تصور کنید مدیریت زنجیره تأمین یک غول صنعتی را بر عهده دارید و هر تصمیم اشتباه در جابه‌جایی قطعات، میلیون‌ها دلار هزینه اضافی ایجاد می‌کند. حالا تصور کنید با یک سیستم یکپارچه، سالانه ۱۰ میلیون دلار از این هزینه‌های اضافی حذف شود؛ این دقیقاً همان اتفاقی است که برای یک تولیدکننده پیشرو در ژاپن رخ داده است. این رقم اکنون به محور اصلی یک مشارکت استراتژیک تجدید شده بین شرکت فوجیتسو و پالانتیر تبدیل شده است.
به گزارش رسمی منتشر شده در ۱۰ سپتامبر ۲۰۲۶، این موفقیت حاصل همکاری renewed استراتژیک بین فوجیتسو (Fujitsu) و پالانتیر (Palantir Technologies) است. در دنیای امروز، هوش مصنوعی سازمانی از مرحله نمونه‌های اولیه (Prototypes) به سمت سیستم‌های عملیاتی در مقیاس تولید (Production-grade) حرکت می‌کند که در آن‌ها «حاکمیت داده‌ها» (Data Sovereignty) اولویت اول است.
برای شرکتی مثل فوجیتسو، چالش اصلی دیگر فروش ساده نرم‌افزار نیست، بلکه ارائه مهندسی عمیقی است که بتواند هوش مصنوعی را در محیط‌های پیچیده و جزیره‌ای (Siloed) شرکت‌های بزرگ فعال کند. همان‌طور که در تحلیل‌های قبلی ما درباره امنیت مدل‌های بازمتن اشاره کردیم، کنترل دقیق بر دسترسی به داده‌ها، پیش‌شرط هرگونه استقرار صنعتی است.
زمینه و بستر همکاری
این همکاری که از کاواساکی ژاپن و میامی اعلام شد، به عنوان یک سرمایه‌گذاری عمیق‌تر در قابلیت‌هایی برای پیشبرد تحول هوش مصنوعی سازمانی توصیف شده است. این دو شرکت در پاسخ به تقاضای رو به رشد برای «حاکمیت» عمل می‌کنند؛ مفهومی که آن‌ها آن را به عنوان کنترل بیشتر بر داده‌ها، مدل‌ها، زیرساخت‌ها و عملیات تعریف می‌کنند.
برای دستیابی به این هدف، پلتفرم‌های پالانتیر مدل‌های هوش مصنوعی را به داده‌های تحت نظارت، گردش‌کارهای مبتنی بر هستی‌شناسی (Ontology-powered) و کنترل‌های دسترسی متصل می‌کنند. این ساختار شامل سیستم‌های حسابرسی (Auditing) و محیط‌های استقرار تحت کنترل مشتری است که به هر دو شرکت اجازه می‌دهد اپلیکیشن‌های هوش مصنوعی قابل اعتماد ارائه دهند.
طبق اعلام این دو شرکت، تمرکز اصلی بر استقرار Palantir AIP (پلتفرم هوش مصنوعی پالانتیر) و Palantir Foundry است. فوجیتسو اکنون به عنوان شریک Global Forward Deployed Engineering (FDE) فعالیت می‌کند؛ نقشی استراتژیک که مهندسی نرم‌افزار را با اجرای مستقیم و عملیاتی در محل مشتری ترکیب می‌کند.
جزئیات پیشرفت در زنجیره تأمین
در پروژه زنجیره تأمین، فوجیتسو راهکاری برای تاب‌آوری ایجاد کرد که سیستم‌های مجزای سازمانی را که پیش از این ایزوله بودند، به هم متصل نمود. مقیاس فنی این پروژه بسیار گسترده بود و شامل موارد زیر می‌شد:
- یکپارچه‌سازی داده‌های بیش از ۳۰۰۰ تأمین‌کننده مختلف.
- هماهنگی و اتصال میان ۱۸ کارخانه مجزا.
- اجرای کامل پروژه بدون ایجاد هرگونه اختلال در عملیات جاری و جاری تولیدکننده.
علاوه بر صرفه‌جویی ۱۰ میلیون دلاری در هزینه‌های سالانه، این شرکت گزارش داده است که بهره‌وری عملیاتی‌اش دو برابر شده و سرعت تصمیم‌گیری و پاسخ به اختلالات زنجیره تأمین به‌طور چشم‌گیری افزایش یافته است.
مهندسی تحول هوش مصنوعی
فوجیتسو برای کمک به مشتریان جهانی در ساخت اپلیکیشن‌های سفارشی هوش مصنوعی، روی قابلیت‌های FDE سرمایه‌گذاری سنگینی کرده است. این تلاش، معماری حاکمیتی هوش مصنوعی پالانتیر را با دارایی‌های داخلی فوجیتسو ترکیب می‌کند. این دارایی‌ها شامل مدل زبانی بزرگ (LLM) به نام Takane و مجموعه خدمات Uvance است.
فوجیتسو قصد دارد از Uvance برای پیشبرد تحول کسب‌وکار استفاده کند. این کار از طریق متصل کردن داده‌ها، هوش مصنوعی و عملیات خط مقدم انجام می‌شود تا به مشتریان کمک کند رقابت‌پذیری خود را تقویت کرده و به رشد پایدار دست یابند.
یوشینامی تاکاهاشی، مدیر عملیاتی فوجیتسو، اشاره کرد که این همکاری از سال ۲۰۲۰ آغاز شده است. او تأکید کرد که فوجیتسو در این سال‌ها از این زمان برای ساخت یک چارچوب FDE استفاده کرده است تا به‌جای معرفی صرف تکنولوژی‌های جدید، نتایج تجاری ملموس ارائه دهد. تاکاهاشی خاطرنشان کرد که پالانتیر پیشگام مفهوم FDE بوده و فوجیتسو از این طریق آموخته است که این متخصصان چگونه ارزش خلق می‌کنند و به چه قابلیت‌های مهندسی خاصی نیاز دارند.
کوین کاواساکی، مدیر توسعه کسب‌وکار پالانتیر، تأکید کرد که هدف نهایی این است که شرکت‌ها بتوانند مدل‌های هوش مصنوعی خود را بر اساس داده‌های تحت نظارت و گردش‌کارهای داخلی خود مبنی‌سازی (Grounding) کنند. این امر تضمین می‌کند که اپلیکیشن‌های هوش مصنوعی حاصل، تحت کنترل عملیاتی کامل مشتری باقی بمانند.
این حرکت نشان‌دهنده یک روند گسترده‌تر است: فروشندگان هوش مصنوعی برای حل مشکل «آخرین مایل» (Last Mile) در استقرار، به یکپارچه‌سازان منطقه‌ای تکیه می‌کنند. با بهره‌گیری از تخصص دامنه فوجیتسو، پالانتیر می‌تواند پلتفرم‌های AIP و Foundry را در بازار ژاپن به‌طور مؤثرتری گسترش دهد.
برای یک مدیر کسب‌وکار، این یعنی ارزش واقعی هوش مصنوعی دیگر در خودِ مدل نیست، بلکه در مهندسی خط لوله داده‌هاست. آن ۱۰ میلیون دلار سود، نتیجه استفاده از یک مدل زبانی بهتر نبود، بلکه حاصل اتصال درست داده‌های هزاران فروشنده بود.
گام بعدی شما
- اگر مدیر عملیاتی هستید، به‌جای جست‌وجوی مدل‌های جدید، روی یکپارچه‌سازی داده‌های پراکنده در بخش‌های مختلف سازمان تمرکز کنید.
- بررسی کنید که آیا زیرساخت شما اجازه استقرار مدل‌های محلی (On-premises) را برای حفظ حاکمیت داده‌ها می‌دهد یا خیر.
- مدل‌های تخصصی صنعتی را با مدل‌های عمومی مقایسه کنید تا نقاط ضعف در استدلال‌های فنی را شناسایی کنید.
باید منتظر ماند و دید که سایر مجموعه‌های صنعتی ژاپن چگونه این رویکرد «هوش مصنوعی حاکمیتی» را برای محافظت از اسرار صنعتی در حین استفاده از LLMها به کار می‌گیرند. موفقیت ادغام مدل Takane یک شاخص کلیدی خواهد بود تا بفهمیم آیا مدل‌های زبانی محلی می‌توانند در محیط‌های صنعتی تخصصی با غول‌های جهانی رقابت کنند یا خیر؛ تحلیلی از این رقابت را در گزارش بعدی خواهیم داشت.
گفتگو