Resolve AI تراهن على طبقة تشغيلية جديدة للبرمجيات
أعلنت شركة Resolve AI، وهي شركة ناشئة متخصصة في عمليات الإنتاج البرمجي، عن توسعة كبيرة لمنصتها تهدف إلى معالجة واحدة من أكبر مشكلات عصر البرمجة المدعومة بالذكاء الاصطناعي: كيف يمكن إبقاء الأنظمة المستقرة في حالة عمل عندما يتزايد حجم الكود بسرعة أكبر من قدرة الفرق الهندسية على متابعته وتشخيص أعطاله.
التحديث الجديد يضيف ثلاثة عناصر رئيسية: وكلاء ذكاء اصطناعي يعملون في الخلفية بشكل دائم، وبنية تحقيق أعيد تصميمها لتستخدم أكثر من وكيل في الوقت نفسه، ومساحة عمل مشتركة تجمع المهندسين والأنظمة الذكية على نفس الأدلة أثناء التعامل مع الحوادث الحية. وتقول الشركة إن هذا التوجه يهدف إلى تقليل الاعتماد على الاستجابة اليدوية البطيئة، وتحويل إدارة الأعطال من عمل رد فعل متأخر إلى عملية أكثر استباقية.
الرهان هنا واضح: مع توسع استخدام أدوات توليد الكود، أصبحت الشركات تنتج برمجيات أكثر من أي وقت مضى، لكن تشغيل هذه البرمجيات لا يزال يعتمد بدرجة كبيرة على المراقبة البشرية، والتحليل اليدوي، وسرعة استجابة المهندس المناوب. Resolve AI تريد أن تكون الطبقة التي تسد هذه الفجوة.
نظام متعدد الوكلاء بدل وكيل واحد
أبرز ما في التحديث هو نظام تحقيق يعتمد على فريق من الوكلاء المتخصصين، وليس على وكيل واحد يحاول الوصول إلى تفسير منفرد للعطل. الفكرة تشبه تقسيم العمل بين مهندسين عدة: كل وكيل يختبر فرضية مختلفة، ثم يقارن النتائج مع غيره، قبل أن تُبنى الخلاصة النهائية على سلسلة سببية كاملة تربط بين العرض والسبب الجذري.
وتقول الشركة إن هذا النهج رفع دقة تحديد السبب الجذري بأكثر من الضعف وفق اختبارات داخلية أجرتها على حالات تحاكي أعطالاً حقيقية في البيئات المؤسسية. ورغم أن هذه النتائج لم تخضع لمراجعة خارجية مستقلة، فإنها تعكس، بحسب الشركة، تحسناً عملياً في قدرة النظام على الوصول إلى التفسير الصحيح في سيناريوهات معقدة.
الأهمية التقنية هنا لا تكمن فقط في الدقة، بل في طريقة الوصول إليها. فبدلاً من أن يقدّم نموذج لغوي إجابة قد تبدو مقنعة لكنها غير صحيحة، تفرض Resolve AI على وكلائها توثيق الأدلة، ومراجعة الاستنتاجات من قبل وكلاء آخرين، ومحاولة دحض الفرضيات الضعيفة قبل قبول أي نتيجة نهائية.
مواجهة مشكلة الهلوسة في البيئات الحساسة
تحدي استخدام الذكاء الاصطناعي في العمليات الإنتاجية لا يتعلق بالسرعة فقط، بل بالثقة أيضاً. في عالم تشخيص الأعطال، قد يؤدي تفسير خاطئ من نظام ذكي إلى توجيه فريق الهندسة نحو إصلاح غير صحيح، بينما يستمر التوقف أو التدهور في الخدمة.
لذلك تعتمد Resolve AI ما يشبه طبقات تحقق متراكبة. كل استنتاج يجب أن يمر عبر مراجعة الأدلة والبحث عن الثغرات والمنطق الناقص، مع رفع العتبة المطلوبة قبل أن يعلن النظام أنه يملك الإجابة. وفي الحالات التي لا تصل فيها الأدلة إلى مستوى كافٍ من اليقين، يفضّل النظام أن يصرّح بعدم اكتمال الصورة بدلاً من تقديم حكم حاسم وغير مضمون.
هذا السلوك مهم بشكل خاص في بيئات العمل الحرجة، لأن الشفافية بشأن حدود المعرفة قد تكون أكثر فائدة من الثقة الزائدة. بالنسبة لفرق العمليات، معرفة أن النظام لا يزال غير متأكد أفضل من قرار سريع قد يضيع الوقت والجهد.
وكلاء يعملون في الخلفية قبل وقوع الأعطال
إضافة Resolve AI الثانية تمثل انتقالاً من مجرد الرد على الإنذارات إلى العمل المستمر في الخلفية. فالوكلاء الجدد يمكنهم العمل وفق جداول زمنية، أو الانطلاق تلقائياً عند حدوث حدث محدد مثل نشر نسخة جديدة، أو دمج طلب سحب، أو إطلاق تنبيه في البنية التحتية.
هذه الوكلاء لا تنتظر أن يطلب منها أحد التحقيق في مشكلة. بدلاً من ذلك، تتابع تغييرات الإنتاج باستمرار، وتراجع جودة التنبيهات، وتراقب انحرافات الإعدادات، وتبحث عن أي مؤشرات قد تتحول لاحقاً إلى أزمة تشغيلية. كما يمكنها الاحتفاظ بمعرفة تراكمية من كل حادثة وكل تفاعل مع المهندسين، ما يمنحها سياقاً أكبر مع مرور الوقت.
من الناحية العملية، هذا النوع من الأتمتة يعالج مشكلة يعرفها كثير من قادة الهندسة جيداً: الأعمال اليومية الصغيرة التي تحافظ على صحة الأنظمة غالباً ما تكون مهمة لكنها لا تجد وقتاً كافياً، لأنها تتنافس مع بناء الميزات الجديدة وتسليم المنتجات. وكلما زاد حجم الكود المنشور، زادت الحاجة إلى طبقة تشغيل ذكية تراقب ما يحدث بعد الإطلاق، وليس فقط قبله.
مساحة عمل مشتركة بين الإنسان والوكيل
العنصر الثالث في المنصة هو مساحة تحقيق مشتركة تتيح للمهندسين ووكلاء الذكاء الاصطناعي العمل على نفس البيانات في الوقت نفسه أثناء الحوادث الحية. داخل هذه المساحة، تتغير التقارير بشكل ديناميكي مع تقدم التحقيق، ويمكن فتح مسارات فرعية دون تعطيل المسار الأساسي، كما يمكن تعديل استعلامات المصدر واستعراض الأدلة مباشرة داخل الواجهة.
الهدف من هذه البنية هو إزالة الحواجز بين المراقبة والتحليل والتنفيذ. فإذا اكتشف النظام سبباً محتملاً، يمكن للمهندس مراجعته فوراً، وإذا احتاج إلى خطوة تصحيحية، يمكن تنفيذها من داخل الواجهة نفسها دون الانتقال بين عدة أدوات. هذا النوع من التكامل قد يبدو بسيطاً، لكنه مهم في البيئات التي تتحول فيها كل دقيقة تأخير إلى خسارة تشغيلية أو مالية.
كما أضافت الشركة دعماً لواجهة REST API وخادم MCP، ما يفتح الباب أمام دمج Resolve AI في سلاسل عمل أوسع تعتمد على عدة وكلاء وأنظمة. وهذه الخطوة تشير إلى أن الشركة لا تريد أن تعمل كأداة معزولة، بل كطبقة متخصصة يمكن استدعاؤها ضمن منظومة أكبر من الأنظمة الذكية والأدوات البرمجية.
السوق يزداد ازدحاماً والضغط على فرق التشغيل يتصاعد
تأتي هذه الخطوة في وقت تتسارع فيه المنافسة داخل سوق مراقبة الأنظمة وعمليات الإنتاج. شركات كبيرة مثل Datadog وPagerDuty ومزودو الخدمات السحابية يضيفون بالفعل قدرات مدعومة بالذكاء الاصطناعي إلى منصاتهم، ما يجعل مجال عمليات البرمجيات أكثر ازدحاماً من أي وقت مضى.
لكن Resolve AI تحاول التميز عبر تركيزها العميق على أعطال الإنتاج نفسها، وليس فقط على الرصد العام أو التنبيهات. وتستند الشركة إلى خبرة مؤسسيها في مجال المراقبة والبنية المفتوحة للأنظمة البرمجية، إضافة إلى مختبر بحثي داخلي يعمل على ضبط النماذج بما يناسب البيانات والسياقات التشغيلية الخاصة بكل عميل.
هذا التخصص مهم لأن أدوات الذكاء الاصطناعي العامة لا تكفي وحدها في مثل هذه البيئات. فالأنظمة الإنتاجية تولّد إشارات معقدة ومتعددة الطبقات، من السجلات إلى المقاييس إلى تتبع الطلبات، ويحتاج تحليلها إلى فهم عميق لطبيعة كل بيئة على حدة.
نموذج تسعير يرتبط بالنتيجة لا بالترخيص
من الجوانب اللافتة في عرض Resolve AI أنها لا تعتمد نموذج البرمجيات التقليدي القائم على الترخيص السنوي فقط، بل تبيع أرصدة تُستهلك عندما تنجز الوكلاء عملاً فعلياً. أي أن الفاتورة ترتبط بالحالات التي يتم فيها التشخيص أو التحقيق أو تنفيذ المهمة، لا بمجرد تشغيل المنصة.
هذا النموذج ينسجم مع طبيعة المنتج نفسه، لأنه يربط التكلفة بالقيمة الفعلية. كما أن الشركة تقول إن بناء نظام مشابه بالاعتماد على نماذج لغوية عامة وأدوات تكامل منفصلة قد يستهلك موارد أكثر من استخدام منصتها المصممة خصيصاً لهذا الغرض، خصوصاً مع الحاجة إلى قراءة كميات كبيرة من البيانات الزمنية بكفاءة.
أما في ما يتعلق ببيئات الشركات الكبرى، فتؤكد Resolve AI أن بنيتها مصممة لتلبية متطلبات الأمن والامتثال، مع إمكانية تشغيل طبقة الاستدلال داخل بيئة خاصة أو ضمن نموذج سحابي يتماشى مع سياسات العميل. كما تقول الشركة إنها لا تحتفظ بالبيانات بشكل دائم، وهو مطلب أساسي في قطاعات تخضع لرقابة صارمة.
أزمة البرمجة السريعة تتحول إلى أزمة تشغيل
وراء هذا الإعلان توجد فكرة أوسع بدأت تتبلور في قطاع التقنية: إذا كان الذكاء الاصطناعي قد سرّع كتابة الكود، فإنه في الوقت نفسه قد زاد ضغط التشغيل والصيانة. كلما انخفضت كلفة إنتاج البرمجيات، ارتفع عدد التغييرات التي تصل إلى الإنتاج، ومعها يرتفع احتمال التعقيد والأخطاء والحوادث.
من هنا، تنظر Resolve AI إلى نفسها كجزء من الجيل التالي من أدوات البنية البرمجية، حيث لا يكفي أن تنتج الأنظمة الأكواد، بل يجب أن تمتلك أيضاً القدرة على مراقبة أثرها، وتشخيص مشاكلها، ومساعدة الفرق على العودة إلى الاستقرار بسرعة. وإذا نجحت هذه الفكرة على نطاق واسع، فقد تصبح عمليات التشغيل الذكية جزءاً أساسياً من دورة تطوير البرمجيات، لا مجرد طبقة دعم ثانوية.
المعنى الأهم في هذا الاتجاه هو أن الأتمتة لم تعد تقتصر على كتابة البرامج. فمع تضخم حجم الكود وسرعة نشره، يبدو أن السوق يتجه إلى مرحلة جديدة يكون فيها الذكاء الاصطناعي مسؤولاً أيضاً عن حماية ما ينتجه، والتأكد من أن السرعة لا تأتي على حساب الاعتمادية.