أعلنت EnterpriseDB عن تحديث جديد لمنصة EDB Postgres AI يركز على دمج التحليلات مع قاعدة البيانات التشغيلية، في خطوة تعكس التحول المتسارع في بنية البيانات المؤسسية مع انتشار وكلاء الذكاء الاصطناعي. الفكرة الأساسية بسيطة لكن آثارها واسعة: بدلاً من إبقاء البيانات التشغيلية في نظام، والبيانات التحليلية في نظام آخر، تسعى الشركة إلى تقريب الطبقتين داخل بنية واحدة أكثر اتساقاً وأسهل في الإدارة.
هذا التوجه يأتي في وقت تتسابق فيه شركات البنية التحتية للبيانات لإعادة تصميم مكدس البيانات حول احتياجات الذكاء الاصطناعي. فالوكلاء الذكيون لا يكتفون بقراءة البيانات التاريخية، بل يحتاجون إلى الوصول السريع إلى أحدث السجلات التشغيلية، واتخاذ قرارات أو تنفيذ إجراءات بناءً على سياق مباشر. ومع هذا التحول، أصبحت الفجوة التقليدية بين OLTP وOLAP أقل ملاءمة لاحتياجات المؤسسات الحديثة.
من الفصل التقليدي إلى بنية موحدة
لسنوات طويلة، اعتُبر الفصل بين قواعد البيانات التشغيلية ومنصات التحليلات أفضل ممارسة معمارية. لكن مع صعود تطبيقات الذكاء الاصطناعي التي تتفاعل باستمرار مع بيانات الأعمال، بدأ هذا الفصل يتحول إلى عبء. فكلما احتاجت فرق العمل إلى بيانات محدثة، ظهرت الحاجة إلى نسخ متكررة، ومسارات نقل بيانات، وعمليات ETL معقدة قد تؤخر الوصول إلى المعلومة.
EDB تقول إنها تبني من قاعدة Postgres نفسها، لا من طبقة مستودعات البيانات، وهي نقطة تميّزها عن بعض المنافسين الذين يحاولون إدخال القدرة المعاملاتية إلى عالم التحليلات من الاتجاه المعاكس. وفق هذا التصور، تبقى Postgres هي مصدر الحقيقة التشغيلي، بينما تُستخدم طبقة Apache Iceberg كفهرس أو كتالوج مشترك يربط بين Postgres ومحركات التحليل والتشغيل اللاحقة.
في هذه البنية، لا تُجبر المؤسسات على تكرار البيانات أو تمريرها عبر سلاسل معقدة من النقل. بدل ذلك، تبقى البيانات التشغيلية في قاعدة Postgres، بينما تُخزن البيانات التاريخية أو متعددة الطبقات في تخزين كائني مدعوم بـ Iceberg، مع إتاحة الاستعلام عنها من خلال كتالوج موحد. والنتيجة هي وصول أسرع إلى البيانات، وتقليل الاعتماد على نسخ البيانات، وتخفيف العبء التشغيلي على فرق الهندسة.
التركيز على السيادة الرقمية والحوكمة
أحد أهم دوافع EDB في هذا التحديث هو جذب المؤسسات التي لا تريد نقل بياناتها الحساسة إلى منصات سحابية مُدارة بالكامل. هذا الاعتبار يزداد أهمية في القطاعات الخاضعة للتنظيم، مثل الخدمات المالية والرعاية الصحية والقطاع الحكومي، حيث تمثل سيادة البيانات والامتثال القانوني متطلبات أساسية وليست مجرد مزايا إضافية.
من هذا المنطلق، ترى الشركة أن بنيتها الجديدة تمنح العملاء قدرة أكبر على تشغيل التحليلات وعبء العمل المرتبط بالذكاء الاصطناعي داخل بيئة يملكونها ويضبطونها بأنفسهم. وهذا يخفف من القلق المرتبط بإيداع البيانات الحساسة داخل منصة طرف ثالث، كما يمنح فرق تقنية المعلومات رؤية أوضح على الضوابط الأمنية وطبقات الحوكمة.
كما أن هذا التوجه قد يكون أكثر جاذبية للمؤسسات التي تبحث عن نموذج اقتصادي يمكن التنبؤ به. فبدلاً من الاعتماد الكامل على نماذج تسعير الاستهلاك التي قد تتذبذب مع زيادة الاستعلامات وأحمال الذكاء الاصطناعي، تعتمد EDB على نموذج تسعير قائم على عدد الأنوية، وهو ما قد يساعد في ضبط الميزانيات بشكل أفضل. ومع ذلك، فإن التنبؤ بالتكلفة لا يعني بالضرورة أن الكلفة الكلية ستكون أقل في كل الحالات، لأن متطلبات العتاد لمعالجة البيانات التشغيلية عالية السرعة قد تظل مرتفعة.
تخفيف العبء التشغيلي عن فرق الهندسة
إحدى الرسائل المهمة في هذا التحديث هي تقليل ما يمكن وصفه بالعبء المعماري على فرق التطوير والبيانات. فكلما قل عدد الأنظمة التي تحتاج إلى التكامل والصيانة والمراقبة، كلما زادت قدرة الفرق على التركيز على قيمة الأعمال بدلاً من إصلاح الأنابيب الخلفية التي تنقل البيانات بين المنصات.
في الممارسة العملية، يعني ذلك تقليل عدد الأدوات التي يجب على المهندسين إدارتها، وتخفيف احتمالات تعطل مسارات البيانات، وتقليل الحاجة إلى صيانة سلاسل ETL التقليدية. كما أن بنية Zero-ETL، التي تروج لها EDB ضمن هذه الرؤية، قد تقلل زمن التطوير وتسرّع إطلاق حالات استخدام جديدة تعتمد على البيانات المحدثة.
هذا مهم بشكل خاص لتطبيقات الذكاء الاصطناعي الوكيلة، لأنها لا تعمل في فراغ تحليلي منفصل، بل تحتاج إلى سياق تشغيلي فوري. وكلما أصبح الوصول إلى هذه البيانات أبسط، تحسنت قدرة الوكلاء على الاقتراح أو التنبؤ أو تنفيذ المهام بشكل أكثر دقة.
ميزة القاعدة الوكيلة وإدارة الذات
إلى جانب التحليلات الموحدة، أعلنت EDB أيضاً إتاحة ميزة جديدة تصفها بأنها قاعدة بيانات وكيلة. هذه الميزة تهدف إلى أتمتة مهام الإدارة الروتينية، عبر مراقبة مئات المؤشرات التشغيلية ومؤشرات الأداء، ثم اكتشاف الشذوذ، واقتراح إجراءات تصحيحية، بل وتنفيذ بعض المعالجات تلقائياً إذا سمحت سياسات المؤسسة بذلك.
بحسب الشركة، يمكن لهذه القدرات أن تسرّع عمليات الضبط والتحسين بما يصل إلى عشرة أضعاف. الفكرة هنا ليست استبدال فرق الإدارة البشرية، بل تقليل الوقت المستهلك في المهام المتكررة، وتحويل التركيز نحو المشكلات الأعلى قيمة والأكثر تعقيداً.
مع ذلك، يرى بعض المراقبين أن ما تطرحه EDB ليس فئة جديدة بالكامل بقدر ما هو تطور طبيعي لمفهوم قواعد البيانات الذاتية الإدارة الذي تعمل عليه شركات عديدة منذ سنوات. الفارق المحتمل، وفق هذه القراءة، يكمن في دمج الاستدلال المدعوم بالذكاء الاصطناعي مع آليات معالجة تلقائية وضوابط حوكمة تسمح للمؤسسة بتحديد مقدار الصلاحيات التي تمنحها للنظام.
منافسة أوسع في سوق البيانات الجاهزة للذكاء الاصطناعي
EDB ليست وحدها في هذا المسار. فشركات بيانات كبرى أخرى تعمل على تقليل المسافة بين العمليات التشغيلية والتحليلات، سواء عبر دعم صيغ الجداول المفتوحة أو عبر توحيد الخدمات ضمن منصات بيانات أكبر. الهدف المشترك هو نفسه تقريباً: تمكين التطبيقات الذكية من الوصول إلى البيانات الحديثة والسياق التاريخي وضوابط الحوكمة من دون تعقيد معماري زائد.
هذا التحول يشير إلى أن الطبقة الفاصلة بين قاعدة البيانات ومستودع التحليلات لم تعد ثابتة كما كانت. ومع دخول الذكاء الاصطناعي إلى صميم العمليات المؤسسية، باتت سرعة الوصول إلى البيانات ونوعيتها ودرجة التحكم فيها عوامل تتفوق أحياناً على الفواصل المعمارية التقليدية.
وبالنسبة لـ EDB، فإن الرسالة واضحة: المستقبل في نظرها لا يمر عبر نقل كل شيء إلى مستودع بيانات منفصل، بل عبر جعل Postgres نفسها نقطة الارتكاز لتشغيل الأعمال والتحليلات والذكاء الاصطناعي معاً، ضمن نموذج يوازن بين الأداء والسيطرة والامتثال.