أطر الذكاء الاصطناعي الفاعل: المكونات الرئيسية وأفضل 8 خيارات في عام 2026

ما هي إطارات الذكاء الاصطناعي الوكيلة؟

أطر الذكاء الاصطناعي هي مجموعات أدوات برمجية تبسط إنشاء وتوزيع وإدارة الوكلاء الذكيين من خلال توفير مكونات وهياكل وتدفقات عمل مسبقة البناء لتمكين السلوك الذاتي الموجه نحو الأهداف. إنها تسمح للمطورين ببناء أنظمة ذكية يمكنها الإدراك، والتفكير، والعمل، وتنسيق الإجراءات مع الحد الأدنى من المدخلات البشرية، متكاملة مع أدوات ومصادر بيانات خارجية لأداء مهام معقدة.

توفر هذه الأطر المكونات الأساسية والهياكل اللازمة لوكالات الذكاء الاصطناعي لتعمل بشكل فعال.

• النشر والمراقبة: أدوات وميزات لتمكين الانتقال من التطوير إلى الإنتاج، مع إمكانية المراقبة لتتبع أداء الوكلاء.
• تنسيق الوكلاء: يدير التفاعلات وعمليات اتخاذ القرار بين وكيل واحد أو عدة وكلاء يعملون نحو هدف مشترك.
• تكامل الأدوات: يمكن الوكلاء من الاتصال بالأنظمة الخارجية وواجهات برمجة التطبيقات وقواعد البيانات لجمع المعلومات وأداء إجراءات تتجاوز معالجة اللغة.
• إدارة الذاكرة: توفر ذاكرة دائمة أو قائمة على الجلسة للحفاظ على السياق وتذكر التفاعلات السابقة، وهو أمر حاسم للمهام التي تستمر لفترة طويلة.
• تعريف سير العمل: يدعم أنماط منظمة مثل السلاسل، والمهام المتوازية، وحلقات الانعكاس، مما يسمح بالتفكير الذاتي المتطور.

الميزات الرئيسية والفوائد لإطارات الذكاء الاصطناعي الوكيلة

تقدم أطر الذكاء الاصطناعي الوكيلة العديد من الميزات الأساسية التي تميزها عن أدوات الذكاء الاصطناعي التقليدية وتجعلها قيمة لبناء أنظمة مستقلة:

• تصميم الوكلاء المودولاريين: يسمح للمطورين بتعريف وكلاء بأدوار وأهداف وأدوات متخصصة. يمكن لكل وكيل أن يعمل بشكل مستقل أو تعاوني، اعتمادًا على متطلبات المهمة.
• الاستقلالية والسلوك الموجه نحو الأهداف: تمكين الوكلاء من العمل بدرجة عالية من الاستقلالية، واتخاذ القرارات وتعديل الاستراتيجيات بناءً على التغذية الراجعة أو الظروف المتغيرة.
• تنسيق متعدد الوكلاء: توفير آليات لتنسيق المهام عبر عدة وكلاء، بما في ذلك تمرير الرسائل، وتفويض المهام، والتعاون القائم على الأدوار.
• إدارة الذاكرة والحالة: دعم هياكل الذاكرة الدائمة التي تسمح للوكالات بالاحتفاظ بالسياق، والأفعال السابقة، والتعلم، مما يحسن من التفكير على المدى الطويل والقدرة على التكيف.
• دمج الأدوات وواجهات برمجة التطبيقات: السماح للوكلاء بالوصول إلى واستدعاء أدوات خارجية، أو واجهات برمجة التطبيقات، أو قواعد البيانات كجزء من تنفيذ مهامهم، مما يوسع من قدراتهم الوظيفية.
• واجهات التفاعل بين الإنسان والذكاء الاصطناعي: تمكّن التعاون مع المستخدمين من خلال واجهات لتقديم الملاحظات، والإشراف، والتعليم، مما يساعد على توافق أفعال الوكيل مع نية المستخدم.
• قابلية التوسع والامتداد: دعم سير العمل المعقدة والتوسع عبر الأنظمة الموزعة، مع هياكل معمارية معيارية تستوعب الوكلاء والأدوات أو الاستراتيجيات الجديدة بسهولة.
• التعامل مع الأخطاء واستعادة النظام: تضمين ميزات لمراقبة سلوك الوكلاء، واكتشاف الفشل، وتفعيل آليات التراجع أو إعادة المحاولة للحفاظ على الموثوقية في البيئات الديناميكية.
  

محتوى ذو صلة: اقرأ دليلنا حول بنية الذكاء الاصطناعي الوكالي (سيصدر قريبًا)

المكونات الأساسية والوظائف لإطارات الذكاء الاصطناعي الوكيلة

تنسيق الوكلاء

تنسيق الوكلاء هو محور أساسي في أطر الذكاء الاصطناعي الوكالي. يتضمن تنسيق الأفعال والتواصل والتعاون بين الوكلاء المختلفين في النظام. يقوم محرك التنسيق بتحديد متى يجب أن ينشط الوكيل، وما المعلومات التي يحتاجها، وكيف يتفاعل مع الوكلاء الآخرين.

يمكن لهذا المحرك تنفيذ منطق معين، مثل تدفقات العمل المتفرعة، وتنفيذ المهام بالتوازي، أو تسليم المهام بشكل متسلسل، مع التكيف مع ظروف وقت التشغيل. يضمن التنسيق الجيد أن يساهم كل وكيل بكفاءة في الهدف العام مع تجنب النزاعات على الموارد أو الجهود المكررة.

تقوم طبقة التنسيق المصممة بشكل جيد بأتمتة البيئات المعقدة حيث قد يواجه الوكلاء الفرديون صعوبة في التعامل مع مجموعة المهام المطلوبة. من خلال الحفاظ على هيكل واضح لتفعيل الوكلاء والتواصل بينهم، تمكّن هذه الأطر من التكيف السريع مع تطور المتطلبات. يمكن للمطورين إضافة أو إزالة أو تحديث الوكلاء مع الحد الأدنى من الاضطراب.

دمج الأدوات

توسيع تكامل الأدوات قدرات الوكلاء من خلال ربطهم بالمرافق الخارجية وواجهات برمجة التطبيقات والخدمات. عادةً ما تقدم الأطر الوكيلة وحدات لاستدعاءات واجهة برمجة التطبيقات، وجلب البيانات، والوصول إلى الوثائق، أو تنفيذ الأكواد. يمكن للوكلاء استرجاع بيانات جديدة، ومعالجة المعلومات باستخدام خوارزميات متخصصة، أو العمل على منصات الطرف الثالث كجزء من عمليات اتخاذ القرار أو تنفيذ المهام.

تُعطي الأطر المصممة بشكل جيد الأولوية لسهولة دمج الأدوات عبر المحولات أو الإضافات، مما يقلل من جهد التطوير بينما يزيد من مرونة الوكلاء. كما أن الوصول الآمن والفعال للأدوات يمكّن المطورين من تكوين سير عمل مركب قوي يجمع بين منطق الأعمال الخاص والموارد الواسعة على الإنترنت.

إدارة الذاكرة

تتناول إدارة الذاكرة في أطر الذكاء الاصطناعي الوكيلة كلاً من تخزين البيانات المحادثة المؤقتة والتراكم طويل الأمد للمعرفة القابلة للتطبيق. تتيح وحدات الذاكرة للوكلاء تخزين واسترجاع المعلومات، مثل تفضيلات المستخدم، وسجلات المهام، أو الأخطاء التي تمت مواجهتها، عبر جلسات أو سير عمل مختلفة. تمكن هذه القدرة الوكلاء من الحفاظ على السياق، والإشارة إلى الأفعال السابقة، والتعلم المستمر من التجارب الجديدة.

تدعم إدارة الذاكرة القابلة للتوسع أيضًا السيناريوهات التعاونية حيث يحتاج عدة وكلاء إلى مشاركة المعلومات أو مزامنة فهمهم لمهمة ما. عادةً ما توفر الأطر مخازن ذاكرة منظمة، مثل قواعد بيانات المتجهات أو مستودعات الوثائق، مع واجهات برمجة التطبيقات للوصول الدقيق للقراءة/الكتابة.

تعريف سير العمل

يشير تعريف سير العمل إلى تحديد تسلسل المهام، والاعتماديات، وظروف التفعيل داخل نظام الذكاء الاصطناعي الوكيلة. توفر الأطر أدوات للمطورين لتصميم سير العمل الذي يصف كيفية تفاعل الوكلاء، وما الخطوات التي يقومون بها، وكيف يتم توجيه القرارات. يمكن أن تكون هذه التعريفات ثابتة (تدفقات محددة مسبقًا) أو ديناميكية (تُولد في وقت التشغيل)، مما يدعم كل من العمليات القابلة للتنبؤ والعمليات القابلة للتكيف بشكل كبير. في الشيفرة، يمكن تحديد سير العمل باستخدام بناء جملة إعلاني، أو آلات الحالة، أو الرسوم البيانية الموجهة غير الدائرية.

إن تعريف سير العمل بدقة أمر حاسم لتعظيم الأتمتة وضمان نتائج موثوقة. من خلال رسم العمليات المعقدة في سير عمل شفاف، يمكن لفرق التطوير تحديد نقاط الاختناق، وتوزيع المهام بشكل متوازي، وتطبيق منطق الأعمال. يمكن إجراء التحديثات أو التعديلات على سير العمل دون تعطيل سلوك الوكلاء الأساسيين.

النشر والمراقبة

تدعم أدوات النشر حزم الوكلاء وسير العمل لمختلف البيئات، من الخوادم المحلية إلى منصات السحابة المؤسسية. تمكّن من التكوين، والتوسع، وإدارة الإصدارات، مما يضمن إمكانية شحن التحديثات وإصلاحات الأخطاء بأمان وبشكل متسق. تتعقب المراقبة المركزية أنشطة الوكلاء، وصحة النظام، وظروف الأخطاء، مما يوفر رؤية في الوقت الحقيقي وتنبيهات للمشكلات التشغيلية.

يتضمن الرصد الشامل السجلات، مقاييس الأداء، والتحليلات؛ وكلها عناصر حيوية لتصحيح الأخطاء، الامتثال، والتحسين. يمكن للفرق استخدام رؤى المراقبة لتتبع مصادر الأخطاء، تحسين توزيع الأحمال، وضبط أداء الوكلاء.

أطر الذكاء الاصطناعي الوكيلة الشائعة

1. لانغ غراف

LangGraph هو إطار عمل متعدد الاستخدامات لبناء تطبيقات الذكاء الاصطناعي الوكيلة، مما يمنح المطورين السيطرة على كيفية تصرف الوكلاء وتفاعلهم. ي prioritizes الاستقرار والشفافية والقدرة على التكيف، مما يجعله مناسبًا للسيناريوهات التي تتطلب اتخاذ قرارات موثوقة وإشراف واضح. كما أنه يدعم الذاكرة المستمرة والإشراف البشري في نقاط القرار الحرجة.

تشمل الميزات الرئيسية:

• البث المباشر: تدفق الرموز وخطوات التفكير في الوقت الحقيقي، مما يحسن الرؤية وتجربة المستخدم.
• الإشراف البشري في الحلقة: إدراج خطوات للرقابة ضمن سير العمل، مما يسمح للبشر بتوجيه أو الموافقة على الإجراءات الرئيسية.
• تدفقات الوكلاء القابلة للتخصيص: بناء سير العمل باستخدام عناصر أساسية تدعم الحلقات، والتسلسلات الهرمية، أو التعاون بين عدة وكلاء.
• الذاكرة طويلة الأمد: الاحتفاظ بالتاريخ وسياق المهام عبر الجلسات لضمان الاستمرارية.

Source: LangChain

2. وكيل تلقائي

AutoAgent هو إطار عمل بدون كود لإنشاء ونشر وكلاء مدعومين بتقنية LLM بسرعة من خلال اللغة الطبيعية. يمكن للمستخدمين تصميم الأدوات وسير العمل بطريقة محادثة دون الحاجة إلى خبرة تقنية.

تشمل الميزات الرئيسية:

• أوضاع التفكير المرنة: تدعم ReAct واستدعاء الدوال لاتخاذ القرارات من قبل الوكلاء.
• إنشاء بدون كود: بناء الوكلاء مباشرةً باستخدام تعليمات بلغة طبيعية.
• وضع متعدد الوكلاء: يأتي مع مساعد جاهز للاستخدام مشابه لـ Deep Research ولكنه مفتوح المصدر.
• قاعدة بيانات متجهة ذاتية الإدارة: تشمل تخزين متجه محسن لخطوط الأنابيب التي تدرك السياق.
• دعم واسع لنماذج اللغة الكبيرة: يعمل مع OpenAI وAnthropic وHugging Face وGemini والمزيد.

3. أوتوجين

AutoGen هو إطار عمل مرن لإنشاء أنظمة ذكاء اصطناعي تعمل بعميل واحد أو عدة عملاء، للاستخدام من قبل المستخدمين الفنيين وغير الفنيين. يقدم مستويات من التجريد، مما يجعله مناسبًا للنماذج الأولية السريعة وكذلك للتطبيقات على مستوى المؤسسات.

تشمل الميزات الرئيسية:

• تكاملات قابلة للتوسيع: المكونات الإضافية والمحولات تتصل بخدمات مثل مساعدي OpenAI وDocker أو gRPC، مما يربط الوكلاء بالبنية التحتية الحقيقية.
• استوديو لتصميم النماذج الأولية بدون كود: واجهة مستخدم قائمة على المتصفح لتصميم سير العمل بصريًا دون الحاجة إلى البرمجة.
• إطار عمل AgentChat: واجهة برمجة تطبيقات بايثون لبناء إعدادات محادثة تتضمن وكيل واحد/عدة وكلاء، تدعم التنفيذ غير المتزامن ودمج GPT-4.
• التنسيق الأساسي: نظام يعتمد على الأحداث لإدارة سير العمل الموزع على نطاق واسع.

Source: AutoGen 

4. كرو آي

CrewAI هي منصة مفتوحة المصدر تُبسط بناء وتنسيق فرق من وكلاء الذكاء الاصطناعي. تساعد المطورين في تكوين الفرق، وتعيين الأدوار، وإطلاق الوكلاء الذين يعملون معًا للتعامل مع المهام.

تشمل الميزات الرئيسية:

• إعدادات قابلة للقراءة: الإعداد عبر ملفات تكوين واضحة وسهلة الفهم.
• وكلاء محددين حسب الدور: حدد الأدوار والأهداف والسلوكيات لكل وكيل لتحسين العمل الجماعي.
• محرك توزيع المهام: توزيع المسؤوليات بوضوح بين الوكلاء لضمان التنفيذ المنظم.
• نشر بأمر واحد: أطلق "فرق" كاملة بأمر واحد.
• قابلية التوسع: قادرة على التعامل مع ملايين الوكلاء النشطين كل شهر.

Source: CrewAI 

5. لاما إندكس

LlamaIndex هو إطار عمل مصمم لسير العمل الوكالي الذي يركز على الذكاء الوثائقي. يساعد المطورين في بناء وكلاء يمكنهم تفسير البيانات المؤسسية وتوليفها والتصرف بناءً عليها.

تشمل الميزات الرئيسية:

• قابلية التوسع في المؤسسات: مصمم لمعالجة ملايين الوثائق بشكل موثوق.
• وكلاء مدركين للسياق: دمج نماذج اللغة الكبيرة مع أنظمة الاسترجاع والذاكرة للتفكير في الوثائق المؤسسية.
• تحليل: يستخرج البيانات من الجداول، الرسوم البيانية، النصوص الممسوحة، وأكثر من 300 نوع من الوثائق.
• خدمات LlamaCloud: بنية تحتية مدارة لعمليات الإدخال وإدارة السياق.
• خطوط أنابيب RAG الجاهزة: خطوط استرجاع وحدات قابلة للتخصيص ومحسّنة للإنتاج.

6. كومة القش

"Haystack" هو إطار عمل ناضج ومفتوح المصدر لبناء أنظمة الذكاء الاصطناعي باستخدام التوليد المعزز بالاسترجاع والأنابيب المودولارية. إنه جاهز للإنتاج ويدعم مجموعة متنوعة من الأدوات والتكاملات.

تشمل الميزات الرئيسية:

• تدفقات عمل الوكلاء: دمج نماذج اللغة الكبيرة مع أدوات خارجية من أجل منطق ديناميكي ومتفرع.
• خطوط الأنابيب القابلة للتكوين: بناء سير العمل من مكونات معيارية لـ RAG وما بعدها.
• القدرات متعددة الوسائط: التعامل مع النصوص والصور والصوت في التطبيقات.
• واجهات المحادثة: أطر دردشة موحدة لبناء الوكلاء.
• محركات توليد المحتوى: استخدم قوالب الطلبات لإنشاء خطوط محتوى مرنة.

Source: Haystack 

7. دي إس باي

تقدم DSPy (بايثون القابلة للتعبير ذاتيًا) طريقة تعبيرية لبرمجة أنظمة الذكاء الاصطناعي، مع التركيز على الوحدات المنظمة بدلاً من التعليمات العشوائية أو تحسين النماذج.

تشمل الميزات الرئيسية:

• التجريب السريع: اختبار استراتيجيات وتكوينات مختلفة بسهولة.
• التصميم التصريحي: تعريف المكونات مع توقيعات إدخال/إخراج محددة.
• غير مرتبط بنموذج معين: التبديل بين نماذج اللغة الكبيرة بسلاسة دون تغيير منطق النظام.
• محسنات مدمجة: أتمتة ضبط المطالبات وتعديلات الوزن لتحسين الأداء.
• خطوط أنابيب معقدة: ربط عمليات التفكير أو استرجاع المعلومات متعددة المراحل معًا.

Source: DSPy 

8. النواة الدلالية

"Semantic Kernel" هو مجموعة أدوات برمجية مفتوحة المصدر تسهل ربط نماذج اللغة الكبيرة الحديثة (LLMs) بتطبيقات المؤسسات بلغة C# وPython وJava. يعمل كوسيط لربط قدرات الذكاء الاصطناعي بأنظمة الأعمال.

تشمل الميزات الرئيسية:

• تكامل مستقبلي: استبدل النماذج الأحدث دون إعادة تصميم الأنظمة.
• دعم متعدد اللغات: واجهات برمجة التطبيقات المستقرة عبر C# و Python و Java.
• تنفيذ النموذج إلى الوظيفة: تحويل مخرجات الذكاء الاصطناعي إلى استدعاءات دالة تؤدي إلى تفعيل منطق الأعمال الموجود.
• قابلية التوسع المعتمدة على الإضافات: دمج الخدمات أو واجهات برمجة التطبيقات عبر الإضافات المعتمدة على OpenAPI.
• رصد المؤسسات: يتضمن ميزات القياس عن بعد، المراقبة، وميزات الحوكمة.

Source: Microsoft

أفضل الممارسات لتنفيذ الأطر الوكيلة

يجب على المنظمات أخذ الخطوات التالية بعين الاعتبار عند تنفيذ إطار عمل للذكاء الاصطناعي الوكالي.

1. ابدأ بنماذج أولية صغيرة.

عند اعتماد إطار عمل للذكاء الاصطناعي الوكلي، من الحكمة البدء بنماذج أولية ذات نطاق محدود تركز على نتائج محددة وقابلة للقياس. يتيح بناء أنظمة صغيرة الفرق التحقق من خيارات الهندسة الأساسية، واكتشاف مخاطر التكامل، وتحسين سير العمل للوكيل باستثمار محدود. كما يوفر النموذج الأولي فرصة لتحديد المعايير، وجمع ملاحظات المستخدمين، وتكرار تصميمات الواجهة قبل التوسع.

يسمح نشر نموذج أولي صغير للفرق بتقييم ملاءمة الإطار لحالتهم الخاصة وتسليط الضوء على أي ثغرات في الميزات أو الوثائق المتاحة. من خلال توسيع النماذج الأولية بشكل منهجي إلى نشرات أكثر تعقيدًا، يمكن للمنظمات تقديم التعقيد بشكل تدريجي، مما يقلل من احتمالية الفشل النظامي.

2. دمج الإشراف البشري

يجب أن تسمح الأنظمة الوكيلة الفعالة دائمًا بالإشراف البشري في النقاط الحرجة من اتخاذ القرار. إن دمج سير العمل الذي يتضمن الإنسان في الحلقة (HITL) يضمن أن تظل الوكلاء الآليين قابلة للتحكم والمساءلة، خاصة عند التعامل مع المهام الغامضة أو الحساسة أو ذات المخاطر العالية. يمكن أن يتضمن هذا الإشراف طلب الموافقة اليدوية على المخرجات، أو مراجعة دورية لأفعال الوكيل، أو توجيه تفاعلي خلال خطوات حل المشكلات المعقدة.

يلعب الإشراف البشري أيضًا دورًا حيويًا في معالجة الأخطاء النظامية، والبيانات الشاذة، أو الاعتبارات الأخلاقية التي لم يتم التقاطها بواسطة القواعد المحددة مسبقًا. من خلال تضمين آليات التغذية الراجعة ومسارات التصعيد، يمكن للمطورين تحديد وتصحيح السلوك غير المقصود بسرعة، مما يحسن من ثقة المستخدم وسلامة العمليات.

3. تحسين استخدام الذاكرة

تحسين استخدام الذاكرة أمر حاسم للحفاظ على استجابة النظام والتحكم في تكاليف البنية التحتية، خاصة مع زيادة تعقيد الأنظمة التفاعلية وحجم التفاعل. يجب على المطورين اعتماد استراتيجيات مثل إدارة نافذة السياق، وتقليص الذاكرة، والاحتفاظ الانتقائي بالمعلومات ذات الصلة. اختيار الذاكرة المناسبة، مثل التخزين في الذاكرة لزيادة السرعة أو تخزين المتجهات للبحث الدلالي، يضمن أن الوكلاء يمكنهم تحقيق التوازن بين التكلفة والأداء والسعة وفقًا لمتطلبات عبء العمل.

من خلال تحليل استهلاك الذاكرة وضبط معلمات التخزين، يمكن للفرق منع اختناقات الأداء أو فقدان السياق. كما أن إدارة الذاكرة الفعالة تمكّن الوكلاء ذوي الحالة من الحفاظ على الاستمرارية عبر المحادثات أو سير العمل مع تقليل تكرار البيانات. تساعد عمليات التدقيق المنتظمة وجمع القمامة التلقائي في الحفاظ على قابلية صيانة النظام.

4. ضمان مراقبة ورؤية قوية

يجب أن تتعقب أطر تسجيل البيانات أنشطة الوكلاء، وتقدم سير العمل، وحالات الأخطاء، ومقاييس الأداء في الوقت الحقيقي. توفر هذه البيانات رؤية حاسمة لتصحيح الأخطاء، وتحسين استخدام الموارد، وضمان الامتثال للسياسات الأمنية أو قواعد العمل. يجب أن تدعم أدوات المراقبة التنبيه، واكتشاف الشذوذ، وتحليل الأسباب الجذرية بالتفصيل، مما يمكّن الفرق من الاستجابة بسرعة للحوادث التشغيلية.

من خلال إنشاء حلقة تغذية راجعة من بيانات المراقبة إلى سير العمل في التطوير، يمكن للمنظمات تحسين الموثوقية باستمرار، وإصلاح الأخطاء، واكتشاف فرص جديدة لتحسين النظام. هذه الممارسة ضرورية لبناء الثقة في التطبيقات التي تتطلب اتخاذ قرارات معقدة وحساسة للأعمال.

5. توحيد الواجهات وواجهات برمجة التطبيقات

توحيد الواجهات وواجهات برمجة التطبيقات (APIs) عبر الوكلاء والأدوات المتكاملة يدعم سهولة الصيانة وإعادة الاستخدام والتوافق. العقود الواضحة والمتسقة تبسط التعاون بين الوكلاء، مما يمكّن الفرق من دمج المكونات أو تغيير الأطر مع تقدم التكنولوجيا. كما أن واجهات برمجة التطبيقات القياسية تقلل من حواجز الانضمام للمطورين الجدد، وتسرع من تطوير الميزات، وتعزز نظامًا بيئيًا نابضًا من التكاملات الخارجية.

من خلال الالتزام ببروتوكولات محددة جيدًا وأشكال بيانات شائعة، يمكن للفرق تجنب الاعتماد على بائع معين وتمكين التحديثات المستقبلية أو مشاريع الهجرة. كما أن المعايير المفتوحة تشجع على مساهمات المجتمع ومشاركة أفضل الممارسات، مما يعزز المشهد العام للذكاء الاصطناعي.

أمن الذكاء الاصطناعي الموجه مع Exabeam

تستخدم Exabeam Nova إطار عمل ذكاء اصطناعي وكيل لتحويل كيفية اكتشاف مراكز العمليات الأمنية (SOCs) وكشف التهديدات والتحقيق فيها والاستجابة لها. تعمل كتحليل ذكي، تستخدم Exabeam Nova عدة وكلاء متخصصين لأتمتة التحقيق، وتقديم المشورة حول الوضع الأمني، وتصوير النتائج الرئيسية، مما يقلل من عبء العمل اليدوي عبر عملية كشف التهديدات والتحقيق والاستجابة بنسبة تصل إلى 80%.

تشمل الميزات الرئيسية:

البحث باللغة الطبيعية: يتيح Exabeam Nova للمحللين استعلام بيانات الأمان بطريقة محادثة باستخدام اللغة اليومية. بدلاً من كتابة استعلامات معقدة، يمكن للمستخدمين طرح أسئلة مثل "عرض محاولات تسجيل الدخول الفاشلة من أجهزة جديدة هذا الأسبوع" والحصول على نتائج فورية غنية بالسياق مدعومة بأدلة مترابطة.

الوكيل الاستشاري في Outcomes Navigator: ضمن Outcomes Navigator، يعمل Exabeam Nova كوكيل استشاري، حيث يحلل تغطية السجلات والوضع الأمني عبر حالات الاستخدام المرتبطة بالتهديدات الداخلية، وتسريب البيانات، وغيرها من السيناريوهات الحرجة. كما يقيم الجاهزية وفقًا لتقنيات وتكتيكات إطار MITRE للهجوم والتكتيكات والتقنيات المشتركة (ATT&CK)، ويرشد الفرق بشأن مصادر السجلات أو الضوابط التي يجب تعزيزها لتحقيق تغطية كشف شاملة.

وكيل التصور: يتضمن Exabeam Nova وكيل تصور يقوم تلقائيًا بإنشاء الرسوم البيانية والمخططات والملخصات المرئية للتقارير ولوحات المعلومات التنفيذية. يقوم بتحويل التحقيقات والنتائج المعقدة إلى تصورات واضحة وقابلة للمشاركة، مما يساعد قادة مركز العمليات الأمنية على التواصل حول النتائج والاتجاهات مع أصحاب المصلحة الفنيين وغير الفنيين.

الذكاء الاصطناعي الوكالي: شبكة من الوكلاء الذكائيين تقلد سير عمل المحللين - تجمع الأدلة، تبني الجداول الزمنية، تربط الكيانات، وتوصي بالخطوات التالية. يساهم كل وكيل بخبرته المتخصصة، مما يحسن من الدقة والاتساق عبر الكشف، التحقيق، والاستجابة.

تجربة موحدة لمركز العمليات الأمنية: يتكامل Exabeam Nova بسلاسة مع قدرات Exabeam في SIEM وUEBA وSOAR، مما يخلق نظامًا متصلًا يعمل على أتمتة الكشف والتحقيق والاستجابة من البداية إلى النهاية.

تقدم Exabeam Nova الذكاء الاصطناعي الوكالي مباشرة إلى مركز العمليات الأمنية (SOC)، حيث تجمع بين التفكير، التفاعل بلغة طبيعية، التصور، والذكاء الاستشاري لتوفير كشف أسرع، ورؤى أوضح، وتقليل قابل للقياس بنسبة 80% في جهد TDIR.