الذكاء الاصطناعي

إنفيديا توسّع أدوات الوكلاء لربطهم ببيانات الشركات

أعلنت إنفيديا عن توسيع نطاق مجموعة أدوات الوكلاء المفتوحة المصدر، مع التركيز على تمكين الوكلاء من الوصول الآمن إلى البيانات المؤسسية لتحويلها إلى قرارات ذكية.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 21 أكتوبر 2026 · آخر تحديث: 21 أكتوبر 2026 · 4 دقائق قراءة

إنفيديا توسّع أدوات الوكلاء لربطهم ببيانات الشركات — الصورة: NVIDIA Blog

توسيع نطاق أدوات الوكلاء المؤسسية

أعلنت شركة إنفيديا عن توسيع نطاق مجموعة أدوات الوكلاء المفتوحة المصدر، وهي منصة مصممة لتمكين الشركات من تطوير وكلاء ذكاء اصطناعي أكثر موثوقية. تهدف هذه التحديثات إلى سد الفجوة بين قدرة الوكلاء على تنفيذ المهام الفعلية وبين الحاجة إلى التحكم الدقيق في سلوكهم. تتيح النسخة الموسعة للمطورين تخصيص الوكلاء ومراقبة عملياتهم، مع ضمان أن تستند إجاباتهم وأفعاله إلى البيانات الفعلية للشركة بدلاً من الاعتماد فقط على المعرفة العامة.

تؤكد إنفيديا أن فائدة الوكلاء ترتبط مباشرة بمدى معرفتهم ببيئة عملهم، وموثوقيتهم ترتبط بحدود التشغيل التي يعملون ضمنها. لذلك، تركز التحديثات الجديدة على توفير بنية تحتية مفتوحة تجمع بين النماذج، وأدوات التشغيل، والبيانات، والأدوات المساعدة في إطار موحد يسهل على الشركات تبنيه دون تعقيدات تقنية كبيرة.

أساس معرفة الوكلاء الجديد

يُعد أساس معرفة الوكلاء الجديد المكون المركزي في هذه التوسعة، حيث يساعد الشركات على تحويل بياناتها الخام إلى معلومات ذكية يمكن للوكلاء استخدامها. يتيح هذا الأساس للوكلاء العثور على المعلومات ذات الصلة، وفهم دلالاتها التجارية، واستخدامها لاتخاذ قرارات أو تقديم توصيات. الأهم من ذلك، أن الشركات يمكنها استخدام هذا الأساس دون الحاجة إلى نقل بياناتها إلى أطراف ثالثة، أو إعادة بناء سير العمل الحالية، أو تغيير ضوابط الحوكمة القائمة.

يشمل هذا الأساس مجموعة من مكتبات NVIDIA CUDA-X، بما في ذلك cuDF وcuGraph وcuML وcuOpt وcuVS، بالإضافة إلى مكتبة Auto-Ontology الجديدة. تقوم مكتبة Auto-Ontology بترجمة البيانات الخام للشركة إلى مفاهيم تجارية مألوفة مثل العملاء والمنتجات والطلبات، وتوضح العلاقات بينها، مما يسهل على الوكلاء فهم السياق التجاري المعقد.

نماذج مفتوحة لتحسين الاسترجاع

تتضمن التوسعة الجديدة نماذج مفتوحة من عائلة Kumo، مثل Kumo Tabular وKumo Relational وKumo Time Series وKumo Forecast. تعمل هذه النماذج جنباً إلى جنب مع نماذج NVIDIA Nemotron Retriever لمساعدة الوكلاء في العثور على معلومات الشركة ذات الصلة بدقة، مما يتيح لهم الإجابة على الأسئلة المعقدة وتقديم تنبؤات مبنية على بيانات فعلية.

تسهم هذه النماذج في تحسين سرعة ودقة عمليات البحث والاسترجاع. فعلى سبيل المثال، استخدمت خدمات Amazon OpenSearch نماذج التضمين لتحسين صلة النتائج مع تقليل عدد خطوات البحث دون إضافة زمن استجابة ملحوظ. كما حققت شركة SAP تحسينات كبيرة في سرعة إعادة الترتيب باستخدام نموذج محسّن، بينما عملت ServiceNow على تحسين جودة إعادة الترتيب مع تقليل زمن الاستجابة بشكل كبير.

أطر عمل آمنة للتحكم في الوكلاء

لتعزيز الثقة في الوكلاء المؤسسيين، توفر إنفيديا إطار عمل OpenShell الذي يعمل كحدود تشغيل آمنة، مما يمنح الشركات تحكماً كاملاً فيما يمكن للوكلاء الوصول إليه وتنفيذه. بالإضافة إلى ذلك، توفر مخططات NVIDIA NemoClaw تصاميم مرجعية لبناء وكلاء متخصصين وآمين، مع التركيز على تحسين ذكاء الوكلاء تدريجياً عبر الوقت.

تقدم أحدث مخططات NemoClaw نقطة انطلاق خطوة بخطوة لتحسين أداء الوكلاء، مما يجعلهم أكثر كفاءة في مهامهم مع مرور الوقت. هذا النهج يضمن أن الوكلاء لا ينفذون المهام فحسب، بل يتعلمون ويتحسنون ضمن حدود أمان محددة مسبقاً من قبل إدارة الشركة.

اعتماد الشركات الكبرى للتقنية

بدأت عدة شركات عالمية في دمج أساس معرفة الوكلاء في عملياتها. فعلى سبيل المثال، تستخدم منظمة سلسلة التوريد في إنفيديا هذه التقنية من خلال Palantir Foundry وOntology وAIP لنشر وكلاء متخصصين، وإنشاء معلومات قابلة للتنفيذ من البيانات الخاصة، وتحسين اتخاذ القرارات. كما تدمج Databricks نموذج Kumo Anomaly مع Databricks Genie Ontology لتشغيل وكلاء واعين بالسياق.

من جانبها، تتيح Snowflake لعملائها استخدام محرك Kumo ونماذج Kumo Relational المفتوحة في بيئات Snowflake Notebook لفتح إمكانيات تنبؤية جديدة. كما تستفيد Zoom من نماذج Nemotron Retriever لتحسين فهم المستندات وصلة البحث واسترجاع السياق لخدمات Zoom AI. وتشمل القائمة أيضاً شركات مثل AWS وIBM وOracle وElastic التي تبني حلولها على هذا الأساس الجديد.