أربعة أشياء مختلفة تُباع تحت اسم واحد
يغطي وسم «الذكاء الاصطناعي» وظائف بمستويات نضج مختلفة جدًا. والفصل بينها يجعل قراءة العروض أسهل.
| ما يُباع | ما يفعله فعلًا | كيف تختبره |
|---|---|---|
| محرك القواعد | يقرر بناءً على عتبات مكتوبة مسبقًا (إعادة التزويد عندما ينخفض المخزون تحت مستوى معيّن). | «أي قاعدة تتخذ هذا القرار، وهل يمكنني تغييرها؟» إذا كانت الإجابة نعم، فهذه تهيئة لا ذكاء اصطناعي — وكثيرًا ما تكون الإجابة الأفضل. |
| التنبؤ / التحسين | يُنتج اقتراحات لعبء العمل أو الطلب أو تحديد المواقع من البيانات التاريخية. | «على كم من البيانات التاريخية يُدرَّب، وماذا يحدث عندما يخطئ، وهل تقيسون الدقة؟» |
| كشف الشذوذ | يُنبّه إلى النشاط غير المعتاد (فرق جرد غير متوقع، إلغاءات غير نمطية). | «ما معدل الإنذارات الكاذبة، ومن يرفض التنبيه، وهل يُسجَّل الرفض؟» |
| نموذج لغوي (مساعد، صوت) | طرح الأسئلة أو طلب التقارير أو إنشاء المهام باللغة الطبيعية. | «أين يعمل النموذج، وهل تغادر بيانات المستودع المنشأة، وماذا يحدث عندما يسيء الفهم؟» |
كون الوظيفة محرك قواعد ليس عيبًا. فمعظم قرارات المستودع يجب أن تكون قابلة للتفسير والتكرار، والقاعدة المكتوبة جيدًا هي عادةً أفضل طريقة لتحقيق ذلك.
تسعة أسئلة تطرحها على المورد
هذه الأسئلة مأخوذة من قسم الذكاء الاصطناعي في كتالوج التقييم الداخلي لدينا؛ ونستخدمها نفسها عند تقييم ملفات الموردين.
- على أي شاشة تحديدًا يأتي دعم الذكاء الاصطناعي؟
- ما القرار الذي يتخذه: هل يقترح، أم يتصرف من تلقاء نفسه؟
- هل يستطيع المستخدم رؤية النتيجة وتجاوزها، وهل يُسجَّل التجاوز؟
- ما البيانات التي يستخدمها: بياناتنا فقط، أم بيانات عملاء آخرين أيضًا؟
- أين تُعالج البيانات — في أي بلد، ولدى أي مزوّد؟
- إذا كان يتنبأ بالطلب أو عبء العمل، فهل تُقاس الدقة، وهل يمكنكم مشاركة الرقم؟
- هل يمكن الاستعلام عن التقارير باللغة الطبيعية، وكيف يلاحظ المستخدم الإجابة الخاطئة؟
- إذا وُجد تحكم صوتي، فهل اختُبر في مستودع صاخب، وبأي لغات؟
- هل هذه الميزة ضمن الحزمة القياسية، أم وحدة إضافية، أم تُبنى لكل مشروع؟
أين تُعالج البيانات: السؤال الذي لا يجوز تجاوزه
تحتوي بيانات المستودع على بيانات شخصية أكثر مما يبدو: أسماء المستلمين وعناوينهم، وأرقام الهواتف، وأحيانًا محتويات الطلبات. وإذا كان النموذج اللغوي يعمل في السحابة، فقد تغادر هذه البيانات منشأتك لتُعالج، وإذا كان المزوّد في الخارج فالأمر يتعلق بنقل عابر للحدود. تعامل مع هذا كبند تعاقدي لا كتفصيل تقني: أي مزوّد، وأي بلد، وهل تُستخدم البيانات للتدريب، وكم تُحفظ. تناولنا النشر وموقع البيانات في <a href="/analysis/cloud-or-on-premise-wms">سحابي أم محلي</a>.
ما لن يحله الذكاء الاصطناعي
- البيانات الرئيسية الخاطئة. لا يُنتج أي نموذج تنبؤًا جيدًا لصنف بباركود أو أبعاد أو تسلسل تغليف خاطئ.
- مستودع بلا مواقع. بدون بيانات المواقع لا يجد المُحسِّن مساحة يعمل فيها.
- عملية غير محددة. لن يقرر النظام أمرًا لم يقرره أحد؛ بل يسرّع فقط قرارًا قائمًا.
- أداء غير مقيس. إذا لم تُقس الدقة والفائدة، فلا أحد يستطيع أن يعرف ما إذا كانت الميزة تعمل.
عندما تتوافر هذه الأربعة، يمكن للذكاء الاصطناعي أن يحقق فائدة حقيقية. وبدونها، يجب أن يذهب الاستثمار الأول إلى البيانات والعمليات لا إلى نموذج. استخدم <a href="/wms-finder">أداة اختيار WMS</a> لتحديد متطلباتك ومقارنة القدرات المؤكدة من المصادر.
الأسئلة الشائعة
فيمَ يُستخدم الذكاء الاصطناعي في WMS؟
أساسًا في أربعة مجالات: التنبؤ بعبء العمل والطلب من البيانات التاريخية، والتنبيه إلى النشاط غير المعتاد (كشف الشذوذ)، والاستعلام عن التقارير باللغة الطبيعية، والأوامر الصوتية. وبعضها في الحقيقة محركات قواعد؛ وللتمييز اسأل: «أي قاعدة تتخذ هذا القرار، وهل يمكنني تغييرها؟».
كيف أختبر ادعاء «مدعوم بالذكاء الاصطناعي»؟
تكفي أربعة أسئلة: على أي شاشة يظهر، وما القرار الذي يتخذه، وهل يستطيع المستخدم رؤية النتيجة وتجاوزها، وهل تُقاس دقته. وإذا لم توجد إجابة ملموسة عن الأربعة، فلا توجد وظيفة قابلة للقياس.
إلى أين تذهب بياناتي عندما أستخدم ميزة ذكاء اصطناعي؟
إذا كان النموذج اللغوي يعمل في السحابة، فقد تغادر بيانات المستودع منشأتك لتُعالج، وإذا كان المزوّد في الخارج فالأمر يتعلق بنقل عابر للحدود للبيانات الشخصية. أي مزوّد، وأي بلد، وهل تُستخدم البيانات للتدريب، وكم تُحفظ — ضع ذلك في العقد.
هل سيُصلح الذكاء الاصطناعي البيانات السيئة؟
لا. لا يُنتج أي نموذج تنبؤًا جيدًا لصنف بباركود أو أبعاد خاطئة، وبدون بيانات المواقع لا يجد المُحسِّن مساحة يعمل فيها. يجب أن يذهب الاستثمار الأول إلى البيانات الرئيسية والعمليات، لا إلى نموذج.
المنهجية والتصحيحات: السياسة التحريرية.