الاختبار الحقيقي لـ Google Cloud في الذكاء الاصطناعي: سير العمل المحكوم بعد العرض التوضيحي

الملخص

• لم يعد عرض Google Cloud للذكاء الاصطناعي على مستوى المؤسسات مجرد استدعاء لنموذج Gemini. إنه سطح تشغيل يدمج منصة Gemini Enterprise Agent Platform، وإرث Vertex AI، وBigQuery، وAgent Search، وIAM، وسجلات التدقيق السحابية (Cloud Audit Logs)، وCloud Run، وWorkflows، وضوابط السعة في سير عمل محكوم.
• المخرَج المقبول هو القاسم المفيد. إجابة النموذج ليست سوى خطوة واحدة؛ تعتمد موثوقية الإنتاج على حداثة البيانات، وأذونات الأدوات، ومجموعات التقييم، وسجلات التدقيق، وتصميم الحصص، وضوابط التكلفة، ومعالجة الاستثناءات، والتراجع.
• تدعم الأدلة العامة عمق ضوابط Google Cloud والطلب عليها، لكن ليس نتائج العملاء الشاملة. تُظهر ملفات Alphabet نموًا كبيرًا لـ Google Cloud واستثمارًا في البنية التحتية، بينما تُظهر حوادث الحالة والتوثيق لماذا لا يزال العملاء بحاجة إلى إشراف محلي وتصميم للتعافي.

المخرَج الذي يُعتد به هو سير العمل المقبول، وليس الإجابة المبهرة

أقوى عرض توضيحي لذكاء Google Cloud الاصطناعي هو سؤال يُجاب عليه بنافذة سياق كبيرة، أو ملخص مؤسس على البيانات، أو وكيل يستدعي أداة، أو مطور ينتقل بسرعة من طلب بلغة طبيعية إلى كود منشور. هذا العرض مهم، لكنه ليس وحدة الإنتاج التي يدفع ثمنها المشتري المؤسسي في النهاية. الوحدة المهمة هي سير العمل المحكوم المقبول: إجابة أو قرار أو تغيير في الكود أو نتيجة بيانات أو استجابة عميل أو توصية أمنية أو إجراء داخلي مدعوم بنموذج، تكون الشركة مستعدة للاحتفاظ به وتدقيقه وتكراره.

هذا القاسم يغير الحكم. يمكن للنموذج أن ينتج إجابة بطلاقة في ثوانٍ ومع ذلك يفشل في سير العمل إذا استشهد ببيانات مؤسسية قديمة، أو تصرف تحت هوية خاطئة، أو تجاوز حصة، أو غير سلوكه بصمت بعد ترحيل نموذج، أو لم يترك سجل تدقيق مفيد، أو تسبب في أثر جانبي لا يمكن للفريق التراجع عنه. يشمل المخرج المقبول كل جهد مطلوب للانتقال من الطلب إلى نتيجة قابلة للاستخدام: إعداد البيانات، وتصميم الوصول، وضبط الاسترجاع، والتقييم، والمراجعة البشرية، ومعالجة الاستثناءات، والمراقبة، وتخصيص التكاليف، والاستجابة للحوادث، وتخطيط الترحيل.

Google Cloud مناسبة تمامًا لهذا الاختبار على وجه التحديد لأن عرضها العام أصبح الآن أوسع من مجرد نقطة نهاية لنموذج. في تقرير Alphabet السنوي لعام 2025، توصف Google Cloud بأنها تشمل البنية التحتية، والمنصة، والتطبيقات، وخدمات سحابية أخرى، مع عروض ذكاء اصطناعي مثل البنية التحتية للذكاء الاصطناعي للمؤسسات، وVertex AI، وGemini Enterprise، إلى جانب الأمن السيبراني وتحليلات البيانات. يذكر الإيداع نفسه أن Google Cloud حققت إيرادات بقيمة 58.705 مليار دولار في عام 2025، بينما يبلغ تقرير الربع الأول من عام 2026 (نموذج 10-Q) عن إيرادات لـ Google Cloud بقيمة 20.028 مليار دولار في هذا الربع، بزيادة 63% على أساس سنوي.

هذه ليست واجهة برمجة تطبيقات متخصصة للمطورين. إنها شركة سحابية مؤسسية كبيرة تطلب من العملاء نقل أعمالهم المتكررة إلى بنيتها التحتية.

يرفع الحجم المعيار. إذا أرادت Google Cloud أن تكون النظام الذي يقبل فيه الموظفون والمطورون وفرق البيانات ومجموعات العمليات الأعمال المدعومة بالذكاء الاصطناعي، فيجب على العملاء الحكم عليها بناءً على المهام المتكررة العادية بدلاً من اللحظات الحدودية.

هل يمكن لمحلل أن يطرح سؤالاً مؤسسًا حول سياسة داخلية ويحصل على إجابة حديثة وصحيحة الصلاحيات وقابلة للمراجعة؟ هل يمكن لوكيل مطور أن يقترح كودًا مع الحفاظ على التحكم بالمصدر، وأدلة الاختبار، وإمكانية التراجع؟ هل يمكن لسير عمل دعم العملاء أو الأمن توجيه توصية إلى الشخص المناسب مع سياق كافٍ لقبولها أو رفضها؟ هل يمكن لفريق بيانات معرفة أي مجموعة بيانات، وأي إصدار نموذج، وأي طلب مستخدم أنتج الإجابة؟ هذه أسئلة إنتاجية. لا تجيب عليها قدرة النموذج وحدها.

الحدود القانونية والعلامة التجارية ليست تجميلية

الشركة المعنية هي Google Cloud، وهي أعمال السحابة التي تديرها Google للبنية التحتية والبيانات والأمن والتعاون وخدمات الذكاء الاصطناعي للمؤسسات. لا ينبغي تسطيحها إلى Google Search، أو استخدام المستهلك لـ Gemini، أو إعلانات أبحاث DeepMind، أو YouTube، أو Android، أو كل نتيجة شريك وعميل تصادف أنها تشمل نموذجًا من Google. لغة القطاعات الخاصة بـ Alphabet مهمة هنا: تشمل Google Cloud منصة Google Cloud وGoogle Workspace، وتشمل خدمات GCP البنية التحتية، المنصة، البنية التحتية للذكاء الاصطناعي للمؤسسات، Vertex AI، Gemini Enterprise، الأمن السيبراني وتحليلات البيانات. هذا هو الحد التشغيلي لهذا المقال.

يحمي الحد أيضًا التحليل من خطأ سهل. تمتلك Google أبحاث نماذج على مستوى عالمي، لكن العميل الذي يشتري Google Cloud لا يحصل على ضمان مباشر بأن كل اختراق نموذج يصبح سير عمل مقبولًا ومستقرًا. يمكن لتقدم الأبحاث أن يحسن الإجابة الأولية. لا يزال سير العمل المحكوم يعتمد على سطح منتج السحابة: أدوار IAM، والتوفر الإقليمي، وإعدادات التسجيل الافتراضية، وموصلات البيانات، والحصص، وإشعارات دورة حياة النموذج، وترتيبات الدعم، واتفاقيات مستوى الخدمة، والفوترة وإدارة التغيير. نتيجة نموذج DeepMind ونتيجة إنتاج Google Cloud مرتبطتان، لكنهما ليسا نفس الدليل.

يقطع الحد أيضًا في الاتجاه الآخر. عندما تقول قصة عميل أن Replit تشغل Claude على Vertex AI أو أن Fifth Dimension تركز استدلال Gemini وClaude داخل Vertex AI، فإن الدليل يتعلق جزئيًا بـ Google Cloud كمستوى تحكم مُدار متعدد النماذج، وليس فقط بـ Gemini. هذا التمييز مهم تجاريًا. قد يختار العملاء Google Cloud لأنها تتيح لهم الجمع بين نماذج Google، ونماذج الشركاء، وBigQuery، وCloud Run، وضوابط الأمن السحابي داخل بنية واحدة. وقد يواجهون أيضًا تكاليف تحويل لأن هذه الضوابط نفسها تصبح جزءًا من عملية المخرجات المقبولة لديهم.

لذا فالسؤال عن المنتج ليس "هل Gemini جيد؟" بل "هل تستطيع Google Cloud جعل العمل المدعوم بالنموذج قابلًا للحوكمة بما يكفي لأن تقبل الشركة المخرجات بشكل متكرر بعد احتساب التكلفة الإجمالية؟" جودة Gemini هي أحد المدخلات. سطح التحكم السحابي هو المنتج.

Google Cloud تبيع سطح تحكم

يصف توثيق Google الحاليمنصة Gemini Enterprise Agent Platformبأنها منصة موحدة لبناء ونشر وحوكمة وتحسين أنظمة وكيلة على مستوى المؤسسات وحلول قائمة على النماذج. يقسمنظرة عامة على دورة الحياةدورة الحياة إلى البناء والتوسع والحوكمة والتحسين. يذكر Studio منخفض الكود، ومجموعة أدوات تطوير الوكلاء (Agent Development Kit) القائمة على الكود أولاً، والوصول إلى Model Garden، ووقت التشغيل المُدار، وإدارة الجلسات، وMemory Bank، وهوية الوكيل الفريدة، وسجل الوكلاء (Agent Registry)، وبوابة الوكلاء (Agent Gateway)، وتقييم Gen AI، وقابلية المراقبة السحابية (Cloud Observability)، والطوبولوجيا (Topology).

هذه القائمة كاشفة. تقول إن Google Cloud تعرف أن الذكاء الاصطناعي للمؤسسات ليس مجرد استدلال. نفس المنصة التي تستضيف نموذجًا يجب أن تجيب أيضًا على من أو ما الذي يتصرف، وأي أداة تمت الموافقة عليها، وما هي البيانات التي تدخل في النطاق، وما إذا تم تقييم الإجابة، وما إذا كان الإجراء قابلاً للملاحظة، وكيف يتم نشر وقت التشغيل. لذا فالمقارنة المفيدة ليست فقط مع OpenAI، أو Anthropic، أو Microsoft، أو AWS أو نموذج مفتوح المصدر. إنها سير العمل الحالي للعميل: عملية محلل يدوية، أو سير عمل SaaS قائم، أو مستودع بيانات ومكدس BI، أو قائمة انتظار تذاكر، أو إطار عمل وكيل محلي، أو قرار أقل خطورة بأتمتة أقل.

تتوافق قطع المنصة العامة بشكل طبيعي مع أسئلة الإنتاج.سجل الوكلاء (Agent Registry)يركز مكونات الذكاء الاصطناعي المعتمدة، وخوادم MCP، ونقاط النهاية بحيث لا يتشتت الوصول إلى الأدوات عبر تجارب منفصلة.بوابة الوكلاء (Agent Gateway)تستخدم بيانات السجل الوصفية، وهوية الوكيل، وضوابط السياسة مع إنتاج بيانات رصد عن بعد للتفاعلات.هوية الوكيل (Agent Identity)تمنح الوكيل هوية موثقة بقوة بناءً على SPIFFE، مع ذكر التوثيق أن الهويات لا تتم مشاركتها بين أحمال عمل متعددة بشكل افتراضي ولا يمكنها توليد مفاتيح حساب خدمة طويلة الأجل.

هذه الضوابط مهمة لأن الأنظمة الوكيلة تفشل بشكل مختلف عن روبوتات الدردشة. يمكن لروبوت الدردشة أن يكون مخطئًا في النص. يمكن للوكيل أن يكون مخطئًا أثناء قراءة البيانات، أو استدعاء أداة، أو تحديث تذكرة، أو كتابة كود، أو تشغيل نشر، أو تمرير تعليمات إلى خدمة أخرى. يجب أن يحافظ سطح التحكم على الفرق بين الاقتراح والإجراء. كما يجب أن يحتفظ بأثر دائم لما حدث عندما يعبر افتراض خاطئ من اللغة إلى حالة الإنتاج.

ميزة Google Cloud هي أن العديد من القطع المحيطة تعيش بالفعل في عقارها السحابي. IAM، وسجلات التدقيق السحابية (Cloud Audit Logs)، وBigQuery، وCloud Run، وWorkflows، وCloud Monitoring، وVPC Service Controls، والفوترة ليست إضافات من مشروع هواية منفصل. إنها بدائيات سحابية راسخة يمكن جلبها إلى سير عمل الذكاء الاصطناعي. الضعف هو نفسه: بمجرد أن يتبنى العميل المسار المتكامل، ترث سلسلة المخرجات المقبولة التعقيد، ونموذج التكلفة، وأنماط الفشل لمنصة سحابية.

تأسيس البيانات هو مشكلة الموثوقية الأولى

يفشل معظم عمل الذكاء الاصطناعي للمؤسسات قبل أن يصل إلى النموذج. البيانات غير مكتملة، أو قديمة، أو مفرطة الصلاحيات، أو موصوفة بشكل سيئ، أو مكررة، أو مقيدة إقليمياً، أو متناثرة عبر أنظمة SaaS والمستودعات. يمكن للنموذج القوي بمعزل أن ينتج إجابة غير مقبولة إذا زود نظام الاسترجاع سياسة الأمس، أو سجل عميل قديم، أو ملف لا ينبغي للمستخدم رؤيته، أو جدول تغير معناه دون تتبع السلالة.

تمتلك Google Cloud مادة خام موثوقة لهذه المشكلة.التأسيس باستخدام Agent Searchيتيح لـ Gemini الاتصال ببيانات المواقع الإلكترونية أو المستندات عبر Agent Search. تصف الصفحة المتطلبات الأساسية مثل أذونات IAM، وتفعيل تطبيقات الذكاء الاصطناعي، وإنشاء مخزن بيانات، وتقول إن التأسيس على بيانات العميل يمكن أن يستخدم حتى 10 مصادر بيانات من Agent Search. صفحة منتجAgent Searchالمنفصلة تضع الخدمة كنظام RAG مُدار لبيانات المؤسسات وتصف الاستشهادات، والروابط، والتحكم في مصدر البيانات، والموصلات.

هذا تقليل ذو معنى في تكلفة البناء. يمكن للفريق تجنب تجميع كل مكون من مكونات الابتلاع، وOCR، والتقطيع، والتضمين، والفهرسة، والاسترجاع، والاستشهاد يدويًا. لكن التأسيس المُدار لا يلغي عمل تحديد ما الذي يجب أن يؤسس عليه الجواب المقبول. الحد الأقصى لعدد مصادر البيانات هو قيد يجب التصميم حوله. الموصل الذي يقرأ Jira، أو SharePoint، أو Salesforce أو مخزن مستندات لا يزال يعتمد على حداثة تلك الأنظمة وأذوناتها ودلالاتها. إذا كانت السياسة الرسمية والسياسة المسودة كلتاهما في المخزن، فقد لا يعرف النموذج أيهما المعتمدة ما لم تحمل طبقة الاسترجاع والتعليمات تلك الحوكمة.

تضيف BigQuery طبقة ثانية. يصفتوثيق حوكمة البياناتالخاص بها كتالوج المعرفة (Knowledge Catalog)، واكتشاف البيانات الوصفية، وجودة البيانات، وتوصيف البيانات، والسلالة، وIAM، وضوابط الوصول على مستوى الصف والعمود، وVPC Service Controls، وسجلات التدقيق، والإخفاء، والتشفير، وضوابط المشاركة، والغرف النظيفة، ومقاييس الاستخدام. هذه هي أنواع الضوابط التي يحتاجها فريق البيانات قبل أن يتمكن من قبول نتيجة مدعومة بنموذج من سياق مستودع. كما أنها تضيف جهدًا. يجب على شخص ما تعريف مصطلحات المسرد، والمالكين، وقواعد الجودة، وسياسات الإخفاء، ومنح الوصول، وابتلاع السلالة، ومراقبة الاستخدام. قد يكون هذا العمل أرخص من بناء كومة حوكمة بيانات خاصة من الصفر، لكنه ليس مجانيًا.

حوكمة البيانات هي أيضًا حيث تصبح مقارنة التكلفة الإجمالية ملموسة. قد يقضي المحلل اليدوي ساعات في العثور على المستندات لكنه يعرف أي مصدر موثوق. قد يجيب وكيل مؤسس على السحابة في ثوانٍ لكنه يتطلب أسابيع من تنظيف الأذونات وضبط مخزن البيانات قبل أن يكون الجواب آمنًا بما يكفي لقبوله. السؤال ليس ما إذا كانت Google Cloud تستطيع استرداد البيانات. إنه ما إذا كان العميل يستطيع الحفاظ على سطح الاسترجاع دقيقًا وصحيح الأذونات بسرعة تغييرات الأعمال العادية.

تساعد التزامات الخصوصية، لكن الاحتفاظ والجغرافيا لا يزالان بحاجة إلى تصميم

تمنح التزامات Google Cloud العامة المشترين المؤسسيين نقطة انطلاق أقوى من استخدام المستهلك للذكاء الاصطناعي. تنصالشروط الخاصة بالخدمةمن Google Cloud على أن Google لن تستخدم بيانات العميل لتدريب أو ضبط نماذج AI/ML دون إذن العميل أو تعليماته. تقولصفحة حوكمة بيانات Agent Searchبالمثل أن بيانات العميل المستخدمة في Agent Search لا تُستخدم لتدريب النماذج الأساسية، وأن النماذج الأساسية مجمدة وتعالج المدخلات لتوفير المخرجات للخدمة.

هذا مهم. إنه يعالج أحد الأسئلة الأولى على مستوى مجلس الإدارة: ما إذا كانت طلبات الشركة المدخلة، والمستندات المسترجعة، والمخرجات تصبح بيانات تدريب لنموذج شخص آخر. كما أنه يساعد في تمييز الذكاء الاصطناعي المؤسسي من Google Cloud عن الاستخدام الاستهلاكي الأقل تحكمًا.

لكن جملة الخصوصية ليست تصميم الحوكمة بأكمله. يقولتوثيق عدم الاحتفاظ بالبياناتأن Google لا تستخدم بيانات العميل لتدريب أو ضبط النماذج المُدارة دون إذن، بينما يصف أيضًا سيناريوهات مثل مراقبة إساءة الاستخدام وأوضاع التأسيس حيث يمكن أن يختلف سلوك الاحتفاظ وقد يحتاج العملاء إلى طلب استثناءات أو فهم شروط منفصلة. التأسيس باستخدام Google Search وMaps له لغة احتفاظ خاصة به. هذا لا يجعل المنصة غير آمنة. إنه يعني أن على العميل مطابقة كل ميزة يشغلها مع فئة البيانات التي يرغب في كشفها والمنطقة التي قد تُعالج فيها.

السؤال الإقليمي مشابه. يقول توثيق التأسيس إن تطبيقات الذكاء الاصطناعي متاحة في مناطق عالمية، والاتحاد الأوروبي، والولايات المتحدة متعددة المناطق. لا يمكن لمؤسسة تعمل بموجب قواعد محلية البيانات أن تفترض أن كل ميزة ذكاء اصطناعي، ونموذج، وموصل، وسجل، ومسار دعم لها نفس الجغرافيا. نادراً ما تكون سيادة البيانات مفتاحًا واحدًا. إنها سلسلة من موقع النموذج، وموقع مخزن البيانات، والسجلات، والوصول للدعم، والنسخ الاحتياطي، والمراقبة، واستخدام نماذج الطرف الثالث، ووصول الموظفين.

تغير هذه السلسلة عملية الشراء. يجب على الشركة التي تختار بين Google Cloud، أو مزود سحابي آخر، أو ميزة ذكاء اصطناعي SaaS قائمة، أو نموذج مفتوح المصدر في بيئتها الخاصة، أو القيام بأتمتة أقل، أن تقارن أدلة مسار البيانات، وليس الشعارات. تمتلك Google Cloud العديد من بدائيات التحكم الصحيحة. لا يزال على المشتري أن يثبت أن مجموعة الميزات المختارة تناسب التزاماته المحلية، والاحتفاظ، والتدقيق.

الأذونات تقرر ما إذا كان الوكيل مفيدًا أم خطيرًا

الانتقال من الإجابة إلى الإجراء يعتمد على الهوية. النموذج الذي يمكنه فقط التلخيص مقيد بنصه. الوكيل المدعوم بنموذج الذي يمكنه قراءة بيانات خاصة، واستدعاء APIs، وكتابة تذاكر، وتعديل الكود، وتغيير سجلات العملاء، وبدء سير العمل، أو تشغيل عمليات النشر يحتاج إلى نموذج أذونات أضيق من حماس العرض التوضيحي.

يمنح توثيق Google Cloud العملاء عدة بدائيات مفيدة. يقولتوثيق IAM لمنصة الوكلاءإنه يمكن إدارة الوصول على مستوى المشروع أو المورد، وأنه يوصى باستخدام الأدوار المخصصة عندما تحتاج الفرق إلى قصر الوصول على الأذونات المطلوبة فقط.هوية الوكيل (Agent Identity)تجعل الوكيل نفسه جهة فاعلة بدلاً من إخفاء كل إجراء خلف حساب خدمة مشترك واحد.بوابة الوكلاء (Agent Gateway)تستخدم الهوية وبيانات السجل الوصفية لاتخاذ قرارات التفويض وإنفاذ السياسات.

هذه الضوابط قيمة فقط إذا استخدمها العميل بانضباط. طريق المقاومة الأقل في أي منصة هو الوصول الواسع أثناء المرحلة التجريبية: حساب خدمة واحد، دور واحد متساهل، العديد من الأدوات، ووعد بتشديده لاحقًا. قد يكون ذلك مقبولاً لصندوق رمل. إنه النمط الخاطئ لسير عمل مقبول. يحتاج سير العمل المحكوم إلى هويات منفصلة لفئات إجراءات منفصلة، وأذونات مصدر بيانات تتبع المستخدم أو المهمة، ونطاقات أدوات تطابق أقصى نصف قطر انفجار مقبول، وسجلات تحدد الوكيل والمستخدم والهدف.

يجب أن يميز التصميم أيضًا بين القراءة والاقتراح والتنفيذ. الوكيل الذي يقرأ سياسة ويصوغ ردًا لا ينبغي أن يكون لديه تلقائيًا إذن بإرسال الرد. الوكيل الذي يوصي بتغيير كود لا ينبغي أن يدمجه تلقائيًا. الوكيل الذي يصنف مشكلة عميل لا ينبغي أن يغير سجل الحساب تلقائيًا ما لم يكن للإجراء قاعدة موافقة، وفحص شرط لاحق، ومسار استرداد. الهدف من موثوقية سير عمل الذكاء الاصطناعي ليس منع كل إجراء آلي. إنه جعل سلطة كل إجراء واضحة ومحدودة.

هنا يمكن أن يساعد عقار Google Cloud المتكامل. IAM السحابي، وحسابات الخدمة، وسياسات مستوى المورد، وVPC Service Controls، وسجلات التدقيق مألوفة لفرق الأمن السحابي. لكن موضوع الحوكمة قد تغير. قد يكون الفاعل الآن وكيلاً، وقد تكون البيانات سياق استرجاع بدلاً من استعلام قاعدة بيانات مباشر، وقد يصبح المخرج إجراءً تجاريًا. يجب على فرق الأمن التعامل مع أذونات الوكيل كامتيازات إنتاج، وليس كإعدادات لكتابة الطلبات.

التقييم ميزة، وليس بديلاً عن الحكم

تستحق Google Cloud التقدير لجعل التقييم جزءًا من قصة المنصة. يقولنظرة عامة على خدمة تقييم Gen AIإنها تدعم التقييم الموضوعي القائم على البيانات لنماذج الذكاء الاصطناعي التوليدي وحالات الاستخدام مثل ترحيل النموذج، وتغييرات صياغة الطلب، والضبط الدقيق. تصف نماذج التقييم التكيفية كاختبارات نجاح/فشل مصممة خصيصًا للطلبات الفردية، على غرار اختبارات الوحدة في تطوير البرمجيات. يوسعتوثيق تقييم الوكلاءالفكرة لتشمل قدرة الوكيل على إكمال المهام والأهداف.

هذا هو الاتجاه الصحيح. تحتاج المؤسسات إلى التوقف عن معاملة تقييم الذكاء الاصطناعي كمسابقة بين الموردين لمرة واحدة. يحتاج سير العمل المحكوم إلى اختبارات متكررة للمخرجات المقبولة: هل استخدمت الإجابة المصدر المعتمد، وراعت حدود الدور، وتضمنت أدلة كافية، ورفضت عند فقدان البيانات، وأكملت استدعاء الأداة، وتجنبت التنسيق غير الآمن في المراحل اللاحقة، وبقيت ضمن أهداف وقت الاستجابة والتكلفة، وحافظت على مسار استرداد؟

لكن أدوات التقييم لا تخلق مجموعة الحقيقة. لا يزال على العميل تحديد ما هي الإجابة الجيدة، وجمع الحالات التمثيلية، وتسمية الحالات الحدية، وتحديد عتبات النجاح/الفشل، وتضمين أمثلة سلبية، واختبار حقن التعليمات، واختبار البيانات القديمة، واختبار عدم تطابق الأذونات، وتحديث المجموعة عندما تتغير الأعمال. إذا لم تكتب الشركة أبدًا كيف يقرر الإنسان ما إذا كان ملخص مخاطر المورد مقبولاً، فلا يمكن لخدمة تقييم النموذج استنتاج السياسة بأكملها. يمكنها تشغيل الاختبار بمجرد أن توفر المنظمة المعيار.

تنمو تكلفة التقييم أيضًا مع الطموح. قد يحتاج تدفق تلخيص بسيط إلى مجموعة صغيرة من الأمثلة وفحوصات يدوية موضعية. يحتاج الوكيل المحكوم الذي يكتب كودًا، أو يقرأ مستودع بيانات، أو يتصل بعميل، أو يحدث سجل امتثال إلى اختبار أعمق. يحتاج إلى شروط لاحقة خاصة بالإجراء، وفحوصات انحدار عبر إصدارات النموذج، وتعليمات عدائية، وميزانيات تكلفة ووقت استجابة، ومراجعة بشرية في الحالات غير المؤكدة. كلما زادت قيمة سير العمل، زادت تكلفة أدلة القبول.

هذه التكلفة لا تزال تستحق الدفع في كثير من الأحيان. المراجعة اليدوية بدون تقييم تتدرج بشكل سيئ وتفقد الانجراف. قد تخفي أداة SaaS القائمة سلوك نموذجها الخاص. يمكن للكومة الداخلية أن تخلق عبء تقييم أكبر لأن كل مكون يتم تجميعه محليًا. يمكن لخدمة التقييم من Google Cloud تقليل عمل البنية التحتية. إنها لا تزيل العمل التنظيمي لتحديد ما هو مقبول.

سجلات التدقيق تحول الصندوق الأسود إلى سجل، لكن فقط إذا تم تمكينها وقراءتها

قابلية التدقيق هي واحدة من أوضح مزايا Google Cloud على استدعاء نموذج مستقل. يقولتوثيق تسجيل تدقيق منصة الوكلاءإن خدمات Google Cloud تكتب سجلات تدقيق للمساعدة في الإجابة على من فعل ماذا وأين ومتى. لا يمكن تعطيل سجلات نشاط المسؤول. تحدد سجلات أحداث النظام إجراءات Google Cloud الآلية التي تعدل الموارد ولا يمكن تعطيلها أيضًا. تشمل سجلات الوصول إلى البيانات قراءة وكتابة البيانات المقدمة من المستخدم، لكن التوثيق يقول إنه يجب تمكينها صراحة.

صفحةتمكين سجلات تدقيق الوصول إلى البياناتالمنفصلة سهلة التفويت ومهمة للغاية. تقول إن العملاء بحاجة إلى تمكين تلك السجلات للحصول على سجلات تدقيق حول استخدام نقطة نهاية النموذج، وأن عرض تدفقdata_accessيتطلب عارض السجلات الخاصة (Private Logs Viewer). تضيفنظرة عامة على سجلات التدقيق السحابيةالعامة أن سجلات الوصول إلى البيانات خارج BigQuery معطلة افتراضيًا لأنها يمكن أن تكون كبيرة وقد تخلق رسومًا.

هذه مقايضة حوكمة عملية. التسجيل الكامل يخلق أدلة لكنه يخلق أيضًا تكلفة، وأسئلة احتفاظ، وأسئلة تحكم في الوصول، وعمل مراجعة. إذا لم يقم الفريق بتمكين السجلات الصحيحة، فقد لا يتمكن من إعادة بناء أي طلب، أو نقطة نهاية، أو مصدر بيانات، أو هوية، أو استدعاء أداة أدى إلى مخرج مقبول. إذا قام بتمكين كل شيء دون انضباط توجيه واحتفاظ، فقد يولد سجلات حساسة عالية الحجم يفحصها قلة من الناس. قابلية التدقيق ليست مربعًا لوضع علامة عليه. إنها منتج بيانات.

بالنسبة لسير عمل ذكاء اصطناعي مقبول، يجب أن يتضمن السجل الأدنى المستخدم أو الخدمة التي طلبت العمل، وهوية الوكيل، والنموذج والإصدار، ومصادر الاسترجاع، واستدعاءات الأدوات، وقرارات الأذونات، ونتيجة التقييم أو خطوة المراجعة، والمخرج النهائي المقبول، وأي إجراء لاحق. توثق Google Cloud عدة قطع من هذه السلسلة، لكن السجل الشامل يعبر حدود المنتج. قد يحتاج العميل إلى Cloud Logging، وسجلات التطبيق، وبيانات BigQuery الوصفية للوظائف، وبيانات بوابة الوكلاء (Agent Gateway) عن بعد، وسجلات التحكم بالمصدر، وتاريخ التذاكر، ومسارات تدقيق أنظمة الأعمال.

الأثر التجاري بسيط: التوفيرات التي تتجاهل مراجعة التدقيق مبالغ فيها. إذا وفر نموذج 20 دقيقة من الصياغة لكنه يتطلب 10 دقائق من فحص الأدلة، فإن توفير المخرج المقبول ليس 20 دقيقة. إذا منع التسجيل خطأ مكلفًا واحدًا، فقد تظل الاقتصاديات ممتازة. يجب أن تشمل المحاسبة عمل المراجعة.

انجراف الإصدارات هو تكلفة موثوقية

تتغير أنظمة الذكاء الاصطناعي أكثر من سير العمل المؤسسي التقليدي. تتقاعد النماذج، وتُهمل نقاط النهاية، وتتغير مرشحات الأمان، وتنمو نوافذ السياق، وتتبدل ملفات وقت الاستجابة، وتتغير الأسعار، وتظهر نماذج الشركاء أو تختفي. توجد صفحةإصدارات النماذج ودورة الحياةمن Google Cloud لأن هذا مصدر قلق تشغيلي حقيقي. تحدد شروط دورة الحياة لنماذج Gemini ونماذج التضمين، وتوفر تواريخ، وتوصي بالترقيات، وتشير إلى مسارات الترحيل. توثق ملاحظات الإصدار تحديثات الإنتاج، والميزات، والمشكلات المعروفة، والوظائف المهملة.

السؤال التشغيلي ليس ما إذا كان التغيير يحدث. إنه ما إذا كان التغيير مرئيًا قبل أن يكسر العمل المقبول. قد يؤدي ترحيل نموذج يحسن الاستدلال العام إلى تغيير النبرة، أو سلوك الرفض، أو مخطط المخرجات، أو أسلوب الاستشهاد، أو تكلفة الرموز، أو تكرار استدعاء الأداة. قد يحسن تغيير التأسيس الاسترجاع لأحد المجموعات ويقلل من آخر. قد يحظر تحديث مرشح الأمان مهمة أمنية داخلية مشروعة. قد يجبر إشعار الإهمال على الترحيل خلال ربع سنة مزدحم.

يمكن لـ Google Cloud المساعدة من خلال نشر معلومات دورة الحياة وأدوات التقييم. لا يزال العملاء بحاجة إلى انضباط ترحيل. يجب أن يكون لكل سير عمل مقبول مسار نموذج مثبت أو معلن حيثما أمكن، ومجموعة انحدار، ومجموعة بيانات تمثيلية، ونافذة تغيير، وخيار تراجع أو رجوع، ومالك يراقب ملاحظات الإصدار. إذا استخدم سير العمل نموذج شريك عبر Vertex AI، فإن العميل يعتمد أيضًا على دورة حياة نموذج ذلك الشريك وشروطه. يقلل اختيار النماذج المتعددة من الاعتماد على نموذج واحد لكنه يمكن أن يزيد من عمل الاختبار.

هذا أحد أسباب كون قاسم المخرجات المقبولة مفيدًا. قد يبدو استدعاء نموذج واحد رخيصًا. سير العمل المحكوم يشمل الترحيلات المستقبلية. إذا لم يستطع العميل تحمل اختبار تغييرات النموذج، فلا ينبغي له أتمتة الأعمال عالية العواقب بعمق. إذا كان سير العمل ذا قيمة كافية، يصبح التقييم المتكرر وتخطيط الترحيل جزءًا من التكلفة الحقيقية للمنتج.

السعة والحوادث تجعل الموثوقية خيار تصميم

تمتلك Google Cloud نطاق البنية التحتية لخدمة الذكاء الاصطناعي للمؤسسات، لكن لا ينبغي للعملاء الخلط بين النطاق والسعة اللانهائية. يبلغ تقرير الربع الأول من عام 2026 (10-Q) لـ Alphabet عن 462.3 مليار دولار من التزامات الأداء المتبقية المتعلقة بـ Google Cloud واستثمارات كبيرة في البنية التحتية التقنية. كما يقول إن النفقات الرأسمالية للربع الأول من عام 2026 كانت 35.7 مليار دولار وأن Alphabet توقعت زيادة الاستثمار في البنية التحتية التقنية مقارنة بعام 2025. يشير هذا النطاق إلى الطلب والالتزام. كما يظهر أن سعة الذكاء الاصطناعي كثيفة رأس المال.

على مستوى المنتج، تقدم Google Cloud عدة مفاهيم للاستهلاك والسعة. تصفنظرة عامة على الإنتاجية المخصصة (Provisioned Throughput)اشتراكًا بتكلفة ثابتة ومدة ثابتة يحجز الإنتاجية لنماذج الذكاء الاصطناعي التوليدي المدعومة حسب النموذج والموقع. توصي بالنظر في الخيار لتطبيقات الإنتاج في الوقت الفعلي، وأحمال العمل الحرجة ذات الإنتاجية العالية باستمرار، وتجربة المستخدم المتوقعة، والتكاليف المحددة. يسردتوثيق الحصصالحدود الإقليمية وحدود النموذج، وحصص وقت تشغيل الوكيل (Agent Runtime)، وحصص التقييم، وسلوك الدُفعات. يلاحظ أن استدلال Gemini الدفعي يستخدم مجموعة مشتركة وقد يضع العمل في قائمة انتظار أثناء ضغط السعة.

هذه التفاصيل ليست تفاهات مشتريات. إنها تشكل ما إذا كان سير العمل موثوقًا. يمكن لوكيل دعم العملاء المستخدم من قبل عدد قليل من الموظفين الداخليين تحمل تقلب الدفع حسب الاستخدام بسهولة أكبر من نظام مطالبات يواجه العملاء أثناء ذروة الحجم. يمكن لدُفعة تقييم ليلية أن تنتظر في الطابور إذا كانت النتيجة مطلوبة غدًا، لكن ليس إذا كانت تتحكم في نشر في نفس الساعة. قد يحتاج سير عمل بهدف وقت استجابة صارم إلى إنتاجية مخصصة (Provisioned Throughput) أو مسار بديل. قد تكون التكلفة المحددة مهمة بقدر أهمية وقت الاستجابة المحدد لأن العمل المدعوم بنموذج يمكن أن يخلق تكاليف رموز، واسترجاع، وتسجيل، ومراجعة يصعب التنبؤ بها خلال المرحلة التجريبية.

حوادث الحالة توضح النقطة نفسها. في 27 فبراير 2026، أبلغت Google Cloud عنحادث Vertex AI Gemini APIاستمر لمدة ساعة و 58 دقيقة وأثر على نقطة النهاية العالمية ومناطق الولايات المتحدة. كان السبب الجذري المبلغ عنه هو تغيير تكوين لخدمة ترشيح الأمان التي تدعم نماذج Gemini، مما أدى إلى أخطاء حمل زائد؛ وشملت المعالجة التراجع، وإضافة سعة، وتعزيز نقاط التحقق من التحقق، وتحسين التنبيه. في 18 يوليو 2025، أثرحادث us-east1 متعدد المنتجاتعلى منتجات بما في ذلك Cloud Run، وCloud Workflows، وBigQuery، وIAM، وCloud Monitoring، وVertex AI Online Prediction وVPC بعد مشكلة في سير عمل الأجهزة/مستوى التحكم.

لا تثبت هذه الحوادث أن Google Cloud غير موثوقة بشكل غير عادي. إنها تثبت أن سير عمل الذكاء الاصطناعي المحكوم يعتمد على خدمات مشتركة: APIs النموذج، ومرشحات الأمان، والمناطق، والشبكات، وIAM، والمراقبة، والتنسيق، ومنصات البيانات. يحتاج سير العمل المرن إلى قاعدة للبيانات القديمة، وقاعدة إعادة محاولة، ونموذج أو طابور بديل، ورسالة وضع متدهور، ومسار يدوي للعمل العاجل، وطريقة للتمييز بين فشل المنصة وفشل النموذج. قد يكون النموذج قادرًا بينما نقطة النهاية محدودة المعدل. قد تكون البيانات صحيحة بينما مشغل سير العمل يفشل. قد يكون الوكيل سليمًا بينما مسارات IAM أو الشبكة معطلة.

الموثوقية إذن هي جزئيًا ميزة منتج وجزئيًا خيار معماري. تقدم Google Cloud اتفاقيات مستوى خدمة وخيارات سعة. لا يزال العميل يقرر أي المهام تستحق إنتاجية محجوزة، أو تصميم متعدد المناطق، أو رجوع يدوي، أو أتمتة أقل.

التراجع أسهل للحوسبة منه لحالة الأعمال المقبولة

تمتلك Google Cloud ضوابط نشر ناضجة للبنية التحتية للبرمجيات.يسمح Cloud Runللفرق بتقسيم حركة المرور، وطرح مراجعة تدريجيًا، والتراجع إلى مراجعة سابقة. يحذر التوثيق أيضًا من أن تغييرات حركة المرور ليست فورية وأن الطلبات قيد التنفيذ تستمر أثناء الانتقال.يدعم Workflowsهياكل المحاولة وإعادة المحاولة ومعالجة الاستثناءات.

هذه ضوابط مفيدة لتطبيقات الذكاء الاصطناعي. يمكن للفريق نشر خدمة وكيل جديدة لنسبة صغيرة من حركة المرور، ومراقبة الأخطاء، والتراجع عن الحاوية إذا تصرفت بشكل سيئ. يمكنه التقاط فشل HTTP عابر، وإعادة محاولة استدعاءات محددة، والتفرع إلى مسار استثناء. يمكنه توجيه سير عمل فاشل إلى تذكرة بدلاً من التظاهر بأن الإجراء قد اكتمل.

لكن التراجع التجاري أصعب من التراجع في البنية التحتية. إذا صاغ وكيل إجابة ولم يرسلها إنسان، فالتراجع بسيط: تجاهل المسودة. إذا قام وكيل بتحديث حقل CRM، أو قدم نموذج امتثال، أو غير سياسة، أو أرسل رسالة، أو وافق على استرداد، أو فتح قضية دعم، أو دمج كودًا، فإن الأثر الجانبي يعيش خارج نقطة نهاية النموذج. التراجع عن مراجعة Cloud Run لا يلغي إرسال الرسالة أو يعيد فهم العميل القديم. يمكن لإعادة المحاولة أن تجعل الفشل المؤقت أسوأ إذا لم يكن الإجراء اللاحق متكافئًا.

هنا يصبح اختبار المخرجات المقبولة صارمًا. تحتاج كل فئة إجراء إلى شرط لاحق ومسار استرداد. يحتاج سير عمل تغيير الكود إلى أدلة تحكم بالمصدر، واختبارات، وتراجع في النشر، وملكية المشكلة. يحتاج سير عمل نتيجة البيانات إلى سلالة الاستعلام، وإصدار مجموعة البيانات، وفحوصات جودة البيانات، وإجراءات التصحيح. يحتاج سير عمل إجراء العميل إلى عتبات موافقة وطريقة لإخطار العميل إذا تبين لاحقًا أن الإجابة المقبولة خاطئة. يحتاج سير عمل الأمن أو العمليات إلى تجاوز بشري ومسار لإزالة حظر خاطئ.

يمكن لـ Google Cloud توفير العديد من الضوابط منخفضة المستوى، لكنها لا تستطيع تحديد معكوس الأعمال للعميل. يمكن للمنصة أن تسمح للعميل ببناء إعادة المحاولة؛ ولا يمكنها معرفة ما إذا كانت إعادة محاولة الإجراء آمنة. يمكن للمنصة تسجيل الطلب؛ ولا يمكنها ضمان وصول النظام اللاحق إلى الحالة المقصودة ما لم يتحقق سير العمل من الوجهة. ينتقل العبء إلى التصميم.

قصص العملاء تظهر التبني، وليس إجابة شاملة

قصص عملاء Google Cloud هي إشارات سوقية مفيدة لأنها تظهر أنواع سير العمل التي يحاول المشترون تنفيذها. لا ينبغي قراءتها كمعايير مستقلة.

أفادتFletcherTechبنشر Gemini Enterprise على البيانات الأساسية في ثلاثة أسابيع، وتقديم 31778 إجابة لـ 222 موظفًا على مدى ثلاثة أشهر وتوفير أكثر من 2500 ساعة. تذكر القصة موصلات البيانات، Jira، ServiceNow، SharePoint، مساعدي الذكاء الاصطناعي المخصصين، ومشروع Google Cloud مخصص لحوكمة الموارد والوصول والتكلفة. هذا قريب من موضوع المخرجات المقبولة: القيمة ليست فقط المساعد، بل التكامل في الأنظمة والضوابط اليومية.

أفادتFifth Dimensionباستخدام Vertex AI لمركزة استدلال Gemini وClaude لسير عمل العقارات التجارية الثقيلة المستندات، مع Cloud SQL، وCloud Storage، وCloud Run، وBigQuery في الكومة. تصف القصة سير عمل طويل الأجل وهدف موثوقية مُبلغ عنه بنسبة 99.9%. إنه مثال مفيد على Google Cloud كمنصة سير عمل متعددة النماذج بدلاً من بيئة Gemini فقط.

أفادتReplitباستخدام Claude على Vertex AI، وGemini، وCloud Run، وCompute Engine، وCloud SQL، وBigQuery لدعم إنشاء ونشر البرمجيات بمساعدة الذكاء الاصطناعي. تقول القصة إن Replit تدعم أكثر من 35 مليون مطور وأكثر من 100000 تطبيق عبر Cloud Run. مرة أخرى، الدرس معماري: الوكيل متصل بالنشر والبيانات والبنية التحتية.

القيود لا تقل أهمية. هذه القصص لا تكشف عن معدلات الاستثناءات الكاملة، أو المخرجات المقبولة الخاطئة، أو دقائق المراجعة البشرية، أو وقت التراجع، أو عمل الترحيل، أو الطلبات الفاشلة، أو تكلفة تنظيف البيانات، أو ما حدث عندما تدهورت نقطة النهاية. إنها ليست عديمة الفائدة لأنها ترويجية؛ إنها مفيدة إذا قُرئت كدليل تبني. تظهر أن العملاء ينقلون أعمالاً حقيقية إلى أسطح الذكاء الاصطناعي من Google Cloud. لا تثبت أن كل مؤسسة ستوفر المال بعد تكاليف الإشراف والتكامل.

تعتمد الحالة التجارية على تقليل العمل الإجمالي

تكون الحالة التجارية لـ Google Cloud أقوى عندما تكون المهمة متكررة، وغنية بالأدلة، ومحددة الأذونات، ومكلفة بما يكفي لأن تتفوق الأدوات الأفضل على العمل اليدوي. المرشحون الجيدون يشملون إجابات المعرفة الداخلية المؤسسة على مصادر معتمدة، وتغييرات الكود في المسودة الأولى مع الاختبارات والمراجعة، واستخراج البيانات الثقيلة المستندات، وفرز الدعم، والإثراء الأمني، والتحليلات المحكومة، وتوجيه سير العمل حيث يمكن فحص المخرج المقبول قبل أن يغير العالم الخارجي.

تضعف الحالة عندما تكون المهمة نادرة، أو غامضة، أو عالية المسؤولية، أو موثقة بشكل سيئ، أو منتشرة عبر أنظمة لا يمكن الوصول إليها، أو تعتمد على حكم بشري ضمني. في تلك الحالات قد يظل النموذج يساعد في الصياغة أو البحث، لكن سير العمل المقبول قد يبقى بشريًا في الغالب. القيام بأتمتة أقل يمكن أن يكون عقلانيًا. لا تحتاج الشركة إلى وكيل مستقل لمهمة تحدث مرتين في الشهر ولها عواقب وخيمة إذا أخطأت.

مجموعة البدائل واسعة. العمل اليدوي له اعتماد منخفض على المنصة لكن تكلفة عمالة عالية وأدلة غير متسقة. قد يكون للذكاء الاصطناعي SaaS القائم تكامل نطاقي متفوق لكن حوكمة أضعف عبر الأنظمة أو خيار نموذج أضعف. قد يقدم مزود سحابي/نموذج آخر أداء نموذج أفضل أو ملاءمة للنظام البيئي لكنه يتطلب تكامل بيانات وهوية مختلفًا. قد يقلل المصدر المفتوح من الارتباط بالمورد ويحسن التحكم، مع زيادة أعمال الاستضافة والأمن والتقييم والعمليات. يمكن تفصيل الكومة الداخلية لكنها تتطلب هندسة منصة نادرة. عرض Google Cloud هو أن سطحها المتكامل للذكاء الاصطناعي والبيانات والهوية والنشر والتسجيل يخفض تكلفة المسار الأوسط.

يجب حساب تكلفة التحويل من البداية. إذا بنى العميل مخازن بيانات، ومجموعات تقييم، وأدوار IAM، وخدمات Cloud Run، وWorkflows، وسلالة BigQuery، ومسارات التدقيق، ولوحات المعلومات، وعمليات الدعم حول Google Cloud، فإنه يكسب التماسك لكنه يفقد قابلية النقل. قد يكون نموذج منافس قابلاً للاستدعاء عبر Vertex AI أو مزود منفصل، لكن نظام المخرجات المقبولة هو أكثر من مجرد نموذج. إنه يشمل السجلات، والأذونات، والمقيمين، وعقود البيانات، وأنماط النشر.

هذا ليس سببًا لتجنب Google Cloud. إنه سبب لتصميم مسارات خروج. خزن مجموعات بيانات التقييم بصيغ محمولة. احتفظ بقواعد الأعمال خارج التعليمات الحرة الشكل حيثما أمكن. افصل محولات النموذج عن منطق سير العمل. تتبع مستندات المصدر ومخططات المخرجات. اجعل سجلات التدقيق قابلة للقراءة خارج كونسول واحد. أفضل نتيجة للعميل ليست انعدام الارتباط؛ إنها نمطية كافية تجعل Google Cloud تكسب عبء العمل بتقليل العمل، وليس بحبس العملية.

ما يجب أن يسأله المشتري الجاد

يجب كتابة سؤال الشراء كاختبار تشغيلي. بالنسبة لمهمة واحدة متكررة، ما هو المخرج المقبول، ومن يقبله، وما الأدلة المطلوبة، وما البيانات التي يمكن استخدامها، وما الإجراء الذي يمكن أن يتبع، وماذا يحدث عندما يكون خاطئًا؟ يجب أن يسبق هذا البيان قرار المنصة.

بالنسبة لـ Google Cloud تحديدًا، يجب على المشتري أن يسأل ما إذا كان سير العمل يحتاج إلى تجربة المساعد المواجه للموظف من Gemini Enterprise، أو سطح البناء والحوكمة لمنصة الوكلاء (Agent Platform)، أو تأسيس Agent Search، أو حوكمة BigQuery، أو نشر Cloud Run، أو تنسيق Workflows، أو كلها. شراء كل القطع دون تعريف مهمة يخلق برنامج منصة، وليس سير عمل موثوقًا. شراء القليل جدًا يخلق عرضًا توضيحيًا لنموذج لا يمكن حوكمته.

يجب على المشتري أيضًا أن يسأل عن سجلات الوصول إلى البيانات التي سيتم تمكينها، ومن يمكنه عرضها، وأين يتم الاحتفاظ بها، وما هي عملية المراجعة التي تحول السجلات إلى إشراف. يجب أن يقرر أي الإجراءات تتطلب موافقة بشرية، وأيها يمكن تشغيله تلقائيًا، وأيها لا ينبغي تفويضه أبدًا. يجب أن يحدد خطة ترحيل النموذج قبل أن يتغير إصدار النموذج الأول. يجب أن يعرف قواعد الحصص والإنتاجية قبل أن يصبح المشروع التجريبي الناجح منتجًا مزدحمًا. يجب أن يكتب بديلاً لأخطاء نقطة النهاية والاسترجاع القديم. يجب أن يختبر حقن التعليمات والتعامل غير الآمن مع المخرجات لأن قائمة مخاطر LLM من OWASP ليست نظرية للأنظمة التي تمرر مخرجات النموذج إلى الأدوات.

أخيرًا، يجب على المشتري إبقاء القاسم البشري مرئيًا. كم عدد المخرجات المقبولة المتوقعة في الأسبوع؟ كم عدد المرفوضة؟ كم تستغرق المراجعة؟ كم مرة يطلب الوكيل توضيحًا؟ كم عدد المخرجات التي تحتاج إلى تصحيح بعد القبول؟ كم مرة يقوم مالكو البيانات بتحديث المجموعة؟ كم ساعة هندسية تذهب إلى ترحيل النموذج والتسجيل؟ إذا لم يتم جمع هذه الأرقام، فستقيس المنظمة الحماس بدلاً من الإنتاجية.

تمنح Google Cloud المؤسسات سطح تحكم جاد لسير عمل الذكاء الاصطناعي المحكوم. لديها النماذج، والعقار البياناتي، وآلية الهوية، وطبقة النشر، والسجلات، وخدمة التقييم، والنطاق التجاري. الاختبار غير المحلول هو ما إذا كان العملاء يستطيعون استخدام هذه القطع لتقليل العمل الإجمالي بمجرد احتساب الإشراف. الفائز ليس المنصة التي تجيب بأسرع وقت في عرض توضيحي. إنها تلك التي تظل مخرجاتها المقبولة مفيدة، وقابلة للتفسير، وصحيحة الأذونات، وقابلة للاسترداد بعد التشغيل العادي المئة.