يتيح digna Agentic للموظفين الاستفسار عن قياسات جودة البيانات القائمة عبر أدوات الذكاء الاصطناعي المألوفة، فيما تحتفظ المؤسسات بالتحكم في عملية النشر وتكتسب سبلًا جديدة لفحص التقارير وتحليل البيانات.
مينا نيوزواير: فيينا – أتاحت شركة digna، المتخصصة في جودة البيانات ومقرها فيينا، ثلاث إمكانات جديدة لعملائها، تمكّن الموظفين من الاستفسار عن بيانات مؤسساتهم الخاضعة للمراقبة عبر وكلاء الذكاء الاصطناعي المألوفين لديهم، دون نقل المنصة إلى خارج البنية التحتية لمؤسساتهم. ويضم الإصدار digna Agentic وdigna Data Reconciliation وdigna Engine، ويجمع بين الوصول الحواري إلى البيانات المقيسة وعمليات التحقق من التقارير وتحكّم أكبر في التحليل.
وقال مارتشين خوديوش (Marcin Chudeusz)، الرئيس التنفيذي لشركة digna: «طوّرنا digna للتحقق من إمكانية الوثوق بالبيانات، لكن عملاءنا بدأوا يستخدمون القياسات نفسها لفهم ما يجري في أعمالهم. ولا تقتصر هذه القيمة على فريق البيانات؛ فبفضل digna Agentic، بات بإمكان الموظفين طرح أسئلة بالاعتماد على معلومات سبق أن تحققت منها المنصة».
من تنبيهات البيانات إلى أسئلة الأعمال
يتصل digna Agentic، عبر خادم digna MCP، بـChatGPT وClaude وGemini ونماذج الذكاء الاصطناعي مفتوحة المصدر. ويمكن لمتخصصي البيانات أن يسألوا عمّا إذا كانت مشكلات في الجودة قد حدثت خلال اليوم، أو ما إذا ظهرت مشكلة مماثلة من قبل. وبدلًا من البحث في لوحات المعلومات، يمكنهم الانتقال من التنبيه إلى القيمة المسجلة التي يستند إليها.
ويمكن لفرق الأعمال كذلك الاطلاع على الأحجام والإجماليات والاتجاهات المقيسة. فعلى سبيل المثال، يمكنها أن تسأل عن المنتجات التي سجلت أكبر نمو في المبيعات خلال 14 يومًا، وأن تقارن النتائج بالعروض الترويجية في المتاجر، شريطة أن تكون المعلومات اللازمة خاضعة للمراقبة.
إجابات تستند إلى الأدلة لا إلى الافتراضات
تستند كل إجابة إلى فحص مراقبة محدد وتاريخه وقيمته. ويمكن للفرق وصف الجداول والأعمدة بلغة الأعمال اليومية، فلا تضطر إلى صياغة أسئلتها بمصطلحات قواعد البيانات التقنية.
وقال دانييل كيفارانوفيتش (Danijel Kivaranovic)، المدير التقني لشركة digna: «حين لا يستطيع الوكيل الإجابة، ينبغي أن يوضح ما ينقصه بدلًا من سد الفجوة بإجابة تبدو معقولة. فنحن نربط الإجابات بقياسات يمكن تتبّعها. وإذا لزم إجراء فحص إضافي، يمكن للنظام الإشارة إلى الإعدادات الإضافية المطلوبة متى أمكن ذلك».
التحقق من التقارير عبر أنظمة البيانات
إلى جانب الإمكانات الحوارية، تقارن digna Data Reconciliation الأرقام الواردة في التقارير بالأنظمة الأساسية التي تستند إليها، وتنبّه الفرق عند وجود اختلافات. كما يمكنها دعم التحقق من اكتمال عمليات تحميل البيانات ومن إعداد التقارير الخاضعة للرقابة التنظيمية.
وتتيح digna Engine للعملاء اختيار المكان الذي تُنفَّذ فيه عمليات التحليل، وإجراء الفحوص عبر قواعد بيانات مختلفة ضمن بيئة واحدة. وتعالج هذه الإضافات مجتمعةً مهام متمايزة، بدءًا من تقصّي جودة البيانات وصولًا إلى التأكد من صحة الأرقام المستخدمة في التقارير.
تظل عملية النشر خاضعة لتحكم العملاء
تعمل digna داخل منشآت العميل، أو في سحابة خاصة، أو ضمن حساب العميل الخاص لدى مزوّد سحابة عامة. ولا يطّلع فريق digna على بيانات العملاء. وتختار المؤسسات وكيل الذكاء الاصطناعي الذي تريد استخدامه، وتظل مسؤولة عن تقييم متطلبات التعامل مع البيانات لدى تلك الخدمة.
ويرتبط هذا النهج بالقطاعات التي تتعامل مع بيانات حساسة، ومنها الخدمات المصرفية والتأمين والرعاية الصحية والاتصالات والإدارة العامة. وتتوافر الإمكانات الثلاث جميعها حاليًا لعملاء digna الحاليين. ويمكن الاطلاع على مزيد من التفاصيل عبر الرابط: https://docs.digna.ai/platform/agentic/Introduction/
نبذة عن digna
تتخذ شركة digna من فيينا بالنمسا مقرًا رئيسيًا لها، وتطوّر منصة مدعومة بالذكاء الاصطناعي لجودة البيانات وإمكانية رصدها، تساعد المؤسسات على مراقبة موثوقية بياناتها واكتشاف الحالات الشاذة وفهم ما يطرأ عليها من تغيرات. وتقوم المنصة على نموذج نشر سيادي، إذ تعمل داخل البنية التحتية أو الحسابات السحابية الخاصة بالعملاء، بما يتيح لهم الاحتفاظ بالتحكم في بياناتهم. وتشمل إمكاناتها الاكتشاف الآلي للحالات الشاذة، وتحليلات البيانات، والتحقق من الصحة، ومراقبة حداثة البيانات وتوقيت توافرها، وتتبّع مخططات البيانات، ومطابقة البيانات وتسويتها، فضلًا عن الوصول إلى المعلومات الخاضعة للمراقبة عبر الوكلاء. وتدعم المنصة بيئات البيانات المؤسسية التي تستخدم حلولًا وتقنيات من بينها Teradata وSnowflake وDatabricks وOracle وSQL Server وPostgreSQL وBigQuery. وقد صُممت لتلبية احتياجات المؤسسات العاملة في قطاعات الخدمات المالية والرعاية الصحية والاتصالات والقطاع العام.