من تنظيف البيانات إلى قرار فوري
لفترة طويلة، كان حلّ الكيانات يُنظر إليه باعتباره مهمة خلفية لتحسين جودة قواعد البيانات. كانت الفكرة بسيطة: إذا كانت هناك سجلات متعددة للشخص أو الشركة نفسها، فبإمكان الفريق التقني دمجها لاحقاً في دفعة معالجة مجدولة، ثم مراجعة النتائج وتصحيحها عند الحاجة. هذا المنطق كان صالحاً عندما كانت الأخطاء تظهر في التقارير أو التحليلات فقط.
لكن ظهور وكلاء الذكاء الاصطناعي غيّر طبيعة المشكلة بالكامل. فالوكيل لا يكتفي بقراءة البيانات أو تلخيصها، بل قد يتخذ بناءً عليها إجراءً مباشراً مثل الموافقة على طلب، أو تحديث ملف، أو الرد على استفسار امتثال. عند هذه النقطة، لم يعد الخطأ في الربط بين السجلات مجرد خلل رقمي صغير، بل أصبح قراراً خاطئاً قد يُنفَّذ فوراً في العالم الواقعي.
هنا تحديداً يتحول حلّ الكيانات من نشاط لتنظيف البيانات إلى طبقة تشغيلية أساسية. فهو لم يعد يسأل: هل يمكننا تحسين جودة السجل؟ بل: هل يعرف النظام بالفعل أي عميل أو مورد أو حساب يتعامل معه الآن؟
حين تكون المشكلة في الربط لا في النموذج
إحدى أكثر الأخطاء التي يمكن أن تقع فيها أنظمة الذكاء الاصطناعي المؤسسية هي افتراض أن النموذج نفسه مسؤول عن الخطأ، بينما السبب الحقيقي يكمن في البيانات التي وصلته. إذا كانت الشركة تحتفظ بسجلين لنفس العميل، أحدهما بالاسم التجاري القديم والآخر بالاسم القانوني الجديد بعد استحواذ أو إعادة هيكلة، فقد يرى النظام صورة ناقصة لكل سجل على حدة. عندها قد يبدو وكأن الحساب خالٍ من الالتزامات المتأخرة، في حين أن الحقيقة موزعة بين سجلين منفصلين.
المشكلة هنا ليست في المنطق اللغوي للنموذج، بل في أن البيانات لا تمثل الكيان الحقيقي تمثيلاً موحداً. النتيجة أن الوكيل يستنتج بثقة من معلومات غير مكتملة، فيبدو جوابه متماسكاً من الناحية الشكلية لكنه خاطئ عملياً. هذا النوع من الأخطاء أكثر خطورة من الهلوسة التقليدية، لأنه لا يلفت الانتباه بسهولة؛ فالوكيل يتصرف بثقة لأن مدخلاته نفسها مضللة.
لهذا السبب، لم يعد حلّ الكيانات مكملاً اختيارياً، بل أصبح جزءاً من أساس الثقة في أنظمة الذكاء الاصطناعي التي تتعامل مع بيانات العملاء والموظفين والموردين والمعاملات.
الجذور القديمة لفكرة حديثة
على الرغم من أن الاهتمام الحالي بالموضوع جاء مع الذكاء الاصطناعي التوليدي والوكلاء، فإن أصل حلّ الكيانات يعود إلى عقود سابقة. منذ أواخر الخمسينيات، حاول الباحثون بناء طرق آلية لربط السجلات الرسمية التي قد تشير إلى الشخص نفسه رغم اختلاف الصياغة أو نقص بعض الحقول. وفي نهاية الستينيات، تطورت هذه الفكرة إلى إطار رياضي يميز بين ثلاث نتائج رئيسية: تطابق مؤكد، وعدم تطابق، وحالة غموض تحتاج إلى مراجعة بشرية.
الأهم أن هذا المجال لم يعتمد يوماً على المطابقة الحرفية فقط. فمنذ بدايته، كان قائماً على الاحتمالات والقرائن، لأن البيانات البشرية بطبيعتها غير متسقة. قد يختلف الاسم المختصر، أو ينعكس ترتيب الحقول، أو تظهر الأخطاء الإملائية، أو تُستخدم اختصارات محلية لا يفهمها النظام إلا إذا كان قادراً على الترجيح بين الإشارات المختلفة. لهذا تمزج تقنيات حلّ الكيانات الحديثة بين القواعد الثابتة، مثل المعرفات المستقرة، وبين المطابقة المرنة والتعلم الآلي لتحمل الفوارق الصغيرة بين السجلات.
الجديد اليوم ليس الفكرة نفسها، بل توقيت الحاجة إليها. ما كان في السابق مهمة تعالج لاحقاً، أصبح الآن قراراً يجب أن يكون متاحاً في اللحظة نفسها التي يطلب فيها الوكيل المعلومة.
الوكلاء يرفعون مستوى المخاطر
تعتمد معظم تطبيقات الذكاء الاصطناعي المؤسسي الحديثة على الاسترجاع بدلاً من الاعتماد على ذاكرة النموذج وحدها. أي أن النظام يجلب السياق من قواعد البيانات أو مستودعات المعلومات ثم يبني عليه الإجابة أو الإجراء. هذا النهج مفيد لأنه يربط النموذج ببيانات المؤسسة الفعلية، لكنه يكشف في الوقت نفسه أي ضعف موجود في طبقة الهوية والربط.
إذا استرجع النظام ثلاث سجلات منفصلة لعميل واحد، فسيتعامل معها وكأنها ثلاث جهات مختلفة. وإذا دمج خطأً بين شركتين متمايزتين، فسوف يبني قراره على كيان واحد وهمي. في كلتا الحالتين، لا يملك النموذج وحده القدرة على اكتشاف أن المشكلة بدأت قبل مرحلة التفكير، في طبقة الهوية نفسها.
لهذا السبب ينبغي أن يعمل حلّ الكيانات في الزمن الحقيقي كخدمة بنيوية، لا كتنظيف دوري. يجب أن تتكوّن الهوية الموحدة عند دخول البيانات، ثم تبقى قابلة للاسترجاع فوراً عندما يطلبها الوكيل. بهذا المعنى، فإن حلّ الكيانات أقرب إلى دور قاعدة البيانات أو خدمة المصادقة منه إلى مشروع جودة بيانات مؤجل.
فجوة الجاهزية في المؤسسات
رغم الحماس المتزايد لاعتماد الوكلاء المستقلين، ما زالت كثير من المؤسسات غير مجهزة بالكامل لتشغيلهم بأمان. تشير دراسات حديثة في السوق إلى أن نسبة كبيرة من الشركات تخطط لنشر وكلاء ذكاء اصطناعي، لكن عدداً أقل بكثير يعتقد أن بنيته التحتية جاهزة فعلاً لدعم هذا النمط من التشغيل، أو قادرة على مراقبته والتحكم في ما يفعله.
وعندما يُسأل قادة التقنية عن أسباب هذه الفجوة، غالباً ما يذكرون جودة البيانات والحوكمة. وهما بالفعل عاملان حاسمان. لكن هناك سؤالاً أدق يقع تحت هذين العنوانين: هل يستطيع النظام تحديد الكيان الحقيقي الذي تمثله كل سجلاته، عبر كل الأنظمة التي تحتفظ بنسخ مختلفة منه، وفي نفس اللحظة التي يحتاج فيها إلى القرار؟
يمكن لمؤسسة أن تمتلك بيانات جيدة داخل كل نظام منفرد، ومع ذلك تفشل في هذه النقطة إذا كانت الهوية موزعة عبر أنظمة متعددة لم تُربط ببعضها بشكل موثوق. فالمشكلة لا تكون داخل السجل نفسه فقط، بل في المسافة بين السجلات، حيث تظهر النسخ المتعددة للكيان الواحد بأشكال مختلفة.
علامات الخطر التي يجب اختبارها
إذا قررت المؤسسة التعامل مع حلّ الكيانات على أنه بنية تحتية حيّة، فيجب قياسه بالطريقة نفسها التي تُقاس بها أي خدمة تشغيلية أخرى. من أبرز المخاطر التي ينبغي اختبارها: انقسام الهوية إلى كيانات متعددة رغم أنها تعود لجهة واحدة، أو الدمج الخاطئ بين جهات مختلفة، أو استمرار أولوية بيانات قديمة على بيانات أحدث، أو غياب المعرفات الثابتة، أو تعامل الوكيل مع الغموض وكأنه حقيقة منتهية.
الاختبار العملي لا يحتاج بالضرورة إلى نموذج جديد. يكفي اختيار مجموعة مرجعية من الكيانات المعروفة جيداً داخل المؤسسة، ثم تمريرها عبر المسار نفسه الذي يستخدمه الوكيل في الإنتاج، لا عبر نسخة منقحة أُعدت للعرض. بعدها يمكن قياس معدلات الدمج الخاطئ، والانقسام الخاطئ، وطريقة التعامل مع الحالات الغامضة، وعتبات الثقة، ونقاط التصعيد إلى الإنسان، ومدى الانسجام مع أنظمة البيانات الرئيسية والحوكمة القائمة.
إذا لم تتمكن الفرق من الإجابة عن هذه الأسئلة بدقة، فإن الوكيل يعمل على هوية لا يستطيع التحقق منها، وبالتالي تصبح ثقته في مخرجاته أكبر من قدرتها الفعلية على التحمل.
الحوكمة وحدها لا تكفي
من المهم التمييز بين الحوكمة وحلّ الكيانات، لأن كلاً منهما يجيب عن سؤال مختلف. الحوكمة تحدد ما يُسمح للوكيل أن يفعله، بينما حلّ الكيانات يحدد من هو الطرف الذي يطبَّق عليه هذا الفعل. الأولى تتعلق بالسياسة والضوابط، والثانية تتعلق بالهوية والتطابق.
هذا التفريق مهم لأن كثيراً من المؤسسات تمتلك بالفعل أطر حوكمة ناضجة نسبياً، لكنها لم تبنِ بعد طبقة هوية قادرة على العمل في الزمن الحقيقي عبر الأنظمة المختلفة. ومع انتقال الذكاء الاصطناعي من مرحلة المساعدة إلى مرحلة التنفيذ، ستصبح هذه الطبقة الجديدة ضرورة تشغيلية لا يمكن تأجيلها.
الدرس الأساسي بسيط: لا يحتاج الوكيل إلى نموذج أذكى بقدر ما يحتاج إلى معرفة أدق بما إذا كان سجلان مختلفان يشيران إلى العميل نفسه. وعندما يُمنح النظام سلطة التصرف، فإن دقة الربط تصبح جزءاً من سلامة القرار نفسه.