اسأل بياناتك بلغة بسيطة: ابدأ بأداة ذكاء الأعمال أو منصة البيانات، ومتى تبني مساعدك الخاص

يتيح مساعد «اسأل بياناتك» لموظفيك أن يكتبوا سؤالًا مثل «ما هامش الربح الإجمالي بحسب المنطقة في الربع الماضي؟» ويحصلوا على رقم أو مخطط. وفي معظم هذه المنتجات يحوّل نموذج لغوي، وهو نوع الذكاء الاصطناعي الذي يقف وراء ChatGPT، السؤال إلى استعلام على قاعدة البيانات، ثم تتولى قاعدة البيانات العدّ. وقد تقدّم أداة ذكاء الأعمال (BI) أو منصة البيانات لديك مساعدًا كهذا أصلًا، فاختبره أولًا ولا تبنِ مساعدك الخاص إلا للحالات التي لا تغطيها تلك الأدوات. ويذهب معظم العمل في أي مسار إلى الاتفاق على معنى مقاييسك.

كيف يتحوّل سؤال بلغة بسيطة إلى رقم؟

يقرأ المساعد سؤالك ويكتب استعلامًا بلغة تفهمها أداة البيانات لديك. تستخدم قواعد البيانات SQL، ويستخدم Power BI لغة اسمها DAX. وتنفّذ قاعدة البيانات أو أداة BI ذلك الاستعلام وتعيد النتيجة، فيعرضها المساعد رقمًا أو مخططًا. أما Tableau Agent in Pulse فيعمل بطريقة مختلفة. إذ يستخدم فحوصًا إحصائية على مقاييس سبق أن عرّفتها ويصف ما يجده.

تقول Databricks إن منتجها Genie يستخدم أسماء جداولك وأوصافها «لتحويل الأسئلة بلغة طبيعية إلى استعلام SQL مكافئ». سيكون المجموع صحيحًا بالنسبة إلى الاستعلام الذي نُفِّذ، لأن قاعدة بيانات هي التي أجرت الجمع، لكن ذلك الاستعلام قد لا يكون الذي أردته.

هل يمكن أن يعطينا المساعد رقمًا خاطئًا يبدو صحيحًا؟

إن فشل الاستعلام فغالبًا ما تحصل على رسالة خطأ ويستطيع أحدهم أن يبحث في السبب. أما الاستعلام الذي يعمل لكنه يعدّ الشيء الخطأ فيعطيك مخططًا نظيفًا عليه رقم خاطئ، ولا يدلّ شيء على الشاشة على ذلك. فالإيرادات التي ما زالت تشمل المبالغ المستردة تبدو كأي رقم إيرادات آخر. وكذلك رقم الربع التقويمي حين تُعدّ شركتك تقاريرها على سنة مالية.

يحذّر المزوّدون من هذا في وثائقهم. تقول صفحة Microsoft عن الاستخدام المسؤول لـ Copilot: «قد تتضمن ردود Copilot محتوى غير دقيق أو منخفض الجودة، فتأكد من مراجعة المخرجات قبل استخدامها في عملك». وتقول Tableau إن الذكاء الاصطناعي التوليدي «قد يميل إلى إنتاج مخرجات تبدو معقولة لكنها تحتوي على معلومات خاطئة أو غير ذات صلة».

وتقول Microsoft أيضًا إنه إذا لم يكن السؤال متصلًا بالنموذج الدلالي، الذي يصف بياناتك لـ Copilot، فإنه «يجيب من المعرفة العامة للنموذج اللغوي الكبير (LLM)». ولذلك قد لا تأتي الإجابة من بياناتك أصلًا. وتضيف إرشاداتها أن «سلوك الذكاء الاصطناعي غير حتمي»، ما يعني أن السؤال نفسه قد يعود بإجابة مختلفة.

لماذا نحتاج إلى الاتفاق على تعريفات المقاييس أولًا؟

يحتوي جدول قاعدة البيانات على أسماء أعمدة وقيم. ولا يعرف إن كانت شركتك تحتسب الإيرادات قبل المبالغ المستردة أم بعدها، وهذه المعرفة كثيرًا ما تكون في جدول بيانات لدى القسم المالي أو في رأس أحدهم. والنموذج الدلالي هو المكان الذي تُدوَّن فيه هذه المعاني للبرنامج، مثل أي الجداول تُربط معًا وكيف يُحسب كل مقياس.

«غالبًا ما تواجه حلول الذكاء الاصطناعي العامة صعوبة في تحويل النص إلى SQL حين لا تُعطى سوى مخطط قاعدة البيانات، لأن المخططات تفتقر إلى معرفة أساسية مثل تعريفات العمليات التجارية وطريقة التعامل مع المقاييس»، هكذا تقول وثائق Snowflake. وتنبّه Microsoft أصحاب النماذج الدلالية إلى أنه «من دون تحضير، قد يسيء Copilot تفسير البيانات ويعيد نتائج عامة أو غير دقيقة».

يمكنك أيضًا ضبط المنطق الدقيق وراء الأسئلة الشائعة يدويًا. يسمي Power BI هذه الإجابات الموثّقة (verified answers) وتسميها Snowflake الاستعلامات الموثّقة (verified queries). ولدى Databricks أصول موثوقة (trusted assets)، وتصفها بأنها «استعلامات مثال ذات معاملات ودوال SQL جرى التحقق من منطقها الدقيق على يد مؤلف الوكيل». ومع ذلك تقول Microsoft إن ميزات التحضير لديها «لا تستطيع ضمان مخرجات محددة في كل مرة».

إن كان لدى المبيعات والمالية رقمان مختلفان للإيرادات، فلا برنامج يستطيع حسم الأمر. على شخص رفيع أن يقرر أي التعريفين يسود وأن يدوّنه قبل أي عرض توضيحي.

ماذا نحصل من الذكاء الاصطناعي داخل أداة BI لدينا؟

يعمل Copilot لـ Power BI انطلاقًا من نماذجك الدلالية الحالية، فتعيد استخدام عمل أُنجز بالفعل. وتُدرج Microsoft اللوحة الجانبية بجوار التقرير بوصفها متاحة للجميع. أما المحادثة المستقلة بملء الشاشة فما زالت في مرحلة المعاينة، وتقول Microsoft إنها «ستُسحب» في مرحلة لاحقة، حين يصبح Microsoft Copilot، الموجود الآن في معاينة عامة داخل Power BI، التجربة الرئيسية. ولم يُحدَّد موعد، وتقول Microsoft إنها «ستنشر موعد السحب النهائي».

يتطلب Copilot لـ Power BI «سعة Fabric مدفوعة (F2 أو أعلى) أو Power BI Premium (P1 أو أعلى)»، أي كتلة من القدرة الحاسوبية تدفع شركتك ثمنها، ولذلك لا يكفي ترخيص Pro للفرد وحده. أما Copilot الأحدث فيعمل بشروط مختلفة، إذ تقول Microsoft: «لست مضطرًا إلى استخدام Copilot في Fabric، ولا إلى الوصول إلى F SKU، كي تستخدم Copilot في هذا السيناريو»، فاسأل أيهما تغطيه تراخيصك.

لدى Tableau مساعدان لهذا الغرض. يتيح Tableau Agent in Dashboards للناس كتابة سؤال على لوحة معلومات منشورة، وتقول Tableau إنه «سيستعلم من مصدر البيانات الأساسي». ويتطلب إصدار Tableau Cloud+ أو باقة Tableau+ Bundle على Tableau Cloud، أو Tableau Server+ بدءًا من الإصدار 2026.3 على Tableau Server، حيث ما زال في مرحلة بيتا. أما Tableau Agent in Pulse، الذي تصفه صفحات المساعدة لدى Tableau بأنه «ميزة من Tableau+» في Tableau Cloud، فيجيب من مقاييس سبق أن عرّفتها. وهو «لا يستطيع الإجابة عن أسئلة بشأن أعمدة غير مستخدمة في المقاييس أو بيانات وصفية عن مصدر البيانات». وتقول Tableau إن رؤى Pulse تنطلق من «نماذج إحصائية قياسية حتمية لاكتشاف حقائق عن المقاييس»، وإن الجمل التي تقرؤها تُولَّد من تلك الحقائق.

لا يرى المساعد إلا ما أُعدّ للتقارير، فلا يستطيع استخدام حقل لم يضفه أحد إلى النموذج. وتختار Microsoft النموذج اللغوي لـ Copilot. وبالنسبة إلى الموظفين الذين يعملون بلغات أخرى، تقول Microsoft إن ميزات Copilot «قد لا تؤدي بالجودة نفسها» كما في الإنجليزية. أما Tableau Server فمختلف، لأنه «يعتمد على الاتصال بمزوّد LLM الخاص بك واستخدامه».

ماذا نحصل من مساعد منصة بياناتنا؟

تعمل هذه المساعدات على الجداول التي تربطها بها، فتستطيع الوصول إلى بيانات لم تصل قط إلى تقرير. وتلك الجداول هي الحد. تقول Databricks إن وكيل Genie «يستخدم فقط مصادر البيانات المرفقة صراحةً»، وبحد أقصى 50 جدولًا أو عرضًا، وتنصح: «اسعَ إلى خمسة جداول أو أقل». ويجيب Cortex Analyst من Snowflake من «البيانات المنظمة في Snowflake»، مع أن Snowflake صارت «توصي بالانتقال إلى Cortex Agents، الذي يدعم كل قدرات Cortex Analyst بجودة إجابة أعلى».

تقدّم Databricks منتج Genie، حيث تُعدّ فرق البيانات وكلاء Genie بـ «بيانات موثوقة ومقاييس وقواعد عمل»، ويطرح الموظفون أسئلتهم عبر Genie One.

على أحد في جانبكم أن يكتب أوصافًا جيدة لبياناتك، لأنه بكلمات Databricks «أوصاف الجداول والأعمدة الجيدة في Unity Catalog ضرورية لدقة Genie». وتقول Databricks أيضًا: «يجب تسجيل بيانات وكيل Genie في Unity Catalog»، وهو قائمتها المركزية للجداول والأذونات. وأي شيء خارج المنصة لا بد من نقله إليها أو ربطه أولًا.

في ما يخص التعامل مع البيانات، تقول Snowflake إن Cortex Analyst «لا يتدرّب على بيانات العميل». وتقول أيضًا: «لا يمكنك اختيار نموذج مباشرة»، لأن كل طلب يذهب إلى أعلى النماذج تصنيفًا مما يمكن لدورك استخدامه، من قائمة تبدأ بـ Anthropic Claude Sonnet 4.6 وتنتهي بـ Mistral Large 2 وLlama 3.1 70b.

على هذه المسارات يشغّل المزوّد أو شريك يسمّيه النموذج اللغوي، وتدرج Databricks خدمة Azure OpenAI وOpenAI على Databricks لوكلاء Genie في وضع Chat. ويُستثنى Tableau Server، إذ يتصل بمزوّد النماذج الخاص بك. وإن كانت قواعدك تشترط خوادم تتحكم فيها، فإن المقالة عن ChatGPT خاص، الموضوع رابطها أدناه، تشرح ما يتطلبه ذلك.

متى يستحق أن نبني مساعدنا الخاص؟

البناء المخصص برنامج يُصنع لك حول نموذج لغوي. يحوّل الأسئلة إلى استعلامات بتعريفاتك أنت، ويعيد الإجابات إلى المكان الذي تختاره. ويستحق البناء حين ينطبق واحد على الأقل من الأمور التالية:

• تذهب الإجابات إلى داخل منتجك أنت، لعملائك أنت
• سؤال واحد يحتاج إلى بيانات من أنظمة لا تصل إليها أدوات المزوّدين، مثل نظام خلفي داخلي إلى جانب مستودع بيانات
• تشترط قواعدك أن تبقى البيانات والنموذج على خوادم تتحكم فيها
• تحتاج إلى سلوك لا تقدّمه أداة المزوّد التي اخترتها، مثل رفض أي سؤال خارج قائمة مقاييس معتمدة

إن كانت بياناتك على منصة واحدة أصلًا، فقد تسبق ذلك خطوة أصغر. تقدّم Snowflake أداة Cortex Analyst بوصفها REST API، أي واجهة يمكن لبرامج أخرى استدعاؤها، لاستخدامات مثل «واجهات محادثة مخصصة»، ويمكن استدعاء Cortex Agents، وهو المنتج الذي توصي به الآن، بالطريقة نفسها. وتقول Databricks إن بوسعك «دمج وكلاء Genie في روبوت المحادثة أو الوكيل أو التطبيق الخاص بك». أنت تبني الشاشات وتتولى المنصة كتابة الاستعلامات.

يصعب تبرير البناء حين تأتي الأسئلة من موظفيك أنفسهم ويجتاز مساعد منصة واحدة اختبارك. كما أنه لا يحل مشكلة التعريفات الغامضة. فإن كنت لا تستطيع بعد أن تقول كيف تُحتسب الإيرادات، فسيعطيك البناء المخصص أرقامًا خاطئة أيضًا، وبتكلفة أعلى. وبعد الإطلاق تتولى أنت الصيانة، وتتناول المقالتان أدناه من يستطيع القيام بهذا العمل ولماذا تتعثر المشاريع التجريبية للذكاء الاصطناعي.

هل يمكن أن يعرض المساعد على الناس بيانات لا يحق لهم رؤيتها؟

أمان مستوى الصفوف (RLS) هو ما يمنع، مثلًا، مديرًا إقليميًا من أن يرى أي منطقة غير منطقته. ويجب أن يُفرض حيث توجد البيانات، لأن سطرًا في تعليمات المساعد لا يستطيع أن يمنع استعلامًا من قراءة جدول. ويعالج كل مسار هذا الأمر بطريقة مختلفة:

• Power BI: «لا يستطيع Copilot الوصول إلا إلى البيانات التي يملك المستخدم الحالي إذنًا بالوصول إليها». وتضيف Microsoft أنه «من الضروري ألا يملك مستهلكو المحتوى ومنشئوه سوى إذن القراءة على النموذج الدلالي الأساسي حين يجب فرض RLS»، لأن أمان مستوى الصفوف قد لا يسري على من لديهم وصول أوسع
• Tableau: بالنسبة إلى المقاييس في Pulse، «تراعي البيانات التي يراها المستخدمون عند عرض مقياس أمان مستوى الصفوف المطبّق على مصدر البيانات»، وتقول Tableau إن Tableau Agent in Dashboards يعمل «بالتزام صارم بجميع أذونات Tableau الحالية وضوابط الوصول وأمان مستوى الصفوف لديك»
• Snowflake: الاستعلامات المولَّدة «تلتزم بجميع ضوابط الوصول المعتمدة»، وسياسات الوصول إلى الصفوف المطبقة على الجداول الأساسية «تنتقل إلى العروض الدلالية وتُفرض». وتتطلب سياسات الوصول إلى الصفوف إصدار Enterprise أو أعلى، والشخص الذي يستطيع الاستعلام من عرض دلالي «لا يحتاج إلى وصول منفصل إلى جداوله الأساسية»، ولذلك لن تفصل صلاحيات الجداول وحدها بين الناس
• Databricks: «يُقيَّم الوصول إلى البيانات دائمًا بحسب أذونات Unity Catalog الخاصة بكل مستخدم نهائي»، ومرشّحات الصفوف في Unity Catalog «تُفرض لكل مستخدم تلقائيًا»
• البناء المخصص: على برنامجك أن يمرّر هوية كل شخص إلى قاعدة البيانات، وإلا نُفِّذ كل سؤال تحت حساب مشترك واحد ورأى الناس كل ما يراه ذلك الحساب. يقول دليل Snowflake للمنتجات التي تخدم عدة عملاء: «Snowflake لا تصادق على مستخدميك النهائيين؛ خادم تطبيقك هو الذي يفعل ذلك.» وبشأن اتصال Power BI واحد مصمَّم لوكلاء الذكاء الاصطناعي، تحذّر Microsoft من أن «Power BI لا يفرض RLS عند استخدام مصادقة service principal»، أي تسجيل الدخول بحساب برمجي

قد تجعل قواعد الوصول المساعد يقول شيئًا خاطئًا أيضًا. فأحد أدلة المطوّرين لدى Snowflake يورد حالة وكيل أبلغ بأن منطقة ما لا إيرادات فيها، ويعزو السبب إلى أن «سياسة الوصول إلى الصفوف أخفت تلك الصفوف، والوكيل لا يميّز المخفي من المعدوم». اجعل المساعد يذكر أن نتائجه تغطي فقط ما يحق للشخص أن يراه، وجرّب كل دور بحساب دخول لا ينبغي أن يرى البيانات.

كم يكلّف مساعد «اسأل بياناتك»؟

تدفع مقابل أمرين على معظم المسارات. الحوسبة هي القدرة الحاسوبية التي تشغّل الاستعلام على بياناتك. واستخدام النموذج يغطي تحويل السؤال إلى استعلام، ويحتسبه معظم المزوّدين بالرموز (tokens)، أي القطع النصية التي يقرؤها النموذج اللغوي ويكتبها. ويحتسب Cortex Analyst من Snowflake لكل رسالة حين يُستدعى عبر واجهته البرمجية الخاصة. والأسعار أدناه بالدولار الأمريكي، من أسعار المزوّدين المنشورة للمناطق الأمريكية:

• Power BI: يعتمد Copilot لـ Power BI على سعة Fabric أو Premium التي تدفع ثمنها، بواقع 100 ثانية من وحدات السعة لكل 1,000 رمز إدخال و400 لكل 1,000 رمز إخراج. وتُظهر قائمة الأسعار بالتجزئة العلنية في Azure 0.18 دولار لكل وحدة سعة في الساعة، بالدفع حسب الاستخدام في شرق الولايات المتحدة، فيستهلك مثال Microsoft لطلب من 2,000 رمز إدخال و500 رمز إخراج نحو 2 سنت من السعة. وتكلّف سعة F64 من 64 وحدة، وهي الحجم في مثال Microsoft، نحو 276 دولارًا في اليوم بذلك السعر، وتستخدم تقاريرك السعة نفسها. وتقول Microsoft: «تحتسب Fabric بشكل منفصل أي إجراءات لاحقة يطلقها Copilot»
• Tableau: تربط صفحات المساعدة لديها ميزات الذكاء الاصطناعي هذه بإصدار Tableau Cloud+ أو باقة Tableau+ Bundle على Tableau Cloud، وبـ Tableau Server+ على Tableau Server، حيث يُحتسب استخدام النموذج «مباشرةً، وفق اتفاقية مزوّد LLM الخاص بك». اطلب عرض سعر من Tableau
• Snowflake: يُدرج Cortex Analyst عبر واجهته البرمجية بسعر 67 من أرصدة المنصة لكل 1,000 رسالة. وعند الطلب في AWS شرق الولايات المتحدة، يكلّف الرصيد 2.00 دولار في الإصدار Standard و3.00 دولار في Enterprise، فتكلّف 1,000 رسالة 134 دولارًا أو 201 دولارًا. «تُطبَّق تكاليف مستودع إضافية عند تنفيذ SQL الذي يولّده Cortex Analyst.» وعبر Cortex Agents تنتقل الفوترة إلى الرموز بأسعار لكل نموذج
• Databricks: «استخدام المستخدمين لـ Genie One ووكلاء Genie مجاني حتى 31 يناير 2027.» وتُستثنى الحسابات البرمجية (service principals) و«يُحتسب استخدامها»، و«تُحتسب القدرة الحاسوبية المستخدمة لتشغيل الاستعلامات التي يولّدها Genie، مثل مستودع SQL، بشكل منفصل». وبعد ذلك التاريخ تقول Databricks إن منتجات Genie «تُحتسب بنموذج الدفع حسب الاستخدام»، مع حصة شهرية مجانية لكل مستخدم، فاسأل كم سيكلّف الاستخدام بحجمك
• البناء المخصص: تدفع لمزوّد النموذج مباشرةً، إضافةً إلى قدرة الحوسبة في قاعدة بياناتك والمهندسين الذين يبنون النظام ويشغّلونه. تدرج Anthropic نموذج Claude Sonnet 5.5 بسعر 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج، فيكلّف الطلب نفسه، بـ 2,000 رمز إدخال و500 رمز إخراج، نحو سنت واحد. أما الطلبات الحقيقية فتحمل أوصاف جداولك وتكون أكبر

هذه الأرقام لا تغطي الأشياء نفسها، فأضف الحوسبة إلى كل منها قبل أن تقارنها. وتنصح Microsoft بالبدء بمجموعة تجريبية صغيرة وتقول: «قد يؤدي النشر الواسع دون التحقق من أنماط الاستهلاك إلى استنفاد سعتك بسرعة».

كيف نختبره بأسئلة نعرف إجاباتها مسبقًا؟

ابنِ الاختبار قبل أن تختار منتجًا. خذ بضع عشرات من الأسئلة الحقيقية التي يطرحها موظفوك، وسجّل الإجابة الصحيحة لكل منها من تقرير اعتمده فريقك المالي. مرّرها على كل منتج في قائمتك المختصرة وقيّم كل إجابة. وينبغي أن تتضمن المجموعة:

• أسئلة لها إجابة واحدة صحيحة، من تقارير معتمدة، بما فيها أسئلة تجمع موضوعين، مثل الهامش بحسب المنتج والشهر
• السؤال نفسه بصياغات مختلفة، من أشخاص في أقسام مختلفة، لمعرفة ما إذا كانت تعريفاتك تصمد
• أسئلة ينبغي أن يرفض المساعد الإجابة عنها، مثل سؤال عن بيانات لا يحتفظ بها، لأن الإجابة المختلقة هي الإخفاق الذي أنت في أشد الحاجة إلى اكتشافه
• السؤال نفسه بحسابات دخول أشخاص لهم صلاحيات وصول مختلفة، للتحقق من أمان مستوى الصفوف

قد يأتي مجموع صحيح من استعلام خاطئ بمحض الصدفة، فقيّم الاستعلام كما تقيّم الرقم. لدى Databricks معايير «لاختبار وكيلك وتقييمه من حيث الدقة الإجمالية بشكل منهجي»، وتقول Snowflake إن بوسعك تشغيل «استعلاماتك الموثّقة على Cortex Analyst» وقياس مدى دقة توليده لـ SQL. وتشرح المقالة عن اختبار مساعد الذكاء الاصطناعي، الموضوع رابطها أعلاه، كيف تحدد درجات النجاح مسبقًا.

تقول Microsoft إنك إذا طرحت السؤال نفسه على نموذج دلالي لم يتغير «خلال نافذة متجددة مدتها 24 ساعة»، فإن Copilot يجيب من ذاكرته المؤقتة، أي نسخة محفوظة من الإجابة السابقة. فلا تعتدّ بإعادة اختبار في صباح اليوم التالي. أعد تشغيل المجموعة كاملة بعد أكثر من 24 ساعة، وأعدها كلما غيّر المزوّد نموذجًا أو غيّرتَ أنت تعريفًا.

كيف يستطيع الموظفون التحقق من مصدر الإجابة؟

لا يستطيع الناس التحقق من رقم مجرد، فاطلب أن تذكر كل إجابة التعريف الذي استخدمته والفترة التي تغطيها. يقدّم Power BI عرضًا اسمه «How Copilot arrived at this»، ويرد Genie بـ «الاستعلام المولَّد وجدول النتائج، إن أمكن». وتطلب صفحة Microsoft عن معاينة Copilot الأحدث من الناس أيضًا أن «يتحققوا من القرارات المهمة بمقارنتها ببيانات المصدر». ضع قاعدة بأن أي رقم يذهب إلى مجلس الإدارة أو إلى عميل يُراجَع أولًا على تقرير المصدر.

ماذا نسأل مزوّد BI أو منصة بيانات؟

• أي مقاييسنا سيجيب عنها من تعريفات متفق عليها، وماذا يحدث لسؤال خارجها؟
• أذونات من تُنفَّذ بها كل استعلام، وكيف نختبر ذلك على حساب دخول شخص واحد؟
• أي مزوّدي نماذج يعالجون أسئلتنا وبياناتنا، وفي أي منطقة؟
• كم يكلّف شهر واحد من حجم أسئلتنا الفعلي، مع احتساب حوسبة الاستعلامات والحدود الدنيا؟
• هل نستطيع أن نرى الاستعلام وراء كل إجابة وأن نحتفظ بسجل لها؟
• هل هذه الميزة متاحة للجميع، وما الذي يُقرَّر أن يحل محلها؟
• ما مدة الإشعار التي نحصل عليها قبل أن يتغيّر النموذج، حتى نعيد تشغيل اختباراتنا؟

ماذا نسأل شركة تعرض أن تبنيه؟

• أين ستوجد تعريفات المقاييس، وهل يستطيع محللونا تغييرها دون مطوّر؟
• كيف تصل هوية كل شخص إلى قاعدة البيانات، وماذا يحدث حين تغيب؟
• أي نموذج يكتب الاستعلامات، وما البيانات التي تغادر خوادمنا؟
• كيف ستختبرون بأسئلة نعرف إجاباتها مسبقًا، ومن في جانبنا يوقّع بالموافقة؟
• حين لا يكون المساعد متأكدًا، هل يقول ذلك أم يخمّن؟
• هل سنملك الشيفرة والتعريفات ومجموعات الاختبار والسجلات في النهاية؟

أين موقع amBrain من ذلك؟

تنشر amBrain هذه المدونة. وعن منتجها الخاص تقول: «منتجنا الخاص، shyash.ai، يعمل بوكلاء ذكاء اصطناعي يبحثون ويكتبون ويتحققون ويقيسون انطلاقًا من ذاكرة مشتركة واحدة لوقائع الشركة. ويوافق شخص على كل ما يصدر».

هذه المقالة ليست دراسة حالة ولا تصف عملًا لأي عميل، ولا تدّعي أن amBrain بنت مساعد «اسأل بياناتك» لأي عميل. والسطر الوارد أعلاه يخص منتج amBrain الخاص بها، والأمثلة عامة.

الشركات المذكورة هنا مقتبس منها من صفحاتها المنشورة، وقد فُتحت جميعها في 9 نوفمبر 2026. ولا تدّعي المقالة أي علاقة بين amBrain وأي منها، ولا تذكر أسعارًا أو جداول زمنية لدى amBrain.

تبني amBrain البرمجيات منذ عام 2019. وعن طريقة عملها مع العملاء تقول: «ثلاث صيغ: تنفيذ كامل، أو فريق مخصّص، أو مهندسون مدمجون في فريقك». أما في الملكية فسطرها هو: «يحتفظ العميل بالملكية الكاملة للمنتج وللكود، باستثناء مكوّناتنا القابلة لإعادة الاستخدام». واطلب قائمة هذه المكوّنات بالأسماء قبل أن توقّع.

إن كانت amBrain في قائمتك المختصرة، فاسألها الأسئلة نفسها التي تسألها لأي شركة أخرى.