تعمل داتابريكس على توسيع رهاناتها في الذكاء الاصطناعي المؤسسي عبر Genie Ontology، وهي طبقة تهدف إلى توحيد التعريفات التجارية وربط البيانات والحوكمة والسياق داخل رسم بياني حي يمكن للوكلاء الاعتماد عليه. ورغم وعودها بتحسين الاتساق والثقة، يحذر محللون من أن نجاحها سيظل مرتبطاً بجودة البيانات ونضج الحوكمة وقدرة المؤسسات على الحفاظ على التعريفات محدثة.
تتسابق شركات البيانات الكبرى لتقديم طبقات دلالية موحدة بوصفها أساساً للذكاء الاصطناعي المؤسسي، لكن غياب المعايير المستقرة وتداخل المصالح بين المنصات يثيران أسئلة حول الجهة التي ستقود هذا المجال فعلاً.
تتبنى المؤسسات استراتيجيات للذكاء الاصطناعي بسرعة، لكن كثيراً منها يواجه فجوة حقيقية في البنية التحتية، خصوصاً مع صعود الذكاء الاصطناعي الوكالي الذي يحتاج إلى موارد حوسبة وإدارة وبيانات أكثر صرامة. وتبقى كفاءة السحابة وجودة البيانات والانضباط في التكاليف العوامل الحاسمة لنجاح النشر الفعلي.
تواجه الشركات فجوة واضحة بين الطموح في إنفاق المزيد على الذكاء الاصطناعي وبين امتلاك رؤية موثقة تحدد أهداف الاستخدام وحدوده. ويشرح المقال لماذا تبدأ الاستراتيجية الفعالة من تعريف الرؤية والسياسات ثم الانتقال إلى حالات استخدام تركز على الإنتاجية والتميّز والتغيير الجذري.
أعلنت pgEdge عن نسخة تجريبية من ColdFront، وهي بنية لتخزين البيانات بطبقتين تتيح نقل البيانات الأقدم إلى Iceberg مع الإبقاء على PostgreSQL كواجهة رئيسية للتطبيقات، في محاولة لتقليل تكاليف التخزين وتبسيط دعم أحمال العمل المرتبطة بالذكاء الاصطناعي.
مع انتقال وكلاء الذكاء الاصطناعي من مرحلة الإجابة إلى مرحلة التنفيذ، يصبح حلّ الكيانات في الوقت الفعلي عنصراً حاسماً لتفادي أخطاء الربط بين السجلات والقرارات التشغيلية الخاطئة.
تسارع تبني الذكاء الاصطناعي في الشركات لا يعني بالضرورة تحقيق نتائج أفضل، إذ يظل ضعف فهم سياق العميل وتشتت هويته عبر الأنظمة من أبرز العوائق أمام قرارات أكثر دقة وفاعلية.
توضح F5 أن نجاح مشاريع الذكاء الاصطناعي لا يعتمد على النماذج أو وحدات GPU فقط، بل على طبقة نقل بيانات قادرة على الصمود أمام الأعطال والازدحام والتوسع في بيئات الإنتاج.
تشهد دول الخليج تحولاً متسارعاً في خدمات الأعمال مع تصاعد الاعتماد على الذكاء الاصطناعي، لكن محدودية دعم اللغة العربية ما زالت تعرقل التوسع الفعلي. وتبرز الحاجة إلى نماذج محلية وكفاءات قادرة على توطين التقنية وتحويلها إلى بنية تشغيلية تولد قيمة اقتصادية مستدامة.
ترى Xebia أن نجاح وكلاء الذكاء الاصطناعي لا يبدأ من النموذج نفسه، بل من طبقة البيانات التي تغذي هذه الوكلاء وتحدد دقة قراراتهم. وتدفع الشركة باتجاه بناء أساس بيانات جاهز للذكاء الاصطناعي يقلل الأخطاء، ويرفع سرعة التنفيذ، ويحافظ على الحوكمة داخل بيئات المؤسسات.
أعلنت Databricks بروتوكول OpenSharing المفتوح لمشاركة نماذج الذكاء الاصطناعي ومهارات الوكلاء ولوحات المعلومات والبيانات غير المهيكلة بين المنصات من دون نسخها أو نقلها، في محاولة لتقليص كلفة التكامل وتسريع نشر التطبيقات المؤسسية.
يرى دومينيك سارتوريو، نائب رئيس تسويق المنتجات في دينودو، أن معظم مشاريع الذكاء الاصطناعي تتعثر بسبب فجوات في بنية البيانات، لا بسبب ضعف النماذج نفسها، مع تصاعد الحاجة إلى بيانات فورية وضوابط حوكمة وطبقة دلالية موحدة.
