ميزة جديدة من ميسترال تمنح أوامرك للذكاء الاصطناعي مكاناً دائماً بأقفال ومفاتيح

كل مؤسسة تشغل الذكاء الاصطناعي في الإنتاج تواجه إحدى صور هذه المشكلة: أمر لخدمة العملاء تم تعديله بواسطة مدير منتج في مستند غوغل، وتمت مراجعته في سلسلة محادثات عبر سلاك، واختباره في دفتر ملاحظات، وفي النهاية تم نسخه إلى قاعدة الأكواد بواسطة مهندس. بعد ستة أشهر، لا يستطيع أحد تحديد أي إصدار يعمل بالضبط، ومن وافق عليه، أو كيف انحرفت الصياغة عن القصد السياسي الأصلي.openais-bet-on-shared-agents-is-the-quietest-shift-in-enterprise-ai-this-year

إجابة ميسترال إيه آي، التي تم الكشف عنها اليوم، تعيد تصنيف الأوامر والمهارات من نصوص مؤقتة إلى أصول إنتاجية مُدارة. الميزة، المتاحة الآن في ميسترال ستوديو، تمنح كل أمر ومهارة سجل إصدار غير قابل للتعديل، ومالكاً مُسمى، وسجل تدقيق كامل، وتتبعاً للنسب من المخرجات إلى الإصدار الذي أنتجها، وعلامات تصنيف للمراحل التجريبية والإنتاجية.the-plumbing-problem-in-ai-search-is-finally-getting-a-unified-solution

الفجوة الحوكمية التي لا تعرفها المؤسسات

الأوامر والمهارات ليست أكواداً، لكن في معظم المؤسسات تُدار كما لو كانت كذلك. هي موجودة في مستودعات مُدارة بالإصدارات، مما يعني أن تتبع التغييرات لم يكن الجزء الصعب أبداً. الاحتكاك يكمن في مكان آخر: الأشخاص الذين يفهمون التعليمات بشكل أفضل، خبراء المجال الذين يحددون السياسات والصياغة، لا يعملون في قاعدة الأكواد. كل تغيير ينتظر مهندساً.

يكسر ستوديو هذا الاعتماد. أي باني ذكاء اصطناعي، سواء كان مطوراً أم لا، يمكنه تعديل أمر أو مهارة واختباره فوراً، دون الحاجة إلى تشغيل تكامل مستمر لكل تكرار. النشر إلى الإنتاج لا يزال يفعل مسارات التكامل المستمر/النشر المستمر الموجودة عبر حزمة التطوير، كما هو الحال في سير عمل إجراءات غيت هاب، لكن التغيير نفسه يمكن أن يتم بواسطة الشخص الأقرب إلى متطلبات العمل.

هذا الفصل بين التأليف والنشر دقيق في التنفيذ لكنه ثوري في الممارسة. يزيل عنق الزجاجة للتكرار الذي يبقي العديد من أوامر المؤسسات بجودة جيدة بما فيه الكفاية بدلاً من التحسين المستمر. الافتراضي كان شحن إصدار وتركه، لأن كل تعديل يعني تعديل الكود وانتظار النشر. ستوديو يجعل التكرار رخيصاً والنشر متعمداً.cursor-puts-an-ai-agent-in-your-pocket-with-new-ios-app

البعد الامتثالي

الأوامر غير المُدارة هي مسؤولية تبدأ فرق الامتثال في التعرف عليها فقط. تدمج قواعد معالجة البيانات، وقرارات نبرة الصوت، وقيود السياسات التي سيتعين على شخص ما الدفاع عنها في تدقيق ما. اليوم، غالباً ما تعيش حيث لا تستطيع أي فرق امتثال رؤيتها.domyn-and-aisquared-build-on-ai2s-open-releases-for-regulated-industries

يغير ستوديو الافتراضي بتوجيه كل أصل عبر مسار واضح من التجربة إلى الإنتاج. يبدأ الأصل كمرئي فقط لمنشئه، ثم يمكن ترقيته إلى مساحة العمل وفي النهاية عبر المؤسسة. كل خطوة تأتي مع ضوابط الوصول. سجلات التدقيق تسجل من قام بكل تغيير ومتى. الأثر الذي سيطلبه المدقق موجود افتراضياً بدلاً من طلب إعادة بناء لاحقة.navigating-the-edge-new-framework-promises-safer-ai-deployment-in-critical-systems

الاختيار المعماري الحاسم هو أن ستوديو يتكامل مع طبقة المراقبة في ميسترال. كتالوج الأوامر المستقل يسرد الأصول لكنه لا يستطيع معرفة ما إذا كانت تعمل لأنه يقع خارج النظام الذي يشغلها. يمكن لستوديو تتبع مخرجات الإنتاج إلى الإصدار المحدد للأمر أو المهارة التي تقف وراءها، والعودة إلى الاستخدام الذي دفع إلى آخر تغيير. المهارات قابلة للوصول كخوادم (MCP) مباشرة من ستوديو، لذا ما يتم تنفيذه في الإنتاج هو الأصل المُدار، وليس نسخة تائهة.

لماذا يهم هذا خارج نطاق ميسترال

كل منصة رئيسية للذكاء الاصطناعي، بما في ذلك أوبن إيه آي وآنثروبيك وغوغل، لديها مستخدمون يواجهون نفس مشكلة الإدارة. نهج ميسترال ليس فريداً من حيث المفهوم، لكن اختياراتها التنفيذية تكشف عن فلسفة محددة: تعامل مع الأوامر والمهارات كأعمال إنتاجية من الدرجة الأولى بنفس الدقة كالأكواد، لكن اجعلها قابلة للتعديل بواسطة غير المهندسين.

تأتي الميزة مع تحول نشر الذكاء الاصطناعي في المؤسسات من التجريبي إلى الموجه للعملاء. تكلفة الانجراف غير المُتحقق للأوامر، كتحول في النبرة يربك العملاء أو تعليمات سياسية تتعارض مع متطلبات الامتثال، ترتفع مع الحجم. نظام ستوديو القياسي هو اعتراف بأنه عندما تكون سلوكيات الذكاء الاصطناعي مهمة، فإن التعليمات التي تشكلها تحتاج إلى منزل بأقفال ومفاتيح.mistral-ai-raises-600-million-in-record-french-tech-funding-round