الذكاء الاصطناعي

أكتاف تبني أساساً ذكياً متعدد المستأجرين على أمازون بيدروك

اعتمدت أكتاف استراتيجية بناء البنية التحتية أولاً قبل الميزات، لضمان أمان البيانات في صناعات خاضعة للتنظيم.

نُشر: 20 أكتوبر 2026 · آخر تحديث: 20 أكتوبر 2026 · 6 دقائق قراءة

أكتاف تبني أساساً ذكياً متعدد المستأجرين على أمازون بيدروك — الصورة: AWS Machine Learning Blog

تحدي العزل في الصناعات الخاضعة للتنظيم

في إدارة الجودة للصناعات الخاضعة للتنظيم، تكمن المشكلة غالباً في الذاكرة المؤسسية المدفونة في تاريخ العميل. تشمل هذه المعرفة عيوباً مشابهة تم التحقيق فيها سابقاً، أو إجراءات تصحيحية وقائية (CAPA) عالجت الأسباب الجذرية، أو ملاحظات تدقيق كشفت عن الثغرات ذاتها. هذه المعلومات موزعة على مليارات المستندات التي لا يمكن لأي شخص البحث فيها عبر التشابه الدلالي عبر اللغات والتنسيقات المختلفة، مما يجعل كل تحقيق يبدأ من الصفر. ساعدت منصة Reliance التابعة لشركة أكتاف المؤسسات على جمع المستندات عبر أنظمة متعددة لتسهيل البحث وتتبع كل ما تمتلكه. رأى فريق Reliance في فتح هذا التاريخ الفرصة الأكبر لمساعدة العملاء على العمل بشكل أسرع والبقاء ضمن الأطر التنظيمية.

كانت العقبة واضحة تماماً: سجلات الشكاوى، وملاحظات التدقيق، والإجراءات التصحيحية تحمل أصرم متطلبات العزل في المنصة، وهي بالضبط السجلات التي يحتاج الذكاء الاصطناعي لقراءتها. في منصة تخدم أكثر من 14,000 عميل في الأجهزة الطبية، والأدوية، وتصنيع الأغذية، قد تحمل أي إفصاح غير مقصود من عميل إلى آخر عواقب تنظيمية تفوق أي فائدة من الذكاء الاصطناعي. تعمل أكتاف في 180 دولة، وتخدم أكثر من 60% من الشركات المدرجة في قائمة فورتشن 500 العالمية. نظام إدارة الجودة السحابي Reliance يدعم أكثر من 650 عميلاً مؤسسياً مع أكثر من 40 تطبيقاً، من إدارة الشكاوى وتتبع CAPA إلى إدارة التدقيق وجودة الموردين. كل عميل هو مستأجر منفصل، ولا يمكن لبياناته أن تعبر حدود المستأجر الآخر.

استراتيجية بناء الأساس قبل الميزات

أمام هذا التحدي، اتخذ فريق Reliance قراراً غير مألوف: بدلاً من إطلاق ميزة ذكاء اصطناعي واحدة، أمضى دورته الأولى في بناء أساس ستعتمد عليه كل الميزات المستقبلية. منذ ذلك الحين، قلّص هذا الأساس وقت النشر لكل حالة استخدام بنسبة 50%. إذا كنت تجلب الذكاء الاصطناعي إلى منصة برمجيات كخدمة (SaaS) حيث البيانات قيّمة لكن العزل غير قابل للتفاوض، فإن المنطق يتجاوز إدارة الجودة. في هذا السياق، نعرض التوترات الأربعة التي شكلت التصميم، والأساس ثلاثي الطبقات الذي بناه أكتاف باستخدام Cohere Embed v4 على Amazon Bedrock. ثم نتتبع خط الأنابيب الذي ضمّن 2 مليار مستند، ومساعد فرز الشكاوى الذي أثبت جدواه في الإنتاج.

كشفت ورش العمل التخيّلية مع AWS عن أربع حالات استخدام عالية التأثير: تلخيص وفرز الشكاوى، ومراقبة جاهزية التدقيق، وتوليد سرديات الحوادث، وتقييم مخاطر الجودة التنبؤي. كما كشفت عن رؤية شكلت كل ما تلاها: عشرات التطبيقات، لكل منها أنواع مستندات وتدفقات عمل مختلفة. بناء الذكاء الاصطناعي لتطبيق واحد في عزلة يعني إعادة بناء البنية التحتية للتطبيق التالي. لذا، قلب الفريق الخطة: بناء المنصة الأفقية أولاً، ثم قطع شرائح الميزات العمودية فيها. جاء تلخيص وفرز الشكاوى أولاً لإثبات البنية المعمارية قبل أن يتبعه الباقي.

التوترات الأربعة التي حددت التصميم

قبل اختيار أي نموذج، أمضى الفريق وقته في معالجة أربعة مشكلات تسحب في اتجاهات مختلفة، ولا يمكن التنازل عن أي منها. أولاً، جعل البيانات متاحة دون مخاطر الإفصاح غير المقصود. سجلات الشكاوى، وCAPA، وإجراءات التشغيل القياسية (SOPs)، وملاحظات التدقيق تنتمي لمستأجر واحد ولا يجب أن تكون قابلة للوصول من قبل آخر. حتى استعلام ذكاء اصطناعي خاطئ لا يمكن أن يعبر الحدود. كان لا بد من تحديد نطاق مخزن المتجهات، ومنطق الاسترجاع، وسياق التوليد لمستأجر واحد فقط.

ثانياً، تنفيذ الوكلاء في عزلة. كانت الصلاحيات التي تحكم أدوات الوكيل، ومخازن البيانات، ونقاط نهاية النماذج يجب أن تكون محددة نطاقاً للمستخدم الطالب بدلاً من دور خدمة مشترك، ومتاحة فقط أثناء التنفيذ، ومحترمة لصلاحيات وصول ذلك المستخدم. فشلت مجموعة وكلاء مشتركة مع بيانات اعتماد ثابتة في تحقيق هذه الشروط الثلاثة. ثالثاً، قراءة محتوى لا يمكن الوثوق به. تستهلك الوكلاء هنا شكاوى، ومرفقات بريد إلكتروني، وملفات PDF ممسوحة ضوئياً، وصوراً من خارج المنظمة. يذكر OWASP Top 10 لتطبيقات نماذج اللغة الكبيرة (LLM) (2025) التهديدات المطبقة مباشرة: حقن الأوامر عبر المحتوى المستهلك (LLM01)، إفصاح معلومات حساسة (LLM02)، معالجة مخرجات غير مناسبة (LLM05)، والصلاحيات الزائدة (LLM06). الأوامر المخفية في ملف PDF مرفق ليست افتراضية عند هذا الحجم.

رابعاً، تضمين 2 مليار مستند دون انتظار ربع سنوي. تستضيف Reliance أكثر من 2 مليار مستند، حيث يخزن المستأجرون الأفراد ملايين ملفات Word، وPDF، والنماذج الممسوحة ضوئياً، وجداول البيانات، والصور، والبريد الإلكتروني. التزم الفريق بإدراج أكبر مستأجر خلال يوم عمل واحد. لأن هذه المستندات تinform قرارات تنظيمية، لم يمكن التنازل عن الجودة لصالح معدل الإنتاج. الشكوى الفائتة تآكل الثقة في النظام بأكمله. الاحتفاظ بأربعة توترات في وقت واحد ضيّق الخيارات بشكل كبير. عالج Amazon Bedrock هذه المشكلات كمنصة واحدة: وصول متعدد النماذج عبر واجهة برمجة تطبيقات واحدة، وإقامة AWS Region وحكم AWS Identity and Access Management (IAM) الذي يفرضه حساب AWS بالفعل، وحواجز الحماية (Guardrails) كتحكمات محتوى إنتاجية بدلاً من شيء يجب بناؤه.

البنية ثلاثية الطبقات لحماية البيانات

يتحلل الأساس إلى ثلاث طبقات، كما هو موضح في الشكل 1. تستعد طبقة البيانات المستندات عالية الجودة باستخدام Cohere Embed v4 على Amazon Bedrock وتكتبها في مخزن متجهات لكل مستأجر على Amazon OpenSearch Service. تمر طبقة التنفيذ الآمن بطلب المستخدم عبر AgentCore Gateway، وهو ميزة من Amazon Bedrock AgentCore، والذي يطبق المصادقة والسياسة قبل تسليمه إلى جلسة microVM معزولة تستدعي نموذج Anthropic Claude على Amazon Bedrock. وتغليف كلاهما، تطبق طبقة حماية المحتوى حواجز Amazon Bedrock مرتين: تصفية المدخلات عند الدخول، وتصفية المخرجات قبل وصول أي شيء إلى المعالج. تبقى الاسترجاع، والتنفيذ، والفحص في مراحل منفصلة، بحيث يمكن فرض كل منها وإثباته بشكل مستقل.

لم يعمل أي شيء آخر حتى أصبحت المستندات قابلة للاسترجاع. وهذا يعني بدقة، عبر اللغات والتنسيقات، وليس عبر حدود المستأجر. قيّم الفريق نماذج التضمين مقابل مجموعته الخاصة بدلاً من لوحات الصدارة العامة. كانت الأسئلة الحاسمة محددة لهذه البيانات: ما علاقة صورة غلاف مكسور بالفقرة التي تصفه، وشكوى ألمانية بإجراء تصحيحي وقائي (CAPA) بالإنجليزية.

دقة التضمين متعدد اللغات والأنماط

فاز Cohere Embed v4 على Amazon Bedrock بخمس نقاط، ولم تكن هذه النقاط مستقلة عن بعضها البعض. كان ما تم تحديده أولاً هو مقدار ما أصبح غير ضروري في خط الأنابيب. تحمل سجلات الجودة صوراً للمنتجات المعيبة، ونماذج فحص ممسوحة ضوئياً، ومخططات مرقمة إلى جانب النص. يضع Embed v4 كلا النمطين في فضاء متجهي واحد. يمكن استرجاع صورة غلاف مكسور والفقرة التي تصف هذا العيب من استعلام واحد، دون خط أنابيب منفصل لكل نمط. يؤدي الدعم متعدد اللغات الأصلي العمل نفسه على المحور الآخر: تصل المستندات بلغات متعددة، وغالباً داخل مجموعة مستندات مستأجر واحد، ولا تحتاج إلى معالجة مسبقة للترجمة. خطا أنابيب لم يضطر الفريق أبداً لبنائهما، وخطا ف...