تنبيهات الواجهة الأمامية وروبوت فرز بمساعدة الذكاء الاصطناعي

المشكلة

كانت حالات الانسحاب الصامت أثناء التسليم إلى أطراف ثالثة تُكتشف بعد أيام عبر دعم العملاء. وكانت التنبيهات قائمة على عتبات ثابتة وكثيرة الضجيج، فتعوّد الناس على تجاهلها.

النهج

• خطوط أساس نسبية بدل العتبات الثابتة. تشغّل خدمة التنبيه استعلامات SQL على مخزن القياس عن بُعد وتقارن كل مؤشر بالساعة نفسها من الأسبوع الماضي. انخفاض بنسبة 20% يعني شيئًا في الثالثة فجرًا في منطقة وفي الظهيرة في منطقة أخرى، ولم تعد تقلبات الحركة العالمية تسبب إنذارات كاذبة.
• تنبيه يصل مع سياقه. عند إطلاق التنبيه تُنشر بطاقة حادثة في محادثة الفريق. ثم يجمع عامل في الخلفية أحدث أخطاء الواجهة الأمامية ونسخة الإعدادات النشطة وسجلات النشر، ويرسلها كمُوجِّه منظَّم إلى واجهة نموذج لغوي.
• ملخص داخل السلسلة. يرد الروبوت بسبب جذري محتمل، مثل: انخفاض تحويل خطوة واحدة في منطقة واحدة، وخطأ null-pointer في غلاف أصلي، وتغيير في الإعدادات صدر قبل 15 دقيقة، وخدمة لاحقة تنتهي مهلتها.

النتيجة

انخفض زمن الاكتشاف من ساعات أو أيام إلى دقائق، وتراجع زمن التخفيف، وأصبحت التنبيهات موضع ثقة. وتتبّعتُ أيضًا نسبة الإشارة إلى الضجيج في التنبيهات (حصة التنبيهات المرتبطة بحوادث حقيقية) ومتوسط الزمن بين الأعطال لوحدات الواجهة الأمامية.

لماذا بهذه الطريقة

التنبيه العادي يخبرك أن شيئًا ما تعطّل. أما جمع البيانات تلقائيًا وتلخيصها فيسد الفجوة بين المؤشر وفهم الشخص له، وهنا كان يضيع معظم زمن الاستجابة.