من البيانات المالية إلى قرارات جاهزة للذكاء الاصطناعي: Power BI وMicrosoft Fabric والنماذج الدلالية ووكلاء الذكاء الاصطناعي مع Rishi Sapra [MVP]

ماذا يحدث عندما تبدأ وكلاء الذكاء الاصطناعي في فهم البيانات المالية وبيانات الأعمال — لا مجرد عرضها؟في هذه الحلقة من M365.FM، يتحدث Mirko Peters مع Rishi Sapra، خبير Microsoft MVP، حول البنية المعمارية اللازمة للانتقال من لوحات المعلومات التقليدية نحو تحليلات مدعومة بالذكاء الاصطناعي وواعية بالسياق، باستخدام Microsoft Fabric وPower BI وCopilot Studio والنماذج الدلالية (semantic models) والأنطولوجيات (ontologies) ووكلاء البيانات (data agents).تمتلك المؤسسات بالفعل كمّاً هائلاً من المعلومات موزعاً عبر أنظمة ERP وأوراق Excel وتقارير Power BI وMicrosoft Fabric وSharePoint والأنظمة المالية والميزانيات والتوقعات والتطبيقات التشغيلية.إن إضافة الذكاء الاصطناعي فوق هذه البيانات لا يعني تلقائياً أن الذكاء الاصطناعي يفهم العمل.ما المقصود فعلياً بـ"الإيرادات"؟ وأي تعريف للهامش ينبغي أن يستخدمه وكيل الذكاء الاصطناعي؟ وأي مؤشرات أداء رئيسية (KPIs) تمثل النسخة الرسمية من الحقيقة؟ وكيف يفهم الوكيل العلاقات بين العملاء والمنتجات والمناطق ومراكز التكلفة والعقود والعمليات التجارية؟تكمن الإجابة بشكل متزايد في طبقة السياق الواقعة بين البيانات الخام والذكاء الاصطناعي.

من ذكاء الأعمال الذاتي إلى الذكاء الاصطناعي الذاتي
يشرح Rishi رحلته من النمذجة المالية وExcel مروراً بـ Power Query والأيام الأولى لـ Power BI وصولاً إلى منظومة Microsoft Fabric والذكاء الاصطناعي اليوم.ساعد Power BI على نقل ذكاء الأعمال من أقسام تقنية المعلومات المركزية إلى أيدي مستخدمي الأعمال.لكن المنصة أصبحت أيضاً أكثر تعقيداً بشكل ملحوظ.فالنماذج الدلالية وDAX وlakehouses وOneLake وDirect Lake وCopilot Studio ووكلاء البيانات والأنطولوجيات وأدوات MCP والحوكمة والذكاء الاصطناعي، كلها تشكل معمارية يمكن أن تصبح بسرعة صعبة الفهم على مستخدمي الأعمال الأفراد.قد يغيّر وكلاء الذكاء الاصطناعي هذه العلاقة.فبدلاً من أن يُطلب من كل مستخدم أعمال أن يصبح مهندس بيانات ومطور ذكاء أعمال ومهندس ذكاء اصطناعي في آنٍ واحد، يمكن للوكلاء بشكل متزايد بناء أجزاء من البنية التقنية وتشغيلها، فيما يوفر البشر السياق التجاري.

لماذا يهم سياق الأعمال بالنسبة للذكاء الاصطناعي
يتمحور أحد الأسئلة المركزية في الحلقة حول سؤال بسيط بشكل مفاجئ:ما مدى توثيق عمليات الأعمال وقراراتها لديكم؟يعيش جزء كبير من المعرفة الحقيقية لدى أي مؤسسة خارج قواعد البيانات. فهي موجودة داخل صيغ Excel ومقاييس Power BI وملفات SharePoint وعمليات الأعمال والوثائق — وفي عقول الناس.ولكي تنتج وكلاء الذكاء الاصطناعي رؤى تجارية ذات معنى، يحتاج المؤسسات إلى التقاط أكثر من البيانات.إنهم بحاجة إلى التقاط السياق.من الذي يطرح السؤال؟ وما القرارات التي يحتاج ذلك الشخص إلى اتخاذها؟ وأي مؤشرات أداء رئيسية تهم؟ وأي قواعد عمل تنطبق؟ وماذا يعني مقياس محدد في هذا السياق بالذات؟يقود هذا إلى مفهوم الرؤى المدفوعة بالشخصيات (persona-driven insights): تصميم التحليلات حول قرارات وأسئلة مستخدمي أعمال محددين، بدلاً من مجرد عرض مزيد من البيانات.

نماذج البيانات مقابل النماذج الدلالية مقابل الأنطولوجيات
تستكشف المحادثة ثلاثة مفاهيم تكتسب أهمية متزايدة في معمارية التحليلات الحديثة لدى Microsoft.يهيكل نموذج البيانات البيانات الأساسية والعلاقات بينها.يضيف النموذج الدلالي في Power BI منطق الأعمال والمقاييس والحسابات والعلاقات والأمان، مكوناً طبقة تحليلية محكومة ومصدراً موثوقاً لمؤشرات الأداء الرئيسية.لكن الذكاء الاصطناعي غالباً ما يحتاج إلى أكثر من ذلك.يمكن للأنطولوجيا أن تصف كيانات الأعمال وعلاقاتها بطريقة تتيح للذكاء الاصطناعي استنتاج مفاهيم مثل العملاء والمنتجات والمتاجر والموظفين والمناطق والعقود والإيرادات والعمليات التجارية.تساعد النماذج الدلالية في الإجابة عن سؤال:"ما هو الرقم؟"بينما تساعد الأنطولوجيات والسياق الإضافي الذكاء الاصطناعي في التحقيق في سؤال:"لماذا تغيّر الرقم؟"معاً، توفر هذه الطبقات أساساً أقوى بكثير لوكلاء الذكاء الاصطناعي.

Microsoft Fabric كأساس للبيانات للذكاء الاصطناعي
تلعب Microsoft Fabric دوراً محورياً في هذه المعمارية.يمكن لـ OneLake وLakehouses وجداول Delta والنماذج الدلالية وDirect Lake ووكلاء بيانات Fabric والتكامل مع Copilot Studio أن تشكل أساساً موحداً لبيانات المؤسسة المهيكلة وغير المهيكلة.كما تشرح الحلقة سبب أهمية Direct Lake.فبدلاً من استيراد البيانات وتحديثها بشكل متكرر داخل النماذج الدلالية التقليدية في Power BI، يتيح Direct Lake لـ Power BI العمل مباشرة على البيانات المخزنة بتنسيق Delta مع الحفاظ على الأداء التحليلي.يمكن لهذا أن يبسط بشكل كبير المسار من بيانات المؤسسة إلى التحليلات والذكاء الاصطناعي.

الطبقات الخمس للعقل المؤسسي
يصف Rishi "عقلاً مؤسسياً" مبنياً على خمس طبقات مترابطة:البيانات — معلومات المؤسسة الموثوقة والأنظمة المصدرية.المنطق — DAX وSQL وPython والحسابات ومؤشرات الأداء وقواعد العمل.الأدوات — النماذج الدلالية وواجهات البرمجة وخوادم MCP والتطبيقات والقدرات الأخرى التي يمكن للوكلاء استخدامها.المهارات — التعليمات والعمليات التجارية التي تصف كيفية استخدام الوكلاء للأدوات وتفسير المعلومات.الحوكمة — الأذونات والسياسات والأمان والضوابط والقواعد التي تحكم ما يُسمح للوكلاء بفعله.الهدف ليس مجرد منح نموذج لغوي كبير وصولاً إلى مزيد من البيانات.الهدف هو منح الذكاء الاصطناعي بيئة محكومة يفهم فيها أي البيانات والمنطق والأدوات والعمليات ينبغي استخدامها لسؤال تجاري معين.

وكلاء الذكاء الاصطناعي يحتاجون إلى بيانات حتمية
الذكاء الاصطناعي التوليدي قوي لأنه قادر على الاستدلال بمرونة.أما إعداد التقارير المالية فلا يمكن أن يعتمد كلياً على المرونة.فالإيرادات والهوامش والتوقعات والتكاليف وغيرها من مقاييس الأعمال غالباً ما تتطلب حسابات حتمية ومصدراً محكوماً للحقيقة.تستكشف الحلقة لماذا قد يعتمد مستقبل الذكاء الاصطناعي المؤسسي على الجمع بين عالمين:الحوسبة الحتمية للحسابات الموثوقة ومنطق الأعمال.الذكاء الاصطناعي التوليدي للاستدلال والتفسير والاستكشاف والتفاعل بلغة طبيعية.يمكن للنماذج الدلالية وMicrosoft Fabric أن توفر الأساس الحتمي، فيما يوفر وكلاء الذكاء الاصطناعي طبقة الاستدلال المرنة.

من لوحات المعلومات إلى الذكاء الشخصي
تخبر لوحات المعلومات التقليدية المستخدمين بما حدث.فقد تُظهر لوحة معلومات أن الإيرادات انخفضت بنسبة سبعة بالمئة. ثم يحتاج المستخدم إلى التنقل عبر الأبعاد والفلاتر والتقارير ومجموعات البيانات لفهم السبب.يمكن لوكلاء الذكاء الاصطناعي أن يؤدوا جزءاً كبيراً من هذا الاستكشاف تلقائياً.لكن سرد القصص الجيد ما زال يحتاج إلى السياق.فالرقم الأكبر ليس دائماً الرقم الأهم. فقد يحتاج مقياس تجاري إلى تفسير بالنسبة إلى الإيرادات أو الميزانية أو الفترات السابقة أو الهيكل التنظيمي أو عوامل أخرى.وهنا تصبح التحليلات المدفوعة بالشخصيات بالغة الأهمية.فالمدير المالي وقائد المبيعات والمدير التشغيلي قد يسألون جميعاً عن المؤشر نفسه، لكنهم يحتاجون إلى تفسيرات وإجراءات مختلفة تماماً.

Copilot Studio والجيل التالي من الوكلاء
تستكشف المحادثة أيضاً تطور Microsoft Copilot Studio من تجارب الدردشة التقليدية القائمة على المواضيع والمعرفة نحو أنظمة وكيلية أكثر قدرة.يمكن للوكلاء الحديثة أن تجمع بين الأدوات والمهارات وبيانات المؤسسة وسير العمل والاستدلال.لكن هذه القدرة الإضافية تحمل مخاطر إضافية.فكلما منح الوكيل استقلالية أكبر، أصبح التأسيس على الحقائق والأذونات والحوكمة والتقييم والتعليمات المحددة بوضوح أكثر أهمية.يجب ألا يختلق وكلاء الذكاء الاصطناعي أرقاماً مالية أو يختاروا مصادر بيانات بشكل تعسفي.بل يحتاجون إلى نماذج دلالية موثوقة وبيانات محكومة ومهارات صريحة وضوابط واضحة.

إعادة الاعتبار للحوكمة
تصبح الحوكمة أكثر أهمية في المؤسسة الوكيلية.فبدلاً من معاملتها كوثيقة يُتوقع من الموظفين قراءتها، يمكن للمؤسسات بشكل متزايد ترميز الحوكمة مباشرة في البيئات والسياسات والمهارات والتعليمات التي يستخدمها وكلاء الذكاء الاصطناعي.تستكشف المناقشة فكرة التعامل مع الوكلاء كموظفين رقميين.يحتاجون إلى مسؤوليات محددة وأدوات معتمدة وأذونات وصول وقواعد عمل وتوقعات أداء وحدود واضحة.لذلك تتحول الحوكمة من كونها توثيقاً إلى كونها إنفاذاً آلياً.

نموذج التشغيل لـ Fabric والذكاء الاصطناعي
وأخيراً، تبحث الحلقة كيف يمكن للمؤسسات إدارة هذا