ما أفضل حالات استخدام البرمجيات والذكاء الاصطناعي؟

ما التعريف الرسمي لحالة الاستخدام؟

في هندسة البرمجيات، يمنع الفهم الدقيق لمعنى حالة الاستخدام فجوات باهظة التكلفة بين توقّعات الإدارة والبرمجيات التي تُدار بها العمليات. فحالة الاستخدام تحدّد كيف يتفاعل المستخدمون الخارجيون مع تطبيق داخلي لتحقيق نتيجة ما. ويعرّف Ivar Jacobson و Ian Spence في عملهما Use Cases, The Ultimate Guide حالة الاستخدام بأنها جميع طرق استخدام النظام لتحقيق هدف معيّن لمستخدم معيّن. وحين يغيب هذا الإطار الواضح عن القيادات، كثيراً ما تنجرف مشاريع التطوير نحو طلبات وظيفية مبهمة لا تعالج الاختناقات اليومية.

وتستعين الفرق الهندسية بهذه التعريفات لتوثيق المسار المعتاد والحالات الاستثنائية معاً. ففي السرد النصّي لحالة الاستخدام، يصف المسار الأساسي أبسط طريقة لتحقيق الهدف، وتُعرض الطرق الأخرى بوصفها مسارات بديلة. ووضوح المسارات يمنع الأنظمة من التعثّر حين تطرأ ظروف غير متوقّعة في العمل اليومي. وحين ترسم الشركات كل تفرّع في وقت مبكر، تُعالَج المعاملات غير المعتادة بصورة منهجية، بدل أن تتسبّب في أخطاء لا يعالجها النظام.

وفي الوثائق الفنية الهندسية الرسمية، تُنظَّم هذه المسارات عبر حدود مرسومة بصرياً. ويصف دليل SWEBOK مخطّطات حالات الاستخدام بأنها تصوّر سيناريوهات تمثّل فيها كل حالة استخدام وظيفة من وظائف النظام، ويفصل فيها حدّ النظام بينه وبين الجهات الفاعلة الخارجية. والجهات الفاعلة في دليل SWEBOK هي المستخدمون أو الأنظمة في البيئة الخارجية. ويوضّح هذا الحدّ أيّ المسؤوليات تقع داخل الشيفرة المؤتمتة، وأيّ المهام تبقى لدى المستخدمين الخارجيين أو تطبيقات الشركاء من خارج المؤسّسة.

فكل مشروع تطوير ناجح يقوم على حدود أعمال جرى التحقّق منها، لا على أوصاف وظيفية فضفاضة. والاستعانة بهندسة المتطلبات وتحليل الأعمال في وقت مبكر تجعل كل تفاعل مرتبطاً بنتيجة أعمال لا لبس فيها.

ما أمثلة حالات الاستخدام؟

تتركّز حالات الاستخدام العملية في مهام المكاتب الخلفية اليدوية التي تؤخّر فيها الاختناقات التشغيلية التسليم. ونبني هذه الأتمتة لكل عميل بحسب طلبه، ولا نبيعها منتجاً جاهزاً. وفي عمليات التجارة، تضمّ حزمة المستندات التي تقرؤها الأتمتة عادةً 5 مستندات في حدّها الأدنى. ويعيد الموظّف المختصّ عادةً إدخال الفاتورة التجارية وقائمة التعبئة وبوليصة الشحن لكل شحنة في ملف العملية. أما الأتمتة فتقرأ هذه السجلّات مباشرةً، وتعلّق الملف كلّما تعارضت التفاصيل.

وحين تتوقّف الأنظمة بدل أن تخمّن، يحتفظ موظّفو العمليات بزمام الأمور، ويتخلّصون في الوقت نفسه من مئات الساعات من إعادة الكتابة المتكرّرة. فبدل افتراض أن الحالات الاستثنائية ستُحلّ من تلقاء نفسها، توجّه قواعد صريحة لحدود النظام السجلّات غير المتوقّعة إلى مختصّين من الموظّفين للتحقّق منها سريعاً.

وتتحقّق مكاسب مماثلة في الكفاءة في سير عمل التقديرات الفنية، إذ تستهلك المقارنة اليدوية بين المصادر أسابيع عمل كاملة. فمسارات تقدير تكاليف البناء التي نبنيها تربط كل بند محسوب بالمستند المصدر الذي أُخذ منه، وتحيل القيم الخارجة عن حدود التفاوت المسموح إلى مراجعين من الموظّفين. ويساعد الاطّلاع على أدلّتنا في استشارات الذكاء الاصطناعي مسؤولي العمليات على تقييم مسارات معالجة مماثلة في عملياتهم الأساسية.

ما مثال حالة استخدام جيّدة للأتمتة؟

حالة الاستخدام القوية للأتمتة تحلّ محلّ التناقل اليدوي المتكرّر للعمل بين الموظّفين، وتتضمّن في الوقت نفسه ضوابط السلامة (guardrails) الصارمة للتعامل مع البيانات الملتبسة. فنحن نطوّر ذكاءً اصطناعياً مخصّصاً يحلّ محلّ الإجراء اليدوي بدل أن يساعد فيه. وأعلى العوائد تأتي من الإجراءات التي يقضي فيها أعضاء الفريق ساعات في إعادة كتابة الملفات الورقية في قواعد البيانات. وحين تتولّى البرمجيات التنفيذ من البداية إلى النهاية، يستطيع الموظّفون توجيه اهتمامهم اليومي إلى خدمة العملاء والمفاوضات التجارية التي تتطلّب حسن التقدير.

فمستندات الشحن، على سبيل المثال، تتطلّب التحقّق من الأوزان والمرسَل إليهم ورموز التصنيف في مستندات مورّدين مختلفين. والأتمتة التي نبنيها في innopalm لمستندات الشحن تعلّق الشحنة إلى أن يراجعها موظّف حين يختلف الوزن أو المرسَل إليه أو رمز HS بين المستندات. ويحمي هذا الإعداد دقّة البيانات دون إلزام الموظّفين بإدخال الاستمارات الروتينية يدوياً. فبدل أن يُضطرّ الموظّفون إلى تدقيق كل بند، تعالج الأتمتة المستندات المتطابقة فوراً، ولا تُبرز إلا المستندات المتعارضة.

وتمثّل أوامر الشراء لدى المورّدين فرصة تشغيلية مماثلة. فالأتمتة التي نبنيها في innopalm لأوامر الشراء لا تتوقّف لمراجعة موظّف إلا عند البنود التي يقلّ هامش ربحها عن الحدّ الأدنى الذي يحدّده العميل. ويتيح هذا النهج للمنسّقين معالجة الملفات الكبيرة فوراً، مع حصر اهتمامهم في المعاملات غير المربحة. وتُرفع البنود غير المربحة إلى الإدارة التجارية لمراجعتها، فتبقى هوامش الربح سليمة في كل معاملة.

ويجب أن تحمي الأنظمة التشغيلية أيضاً سلامة البيانات وخصوصيتها منذ الإصدار الأول للبرمجيات. ونتعامل مع البيانات الشخصية استناداً إلى قانون حماية البيانات الشخصية الإماراتي (PDPL) منذ مرحلة تصميم البنية. وحين لا يجوز أن تغادر البيانات الدولة أو شبكة العميل، نستضيف النظام داخل الإمارات أو على خوادم العميل نفسه. ويُبقي هذا المعيار في تصميم البنية سجلّات الأعمال الحسّاسة آمنة ضمن الولاية القضائية المحلية للبيانات، بينما تسير العمليات دون أن يقطعها تدخّل يدوي.

ما 5 حالات استخدام شائعة حالياً للذكاء الاصطناعي؟

تتمحور التطبيقات المؤسّسية حول أنماط أتمتة متمايزة تتولّى المعالجة المكتبية والبحث والتنبّؤ التحليلي. أولاً، نبني في innopalm أنظمة لاستخراج البيانات من المستندات والفواتير، تقرأ الملف الوارد وتكتب الحقول في النظام الذي يحتاج إليها. وثانياً، نبني أنظمة استرجاع من المعرفة الداخلية للشركة، تجيب من مستنداتها وتعرض المصدر مع الإجابة. وبربط الإجابات مباشرةً بمصادرها المرجعية، تتجنّب الفرق مخاطر مخرجات النموذج غير المستندة إلى مصدر.

وثالثاً، تطبّق المؤسّسات النمذجة التنبّؤية لاستشراف أحداث الأعمال المقبلة. وتصف IBM الذكاء الاصطناعي التنبّؤي بأنه يستخدم التحليل الإحصائي وتعلّم الآلة لرصد الأنماط وتوقّع السلوكيات والتنبّؤ بالأحداث المقبلة. وتذكر IBM أن الذكاء الاصطناعي التنبّؤي قادر على التنبّؤ بأي شيء، من تسرّب العملاء إلى اضطرابات سلاسل الإمداد والأعطال الميكانيكية. وهذا الاستشراف يمكّن قادة سلاسل الإمداد ومشرفي المصانع من التحرّك قبل أسابيع من توقّف المعدّات أو تعثّر الشحنات.

ورابعاً، تستند الشركات إلى أنظمة قرار مخصّصة يحرّكها نشاطها الداخلي. فنحن نبني أنظمة للتنبّؤ ودعم القرار تعمل على البيانات التاريخية لديكم. وخامساً، تنشر المؤسّسات أدوات للتنفيذ الذاتي. ونبني في innopalm وكلاء ذكاء اصطناعي يتولّون إجراءات الأعمال، من التواصل الخارجي والبحث إلى معالجة المستندات والمهام الإدارية المساندة. ويؤدّي هؤلاء الوكلاء المهام الإدارية من البداية إلى النهاية، ويتركون القرارات الحاسمة لقادة الأعمال المكلّفين بها.

وعند التخطيط لهذه التطبيقات الخمسة، يكفل اختيار نماذج تُقيَّم على السجلّات التاريخية للشركة دقّة موثوقة قبل التشغيل الفعلي.

متى ينبغي للمؤسّسة أن تطوّر حلّاً مخصّصاً بدل الشراء؟

يتطلّب القرار بين تطوير حلّ مخصّص وشراء برمجيات جاهزة معايير موضوعية. فالمنتجات الجاهزة تكفي في الغالب لسير العمل العامّ في المحاسبة أو الموارد البشرية، أما العمليات التجارية التي تنفرد بها الشركة فتحتاج إلى قواعد نظام متخصّصة. ونحن في innopalm ننصح بشراء أداة جاهزة، ولا نقدّم عرض سعر، حين يغطّي منتج قياسي الإجراء من خلال الإعدادات وحدها، ولا يكون هذا الإجراء هو ما تكسب به الشركة أعمالها، ولا يتغيّر كل شهر. واتّباع هذا التقييم يجنّب الشركات استثمار رأس المال في برمجيات مخصّصة حين تؤدّي الأدوات الجاهزة المهمّة.

وتظهر حدود الحزم التجارية حين يكون سير العمل الذي تنفردون به مصدر ميزتكم التنافسية. ولا نتولّى الأعمال التي تقتصر على الإعداد في Odoo أو Zoho أو Dynamics، بل نحيلها إلى شريك تنفيذ. وتصبح البرمجيات المخصّصة ضرورية حين تُجبر القوالب القياسية الموظّفين على اللجوء إلى حلول يدوية بديلة. فإذا كان فريقكم يستعين بجداول بيانات مساعدة متشعّبة لسدّ الفجوات التجارية بين قواعد البيانات الجاهزة، فإن تطبيقاً مخصّصاً يحقّق سرعة تشغيلية حقيقية.

وحين تتطلّب العمليات تكاملاً مصمّماً على مقاسها، فإن التحقّق من النماذج على بيانات تاريخية حقيقية يكفل التقيّد بقواعد الأعمال. فنقيس أولاً أداء نموذج عام على مواد الاختبار لديكم، ولا نلجأ إلى الضبط الدقيق (fine-tuning) إلا إذا قصّر عن المطلوب، ثم نعيد القياس على مجموعة البيانات نفسها تماماً، لتتحقّقوا من الأرقام المقارنة قبل أن تعتمدوا مرحلة الإنجاز. وهذه المقارنة المعيارية المنضبطة تمنع التقنيات غير المثبتة من تعطيل العمليات اليومية.

ويكفل هذا التقييم أن يطابق ربط الحقول (Data Mapping) سجلّات الشركة القائمة قبل نشر الشيفرة في بيئة الإنتاج.

كيف تكفل مرحلة تحديد المتطلبات المنضبطة نجاح المشروع؟

تنجح مشاريع تنفيذ البرمجيات حين يتطابق النطاق التقني مباشرةً مع إجراءات العمل التشغيلية. وتحليل حالات الاستخدام هو مرحلة تحديد المتطلبات في مشاريعنا، لا دراسة مستقلة. فنوثّق كيف يسير العمل اليوم فعلاً، بما في ذلك الخطوات التي ينجزها الموظّفون خارج الأنظمة. ودراسة هذه الخطوات غير الرسمية التي تجري خارج النظام تكشف الواقع التشغيلي الحقيقي، بما فيه من جداول بيانات يدوية خفيّة، وخطوات اعتماد غير مسجّلة، وتدقيق مزدوج على الورق.

ويرسي هذا التحليل إمكانية تتبّع كاملة عبر جميع المكوّنات التقنية. فنتتبّع كل متطلب من هدف الأعمال حتى حالة الاختبار، وتعتمدون المتطلبات المكتوبة قبل تطوير أي شيء. ويستغرق تحليل حالات الاستخدام من أسبوعين إلى ثلاثة أسابيع في بداية المشروع. وتوثيق اختبارات القبول قبل بدء العمل الهندسي يكفل أن تخدم كل ميزة نطوّرها أولوية تشغيلية جرى التحقّق منها.

والتحقّق من البنية عبر اختبارات وظيفية يقلّل مخاطر التطوير. فنتحقّق من دقّة خريطة الطريق التقنية بتطوير نماذج أوّلية لمكوّناتها الأساسية. وببناء نماذج إثبات مبكرة، تتحقّق الفرق الهندسية من استقرار الواجهات قبل الالتزام بدورات إصدار كبرى. ويزيل هذا النهج المفاجآت التقنية في المراحل المتأخّرة من التسليم، ويؤكّد أن عمليات التكامل تعمل بموثوقية تحت أحمال عمل واقعية.

ويمكن للفرق تقييم حدود الأتمتة هذه بنفسها من خلال مراجعة السجلّات الداخلية وقواعد الاستثناءات. وإن كان فريقكم يعيد كتابة الفواتير كل يوم، فاحجزوا مكالمة تمهيدية مجانية، وسنراجع معكم سير العمل لديكم خطوةً خطوة.

يندرج هذا المقال ضمن عملنا في هندسة المتطلبات وتحليل الأعمال، ويعكس منهجية التخطيط التي تقوم عليها طريقة عملنا.

أبرز النقاط

• تحيط حالة الاستخدام الرسمية بجميع المسارات التي تسلكها الجهة الفاعلة لتحقيق هدف تشغيلي.
• تعالج الأتمتة الفعّالة المستندات القياسية المتكرّرة، وتحيل الاستثناءات غير المتطابقة إلى الموظّفين.
• يحقّق استخراج البيانات من المستندات والتنبّؤ المستند إلى البيانات التاريخية عوائد قابلة للقياس في أنظمة المكاتب الخلفية.
• اختبار النماذج المرشّحة على السجلّات التاريخية للشركة يكفل التقيّد الصارم بقواعد الأعمال.
• إجراء مرحلة منظّمة لتحديد المتطلبات في بداية المشروع يوائم متطلبات النظام مع أهداف الأعمال.

المصادر

1. الرسالة إلى المساهمين في التقرير السنوي لعام 2016 (reports.jpmorganchase.com)
2. مقال Use Cases, The Ultimate Guide (ivarjacobson.com)
3. الفصل الأول من دليل SWEBOK: متطلبات البرمجيات (swebokwiki.org)
4. تعريف الذكاء الاصطناعي التنبّؤي واستخداماته (ibm.com)