أمازون تُطلق حلولاً محادثية لإدارة سلاسل التوريد الذكية
تستهدف أمازون حل مشكلة تشتت البيانات في سلاسل التوريد عبر الجمع بين قدرات Amazon Bedrock AgentCore وواجهة Amazon Quick المحادثية للربط بين الأنظمة التنفيذية وصنّاع القرار.
رضوان عبدالهاديمحرر وكاتب تقني
معضلة تشتت بيانات سلاسل التوريد في المؤسسات
تولّد سلاسل التوريد في المؤسسات الكبرى كميات ضخمة من الإشارات والبيانات المستمرة، والتي تشمل أوامر الشراء في مرحلة الاعتماد، وتغيرات أوقات التوريد، وتباطؤ حركة الموانئ، وتقلبات الأسعار. وعلى الرغم من وفرة هذه البيانات، إلا أن المؤسسات تعاني من صعوبة الوصول إلى الرؤى الدقيقة، نظراً لتوزع البيانات بين أنظمة تخطيط موارد المؤسسات (ERP)، وأدوات المراقبة، وأرقام المشتريات، والبريد الإلكتروني.
وأوضحت مدونة مدونة AWS لتعلم الآلة (AWS Machine Learning Blog) في تحليل تقني جديد أن الإجابة عن أسئلة تشغيلية حاسمة — مثل تحديد المنتجات الأكثر ربحية المتأثرة بإغلاق ميناء معين وحساب التكلفة الإجمالية لذلك — كانت تتطلب سابقاً تنقلاً يدوياً بين عدة أنظمة مختلفة، مما يستغرق من 45 إلى 60 دقيقة في كل صباح لتجميع البيانات وتجميع المفاهيم بين ما لا يقل عن خمسة أنظمة مستقلا.
بنية Amazon Bedrock AgentCore كطبقة ذكاء موحدة
لحل هذه الإشكالية، تطرح أمازون بنية قائمة على فصل طبقة الواجهة عن طبقة الذكاء. وتتولى منظومة Amazon Bedrock AgentCore دور طبقة الذكاء الموحدة، حيث تقوم بتعريض أنظمة المؤسسات المختلفة عبر خوادم تعتمد بروتوكول سياق النموذج المفتوح (MCP)، وتحويلها إلى أدوات يمكن للوكلاء الأذكياء استدعاؤها وتركيبها بمرونة.
وتتألف المنظومة من أربع خدمات أساسية تضمن تنفيذ العمليات بكفاءة؛ الأولى هي بيئة التشغيل (Runtime) التي توفر استضافة خالية من الخوادم لخوادم ووكلات MCP مع عزلة تامة للجلسات إدارة الهوية. أما الخدمة الثانية فهي البوابة (Gateway) التي تحول واجهات برمجة التطبيقات (APIs) ودوال AWS Lambda والخدمات الخلفية إلى أدوات متوافقة مع MCP خلف نقاط نهاية مدارة وآمنة، بينما تتكفل خدمة الهوية (Identity) بإدارة الاعتمادات والتحقق من المستخدمين.
وفي مجالات الذكاء الاصطناعي (Artificial Intelligence)، تلعب خدمة السياسات (Policy) دوراً حاسماً عبر حوكمة استدعاء الأدوات باستخدام قواعد حتمية مكتوبة بلغة طبيعية أو بسبك لغة Cedar، حيث تفحص كل طلب قبل توجيهه للأنظمة الخلفية لضمان عدم تجاوز الوكيل للحدود المالية أو الإجرائية المسموح بها.
الربط بين خوادم MCP وسجل AWS Agent Registry
يعتمد الحل التقني على بروتوكول MCP لمعايرة طريقة تفاعل نماذج الذكاء الاصطناعي مع الأدوات الخارجية. ويمكن لجميع الأنظمة المعتمدة في المؤسسة مثل SAP وOracle والخدمات المصغرة المخصصة أن تُغلف كخوادم MCP، لتكشف عن أدوات ذات معلمات محددة يتم اكتشافها تلقائياً عند التشغيل.
ولإدارة الموارد بفاعلية، يُستخدم سجل AWS Agent Registry كطبقة اكتشاف محوكمة؛ إذ يقدم ناشر خادم MCP السجل، ثم يراجعه المسؤول، ليكون متاحاً بعد الاعتماد عبر البحث الهجين أو نقاط نهاية MCP. كما يستعرض المستودع التقني quick-for-supply-chain كيفية ربط هذه المكونات البرمجية لتفعيل خوادم التوريد والمشتريات ضمن البنية التحتية للمؤسسة.
Amazon Quick: تحويل الاستعلامات المعقدة إلى محادثات بلمسة بشرية
تُمثل منصة Amazon Quick طبقة الواجهة المستخدمة للربط بين أدوات AgentCore ومستخدمي الأعمال عبر الدردشة والوكلاء والموجز النشط (Activity Feed) والعمليات المؤتمتة، وذلك من دون الحاجة إلى إعدادات تقنية معقدة من طرف المستخدم النهائي.
وبفضل التكامل المباشر مع سجل AWS Agent Registry، تظهر خوادم MCP المعتمدة للمستخدم كبطاقات توصيل جاهزة ومُعبأة مسبقاً بالتفاصيل، مما يلغي الحاجة لإدخال عناوين URL يدوياً. وتحرص المنظومة على استمداد الإجابات من أنظمة التسجيل المباشرة والمستندات الموثوقة بدلاً من الاعتماد على الاستدعاء العشوائي للنموذج، مع اشتراط وجود عنصر بشري معتمد للموافقة على أي تغيير أو إجراء تنفيذي.
سيناريو عملي: الاستجابة لتعطل الإمدادات في دقائق
يستعرض التطبيق العملي للحل مسار التعامل مع توقف خط إنتاج لدى مورّد رئيسي عبر خمس خطوات متتالية ضمن محادثة واحدة في Amazon Quick. يبدأ المستخدم بسؤال المنصة عن الأدوات المتاحة، لتستعرض خوادم MCP المعتمدة. وفي الخطوة الثانية، يطلب المستخدم عرض الاضطرابات النشطة، ليوجه Quick الطلب عبر AgentCore إلى خادم تنبيهات الاضطرابات، والذي يقدم نتيجة مهيكلة تضم مستوى Severity والمنطقة وأرقام المنتجات المتأثرة.
في الخطوة الثالثة، يطلب المدير تقييم التعطل الأكثر خطورة (مثل حالة توقف TechComp)، فيقوم خادم التقييم بالربط بين بيانات الطلبات والعملاء والمخزون، ليكشف عن وجود 750 ألف دولار تعرضت للمخاطر وتأثر 23 طلباً. وفي الخطوة الرابعة، يطلب المستخدم توصيات بالتخفيف، فيربط الوكيل بين خادم الحوكمة للتأكد من الموردين البدائل المعتمدين وخادم العروض للحصول على أسعار متوافقة مع العقود.
وفي الخطوة الأخيرة، يُصدر النظام طلب تقديم عرض أسعار طارئ (RFQ) بانتظار مراجعة المدير. وبمجرد قوله "يبدو ممتازاً، أرسله"، يتم تنفيذ الإجراء. كما يمكن برمجة هذا المسار ليعمل تلقائياً كاستجابة لرسالة بريد إلكتروني واردة من المورد أو وفق جدول زمني محدد، ونشر بطاقات مراجعة في موجز الأنشطة للموافقة البشرية.
المصادر
- AWS Machine Learning BlogFrom data to decisions: Conversational supply chain intelligence with Amazon Quick and Amazon Bedrock AgentCore
تابع التسلسل الزمني
تغطية الكيانات المرتبطة
أخبار مرتبطة
أمازون تكشف عن مساعد سفر صوتي ذكي يعتمد على نماذج Bedrock
تقدّم أمازون ويب سيرفيسز حلاً جديداً لتحويل تطبيقات شركات الطيران إلى مساعدين صوتيين تفاعليين، باستخدام تقنيات الذكاء الاصطناعي التوليدي لإدارة الحجوزات والاستفسارات الفورية.
أمازون تتيح ترقية موارد Quick تلقائياً عبر حسابات AWS
تقدّم أمازون حلاً جديداً لأتمتة ترقية موارد Amazon Quick من بيئات التطوير إلى الإنتاج، مع الحفاظ على أمان الصلاحيات وسجل التدقيق الكامل.
أمازون تطلق AWS Agent Registry لاكتشاف أدوات الذكاء الاصطناعي ديناميكياً
تقدم أمازون ويب سيرفيسز حلاً جديداً يزيل الحاجة للتكامل الثابت للأدوات، مما يتيح للوكلاء اكتشاف الخوادم والوكلاء الفرعيين عبر البحث الدلالي في الوقت الفعلي، مما يعزز مرونة الأنظمة المؤسسية.
أمازون تكشف عن منصة ذكاء اصطناعي لتحليل العقود باستخدام Quick وBedrock
تقدم أمازون ويب سيرفيسز منصة ذكاء اصطناعي جديدة تستخدم وكلاء AI لاستخراج بيانات العقود وتحليلها بدقة، متجاوزةً قيود تقنيات RAG التقليدية عبر دمج Amazon Quick وBedrock AgentCore.
