تجاوز السردية: وكالات الذكاء الاصطناعي تحظى بقيمة في حل المشكلات المحددة وليس الأحلام المفتوحة

نسيان التضخيم - الوكيل الحقيقي للأذكاء الصناعي يحل المشكلات المحددة، وليس الخيالات المفتوحة 7 يوليو 2025، الساعة 1:15 مساءً في كل مكان تنظر إليه، تجد الحديث عن الوكلاء الذكاء الصناعي وكأنهم على وشك استبدال الإدارات بأكملها بمجرد إعطائهم بعض التعليمات. الحلم جذاب: أنظمة مستقلة يمكنها التعامل مع أي شيء تواجهه، بدون قيود أو حدود، فقط أعطها بيانات حساب AWS الخاص بك وستحل جميع مشاكلك. ولكن الواقع هو أنه ليس هذا هو طريقة عمل العالم، خاصة في الشركات حيث تكون الموثوقية أمرًا حاسمًا. حتى لو كان الوكيل دقيقًا بنسبة 99٪، فهذا ليس دائمًا كافيًا. إذا كان يُحسِّن طرق تسليم الطعام، فهذا يعني أن واحدة من كل مئة طلب قد تنتهي في العنوان الخطأ. في سياق الأعمال، هذا معدل فشل غير مقبول؛ فهو مكلف ومليء بالمخاطر ويصعب شرحه للعملاء أو المنظمين. الفرق بين المشكلات المفتوحة والمغلقة في البيئات الحقيقية مثل المالية والرعاية الصحية والعمليات، لا تبدو الأنظمة الذكائية التي تقدم قيمة مثل هذه الخيالات العالية. فهي لا ترتجل في العالم المفتوح؛ بل تحل المشكلات المحددة ذات المدخلات الواضحة والنتائج القابلة للتنبؤ. ما الذي يجعل المشكلة "مفتوحة العالم"؟ المشكلات المفتوحة العالم تعرف بما لا نعلمه. بشكل أكثر رسمية، تعريف هذه البيئات المعقدة يشير إلى خصائص أساسية: الزمن والمكان غير محدودين: تجارب الوكيل السابقة قد لا تنطبق على السيناريوات الجديدة غير المعلومة. المهام غير محدودة: ليست محددة مسبقًا ويمكن أن تظهر بشكل ديناميكي. في مثل هذه البيئات، يعمل الذكاء الصناعي بمعلومات غير كاملة؛ فلا يمكنه افتراض أن ما ليس معروفًا بأنه صحيح هو خاطئ، بل هو ببساطة مجهول. من المتوقع من الذكاء الصناعي أن يتكيف مع هذه التغييرات غير المتوقعة والمهام الجديدة بينما يتنقل في العالم. هذا يمثل مجموعة صعبة للغاية من المشكلات لقدرات الذكاء الصناعي الحالية. معظم المشكلات المؤسسية ليست كذلك على العكس من ذلك، المشكلات المغلقة هي تلك التي يكون نطاقها معروفًا، والقواعد واضحة، والأنظمة يمكنها افتراض أنها تمتلك جميع البيانات ذات الصلة. إذا لم يكن شيء واضحًا، فيمكن معاملته على أنه خاطئ. هذه هي المشكلات التي تواجهها معظم الشركات يوميًا: مطابقة الفواتير، التحقق من العقود، الكشف عن الاحتيال، معالجة المطالبات، التنبؤ بالموجودات. هذه ليست الحالات التي تظهر عادةً في الأخبار، لكنها المشاكل التي تهتم الشركات بحلها حقًا. مخاطر التضخيم والركود ومع ذلك، التضخيم ضار: بوضع عتبة الذكاء العام المفتوح، نجعل الذكاء الصناعي المؤسسي يبدو غير ممكن. يسمع القادة عن وكلاء يمكنهم القيام بكل شيء، ويجمدون لأنهم لا يعرفون من أين يجب أن يبدأوا. المشكلة تبدو كبيرة، غامضة، ومليئة بالمخاطر. إنه مثل محاولة تصميم مركبات ذاتية القيادة قبل بناء محرك احتراق داخلي يعمل. الحلم مثير، لكن تخطي الأساسيات يضمن الفشل. حل المشكلات الراهنة المشكلات المفتوحة العالم تجعل العروض الرائعة وجولات التمويل الجيدة. ولكن المشكلات المغلقة هي حيث القيمة الحقيقية اليوم. فهي قابلة للحل، الاختبار والتشغيل الآلي. وهي موجودة داخل كل مؤسسة، بانتظار النظام المناسب لمعالجتها. عندما يتخيل الناس الوكلاء الذكاء الصناعي اليوم، يميلون إلى رؤية نافذة الدردشة. يقوم المستخدم بإدخال تعليمات، والوكيل يستجيب بجواب مفيد (ربما يشغل أداة أو اثنتين). هذا جيد للعروض والتطبيقات الاستهلاكية، ولكنه ليس كيف يعمل الذكاء الصناعي المؤسسي في الممارسة العملية. في المؤسسات، معظم الوكلاء المفيدين ليسوا مُبَادرة من البشر، بل هم عمليات مستمرة تتفاعل مع البيانات أثناء تدفقها عبر الأعمال. يتخذون القرارات، يدعون الخدمات وينتجون النواتج، باستمرار وبطريقة غير متزامنة، دون الحاجة إلى إخبارهم متى يجب أن يبدأوا. تخيل وكيلًا يراقب الفواتير الجديدة. كل مرة يصل فيها فاتورة جديدة، ي提取 الحقول ذات الصلة، يتحقق منها ضد أوامر الشراء المفتوحة، يحدد الاختلافات ويوجه الفاتورة للموافقة أو الرفض دون أن يطلب منه أحد ذلك. إنه مجرد يستمع للحدث ("وصول فاتورة جديدة") ويبدأ العمل. أو فكر في عملية تسجيل العملاء الجدد. قد يراقب الوكيل اللحظة التي يتم فيها إنشاء حساب جديد، ثم يبدأ سلسلة من العمليات: التحقق من الوثائق، إجراء فحوصات "تعرف عميلك" (KYC)، تخصيص تجربة الترحيب، وجدولة رسالة متابعة. المستخدم لا يعرف أبدًا وجود الوكيل. إنه مجرد يعمل. بشكل موثوق وفي الوقت الحقيقي. الوكلاء المؤسسية هم خدمة متناهية في الصغر مع"text"بيانات السياق + نموذج لغة كبير" لا تقوم ببناء هذه الوكلاء عن طريق تحسين نموذج ضخم. بل تبنيهم عن طريق ربط النماذج والأدوات والمنطق الموجودة. إنها مشكلة هندسة البرمجيات، وليس مشكلة نماذج. في جوهرها، الوكلاء المؤسسية هي مجرد خدمات متناهية في الصغر حديثة مع ذكاء. تمنحهم حق الوصول إلى الأحداث، تمنحهم البيانات المناسبة وتترك نموذج اللغة ليقود المنطق. الوكيل = خدمة متناهية في الصغر معقدة بالأحداث + بيانات السياق + نموذج لغة كبير (LLM) بناءً على ذلك، هذا نمط معماري قوي. وهو أيضًا تحول في العقلية. بناء الوكلاء ليس عن مطاردة الذكاء العام الصناعي (AGI). بل هو عن تقسيم المشكلات الحقيقية إلى خطوات أصغر، ثم تركيب مكونات مُتخصصة وموثوقة يمكنها التعامل معها، تمامًا كما فعلنا دائمًا في أنظمة البرمجيات الجيدة. لا ننسى تاريخنا إذا كان هذا يبدو مألوفًا، فإنه يجب أن يكون كذلك. كنا هنا من قبل. عندما لم تستطع الأنظمة الأحادية التوسع، قمنا بتفكيكها إلى خدمات متناهية في الصغر. عندما أدى استخدام واجهات برمجة التطبيقات المتزامنة إلى زجاجات الرقبة وأنظمة هشة، اتجهنا إلى الهندسة المعقدة بالحدث. هذه دروس صعبة كسبناها عبر عقود من بناء الأنظمة في العالم الحقيقي. نجحت لأنها جلبت الهيكل والتحديدية للأنظمة المعقدة. نماذج الذكاء الصناعي ليست حتمية، ولكن يمكن أن تكون أنظمتك كذلك المشاكل ذات القيمة في معظم الشركات هي مشاكل مغلقة: مشكلات ذات مدخلات معروفة، قواعد واضحة ونتائج قابلة للقياس. ولكن النماذج التي نستخدمها، وخاصة النماذج اللغوية الكبيرة (LLMs)، هي بطبيعتها غير حتمية. إنها احتمالية بالتصميم. يمكن أن يؤدي المدخل نفسه إلى نواتج مختلفة اعتمادًا على السياق، العينة أو درجة الحرارة. هذا جيد عند الإجابة على تعليمات. ولكن عند تشغيل عملية أعمال؟ فإن هذه عدم اليقينية هي عبء. إذا كنت تريد بناء أنظمة ذكاء صناعي تصلح للإنتاج، فوظيفتك بسيطة: حزم النماذج غير الحتمية في البنية الحتمية. ابنِ الحتمية حول النموذج يقوم العديد من الفرق بإعادة اختراع توزيع التشغيل مع كل وكيل، يدعون نموذج اللغة الكبير (LLM) لتحديد الخطوة التالية، حتى عندما تكون الخطوات معروفة مسبقًا. أنت تجعل حياتك أصعب. قوة الأنظمة المعقدة بالحدث ومتعددة الوكلاء تهيمن الأنظمة المعقدة بالحدث ومتعددة الوكلاء على المشاكل الصغيرة. عند تكليف كل وكيل بمهمة مُبنية وتحريكهم بالأحداث المعقدة، تنتهي بحصولك على نظام مترابط بشكل فضفاض، قابل للتتبع يعمل كما يجب أن تعمل الأنظمة المؤسسية: بموثوقية، مسؤولية وتحكم واضح. وبسبب كونها معقدة بالحدث: يمكن تجزئة المشاكل إلى خطوات أصغر. يمكن اختبار سلوك كل وكيل بشكل مستقل. يمكن محاكاة الحالات الحدية. يمكن تقييم الأداء بشكل منفصل. عندما يكون النظام قابل للتركيب، ونطاق كل مكون مغلق، يمكنك بناء مجموعات اختبار تمنحك الثقة. بناء الثقة في الذكاء الصناعي الإنتاجي مستقبل الذكاء الصناعي في الشركات لا يبدأ بالذكاء العام الصناعي (AGI). بل يبدأ بالأنظمة التي تعمل بشكل آلي. هذا يعني التركيز على المشكلات المغلقة التي هي مُهيكلة، محددة ومليئة بالفرص لتحقيق تأثير حقيقي. لا تحتاج إلى وكيل capable of doing everything. تحتاج إلى نظام يمكنه القيام بشيء بموثوقية: تحسين كفاءة العمليات: تقليل الوقت والجهد المبذول. خفض التكلفة: تقليل الأخطاء والعمليات اليدوية. بناء الثقة: جعل الذكاء الصناعي جزءًا موثوقًا من النظام. هذه النجاحات تتراكم. فهي تقلل التكاليف، تحرر الوقت وتبني الثقة في الذكاء الصناعي كجزء معتمد على النظام. الخلاصة الأنظمة المعقدة بالحدث ومتعددة الوكلاء ليست حلاً سحريًا، بل هي مجرد معمارية عملية للعمل مع أدوات غير مثالية بطريقة مُهيكلة. تتيح لك عزل الأماكن التي تحتاج إلى الذكاء، احتواء الأماكن التي لا تحتاج إليها، وبناء أنظمة تتعامل بشكل متوقع حتى عندما لا تتعامل الأجزاء الفردية بذلك. هذا ليس عن مطاردة الأمور الجديدة. بل هو عن تطبيق الهندسة البرمجية الأساسية على نوع جديد من المشكلات. تقييم الحدث من قبل المختصين: يؤكد سين فالكونر، رائد الأعمال الذكاء الصناعي في Confluent، على أهمية التركيز على المشكلات المغلقة بدلاً من المطاردة المستمرة لحلول الذكاء العام. فالهندسة البرمجية الجيدة والمعقدة بالحدث تمنح الشركات القدرة على بناء أنظمة موثوقة وفعالة تحقق تأثيرًا حقيقيًا ومرئيًا في الأداء والكفاءة.