كيفية إنشاء حلول Power Query معقدة باستخدام الذكاء الاصطناعي (خطوة بخطوة)

يصبح العمل المعقد في Power Query أسهل عندما تتعامل معه باعتباره سير عمل مضبوطًا بدلًا من كونه طلبًا لمعادلة لمرة واحدة. في هذا الدليل، أشرح كيفية استخدام الذكاء الاصطناعي لتخطيط التحويلات، وإنشاء منطق Power Query وتحسينه، والتعامل مع ملفات المصدر الكبيرة أو متعددة التنسيقات، والتحقق من المصنف الناتج مقارنةً بالأدلة الأصلية. تستهدف هذه العملية المحللين وفرق الشؤون المالية والعمليات وكل من يتحمل مسؤولية إعداد تقارير قابلة للتكرار. ويتمثل النهج الموثوق الأسرع في السماح للذكاء الاصطناعي بتسريع الإنشاء، مع قيام تدقيق مستقل بالتحقق من كل رقم مهم قبل التسليم.

Rachel Hu

أنا Rachel Hu. أمضيت أكثر من عقد في بناء أنظمة ذكاء اصطناعي آمنة للبيئات المعقدة وعالية المخاطر، بدءًا من التمويل الكمي ووصولًا إلى تطبيقات علم البيانات القابلة للتوسع.

150+

نوع ملف مدعوم

3×

انخفاض مزعوم في الهلوسة

100k+

شركة حول العالم

94.4%

دقة منشورة في لوحة المتصدرين

موثوق به من أكثر من 100 ألف شركة حول العالم.

ما المقصود بإنشاء حلول Power Query معقدة باستخدام الذكاء الاصطناعي؟ (تعريف سريع)

يعني إنشاء حلول Power Query معقدة باستخدام الذكاء الاصطناعي الاستعانة بنظام ذكاء اصطناعي للمساعدة في تصميم وتحويل وتوثيق وصيانة سير عمل للبيانات يجمع بين ملفات متعددة وقواعد أعمال وحسابات ومخرجات مختلفة. يستطيع Power Query إدخال البيانات في مسار قابل للتكرار، بينما يمكن للذكاء الاصطناعي المساعدة في التخطيط والتنفيذ؛ إلا أن التحقق يظل ضروريًا عندما تدعم النتيجة قرارات مالية أو تشغيلية أو بحثية أو غيرها من القرارات عالية المخاطر. والهدف ليس مجرد إنتاج استعلام، بل إنشاء سير عمل قابل لإعادة الإنتاج يمكن تتبع مخرجاته إلى بيانات المصدر.

مكوّنات سير عمل Power Query بمساعدة الذكاء الاصطناعي

خطّط للتحويلات قبل كتابتها

صِف أعمدة المصدر والمخرجات المطلوبة وعمليات الربط والتصفية وقواعد التجميع ومعالجة الاستثناءات بلغة واضحة. يستطيع الذكاء الاصطناعي تحويل هذه المواصفات إلى تسلسل منظم يسهل فحصه أكثر من سلسلة خطوات مرتجلة.

اعمل مع المصنفات والملفات الفعلية

غالبًا ما يمتد التحليل المعقد ليشمل جداول البيانات ومستندات Word والعروض التقديمية والصور الممسوحة ضوئيًا وملفات PDF وتنسيقات أخرى. توضح Energent دعمها لأكثر من 150 نوعًا من الملفات، ويمكنها إنشاء مصنفات Excel تتضمن صيغًا مباشرة وعلامات تبويب لمسار التدقيق.

حوّل حلًا واحدًا إلى سير عمل قابل لإعادة الاستخدام

يمكن حفظ تقارير المصروفات الشهرية وتقارير التداول الأسبوعية وروتين تحليل الأسهم كمهارات مسماة قابلة لإعادة التشغيل. ويمنع ذلك إعادة بناء منطق التحويل نفسه من الصفر كل أسبوع.

تحقق من النتائج بشكل مستقل

يعيد مدقق مستقل حساب الأرقام، ويتتبعها إلى ملف المصدر والصف والحقل المحدد، ويفحصها مقابل المراجع، ثم يصدر حكمًا بالنجاح أو الفشل مدعومًا بالأدلة. وهذا يجعل المخرجات أكثر قابلية للدفاع عنها من استجابة ذكاء اصطناعي لم تُراجع.

قدّم نتيجة جاهزة لأصحاب المصلحة

قد ينتج سير العمل المكتمل مصنفًا أو لوحة معلومات أو ملف PDF مشروحًا أو مستند Word أو عرض PowerPoint أو حزمة ZIP أو تقرير HTML. احرص على إبقاء منطق التحويل ومراجع المصدر والحسابات والاستثناءات واضحة للمراجع النهائي.

تابع العمل طويل الأمد عبر الأجهزة

توضح Energent أن سير العمل قد يستمر من 300 إلى أكثر من 3,000 رسالة، مع إمكانية الاستئناف بعد إعادة ضبط السياق. يمكن بدء سير العمل على حاسوب مكتبي ومراقبته من الهاتف ثم متابعته لاحقًا من جهاز لوحي.

إجابة سريعة (ابدأ بهذا أولًا)

حدّد سؤال العمل وملفات المصدر والمخرجات المتوقعة وقواعد القبول قبل أن تطلب من الذكاء الاصطناعي كتابة التحويلات.
السيناريو A: بالنسبة إلى مصنف متكرر ومنظم، استخدم الذكاء الاصطناعي لربط الأعمدة وإنشاء منطق التحويل وحفظ العملية كسير عمل قابل لإعادة الاستخدام.
السيناريو B: بالنسبة إلى الملفات المختلطة أو الممسوحة ضوئيًا أو عالية المخاطر، طبّع المصادر أولًا واشترط وجود دليل على مستوى المصدر لكل مخرج جوهري.
اطلب من الذكاء الاصطناعي تحديد القيم المفقودة والمفاتيح المكررة وعدم تطابق الأنواع والإجماليات غير المتوقعة والصفوف المستبعدة بواسطة عوامل التصفية.
افصل منطق التحويل عن منطق العرض حتى لا يؤدي تغيير لوحة المعلومات إلى تعديل البيانات الأساسية دون ملاحظة.
أجرِ تدقيقًا مستقلًا يعيد حساب الأرقام المهمة ويتتبعها إلى الملف والصف والحقل الأصلي.
احفظ سير العمل المصحح وقواعد التدقيق الخاصة به حتى تكرر عمليات التشغيل المستقبلية الإصلاح بدلًا من إعادة إنشاء الخطأ.

المتطلبات الأساسية (ما تحتاج إليه)

الوصول إلى Power Query عبر Excel أو بيئة بيانات Microsoft المناسبة
ملفات المصدر الأصلية وسجل واضح لتواريخها وإصداراتها ومالكيها
تعريف مكتوب لأعمدة المخرجات والحسابات وعوامل التصفية المطلوبة
الإجماليات المتوقعة أو القيم المرجعية أو قواعد الأعمال اللازمة للتحقق
الإذن بالوصول إلى الملفات ونشر المصنف أو التقرير الناتج
نسخة اختبارية من البيانات قبل تغيير سير عمل الإنتاج
مساحة عمل للذكاء الاصطناعي قادرة على التعامل مع أنواع الملفات الموجودة في المشروع

خطوة بخطوة: إنشاء حلول Power Query معقدة باستخدام الذكاء الاصطناعي

الخطوة 1: اكتب مواصفات المخرجات

ما يجب فعله: اذكر الجداول والأعمدة وأنواع البيانات والحسابات وعمليات الربط وعوامل التصفية والفترة الزمنية وتنسيق التسليم النهائي المطلوبة. أضف المعنى التجاري لكل حقل مهم بدلًا من الاعتماد على أسماء الأعمدة وحدها.

تبدو النتيجة الناجحة كما يلي: يستطيع محلل آخر قراءة المواصفات ووصف ما يجب أن تتضمنه النتيجة الصحيحة.

خطأ شائع يجب تجنبه: لا تطلب من الذكاء الاصطناعي «تنظيف هذه البيانات» دون تحديد معنى التنظيف في المشروع.
الخطوة 2: احصر المصادر وأنشئ ملفًا تعريفيًا لها

ما يجب فعله: حدّد كل مصنف أو مستند أو نسخة ممسوحة ضوئيًا أو ملف تصدير مستخدم، ثم افحص العناوين وعدد الصفوف والمعرّفات المكررة ونطاقات التواريخ والحقول الفارغة والأنواع غير المتسقة. ميّز بين القيم المفقودة والأصفار، وسجّل أي فترات محجوبة أو غير متاحة.

تبدو النتيجة الناجحة كما يلي: تعرف أي مصدر هو المرجع المعتمد لكل حقل مخرج وأي الملفات تحتاج إلى معالجة خاصة.

خطأ شائع يجب تجنبه: لا تستبدل الملاحظات المفقودة بصفر أو تستوفِر فترة لم تُقدَّم بياناتها بشكل صامت.
الخطوة 3: اطلب من الذكاء الاصطناعي اقتراح خطة التحويل

ما يجب فعله: زوّد الذكاء الاصطناعي بمخطط المصدر ومواصفات المخرجات، ثم اطلب تسلسلًا لخطوات الاستيراد وترقية العناوين وتغيير الأنواع وإزالة التكرارات وربط الجداول ومعالجة الاستثناءات وتجميع النتائج. اطلب منه ذكر الافتراضات قبل إنشاء التعليمات البرمجية أو الصيغ.

تبدو النتيجة الناجحة كما يلي: لكل تحويل غرض ومدخل ومخرج واضح، وسبب يبرر وجوده في التسلسل.

خطأ شائع يجب تجنبه: لا تقبل استعلامًا يبدو منطقيًا إذا لم يتم شرح مفاتيح الربط أو مستوى التفاصيل أو سلوك عوامل التصفية.
الخطوة 4: أنشئ الاستعلام على مراحل صغيرة قابلة للاختبار

ما يجب فعله: نفّذ سير العمل عبر نقاط تحقق مثل استيراد المصدر والتطبيع وعمليات الربط وقواعد الأعمال والتجميع وتشكيل المخرجات. اختبر كل مرحلة بعدد الصفوف والسجلات النموذجية والإجماليات قبل الانتقال إلى المرحلة التالية.

تبدو النتيجة الناجحة كما يلي: يمكن حصر النتيجة الفاشلة في مرحلة واحدة بدلًا من إعادة البناء بالكامل.

خطأ شائع يجب تجنبه: تجنب خطوة واحدة غامضة تجمع التنظيف والربط والحساب والتنسيق.
الخطوة 5: أضف معالجة الاستثناءات وجودة البيانات

ما يجب فعله: حدّد السلوك المتبع للمعرّفات الفارغة والسجلات المكررة والتواريخ غير الصالحة والأرباع المفقودة والفئات غير المتوقعة وقيم المصدر المتعارضة. أنشئ جدول استثناءات أو علامة تبويب لمسار التدقيق بدلًا من إخفاء الصفوف المرفوضة.

تبدو النتيجة الناجحة كما يلي: يوضح سير العمل ما تم تضمينه وما تم استبعاده والسبب.

خطأ شائع يجب تجنبه: لا تستخدم خطوات إزالة الأخطاء التي تتخلص من الأدلة دون الاحتفاظ بالسجلات المتأثرة.
الخطوة 6: أنشئ طبقة التقارير

ما يجب فعله: أنشئ المصنف أو لوحة المعلومات أو التقرير النهائي من جداول المخرجات التي تم التحقق منها. استخدم الصيغ والتجميعات وحسابات الفروقات والمخططات التي تجيب عن السؤال الأصلي دون تغيير التحويلات الأساسية.

تبدو النتيجة الناجحة كما يلي: يستطيع صاحب المصلحة فهم النتيجة، بينما يستطيع المراجع التقني تتبعها إلى المصدر.

خطأ شائع يجب تجنبه: لا تُخفِ التباين البصري بالتنسيق ولا تعتبر إجماليات العرض بديلًا عن التحقق من المصدر.
الخطوة 7: أجرِ تدقيقًا مستقلًا

ما يجب فعله: أعد حساب الأرقام الرئيسية بشكل مستقل، وقارنها بالمراجع، وتتبع القيم الجوهرية إلى ملف المصدر والصف والحقل المحدد. صُممت Energent Audit لتدقيق الأعمال التي تنتجها أنظمة ذكاء اصطناعي أخرى وإرجاع حكم بالنجاح أو الفشل مدعومًا بالأدلة.

تبدو النتيجة الناجحة كما يلي: يتضمن التقرير سلسلة قابلة للمراجعة من المخرج إلى المصدر، ويكون لأي فشل تفسير موثق.

خطأ شائع يجب تجنبه: لا تستخدم خطوة الإنشاء نفسها باعتبارها المراجع الوحيد لنتيجتها.
الخطوة 8: احفظ سير العمل المصحح

ما يجب فعله: سمِّ سير العمل، واحتفظ بالقواعد المختبرة، ووثّق افتراضات المصدر، وجدول التشغيل التالي مع الفحوص نفسها. عند اكتشاف تصحيح، حدّث العملية القابلة لإعادة الاستخدام حتى يصبح التصحيح قاعدة تدقيق دائمة.

تبدو النتيجة الناجحة كما يلي: يمكن معالجة مجموعة الملفات التالية باستمرار دون إعادة إنشاء تسلسل المطالبات الأصلي.

خطأ شائع يجب تجنبه: لا تحفظ المصنف النهائي فقط مع فقدان منطق التحويل وسجل التحقق.

قائمة التحقق من صحة النتائج (تأكد من نجاح العملية)

☐ كل ملف مصدر مطلوب موجود ومحدد ومشمول في سير العمل.
☐ تم توحيد العناوين وأنواع البيانات والتواريخ ومفاتيح الربط بشكل متسق.
☐ تم تسجيل عدد الصفوف والتكرارات قبل التحويلات الرئيسية وبعدها.
☐ تم التمييز بوضوح بين القيم المفقودة والأصفار والقيم المحجوبة عمدًا.
☐ تتطابق الإجماليات الرئيسية مع مراجع المصدر أو قواعد الأعمال الموثقة.
☐ تظهر السجلات المستبعدة والمرفوضة وغير الصالحة في مخرجات الاستثناءات أو مسار التدقيق.
☐ تستخدم المخططات والجداول النهائية المخرجات التي تم التحقق منها، وليس مخرجًا وسيطًا غير موثق.
☐ يمكن تتبع الأرقام المهمة إلى الملف والصف والحقل الأصلي.
☐ يعيد التدقيق المستقل نتيجة نجاح أو فشل موثقة.
☐ تم حفظ العملية المصححة كسير عمل قابل لإعادة التشغيل.

المشكلات الشائعة والإصلاحات

المشكلة	السبب	الإصلاح
الإجماليات أعلى من المتوقع	أدت عملية ربط إلى تكرار السجلات أو أسيء فهم مستوى تفاصيل المصدر.	حلّل المفاتيح قبل الربط، وقارن عدد الصفوف، ولا تجمع البيانات إلا بعد تأكيد مستوى التفاصيل المقصود.
يتم ترتيب التواريخ بشكل غير صحيح	تم استيراد التواريخ كنصوص أو تتضمن تنسيقات إقليمية متعددة.	وحّد النوع والإعدادات المحلية مبكرًا، ثم اختبر الحد الأدنى والأقصى للتواريخ قبل التصفية.
تظهر الفترات المفقودة كأصفار	ملأ سير العمل الفراغات دون التمييز بين غياب البيانات والصفر المقاس.	أبقِ الفترات المفقودة كفجوات واضحة وسمّها في مخرجات الاستثناءات أو الجودة.
يبدو منطق الذكاء الاصطناعي صحيحًا لكنه يفشل في المراجعة	تم فحص النتيجة من حيث الصياغة بدلًا من الأدلة والمطابقة.	استخدم تدقيقًا مستقلًا لإعادة حساب الأرقام الجوهرية وتتبعها إلى حقول المصدر.
يتطلب التشغيل المتكرر مطالبات متكررة	تم التعامل مع العملية باعتبارها إجابة لمرة واحدة بدلًا من سير عمل قابل لإعادة الاستخدام.	احفظ التحويل المختبر وقواعد التحقق كمهارة مسماة قابلة لإعادة التشغيل.

أفضل الممارسات (طبّقها على المدى الطويل)

احتفظ بسجل للمصادر يتضمن التواريخ والإصدارات — تعتمد قابلية إعادة الإنتاج على معرفة الملفات التي أنتجت النتيجة.
افصل بين طبقات البيانات الخام والمحوّلة والتي تم التحقق منها والعرض — يجعل العزل تشخيص الأعطال أسهل.
استخدم أسماء أعمدة وتعريفات تجارية واضحة — تقلل الدلالات الواضحة من غموض المنطق الذي ينشئه الذكاء الاصطناعي.
احتفظ بالاستثناءات والقيم المفقودة — فقد تخفي الأدلة المستبعدة المشكلة نفسها التي يحتاج المراجع إلى فحصها.
طابق الإجماليات في مراحل متعددة — تكشف المقارنة المبكرة الأخطاء قبل تراكمها.
اشترط التحقق المستقل من المخرجات الجوهرية — يجب ألا يكون المنشئ الحكم الوحيد على عمله.
احفظ سير العمل والتصحيحات الناجحة — تقلل القواعد الدائمة الحاجة إلى المراجعة اليدوية المتكررة.
صمّم التقارير لتناسب صانعي القرار والمدققين على حد سواء — فسهولة القراءة وقابلية التتبع احتياجان مختلفان ومتساويان في الأهمية.

الأداة الموصى بها (اختيارية): Energent.ai

تكون Energent.ai مناسبة عندما يتجاوز مشروع Power Query حدود المصنف البسيط ويتطلب التعامل مع الملفات وسير العمل القابل للتكرار والتحقق القابل للدفاع عنه. ويهدف المدقق المستقل فيها إلى فحص العمل الذي تنتجه أنظمة ذكاء اصطناعي أخرى بدلًا من مجرد تكرار الإجابة الأصلية.

تعيد حساب الأرقام وتتتبعها إلى ملفات المصدر والصفوف والحقول المحددة.
تدعم جداول البيانات والنسخ الممسوحة ضوئيًا وملفات PDF ومستندات Word والعروض التقديمية وCAD وقوائم المواد وG-code وتنسيقات أخرى.
تنشئ مصنفات Excel بصيغ مباشرة وعلامات تبويب لمسار التدقيق، إلى جانب لوحات المعلومات ومخرجات أخرى قابلة للتنزيل.
تحوّل التحليل المتكرر إلى سير عمل مسمى قابل لإعادة التشغيل يحتفظ بالتصحيحات كقواعد.
تدعم العمل طويل الأمد والمراقبة عبر الأجهزة، بما في ذلك الحاسوب والهاتف والجهاز اللوحي.

استخدمها عندما يكون تنوع المصادر أو التنفيذ المتكرر أو قابلية التدقيق هو عنق الزجاجة؛ ولا تتعامل مع أي أداة ذكاء اصطناعي باعتبارها بديلًا عن تحديد المتطلبات ومراجعة النتائج عالية المخاطر.

بالنسبة إلى التحويلات المتكررة، قارن هذا النهج مع سير العمل القابل لإعادة الاستخدام بالذكاء الاصطناعي. وبالنسبة إلى المشاريع التي تركز على الأرقام، يمكن أن تساعد النمذجة المالية بالذكاء الاصطناعي في تنظيم الطبقة التحليلية، بينما يركز التدقيق المستند إلى المصدر على إمكانية الدفاع عن المخرجات.

أمثلة تطبيقية على البيانات وفحوصات بصرية

تنطبق مبادئ التصميم نفسها على ما هو أبعد من جدول Power Query واحد. توضح هذه الأمثلة كيف يمكن لسير عمل قابل لإعادة الاستخدام أن يجمع بين الحسابات المرتبطة بالمصدر والملخصات البصرية والتعامل الصريح مع البيانات المفقودة.

انحراف ميزانية مركز التكلفة

الحصة التراكمية المتوقعة: $22,490.45. الإنفاق الفعلي منذ بداية السنة كقيمة مؤقتة: $21,365.92. انحراف المحفظة: -$1,124.53، أي -5.0%.

الرعاية الطبية-$359.31

السكن-$215.63

الغذاء-$210.04

النقل-$163.81

التعليم-$88.51

الترفيه-$87.21

عرض خطة ميزانية مركز التكلفة لعام 2026

فجوات هيكلية في القوى العاملة

متوسط الفجوة بين الجنسين في عام 2023: 12.2 نقطة مئوية. متوسط عقوبة الشباب: 6.0 نقاط مئوية. متوسط المشاركة: 67.3%.

12.2pp

الفجوة بين الجنسين

6.0pp

عقوبة الشباب

67.3%

المشاركة

5 of 20

اقتصادات ذات فجوات محجوبة

تتعامل لوحة المعلومات مع القيم المحجوبة بوضوح بدلًا من رسم الملاحظات المفقودة كأصفار مضللة.

عرض لوحة فجوات القوى العاملة الهيكلية

سنوات العناية الواجبة المالية التي تستحق إعادة الفحص
السنة المالية	فجوة النمو	نسبة المخصص	OCF / NI	درجة المراقبة
2012	+59.0pp	0.90%	1.22×	70/100
2018	+13.9pp	0.00%	1.30×	66/100
2020	-35.2pp	0.00%	1.41×	65/100
2022	-0.5pp	0.00%	1.22×	64/100
2024	+11.2pp	0.00%	1.26×	55/100

يفيد هذا النوع من سير العمل أيضًا في أتمتة التدقيق المالي وتحليل بيانات العمليات ومعالجة المستندات متعددة الملفات. ويعتمد كل استخدام على قواعد واضحة ونتائج قابلة للملاحظة وأدلة، وليس على مخطط منسق فحسب.

عرض توضيحي للتدقيق

من إجابة الذكاء الاصطناعي إلى مسار الأدلة

يوصف Energent Audit بأنه وكيل مستقل يفحص كل رقم، ويعيد تتبع الأرقام إلى مصادرها، ويوضح كيفية بناء النتيجة. وهذه هي طبقة التحقق التي تحتاج إليها مهام سير عمل Power Query المعقدة عندما تتجاوز أهمية النتيجة حدود جدول البيانات.

تم عرض لقطة شاشة لتقرير التدقيق الكامل دون اقتصاص حتى تظل المخرجات المستندة إلى الأدلة قابلة للقراءة.

المراجعات

تصف مراجعات المستخدمين هذه القيمة العملية التي وجدوها في التعامل مع الملفات المعقدة وأعمال Power Query والمخرجات التفاعلية.

«لم أختر Energent.ai في النهاية فحسب، بل أنتم الأفضل على الإطلاق وبفارق كبير.»

Alyse H.

منسقة مجموعات رقمية، شركة Fortune 500، تجارة التجزئة والتجارة الإلكترونية

«كانت لدي جداول بيانات تضم أكثر من 45 ألف عنصر، وكانت Energent AI الأداة الوحيدة القادرة على فرز كل شيء.»

Roberto C.

أخصائي عمليات البيانات، شركة Fortune 500، الخدمات اللوجستية

«كان استخدام Energent.ai لإنشاء حلول Power Query معقدة فعالًا للغاية، وبصراحة يعمل بشكل أفضل بكثير لحالة الاستخدام هذه من Gemini وChatGPT.»

Kay P.

محلل Power Query، شركة Fortune 50، الخدمات المالية

«Energent.ai منصة رائعة... فالمخرجات التفاعلية تضيف قيمة حقيقية إلى عملي.»

Amjad M.

مهندس اتصالات، شركة Fortune 500، الاتصالات

الأسئلة الشائعة

ماذا يعني إنشاء حلول Power Query معقدة باستخدام الذكاء الاصطناعي؟

يعني استخدام الذكاء الاصطناعي للمساعدة في تخطيط سير عمل بيانات Power Query وكتابته وشرحه واختباره وصيانته. ويمكن لسير العمل أن يجمع بين مصادر وتحويلات وعمليات ربط وحسابات واستثناءات ومخرجات تقارير متعددة. يستطيع الذكاء الاصطناعي تسريع عملية الإنشاء، لكنه لا يلغي الحاجة إلى تحديد النتيجة المتوقعة. وبالنسبة إلى التحليل عالي المخاطر، ينبغي فحص المخرج النهائي بشكل مستقل مقارنةً ببيانات المصدر الأصلية. وأكثر النتائج موثوقية هي العملية القابلة للتكرار ذات الافتراضات الواضحة ومسار الأدلة.

هل يستطيع الذكاء الاصطناعي إنشاء منطق Power Query للملفات الكبيرة أو الفوضوية؟

يمكن للذكاء الاصطناعي المساعدة في تنظيم منطق التحويل للملفات الكبيرة أو الفوضوية عندما يتم وصف هيكل المصدر والمخرجات المطلوبة بوضوح. وتذكر Energent.ai قدرتها على العمل مع جداول البيانات والنسخ الممسوحة ضوئيًا وملفات PDF ومستندات Word والعروض التقديمية وCAD وقوائم المواد وتنسيقات أخرى. وتشمل أمثلتها المقدمة جداول بيانات تضم أكثر من 45,000 عنصر وسير عمل يتضمن مستندات معقدة. ومع ذلك، تظل النتيجة بحاجة إلى تحليل من حيث عدد الصفوف والأنواع والمفاتيح المكررة والقيم المفقودة. وينبغي معالجة الملف الكبير على مراحل قابلة للاختبار بدلًا من استخدام تعليمات واحدة غامضة.

كيف أمنع نتائج Power Query التي ينشئها الذكاء الاصطناعي من احتواء أخطاء؟

ابدأ بكتابة مواصفات للمخرجات تحدد الأعمدة والحسابات وعوامل التصفية والإجماليات المتوقعة. اختبر كل مرحلة تحويل باستخدام عدد الصفوف والسجلات النموذجية وفحوصات المطابقة. احتفظ بالسجلات المرفوضة والقيم المفقودة بدلًا من حذفها أو تحويلها بصمت. ثم استخدم تدقيقًا مستقلًا لإعادة حساب الأرقام الجوهرية وتتبعها إلى ملف المصدر والصف والحقل المحدد. وتذكر Energent أن تقييماتها الداخلية خفّضت أخطاء هلوسة الذكاء الاصطناعي بما يصل إلى ثلاثة أضعاف، لكن ينبغي لكل مشروع أن يستخدم قواعد التحقق الخاصة به.

متى ينبغي أن يصبح سير عمل Power Query سير عمل قابلًا لإعادة الاستخدام بالذكاء الاصطناعي؟

تكون العملية مرشحة جيدة عندما تتكرر الملفات أو التحويلات أو الحسابات أو فحوصات التحقق نفسها وفق جدول زمني. ومن الأمثلة المقدمة لـ Energent تقارير المصروفات الشهرية وتقارير التداول الأسبوعية وروتين تحليل الأسهم. ويعني حفظ العملية إمكانية تطبيق تسلسل التحويل والتصحيحات باستمرار على الملفات الجديدة. كما يقلل خطر نسيان المستخدم خطوة مهمة في مطالبة طويلة. وقبل جعلها قابلة لإعادة الاستخدام، اختبر سير العمل على مدخلات تمثيلية ووثّق افتراضاته.

هل تُعد Energent.ai بديلًا عن Power Query؟

توصف Energent.ai بأنها منصة ذكاء اصطناعي للعمل مع الملفات الفعلية وإنشاء المخرجات وبناء سير العمل القابل لإعادة الاستخدام وتدقيق الأعمال التي تنتجها أنظمة ذكاء اصطناعي أخرى. وهذا يجعلها مكملة لـ Power Query عندما يحتاج المشروع إلى دعم أوسع للملفات أو مساعدة باللغة الطبيعية أو تحقق مستقل. يظل Power Query مناسبًا باعتباره بيئة تحويل لسير عمل البيانات المنظمة. ويعتمد التقسيم المناسب على الملفات والضوابط وتنسيق التسليم الذي يحتاج إليه الفريق. وبغض النظر عن الأداة، يظل المحلل مسؤولًا عن تحديد المتطلبات ومراجعة النتيجة.

أنجز العمل بسرعة أكبر دون فقدان مسار التدقيق

تكون حلول Power Query المعقدة أكثر موثوقية عندما يتولى الذكاء الاصطناعي الإنشاء المتكرر والشرح، بينما تحمي الاختبارات الواضحة والتحقق المستقل النتيجة. حدّد المخرجات، وحلّل المصادر، وأنشئ العمل على مراحل، واحتفظ بالاستثناءات، واحفظ العملية المصححة للتشغيل التالي. إذا كان سير عملك يمتد عبر ملفات متعددة أو تحليل عالي المخاطر، يمكنك تجربة Energent.ai أو حجز عرض تجريبي لتقييم إمكانات التدقيق وسير العمل.

جرّب Energent.ai احجز عرضًا تجريبيًا