Designing AI Pipelines for Decision-Ready ITSM Intelligence
تقدم هذه الورقة وتقيّم مساراً تقنياً-اجتماعياً للذكاء الاصطناعي يعمل على تحويل بيانات تذاكر إدارة خدمات تقنية المعلومات (ITSM) غير المتجانسة إلى نماذج دعم قرار متعددة المستويات وقابلة للتنفيذ، وذلك من خلال التنميط القائم على النماذج اللغوية الكبيرة والتجميع المتقدم، محققةً تقييمات عالية من أصحاب المصلحة فيما يتعلق بالقابلية للتفسير، والقابلية للتنفيذ، والثقة، واحتمالية الاستخدام.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
الضجيج الرقمي والإشارة
تخيل أنك تسير عبر مكتبة ضخمة وفوضوية حيث تُكتب ملايين الكتب كل يوم، ولكن لا أحد يقوم بتنظيمها. بعض الكتب مكتوبة بأقلام تلوين، وبعضها بحبر سري، وبعضها مجرد قوائم من الكلمات العشوائية. هذا هو ما يحدث داخل "الدماغ الرقمي" لقسم تكنولوجيا المعلومات في إحدى الشركات. في كل مرة يتعطل فيها جهاز كمبيوتر، أو يُنسى فيها رمز مرور، أو يفشل تحديث برنامج، يتم إنشاء ملاحظة رقمية تسمى "تذكرة" (Ticket). تتراكم هذه الملاحظات لتصبح جبلاً من البيانات الفوضوية وغير المتسقة والمليئة بالضجيج.
لفترة طويلة، حاول الخبراء فهم هذا الجبل باستخدام الرياضيات والحواسيب. إنهم يستخدمون أدوات تسمى "تعلم الآلة" (وهو يشبه تعليم الكمبيوتر كيفية إيجاد الأنماط) و"التجميع" (الذي يشبه فرز كيس من قطع "الليغو" المختلطة إلى أكوام من اللون الأحمر والأزرق والأخضر). الهدف هو تحويل هذا الكومة الفوضوية من الملاحظات إلى قصة واضحة يمكن للمدير أو لمسؤول المبيعات فهمها. ولكن الجزء الصعب هنا هو: مجرد قدرة الكمبيوتر على فرز قطع "الليغو" لا يعني بالضرورة أن الأكوام الناتجة منطقية بالنسبة للإنسان. قد يجمع الكمبيوتر بين "فأرة معطلة" و"لوحة مفاتيح معطلة"، لكن الإنسان يحتاج لمعرفة لماذا يهم ذلك لاتخاذ قرار تجاري كبير. تستكشف هذه الورقة كيفية بناء جسر بين عالم الكمبيوتر الفوضوي والعالم البشري الواضح، وتحويل الضجيج الرقمي الخام إلى خريطة مفيدة لاتخاذ القرارات.
من الفوضى إلى الوضوح: مسار الذكاء الاصطناعي
لاحظ مؤلفو هذه الورقة، وهم فريق من شركة "Automation Anywhere"، مشكلة كبيرة. تمتلك الشركات أطنانًا من تذاكر تكنولوجيا المعلومات هذه، لكنها عالقة في "فجوة تصميم العمليات". فالبيانات فوضوية للغاية ومختلفة من شركة إلى أخرى لدرجة أن البشر يستغرقون ساعات لتنظيفها. كما يواجهون أيضًا "فجوة التجريد": حتى لو قمت بتجميع التذاكر، كيف تحول آلاف الشكاوى الصغيرة إلى بضعة مواضيع رئيسية واضحة يمكن للمدير التنفيذي استخدامها فعليًا؟ وأخيرًا، هناك "فجوة دعم القرار": حتى لو صنعت مخططًا بيانيًا جميلاً، هل يثق الأشخاص المسؤولون به ويستخدمونه حقًا؟
لحل هذه المشكلة، بنى الفريق مسارًا خاصًا للذكاء الاصطناعي (AI pipeline)—وهو بمثابة وصفة خطوة بخطوة لتحويل التذاكر الخام إلى تقرير ذكي. فكر في الأمر كطاهٍ عالي التقنية في مطبخ.
أولاً، يأخذ الطاهي كومة ضخمة وفوضوية من المكونات (التذاكر الخام) التي تأتي بأشكال وأحجام ولغات مختلفة. الخطوة الأولى هي تحليل المخطط (Schema Analysis)، حيث يعمل الذكاء الاصطناعي كمترجم، يقرأ الملاحظات الفوضوية وينظمها في تنسيق قياسي لتبدو جميعها متشابهة.
بعد ذلك، يقوم الطاهي بتنظيف المكونات. هذه هي مرحلة المعالجة المسبقة للبيانات (Data Preprocessing). يقوم الذكاء الاصطناعي بإزالة "الضجيج"—مثل التنبيهات الآلية التي لا تقدم قصة حقيقية—حتى تتبقى فقط شكاوى البشر ذات المعنى.
ثم يأتي سحر تحديد المواضيع (Topic Identification). يستخدم الذكاء الاصطناعي طريقة فرز ذكية تسمى HDBSCAN لتجميع التذاكر المتشابهة معًا. تخيل إلقاء مليون قطعة من "الليغو" في حاوية ضخمة وجعل روبوت يفرزها فورًا إلى أكوام بناءً على كيفية توافقها مع بعضها البعض. تسمى هذه الأكوام "المواضيع الفرعية" (مثل "الطابعات المعطلة" أو "بطء الإنترنت"). لكن الروبوت لا يتوقف عند هذا الحد؛ بل يستخدم طريقة أخرى تسمى HAC لتجميع تلك الأكوام الصغيرة في "مواضيع رئيسية" أكبر (مثل "مشكلات الأجهزة" أو "مشكلات الاتصال"). أخيرًا، يقرأ الذكاء الاصطناعي أهم 30 تذكرة في كل كومة ويكتب تسمية ذكية لها، تمامًا مثل أمين المكتبة الذي يكتب عنوانًا لكتاب.
الخطوة الأخيرة هي طبقة واجهة المستخدم (UI Layer)، والتي تعرض هذه المعلومات المنظمة في شكل تقرير. إنه يشبه كتاب "اختر مغامرتك الخاصة" لقادة الأعمال. يمكنهم البدء بالصورة الكبيرة (المواضيع الرئيسية)، ثم النقر للأسفل لرؤية المشكلات المحددة (المواضيع الفرعية)، وحتى التعمق لقراءة التذكرة الأصلية إذا احتاجوا للتحقق من القصة.
ما وجده الفريق
اختبر الفريق هذا المسار على بيانات حقيقية، حيث قام بمعالجة ما يصل إلى 250,000 تذكرة في حوالي 6 ساعات. ولمعرفة ما إذا كان ذلك يعمل بالفعل، لم يكتفوا بالنظر إلى الرياضيات فح Eng، بل طلبوا من بشر حقيقيين—مهندسي مبيعات وتنفيذيين—قراءة التقارير وتقييمها.
كانت النتائج واعدة. منح الأشخاص الذين قرأوا التقاروت درجات عالية، بمتوسط يزيد عن 4 من 5 على مقياس يكون فيه الرقم 5 هو المثالي. وجدوا أن التقارير موثوقة (وهي الفئة الأعلى تقييمًا، بمتوسط 4.33)، مما يعني أنهم آمنوا بأن الذكاء الاصطناعي لا يختلق الأمور. كما وجدوا أنها قابلة للتنفيذ، مما يعني أن التقارير ساعدتهم في معرفة ما يجب فعله بعد ذلك، مثل التحدث إلى عميل أو إصلاح عملية ما.
ومع ذلك، اكتشف الفريق أيضًا بعض العقبات المثيرة للاهتمام. فبينما كان الذكاء الاصطناعي بارعًا في التأكد من أن التذاكر داخل كومة واحدة متشابهة (تماسك عالٍ)، فإنه واجه أحيانًا صعوبة في التأكد من أن الأكوام المختلفة مختلفة تمامًا عن بعضها البعض (تمايز منخفض). الأمر يشبه أن الروبوت كان جيدًا جدًا في تجميع كل قطع "الليغو" الحمراء معًا، لكن أحيانًا بدا الكوم "الأحمر" قريبًا جدًا من الكوم "الوردي".
كما قارن الفريق بين الدرجات الرياضية للكمبيوتر وآراء البشر. ووجدوا أنه بالنسبة لبعض الأشياء، مثل مدى تميز الأكوام، اتفقت رياضيات الكمبيوتر مع رأي البشر بشكل جيد. ولكن بالنسبة لأشياء أخرى، مثل ما إذا كان حجم الكومة مناسبًا للفهم البشري، لم تتطابق رياضيات الكمبيوتر مع شعور البشر على الإطلاق. وهذا يشير إلى أنه بينما يمكن للحواسيب أن تكون رائعة في الفرز، لا يزال البشر مطلوبين لتحديد ما إذا كان هذا الفرز منطقيًا لوظيفة في العالم الحقيقي.
الخلاصة
لا تدعي هذه الورقة أنها حلت كل المشكلات في عالم بيانات تكنولوجيا المعلومات. يعترف الفريق بأن دراستهم كانت صغيرة، حيث استخدمت ستة تقارير مختلفة وخمسة أشخاص فقط لمراجعتها، لذا لا يمكنهم الجزم بما إذا كان هذا يعمل لكل شركة في كل مكان بعد. كما أشاروا إلى أن رياضيات الكمبيوتر كانت أحيانًا تقلل من تقدير مدى جودة التقارير مقارنة بما شعر به البشر.
لكن الرسالة الجوهرية واضحة: من خلال الجمع بين سرعة الذكاء الاصطناعي وحكم البشر، من الممكن تحويل جبل فوضوي من تذاكر تكنولوجيا المعلومات إلى خريطة واضحة وموثوقة. تساعد هذه الخريطة القادة على رؤية الصورة الكبيرة، ورصد المشكلات المتكررة، واتخاذ قرارات أفضل دون الضياع في الضجيج. تشير الورقة إلى أن هذا النهج يعد خطوة قوية للأمام، محولةً البيانات الخام إلى أداة يرغب الناس حقًا في استخدامها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.