مساعد يجيب من بياناتك
بنية ومسارات مستخدم تناسب حاجتك.
حرّر وقت فريقك
للعمل ذي القيمة.
نبني مساعدين يعملون بمعرفة شركتك، ومعالجة المستندات، ونماذج تنبؤية: إجابات من بياناتك أنت، وضبط دقيق لنموذج مفتوح المصدر على بياناتك وتشغيله على خوادمك، ونماذج للتنبؤ بالطلب وكشف الشذوذ؛ قبلها إعداد البيانات ووسمها، وبعدها أتمتة بموافقة بشرية.
تحليل الاحتياجات · التصميم · التطوير
حاجتك
“أريد مساعدًا يعمل مع معرفة شركتي.”
الحل الذي نبنيه
من معرفتك إلى الإجراء
01ربط البيانات
02توليد الإجابات
03الموافقة والتطبيق
سير عمل نموذجي مصمم حول مشروعك
ماذا تريد أن تفعل؟حاجتك هي
حاجتك هي
نقطة البداية.
اللبنات الأساسية لفكرتكماذا
ماذا
نبني؟
نحدد النطاق وفق حالة استخدامك ونصمم كل جزء كقطعة من كلٍّ متكامل يعمل.
روبوتات المحادثة وتدفقات الدعم
تطوير متوافق مع طريقة عملك الحالية.
الضبط الدقيق والتشغيل داخل مؤسستك
اختبار وتحقق في ظروف الاستخدام الفعلية.
نماذج التنبؤ والتحليل
تسليم وتوثيق وخطة استمرارية.
من أين نبدأ؟ليس نموذجًا،
ليس نموذجًا،
بل عملًا مُنجزًا.
لا يبدأ مشروع الذكاء الاصطناعي بسؤال «أي نموذج نستخدم». نتحدث أولًا عن المهمة التي تستهلك الوقت، ومن ينجزها اليوم وكيف، وكيف تبدو الإجابة الصحيحة. يأتي اختيار النموذج بعد ذلك، وغالبًا يفوز لا النموذج الأكثر إبهارًا بل الأسلوب الذي ينهي العمل بأقل كلفة وبأكثر قابلية للتوقع.
عمليًا نستخدم أربعة أساليب. الإجابة من بياناتك (RAG): تُجعل مستنداتك وسجلاتك قابلة للبحث، فلا يخمّن النموذج الإجابة بل ينتجها من مصدر وجده. الضبط الدقيق (fine-tuning): يُدرَّب نموذج مفتوح المصدر على بياناتك فيتعلّم لغة شركتك وبنية نماذجها وتسمياتها. نماذج التنبؤ والتحليل: تعلّم آلي تقليدي للأسئلة الرقمية كالطلب والمخزون والتأخير والشذوذ — وغالبًا لا حاجة هنا لنموذج لغوي كبير إطلاقًا. إعداد البيانات ووسمها: شرط مسبق للثلاثة الأخرى؛ لا يعمل أي منها قبل جمع البيانات المبعثرة وتنظيفها.
كذلك يُجاب مسبقًا عن سؤال أين سيعمل النموذج. يمكن أن يعمل عبر واجهة مزوّد سحابي، أو يُثبَّت نموذج مفتوح المصدر على خادمك فلا تغادر البيانات شركتك. يختلف الخياران في الكلفة والسرعة ونتيجة الخصوصية؛ ونحدد معًا في اللقاء الأول ما يناسبك.
تشغّل CM Apps هذا النسق في منتجاتها أيضًا: نحن من يبني ويشغّل المساعدين والأتمتة في عملياتنا الخاصة. أي أننا نتحمّل عبء صيانة ما نقترحه على العميل قبله.
يقدّم الذكاء الاصطناعي الإجابة الخاطئة بالثقة نفسها. لذلك يظهر في كل تدفق نبنيه المصدر الذي تستند إليه الإجابة، وتُربط العمليات ذات الأثر بموافقة بشرية. ولا ندفع إلى الإنتاج تدفقًا لا نستطيع قياسه.
شكل التدفق
بياناتكمستندات · قاعدة بيانات · بريد · سجلات اللوحة
طبقة النموذجبحث · نموذج مضبوط · نموذج تنبؤ · قواعد
فريقكفي اللوحة أو على واتساب أو داخل برنامجك الحالي
يُبنى النموذج فوق بياناتك ولا يحلّ محلها. يبقى المصدر لديك؛ والطبقة تقرأ وتنتج وترسل للموافقة عند الحاجة.
كيف نعمل؟التنفيذ في
التنفيذ في
أربع خطوات.
- 01
نفهم العمل والبيانات
كم تستغرق كل عملية، وأين تقيم كل بيانات، وكيف تبدو الإجابة الصحيحة؟ ناتج هذه الخطوة ليس نموذجًا بل تعريفًا قابلًا للقياس للنجاح.
- 02
نختار الأسلوب
هل الإجابة داخل مستند أم أنها تنبؤ رقمي؟ وفقًا لذلك نختار RAG أو الضبط الدقيق أو نموذجًا تقليديًا أو محرك قواعد بسيطًا. واستخدام نموذج أكبر من اللازم يضخّم الكلفة فقط.
- 03
نبني ونوصل
يُبنى خط البيانات والنموذج والواجهة؛ وتُوصل النتيجة بلوحتك أو ببرنامجك الحالي أو بتدفق واتساب. وتُحدَّد الصلاحيات وسجل التدقيق في هذه الخطوة.
- 04
نقيس ونحسّن
يُختبر بأسئلة حقيقية، وتُجمع الإجابات الخاطئة، وتُصحَّح البيانات أو النموذج تبعًا لذلك. التحسين عمل مستمر لا لمرة واحدة.
ماذا نبني؟الأساليب و
الأساليب و
ما نسلّمه.
- مساعد يجيب من بياناتك (RAG)تُجزَّأ مستنداتك وتُجعل قابلة للبحث؛ وينتج المساعد الإجابة مع ذكر المصدر بدل اختلاقها.
- الضبط الدقيق للنموذجيُدرَّب نموذج مفتوح المصدر على بيانات شركتك فيتعلّم مصطلحاتك ونماذجك وتسمياتك.
- التشغيل على خادمكيعمل النموذج على خادم شركتك ولا تغادر البيانات. ونخطط معًا مسبقًا لاحتياج العتاد.
- نماذج التنبؤ والتحليلتنبؤ الطلب والمخزون والتأخير والسعر؛ وكشف الشذوذ والأعطال. تعلّم آلي تقليدي للأسئلة الرقمية.
- معالجة المستندات والبياناتاستخراج الحقول من الفواتير والعقود وسندات التسليم؛ وتحويل النص الحر إلى سجل منظم.
- إعداد البيانات ووسمهاجمع البيانات المبعثرة وتنظيفها ووسمها وبناء خط البيانات. شرط كل ما سواه.
- روبوتات المحادثة وتدفقات الدعممساعد دعم يعمل على الموقع واللوحة وواتساب؛ وعند العجز عن الإجابة يحوّل المحادثة إلى إنسان.
- أتمتة بموافقة بشريةالعمليات ذات الأثر (دفع، عقد، حذف) لا تُنفَّذ وحدها؛ وتُكتب خطوة الموافقة داخل التدفق.
كيف يُستخدم؟سيناريوهات
سيناريوهات
من الميدان.
«ما كان شرط عقد هذا العميل العام الماضي؟»
يصبح أرشيف العقود قابلًا للبحث؛ ويجد المساعد البند ويذكر أي مستند وأي مادة.
من يُدخل الفاتورة الواردة إلى النظام؟
تُستخرج الحقول من المستند ويُهيَّأ القيد المحاسبي كمسودة؛ فيراجع الموظف بدل أن يكتب.
كم نحتاج من كل منتج الشهر المقبل؟
يُبنى تنبؤ الطلب من المبيعات السابقة والموسم والحملات؛ ويصل اقتراح الطلب إلى اللوحة.
فريق الدعم يجيب السؤال نفسه أربعين مرة يوميًا
تُجاب الأسئلة المتكررة من معرفة الشركة؛ وتذهب الحالات الاستثنائية إلى إنسان فيتفرغ الفريق للصعب.
نكتشف عيوب الإنتاج متأخرين
يُركَّب كشف الشذوذ على سجلات المستشعرات والإنتاج؛ ويُرسل تنبيه عند تجاوز حد الانحراف.
بياناتنا لا يمكن أن تخرج
يُثبَّت نموذج مفتوح المصدر على خادم شركتك ويُضبط على بياناتك؛ ولا يذهب أي سجل إلى الإنترنت.
البيانات والحدودما يذهب وإلى أين
ما يذهب وإلى أين
معلوم.
- أين تُعالَج البيانات، مكتوبًاواجهة سحابية أم خادمك أنت — يُتخذ القرار مسبقًا ويُكتب في العقد. ولا يتغير لاحقًا بصمت.
- الاستبعاد من التدريب افتراضيًاعدم ذهاب بياناتك لتدريب نموذج المزوّد هو الإعداد الافتراضي؛ وخلافه لا يكون إلا بطلب صريح منك.
- إخفاء على مستوى الحقولتُعلَّم حقول الهوية والاتصال والمال مسبقًا بحيث لا تصل إلى النموذج إطلاقًا.
- ذكر المصدر إلزاميكل إجابة ينتجها المساعد تذكر المستند الذي تستند إليه؛ والإجابة غير القابلة للتحقق ليست إجابة.
- عمليات مرهونة بالموافقةالعمليات غير القابلة للتراجع كالمال والعقود والحذف لا تُنفَّذ دون موافقة بشرية.
- سجل التدقيقأي سؤال طُرح، وأي مصدر قُرئ، وأي عملية جرت — كل ذلك يُسجَّل.
أسئلة تدور في ذهنك
قبل أن نبدأ.
هل تُستخدم بياناتنا لتدريب نموذج مزوّد الذكاء الاصطناعي؟+
افتراضيًا لا. عند استخدام واجهة سحابية نعمل بإعداد الاستبعاد من التدريب؛ وفي النموذج مفتوح المصدر المثبَّت على خادمك لا تغادر البيانات شركتك أصلًا. ويُكتب في العقد أي نسق اختير.
أيهما يناسبنا: الضبط الدقيق أم RAG؟+
إن كانت الإجابة داخل مستنداتك والمحتوى يتغير كثيرًا، فـ RAG أدق وأرخص. وإن احتاج النموذج إلى تعلّم لغتك ونماذجك وتسمياتك، يدخل الضبط الدقيق. ويُستخدمان معًا أيضًا؛ ونقرر بالنظر إلى البيانات.
كم من البيانات يلزم؟+
يختلف بحسب الأسلوب: يعمل RAG بمستنداتك الحالية ولا يحتاج جمعًا إضافيًا. أما الضبط الدقيق ونماذج التنبؤ فتحتاج سجلات سابقة؛ ننظر فيما لديك ونقول بوضوح هل يكفي أم يلزم إعداد البيانات أولًا.
ماذا يلزم لتشغيله على خادمنا؟+
وحدة معالجة رسومية أو خادم قوي بحسب حجم النموذج. النماذج الصغيرة قد تعمل على عتادك الحالي، والكبيرة تحتاج استثمارًا منفصلًا. وبعد تحديد النطاق نعطيك العتاد المطلوب وبدائله مكتوبًا.
ماذا لو أعطى إجابة خاطئة؟+
يظهر المصدر دائمًا فيصبح الخطأ مرئيًا. وتُربط العمليات ذات الأثر بموافقة بشرية. وتُجمع الإجابات الخاطئة وتُصحَّح البيانات أو النموذج — وهذا جزء دائم من العمل.
هل يلزم تغيير برنامجنا الحالي؟+
غالبًا لا. تُبنى طبقة الذكاء الاصطناعي فوق نظامك الحالي وتقرأ البيانات عبر واجهة أو قاعدة بيانات. وتُوصل النتيجة بلوحتك أو ببرنامجك الحالي أو بتدفق واتساب.
هل يبقى لدينا الكود المصدري والنموذج؟+
نعم. يُسلَّم إليك الكود الذي نطوّره وخط البيانات وأوزان النموذج المضبوط. ويستمر النسق في العمل حتى إن لم تكمل معنا.
متى نرى النتيجة؟+
يعتمد على النطاق: المساعد المبني لمجموعة أسئلة ضيقة ينطلق سريعًا، بينما تحتاج الأنساق متعددة المصادر أو التي تتطلب ضبطًا دقيقًا إلى إعداد بيانات. نضيّق النطاق في اللقاء الأول ونضع ترتيبًا واقعيًا.
في اجتماعنا الأولأولاً، دعنا
أولاً، دعنا
نستمع إليك.
يمكنك القدوم بفكرة أو بنظام قائم. لنبدأ بهذه الأسئلة ونرسم خارطة طريق قابلة للتنفيذ.
لنخطط معاً- 01
أي مهمة تستهلك أكبر قدر من الوقت؟
- 02
أي مصادر البيانات يمكن استخدامها؟
- 03
كيف سنقيّم الإجابات؟
جزء من مشروع أكبر؟
مجالات خبرة تعمل معاً.
الخطوة التاليةأخبرنا عن أعمالك.
لنتحدث عن مشروعك