عام 2026 الذكاء الاصطناعي، معركة "البيانات الصحيحة" تبدأ... التصميم القائم على المعنى سيحدد الفائز والخاسر

عام 2025 هو الذكاء الاصطناعي التوليدي(الذكاء الاصطناعي)لقد أصبح هذا الموضوع الأساسي في الصناعة وافتتح عام “نهضة البيانات”. لكن بحلول عام 2026، تجاوزت الأهمية مجرد الحصول على بيانات عالية الجودة، وكيفية جعل نماذج الذكاء الاصطناعي تفهم حقا وتطبق طبقة البيانات “الصحيحة” الدلالية(الطبقات الدلالية)المشكلة واضحة بالكامل. يمثل هذا بداية عصر من تصميم البيانات الدلالية الذي يشمل رسوم بيانية معرفية وأنطولوجيات يمكنها توضيح سياق البيانات والدلالات وهوية الأعمال.

في العام الماضي، اجتاح طفرة الذكاء الاصطناعي “الوكلاء” الصناعة بأكملها، وتتطلع العديد من الشركات إلى أتمتة الأعمال وتحسين اتخاذ القرارات. ومع ذلك، لم يحقق معظم الذكاء الاصطناعي للوكلاء التوقعات، وبدأت جودة وملاءمة بياناته تعتبر السبب الجذري. تشير أبحاث جامعة كارنيجي ميلون إلى أن الوكلاء اليوم غير مدربين بشكل كاف للتعامل مع المهام المعقدة، وأن أخطاء الاستدلال الناتجة عن سياق البيانات يمكن أن تقلل من الأداء العام.

في هذا السياق، دقة البيانات(جودة البيانات)ونظام الحوكمة(حوكمة البيانات)ما إذا كانت قد تطورت إلى مستوى ناضج أصبحت قضية مهمة. خدمات أمازون ويب(AWS)على الرغم من أن مزودي السحابة الكبار لا يزالون يوفرون نظاما بيانيا ضخما، إلا أن تقنياتهم الجديدة المتعلقة بالبيانات وابتكاراتهم في المنصات محدودة مقارنة بالعام السابق. على النقيض من ذلك، تظهر أحداث مثل استحواذ IBM على Confluent وإصدار مايكروسوفت ل HorizonDB المستند إلى PostgreSQL بشكل رمزي الاتجاه في إعادة هيكلة حزمة تكنولوجيا البيانات.

ستصبح هندسة ETL الصفرية وتقنية مشاركة البيانات شائعة في عام 2025. هذا محاولة لتبسيط خطوط أنابيب البيانات المعقدة والهشة، مثل Snowflake وDatabricks وغيرها من المنصات التي تحسن بشكل كبير إمكانية الوصول إلى بيانات الأعمال من خلال دعم تكامل بيانات SAP أو Salesforce.

اتجاه آخر هو انتشار تقنية معالجة البيانات المتجهة. معظم منصات البيانات الرئيسية لديها قدرات محسنة في استرجاع وتحليل المتجهات، وأطلقت أوراكل وظائف استعلام تمزج بين البيانات المنظمة وغير المنظمة، كما أطلقت AWS طبقة تخزين S3 محسنة للمتجه. وهذا يضع الأساس الذكاء الاصطناعي للاستفادة الكاملة من المستندات والصور وحتى البيانات المتناثرة داخل المؤسسة.

أبرز تغيير هو إعادة تقييم الطبقة الدلالية. يستخدم هذا المستوى، الذي استخدم في الأصل لأدوات ذكاء الأعمال أو أنظمة ERP، معنى وتفسير البيانات حول المفاهيم الأساسية مثل “المؤشرات”، “الأبعاد”، و"التفاصيل". تسرع شركات مثل Tableau وDatabricks وSnowflake وMicrosoft وغيرها من إدخال الطبقات الدلالية، من بينها دمج Microsoft Fabric IQ مفاهيم الأنطولوجيا المؤسسية في الطبقات الدلالية الحالية لضمان الدقة السياقية لتحليل الذكاء الاصطناعي في الوقت الحقيقي.

وفي هذا الاتجاه، تهدف مبادرة Open Semantic Exchange، التي أطلقت بقيادة Snowflake، إلى وضع معيار موحد لضمان التوافق بين الذكاء الاصطناعي ومنصات البيانات. تعتمد البنية على MetricFlow من مختبرات dbt، والتي تحدد المقاييس والأبعاد بشكل شامل من خلال ملفات تكوين YAML. ومع ذلك، لا يزال من غير الواضح ما إذا كانت المشاريع مفتوحة المصدر قادرة على التعامل مع الأصول الدلالية ذات القيمة العالية، خاصة رغبة مزودي التطبيقات في المشاركة.

علاوة على ذلك، تجذب تقنيات مثل الرسوم البيانية المعرفية المستقلة وGraphRAG الانتباه كبنية تحتية لفهم الذكاء الاصطناعي للسياق بدقة. Neo4J، محرك Vertex الذكاء الاصطناعي RAG من Google، LazyGraphRAG من مايكروسوفت، جميعها ملتزمة ببناء الأساس التقني لتفعيل مثل هذه الأنماط، وعدد حالات التطبيق العملية يتزايد تدريجيا. لقد روجت شركات مثل ديلويت وأدب إكس بشكل شامل لتطبيق الذكاء الاصطناعي القائم على الرسوم البيانية المعرفية في مجالات معقدة مثل الرعاية الصحية والأمن.

ومع ذلك، لا تزال المشكلة الأكبر هي نقص مواهب نمذجة الأنطولوجيا. عندما يكون من الصعب تصميم الذكاء الاصطناعي الهياكل الدلالية بشكل مستقل، فقد ارتفع الطلب على مهندسي المعرفة والمعماريين الدلاليين. وهذا يذكرنا بمعضلة ممارسة “إدارة المعرفة” التي كانت في العقود الماضية، حيث كان التفسير الدلالي الدقيق والارتباطات التجارية أكثر أهمية من مجرد جمع البيانات.

في النهاية، جوهر عصر الذكاء الاصطناعي ليس مجرد تراكم البيانات، بل البيانات التي يمكنها فهم الدلالات والسياق بدقة. من المتوقع أن يكون عام 2026 نقطة تحول في تشكيل دوائر التأثير الدلالي والصراع على الهيمنة بين المنصات والتطبيقات. نموذج التعاون المشترك بين مؤسسات مثل Snowflake وDatabricks وSAP يشكل المشهد التنافسي حول المعايير والأنظمة البيئية، مما يشير إلى أن الشركات التي يمكنها توفير بيانات “صحيحة” الذكاء الاصطناعي ستتولى في النهاية السيطرة النهائية.