تستخدم شركة Merck وكلاء الذكاء الاصطناعي لتقليل دورات اكتشاف الأدوية بمقدار الثلث وشحن المواد التسويقية المتوافقة مع القواعد التنظيمية بشكل أسرع بنسبة تصل إلى 80%، لكن نائب رئيس المنصات الرقمية شون فينيرتي يقول إن الأمر لا ينجح إلا لأنه تم بناء البنية التحتية أولاً.
تشهد الشركة المصنعة للمستحضرات الصيدلانية نتائج واعدة في وقت مبكر: حيث يعمل الذكاء الاصطناعي على إنشاء تصميمات تسويقية “صحيحة بنسبة 99%” للامتثال، مما يقلل دورات المراجعة من أشهر إلى أيام ويسرع التسليم بنسبة 70% إلى 80%. وفي الوقت نفسه، في مجال الأبحاث الطبية للشركة، تم تقليل الوقت اللازم لدورة اكتشاف واحدة مدعومة بالذكاء الاصطناعي بنسبة 33%.
ومع ذلك، فإن الذكاء الاصطناعي المعتمد على الوكيل لا يعمل إلا إذا قامت الشركات أولاً ببناء “السباكة” الأساسية، كما قال فينيرتي عن المنصات والخدمات الرقمية في حدث AI Impact Series الأخير.
وقال: “إذا اتخذنا إجراءات لمرة واحدة، فسوف ينتهي بنا الأمر إلى آلاف الأشياء التي ستصبح في النهاية مجرد ديون سيتعين علينا التعامل معها لاحقًا”. “وهذا سيكون بمثابة عائق أمام أي ابتكار آخر.”
بدءا من السباكة
وقال فينيرتي إن استراتيجية ميرك للهيدروليكيا أولاً تعتمد على الدروس المستفادة من الأيام الأولى للسحابة في عام 2010، “عندما لم يكن أحد يعرف ما الذي كان يحدث بحق الجحيم”.
إن إعداد السحابة بشكل صحيح يعني البناء من الصفر؛ في Merck، تدعم هذه البنية التحتية حاليًا 2500 حساب AWS واشتراكات Microsoft Azure المتعددة وعمليات التكامل الجديدة مع Google Cloud Platform (GCP).
قال فينيرتي: “سيكون الذكاء الاصطناعي هو نفس الشيء تمامًا”. “سيكون لدينا الآلاف من الوكلاء.” ثم تطرح الأسئلة: كيفية تسجيلهم؟ كيفية تأمينهم؟ كيف نضمن حصولهم على الأدوات المناسبة والوصول إلى البيانات والسياق المناسبين؟
يعد توفير السياق أمرًا بالغ الأهمية أيضًا؛ تقوم شركة Merck بتشغيل ثلاثة وحدات قياس فائقة السرعة، ولديها سبعة وأربعين موقعًا طرفيًا، ومئات من قواعد البيانات. وقال فينيرتي إنه يتم تخزين “الكثير والعديد من البيتابايت” من البيانات المنظمة وغير المنظمة في قواعد بيانات أوراكل وقواعد بيانات SQL وجداول بيانات Excel ونصوص الهاتف وغيرها من المستودعات.
وأوضح أن فريقه يقوم ببناء سقالة من شأنها توفير سياق مفيد في المواقف المختلفة. ويجب تنظيم البيانات واستيعابها عبر المنصات لأنه “لا يوجد حل واحد لحل كل مشكلة على حدة”. في بعض الأحيان يكون Databricks، وفي أحيان أخرى يكون Amazon Redshift “بالإضافة إلى أربعة أشياء أخرى”.
وقال فينيرتي إن الهدف هو “دعونا نجعل الأمر بسيطًا وسلسًا للأشخاص، ودعونا نؤمنه ونتأكد من تكامله جيدًا مع MCP (بروتوكول سياق النموذج)، وA2A (Agent2Agent) والحوسبة الأولية”. “إذا كنت تريد تشغيل الأشياء على Google Cloud Platform أو ترغب في تشغيل الأشياء على AWS، فلدينا السباكة الجاهزة حتى تتمكن من تشغيل أعباء العمل المجاورة أينما تريد.”
كيف تستخدم شركة ميرك الوكلاء
ومن خلال إنشاء تركيب فني، تقوم شركة Merck بتجربة وكلاء لعمليات المؤسسة المنظمة، وسير عمل الاكتشافات العلمية، وتحديث التطبيقات.
ومن الجدير بالذكر أن الذكاء الاصطناعي يعمل على تسريع اكتشاف الأدوية. وأوضح فينيرتي أن العلماء ينظرون إلى الهياكل الجزيئية والحالات المرضية لتحديد ما إذا كانت الحالة قابلة للعلاج. ولكن حتى لو كانت الحالة المرضية معروفة، فقد يستغرق تطوير دواء لها سنوات.
الآن، وبفضل الذكاء الاصطناعي، بدأت الفرق في رؤية “أشياء واعدة جدًا”، مثل تقليل دورة بحثية معينة بمقدار الثلث. وقال فينيرتي: “إنها سنة راحة من دورة الاكتشاف”. “مما يعني، من الناحية النظرية، أنه يمكننا توصيل الدواء للمريض الذي يحتاج إلى العلاج قبل عام من ذلك.”
بمجرد تطوير هذه المنتجات والموافقة عليها، فإنها تخضع للتنظيم ويجب صياغة المواد التسويقية الخاصة بها بشكل واضح وواضح. وقال فينيرتي: “إن كيفية توصيل هذه المعلومات من خلال السوق والبلد والدولة والمنطقة يتم تنظيمها وتنظيمها بعناية شديدة”. إنها أيضًا متغيرة: تبدو الحملة الإعلانية للقاحات في جورجيا مختلفة كثيرًا عن الحملة في كندا.
تاريخيًا، بذل الأشخاص العناية الواجبة للتأكد من امتثال الشركة للوائح المختلفة. تخضع مواد العمل لمزيد من المراجعة؛ وقال فينيرتي إنه عندما يتم اكتشاف خطأ ما، فإنه “يعود إلى البداية ويراجعه مرة أخرى، ثم يستغرق الأمر أسابيع وأشهر”.
ولكن الآن يستطيع الذكاء الاصطناعي القيام بذلك “بشكل أكثر كفاءة بكثير”، وتتطور العملية بشكل متزايد من إنسان متواجد في الحلقة إلى “حاكم بشري” في الأساس. وتحت الإشراف البشري، يمكن للذكاء الاصطناعي تقديم مسودة أولى في غضون يوم أو أسبوع تكون جاهزة بنسبة 99%، مما يمكّن الفرق من الشحن بشكل أسرع بنسبة تصل إلى 80%.
وفي الوقت نفسه، عندما يتعلق الأمر بتحديث التطبيقات، يمكن للذكاء الاصطناعي اكتشاف البنية وتوثيق تفاعلات البيانات وواجهات برمجة التطبيقات ومسارات الشبكة وإجراء عمليات التحقق من المصادقة والترخيص؛ يمكنه أيضًا كتابة تعليمات برمجية لـ Terraform لنشر JavaScript وإعادة هيكلته في Python.
قال فينيرتي إنه في حين كانت الشركة في السابق تقضي أسابيع وشهورًا وتنفق مئات الآلاف من الدولارات لتحديث تطبيق واحد، فإن الوكلاء الآن يقومون بالعمل من خلال المطالبات.
انا مجنون
وهذا لا يعني أنه لا توجد تحديات كبيرة؛ وأشار فينيرتي إلى أن فريقه وقع في بعض “الغرابة”. على سبيل المثال، في اختبار التعليمات البرمجية والسيناريوهات الآلي. كان الذكاء الاصطناعي يخترع سيناريوهات بشكل صارخ، سواء كان ذلك بسبب سياق غير صحيح أو بنية تحتية أو “أو مجرد الإبداع: “يجب عليك اختبار هذه الميزات الثلاث غير الموجودة حتى في الكود الذي تحاول اختباره”.
وقال: “لقد فاجأني الأمر بعض الشيء لأنني اعتقدت أننا تعاملنا مع بعض تحديات الهلوسة في النماذج اللاحقة”.
ولحل هذه المشكلة، صمم فريقه حواجز حماية لإبقاء الهلوسة عند الحد الأدنى عن طريق استخدام الذكاء الاصطناعي بشكل أساسي للإشراف على الذكاء الاصطناعي واستخدام مقاييس الثقة. لذا، إذا قام كلود بإنشاء النتيجة الأولى، فسوف يقوم بإرشاد Microsoft Copilot لتقييمها.
قال فينيرتي: “لذا، إذا سألت شيئًا ما مرة واحدة، اطلب من الذكاء الاصطناعي التحقق منه ثم اسأل مرة ثالثة، تزداد الثقة في كل مرة وتقلل من بعض الأشياء غير المرغوب فيها التي يتم إنشاؤها في البداية”.
حالات استخدام الذكاء الاصطناعي القائم على الوكيل في الخدمات المالية
وفي الوقت نفسه، في شركة Mastercard، يقوم أندرو رايسكيند، كبير مسؤولي البيانات وفريقه، بتركيز تجارب الوكلاء على المعاملات شديدة التنظيم وسير عمل النزاعات. وكما أشار، فإن نزاع رد المبالغ المدفوعة أو الاحتيال ليس حدثًا لمرة واحدة.
وقال ريسكيند إنه عندما يعترض أحد المستهلكين على إحدى الرسوم (عادةً عبر الإنترنت)، “فهناك عملية مختلفة تمامًا تبدأ من النهاية الخلفية وعادةً ما تتطلب عمالة مكثفة للغاية”.
يجب على Mastercard جمع معلومات تفصيلية حول النزاع الفعلي؛ يقوم التاجر بعد ذلك بإجراء تحقيقاته الخاصة (هل تم الإبلاغ عن فقدان البطاقة أو سرقتها؟ هل يعترض المستهلك كثيرًا على الرسوم؟). علاوة على ذلك، فإن الشبكة الموجودة في المنتصف لها قواعدها الخاصة فيما يتعلق بالتوقيت ونقل المعلومات.
قال ريسكيند: “كل خطوة من هذه الخطوات غير منظمة، ولكن هناك أيضًا عناصر بيانات منظمة مرتبطة بها”. عادةً ما يكون فقدان البطاقة أو سرقتها أمرًا هيكليًا، ولكن شكوى المستهلك تتعلق بـ “بيانات غير منظمة ذات موثوقية مشكوك فيها”.
وقال: “لذلك نحن نتعامل مع نظام صنع القرار الذي يتضمن قرارات حتمية، ولكن أيضًا قرارات احتمالية”.
يمكن تسريع هذه المشكلة وربما حلها بواسطة وكلاء الذكاء الاصطناعي، ولكنها يمكن أن تكون عملية معقدة: ما المهام التي تقوم بتفويضها إلى الوكلاء؟ متى يعيدون الأمور إلى ممثليها البشريين؟ كم عدد الوكلاء الذين ينتهي بك الأمر باستخدامهم؟ ما هي الآثار المترتبة على التكلفة؟
ثم هناك أسئلة وتكاليف تتعلق بالسمعة: هل وصفت المستهلك للتو بأنه كاذب محتمل عندما لم يكن يكذب؟
وقال ريسكيند: “هذا هو المكان الذي تريد فيه، كبنك، الحفاظ على ثقة المستهلك”. “لكنك تريد أيضًا أن تكون فعالة وتزيل التكاليف من النظام.”
مغالطة PB&J مقابل الديك الرومي: تحديد المخاطر المقبولة
وقال ريسكيند إن الذكاء الاصطناعي سيكون له دائمًا مخاطر، ويجب على الشركات تقييمها منذ بداية تصميم المنتج. وهناك أيضا مسألة المخاطر المقبولة.
على سبيل المثال: هل قدمت للعميل شطيرة جيلي مع زبدة الفول السوداني بدلاً من شطيرة الديك الرومي (إزعاج بسيط)؟ أو ربما أعطيت الغلوتين لشخص مصاب بمرض الاضطرابات الهضمية؟
وقال ريسكيند: “هل ارتكاب خطأ بنسبة 1% من الوقت يعد خطراً مقبولاً؟ إذا كان الأمر كذلك، فلننتقل إلى الخطوة التالية في تخفيف هذا الخطر”.
يجب على القادة إجراء تحليل للتكلفة والعائد، وتقسيم المشكلات إلى “أجزاء مكونة” وحساب تكلفة كل منها. لكن هذه تقديرات. وقال ريسكيند: “إن التنبؤ بالاستخدام الفعلي يكاد يكون مستحيلاً”. وقال “إنها ليست عملية بسيطة لتحديد التكاليف”. “لكنه قابل للتنفيذ.”
