مراجعة شهادة المواد (MTC)
تُراجَع شهادة المواد (MTC) مقابل الطلب ومواصفة المادة، مع قائمة بكل فرق يجده المفتش جاهزة أمامه.
تطبيقات مخصصة قائمة على النماذج اللغوية الكبيرة مبنية للإنتاج: النموذج المناسب لكل مهمة، مستضاف أو ذاتي الاستضافة، مرتبط بأنظمتكم، ومقيس على أمثلة حقيقية، وضمن قواعد التكلفة والبيانات لديكم.
يستطيع النموذج اللغوي الكبير (LLM) قراءة النصوص وتلخيصها وتصنيفها واستخراج البيانات منها وكتابة المسودات، ومع نماذج الرؤية يستطيع قراءة الصور أيضًا. لكن تحويل ذلك إلى شيء يمكن للشركة الاعتماد عليه يتطلب أكثر من مفتاح واجهة برمجية. تبني ShichifukuTekx تطبيقات نماذج لغوية تعمل في بيئة الإنتاج لفرق في الإمارات ودول الخليج ولعملاء حول العالم.
العرض التجريبي الذي ينجح على عشرة أمثلة كثيرًا ما يفشل في المثال الحادي عشر. يدور العمل الإنتاجي حول كل ما يحيط بالنموذج: إيصال السياق الصحيح إليه، وإلزام مخرجاته ببنية تستخدمها أنظمتكم، والتعامل مع الحالات التي يخطئ فيها، وإبقاء التكاليف متوقعة مع نمو الاستخدام، ومعرفة متى يحسّن إصدار جديد من النموذج النتائج أو يسيء إليها. نتعامل مع ذلك كهندسة برمجيات، بالاختبارات وإدارة الإصدارات والمراقبة.
هناك خمس طرق شائعة لتشغيل النموذج اللغوي، وتجمع معظم المشاريع بين اثنتين أو ثلاث:
يستخدم ValveVision رؤية Gemini لقراءة لوحات بيانات الصمامات وعلامات الصب والبطاقات من الصور، ومطابقة القيم مع مصطلحات ASME وAPI وISO، مع فحوص اتساق على النتيجة. وتستخرج أتمتة طلبات عروض الأسعار البنود والمواصفات من مناقصات PDF وExcel الطويلة إلى عروض قابلة للتعديل. وتجمع عمليات التفتيش عن بعد بين Gemini وYOLOv8 لرصد المخاطر في الفيديو المباشر. أما Hivelock، منصتنا لوكلاء الذكاء الاصطناعي (في مرحلة تجريبية حاليًا)، فتعمل مع أي نموذج متوافق مع OpenAI، بما فيها خوادم Ollama وLM Studio المحلية، مع ترتيب بديل ووضع سرّي.
تتحسن النماذج وتتغير الأسعار كل بضعة أشهر. لذلك نضع النموذج خلف طبقة رقيقة، ونحفظ التعليمات ومجموعات التقييم مع الشيفرة، ونعيد تشغيل الاختبارات عند ظهور نموذج جديد، فيصبح تغيير المزوّد قرارًا مقيسًا لا إعادة بناء. وإذا كانت خطوتكم التالية مساعدًا ينفّذ إجراءات أيضًا، فاطّلعوا على تطوير وكلاء الذكاء الاصطناعي.
النموذج خطوة واحدة، والخطوات المحيطة به هي ما يجعل مخرجاته آمنة للاستخدام.
مستند أو رسالة أو صورة أو نموذج، من تطبيقكم أو بريدكم أو واجهة برمجية.
سجلات ومقاطع ذات صلة من بياناتكم، مع التعليمات والأمثلة.
النموذج المختار لهذه المهمة: مستضاف خارجيًا، أو لديكم عندما يجب أن تبقى البيانات داخلًا.
فحص مقابل مخطط وقواعد العمل، وإعادة المحاولة أو التحويل إلى نموذج بديل عند الفشل.
تذهب النتائج منخفضة الثقة أو عالية الأثر إلى شخص قبل استخدامها.
مخرجات منظمة تصل إلى نظامكم، مع تسجيل الجودة وزمن الاستجابة والتكلفة.
أعمال محددة تؤديها هذه الخدمة، لا وعود عامة.
يُتخذ القرار لكل حالة استخدام، لا مرة واحدة للشركة كلها. تستخدم أنظمة كثيرة الاثنين معًا: نموذجًا مستضافًا لديكم للخطوات الحساسة، وخدمة مستضافة حيث تهم الجودة أكثر.
| العامل | خدمة مستضافة مثل OpenAI وGemini | نموذج مفتوح لديكم عبر Ollama |
|---|---|---|
| أين تذهب البيانات | إلى المزوّد، باسم حسابكم ووفق شروطه | تبقى على خوادمكم أو في منطقتكم السحابية |
| الجودة في المهام الصعبة | الأقوى المتاح عادةً | جيدة في المهام المحددة، وأضعف في الاستدلال المعقد |
| نمط التكلفة | دفع حسب الاستخدام، منخفض في البداية ويزيد مع الحجم | سعة أجهزة أو GPU، ثابتة وأفضل مع الحجم المرتفع المستقر |
| سرعة البدء | أيام | أسابيع، تشمل التحجيم والاستضافة |
| الترقيات | النماذج الجديدة متاحة فور صدورها | تختارون موعد الانتقال بعد الاختبار |
| العمل دون إنترنت أو في الموقع | لا | نعم، بما في ذلك الأجهزة الطرفية |
نطاق مكتوب يمكنك محاسبتنا عليه.
كل خطوة تنتهي بشيء يمكنك رؤيته.
نختار المهمة ذات القيمة الأوضح، ونجمع أمثلة حقيقية مع مخرجاتها الصحيحة، ونتفق على أهداف الدقة والسرعة والتكلفة.
تُشغَّل عدة نماذج مستضافة ومفتوحة على الأمثلة نفسها، فيقوم الاختيار على نتائج مقيسة لا على مقاييس من بيانات غيركم.
نبني التطبيق حول النموذج المختار: السياق والاسترجاع والمخرجات المنظمة والتكاملات والضوابط.
تُشغَّل مجموعة التقييم مع كل تغيير، وتستخدم مجموعة تجريبية النظام فتصبح تصحيحاتها حالات اختبار جديدة.
مراقبة الجودة وزمن الاستجابة والإنفاق، واختبار ترقيات النماذج قبل اعتمادها، وإضافة مهام جديدة على الأساس نفسه.
مشاريع بُنيت بهذه الخدمة.

رؤية حاسوبية تقرأ لوحات البيانات والعلامات المصبوبة والبطاقات من ثلاث صور لكل صمام، وتطابقها مع مصطلحات ASME وAPI وISO وتتحقق من اتساقها.

منصة لطلبات عروض الأسعار تقرأ مناقصات PDF وExcel، وتستخرج البنود والمواصفات، وتنقل كل عرض عبر المقارنة والاعتماد في مكان واحد.

فحص عن بُعد بفيديو WebRTC بزمن أقل من 100 ملّي ثانية، وتعليقات AR، وكشف المخاطر عبر Gemini وYOLOv8، وقوائم رقمية وتقارير PDF بنقرة.
وكلاء جاهزون مبنيون بهذه الخدمة، يعملون على Hivelock ويرتبطون بأنظمتكم.
تُراجَع شهادة المواد (MTC) مقابل الطلب ومواصفة المادة، مع قائمة بكل فرق يجده المفتش جاهزة أمامه.
تتحول ملاحظات أرض المصنع إلى مسودة كاملة لتقرير عدم المطابقة للمصنع المعني، جاهزة لمهندس الجودة.
يخضع كل تغيير مقترح لفحص كامل لأثره على التصميم والعمليات والتوريد والمستندات قبل اعتماده.
قائمة واضحة بالمستندات المطلوب تسليمها مع الطلب، توضح ما هو متوفر وما هو ناقص.
اطلب التقرير بكلمات بسيطة واحصل على الجدول خلال ثوانٍ مع الإجماليات، جاهزًا للحفظ كجدول بيانات.
يمكن لأي موظف أن يسأل كيف يُنجز أمر ما، ويحصل على الإجابة مع الإجراء والقسم الذي استُمدت منه.
هو بناء برمجيات تستخدم نموذجًا لغويًا كبيرًا لقراءة النصوص أو استخراج البيانات منها أو تصنيفها أو تلخيصها أو صياغتها ضمن عملية من عمليات الشركة. ويشمل اختيار النموذج، وتصميم التعليمات والسياق، وربطه ببياناتكم وأنظمتكم، والتحقق من مخرجاته، وقياس الجودة ومراقبتها في بيئة الإنتاج.
نادرًا جدًا. تدريب نموذج من الصفر يكلّف أكثر بكثير مما تستعيده معظم الشركات. النماذج الموجودة، مع السياق الصحيح عبر الاسترجاع والتعليمات الجيدة، تؤدي معظم مهام الأعمال. والضبط الدقيق لنموذج مفتوح موجود هو الخطوة التالية إذا لم يكفِ ذلك، وهو أرخص بكثير من التدريب من الصفر.
استخدموا RAG عندما يجب أن تأتي الإجابات من مستندات أو بيانات تتغير، أو تحتاج إلى ذكر المصادر، أو تعتمد على هوية السائل. وفكّروا في الضبط الدقيق عندما تحتاجون صيغة إخراج ثابتة أو أسلوبًا محددًا أو مهمة ضيقة بحجم كبير على نموذج أصغر. نقرر بناءً على النتائج على أمثلتكم، وكثيرًا ما تكون الإجابة RAG مع تعليمات جيدة دون ضبط دقيق.
يعتمد ذلك على المهمة واللغة وقواعد بياناتكم وميزانيتكم، وتتغير الإجابة مع تحسن النماذج. نقارن عدة نماذج مستضافة ومفتوحة على أمثلتكم ونختار لكل مهمة. ووضع النموذج خلف طبقة رقيقة يعني أنكم تستطيعون تغييره لاحقًا دون إعادة بناء التطبيق.
نعم. يمكن تشغيل النماذج المفتوحة عبر Ollama أو خادم آخر متوافق مع OpenAI على أجهزتكم أو في سحابتكم الخاصة أو في منطقة سحابية في الإمارات، فلا تغادر التعليمات والمستندات بيئتكم. تحتاج النماذج المستضافة لديكم إلى سعة GPU وتحجيم دقيق، وتكون عادةً أضعف من أفضل النماذج المستضافة في الاستدلال المعقد، لذلك نختبرها على مهامكم قبل أن تلتزموا.
نعطيه الحقائق التي يحتاجها عبر الاسترجاع، ونوجّهه إلى الإجابة منها فقط وإلى القول عندما لا يستطيع، ونتحقق من المخرجات المنظمة وفق قواعد قبل استخدامها. وتُشغَّل مجموعة تقييم بإجابات معروفة مع كل تغيير. وفي كل ما له عواقب، يراجع شخص المخرجات قبل التصرف بناءً عليها.
تقرأ أقوى النماذج الحالية العربية وتكتبها جيدًا، وإن كانت الجودة تختلف بين النماذج وبين الفصحى واللهجات. لذلك نضيف أمثلة عربية إلى مقارنة النماذج ومجموعة التقييم، ليعكس الاختيار أداء كل نموذج على محتواكم العربي.
يبدأ بمرحلة استكشاف بسعر ثابت لمدة 2 إلى 3 أسابيع. ويمكن لتطبيق محدد، مثل الاستخراج أو التصنيف لنوع واحد من المستندات، أن يصل إلى مرحلة التجربة خلال أسابيع قليلة بعدها. تعتمد التكلفة على عدد التكاملات، وحجم البيانات التي تحتاج إلى تجهيز، وهدف الدقة، وهل النماذج مستضافة خارجيًا أم لديكم. ونقدّر تكلفة التشغيل من الحجم المتوقع قبل أن تلتزموا.