Context Graph: باحثون يعلّمون وكلاء AI المؤسسيين العمل من دون استعلامات

نشر الباحثون في 10 يوليو 2026 ورقة بحثية على arXiv بعنوان Context Graph—وهي بنية بيانات علائقية حية تحول وكلاء الذكاء الاصطناعي للشركات من الوضع السلبي "انتظر الاستعلام" إلى الاستباقي: في الاختبارات على ثلاث سيناريوهات تجارية، انخفض متوسط الوقت للحصول على المعلومات المطلوبة من 47 دقيقة إلى أقل من 30 ثانية.

لماذا يبطئ الوضع التفاعلي الذكاء الاصطناعي للشركات

يحدد المؤلفون مشكلة أساسية في أنظمة RAG الحديثة وأطر عمل الوكلاء: فهي تنتظر استعلاماً. يجب على الموظف أن يدرك أنه يحتاج إلى معلومات، وأن يصيغها بشكل صحيح، وأن يستشير النظام—مما يخلق تأخيرات من دقائق إلى ساعات. في غضون ذلك، تضيع الإشارات الحرجة المهمة: الشخص ببساطة لم يكن يعرف ما يجب أن يسأل عنه، أو كان مشغولاً بمهمة أخرى عندما حدث الحدث المهم.

يغير Context Graph هذا المنطق بشكل أساسي. بدلاً من الإجابة على الاستعلامات، يبني النظام نموذجاً حياً للمؤسسة ويرسل إشعارات بشكل مستقل عند حدوث تغييرات مهمة. يخزن الرسم البياني كائنات الأعمال—العقود والحوادث والصفقات والمهام—علاقاتها وتاريخ انتقالات الحالة. يتم تحديث كل شيء بشكل مستمر في الوقت الفعلي، بدون تدخل المستخدم.

كيفية عمل مكونات النظام الثلاثة

تتكون معمارية Context Graph من ثلاث طبقات متسلسلة، كل منها تؤدي دوراً منفصلاً في السلسلة من الحدث إلى الإشعار:

• Delta Detection Engine—تراقب الرسم البياني بشكل مستمر للتغييرات: تحديثات الحالة وتغييرات المسؤولية والعلاقات الجديدة وانتهاكات المواعيد النهائية. هذا المكون "يلاحظ" عندما يحدث شيء ما.
• Proactivity Scorer—تصنف الإشعارات المحتملة حسب ثلاث معاملات: حتمية الحدث والملاءمة للمستخدم المحدد والتوافق مع دوره وسياقه (persona-fit). استخلص المؤلفون صيغة واحدة لـ Proactivity Score تجمع بين المعاملات الثلاثة في أولوية عددية واحدة.
• Surfacing Layer—يولد نموذج اللغة الرسالة النهائية للموظف مع التبرير والسياق من الرسم البياني. في تطبيق المؤلفين، تتعامل مع هذه الطبقة واجهة برمجة التطبيقات Claude من Anthropic.

يعتمد التطبيق الكامل في Python على NetworkX ويتم توفيره بالكامل في نص الورقة—يمكن إعادة إنتاجه من الصفر بدون تبعيات إضافية.

ما أثبتته ثلاث حالات استخدام تجارية

تم اختبار النظام على ثلاثة سيناريوهات متعمدة "عامة" لإظهار العالمية المعمارية بدلاً من التحسين الخاص بالصناعة:

• إدارة دورة حياة العقد—تتبع الحالات والمواعيد النهائية وتغييرات المسؤولية
• الاستجابة للحوادث في فرق الهندسة—التصعيد المبكر قبل أن يلاحظ المطور المشكلة
• تتبع "نظافة" خط أنابيب المبيعات—مراقبة الصفقات المتوقفة والأنشطة المفقودة

المقاييس النهائية مقارنة بوضع خط الأساس التفاعلي:

• Precision@5 = 0.83—في أفضل 5 إشعارات، 83٪ منها ذات صلة حقيقية
• معدل الإيجابيات الكاذبة = 0.11—فقط 11٪ من الإشعارات غير ضرورية
• متوسط وقت تسليم المعلومات: من 47 دقيقة (الوضع التفاعلي) إلى أقل من 30 ثانية—انخفاض يزيد عن 90 مرة

ماذا يعني هذا

ينقل العمل مفهوم "الوكيل الاستباقي" من النقاش الأكاديمي إلى نموذج أولي عملي ومفتوح المصدر. إذا تم استنساخ النتائج في الإنتاج، فإن أنظمة الذكاء الاصطناعي للشركات يمكن أن توفر السياق المناسب في الوقت المناسب—بدون استعلام—وهو ما يكون ذا قيمة خاصة حيث تكلف تأخيرات المعلومات المال: حوادث الهندسة والعقود المتأخرة وخطوط الأنابيب المتوقفة.

أسئلة متكررة

أي نموذج لغة يتعامل مع الإشعارات النهائية؟

في طبقة Surfacing Layer، يستخدم المؤلفون واجهة برمجة التطبيقات Claude من Anthropic—فهي تولد إشعارات مع شرح السياق وتبرير الأولوية للموظف المحدد.

أين يمكن العثور على كود التطبيق؟

يتم تضمين التطبيق الكامل من البداية إلى النهاية في Python مع NetworkX و واجهة برمجة التطبيقات Claude من Anthropic مباشرة في ورقة arXiv 2607.07721، المتاحة مجاناً على arxiv.org.