دمج استنتاج AI/ML في سير العمل الإنتاجي

معظم مشاريع AI المؤسسية تموت في الهوة بين التجربة الاستعراضية والإنتاج. يبني فريق نموذجاً أولياً يستخدم GPT-4 لتصنيف تذاكر الدعم أو تلخيص المستندات القانونية أو توليد محتوى تسويقي. تنجح التجربة الاستعراضية. يتحمس القيادة. ثم يتوقف المشروع لأشهر في محاولة الإجابة على أسئلة لم تكن التجربة الاستعراضية مضطرة للإجابة عليها: من أين تأتي البيانات؟ أين تذهب المخرجات؟ من يوافق على قرارات AI؟ ماذا يحدث عند هلوسة النموذج؟ كيف نتدقق في ما فعله؟ كيف نمنعه من الوصول إلى بيانات لا ينبغي له رؤيتها؟ كيف نمنعه من إرسال معلومات حساسة إلى المكان الخطأ؟

هذه ليست مخاوف افتراضية. 95% من تجارب الذكاء الاصطناعي التوليدي المؤسسية تفشل في تحقيق عوائد مالية، والسبب ليس أن التقنية لا تعمل. النماذج قادرة. الفشل في السباكة: دمج استنتاج AI بشكل موثوق في سير العمل التجاري الفعلي الذي يحتاج إلى العمل فيه، مع ضوابط الأمان ومعالجة الأخطاء ومسارات التدقيق التي تستلزمها أنظمة الإنتاج.

الاستجابة المؤسسية النموذجية هي بناء طبقة تكامل مخصصة. يقضي فريق هندسي أشهراً في توصيل نموذج AI بمصادر البيانات وبناء خط الأنابيب وإضافة المصادقة وتنفيذ التسجيل وإنشاء سير عمل الموافقة وإلصاق فحوصات أمان. بحلول وقت "جاهزية التكامل للإنتاج"، يكون النموذج الأصلي قد تجاوزه نموذج أحدث ومتطلبات العمل قد تحولت والفريق يحتاج لإعادة البدء.

كيف تحل Triggerfish هذا

تُزيل Triggerfish فجوة التكامل بجعل استنتاج AI خطوة من الدرجة الأولى في محرك سير العمل، محكومة بنفس تطبيق الأمان وتسجيل التدقيق وضوابط التصنيف التي تنطبق على كل عملية أخرى في النظام. خطوة وكيل LLM الفرعي في سير عمل Triggerfish ليست إضافة ملصقة. إنها عملية أصيلة بنفس hooks السياسات وتتبع النسب ومنع الكتابة التنازلية كاستدعاء HTTP أو استعلام قاعدة بيانات.

AI كخطوة في سير العمل لا نظاماً منفصلاً

في DSL سير العمل، تُعرَّف خطوة استنتاج LLM بـ call: triggerfish:llm. يُخبر وصف المهمة الوكيل الفرعي بما يفعله باللغة الطبيعية. الوكيل الفرعي لديه وصول إلى كل أداة مسجلة في Triggerfish. يستطيع البحث على الويب والاستعلام عن قواعد البيانات عبر أدوات MCP وقراءة المستندات وتصفح المواقع واستخدام الذاكرة بين الجلسات. عند اكتمال الخطوة، يُغذي مخرجها مباشرة في الخطوة التالية من سير العمل.

يعني هذا عدم وجود "نظام AI" منفصل للتكامل معه. يحدث الاستنتاج داخل سير العمل، باستخدام نفس بيانات الاعتماد ونفس اتصالات البيانات ونفس تطبيق الأمان كأي شيء آخر. لا يحتاج فريق هندسي لبناء طبقة تكامل مخصصة لأن طبقة التكامل موجودة بالفعل.

أمان لا يتطلب هندسة مخصصة

الجزء الأكثر استهلاكاً للوقت في إنتاج سير عمل AI ليس AI نفسه. إنه عمل الأمان والامتثال. أي بيانات يمكن للنموذج رؤيتها؟ أين يمكنه إرسال مخرجاته؟ كيف نمنعه من تسريب معلومات حساسة؟ كيف نسجّل كل شيء للتدقيق؟

في Triggerfish، تُجيب معمارية المنصة على هذه الأسئلة لا الهندسة لكل مشروع. يتتبع نظام التصنيف حساسية البيانات عند كل حدود. يتصاعد taint الجلسة عند وصول النموذج إلى بيانات مُصنفة. يحجب منع الكتابة التنازلية المخرجات من التدفق إلى قناة مصنفة أدنى من مستوى taint الجلسة. كل استدعاء أداة وكل وصول للبيانات وكل قرار مخرجات يُسجَّل مع نسب كاملة.

سير عمل AI يقرأ سجلات العملاء (CONFIDENTIAL) ويولد ملخصاً لا يستطيع إرسال ذلك الملخص إلى قناة Slack عامة. هذا لا يُطبَّق بتعليمة prompt قد يتجاهلها النموذج. إنه مطبَّق بكود حتمي في hook PRE_OUTPUT لا يستطيع النموذج رؤيته ولا تعديله ولا تجاوزه. تعمل hooks السياسات تحت طبقة LLM. يطلب LLM إجراءً وطبقة السياسات تقرر ما إذا كانت ستسمح به. انتهاء المهلة يساوي الرفض. لا يوجد مسار من النموذج إلى العالم الخارجي لا يمر عبر التطبيق.

مسارات التدقيق الموجودة بالفعل

كل قرار AI في سير عمل Triggerfish يُولّد سجلات نسب تلقائياً. يتتبع النسب البيانات التي وصل إليها النموذج ومستوى التصنيف الذي حملته والتحولات المطبقة وأين أُرسل المخرج. هذه ليست ميزة تسجيل تحتاج إلى تفعيل أو إعداد. إنها خاصية هيكلية للمنصة. كل عنصر بيانات يحمل بيانات وراثة من الإنشاء عبر كل تحول إلى وجهته النهائية.

بالنسبة للصناعات الخاضعة للتنظيم، يعني هذا وجود أدلة الامتثال لسير عمل AI من اليوم الأول. يستطيع المدقق تتبع أي مخرج ناتج عن AI عبر السلسلة الكاملة: أي نموذج أنتجه، وعلى أي بيانات استند، وما الأدوات التي استخدمها النموذج أثناء الاستدلال، وما مستوى التصنيف المطبَّق في كل خطوة، وما إذا كانت أي إجراءات تطبيق سياسات قد حدثت. يتم جمع هذه الأدلة تلقائياً لأنها مبنية في hooks التطبيق لا ملصقة كطبقة تقارير.

مرونة النموذج بدون إعادة معمارية

تدعم Triggerfish موفري LLM متعددين عبر واجهة LlmProvider: Anthropic وOpenAI وGoogle والنماذج المحلية عبر Ollama وOpenRouter لأي نموذج موجَّه. اختيار الموفر قابل للإعداد لكل وكيل مع تجاوز فشل تلقائي. عند توفر نموذج أفضل أو تغيير موفر لتسعيره، يحدث التبديل على مستوى الإعداد دون لمس تعريفات سير العمل.

يُعالج هذا مباشرة مشكلة "المشروع قديم قبل شحنه". تعريفات سير العمل تصف ما يجب على AI فعله، لا أي نموذج يفعله. التبديل من GPT-4 إلى Claude إلى نموذج محلي دقيق يغيّر قيمة إعداد واحدة. سير العمل وضوابط الأمان ومسارات التدقيق ونقاط التكامل تظل جميعها دون تغيير.

Cron والـ Webhook والتنفيذ المدفوع بالأحداث

سير عمل AI التي تعمل حسب جدول أو استجابةً للأحداث لا تحتاج إنساناً ليطلقها. يدعم المُجدوِل تعبيرات cron ذات خمسة حقول لسير العمل المتكررة ونقاط نهاية webhook للإطلاق المدفوع بالأحداث. يعمل سير عمل توليد التقارير اليومية في السادسة صباحاً. يُطلق سير عمل تصنيف المستندات عند وصول ملف جديد عبر webhook. يُطلق سير عمل تحليل المشاعر على كل تذكرة دعم جديدة.

كل تنفيذ مُجدوَل أو مدفوع بالأحداث يُنشئ جلسة معزولة بـ taint جديدة. يعمل سير العمل في سياق أمانه الخاص، مستقلاً عن أي جلسات تفاعلية. إذا وصلت سير العمل المُطلقة بـ cron إلى بيانات CONFIDENTIAL، يُصنَّف تاريخ ذلك التنفيذ فحسب بمستوى CONFIDENTIAL. سير العمل المُجدوَلة الأخرى التي تعمل بتصنيف PUBLIC لا تتأثر.

معالجة الأخطاء والإنسان في الحلقة

تحتاج سير عمل AI الإنتاجية لمعالجة الفشل بسلاسة. يدعم DSL سير العمل raise للشروط الصريحة للأخطاء ودلالات try/catch عبر معالجة الأخطاء في تعريفات المهام. عند توليد وكيل LLM الفرعي مخرجاً ذا ثقة منخفضة أو مواجهة موقف لا يستطيع التعامل معه، يستطيع سير العمل التوجيه إلى طابور موافقة بشرية أو إرسال إشعار عبر خدمة الإشعارات أو اتخاذ إجراء احتياطي.

تُرسل خدمة الإشعارات تنبيهات عبر جميع القنوات المتصلة مع أولوية وإلغاء التكرار. إذا احتاج سير عمل موافقة بشرية قبل إرسال تعديل عقد ناتج عن AI، يمكن أن يصل طلب الموافقة على Slack أو WhatsApp أو البريد الإلكتروني أو أينما يتواجد المعتمِد. يتوقف سير العمل حتى تأتي الموافقة، ثم يستأنف من حيث توقف.

كيف يبدو هذا عملياً

يريد قسم قانوني أتمتة مراجعة العقود. النهج التقليدي: ستة أشهر من التطوير المخصص لبناء خط أنابيب يستخرج البنود من العقود المرفوعة، يُصنّف مستويات المخاطر، يُعلّم الشروط غير القياسية، ويولّد ملخصاً للمحامي المراجع. يتطلب المشروع فريق هندسة مخصصاً ومراجعة أمان مخصصة وموافقة امتثال وصيانة مستمرة.

مع Triggerfish، يستغرق كتابة تعريف سير العمل يوماً واحداً. رفع المستند يُطلق webhook. يقرأ وكيل LLM الفرعي العقد ويستخرج البنود الرئيسية ويُصنّف مستويات المخاطر ويُحدد الشروط غير القياسية. تتحقق خطوة التحقق من الاستخراج مقارنة بمكتبة بنود الشركة المخزنة في الذاكرة. يُوجَّه الملخص إلى قناة إشعارات المحامي المعيّن. يعمل خط الأنابيب بأكمله بمستوى تصنيف RESTRICTED لأن العقود تحتوي على معلومات امتياز العميل، ويضمن منع الكتابة التنازلية عدم تسرب أي بيانات عقدية إلى قناة أدنى من RESTRICTED.

عند تغيير الشركة لموفري LLM (لأن نموذجاً جديداً يتعامل بشكل أفضل مع اللغة القانونية، أو لأن الموفر الحالي رفع أسعاره)، يكون التغيير سطراً واحداً في الإعداد. تعريف سير العمل وضوابط الأمان ومسار التدقيق وتوجيه الإشعارات يستمر كل منها في العمل دون تعديل. عند إضافة الشركة لنوع بند جديد إلى إطار المخاطر الخاص بها، يلتقطه وكيل LLM الفرعي دون إعادة كتابة قواعد الاستخراج لأنه يقرأ بحثاً عن المعنى لا الأنماط.

يحصل فريق الامتثال على مسار تدقيق كامل من اليوم الأول. كل عقد جرت معالجته وكل بند استُخرج وكل تصنيف مخاطر عُيّن وكل إشعار أُرسل وكل موافقة محامٍ سُجّلت، مع نسب كاملة إلى المستند المصدر. جمع الأدلة الذي كان سيستغرق أسابيع من عمل التقارير المخصصة يوجد تلقائياً كخاصية هيكلية للمنصة.