من التوليد إلى العملية: تحليل الموجة التالية من الذكاء الاصطناعي وتجسيدها في أتمتة سير العمل في المؤسسات

1.0 ملخص إداري

يخضع مجال الذكاء الاصطناعي لتحول نمطي كبير، حيث ينتقل من أنظمة تُولِّد المحتوى بشكل أساسي إلى أنظمة قادرة على تنفيذ إجراءات مستقلة. توفر هذه التقرير تحليلاً شاملاً لهذا الانتقال، مع دراسة القدرات المُنظمة للذكاء الاصطناعي التوليدي، والقوة الناشئة للذكاء الاصطناعي العملي، والآثار الاستراتيجية على عمليات المؤسسات. النتيجة الأساسية هي أن بينما أدى الذكاء الاصطناعي التوليدي إلى ثورة في إنشاء المحتوى وتنسيق المعلومات، يمثل الذكاء الاصطناعي العملي الخطوة التالية المنطقية، حيث يتحول إمكانات الذكاء الاصطناعي إلى إجراء ملموس موجه لهدف، ويعيد تعريف منظر أتمتة عمليات الأعمال.

يتميز الذكاء الاصطناعي التوليدي، المدعوم بمنظمات الأساس وأنماط اللغة الكبيرة (LLMs)، بقدرة على إنشاء نصوص، صور، كود، ومواقع إعلامية أخرى جديدة استجابةً لتحذيرات مستخدم معينة. قيمته تكمن في تعزيز الإبداع البشري والإنتاجية من خلال أتمتة المهام المنفصلة التي تتمحور حول المحتوى. إن التطبيق الشائع لهذه الأدوات يُجعل إنشاء المحتوى الأساسي سلعة شائعة، مما يرفع أهمية الاستراتيجية لتصميم التحذيرات والرقابة البشرية.

في المقابل، يُقدِّم الذكاء الاصطناعي العملي مستوى جديد من الاستقلالية. تُعرَّف هذه الأنظمة بقدرتها على الاستباقية، والتكيف، والتوجيه نحو الهدف. بدلاً من الرد على التحذيرات، تُصمم وكلاء الذكاء الاصطناعي لتحقيق أهداف عالية المستوى مع الحد الأدنى من التدخل البشري. إنها تعمل على حلقة مستمرة من الإدراك، والتفكير، والتخطيط، والتنفيذ، والتعلم، مما يسمح لها بإدارة سير عمل معقدة متعددة الخطوات عبر منصات رقمية مختلفة. غالبًا ما تنطوي بنية هذه الأنظمة على تأليف عدة وكلاء متخصصين ي сотрудون لتحقيق أهداف الأعمال الشاملة. يُشير هذا إلى تحول من الذكاء الاصطناعي كأداة إلى الذكاء الاصطناعي كقوة عاملة رقمية.

تُظهر التحليل الحرج أن الذكاء الاصطناعي العملي ليس بديلًا للذكاء الاصطناعي التوليدي، بل هو تطور يبني عليه، مستخدمًا أنماط اللغة الكبيرة كمحرك تفكير أساسي. ومع ذلك، يزداد التمييز بينهما ضعفًا حيث تُحمل المنتجات التجارية بشكل متزايد قدرات من كلا النمطين. توضح دراسة حالة مفصلة لـ SeaMeet بواسطة Seasalt.ai، التي تُسوق كـ “الملازم الآلي للاجتماعات”، هذا الاتجاه. بينما تتمحور وظائفها الأساسية في التوليد (النصائح، التلخيص)، تمثل سير عملها المستند إلى البريد الإلكتروني لإنشاء وثائق المتابعة “قدرة أولية عملية”—أتمتة متطورة محفزة ببشري تُشير إلى تحرك سوق أوسع نحو إدخال الميزات الشبيهة بالوكلاء في المنتجات.

للمسؤولين الأعماليين، فإن الضرورة الاستراتيجية مزدوجة: استخدام الذكاء الاصطناعي التوليدي لتحقيق مكاسب إنتاجية فورية، مع البدء في تجارب استراتيجية مع الذكاء الاصطناعي العملي لإعادة تصميم عمليات الأعمال الأساسية لعصر جديد من الأتمتة. يعتمد التطبيق الناجح على إنشاء استعداد للبيانات، وإطارات أمنية وحوكمة قوية، وإدراك حاد لاعتبارات الأخلاقية المتضمنة في نشر الأنظمة المستقلة. يشير مسار هذه التكنولوجيا إلى مستقبل حيث يُحفز نظام تعاوني من الوكلاء البشرية والذكاء الاصطناعي إنتاجية المؤسسات، والابتكار، وإنشاء القيمة.

2.0 الثورة التوليدية: الذكاء الاصطناعي كمنتج محتوى

يرجع الانتشار الحديث السريع للذكاء الاصطناعي في تطبيقات الأعمال والاستهلاكية الرئيسية إلى رفع مستوى الذكاء الاصطناعي التوليدي. وقد استحوذ هذا الفرع من الذكاء الاصطناعي على مخيلات العامة وفتح باب لتحسينات إنتاجية كبيرة من خلال إ赋予 الآلات قدرة على إنشاء محتوى أصلي. إن فهم ميكانيكيات، وقدرات، ومحدوديات هذا النمط أمر ضروري لتركيز القفزة اللاحقة نحو الأنظمة العمليات المستقلة.

2.1 تعريف النمط: ميكانيكيات الإنشاء

الذكاء الاصطناعي التوليدي هو فئة من الذكاء الاصطناعي التي تستخدم أنماط التعلم الآلي لإنتاج محتوى جديد، مثل النصوص، الصور، الصوت، الفيديو، أو أشكال أخرى من البيانات، استجابةً لمدخلات المستخدم.1 على عكس الأنظمة التقليدية للذكاء الاصطناعي التي صُممت للتنبؤ أو التصنيف، أو محركات البحث التي تحدد وتنظم المعلومات الموجودة، تُنشئ النماذج التوليدية نواتج جديدة بالكامل.2 إنها تتحقق ذلك من خلال التدريب على مجموعات بيانات ضخمة من المحتوى الذي أنشأه البشر. من خلال هذه العملية التدريبية، تتعلم النماذج الأنماط والهياكل والعلاقات الكامنة في البيانات. وظيفتها الأساسية هي الاحتمالية: إنها تتنبأ بالعنصر التالي الأكثر احتمالًا في تسلسل—سواء كلمة في جملة، بكسل في صورة، أو نوتة في مقطوعة موسيقية—لإنشاء نتيجة مُتسقة ومتعلقة بالسياق.2

الأساس التكنولوجي لذكاء الاصطناعي التوليدي الحديث يستند إلى هندستات تعرف باسم النماذج الأساسية (FMs) وبتحديد، النماذج اللغوية الكبيرة (LLMs).4 النماذج الأساسية هي نماذج تعلم آلي ضخمة تم تدريبها مسبقًا على مجموعة واسعة من البيانات العامة وغير الموسومة، مما يجعلها قادرة على أداء مجموعة متنوعة من المهام على الفور.4 النماذج اللغوية الكبيرة، مثل سلسلة Generative Pre-trained Transformer (GPT) من OpenAI، هي فئة من النماذج الأساسية تتركز على المهام المستندة إلى اللغة مثل التلخيص، وتوليد النص، والتصنيف، والتحادث المفتوح.4

حجم وتعقيد هذه النماذج يمثلان قفزة ضخمة عن أسلافها. أشكال مبكرة من الذكاء الاصطناعي التوليدي، مثل سلاسل ماركوف التي طورت قبل قرن، يمكنها أيضًا التنبؤ بالكلمة التالية ولكنها كانت محدودة بسبب عدم قدرتها على النظر في السياق الأوسع وراء بضعة كلمات سابقة.5 في المقابل، النماذج اللغوية الكبيرة الحديثة مثل ChatGPT مبنية بملايين المعلمات ومتدربة على جزء كبير من الإنترنت المتاح للجمهور، مما يسمح لها بفهم الاعتماديات المعقدة، والتفاصيل الدقيقة، والأنماط الإحصائية في اللغة. هذا الحجم الهائل يسمح لها بإنشاء نص مقبول، ومتقن، ومشابه للإنساني، يتجاوز بدرجة كبيرة وظائف الإكمال البسيطة.5 يظل نموذج التفاعل الأساسي مستجيبًا: ينتظر النظام تعليمًا محددًا من المستخدم ثم يولد المحتوى كاستجابة.6

انتشار هذه الأدوات القوية والمناسبة يغير بشكل أساسي طبيعة العمل المتعلق بالمحتوى. حيث يصبح الذكاء الاصطناعي التوليدي قادرًا على إنتاج محتوى أساسي عالي الجودة عند الطلب، ينقل القيمة الاقتصادية بعيدًا عن الفعل اليدوي للإنشاء نفسه. بدلاً من ذلك، توجد القيمة بشكل متزايد في التوجيه الاستراتيجي المقدم للذكاء الاصطناعي. القدرة على صياغة تعليم دقيق غني بالسياق يُحصل على الناتج المرغوب—مهارة يُسمى غالبًا “هندسة التعليمات”—أصبحت مهارة حاسمة. هذه الديناميكية تعيد صياغة دور الإنسان من مُنشئ بحت إلى مدير إبداعي، واستراتيجي، ومحرر، الذي يستخدم الذكاء الاصطناعي كعامل مضاعف قوي. التكنولوجيا لا تزال تحل محل الجهد البشري فحسب، بل إنها تخلق طبقة تعاونية جديدة حيث جودة المدخلات الاستراتيجية البشرية تحدد بشكل مباشر جودة ناتج الذكاء الاصطناعي.

2.2 القدرات والاستخدامات الأساسية: مسح لمجموعة الأدوات التوليدية

تستغرق تطبيقات الذكاء الاصطناعي التوليدي مجموعة واسعة من المجالات، مما يعكس تنوع النماذج الأساسية الأساسية. هذه الأدوات تُدمج في سير العمل عبر الصناعات لتحسين الإنتاجية، ودعم المهام الإبداعية، وتنفيذ الاتصال أتوماتيكياً.4 مسح قدراتها الأساسية يكشف عن مجموعة أدوات شاملة لعمل المعرفة الحديث.

التطبيق الأساسي والمنفذ على نطاق واسع هو توليد النص. يمكن للنماذج التوليدية إنتاج مجموعة واسعة من المحتوى المكتوب، من صياغة رسائل بريد إلكتروني مهنية، ونصوص تسويقية، وتقارير تقنية إلى إنتاج أعمال إبداعية مثل القصائد والقصص.2 تتمتد هذه القدرة إلى

التلخيص والتوليد المُتكامل، حيث يمكن للذكاء الاصطناعي تقليص المستندات الطويلة، والمنشورات البحثية، أو المحادثات إلى ملخصات موجزة ومتاحة للفهم، مما يسمح للمستخدمين بفهم المعلومات الرئيسية بسرعة من حجم كبير من البيانات غير المنظمة.2

بصرف النظر عن النص، حقق الذكاء الاصطناعي التوليدي تقدمًا كبيرًا في إنشاء الوسائط المتعددة. أدوات مثل DALL-E 3، Midjourney، وStable Diffusion يمكنها إنشاء صور وأعمال فنية أصلية عالية الجودة من وصفات نصية بسيطة.8 تتمتد هذه إلى الفيديو والصوت، حيث يمكن للنماذج الناشئة إنشاء رسوم متحركة أو توليد كلام طبيعي للاستخدام في تطبيقات مثل المساعدات الافتراضية وتسجيل الأدب الصوتي.8

في مجال التطوير البرمجي، يخدم الذكاء الاصطناعي التوليدي كمساعد قوي لمبرمجي البرامج. منصات مثل GitHub Copilot تندمج مباشرة في بيئات التطوير لاقتراح مقتطفات من الكود، وإكمال الوظائف، والترجمة بين لغات البرمجة، ومساعدة في تصحيح الأخطاء في الكود الموجود.2 هذا يسرع دورة التطوير ويمكّن المهندسين من التركيز على مشاكل الهندسة العليا.10

تطبيق آخر متقن هو توليد البيانات الاصطناعية. يمكن للنماذج التوليدية إنشاء بيانات جديدة اصطناعية تقلد الخصائص الإحصائية لمجموعة بيانات واقعية. هذه البيانات الاصطناعية ذهبية لتدريب نماذج التعلم الآلي الأخرى، خاصة في المجالات حيث البيانات الحقيقية نادرة، أو حساسة، أو باهظة التكلفة للحصول عليها، مثل الصحة أو المالية.4

المنظر التجاري يضم العديد من التطبيقات المعروفة التي نقلت هذه القدرات إلى ملايين المستخدمين. وتشمل هذه الذكاء الاصطناعي المحادثي مثل ChatGPT و Gemini، ومساعدين الكتابة مثل Grammarly، وحلول متكاملة مثل Microsoft Copilot و Adobe Firefly، التي تضم ميزات إنتاجية في مجموعات الإنتاجية الحالية.9 وتكمن القيمة التجارية الشاملة لهذه الأدوات في قدرتها على تعزيز الإنتاجية وتعزيز الابتكار من خلال أتمتة إنشاء المحتوى وتسهيل المهام المحددة التي تعتمد على المدخلات.4

3.0 القفزة الوكيلية: من إنتاج المحتوى إلى العمل المستقل

في حين أن الذكاء الاصطناعي الإنتاجي يمثل ثورة في إنشاء المحتوى، فإن الحدود التالية في الذكاء الاصطناعي تُحدد بتحول من الإنشاء إلى العمل. يحدد الذكاء الاصطناعي الوكيل (Agentic AI) هذه التطور، من خلال تقديم أنظمة مصممة ليس فقط للرد، بل للعمل بشكل مستقل لتحقيق أهداف معقدة. ت обещает هذه القفزة نحو الاستقلال فتح مستوى جديد من الإنتاجية وتحويل طبيعة التلقائية في العمليات التجارية بشكل أساسي.

3.1 بداية الأنظمة المستقلة: تحديد الوكالة

الذكاء الاصطناعي الوكيل هو شكل متقدم من الذكاء الاصطناعي يركز على تطوير أنظمة مستقلة قادرة على اتخاذ القرارات وإجراء المهام مع تدخل بشري محدود.13 مشتق مصطلح “وكيل” (agentic) من مفهوم الوكالة (agency) — وهو القدرة للنظام على العمل بشكل مستقل ومقصود ضمن بيئته لتحقيق مجموعة محددة مسبقًا من الأهداف.15 وهذا يختلف بشكل صارخ عن الذكاء الاصطناعي التقليدي، بما في ذلك الذكاء الاصطناعي الإنتاجي، الذي يكون بشكل أساسي تفاعلي. النموذج الإنتاجي ينتظر تعليقًا ويمشي وفقًا لـ سير عمل محدد مسبقًا لإنتاج ناتج؛ بينما النظام الوكيل، بمجرد إعطائه هدف عالي المستوى، يمكنه صياغة وتنفيذ خطة بشكل استباقي لتحقيق ذلك الهدف.7

الاختلاف الأساسي يكمن في التحول من نموذج الطلب-الرد إلى نموذج مُرتبط بالهدف. النظام الوكيل لا يتبع ببساطة تعليمات خطوة بخطوة. بدلاً من ذلك، إنه قادر على تقسيم هدف معقد إلى سلسلة من المهام الفرعية الأصغر والقابلة للإدارة وتبليغها بشكل مستقل.17 تتيح لهذه الطبيعة الاستباقية توقع الاحتياجات، وتحديد المشكلات المحتملة، واتخاذ البدء في معالجة المشكلات قبل أن تتفاقم، وهو قدرة تزيد بعيدًا عن نطاق الأنظمة التفاعلية.15

3.2 هيكل الوكيل الاصطناعي: الحلقة التشغيلية

تستند وظيفة الذكاء الاصطناعي الوكيل إلى مجموعة من الخصائص الرئيسية التي تمكن سلوكه المستقل. هذه الأنظمة مصممة ليكون:

مُبادر ومستقل: لا ينتظرون أوامر واضحة لكل إجراء. بدلاً من ذلك، يعملون بدرجة من الاستقلال لأداء المهام بدون مراقبة بشرية مستمرة، مما يسمح لهم بإدارة الأهداف طويلة الأجل ومشاكل متعددة الخطوات.15
قابل للتكيف: السمة الحاسمة هي القدرة على التعلم من التفاعلات والتكيف مع البيئات المتغيرة. يمكنهم ضبط استراتيجياتهم وإجراءاتهم في الوقت الفعلي بناءً على معلومات جديدة أو ملاحظات، مما يجعلهم مناسبين للمناسبات الديناميكية وغير المتوقعة.12
مُرتبط بالهدف: تم تصميم وكلاء الذكاء الاصطناعي صراحةً لتحقيق أهداف محددة. إنهم يفكرون في الخطوات اللازمة للوصول إلى الهدف ويمررون استراتيجية لتحقيقه.14
التفكير والتخطيط: في قلب النظام الوكيل يوجد محرك التفكير، والذي غالبًا ما يكون نموذج لغة كبير (LLM). يُساهم نموذج اللغة الكبير كـ “مخ” للوكيل، مما يسمح له بتحليل البيانات، وفهم السياق، واصطناع حلول محتملة، وتخطيط مسار العمل.14

يمكن فهم عمل وكلاء الذكاء الاصطناعي على أنه عملية مستمرة ودورانية. تتيح هذه الحلقة للوكيل التفاعل بذكاء مع بيئته وتحسين أدائه بمرور الوقت 16:

الإدراك: يبدأ الوكيل بجمع البيانات من بيئته. ويمكن أن تأتي هذه من مصادر مختلفة، بما في ذلك واجهات برمجة التطبيقات (APIs) والقواعد البيانات والجسور أو التفاعلات المباشرة مع المستخدم.
التفكير: تُعالج البيانات المجمعة لاستخراج رؤى ذي صلة. باستخدام قدرات مثل معالجة اللغة الطبيعية، يفهم الوكيل المعلومات، ويميز الأنماط، ويفهم السياق الأوسع.
اتخاذ القرار: بناءً على تفكيره والأهداف المحددة مسبقًا، يقيِّم الوكيل إجراءات محتملة. ويريد اختيار المسار الأمثل بناءً على عوامل مثل الكفاءة، احتمالية النجاح، والنتائج المتوقعة.
التنفيذ: ينفذ الوكيل الإجراء المختار. وغالبًا ما ينطوي هذا على التفاعل مع الأنظمة الخارجية من خلال استدعاء واجهات برمجة التطبيقات، أو معالجة البيانات، أو التواصل مع المستخدمين.
التعلم والتكيف: بعد التنفيذ، يقيِّم الوكيل النتيجة. تُستخدم هذه التغذية الراجعة لتحسين نماذجها الداخلية وتحسين اتخاذ القرارات المستقبلية، غالبًا من خلال تقنيات مثل التعلم المعزز.

هذا الإطار التشغيلي يحول إمكانية الأساسيات الخام لمنظمات النماذج الأساسية (foundation models) إلى عمل عملي موجه نحو الأهداف. في حين أن LLM توفر الذكاء الأساسي للتفكير والفهم، فهو الإطار الوكيل—المكونات للتخطيط، واستخدام الأدوات، والذاكرة، والتفاعل مع البيئة—الذي يسمح بتطبيق هذا الذكاء على المهام الواقعية. هذه العلاقة مماثلة لعلاقة نظام التشغيل للكمبيوتر وبرمجيات التطبيق الخاصة به. LLM هو نظام التشغيل القوي الذي يوفر القدرات الأساسية، في حين أن النظام الوكيل هو طبقة التطبيق التي تستخدم هذه القدرات لأداء وظائف محددة ومفيدة للمستخدم، مُتجاوزة بدرجة كبيرة واجهة الدردشة البسيطة.

3.3 قوة التعاون: التأليف والأنظمة متعددة الوكلاء

تتطلب تعقيد مشاكل الأعمال في العالم الحقيقي غالبًا مجموعة متنوعة من المهارات والمعرفة في المجال. لمعالجة هذا، غالبًا ما تُصمم الأنظمة الوكيلية المتقدمة كأنظمة متعددة الوكلاء، حيث تتعاون وكلاء AI متعددون ومتخصصة بدرجة عالية لتحقيق هدف مشترك.15 على سبيل المثال، في بيئة الخدمات المالية، قد يُتخصص وكلاء واحد في الامتثال التنظيمي، وآخر في الكشف عن الاحتيال، والثالث في تحسين المحفظة. هذه الوكلاء يُنظمون أنشطتهم، يشاركون الرؤى، وينقلون المهام حسب الحاجة لتقديم حل شامل يفوق قدرة وكلاء مفرد ومتعمم.15

هذا النموذج التعاوني يتطلب وظيفة حاسمة تُعرف باسم التأليف. التأليف هو الإدارة والتنسيق الشامل للوكلاء والأنظمة AI المختلفة داخل نظام بيئي.16 من مسؤولية منصة التأليف أتمتة سير العمل، وتتبع التقدم نحو الأهداف، وإدارة تخصيص الموارد، والتعامل مع الأعطال. إنها تضمن أن الوكلاء الفرديون يعملون معًا بتناسق وكفاءة. هذا يوضح الفرق بين “وكيل AI”، الذي يمكن رؤيته כ�أداة فردية أو متخصص، و”AI الوكيلية”، التي تشير إلى النظام المنسق الذي يُدارة هؤلاء الوكلاء لتحقيق أهداف أوسع ومتقنة.14 تُطور منصات التكنولوجيا مثل Amazon Bedrock وبناء وكلاء Vertex AI لجوجل لتوفير البنية التحتية لبناء وتأليف هذه الأنظمة المتعددة الوكلاء المعقدة، مما يشير إلى تحول هندسي كبير في تطوير AI من النماذج الأحادية إلى قوى عمل رقمية متعاونة.14

4.0 إطار مقارن: الأنظمة التوليدية مقابل الوكيلية

فهم الاختلافات والعلاقة بين AI التوليدي والوكيلي أمر حاسم لأي منظمة تسعى إلى تطوير استراتيجية AI متماسكة. في حين أن كلاً منهم يستخدم تقنيات أساسية مشابهة، فإن غرضهما، ونماذج التفاعل، ونطاق التشغيل يختلفان جذريًا. AI الوكيلية ليست منافسًا لـ AI التوليدي بل هي تطور وظيفي يبني على قدراته لانتقال من إنشاء المحتوى إلى تنفيذ المهام.

4.1 التوجيهات التفاعلية مقابل الأهداف الاستباقية: الاختلاف الأساسي

يقع الاختلاف الأساسي بين النماذجتين في موقفها التشغيلي: AI التوليدي هو تفاعلي، في حين أن AI الوكيلي هو استباقي.7 يُصمم النظام التوليدي لإنشاء محتوى استجابة مباشرة لتوجيه مستخدم محدد. إنه أداة سلبية تنتظر التعليمات.17 في المقابل، يُصمم النظام الوكيل لالعمل في إتقان هدف عالي المستوى. إنه مشارك نشط يأخذ البادرة بناءً على أهدافه وإدراكه للبيئة.15

يمكن توضيح هذا الاختلاف بمثال عملي. AI التوليدي يشبه متخصصًا ذا مهارة عالية، مثل كاتب النصوص أو مصمم جرافيكي. يُوفر ل هذا المتخصص موجز مفصل (“اكتب مقال بلوق من 500 كلمة حول الموضوع X بلغة مهنية”)، ويفعلون تلك المهمة المحددة. ومع ذلك، لن يقررون بشكل مستقل أن هناك حاجة لمقال بلوق، أو يبحثون عن الموضوع بدون أن يُطلب منهم، أو يُجدولون نشره.6 من ناحية أخرى، AI الوكيلي يشبه مدير مشروع مستقل. يُعطي هذا المدير هدفًا عالي المستوى (“زيادة التفاعل مع جمهورنا المستهدف في هذا الربع”). ثم يُصمم المدير الوكيل خطة بشكل مستقل، والتي قد تشمل تكليف سلسلة من مقالات البلوق (مهمة يُ делеجها إلى نموذج توليدي)، وتنظيم تحديثات وسائل التواصل الاجتماعي، وتحليل بيانات التفاعل، وتعديل الاستراتيجية بناءً على الأداء، وكل ذلك بدون الحاجة إلى تعليمات خطوة بخطوة لكل إجراء.7

هذا الاختلاف في الوظيفة يؤثر مباشرة على طبيعة التفاعل البشري. مع AI التوليدي، المستخدم “داخل الحلقة” (in the loop)، يوفر الاتجاه المستمر ويُتخذ القرارات في كل مرحلة من العملية. بالنسبة لـ AI الوكيلي، المستخدم “على الحلقة” (on the loop)، يحدد الأهداف العامة ويوفر المراقبة، ولكن يُدخل بشكل أساسي للتعامل مع الاستثناءات أو تقديم التوجيه الاستراتيجي عندما يواجه الوكيل موقفًا يتجاوزه برمجته.6

4.2 علاقة تكافلية: تطور، وليس ثورة

من المهم جداً أن نعترف بأن AI الوكيل (Agentic AI) لا يحتل مكان AI التوليدي (Generative AI)؛ بل يوسع قدراته في علاقة تكافلية.16 تعتمد أنظمة الوكيل (Agentic) على النماذج التوليدية، وتحديداً LLMs، كوحدة المعالجة المركزية أو “الدماغ”.14 توفر LLM الوظائف المعرفية الحاسمة للتفكير، وفهم اللغة، والتخطيط التي تسمح للوكيل بفهم الأهداف، وتحليل المواقف، وتطوير الاستراتيجيات.

مثال واضح يوضح هذه التآزر. يمكن لمنفذ المبيعات استخدام أداة AI توليدية نقية عن طريق التمكين منها بقول: “اكتب بريدًا إلكترونيًا لمراجعة مهذبًا لماريا وáng حول اقتراحنا.” سيولد AI النص، ولكن المنفذ سيحتاج بعد ذلك إلى نسخه يدويًا إلى عميل بريد إلكتروني، وإيجاد معلومات الاتصال لمراجعة، وإرسال البريد الإلكتروني، ثم تحديث نظام إدارة العلاقات مع العملاء (CRM) الخاص بهم. هذه سلسلة من المهام المنفصلة التي يقودها الإنسان ومُعززة بواسطة AI.7

ستتعامل نظام الوكيل (Agentic) مع نفس الهدف بشكل مختلف. سيحدد المنفذ قاعدة أو هدف عالي المستوى، مثل: “لأي قيادة مُعلقة بـ ‘مطلوب متابعة’، أرسل بريدًا إلكترونيًا لمراجعة بعد يومين عملיים.” ثم سيقوم نظام الوكيل بتنفيذ سير العمل متعدد الخطوات بشكل مستقل. سيقوم بمراقبة CRM للتحفيز، وانتظار الوقت المحدد، واسترجاع تفاصيل ماري៉ា من CRM، واستخدام نموذج توليدي لكتابة بريد إلكتروني شخصي، وإرسال البريد الإلكتروني عبر استدعاء API، وأخيرًا تحديث CRM لتسجيل الإجراء. في هذا السير العمل، يعد AI التوليدي مكونًا حيويًا—أداة يستخدمها الوكيل لإكمال خطوة واحدة من خطةه الأوسع والمنفصلة.7

تسلط هذه العلاقة على أن الحد بين هاتين المفاهيم يصبح مُبهمًا بشكل متزايد في التطبيقات التجارية. الفرق النظري بين توليد المحتوى التفاعلي وتحقيق الأهداف الاستباقي واضح، ولكن في الممارسة العملية، تظهر منتجات تتمسك بالمنطقة الوسطى. الأدوات التوليدية المتقدمة مثل ChatGPT تدمج ميزات مثل “استدعاء الوظيفة” (function calling)، والتي تسمح لها بالتفاعل مع الأدوات الخارجية وإجراء إجراءات بسيطة ومتسلسلة، وبالتالي تظهر سلوكيات وكيلية مبتدئة.2 وعلى العكس من ذلك، تعتمد أنظمة الوكيل بشكل أساسي على القدرات التوليدية لذكائها الأساسي.14 يشير هذا التقاء إلى أن السوق تُطور ليس كخيار ثنائي بين تقنيةين متميزتين، بل كمدى من قدرات AI. يخلق هذا تحديًا لقيادات الأعمال، الذين يجب أن ينظروا إلى ما وراء العلامات التسويقية لتقييم مستوى الاستقلال الذاتي والذكاء الحقيقي الذي يقدمه منتج معين بدقة.

4.3 الجدول 1: مقارنة AI التوليدي مقابل AI الوكيل - مقارنة ميزة بميزة

يوفر الجدول التالي مقارنة موجزة على مستوى الميزات لملخص الاختلافات الرئيسية بين نماذج AI التوليدي والوكيل.

الجانب	AI التوليدي (منتج المحتوى)	AI الوكيل (المنفذ المستقل)	الجزء الداعم
الوظيفة الرئيسية	توليد محتوى جديد (نص، صور، كود) بناءً على الأنماط المُتعلمة.	العمل وتحقيق الأهداف العليا من خلال تنفيذ مهام متعددة الخطوات.	2
نموذج التفاعل	تفاعلي: يستجيب لتحفيزات المستخدم المحددة والمباشرة.	استباقي: يأخذ البدء بناءً على الأهداف وبيانات البيئة.	7
مستوى الاستقلال الذاتي	منخفض (بشكل متواصل مع الإنسان): يحتاج إلى توجيه بشري خطوة بخطوة لكل ناتج.	عالي (بشكل دوري مع الإنسان): يعمل بشكل مستقل مع مراقبة بشرية للاستثناءات.	6
طريقة الإدخال	تحفيزات محددة: “اكتب بريدًا إلكترونيًا حول X.”	أهداف عالية المستوى: “إدارة المتابعة لجميع قيادات المبيعات الجديدة.”	7
نطاق العمل	مهام ضيقة ومحددة: توليد المحتوى، تلخيصه، ترجمته.	سير عمل واسع ومُعقد: أتمتة العمليات، حل المشكلات، إدارة الأنظمة.	19
الآلية الأساسية	التعرف على الأنماط والتنبؤ: يتنبأ بالعنصر التالي في التسلسل.	دائرة الإدراك-التفكير-العمل: يستشعر، يخطط، يقرر، ينفذ، ويتعلم.	2
تكامل الأدوات	محدود: يمكن تكامله كخاصية داخل تطبيق أكبر.	موسع: مصمم أصليًا لاستدعاء الأدوات الخارجية، و APIs، والأنظمة الأخرى للعمل.	14
مثلية الأعمال	متخصص أو مساعد عالي المهارة (مثل: كاتب نصوص، مبرمج، باحث).	مدير مشروع مستقل أو موظف رقمي.	6

5.0 المؤسسة الوكيلية: تحويل الصناعات من خلال سير العمل المستقلة

الوعيد النظري لـ Agentic AI يتحول بسرعة إلى تطبيقات عملية على وشك إعادة تعريف الكفاءة التشغيلية والقدرة الاستراتيجية عبر العديد من الصناعات. من خلال أتمتة المهام البسيطة لا فحسب، بل أيضًا سير العمل المعقدة من البداية إلى النهاية، تمكن أنظمة الوسائط من إتاحة نموذج جديد للإنتاجية في المؤسسات. يُمثل هذا تطورًا كبيرًا من تقنيات الأتمتة السابقة، حيث يُعزز إمكانات الإنسان بدلاً من ببساطة استبدال العمالة اليدوية.

5.1 تحليل متقاطع للتأثير

تنوع Agentic AI، الناتج عن قدرته على التفكير والتخطيط والتفاعل مع الأنظمة الرقمية، يسمح بتطبيقه في أي مجال يعتمد على معالجة المعلومات المعقدة واتخاذ القرارات.

خدمة العملاء: يعدل Agentic AI دعم العملاء من البوتات المحادثة التفاعلية المستندة إلى النصوص إلى وكلاء خدمة استباقيين. يمكن لهذه الأنظمة إدارة استفسارات العملاء بشكل مستقل، والوصول إلى قواعد المعرفة لحل المشكلات المعقدة، ومعالجة الاستردادات أو الإرجاعات، وتقديم الدعم الشخصي عبر قنوات متعددة، مع تحسين الحالات الأكثر تعقيدًا أو تعاطفًا إلى الوكلاء البشرية فقط.14
المال والبنك: في قطاع المال الذي يحتاج إلى بيانات كثيرة، يتم نشر وكلاء AI لتطوير اكتشاف الاحتيال من خلال مراقبة المعاملات في الوقت الحقيقي وتأخذ إجراءات لمنع النشاط المشبوه. يمكنهم أيضًا إجراء تقييمات مستمرة للخطر، وإدارة محافظ الاستثمار بناءً على ظروف السوق والاستراتيجيات المحددة مسبقًا، وضمان الامتثال للانظمة عن طريق مراقبة التغييرات في القوانين وتحديث السياسات الداخلية وفقًا لذلك.14
الرعاية الصحية: التأثير المحتمل في الرعاية الصحية عميق. يمكن أن تساعد أنظمة Agentic الأطباء من خلال تحليل السجلات الطبية، والمنشورات الأبحاثية، وبيانات التجارب السريرية للمساعدة في التشخيص وتخطيط العلاج. يمكن أيضًا استخدامها لمراقبة المرضى بشكل استباقي، باستخدام البيانات من الأجهزة القابلة للارتكاب لاكتشاف العلامات المبكرة ل문제ات الصحة وإخطار فرق الرعاية، أو حتى جدولة المواعيد المتابعة تلقائيًا.14
السلع واللوجستيات: يمكن لـ Agentic AI إنشاء سلاسل توريد مرنة وفعالة بدرجة عالية. من خلال تحليل البيانات من المبيعات، والمنتجات في المخزن، والطقس، والشحن، يمكن لهذه الأنظمة التنبؤ بالطلب، وتحسين اللوجستيات، وإعادة توجيه الشحنات بشكل استباقي لتجنب التأخيرات، وكل ذلك مع الحد الأدنى من التكاليف والرقابة البشرية.14
التطوير البرمجي وإدارة تقنية المعلومات: إلى جانب إنشاء الكود البسيط، يمكن لوكلاء AI تطوير دورة حياة التطوير البرمجي بالكامل، بما في ذلك التصحيح، والاختبار، والنشر. في إدارة الخدمات التقنية، يمكن للوكلاء أن يتجاوزوا كونهم بوتات مساعدة بسيطة لتحل المشكلات المعقدة في التذاكر التقنية بشكل مستقل، ومراجعة المشكلات في الشبكة، وإدارة توفير البرمجيات.14
الموارد البشرية: يمكن لمنظمات الموارد البشرية استخدام سير العمل الوسيط لتحسين العمليات المملة من حيث الوقت مثل فحص السير الذاتية، حيث يمكن للوكلاء تحليل وتقييم المرشحين مقابل معايير الوظيفة. يمكنهم أيضًا التعامل مع جدولة المقابلات من خلال تنسيق التقويمات بين المرشحين ومسئولي التوظيف، وإدارة عمليات إعداد الموظفين والرواتب.25

من المحتمل أن يمتد التأثير الحقيقي والطويل الأجل لهذه التطبيقات إلى ما وراء تطوير المهام الحالية. يسمح إدخال الوكلاء المستقلين بإعادة التفكير الأساسي لكيفية تصميم عمليات الأعمال. يمكن إعادة هندسة سير العمل التي كانت مقيدة سابقًا بسرعة وقدرة اتخاذ القرار البشري ليكون أكثر ديناميكية، واستجابة، ومستندًا إلى البيانات. على سبيل المثال، بدلاً من أن يحدد الوكيل فقط انقطاع محتمل في سلسلة التوريد ليتم مراجعته من قبل إنسان، يمكن لنظام وسيط مكتمل أن يحدد تأثير الاضطراب المالي بشكل مستقل، ويمثل مسارات الشحن البديلة، ويتفاوض على شروط جديدة مع الناقلين عبر API، ويمرر النظام المحاسبي للمؤسسة (ERP) بالخطة الجديدة، ويخطر جميع الجهات المعنية في الوقت الحقيقي. هذا ليس مجرد تطوير المهام؛ بل هو تحول كامل لعملية الأعمال نفسها، مما يسمح بمستوى من الرشاقة التشغيلية والمرونة الذي كان لا يمكن تحقيقه سابقًا.

5.2 إعادة تعريف الإنتاجية: وراء التطوير الروبوتي للعمليات (RPA)

يمثل صعود التطوير الوسيط تقدمًا كبيرًا على تقنيات التطوير التقليدية مثل التطوير الروبوتي للعمليات (RPA). لقد كانت RPA فعالة بدرجة عالية في تطوير المهام المنظمة والتكرارية، مثل إدخال البيانات أو معالجة الفواتير. ومع ذلك، غالبًا ما تواجه صعوبات عندما تواجه بيانات غير منظمة أو تغييرات في التطبيقات أو العمليات الأساسية.7 على سبيل المثال، يمكن لبوتات استخراج الشاشة أن تنكسر بسهولة إذا تم تحديث واجهة المستخدم للموقع الهدف.7

الذكاء الاصطناعي الوكيل يتجاوز هذه القيود. من خلال الاستفادة من قدرات التفكير لـ LLMs، يمكن لوكلاء الذكاء الاصطناعي فهم السياق، التعامل مع الغموض، والتكيف مع التغييرات في بيئتهم. يسمح هذا لهم بتأتمت فئة أوسع بكثير من الأعمال، بما في ذلك العمليات المعقدة من البداية إلى النهاية التي تنطوي على بيانات غير منظمة واتخاذ القرارات الديناميكي.17 يرمز هذا إلى تحول من تأتمت المهام “روبوتية” البسيطة إلى تأتمت سير العمل “المعرفي”.

بشكل حاسم، يُفهم هذه الموجة الجديدة من الأتمتة بشكل أفضل على أنها شكل من أشكال تعزيز البشري.17 الهدف ليس استبدال العمال البشرية بل تعزيز قدراتهم وإنتاجيتهم. من خلال تفويض المهام المعقدة والمتكلفة بالوقت والتكرارية إلى وكلاء الذكاء الاصطناعي، يُحرر العمال البشرون للتركيز على الأنشطة التي تتطلب مهارات بشرية فريدة: التفكير الاستراتيجي، حل المشكلات الإبداعي، المفاوضات المعقدة، وبناء العلاقات بين الأفراد.17 يعد هذا التعاون بين البشر ووكلاء الذكاء الاصطناعي بزيادة قدرة المنظمة على التعامل مع التحديات المعقدة، دفع الابتكار، وتقديم نتائج عالية الجودة. تُؤكد أهمية هذا الاتجاه من خلال توقعات السوق، حيث تتنبأ شركة Gartner بأن بحلول عام 2028، ستتضمن ثلث جميع برامج الشركات قدرات ذكاء اصطناعي وكيلي، وسيتم اتخاذ أقل ما يهم 15% من قرارات الأعمال اليومية تلقائياً بواسطة وكلاء الذكاء الاصطناعي.19

6.0 دراسة حالة: فكك “ملازم الاجتماع الوكيل للذكاء الاصطناعي” - SeaMeet بواسطة Seasalt.ai

لجعل المناقشة النظرية للذكاء الاصطناعي الوكيل قائمة على مثال تجاري حقيقي، يقدم هذا القسم تحليلاً مفصلاً لـ SeaMeet، منتج من شركة Seasalt.ai. من خلال فحص ميزاته وتسويقه وموضعه الاستراتيجي، يُمكن فكك كيف يُفهم ومُنفذ مفهوم “الوكالة” في السوق الحالية، مُكشفًا عن واقع متقن يقع بين القدرات التوليدية الصرفة والاستقلالية الكاملة.

6.1 نظرة عامة على المنتج والقدرات التوليدية الأساسية

يُسوق SeaMeet كمساعد اجتماعي ذكي اصطناعياً أو “ملازم” مصمم لتعزيز الإنتاجية للأنفراد والفرق.31 تتمحور ميزاته الأساسية في معالجة محتوى الاجتماعات. ينضم النظام مع منصات المحادثات المرئية الشائعة مثل Google Meet وMicrosoft Teams، ويمكنه أيضًا معالجة ملفات الصوت المُحمولة من الاجتماعات الوجيهية.31

الوظائف الأساسية للمنتج هي:

النص المُحول في الوقت الفعلي: يوفر SeaMeet نصًا محوولاً بدقة عالية في الوقت الفعلي لمحادثات الاجتماع، مُكملًا مع تحديد المتحدث والштаمبات زمنية.31
الملخصات الذكية: بعد الاجتماع، يولد النظام تلقائياً ملخصات ذكية تستقطب الموضوعات والمناقشات الرئيسية.31
اكتشاف المهام العملية: يحلل الذكاء الاصطناعي النص المحول لتحليل وتحديد المهام العملية أو “عناصر القائمة المهام” التي تم مناقشتها تلقائياً.31

هذه الميزات الرئيسية هي تطبيقات واضحة للذكاء الاصطناعي التوليدي. يستخدم النظام أدوات تحويل الصوت إلى نص متطورة لإنشاء نص محول (توليد نص من صوت) ثم يستخدم LLMs لتحكم هذا النص المحول إلى شكل جديد ومُلخَّص (الملخص) وتصنيف بعض العبارات كمهام عملية. تُسلط مراجعات المستخدمين الضوء على قيمة هذه القدرات التوليدية بشكل دائم، مشيرةً إلى أنها تُزيل الحاجة إلى التدوين اليدوي وتوفر طريقة سهلة لتتبع المسؤوليات، وبالتالي تحل مشكلة مؤثرة للعديد من المحترفين.34

6.2 تحليل ادعاء “الوكيل”: سير العمل المستند إلى البريد الإلكتروني

يُفرق SeaMeet نفسه في السوق من خلال تسويقه كـ “ملازم الاجتماع الوكيل للذكاء الاصطناعي”.32 يبدو أن برهان هذه الادعاء يقع على ميزة محددة ومبتكرة: سير عمل مستند إلى البريد الإلكتروني مصمم لتأتمت المهام بعد الاجتماع. بعد انتهاء الاجتماع، يُرسل SeaMeet الملخص المُولَّد إلى المستخدم عبر البريد الإلكتروني. ثم يمكن للمستخدم الرد مباشرة على هذا البريد الإلكتروني بأوامر بلغة طبيعية مثل “صمم بريد إلكتروني متابعة للعميل”، “أنشئ بيان العمل (SOW) بناءً على مناقشتنا”، أو “أولّد تقرير للمستثمرين”.32 ثم يُعالج النظام هذا الطلب ويرجع المستند المُنظم مهنيًا، مستعدًا للإرسال.

يُكشف تقييم نقدي لهذا السير العمل مقارنة مع التعريف الصارم للذكاء الاصطناعي الوكيل المُعَرَّف سابقًا في هذا التقرير عن صورة متقنة. على الرغم من أن هذه الميزة تمثل شكلًا قويًا ومتطورًا من أتمتة سير العمل، إلا أنها لا تُظهر استقلالية حقيقية مدفوعة بالأهداف. أفعال النظام هي بالكامل متفاعلة؛ فهو ينتظر أمرًا محددًا مُبدئيًا من البشر عبر البريد الإلكتروني قبل أن يفعل. هذه مهام مقيدة—مُقترنة بين الملخص الأولي ومُحفز مستخدمي جديد لتوليد مستند تالي—لكنها ليست مُبادرة.

بالمقابل، قد يتم إعطاء نظام ذو وِكَالَة حقيقي هدفًا عالي المستوى مثل “إدارة إعداد مشروع العميل الجديد”. بناءً على محتوى الاجتماع الأولي، يمكنه التعرف بشكل مستقل على الحاجة إلى SOW، وكتابته بدون أن يُخبر بذلك صراحة، وربما حتى نقله لمراجعة داخلية. وإن كان سير عمل SeaMeet عالي الكفاءة، فهو لا يزال يعتمد على إنسان ليكون “مُشتركًا في العملية”، بمسؤولية تحفيز كل إجراء رئيسي بعد الاجتماع. وينمح النقص في الوثائق المتاحة للعموم التي تفصِّل الميزات الخاصة بتفويض المهام أو إكمالها بشكل مستقل هذه التقييم بأن النظام يعمل كمساعد متقدم مدفوع بالأوامر بدلاً من وكلاء مستقلين بالكامل.33

6.3 السياق الاستراتيجي: SeaMeet ضمن النظام الأوسع لـ Seasalt.ai

لنحصل على فهم كامل لموضع SeaMeet، يجب النظر إليه ضمن الإطار الاستراتيجي الأوسع لشركته الأم، Seasalt.ai. التي تأسست في عام 2020، تُوظِّف Seasalt.ai نفسها كمنصة متكاملة لمراكز الاتصال وتنسيق AI تستهدف بشكل أساسي المنشآت الصغيرة والمتوسطة (SMBs).22 يُصمم مجموعت Продукт الشركة الأوسع لتنسيق مجموعة واسعة من الاتصالات التجارية وسير العمل التشغيلي. ويتضمن ذلك روبوتات صوتية وروبوتات محادثة مدعومة بـ AI لدعم العملاء على مدار 24 ساعة و7 أيام، وتسجيل المواعيد الآلي، وتقييم وتوجيه العملاء المحتملين، وإدارة الاتصالات متعددة القنوات (مثل WhatsApp، SMS، الصوت) من صندوق وارد موحد.22

ضمن هذا النظام، يُعمل SeaMeet كمكون أساسي يركز على ذكاء الاجتماعات الداخلية والمعنية بالعميل. إنه يُكمل أدوات تنسيق الاتصالات الخارجية للشركة من خلال التقاط البيانات القيمة التي تُولد في الاجتماعات وتنظيمها. وهذا يتناسب مع رسالة الشركة العامة لتقديم حلول تنسيق AI متاحة من البداية إلى النهاية لسوق المنشآت الصغيرة والمتوسطة، وهي قطعة سوق قد تفتقر إلى الموارد لبناء أو تكامل أنظمة أكثر تعقيدًا من مستوى المؤسسات.38

6.4 التفويض في السوق: الفارق “الProtos-Agentic”

قرار تسويق SeaMeet على أنها “ذو وِكَالَة” هو خطوة متعمدة ومتقنة استراتيجيًا. في سوق مزدحم من أدوات تحرير نصوص الاجتماعات وتلخيصها، يُعمل التسمية “ذو وِكَالَة” كفارق قوي. إنه يُشير إلى العملاء المحتملين أن المنتج يقدم قدرات تتجاوز AI التوليدي القياسي، مستفيدًا من الإثارة المتزايدة في الصناعة تجاه الأنظمة المستقلة.

قد يكون التصنيف الأكثر دقة لهذا التصنيف من الأدوات هو “الProtos-Agentic” أو “المساعد بواسطة الوكالة”. هذه الأنظمة تمثل خطوة وسيطة في الطيف بين الأدوات التوليدية البحتة والوكالات المستقلة بالكامل. إنها تتفوق في تنسيق المهام المعقدة المتعددة الخطوات ولكنها لا تزالت بحاجة إلى تحفيز إنساني لبدء سير العمل. يسمح هذا التموضع لـ Seasalt.ai بادعاء موضعًا متقدمًا تقنيًا بدون الحاجة إلى تطوير نظام يحتوي على قدرات استباقية ومتجهة نحو الأهداف بالكامل.

تكشف دراسة الحالة هذه عن ميلًا أوسع في تسويق AI. مع انتشار مفاهيم جديدة وقوية مثل “الوكالة”، غالبًا ما تسبق لغة التسويق نضوج التكنولوجيا بالكامل. تقوم الشركات بتبني هذه المصطلحات استراتيجيًا لشكل تصور منتجاتها والتقاط انتباه السوق. بالنسبة لرؤساء الأعمال والمراجعين للتكنولوجيا، يُؤكد هذا أهمية تطوير فهم دقيق لهذه المفاهيم. لم تعد كافية قبول ادعاءات التسويق على وجهه ؛ بدلاً من ذلك، يلزم إجراء تحليل أعمق لنموذج التشغيل الحقيقي للمنتج - مستواه من الاستباقية والتكيف والاتجاه نحو الأهداف - لجعل قرارات شراء واستراتيجية مستنبئة.

7.0 الالتزامات الاستراتيجية ونظرة المستقبل

التطور من AI التوليدي إلى AI الوكالي ليس مجرد تقدم تقني تزايدي ؛ بل يمثل تحولًا أساسيًا في كيفية يمكن للشركات استخدام الذكاء الاصطناعي لخلق القيمة. يتطلب هذا الانتقال استجابة استراتيجية استباقية ومُنظَّمة جيدًا من قِبل رؤساء المؤسسات. التنقل عبر هذه الحدود الجديدة يتطلب فهمًا واضحًا للفرص الحالية، وخطة لتبني استراتيجي، ومنهجًا حذرًا تجاه المخاطر والاعتبارات الأخلاقية المرتبطة.

7.1 التوصيات للتبني: التنقل عبر حدود AI الجديدة

للمنظمات التي تسعى إلى الاستفادة من قوة هذا المشهد المتطور لـ AI، يُنصح بتبني نهج عملي مُتقاسم إلى جزأين.

أولاً، يجب على الشركات تبني وتوسيع استخدام AI التوليدي الآن لتحسينات في الإنتاجية الحالية والمرئية. التكنولوجيا ناضجة ومتاحة بدرجة كافية لكي تُنشر عبر وظائف مختلفة لتنسيق إنشاء المحتوى، وتسريع البحث وتجميع البيانات، ومساعدة في تطوير البرمجيات.4 هذا لا يقلل من إعطاء عائد الاستثمار على المدى القصير فحسب، بل يُساعِد أيضًا في بناء ثقافة أساسية “مستعدة لـ AI” داخل المنظمة، مما يُعرف الموظفين بعمليات التعاون بين الإنسان وAI.

ثانيًا، يجب على القادة بدء التجريب الاستراتيجي مع Agentic AI. يجب أن يبدأ هذا بتحديد عمليات تجارية موضحة جيدًا وعالية التأثير والتي تناسب الأتمتة بواسطة وكيل مستقل أو شبه مستقل. يمكن أن تكون حالات الاستخدام المبكرة في مجالات مثل إدارة خدمات تكنولوجيا المعلومات، حل تذاكر الدعم للعملاء، أو مراقبة سلسلة التوريد بمثابة برامج تجريبية قيمة لبناء الخبرة الداخلية وتوضيح إمكانات سير العمل الوكيلية.17

يعتمد التنفيذ الناجح لأي من النماذج، ولكن بشكل خاص Agentic AI، على عدة متطلبات أساسية حاسمة:

استعداد البيانات: لا تقتصر فعالية وكلاء AI إلا على البيانات التي يمكنهم الوصول إليها ومعالجتها. يجب على المنظمات الاستثمار في إنشاء بنية تحتية لبيانات المؤسسة نظيفة، مدارة جيدة، ومتاحة. هذه الأساس البيانات “AI-ready” أمر أساسي لتمكين الوكلاء اتخاذ قرارات دقيقة ومتأكدة من السياق.30
الأمن والحوكمة: يرتبط قوة Agentic AI ارتباطًا مباشرًا بدمجها العميق مع أنظمة المؤسسة وصولها إلى البيانات الحساسة. يخلق هذا مخاطر أمنية وخصوصية عميقة.20 البروتوكولات الأمنية القوية، ومراقبات الوصول، ومسارات المراجعة الشفافة ليست اختيارية بل هي متطلبات أساسية. نموذج حوكمة “human-on-the-loop” مع حاجزات واضحة ومراقبة، أمر أساسي لتخفيف المخاطر وضمان أن تعمل الوكلاء بشكل موثوق وآمن.15
الاعتبارات الأخلاقية: تعمل وكلاء AI بناءً على الخوارزميات والبيانات؛ فهم لا يمتلكون فهمًا طبيعيًا لقيم البشر، أو الأخلاق، أو الأخلاق. يخلق هذا خطرًا كبيرًا لنتائج غير مقصودة، خاصة في المجالات العالية المخاطرة مثل الرعاية الصحية، أو التمويل، أو إنفاذ القانون.20 يجب على المنظمات تصميم واختبار أنظمة الوكيل الخاصة بهم بشكل استباقي لضمان العدل، والتحيز، والاتساق مع قيم البشر لضمان أنهم يتصرفون بمنهجية لا تقتصر على الفعالية بل أيضًا على المسؤولية.

7.2 The Trajectory of AI Agency: The Road Ahead

لا تزال تطوير Agentic AI في مراحلها الأولى، ولكن مسارها يشير إلى مستقبل من أنظمة مستقلة متطورة ومتكاملة بشكل متزايد. من المرجح أن يتحول التركيز الحالي على وكلاء فرديين أو مجموعات صغيرة تتعامل مع سير عمل محددة إلى multi-agent systems على نطاق واسع ومميزة. في هذه الرؤية المستقبلية، سيتعاون وكلاء مختلفون ذوو تخصصات متنوعة - بعضهم مملوك للمؤسسة، بعضهم لشركاء، بعضهم للأفراد - ضمن بيئة رقمية مشتركة لحل مشاكل معقدة للغاية وديناميكية.40

سيكون ل هذا التقدم التكنولوجي تأثيرًا عميقًا على طبيعة العمل وبنية المنظمات. كما أشارت منتدى الاقتصاد العالمي، فإن الأدوار التي تؤكد على اتخاذ القرارات المعقدة، وحل المشاكل، والمراقبة الاستراتيجية أصبحت أكثر أهمية في الاقتصاد العالمي.41 سيؤدي ارتفاع أنظمة الوكيل إلى تسريع هذا الاتجاه، من خلال أتمتة الكثير من “النظم العقلية” في المؤسسة الحديثة ورفع دور الإنسان إلى دور استراتيجي، وإبداعي، وحوكمي.

في النهاية، يمثل التحول من الأنظمة التوليدية إلى الأنظمة الوكيلية لحظة محورية في تطور شراكة الإنسان والكمبيوتر. إنه ينتقل AI من كونه أداة نعلمها إلى شريك نمنحه السلطة. بالنسبة للمؤسسات التي تنجح في التغلب على هذا التحول، سيكون المكافأة مستوى جديد من الرشاقة التشغيلية، والمرونة، والابتكار، مما يفتح الطريق لمنتدى يُعرَّف بدمج سلس بين ذكاء الإنسان وذكاء الآلة.

Works cited

en.wikipedia.org, تم الوصول إليه في 6 سبتمبر 2025, https://en.wikipedia.org/wiki/Generative_artificial_intelligence
ما هو الذكاء الاصطناعي التوليدي؟ - مركز الجامعة للتدريس والتعلم, تم الوصول إليه في 6 سبتمبر 2025, https://teaching.pitt.edu/resources/what-is-generative-ai/
الذكاء الاصطناعي التوليدي | NNLM, تم الوصول إليه في 6 سبتمبر 2025, https://www.nnlm.gov/guides/data-thesaurus/generative-artificial-intelligence
ما هو الذكاء الاصطناعي التوليدي؟ - شرح Gen AI - AWS - تم التحديث في 2025, تم الوصول إليه في 6 سبتمبر 2025, https://aws.amazon.com/what-is/generative-ai/
مُفسر: الذكاء الاصطناعي التوليدي | أخبار MIT | معهد ماساتشوستس للتقنية, تم الوصول إليه في 6 سبتمبر 2025, https://news.mit.edu/2023/explained-generative-ai-1109
الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي: الاختلافات الأساسية | Thomson Reuters, تم الوصول إليه في 6 سبتمبر 2025, https://www.thomsonreuters.com/en/insights/articles/agentic-ai-vs-generative-ai-the-core-differences
الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي - Red Hat, تم الوصول إليه في 6 سبتمبر 2025, https://www.redhat.com/en/topics/ai/agentic-ai-vs-generative-ai
ما هو الذكاء الاصطناعي التوليدي؟ - IBM, تم الوصول إليه في 6 سبتمبر 2025, https://www.ibm.com/think/topics/generative-ai
10 أدوات ذكاء اصطناعي توليدي رائدة لعام 2025: قوى الإبداع الحالية - eWeek, تم الوصول إليه في 6 سبتمبر 2025, https://www.eweek.com/artificial-intelligence/generative-ai-apps-tools/
ما هو الذكاء الاصطناعي التوليدي؟ أمثلة وطرق الاستخدام - Google Cloud, تم الوصول إليه في 6 سبتمبر 2025, https://cloud.google.com/use-cases/generative-ai
www.google.com, تم الوصول إليه في 6 سبتمبر 2025, https://www.google.com/search?q=generative+ai+applications
الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي - أيهما يجب عليك استخدامه؟ - Atera, تم الوصول إليه في 6 سبتمبر 2025, https://www.atera.com/blog/agentic-ai-vs-generative-ai/
en.wikipedia.org, تم الوصول إليه في 6 سبتمبر 2025, https://en.wikipedia.org/wiki/Agentic_AI
ما هو الذكاء الاصطناعي الوكيل؟ تعريف ومميزات - Google Cloud, تم الوصول إليه في 6 سبتمبر 2025, https://cloud.google.com/discover/what-is-agentic-ai
ما هو الذكاء الاصطناعي الوكيل؟ - شرح الذكاء الاصطناعي الوكيل - AWS - تم التحديث في 2025, تم الوصول إليه في 6 سبتمبر 2025, https://aws.amazon.com/what-is/agentic-ai/
ما هو الذكاء الاصطناعي الوكيل؟ | IBM, تم الوصول إليه في 6 سبتمبر 2025, https://www.ibm.com/think/topics/agentic-ai
ما هو الذكاء الاصطناعي الوكيل؟ | UiPath, تم الوصول إليه في 6 سبتمبر 2025, https://www.uipath.com/ai/agentic-ai
ما هو الذكاء الاصطناعي الوكيل؟ | Salesforce US, تم الوصول إليه في 6 سبتمبر 2025, https://www.salesforce.com/agentforce/what-is-agentic-ai/
الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي: فهم الاختلافات الرئيسية - ThoughtSpot, تم الوصول إليه في 6 سبتمبر 2025, https://www.thoughtspot.com/data-trends/artificial-intelligence/agentic-ai-vs-generative-ai
ما تحتاج إلى معرفته عن عوامل الذكاء الاصطناعي - CSAIL Alliances - MIT, تم الوصول إليه في 6 سبتمبر 2025, https://cap.csail.mit.edu/agentic-ai-what-you-need-know-about-ai-agents
GenAI مقابل الذكاء الاصطناعي الوكيل: ما يجب أن يعرفه المطورون - Docker, تم الوصول إليه في 6 سبتمبر 2025, https://www.docker.com/blog/genai-vs-agentic-ai/
توقف عن التماسك مع التطبيقات. توحيد جميع مكالمات العملاء والرسائل والواتساب والدردشات في صندوق بريد واحد بسيط. - Seasalt.ai, تم الوصول إليه في 6 سبتمبر 2025, https://seasalt.ai/en/
ما هي عوامل الذكاء الاصطناعي؟ تعريف وأمثلة وأنواع | Google Cloud, تم الوصول إليه في 6 سبتمبر 2025, https://cloud.google.com/discover/what-are-ai-agents
10 حالات استخدام للذكاء الاصطناعي الوكيل في مراكز الاتصال - CX Today, تم الوصول إليه في 6 سبتمبر 2025, https://www.cxtoday.com/conversational-ai/10-agentic-ai-use-cases-for-contact-centers-ringcentral/
6 أمثلة وحالات استخدام للذكاء الاصطناعي الوكيل التي تغير ملامح الأعمال - Moveworks, تم الوصول إليه في 6 سبتمبر 2025, https://www.moveworks.com/us/en/resources/blog/agentic-ai-examples-use-cases
حالات استخدام عوامل الذكاء الاصطناعي - IBM, تم الوصول إليه في 6 سبتمبر 2025, https://www.ibm.com/think/topics/ai-agent-use-cases
21 حالة استخدام و أمثلة للذكاء الاصطناعي الوكيل التي تشكل مستقبل الذكاء الاصطناعي - Akka, تم الوصول إليه في 6 سبتمبر 2025, https://akka.io/blog/agentic-ai-use-cases
14 حالة استخدام حقيقية للذكاء الاصطناعي الوكيل - Valtech, تم الوصول إليه في 6 سبتمبر 2025, https://www.valtech.com/thread-magazine/14-real-world-agentic-ai-use-cases/
40 حالة استخدام أو أكثر للذكاء الاصطناعي الوكيل مع أمثلة حقيقية - Research AIMultiple, تم الوصول إليه في 6 سبتمبر 2025, https://research.aimultiple.com/agentic-ai/
عوامل الذكاء الاصطناعي في العمل: كيف نحتضن هذه اللحظة ‘الوكيلية’ الجديدة في Microsoft, تم الوصول إليه في 6 سبتمبر 2025, https://www.microsoft.com/insidetrack/blog/ai-powered-agents-in-action-how-were-embracing-this-new-agentic-moment-at-microsoft/
SeaMeet: أخذ ملاحظات لقاء ChatGPT في الوقت الفعلي - متجر الويب Chrome, تم الوصول إليه في 6 سبتمبر 2025, https://chromewebstore.google.com/detail/seameet-take-chatgpt-meet/gkkhkniggakfgioeeclbllpihmipkcmn
SeaMeet | مساعد لقاءات وكيل لفردين ناجحين وفرق عالية الأداء, تم الوصول إليه في 6 سبتمبر 2025, https://seameet.ai/
الأسئلة الشائعة - Seasalt.ai, تم الوصول إليه في 6 سبتمبر 2025, https://wiki.seasalt.ai/seameet/seameet-manual/00-seameet-faq/
تقييمات وتقيمات وميزات SeaMeet من Seasalt.ai لعام 2025 | Gartner Peer Insights, تم الوصول إليه في 6 سبتمبر 2025, https://www.gartner.com/reviews/market/office-productivity-solutions-others/vendor/seasalt-ai/product/seameet
كشف الفرص التجارية في التسجيلات باستخدام SeaMeet, تم الوصول إليه في 6 سبتمبر 2025, https://usecase.seasalt.ai/transcribe-audio-to-discover-insights/
Seasalt.ai | مركز اتصال متعدد القنوات للشركات الصغيرة - Seasalt.ai, تم الوصول إليه في 6 سبتمبر 2025, https://seasalt.ai/
حلول الأتمتة بالذكاء الاصطناعي - Seasalt.ai, تم الوصول إليه في 6 سبتمبر 2025, https://seasalt.ai/en/solutions/ai-automation
Haptik تطلق “الذكاء الاصطناعي للجميع” لإحضار عوامل الذكاء الاصطناعي بجودة المؤسسات إلى الشركات الصغيرة والمتوسطة, تم الوصول إليه في 6 سبتمبر 2025, https://timesofindia.indiatimes.com/technology/tech-news/haptik-launches-ai-for-all-to-bring-enterprise-grade-ai-agents-to-smbs/articleshow/123671151.cms
DIGITIMES Biz Focus - Taiwan Tech Arena, تم الوصول إليه في 6 سبتمبر 2025, https://www.digitimes.com/biz/index.asp?topic=617
الاعمال تلتقي بالذكاء الاصطناعي الوكيل: الثقة في الحلول المستقلة والوكيلية - Capgemini, تم الوصول إليه في 6 سبتمبر 2025, https://www.capgemini.com/insights/research-library/business-meet-agentic-ai/
IITM Pravartak و Emeritus يطلقان برنامج شهادة مهنية في الذكاء الاصطناعي الوكيل والتطبيقات, تم الوصول إليه في 6 سبتمبر 2025, https://www.ptinews.com/story/business/iitm-pravartak-and-emeritus-launch-professional-certificate-programme-in-agentic-ai-and-applications/2878978
IITM Pravartak و Emeritus يطلقان برنامج شهادة مهنية في الذكاء الاصطناعي الوكيل والتطبيقات, تم الوصول إليه في 6 سبتمبر 2025, https://www.aninews.in/news/business/iitm-pravartak-and-emeritus-launch-professional-certificate-programme-in-agentic-ai-and-applications20250902174614

من التوليد إلى الوكالة: تحليل الموجة التالية من الذكاء الاصطناعي وتجسيدها في أتمتة سير العمل في المؤسسات

جدول المحتويات