بيتر بانغ، المؤسس المشارك والرئيس التنفيذي لشركة CREAO – سلسلة المقابلات

بيتر بانغ، المؤسس المشارك والرئيس التنفيذي لشركة CREAO، يأتي ب背景 عميق في أبحاث الذكاء الاصطناعي وبنية التعلّم الآلي إلى مجال الذكاء الاصطناعي الوكيل الناشئ. قبل إطلاق CREAO في عام 2025، قضى بانغ ما يقرب من ست سنوات في Meta كعالم أبحاث يعمل على مبادرات الذكاء الاصطناعي التوليدي المرتبطة بنماذج LLaMA، بما في ذلك أنظمة LLM الوكيل لتعليم البيانات وتوليد البيانات الاصطناعية. قبل Meta، عمل في Apple (AAPL ) كمهندس تعلم آلي يركز على معالجة اللغة الطبيعية والتعلم النقلي والتعلم العميق والأنظمة التنبؤية، بينما كشفت سنواته المبكرة في مختبر بروكهافن الوطني عنه البحث العلمي المتقدم والأنظمة التجريبية. تجربته عبر أبحاث الذكاء الاصطناعي الرائدة والتعلم الآلي على نطاق كبير والأنظمة المستقلة تشكل الآن الرؤية الفنية لشركة CREAO لبناء وكلاء ذكاء اصطناعي قادرون على التنفيذ المستمر والذاكرة وتوتمتة سير العمل.

CREAO هي منصة ذكاء اصطناعي أصيلة تركز على مساعدة الأفراد والشركات في إنشاء وكلاء ذكاء اصطناعي وتوتمتة سير العمل من خلال اللغة الطبيعية بدلاً من الترميز التقليدي. تضع الشركة “الوكيل الفائق” كنظام ذكاء اصطناعي مستمر يمكنه ليس فقط توليد مخرجات، ولكن أيضًا تحويل المهام الناجحة إلى وكلاء قابلين لإعادة الاستخدام يمكنهم العمل بشكل مستمر مع الذاكرة والجدولة والتكامل عبر أدوات وواجهات برمجة التطبيقات الخارجية. تدعم منصة CREAO نماذج الذكاء الاصطناعي الرائدة الرئيسية، بما في ذلك OpenAI وAnthropic وGoogle وغيرها، مع التأكيد على نموذج تشغيل ذكاء اصطناعي أولي حيث يتعامل الوكلاء بشكل متزايد مع التنفيذ التشغيلي بدلاً من أن يكونوا مساعدين لمرة واحدة. تأسست الشركة في بالو ألتو، وهي تركز على تقدم سير العمل الذكاء الاصطناعي الوكيل، وتوتمتة بدون كود، وتشغيل الذكاء الاصطناعي القابل للتطوير للأعمال والمحترفين المستقلين.

قضيت ما يقرب من ست سنوات في Meta يعمل على نماذج LLaMA وأبحاث الأنظمة الوكيل للبيانات الاصطناعية بعد أدوار تعلم آلي سابقة في Apple وأبحاث في مختبر بروكهافن الوطني. ما الذي أقنعتك بأن الوقت كان مناسبًا للاستفادة من هذه الفرصة لإنشاء Creao AI، وما هو المشكلة التي شعرت بأن منصات الذكاء الاصطناعي الحالية لم تحلها بعد؟

في Meta، رأيت قدرة النموذج تتحسن بشكل كبير مع كل جيل. عملت على توسيع نطاق LLaMA. رأيت ما يمكن أن يفعله هذه النماذج في إعدادات خاضعة للرقابة. الفجوة التي استمرت في التوسع لم تكن في ما يمكن أن تنجزه النماذج — بل في ما حصل عليه الناس فعلاً منها.

كل منصة قدمت نفس الواجهة: نافذة محادثة. تسأل، وتجيب، وتقوم بالعمل. الذكاء الاصطناعي هو مقاول ينسى كل شيء بين الدورات. تقوم بتشغيله مرة أخرى غدًا. النظام لا يتعلم شيئًا بين التشغيلات. تبقى شركتك على حالها.

ذلك كان المشكلة. ليس ذكاء النموذج. التنفيذ. لم يكن أحد يبني النظام الذي يمكن للذكاء الاصطناعي أن يأخذ النتيجة من المحادثة إلى التنفيذ، ويحافظ عليها، ويعيد تشغيلها بدون وجود إنسان في الحلقة.

خلفيتي في الفيزياء علمتني التفكير في الأنظمة، وليس المكونات. في بروكهافن و خلال دكتوراهي في ستوني بروك، قضيت سنوات في بناء خطوط أنابيب تجريبية حيث كان على الأداة وجمع البيانات والتحليل أن تعمل كدورة مغلقة أو لا شيء يعني النتائج. في Apple، عملت على نماذج متعددة التعلم والتعلم العميق والنظم التنبؤية، بينما أظهر لي السنوات المبكرة في مختبر بروكهافن الوطني البحث العلمي المتقدم والأنظمة التجريبية. تجربتي عبر أبحاث الذكاء الاصطناعي الرائدة والتعلم الآلي على نطاق كبير والأنظمة المستقلة تشكل الآن الرؤية الفنية لشركة CREAO لبناء وكلاء ذكاء اصطناعي قادرون على التنفيذ المستمر والذاكرة وتوتمتة سير العمل.

تصف CREAO نفسها كمنصة حيث يمكن للذكاء الاصطناعي بناء أدوات وتنفيذ عمل مستقل. كيف تعرف الفرق بين نظام ذكاء اصطناعي مغلق الحلقات الحقيقي ونوع الملاحة الذكية التي تفيض بها السوق حاليًا؟

الملاحة الذكية تجلس بجانبك. أنت تقود، وهي تقترح. إذا ذهبت للنوم، لا تفعل الملاحة الذكية شيئًا.

نظام مغلق الحلقات يكمّل الدورة الكاملة: يلاحظ، يعمل، يتعلم، يحسّن. يحدد الإنسان النتيجة. يتعامل النظام مع التنفيذ والاستمرار والتكرار.

في CREAO، نفكر في هذا كنظام حزام. يمكن لوكيل واحد أن يُعدّ بريدًا إلكترونيًا، أو يُصنّف عيبًا، أو يُوجز تقريرًا. لكن وكيلًا واحدًا لا يُكثف. يُشغل، ويُنتج مخرجات، ويتوقّف. نظام الحزام يُحيط بالوكلاء ويتحول من أدوات لمرة واحدة إلى محرك متطور ذاتيًا. يتبع حلقة: الاتصال، التدقيق، الحلول، البناء، التحسين الذاتي. يُشغل النظام إلى مصادر البيانات الحقيقية — مستودعاتك، سجلات الأخطاء، حسابات الإعلانات. يقوم بتقييم الحالة الحالية. يقترح إصلاحات. يُبني وكلاء لتنفيذ تلك الإصلاحات. تُغذي المخرجات مرة أخرى. يبدأ جولة جديدة من التدقيق. تُضيق الحلقة.

هذا يختلف بنيوياً عن “لدي وكيل يفعل X”. هذا نظام يكتشف ما يجب أن يكون X، ويبني X، وقياس X، ويتطور X بدون أن تخبره بذلك.

معظم الملاحة الذكية مدعومة بالذكاء الاصطناعي. نظام مغلق الحلقات هو نظام يعمل بالذكاء الاصطناعي. هذا هو خط الفصل.

كانت منشورك الأخير حول “هندسة الحزام” والمنظمات التي تعتمد على الذكاء الاصطناعي أوليًا قد आकरس اهتمامًا كبيرًا عبر الإنترنت. ما الذي أ惊ك أكثر حول رد الفعل على فكرة أن 99% من كود الإنتاج في CREAO مكتوب بالفعل بواسطة الذكاء الاصطناعي؟

المنشور حقق 1.8 مليون مشاهدة. كتبته كوثيقة لفرقنا — سجلًا لما قمنا بتحويله وما تعلمناه.

ما أ惊ني كان انقسام ردود الأفعال. قال بعضهم إن هذا غير مسؤول، أنه لا يمكن الثقة في كود مكتوب بواسطة الذكاء الاصطناعي في الإنتاج. وقال الآخرون: “نحن نرى نفس الشيء ولا أحد يتحدث عنه”.

أخبرني ذلك المجموعة الثانية بشيء مهم. هناك فرق في جميع أنحاء الصناعة تمر بهذه التحول بصمت. أخبرني أحد المراسلين أنه تحدث إلى حوالي خمس أشخاص حول هذا الموضوع. قال لي إننا قد进نا أكثر من أي شخص آخر.

العدد 99% يبدو مثيرًا، لكنه مجرد نتيجة لإزالة معوقات الإنسان واحدة تلو الأخرى. عندما تصمم الهندسة بحيث يمكن للوكلاء رؤية قاعدة الكود كاملة — لقد أعدنا بناء كل شيء في مستودع واحد لكي يرى الذكاء الاصطناعي كل شيء — وخط أنابيب CI/CD الخاص بك يحتوي على ست مراحل حتمية، ومراجعات الذكاء الاصطناعي المتوازية الثلاث تلتقط جودة وأمان واعتمادات على كل طلب، و حلقة自اع الطبية تكتشف الأخطاء، وتُصنّفها، ويتحقق من الإصلاحات تلقائيًا — يتحول دور الإنسان من كتابة الكود إلى تصميم النظام الذي يحكم كيفية كتابة الوكلاء للكود. يتبع حجم الكود بشكل طبيعي.

ما أ惊ني أكثر هو أن المزيد من المديرين التنفيذيين لا يقولون هذا علنًا. أعتقد أن العديد منهم يفعلون ذلك لكنهم خائفون من الانطباع.

في مقالك، تدعي أن معظم الشركات لا تزال “مدعومة بالذكاء الاصطناعي” بدلاً من أن تكون حقًا “ذكاء اصطناعي أوليًا”. ما هي أكبر سوء فهم لدى فرق الإدارة عندما يعتقدون أنهم يعملون بالفعل كمنظمات ذكاء اصطناعي أصيلة؟

أرى فرقًا تدعي الذكاء الاصطناعي أوليًا بينما تقوم بتشغيل نفس دورات السباق، نفس لوحات Jira، نفس الاجتماعات الأسبوعية، نفس إشارات QA. أضافوا الذكاء الاصطناعي إلى الحلقة. لم يغيروا الحلقة.

أكبر سوء فهم: “نستخدم أدوات الذكاء الاصطناعي، لذلك نحن ذكاء اصطناعي أوليًا”. يفتح مهندس Cursor. يُعدّ مدير المنتج مواصفات مع ChatGPT. تجربة QA تُجرى مع توليد اختبار الذكاء الاصطناعي. يبقى سير العمل على حاله. تزيد الكفاءة بنسبة 10 إلى 20 في المائة. لا شيء يتغير هيكليًا. هذا هو الذكاء الاصطناعي المُدعوم.

اختبار بسيط: إذا أزلت كل أداة ذكاء اصطناعي غدًا، هل يتعين عليك تغيير العملية، أو مجرد تغيير الأدوات؟ إذا بقي سير العمل على حاله، فأنت لست ذكاء اصطناعي أوليًا.

السوء الفهم الثاني هو أن الذكاء الاصطناعي أوليًا هو قرار هندسي. إذا قام فريق الهندسة بشحن الميزات في ساعات، لكن فريق التسويق يستغرق أسبوعًا للإعلان عنها، فإن التسويق هو معوق. إذا كان فريق المنتج لا يزال يعمل بدورة تخطيط شهرية، فإن التخطيط هو معوق. في CREAO، دفعنا العمليات الأصيلة بالذكاء الاصطناعي إلى كل وظيفة: ملخصات الإصدار تُولد من سجلات التغيير، ومقاطع فيديو مقدمة الميزات تُنشأ بواسطة الذكاء الاصطناعي، ووسائل التواصل الاجتماعي تُorchestrate وتُنشر تلقائيًا، وتُولد تقارير الصحة من قواعد بيانات الإنتاج. تعمل الهندسة والمنتج والتسويق والنمو في سير عمل ذكاء اصطناعي أصيل واحد. إذا عملت وظيفة واحدة بسرعة الوكيل ووظيفة أخرى بسرعة الإنسان، فإن الوظيفة بسرعة الإنسان تُحدد كل شيء.

السوء الفهم الثالث هو أن هذه التحول يمكن أن تكون تدريجية. نسخة شائعة من هذا هو ما يسمى بترميز الاهتمام. افتح Cursor، وحدد حتى يعمل شيء، وارفع، وكرر. هذا ينتج نماذج. نظام الإنتاج يحتاج إلى استقرار وثبات وأمان. تحتاج إلى نظام يضمن هذه الخصائص عندما يُكتب الكود بواسطة الذكاء الاصطناعي. تبني النظام. الطلبات قابلة للتعويض.

كتبت أن الكسر الحقيقي جاء عندما قامت CREAO بتحويل سير عمل الهندسة بالكامل حول وكلاء الذكاء الاصطناعي بدلاً من مجرد إضافة أدوات الذكاء الاصطناعي إلى العمليات الحالية. أي جزء من هذه التحول كان أكثر صعوبة تشغيليًا أو ثقافيًا للفريق؟

كلاهما، لكنهما صعبان بنوعين مختلفين.

عمليًا، كان القرار الأكثر صعوبة هو توحيد قاعدة الكود. كانت هيكلتنا القديمة منتشرة عبر أنظمة مستقلة متعددة. قد تتطلب التغيير الواحد لمس مستودعات متعددة. من منظور مهندس بشري، من الممكن إدارته. من منظور وكيل الذكاء الاصطناعي، غير واضح.

قضيت أسبوعًا في تصميم النظام الجديد وأسبوعًا في إعادة هندسة قاعدة الكود بالكامل باستخدام الوكلاء. كان ذلك قرارًا جريئًا. إذا فشل، سيكون لدينا مستودع مونوربو مكسور ومستودع متعدد مكسور. لكن المبدأ واضح: كلما سحبت أكثر من نظامك إلى شكل يمكن للوكيل فحصه وتصديقه وعدله، زادت الرافعة التي تحصل عليها. قاعدة كود منقسمة غير مرئية للوكلاء. قاعدة كود موحدة قابلة للقراءة.

ثقافيًا، الجزء الأكثر صعوبة كان الهوية. يجد المُهندسون قيمتهم في الكود الذي يُكتبون. عندما يُكتب الذكاء الاصطناعي 99% من الكود، يصبح السؤال: ما هو عملي الآن؟ هذا ليس سؤالًا عن العملية. هذا وجودي.

لن أزعم أن الجميع كانوا سعداء. عندما توقفت عن التحدث إلى الناس كل يوم لأن وقت إدارتي انخفض من 60% إلى أقل من 10%， شعر بعض أعضاء الفريق بالارتباك. ما يعني أن ي停止 الرئيس التنفيذي عن التحدث إليك؟ ما هو قيمتي في هذا العالم الجديد؟ هذه مخاوف معقولة. ي dành بعض الناس المزيد من الوقت في مناقشة ما إذا كان يمكن للذكاء الاصطناعي القيام بعملهم أكثر من القيام بالعمل.

لكن عندما خبر الناس سير العمل الجديد — حيث انتقلت وظائفهم من كتابة الكود إلى تصميم الأنظمة ووضع إجراءات تشغيلية وبناء حلقات التغذية الراجعة — وجد معظمهم أنها أكثر انخراطًا فكريًا. المُهندسون الذين عانوا أكثر كانوا أولئك الذين كانت هويتهم مرتبطة ارتباطًا وثيقًا بفعل كتابة الكود. أولئك الذين تعايشت بشكل أسرع رأوا أنفسهم على أنهم حلّاء للمشكلات أولاً ومبرمجين ثانيًا.

واحدة من الملاحظات الأكثر جدلاً في مقالك كانت أن المُهندسين الأوائل تعايشت بشكل أسرع من المُهندسين الأقدم في هذا البيئة الجديدة. لماذا تعتقد أن المرونة أصبحت أكثر أهمية من الخبرة التقنية المتراكمة في فرق الهندسة التي تعتمد على الذكاء الاصطناعي أوليًا؟

لاحظت نمطًا لم أتوقعه. المُهندسون الأوائل معقلقل أقل من الممارسة التقليدية شعروا بالتمكين. لديهم أدوات تزيد من تأثيرهم. لم يكن لديهم عقدة من العادات التي يجب التخلص منها.

المُهندسون الأقدم مع ممارسة تقليدية قوية واجهوا وقتًا عصيبًا. يمكن أن يُكمل شهرين من عملهم في ساعة واحدة بواسطة الذكاء الاصطناعي. هذا شيء صعب بعد سنوات من بناء مجموعة مهارات نادرة.

السبب هيكلي. خبرة مهندس أقدم تعيش في التنفيذ الميكانيكي للكود — التنقل في الأنظمة المعقدة، وكتابة التنفيذات المُحسنة، وإجراء المراجعات الشاملة. هذه المهارات حقيقية واكتسبوها على مدار السنوات. لكن في بيئة ذكاء اصطناعي أوليًا، المهارة الميكانيكية لكتابة الكود هي الجزء الذي يتم تلقينه. ما يبقى — ويصبح أكثر قيمة — هو القدرة على تقييم وتقديم نقد وتنفيذ الذكاء الاصطناعي.

لدي دكتوراه في الفيزياء. أهم شيء علمني إياه دكتورتي هو كيفية التشكيك في الفرضيات، واختبار الحجج، وعدم النظر إلى ما يفقد. القدرة على نقد الذكاء الاصطناعي أكثر قيمة من القدرة على إنتاج الكود.

المُهندسون الأوائل لم يكن لديهم خبرة ميكانيكية عميقة للتخلي عنها. لقد تعلموا فقط الشيء الجديد.

لست أدين. أنا أصف ما لاحظته. الأقدمية لا تزال ميزة — التفكير الهندسي العميق،直觉 تصميم النظام — لكن فقط إذا كان مهندس أقدم على استعداد للعمل على ارتفاع مختلف. في هذه التحول، المرونة أكثر أهمية من المهارة المتراكمة.

أعيد بناء CREAO بنية حول مستودعات مونوربو، وخطوط أنابيب CI/CD التلقائية، ونظم مراجعة الذكاء الاصطناعي، وحلقات自اع الطبية التي تدمج أدوات مثل CloudWatch، وSentry، وLinear، وClaude. كم نحن قريبون من مستقبل حيث الأنظمة البرمجية تحتفظ بنفسها وتصلح نفسها بشكل كبير؟

نحن نُشغل حلقة自اع الطبية في الإنتاج الآن. دعني أصف ما يفعله بالفعل.

كل صباح الساعة 9:00 بالتوقيت العالمي المنسق، تُشغل سير عمل صحي تلقائي. يُستفسر Claude Sonnet من CloudWatch، ويحلل أنماط الأخطاء عبر جميع الخدمات، ويُولد ملخصًا تنفيذيًا للصحة يتم تسليمه إلى الفريق. لم يطلب أحد ذلك. بعد ساعة، يُجمّع محرك التriage أخطاء الإنتاج من CloudWatch وSentry، ويتحقق من كل مجموعة عبر تسعة أبعاد للاختراق — تأثير المستخدم، السرعة، نطاق الانفجار، الحساسية التجارية، وخمسة أخرى — ويُولد تلقائيًا تذاكر تحقيق في Linear مع سجلات عينة، ونقاط نهاية متأثرة، ومسارات تحقيق مقترحة.

عندما يُرفع مهندس تصحيحًا، يُشغل نفس خط الأنابيب. ثلاث مرورات مراجعة Claude تقييم الطلب — جودة الكود، وأمان، وفحص الاعتماد. يُشغل CI عبر خط أنابيب من ست مراحل. بعد النشر، يُشغل محرك التriage مرة أخرى. إذا تم حل الأخطاء الأصلية، يُغلق التذكرة تلقائيًا.

علاوة على ذلك، بنينا ما نسميه حزام الوكيل. لجنة تحكيم ثلاثي — قاضٍ من Anthropic، وقاضٍ من OpenAI، وقاضٍ من Google (GOOGL ) — يُقيّم كل استجابة وكيل حية. عندما تنخفض الدرجات، يُشغل خط أنابيب هندسي من ستة مهام يُحول الدرجات المنخفضة إلى تذاكر Linear، وطلبات Pull، وإصلاحات موثوقة. وللتغييرات الكبيرة، توجيهات الإطلاق الرمادية الذكاء الاصطناعي توجيه 10% من حركة المرور إلى المتغير الجديد وتُروج عبر 20%، 50%، 100% فقط إذا تم الحفاظ على الدرجات.

ليس لدينا فريق QA. ليس لدينا بيئة اختبار. لا أحد يقرأ النصوص ويوفر درجات لاستجابات الوكيل يدوياً.

لذلك، كم نحن قريبون؟ أقرب مما يعتقد معظم الناس لمناطق محددة — أنماط أخطاء معروفة، انحطاط، انحراف تكوين. أعتقد أن 70 إلى 80% من صيانة الإنتاج يمكن أن تُشغل بهذه الطريقة مع البنية التحتية الصحيحة.

الاستخلاص العملي: لا تحتاج إلى انتظار الكمال. حتى الصيانة الذاتية الجزئية تغير بشكل كبير ديناميكيات الفريق.

تُصوّر مستقبلاً حيث يمكن أن تصبح “الشركات الفردية” شائعة حيث يُستبدل وكلاء الذكاء الاصطناعي بفرق تشغيلية كبيرة. أي نوع من الشركات أو الصناعات تعتقد أنها ستشعر بهذا التحول أولاً؟

الشركات التي يكون فيها نسبة العبء التشغيلي إلى إنشاء القيمة الأساسية أعلى.

أعتقد أن الشركات الفردية ستصبح شائعة. إذا كان يمكن لمهندس مع وكيل أن يفعل عمل 100 شخص، فربما لن تحتاج الشركة إلى موظف ثاني. قدرة النموذج هي الساعة التي تدفع هذا. أ归 الفضل في التحول الكامل في CREAO إلى الأشهر القليلة الماضية. Opus 4.5 لم يكن يمكنه القيام بما يمكن Opus 4.6 القيام به. سوف تسريع النماذج الجديدة هذا الأمر.

التحول يأتي أولاً حيث يكون العمل رقميًا ويمكن تكراره وواضح دورات التغذية الراجعة. إنتاج المحتوى، وعمليات التسويق، والتجارة الإلكترونية، وأدوات المطورين، والوكالات الرقمية. إذا كان عملك يعتمد بشكل أساسي على أخذ المعلومات، وتحويلها، وتوزيعها، فيمكن لحزام الوكيل التعامل مع معظم ذلك الحلقة.

نراها على منصتنا. نُصوّر حالات استخدام محددة في عملنا: مؤسس منفرد يُشغل GitHub، وSentry، وCloudWatch. يُشغل النظام التدقيق على سجلات الأخطاء، وتواتر النشر، وصحة البنية التحتية. من هذا التدقيق، يُبني وكيل تصنيف عيوب، ووكيل اكتشاف ميزات، وخط أنابيب توليد المحتوى، و حلقة تحسين البنية التحتية. كل وكيل يُشغل، ويُنتج مخرجات، وتُغير المخرجات الحالة. الدورة التالية، يرى التدقيق صورة مختلفة. وجد النظام الحلول الجديدة. لم يخطط المؤسس لها.

في CREAO، نُشغل عملياتنا بهذه الطريقة. استبدل وكيل واحد سير عمل SEO ثلاثي الشكل ليلة واحدة. وكيل آخر قام بتشغيل خط أنابيب المحتوى لمدة يومين قبل أن يتحقق أحد من المخرجات. كانت المخرجات مخربة، وقمنا بقتلها. حدث كلاهما في نفس الأسبوع. نسمي أنفسنا دمى اختبار المستقبل العمل.

الصناعات التي تشعر بالتحول في النهاية: الرعاية الصحية، والتصنيع الثقيل، والقانون — في أي مكان يكون العمل ماديًا أو خاضعًا للتنظيم أو يتطلب حكمًا بشريًا في كل قرار.

أعلنت CREAO مؤخرًا عن جمع 10 ملايين دولار بقيادة Prosperity7 Ventures، ذراع الاستثمار لشركة Saudi Aramco. ما الفرص الاستراتيجية التي تفتحها هذه الشراكة لشركة CREAO مع نمو وكلاء الذكاء الاصطناعي إلى التركيز على الشركات؟

Prosperity7 تدير صندوقًا متنوعًا بقيمة 3 مليارات دولار وتعمل عبر وادي السيليكون والشرق الأوسط وآسيا. بنوا محفظة تشمل بنية تحتية للذكاء الاصطناعي للشركات — Arcee AI، وSpirit AI، وغيرها. التطابق الاستراتيجي يتجاوز الرأس المال.

تطابقت أطروحتهم مع أطروحتنا. كما قال Raed Twaily، المدير التنفيذي لهم علنًا: “随着 نضج اعتماد الذكاء الاصطناعي، ينتقل التركيز من النماذج إلى التنفيذ. Creao AI تبني طبقة البنية التحتية التي تمكن الوكلاء من العمل بشكل مستمر وآمن وموثوق”. هذا بالضبط ما نؤمن به. سوق وكلاء الذكاء الاصطناعي من المتوقع أن يصل إلى 52 مليار دولار بحلول عام 2030. الشركات التي ستستحوذ على القيمة الحقيقية لن تكون تلك التي لديها أفضل نموذج. سيكونون أولئك الذين لديهم أفضل طبقة تنفيذ.

عمليًا، الـ 10 ملايين دولار — مما رفع إجمالينا إلى 25 مليون دولار عبر ثلاث جولات في أقل من عام — يُسرع ثلاثة أشياء. أولاً، عمق الهندسة. نحن نوسع الفريق لمواكبة التكامل على مستوى الشركات وتعاون الوكيل مع الوكيل. حلقة自اع الحزام، ولوحة التقييم الثلاثية، ونظام الإطلاق الموجه بالذكاء الاصطناعي — هذه يجب أن تعمل على مستوى الشركات، وليس فقط لفريق من 25 شخصًا. ثانيًا، النطاق الجغرافي. وجود Prosperity7 في الشرق الأوسط وآسيا يفتح أسواق حيث يسرع تبني وكلاء الذكاء الاصطناعي بشكل أسرع مما يدركه معظم الناس في وادي السيليكون. ثالثًا، المصداقية المؤسسية. عندما تطلب من الشركات أن تثق في وكلاء يديرون عملياتهم بشكل مستمر، فإن الدعم يهم.

جمّعنا 25 مليون دولار في أقل من عام مع عدم وجود تسويق مدفوع و200,000 مستخدم من خلال التبني العضوي. هذه السرعة تعكس اقتناع السوق بأن طبقة التنفيذ هي ساحة المعركة التالية.

أمام النظر، ما شكل النجاح لشركة CREAO على مدى السنوات القليلة القادمة؟ هل الرؤية طويلة الأمد هي بناء وكلاء ذكاء اصطناعي أفضل، أو هل تحاول في النهاية إعادة تعريف كيفية تشغيل الشركات نفسها؟

كلاهما. ومتصلان ببعضهما.

على المدى القصير، النجاح يعني إثبات نموذج الحلقة المغلقة. لدينا 200,000 مستخدم جاءوا من خلال التبني العضوي منذ إطلاقنا في سبتمبر 2025. نشحن إلى الإنتاج ثلاث إلى ثماني مرات في اليوم. نُشغل هندستنا، وتسويقنا، وعملياتنا على الحزام. الخطوة التالية هي إثبات أن الأعمال من جميع الأحجام يمكن أن تعمل بنفس الطريقة.

لكن وكلاء أفضل ليسوا نهاية اللعبة. نهاية اللعبة هي الحزام — النظام حول الوكلاء.

الوكيل هو أداة. نظام الحزام هو عجلة طرد مركزية. كلما أسرع، زادت قوته. كلما رأى أكثر من البيانات، زادت دقة التدقيق. كلما زادت دقة التدقيق، زادت حدة الحلول. كلما زادت حدة الحلول، زادت تأثير الوكلاء. وكلما زادت تأثير الوكلاء، زادت تغيير البيانات. وتستمر الحلقة.

نموذج القرن العشرين للشركة هو هرم من البشر منظمة في إدارات، كل منها يديرها مديرون، كل منها يتبع عمليات مصممة لانتاجية بشرية. عندما يمكن للوكلاء تنفيذ معظم العمل التشغيلي بشكل موثوق، لا يصبح هذا النموذج أكثر كفاءة — بل يبدأ في أن يصبح غير ضروري.

كل شخص يعرف أن الذكاء الاصطناعي يعد بانفجار في الإنتاجية. لكن الصناعة عالقة في فخين. إذا كان البشر لا يزالون يُشغلون أدوات الذكاء الاصطناعي خطوة خطوة، فالإنتاجية تصل إلى سقف. وإذا كان البشر لا يزالون هم المبنيون للأدوات، فإن الثورة الحقيقية لم ت开始 بعد. نحن نبني النظام الذي يُبني الذكاء الاصطناعي الأدوات ويشغلها.

معظم المؤسسين الذين أتحدث معهم لا يزالون يعملون بالطريقة التقليدية. بعضهم يفكر في إجراء التحول. قليلون فعلوا ذلك. الأدوات موجودة لكي يفعلها أي فريق. لا شيء في طابورنا مملوك حصريًا. الميزة التنافسية هي قرار إعادة تصميم كل شيء حول هذه الأدوات، والاستعداد لامتصاص التكلفة.

بنا منصة وكيل. أعاد الوكلاء بناءها. هذا هو مبدأ التصميم. يُضيق الحزام يومًا بعد يوم.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا CREAO.