من المطالبات لمرة واحدة إلى سير عمل قابل للتكرار
تُجري OpenAI تمييزًا أوضح بين الاستخدام اليومي للدردشة وبين شكل أكثر تشغيلية من العمل بالذكاء الاصطناعي. في دليل جديد من OpenAI Academy حول workspace agents، تصف الشركة agents في ChatGPT بأنها أنظمة مصممة لسير عمل قابل للتكرار، لا كتفاعلات منفردة مثل العصف الذهني أو الصياغة أو التلخيص بحسب الحاجة.
تكمن أهمية هذا الطرح في أنه يوضح إلى أين يتجه تصميم منتجات الذكاء الاصطناعي المؤسسية. خلال السنوات القليلة الماضية، كان النموذج العام المهيمن للذكاء الاصطناعي التوليدي هو المحادثة الواحدة: اطرح سؤالًا، واحصل على إجابة، ثم واصل التعديل إذا لزم الأمر. تجادل إرشادات OpenAI الجديدة بأن المرحلة التالية ستكون أوسع وأكثر اندماجًا. في هذا النموذج، لا يساعد الذكاء الاصطناعي فقط في لحظات العمل، بل يشارك في عمليات متكررة تعتمد على الأدوات والتوقيت والسياق المشترك والمخرجات المستقرة.
تعرّف التدوينة agent عبر ثلاثة مكونات: محفّز، وعملية قد تتضمن مهارات متخصصة، والأدوات أو الأنظمة التي يمكنه الاتصال بها. وبعبارة أخرى، فـ agent ليس مجرد نموذج مع تعليمات، بل هو بنية مهام متصلة بأنظمة حقيقية وتُفعَّل وفق شروط محددة.
ما الذي تقول OpenAI إن agents جيدة له
بحسب الدليل، تكون agents أكثر فائدة عندما يتسم العمل بأربع خصائص. أن يكون قابلًا للتكرار، أي أن المهمة نفسها تظهر بانتظام. وأن يكون منظمًا، أي أن هناك صيغة إخراج واضحة تجعل تقييم الجودة أسهل. وأن يكون مرتبطًا بالوقت أو بالأحداث، أي ينبغي أن يعمل وفق جدول أو استجابةً لمحفّز. وأن يكون معتمدًا على الأدوات، أي يتطلب القراءة من أنظمة يستخدمها الفريق بالفعل أو الكتابة إليها.
هذا الوصف أضيق من الادعاءات الواسعة التي تُطرح كثيرًا حول الذكاء الاصطناعي المستقل. فهو لا يقدم agents كبدائل عامة عن الحكم البشري. بل يضعها في نطاق العمل التشغيلي الروتيني: أعمال يؤديها الناس يدويًا حاليًا، وغالبًا ما يعيدون فيها شرح الخطوات نفسها، وينقلون المعلومات بين الأنظمة، ويعيدون تنسيق المخرجات للمرحلة التالية.
كما أن الدليل واضح بشأن ما ليست agents مخصصة له. تقول OpenAI إنه بالنسبة للتفكير المفتوح، أو العصف الذهني، أو الكتابة الاستكشافية، فإن الدردشة العادية تكون غالبًا الأنسب، خصوصًا في المهام لمرة واحدة. وهذا قيد لافت. فبدلًا من الادعاء بأن نموذج agent يجب أن يستوعب كل حالات الاستخدام، ترسم الشركة خطًا بين عمل العمليات المحددة أو شبه المنظمة وبين التفاعل الإبداعي أو الاستكشافي الأكثر مرونة.
بديل احتمالي لسير العمل التقليدي
إحدى الأفكار الأكثر أهمية في التدوينة هي المقارنة التي تجريها OpenAI بين agents وسير العمل التقليدي عبر واجهات API. في أنظمة الأتمتة التقليدية، تكون كل خطوة عادةً حتمية: المنطق معرّف بوضوح والنظام يتبع المسار نفسه ما لم يغيّره أحد. أما agents فتوصف بأنها احتمالية. فهي لا تزال تعمل ضمن تعليمات وأدوات وضوابط، لكنها تفسر السياق، وتتخذ قرارات محدودة النطاق، وتعدّل طريقة تقدمها في المهمة.
يساعد هذا التمييز على تفسير كل من جاذبية الأنظمة الوكيلية وتحدياتها. فالجاذبية تكمن في المرونة. يمكن للنموذج التعامل مع الاختلافات من دون أن يضطر المهندسون إلى ترميز كل فرع مسبقًا. أما التحدي فهو قابلية التنبؤ. وبما أن النظام يتخذ أحكامًا محدودة بدلاً من مجرد اجتياز منطق ثابت، تصبح انضباطية التصميم أكثر أهمية. فالمحفزات الجيدة، وصيغ الإخراج الواضحة، والأدوات المحددة جيدًا، والقيود المنطقية تصبح أكثر أهمية، لا أقل.
يعكس قسم تشريح agent في OpenAI هذا التركيز على التصميم. يشجع الدليل البنّائين على التفكير فيما يحتاجون إلى توضيحه قبل تسليم العمل لشخص: ما الذي يبدأ المهمة، وما الخطوات التي ينبغي أن تحدث، وما المعلومات المطلوبة، وكيف ستُقيَّم الجودة، وما الأدوات المسموح للنظام باستخدامها. عمليًا، هذا أقل صورةً عن استقلالية غير مقيدة وأكثر صورةً عن تفويض منظم.
لماذا يهم هذا التوجيه الآن
يحمل هذا الإصدار أهمية لأنه يُظهر كيف تحاول منصات الذكاء الاصطناعي الكبرى توحيد الطريقة التي تفكر بها المؤسسات في agents. لقد تضخم الكثير من الحديث الأخير في السوق عن AI agents بسبب ادعاءات غامضة حول الاستقلالية. أما صياغة OpenAI فهي أكثر تشغيلية، ويمكن القول إنها أكثر واقعية. فهي تربط فائدة agent بسير عمل متكرر واتصال بالأنظمة وتسليمات قابلة للملاحظة، لا بعرض استعراضي للذكاء العام.
ومن المرجح أن يلقى ذلك صدى لدى الفرق التي تحاول نشر الذكاء الاصطناعي في بيئات تهم فيها العملية والمساءلة. فملخص صباحي مجدول، أو مسار فرز تذاكر بمساعدة الأدوات، أو روتين مراجعة وتسليم، أو نظام يتحقق من المعلومات الناقصة قبل صياغة المخرجات، كلها أمثلة تتوافق مع النمط الموصوف في الدليل. هذه ليست حالات استخدام لامعة، لكنها الأرجح في تراكم قيمة قابلة للقياس إذا عملت باستمرار.
كما أن التركيز على الأنظمة المشتركة مهم أيضًا. تتضمن أمثلة OpenAI أدوات مثل Slack، أو CRM، أو الوثائق الداخلية، أو نظام التذاكر، أو مستند مشترك. وتشير هذه القائمة إلى أن الشركة ترى مستقبل الذكاء الاصطناعي في مكان العمل أقل كصندوق دردشة منفصل وأكثر كطبقة تمتد عبر حزمة البرامج التي يستخدمها الفريق بالفعل.
قصة ذكاء اصطناعي مؤسسي عن الانضباط، لا السحر
تسود في منشور Academy نبرة عملية. فهو يتعامل مع بناء agents بوصفه مسألة تصميم لسير العمل: تحديد المحفزات، وضبط التوقعات، وتقييد الأدوات، واختيار المهام المنظمة بما يكفي لتقييمها. هذا موقف أكثر صحة من الادعاءات الدرامية التي تفترض أن agents ستتولى العمل المكتبي بالكامل ببساطة.
وفي الوقت نفسه، يشير الدليل إلى تحول مهم في المنتج. فإذا كانت الدردشة هي الواجهة المهيمنة لاعتماد الذكاء الاصطناعي السائد في الجيل الأول، فقد تصبح agents الواجهة المهيمنة للعمل التنظيمي المتكرر. والفرق ليس تقنيًا فقط. إنه يغيّر طريقة قياس القيمة. فالمحادثة الجيدة مفيدة في اللحظة. أما سير العمل الجيد فيتراكم أثره لأنه يمكن تشغيله مرة أخرى، وبالشكل نفسه، داخل الأنظمة نفسها، مع حاجة أقل لإعادة الشرح في كل مرة.
تجادل OpenAI عمليًا بأن الخطوة التالية في الذكاء الاصطناعي لمكان العمل ليست prompting أذكى، بل التشغيلية. أنشئ المحفّز. عرّف العملية. وصّل الأدوات. حدّد المخرجات. واجعل المهمة منظمة بما يكفي للحكم عليها. بالنسبة للمؤسسات التي استنفدت بالفعل مرحلة الحداثة في تبني الذكاء الاصطناعي، قد تكون هذه الرسالة أهم تطور في المنشور.
والنتيجة رؤية أكثر رصانة، لكنها أكثر قابلية للتنفيذ، للذكاء الاصطناعي الوكالي. لا يُقدَّم workspace agents هنا كموظفين رقميين أحرار الشكل، بل كأدوات سير عمل قابلة للتكرار ذات حكم محدود، مدمجة في أنظمة حقيقية. وإذا ترسخ هذا الإطار، فقد تصبح المحادثة حول الذكاء الاصطناعي المؤسسي أقل عن الاستعراض وأكثر عن بنية العمليات.
هذه المقالة مبنية على تقرير من OpenAI. اقرأ المقال الأصلي.
Originally published on openai.com
