لم يعد الذكاء الاصطناعي يقتصر على تحليل المعلومات أو الإجابة عن الأسئلة أو إنشاء النصوص والصور استجابةً لتعليمات المستخدم، بل أصبحت بعض الأنظمة قادرة على التعامل مع المهام بطريقة أكثر استقلالية؛ فتفهم الهدف المطلوب، وتحلل المعلومات المرتبطة به، وتحدد الخطوات اللازمة، وتستخدم الأدوات المتاحة لتنفيذها، ثم تراجع النتائج وتواصل العمل أو تعدل مسارها عند الحاجة.
من هنا ظهر مفهوم الوكلاء الأذكياء (AI Agents)، وهي أنظمة برمجية تستخدم تقنيات الذكاء الاصطناعي لتنفيذ مهام موجهة نحو هدف محدد، بدل الاكتفاء بإنتاج استجابة واحدة لكل طلب. وتكمن الفكرة الأساسية في قدرة النظام على الانتقال من مرحلة فهم ما يريده المستخدم إلى مرحلة تحديد ما الذي يجب فعله للوصول إلى النتيجة المطلوبة.
ولا يعني ذلك أن الوكيل يعمل دون قيود أو تدخل بشري في جميع الحالات؛ إذ تعتمد درجة استقلاليته على تصميم النظام، والبيانات والأدوات المتاحة له، والصلاحيات الممنوحة، والضوابط التي تحدد الإجراءات التي يمكنه تنفيذها ومتى يحتاج إلى موافقة الإنسان.
لكن كيف يعمل الوكيل الذكي؟ وما المكونات التي يعتمد عليها؟ وكيف ينتقل من فهم الهدف إلى التخطيط والتنفيذ ومراجعة النتائج؟ ولماذا تختلف الوكلاء الأذكياء عن الأنظمة التي تكتفي بتنفيذ خطوات محددة مسبقًا؟
لنبدأ من التعريف نفسه.
ما هو الوكيل الذكي AI Agent؟
لفهم ما هو AI Agent بصورة صحيحة، من المهم أولًا التمييز بين الوكيل وبين نموذج الذكاء الاصطناعي الذي يعتمد عليه.
النموذج هو المكوّن الذي يستطيع فهم التعليمات وتحليل المعلومات وتوليد المخرجات، بينما الوكيل هو نظام أوسع يوظف هذا النموذج ضمن دورة عمل موجهة نحو هدف معين. لذلك لا يقتصر دور الوكيل على إنتاج إجابة، بل يمكنه تحليل المهمة، واختيار الإجراءات المناسبة، والاستفادة من الأدوات المتاحة، ثم متابعة النتائج حتى الوصول إلى الهدف أو التوقف عند حد معين.
يمكن تبسيط فكرة عمل الوكيل في دورة متكررة:
الهدف ← الفهم ← التخطيط ← التنفيذ ← ملاحظة النتيجة ← إعادة التقييم ← تنفيذ الخطوة التالية
وقد تكون هذه الدورة قصيرة جدًا عندما تكون المهمة بسيطة، بينما قد تتكرر عدة مرات عندما تحتاج المهمة إلى أكثر من مرحلة أو تعتمد كل خطوة فيها على نتيجة الخطوة السابقة.
ولتوضيح الفكرة، تخيل نظامًا يُطلب منه تنظيم مجموعة من المعلومات وفق شروط محددة. لن يقتصر دوره على قراءة المعلومات وإظهارها، بل يمكنه فهم المعايير، وتصنيف البيانات، واكتشاف الحالات غير الواضحة، وتحديد ما يحتاج إلى مراجعة، ثم التحقق من النتيجة النهائية. وهنا يظهر جوهر مفهوم الوكيل: التركيز ليس فقط على الاستجابة، وإنما على إنجاز الهدف.
لكن الوصول إلى هذه النتيجة لا يحدث تلقائيًا؛ فالوكيل يحتاج إلى مجموعة من المكونات التي تمنحه القدرة على الفهم والتحرك.
مكونات AI Agent
لا يعتمد الوكيل الذكي على نموذج الذكاء الاصطناعي وحده، وإنما يتكون عادةً من مجموعة من العناصر التي تعمل معًا لتنفيذ المهمة.
1. نموذج الذكاء الاصطناعي
يمثل النموذج الجزء المسؤول عن فهم التعليمات وتحليل المعلومات والاستدلال وتوليد المخرجات التي يحتاج إليها النظام أثناء تنفيذ المهمة. وفي كثير من التطبيقات الحديثة يُستخدم نموذج لغوي كبير LLM، لكن وجود هذا النموذج وحده لا يحول النظام تلقائيًا إلى Agent. فالنموذج يستطيع تحليل الطلب أو اقتراح الخطوة المناسبة، لكنه يحتاج إلى أدوات وبيانات وآلية تنفيذ حتى يتحول هذا التحليل إلى فعل.
ولهذا يمكن القول إن النموذج يمثل العقل التحليلي داخل النظام، بينما تعتمد بقية المكونات على تحويل مخرجاته إلى عملية تنفيذ متكاملة.
2. التعليمات
يحتاج الوكيل إلى تعليمات واضحة تحدد دوره والهدف الذي يعمل من أجله والقيود التي يجب أن يلتزم بها. وقد تتضمن هذه التعليمات الطريقة التي يجب أن يتعامل بها مع المهمة، والنتيجة المطلوبة، والبيانات التي يمكن استخدامها، والحالات التي يجب أن يتوقف عندها النظام.
وتزداد أهمية هذه التعليمات كلما أصبحت المهمة أكثر تعقيدًا، لأن الوكيل يحتاج إلى فهم ليس فقط ما يجب فعله، بل أيضًا ما الذي لا ينبغي له فعله.
3. السياق
السياق هو مجموعة المعلومات التي يحتاج إليها الوكيل لفهم الحالة الحالية للمهمة. وقد يتضمن طلب المستخدم، ونتائج الخطوات السابقة، والمعلومات المرتبطة بالمهمة، والتعليمات، وأي بيانات إضافية تم استرجاعها أثناء التنفيذ. وتكمن أهمية السياق في أنه يسمح للوكيل بالتعامل مع المهمة باعتبارها عملية متصلة، بدل أن يعالج كل خطوة بمعزل عن الخطوات السابقة.
4. الذاكرة
تساعد الذاكرة الوكيل على تخزين بعض المعلومات واسترجاعها عند الحاجة. وقد تكون الذاكرة قصيرة الأجل، فتحتفظ بما يلزم للمهمة الحالية، أو طويلة الأجل، فتسمح بالرجوع إلى معلومات محفوظة في مهام لاحقة وفق تصميم النظام. لكن من المهم التمييز بين الذاكرة وإعادة تدريب النموذج. فالاحتفاظ بمعلومة واسترجاعها لاحقًا لا يعني أن النموذج نفسه قد تم تدريبه من جديد عليها.
5. الأدوات
الأدوات تمنح الوكيل القدرة على التفاعل مع البيئة الرقمية المحيطة به. وقد تكون الأداة وظيفة برمجية، أو مصدر بيانات، أو واجهة برمجة تطبيقات، أو نظامًا خارجيًا، أو قاعدة بيانات، أو خدمة يمكن للوكيل استدعاؤها أثناء تنفيذ المهمة. وهنا يظهر الفرق بين معرفة ما ينبغي فعله وبين القدرة على فعله. فقد يحدد النموذج الإجراء المناسب، بينما تمنح الأداة الوكيل الوسيلة اللازمة لتنفيذ ذلك الإجراء.
6. طبقة التنسيق والتنفيذ Orchestration
تربط طبقة Orchestration بين النموذج والسياق والأدوات والذاكرة وحالة المهمة. وهي المسؤولة عن تنسيق سير العمل، وإدارة ترتيب الخطوات، ونقل نتائج الإجراءات إلى النموذج، ومتابعة حالة المهمة، وتحديد ما الذي سيحدث بعد ذلك.وتزداد أهمية هذه الطبقة عندما لا تكون المهمة عبارة عن خطوة واحدة، بل تتكون من سلسلة مترابطة من الإجراءات.
بعد معرفة المكونات، يبقى السؤال الأهم: كيف تتفاعل هذه الأجزاء معًا عندما يحصل الوكيل على مهمة فعلية؟
كيف يعمل AI Agent خطوة بخطوة؟
قد تبدو المهمة من الخارج بسيطة، لكن الوكيل الذكي يتعامل معها باعتبارها سلسلة من القرارات والإجراءات. حيث يمر الوكيل الذكي عادةً بعدة مراحل مترابطة تبدأ بفهم الهدف وتنتهي بتحقيق النتيجة أو طلب تدخل بشري.
1. فهم الهدف
يبدأ الوكيل بتلقي المهمة أو الهدف الذي يريد المستخدم تحقيقه. ولا يقتصر الأمر على قراءة التعليمات، بل يحاول تحديد النتيجة المطلوبة والشروط والقيود التي يجب مراعاتها أثناء التنفيذ.
2. جمع المعلومات والسياق
بعد فهم الهدف، يجمع الوكيل المعلومات التي يحتاج إليها لتنفيذ المهمة. وقد يعتمد على البيانات الموجودة في الطلب، أو على نتائج خطوات سابقة، أو على معلومات يمكنه الوصول إليها من قواعد بيانات أو مصادر أخرى مسموح له باستخدامها.
3. تحليل المهمة
يحدد الوكيل الإجراءات التي قد يحتاج إليها للوصول إلى النتيجة. إذا كانت المهمة بسيطة، فقد يحتاج إلى إجراء واحد فقط. أما إذا كانت متعددة الخطوات، فيمكن تقسيمها إلى مهام أصغر وتنظيمها وفق العلاقات والاعتماد بينها.
4. وضع خطة
يضع الوكيل خطة أولية لتنفيذ المهمة، تحدد الخطوات التي يمكن اتخاذها والترتيب المناسب لها. ولا تكون الخطة بالضرورة ثابتة طوال فترة التنفيذ، إذ يمكن تعديلها إذا ظهرت معلومات جديدة أو لم تحقق إحدى الخطوات النتيجة المتوقعة.
5. اختيار الأدوات المناسبة
يحدد الوكيل ما إذا كان يحتاج إلى استخدام أداة معينة لتنفيذ الخطوة التالية. فقد يحتاج إلى الوصول إلى قاعدة بيانات، أو البحث عن معلومة، أو استدعاء واجهة برمجة تطبيقات، أو استخدام إحدى وظائف النظام.
6. تنفيذ الإجراء
ينفذ الوكيل الإجراء ضمن الصلاحيات الممنوحة له. وقد ينتج عن هذه الخطوة معلومات جديدة أو نتيجة تحتاج إلى تحليل قبل الانتقال إلى المرحلة التالية.
7. مراجعة النتيجة
لا يعني تنفيذ الإجراء أن المهمة انتهت. يفحص الوكيل النتيجة ويقارنها بالهدف المطلوب، ثم يحدد ما إذا كانت النتيجة كافية للانتقال إلى الخطوة التالية أو تحتاج إلى إجراء إضافي.
8. تعديل الخطة عند الحاجة
إذا ظهرت نتيجة غير متوقعة أو كانت المعلومات غير كافية، يمكن للوكيل في الأنظمة التي تسمح بذلك إعادة تقييم الموقف وتعديل خطته. وقد يختار أداة مختلفة أو ينفذ إجراءً إضافيًا أو يطلب معلومات جديدة.
9. التحقق من اكتمال المهمة
يتحقق الوكيل من أن شروط المهمة قد تحققت بالفعل، وليس فقط من أن آخر إجراء تم تنفيذه بنجاح. وهذه الخطوة تساعد على منع النظام من اعتبار المهمة مكتملة بينما لم تتحقق النتيجة النهائية المطلوبة.
10. إنهاء المهمة أو طلب تدخل بشري
عندما تتحقق النتيجة المطلوبة، ينهي الوكيل المهمة ويقدم المخرجات. أما إذا واجه إجراءً حساسًا أو مشكلة لا يستطيع التعامل معها ضمن صلاحياته، فقد يتوقف ويطلب تدخلًا بشريًا وفق القواعد المحددة في النظام.
وبذلك يمكن تلخيص دورة العمل في:
افهم ← حلل ← خطط ← نفّذ ← راقب ← قيّم ← عدّل ← أكمل أو توقّف.
وهنا تظهر نقطة مهمة: الوكيل لا ينفذ الخطة فقط، بل قد يعيد النظر فيها عندما تكشف النتائج أن المسار الأول لم يعد مناسبًا.
استخدامات الوكلاء الأذكياء
يمكن استخدام الوكلاء الأذكياء في العديد من المجالات، خاصة المهام التي تتطلب تنفيذ مجموعة من الخطوات المتتابعة. ومن أبرز الاستخدامات:
خدمة العملاء: فهم استفسارات العملاء، والوصول إلى بياناتهم، والتحقق من الطلبات، وتنفيذ بعض الإجراءات المرتبطة بخدمة العملاء.
المبيعات: متابعة العملاء المحتملين، وتحليل بيانات العملاء، وتجهيز المعلومات التي يحتاج إليها فريق المبيعات.
التسويق: جمع بيانات الحملات التسويقية وتحليل أدائها، واكتشاف المشكلات، وإعداد التوصيات والإجراءات المناسبة.
تحليل البيانات: جمع البيانات من مصادر مختلفة، وتحليلها، واستخراج النتائج، وإعداد التقارير التي تساعد الموظفين في اتخاذ الإجراءات المناسبة.
الأعمال الإدارية: تنفيذ المهام المتكررة التي تتطلب التعامل مع أكثر من نظام أو مصدر للمعلومات، مما يساعد على تقليل الوقت اللازم لإنجازها.
لماذا يحتاج الوكيل إلى التخطيط وإعادة التقييم؟
تظهر الحاجة إلى التخطيط عندما تصبح المهمة أكبر من مجرد أمر مباشر. ففي بعض الحالات يكون المسار معروفًا من البداية، ويمكن تنفيذ الخطوات بالتتابع دون تغيير. لكن عندما تعتمد الخطوة التالية على نتيجة الخطوة الحالية، تصبح الخطة بحاجة إلى قدر من المرونة.
قد يبدأ الوكيل بخطة أولية، ثم يكتشف أن إحدى المعلومات ناقصة، أو أن إحدى الخطوات لم تعطِ النتيجة المطلوبة. عندها يمكنه، وفق تصميم النظام، إعادة تقييم الوضع واختيار مسار مختلف.
يمكن تصور ذلك بهذه الصورة:
هدف ← خطة أولية ← تنفيذ ← نتيجة جديدة ← مراجعة ← تعديل الخطة ← تنفيذ جديد ← تحقق
ولا يعني هذا أن الوكيل «يفكر بلا حدود»، بل إن مساحة التخطيط نفسها تكون مرتبطة بالتعليمات والصلاحيات والأدوات التي تم توفيرها له.
ولا تتوقف هذه المرونة عند التخطيط وحده؛ فالوصول إلى المعلومات المناسبة جزء أساسي من قدرة الوكيل على اتخاذ الخطوة التالية.
كيف يستخدم AI Agent البيانات الخارجية؟
قد تكون المعرفة المتاحة داخل النموذج غير كافية لإتمام مهمة معينة، لذلك يحتاج الوكيل إلى الوصول إلى معلومات خارجية ضمن الصلاحيات المتاحة له. ويمكن أن يحصل على هذه المعلومات من قاعدة بيانات، أو نظام داخلي، أو مصدر موثوق، أو واجهة برمجية، ثم يستخدم النتيجة في الخطوات التالية.
وهنا يظهر مفهوم Grounding، الذي يشير بصورة عامة إلى ربط استجابة النموذج بمعلومات أو مصادر خارجية مرتبطة بالمهمة بدل الاعتماد على المعرفة العامة للنموذج فقط. لكن الوصول إلى هذه البيانات يظل مرتبطًا بما يسمح به النظام؛ فالوكيل لا يستطيع استخدام مصدر غير متصل به أو الوصول إلى بيانات لا يملك صلاحية الوصول إليها.
وبجانب المعلومات التي يحصل عليها أثناء المهمة، قد يحتاج الوكيل إلى الاحتفاظ ببعض البيانات والرجوع إليها لاحقًا.
كيف يستخدم AI Agent الذاكرة؟
الذاكرة تسمح للوكيل بالاحتفاظ بمعلومات يمكن أن يحتاج إليها أثناء تنفيذ المهمة أو في تفاعلات لاحقة، بحسب تصميم النظام.
وقد تكون الذاكرة:
قصيرة الأجل: ترتبط بالسياق الحالي والمعلومات اللازمة لإكمال المهمة.
طويلة الأجل: تسمح بتخزين واسترجاع معلومات يمكن استخدامها في مهام لاحقة.
كما يمكن أن تتضمن بعض الأنظمة أنواعًا أكثر تخصصًا من الذاكرة، مثل المعلومات المرتبطة بأحداث سابقة أو المعرفة الدلالية أو الإجراءات المتكررة. لكن الذاكرة لا تعني أن الوكيل يتعلم تلقائيًا من كل تفاعل بمعنى تحديث نموذج الذكاء الاصطناعي نفسه؛ فالتخزين والاسترجاع وإعادة تدريب النموذج عمليات مختلفة.
ويبقى السؤال: إلى أي مدى يستطيع الوكيل أن يقرر ويتصرف بنفسه؟
هل يعمل AI Agent بشكل مستقل تمامًا؟
لا تعني تسمية النظام «وكيلًا ذكيًا» أنه يعمل باستقلال كامل. يمكن للنظام أن يعمل بصورة مستقلة في مهام معينة، بينما يتطلب تدخلًا بشريًا في مهام أخرى. وقد تحدد الشركة مسبقًا الإجراءات التي يمكن تنفيذها تلقائيًا، وتلك التي تحتاج إلى مراجعة.
ويمكن أيضًا تحديد عدد المحاولات التي يستطيع الوكيل القيام بها، والبيانات التي يصل إليها، والأدوات التي يستخدمها، والحالات التي يجب عندها التوقف. وبذلك تكون الاستقلالية مستوى يمكن ضبطه، وليس صفة واحدة ثابتة تنطبق على جميع AI Agents.
ولأن مستوى الاستقلالية يختلف من نظام إلى آخر، فمن الطبيعي أن تختلف كذلك البنية التي يعتمد عليها كل نوع من الوكلاء.
أنواع الوكلاء الأذكياء
يمكن تصنيف الوكلاء بطرق مختلفة، لكن من المفيد فهم بعض الأنماط وفق طريقة اتخاذ القرار والعمل.
الوكلاء القائمون على رد الفعل: يركزون على الاستجابة للحالة الحالية والمدخلات التي تصل إليهم، ويكون سلوكهم مرتبطًا بما يرونه في البيئة في تلك اللحظة.
الوكلاء القائمون على الأهداف: يركزون على النتيجة النهائية، ويختارون الإجراءات وفق مدى مساهمتها في تحقيق الهدف المطلوب.
الوكلاء القائمون على التخطيط: يعتمدون بدرجة أكبر على تقسيم المهمة إلى مراحل، وبناء خطة، ثم تنفيذها مع إمكانية تعديلها عند ظهور نتائج جديدة.
الأنظمة متعددة الوكلاء: تستخدم أكثر من Agent ضمن عملية واحدة، بحيث يمكن توزيع الأدوار أو المهام المختلفة بينهم ثم تنسيق النتائج.
ولا يعني هذا أن نوعًا واحدًا يناسب جميع المهام، لأن اختيار البنية يعتمد على طبيعة المشكلة ومستوى التعقيد والاستقلالية المطلوبين.
وعندما تصبح المهمة أكبر من أن يتعامل معها وكيل واحد بكفاءة، يظهر نموذج آخر يعتمد على توزيع الأدوار بين عدة وكلاء.
ما هو Multi-Agent System؟
عندما تكون المهمة قابلة للتقسيم إلى أجزاء مختلفة، يمكن تصميم نظام يضم عدة وكلاء بدل الاعتماد على وكيل واحد. في Multi-Agent System قد يتولى وكيل مهمة معينة، بينما يتولى وكيل آخر مهمة مختلفة، ثم يجري تبادل النتائج أو تنظيم العمل بينهم.
وقد توجد جهة تنسيق تحدد الأدوار وتسلسل التنفيذ، أو قد تعتمد الوكلاء على آليات تعاون أكثر توزيعًا.
لكن استخدام عدد أكبر من الوكلاء لا يعني تلقائيًا أن النظام أصبح أفضل؛ إذ تزداد الحاجة إلى تنسيق المعلومات، وتحديد المسؤوليات، ومنع تكرار العمل، والتعامل مع اختلاف النتائج.
ومهما كانت البنية التي يعمل بها الوكيل، تبقى الأخطاء جزءًا محتملًا من عملية التنفيذ، ولذلك يحتاج النظام إلى طريقة واضحة للتعامل معها.
كيف يتعامل AI Agent مع الأخطاء؟
يمكن أن تحدث الأخطاء في أثناء جمع المعلومات أو استخدام الأدوات أو تفسير النتائج. ويعتمد تعامل الوكيل معها على تصميم النظام، فقد يستطيع:
إعادة المحاولة إذا كان الفشل مؤقتًا.
تغيير المسار إذا لم تحقق الخطوة النتيجة المطلوبة.
استخدام أداة بديلة إذا كانت الأداة الأولى غير متاحة.
طلب معلومات إضافية عندما تكون المدخلات غير كافية.
التوقف عندما لا يكون من الآمن أو الممكن مواصلة المهمة.
طلب تدخل بشري عندما يحتاج الإجراء إلى موافقة أو يتجاوز حدود النظام.
ولهذا يجب أن تتضمن بنية الوكيل آليات واضحة للتعامل مع حالات الفشل، بدل افتراض أن كل خطوة ستنجح من المحاولة الأولى.
وهنا نصل إلى جانب لا يقل أهمية عن القدرة على التنفيذ نفسها: معرفة الحدود التي لا ينبغي للوكيل تجاوزها.
ما حدود AI Agent؟
كلما زادت قدرة الوكيل على التعامل مع البيانات والأدوات، أصبحت الحاجة إلى تحديد حدوده أكثر أهمية. ومن الأسئلة التي يجب الإجابة عنها عند بناء النظام:
ما البيانات التي يمكنه الوصول إليها؟
ما الأدوات التي يمكنه استخدامها؟
ما الإجراءات التي يستطيع تنفيذها؟
ما الإجراءات التي تحتاج إلى موافقة؟
كم مرة يمكنه إعادة المحاولة؟
متى يجب أن يتوقف؟
كيف يتعامل مع الحالة التي لا تغطيها التعليمات؟
وهذه الحدود لا تقل أهمية عن قدرات النموذج نفسه، لأن الوكيل الفعال ليس الأكثر استقلالية بالضرورة، وإنما النظام الذي يملك المستوى المناسب من الاستقلالية للمهمة التي ينفذها.
بعد تحديد ما يستطيع الوكيل فعله وما لا يستطيع، يبقى من الضروري معرفة ما إذا كان يؤدي هذه المهمة بكفاءة فعلًا.
كيف تقيس كفاءة AI Agent؟
قد يبدو الوكيل متقدمًا لأنه يستطيع تنفيذ خطوات متعددة، لكن المعيار الحقيقي هو مدى نجاحه في تحقيق الهدف المطلوب بكفاءة وموثوقية. ومن المؤشرات المفيدة لتقييم أداء الوكيل:
دقة النتيجة: هل وصل إلى النتيجة الصحيحة التي حددتها المهمة؟
نسبة نجاح المهام: ما نسبة الحالات التي تمكن فيها من إكمال المهمة دون فشل؟
عدد الخطوات: هل يحقق الهدف بمسار معقول أم يحتاج إلى عدد كبير من الإجراءات؟
معدل إعادة المحاولة: كم مرة يفشل ويضطر إلى إعادة تنفيذ الخطوة؟
زمن الإنجاز: كم يستغرق الوصول إلى النتيجة النهائية؟
تكلفة التنفيذ: ما الموارد التي يحتاج إليها أثناء تشغيل المهمة؟
معدل التدخل البشري: كم مرة يحتاج إلى تدخل شخص لإكمال المهمة؟
وهذه المؤشرات تساعد على اكتشاف أن المشكلة ليست دائمًا في «ذكاء» النموذج، فقد يكون النظام جيدًا من ناحية الفهم، لكنه غير فعال بسبب ضعف الأدوات أو سوء التخطيط أو كثرة خطوات التنفيذ.
مثال على طريقة عمل AI Agent
مثال: متابعة أداء حملة إعلانية
تريد شركة تريد استخدام وكيل ذكي لمتابعة أداء حملة إعلانية. يمكن أن يبدأ الوكيل بجمع بيانات الحملة من الأنظمة المتصلة به، ثم تحليل النتائج ومقارنتها بالأهداف المحددة.
بعد ذلك يمكنه تحديد الجوانب التي تحتاج إلى تحسين، وإعداد مجموعة من التوصيات، ثم عرض الإجراءات المقترحة على الموظف المسؤول. وفي حال حصوله على الموافقة المطلوبة، يمكنه تنفيذ الإجراءات التي تسمح له صلاحياته بتنفيذها، ثم متابعة النتائج لمعرفة ما إذا كانت التغييرات قد حققت الهدف المطلوب.
بهذه الطريقة لا يكون الذكاء الاصطناعي مجرد أداة لتحليل البيانات، بل يصبح جزءًا من سير العمل الذي يبدأ من فهم المشكلة وينتهي بتنفيذ الإجراء ومراجعة النتيجة.
ومع كل هذا، يظل سؤال مهم: هل كل نظام يستخدم الذكاء الاصطناعي يستحق فعلًا أن يُسمى Agent؟
هل كل نظام يستخدم الذكاء الاصطناعي يُعد AI Agent؟
ليس بالضرورة. فقد يكون النظام مجرد تطبيق يستخدم نموذجًا للذكاء الاصطناعي لتحليل نص أو إنشاء مخرجات، وقد تكون بعض الأنظمة مجرد أتمتة لمسار محدد مسبقًا.
ويقترب النظام من مفهوم الوكيل عندما تتوافر فيه مجموعة من الخصائص، مثل وجود هدف واضح، والقدرة على تحليل المهمة، واختيار الإجراءات، واستخدام الأدوات، ومتابعة النتائج، وتحديد ما ينبغي فعله لاحقًا ضمن حدود معينة.
لذلك لا ينبغي إطلاق مصطلح AI Agent على أي تطبيق لمجرد أنه يستخدم نموذجًا ذكيًا؛ فالمعيار هو طريقة عمل النظام ودوره في تنفيذ المهمة.
وبعد فهم كيفية عمل هذه الأنظمة وما يميزها عن غيرها، يمكن النظر إلى الاتجاه الذي تتطور نحوه.
ما مستقبل الوكلاء الأذكياء؟
تتجه تطبيقات الذكاء الاصطناعي إلى التعامل مع مهام أكثر تعقيدًا وترابطًا، بدل الاكتفاء بإنتاج مخرجات منفصلة لكل طلب.
ومن المتوقع أن يستمر تطوير الأنظمة التي تجمع بين النماذج والذاكرة والأدوات والتخطيط والتنفيذ ضمن دورة عمل واحدة، إلى جانب تطور الأنظمة متعددة الوكلاء التي تقسم المهام إلى أدوار مختلفة.
لكن زيادة قدرة الوكلاء على اتخاذ الإجراءات لا تعني أن الاستقلالية هي الهدف الوحيد. فكلما أصبح النظام قادرًا على تنفيذ مهام أكثر، زادت أهمية التحقق من النتائج، وحماية البيانات، وإدارة الصلاحيات، ووضع حدود واضحة للتدخل البشري.
وفي النهاية، يرتبط نجاح هذه الأنظمة بقدرتها على تحقيق الهدف المطلوب بصورة موثوقة، وليس بمجرد قدرتها على تنفيذ عدد أكبر من الإجراءات.
وبعد أن تتضح الصورة كاملة، يمكن تلخيص فكرة الوكلاء الأذكياء في مجموعة مبادئ بسيطة.
الوكلاء الأذكياء AI Agents هي أنظمة برمجية تستخدم تقنيات الذكاء الاصطناعي لتنفيذ مهام موجهة نحو أهداف محددة، من خلال فهم التعليمات، وتحليل المهمة، والتخطيط، واستخدام الأدوات، وتنفيذ الإجراءات، ومراجعة النتائج، وتعديل مسار العمل عند الحاجة.
ولا يتكون الوكيل من نموذج الذكاء الاصطناعي وحده، بل يعتمد على مجموعة من المكونات تشمل النموذج، والتعليمات، والسياق، والذاكرة، والأدوات، وطبقة التنسيق، والضوابط والصلاحيات.
وتكمن الفكرة الأساسية في أن الوكيل لا يتعامل مع كل طلب باعتباره استجابة منفصلة، وإنما يستطيع إدارة دورة عمل كاملة تبدأ بفهم الهدف، ثم اختيار الخطوات وتنفيذها ومراجعة نتائجها حتى الوصول إلى النتيجة النهائية أو التوقف عند حدود معينة.
كما أن استقلالية الوكيل ليست مطلقة، ويمكن تحديد ما يستطيع الوصول إليه وتنفيذه، ومتى يجب أن يتوقف أو يطلب تدخلًا بشريًا. لذلك يعتمد بناء AI Agent فعال على الجمع بين القدرة على الفهم والتخطيط والتنفيذ من جهة، والرقابة والضوابط والتحقق من النتائج من جهة أخرى.
لتطبيق مفهوم AI Agents والأتمتة عمليًا، يمكنك التعرف على كورس إنشاء وكلاء الذكاء الاصطناعي AI Agents باستخدام n8n على منصة خبيري.
الأسئلة الشائعة
ما المقصود بالوكلاء الأذكياء AI Agents؟
الوكلاء الأذكياء هي أنظمة برمجية تستخدم الذكاء الاصطناعي لفهم هدف معين، ثم تحليل المهمة والتخطيط للخطوات اللازمة وتنفيذها باستخدام الأدوات والبيانات المتاحة، مع إمكانية مراجعة النتائج وتعديل مسار العمل وفق تصميم النظام.
هل AI Agent هو مجرد نموذج للذكاء الاصطناعي؟
لا، فالنموذج يمثل أحد مكونات الوكيل. أما AI Agent فهو نظام أوسع يجمع النموذج مع التعليمات والسياق والذاكرة والأدوات وآليات التنسيق والضوابط اللازمة لتنفيذ مهمة موجهة نحو هدف.
هل يستطيع AI Agent تغيير خطته أثناء التنفيذ؟
يمكن لبعض الوكلاء إعادة تقييم الخطة واختيار مسار مختلف عندما تظهر معلومات جديدة أو لا تحقق إحدى الخطوات النتيجة المطلوبة، لكن هذه القدرة تعتمد على تصميم النظام ومستوى الاستقلالية المسموح به.
هل يعمل AI Agent بشكل مستقل تمامًا؟
ليس بالضرورة. يمكن تحديد مستوى استقلالية الوكيل وفق طبيعة المهمة، بحيث ينفذ بعض الإجراءات تلقائيًا بينما يحتاج إلى موافقة بشرية قبل إجراءات أخرى.
ما الفرق بين الذاكرة والسياق في AI Agent؟
السياق هو المعلومات التي يحتاج إليها الوكيل لفهم المهمة الحالية، بينما تشير الذاكرة إلى المعلومات التي يمكن للنظام تخزينها واسترجاعها عند الحاجة أثناء المهمة أو في مهام لاحقة وفق تصميمه.
هل يحتاج AI Agent إلى أدوات خارجية؟
ليس كل Agent يحتاج إلى الأدوات نفسها، لكن الأدوات تمنحه القدرة على الوصول إلى البيانات أو التفاعل مع الأنظمة وتنفيذ الإجراءات التي لا يستطيع النموذج تنفيذها بمفرده.
هل كل نظام يستخدم الذكاء الاصطناعي يُعد AI Agent؟
لا، فوجود نموذج ذكاء اصطناعي داخل النظام لا يكفي وحده. يقترب النظام من مفهوم Agent عندما يستطيع العمل نحو هدف، واختيار الإجراءات، واستخدام الأدوات، ومتابعة النتائج ضمن دورة تنفيذ محددة.
ما المقصود بـ Multi-Agent؟
يشير Multi-Agent System إلى نظام يضم أكثر من وكيل ذكي يعملون ضمن مهمة أو مجموعة مهام مترابطة، مع توزيع الأدوار وتنسيق المعلومات والنتائج بينهم.
هل الذاكرة في AI Agent تعني أنه يتعلم تلقائيًا؟
ليس بالضرورة. فالذاكرة تسمح للنظام بتخزين واسترجاع معلومات وفق تصميمه، بينما إعادة تدريب نموذج الذكاء الاصطناعي أو تحديثه عملية مختلفة.
ما الفرق بين AI Agent وWorkflow؟
يعتمد Workflow التقليدي على خطوات وقواعد محددة مسبقًا، بينما يمكن للوكيل اختيار بعض الإجراءات أو تعديل مسار المهمة وفق النتائج والسياق المتاح له. ويمكن للأنظمة الحديثة الجمع بين النوعين ضمن سير عمل واحد.
