مقاييس الأعمال بناءً على نية العمل. في مرحلة إعداد البيانات، ستقوم Connecty AI بإنشاء طبقة دلالية ديناميكية تساعد على أتمتة إنشاء نماذج البيانات، وتسليط الضوء على التناقضات وحلها من خلال الملاحظات البشرية التي تزيد من إثراء تعلم السياق. بالإضافة إلى ذلك، ستعمل قدرات استكشاف بيانات الخدمة الذاتية على تمكين مديري المنتجات من إجراء تحليل مخصص بشكل مستقل، مما يقلل من اعتمادهم على الفرق الفنية وتسهيل اتخاذ قرارات أكثر مرونة تعتمد على البيانات.
يتم توفير الرؤى من خلال “وكلاء البيانات” الذين يتفاعلون مع المستخدمين باللغة الطبيعية مع الأخذ في الاعتبار خبرتهم الفنية ومستوى الوصول إلى المعلومات والأذونات. يوضح المؤسس أن كل مستخدم يحصل على تجربة مخصصة تناسب دوره ومجموعة مهاراته، مما يسهل التفاعل بكفاءة مع البيانات، ويزيد الإنتاجية ويقلل الحاجة إلى تدريب مكثف.
نتائج مهمة للشركاء الأوائل
في حين أن العديد من الشركات، بما في ذلك الشركات الناشئة مثل DataGPT والشركات العملاقة التي تبلغ قيمتها مليارات الدولارات مثل Snowflake، تعد بوصول أسرع إلى رؤى دقيقة مع واجهات كبيرة تعتمد على نماذج اللغة، تدعي Connecty أنها تتميز بنهجها القائم على الرسم البياني السياقي الذي يمتد على المجموعة بأكملها، وليس فقط منصة واحدة أو اثنتين.
وفقًا للشركة، تقوم المؤسسات الأخرى بأتمتة سير عمل البيانات من خلال تفسير المخطط الثابت، لكن هذا النهج غير كافٍ في بيئات الإنتاج، حيث تكون الحاجة إلى فهم متماسك ومتطور باستمرار للبيانات عبر الأنظمة والفرق.
حاليًا، تعد Connecty AI في مرحلة ما قبل الإيرادات، على الرغم من أنها تعمل مع العديد من الشركات الشريكة لتحسين أداء منتجها بشكل أكبر على البيانات وسير العمل في العالم الحقيقي. وتشمل هذه Kittl وFiege وMindtickle وDept. تقوم جميع المؤسسات الأربع بتشغيل Connecty POC في بيئاتها وتمكنت من تحسين مشاريع البيانات، مما أدى إلى تقليل عمل فرقها بنسبة تصل إلى 80% وتسريع وقت الحصول على الرؤى.
“ينمو تعقيد البيانات لدينا بسرعة ويستغرق إعداد البيانات وتحليل المقاييس وقتًا أطول. سننتظر ما متوسطه 2-3 أسابيع لإعداد البيانات واستخراج رؤى قابلة للتنفيذ من بيانات استخدام منتجاتنا ودمجها مع بيانات المعاملات والتسويق. قال نيكولاس هيمان، الرئيس التنفيذي لشركة Kittl: “الآن مع Connecty AI، أصبح الأمر مجرد دقائق.
وكخطوة تالية، تخطط Connecty لتوسيع قدرات الفهم لمحرك السياق الخاص بها من خلال دعم مصادر البيانات الإضافية. كما ستطلق المنتج أيضًا لمجموعة أكبر من الشركات كخدمة واجهة برمجة التطبيقات (API)، وستفرض رسومًا عليها على أساس نموذج تسعير لكل مقعد أو لكل استخدام.
