من الأتمتة إلى الإدراك: تطور الذكاء الاصطناعي الوكائلي

لعدة عقود، اتبعت أتمتة المؤسسات منطقًا مألوفًا: تعريف العملية، ترميز الخطوات، والسماح للبرمجيات بتنفيذها باستمرار. قامت النصوص البرمجية بأتمتة الأوامر، وسجلت دفاتر التشغيل الإجراءات، وربطت الأتمتة المهام عبر الأنظمة، وجلبت AIOps التعلم الآلي إلى حجم البيانات التشغيلية المتزايد. كل تقدم جعل الأتمتة أكثر قدرة، لكن الناس ما زالوا يتخذون معظم القرارات. هم الذين يحددون العملية؛ والبرمجيات تنفذها.

يغيّر الذكاء الاصطناعي الوكيلي هذه العلاقة. فبدل الانطلاق من مجموعة ثابتة من التعليمات، يستطيع الوكيل أن يبدأ بهدف ويحدد كيفية السعي إليه ضمن حدود واضحة. وهذا يتطلب أكثر من توليد إجابة؛ إذ على النظام تفسير الهدف، وتجميع السياق ذي الصلة، وتقييم الأدلة، واستخدام الذاكرة، والاختيار بين الأدوات أو عمليات الأتمتة، والتكيف مع تغير الظروف. تُظهر Anthropic تمييزًا مشابهًا بين سير العمل، حيث تتبع النماذج والأدوات مسارات شفرة محددة مسبقًا، والوكيلات، حيث يمكن للنموذج توجيه عملياته واستخدام الأدوات ديناميكيًا.

من التنفيذ الحتمي إلى القرارات التكيفية

لا يجعل أي من ذلك الأتمتة التقليدية قديمة. فالأتمتة الحتمية تظل الحل الصحيح عندما يكون المسار من حالة معروفة إلى إجراء ما مفهومًا جيدًا. إذا فشلت خدمة في فحص السلامة، فأعد تشغيلها. وإذا استوفى طلب معايير محددة، فوجّهه إلى قائمة الانتظار المناسبة. وإذا تجاوزت واجهة حدًا معينًا، فافتح تذكرة وشغّل تشخيصًا. هذه بالضبط أنواع الإجراءات المتكررة التي تجيد الأتمتة تنفيذها.

وسّعت AIOps هذا النموذج بمساعدة المؤسسات على تفسير ما يحدث قبل تشغيل الأتمتة، عبر ربط الأحداث واكتشاف الحالات الشاذة وتقليل الضوضاء وإضافة السياق. ويخطو الذكاء الاصطناعي الوكيلي خطوة أبعد بإدخال الحكم بين الإشارة والإجراء. فلم يعد السؤال «أي مسار عمل تطلقه هذه الحالة؟» فقط، بل أصبح «بالنظر إلى الهدف والأدلة المتاحة الآن، ما أفضل خطوة تالية؟»

لنفترض أن أداء خدمة يتدهور. قد يحتاج الوكيل إلى فحص بيانات القياس والبنية والتغييرات الأخيرة والتذاكر وبيانات الإعداد والحوادث السابقة والأثر في الأعمال قبل أن يقرر ما يجب فعله. في حالة ما قد تشير الأدلة إلى إصلاح مألوف، وفي أخرى قد يحتاج إلى جمع معلومات إضافية أو تشغيل تشخيص للقراءة فقط. وعندما يكون الأثر المحتمل كبيرًا أو الأدلة غير حاسمة، قد يكون القرار الصحيح إشراك إنسان. وهذا التكيف في المسار وفق ما يكتشفه النظام هو التحول الحقيقي.

السياق والذاكرة يغيّران جودة القرار

الاستقلالية من دون سياق ليست مفيدة كثيرًا. فقد يعني العرض نفسه شيئًا مختلفًا تمامًا بحسب البنية أو أعمال الصيانة أو التغييرات الأخيرة أو الاعتماديات أو أثره في العملاء. يدرك المشغّلون ذوو الخبرة ذلك فطريًا؛ فنادرًا ما يتخذون قرارًا مهمًا من إشارة معزولة. بل يبنون صورة متكاملة، ويفصلون الملاحظة عن الاستنتاج، ويحددون مقدار الثقة التي تستحقها الأدلة.

Memory adds another dimension. Google Cloud identifies memory بوصفها مكوّنًا أساسيًا في البنى الوكيلية لأنها تساعد الوكلاء على الاحتفاظ بالسياق واستخدام معلومات التفاعلات السابقة. وفي العمليات تتجاوز الفرصة مجرد استرجاع تذكرة قديمة. فالذاكرة التشغيلية المفيدة يمكن أن تحفظ ما حدث عند ظهور ظروف مشابهة، وأي فرضية ثبتت صحتها، والإصلاح الذي جُرّب، وهل نجح أم جرى التراجع عنه، وما تعلمه المشغّلون بعد ذلك. وعندما تُتحقق هذه الخبرة، تصبح دليلًا للقرار التالي بدل أن تضيع في مراجعة ما بعد الحادث أو تبقى في ذهن خبير.

هناك تشابه لافت مع العلوم المعرفية. تبحث الدراسات المتعلقة بالتفريغ المعرفي في كيفية استخدام الناس أدوات وإجراءات خارجية لتقليل العبء الذهني للمهمة، بينما أظهرت أبحاث استخدام الأدوات أن التفاعل المتكرر مع الأدوات يمكن أن يغيّر تصور الناس لمدى وصولهم العملي وقدرتهم على التصرف. ولا ينبغي أخذ التشبيه مع الذكاء الاصطناعي المؤسسي حرفيًا، لكن فكرته الأساسية مفيدة: فالأدوات لا توفر الوقت فحسب، بل قد تغيّر مع مرور الزمن طريقة تعاملنا مع المشكلة. كما تقدم الأبحاث المعروفة عن سائقي سيارات الأجرة في لندن وخبرة الملاحة تذكيرًا آخر بأن التجربة المستمرة يمكن أن تشكّل الإدراك ذاته. ولذلك لا يقتصر سؤال التصميم للمؤسسات على مقدار العمل الذي يستطيع الوكيل توليه، بل يشمل ما إذا كان النظام المؤلف من الإنسان والوكيل يصبح أفضل في فهم التعقيد والتعامل معه.

يجب على الوكلاء تنسيق الأتمتة، لا استبدالها

ولهذا أيضًا لا أرى الذكاء الاصطناعي الوكيلي رفضًا للأتمتة. فقد أمضيت سنوات في بداية مسيرتي أبني أتمتة العمليات، وبقي معي درس واحد: التنفيذ وحده لا يكفي. يجب أن تكسب الأتمتة الثقة. ويحتاج المشغّلون إلى الاطمئنان إلى استخدام الإجراء الصحيح في الحالة الصحيحة، بالصلاحية المناسبة وبأدلة تكفي لفهم السبب.
تستند البنية الوكيلية العملية إلى ذلك الاستثمار. فالنصوص البرمجية ومسارات العمل وواجهات API ومنصات التنسيق والأدوات المتخصصة القائمة تصبح قدرات يمكن للوكيل استدعاؤها عند الحاجة. وإذا دعمت الأدلة إصلاحًا معروفًا، يستطيع الوكيل استخدام الأتمتة المثبتة بدل ابتكار إجراء جديد. وإذا كانت الأدلة ناقصة، يمكنه مواصلة التحقيق. وتأتي القيمة من الجمع بين التنفيذ الموثوق واتخاذ قرار أكثر تكيفًا بشأن توقيت التنفيذ وكيفيته.

المزيد من الاستقلالية يجعل الحوكمة أكثر أهمية

منذ اللحظة التي يستطيع فيها البرنامج الاختيار بين إجراءات، لا يمكن أن تكون الحوكمة إضافة لاحقة. فعلى الوكيل المؤسسي أن يفهم ليس فقط ما يستطيع فعله تقنيًا، بل أيضًا ما يُسمح له بفعله في بيئة محددة، وعند مستوى معين من المخاطر، وتحت هوية أو دور معين. NIST’s AI Risk Management Framework يعكس هذه النظرة الأوسع للحوكمة، إذ ينظم إدارة مخاطر الذكاء الاصطناعي حول الحوكمة والتخطيط والقياس والإدارة، مع امتداد الحوكمة عبر الوظائف الأخرى.

عمليًا، يعني ذلك أن يكون الوكيل قادرًا على عرض الأدلة وراء توصيته، وتوضيح الأنظمة والبيانات التي استخدمها، وإظهار عدم اليقين، واحترام متطلبات الموافقة، وترك سجل تدقيق لما حدث. وإمكانية التراجع مهمة أيضًا؛ فلا ينبغي أن يخضع تشخيص للقراءة فقط وتغيير في إعدادات الإنتاج لعتبة الاستقلالية نفسها.

وهكذا تصبح الرقابة البشرية أكثر دقة بدل أن تختفي. فقد يجمع الوكيل نفسه الأدلة ذاتيًا، ويوصي بإصلاح، ويطلب الموافقة قبل إجراء أعلى خطورة، ثم يتحقق من نجاح الإجراء المعتمد. والهدف ليس إعلان وجود البشر دائمًا «داخل» الحلقة أو «خارجها»، بل وضع الحكم البشري في النقاط التي يقدم فيها أكبر قيمة.

الميزة الحقيقية هي ما يحدث بعد الإجراء

ربما يظهر أهم اختلاف بعد اتخاذ الإجراء. تسأل الأتمتة التقليدية عادةً هل نُفذ مسار العمل بنجاح. أما النظام المعرفي فعليه طرح سؤال أصعب: هل حقق الإجراء النتيجة المقصودة، وماذا ينبغي أن نتعلم مما حدث؟

يغيّر ذلك قيمة حلقة التغذية الراجعة. فقد يعزز الإصلاح الناجح الأدلة لحالة مشابهة مستقبلًا. وينبغي للفرضية الفاشلة أن تقلل احتمال تكرار النظام للمنطق نفسه. ويمكن لتصحيح المشغّل تحسين التوصية التالية، بينما قد يكشف التراجع أن مستوى الثقة تجاوز ما تبرره الأدلة المتاحة. ومع الوقت لا يكون الأصل المهم مجرد مكتبة أتمتة أكبر، بل العلاقة المتراكمة بين الحالات والأدلة والقرارات والإجراءات والنتائج.

من هذا المنظور، لا يتمثل تطور أتمتة المؤسسات في استبدال جيل تقني بآخر بقدر ما يتمثل في إضافة قدرات جديدة حول ما يعمل بالفعل. فقد رمّزت النصوص البرمجية الإجراءات، وسجلت أدلة التشغيل الخطوات، وربطها التنسيق، وساعدت AIOps في تفسير إشارات تشغيلية متزايدة التعقيد. ويضيف الذكاء الاصطناعي الوكيلي القدرة على السعي إلى الأهداف، والاستدلال عبر السياق والأدلة، والاستفادة من الذاكرة، والاختيار بين القدرات المتاحة، والعمل داخل حدود خاضعة للحوكمة، والتعلم من النتيجة.

لا ينبغي أن تكون النهاية استقلالية بلا حدود، بل استقلالية خاضعة للمساءلة: أنظمة تعرف متى تتصرف، ومتى تحقق، ومتى تطلب الإذن، ومتى تتوقف. هذا هو الانتقال من الأتمتة إلى الإدراك؛ ليس باستبدال الآلات للعمليات البشرية، بل بتطوير المؤسسات طريقة أفضل للإدراك واتخاذ القرار والعمل والتعلم.