كيف يغيّر الذكاء الاصطناعي الوكيلي (agentic AI) بنية الفرق: قراءة في تقرير AWS وآلاف المنشورات

قرّر كاتب على Habr، كان يتجنب عن قصد موضوعات النماذج الرائدة والوكلاء المستقلين والحديث عن الشركات «الأصيلة في الذكاء الاصطناعي» (AI-native)، أن يحلّل آلاف المنشورات حول تصوّر كبرى شركات التقنية لبنية الفرق في المستقبل، وذلك بعد اطلاعه على تقرير Amazon Web Services (AWS) عن الفرق في عالم الذكاء الاصطناعي الوكيلي.

لماذا تجنّب الكاتب هذا الموضوع

تجنّب الكاتب لسنوات، عن قصد، ثلاثة موضوعات: النماذج الرائدة، والوكلاء المستقلين لمجرد كونهم وكلاء، والحديث عن الشركات الأصيلة في الذكاء الاصطناعي. ويرجع السبب، بحسب قوله، إلى فرط التسويق ونقص التفاصيل الهندسية الملموسة في هذه الموضوعات.

«لقد تجنّبت منذ زمن بعيد، وعن قصد، ثلاثة موضوعات مزعجة: النماذج

الرائدة، والوكلاء المستقلين لمجرد كونهم وكلاء، والحديث عن الشركات الأصيلة في الذكاء الاصطناعي. فحولها اليوم تسويق أكثر من اللازم وتفاصيل هندسية أقل من اللازم»، يكتب مؤلف المقال على Habr.

ما الذي غيّره تقرير AWS

دفع تقرير AWS عن الفرق في عالم الذكاء الاصطناعي الوكيلي الكاتبَ إلى إعادة النظر في مقاربته للموضوع. ووفق قوله، فإن السؤال المثير للاهتمام ليس أي نموذج ذكاء اصطناعي سيفوز في السوق في نهاية المطاف، بل أي نموذج تشغيلي لتنظيم الفرق سيصمد في ظل انخفاض كلفة تطوير البرمجيات، وهل توصلت الصناعة فعلًا إلى شيء وجيه في هذا الشأن.

• سبب المقال هو تقرير AWS عن الفرق في عالم الذكاء الاصطناعي الوكيلي (تسجيل مرئي على YouTube)
• الموضوعات الثلاثة التي تجنّبها الكاتب سابقًا هي: النماذج الرائدة، والوكلاء المستقلون لمجرد كونهم وكلاء، والحديث عن الشركات الأصيلة في الذكاء الاصطناعي
• صيغة المادة: تحليل لآلاف المنشورات حول البنية المستقبلية للفرق
• مصادر المنشورات: كبرى شركات التقنية التي يشير إليها الكاتب بالاختصار MAANG (Meta وAmazon وApple وNetflix وGoogle)

عن ماذا يتناول المقال

تمثّل المادة تحليلًا لآلاف المنشورات حول ما تفكر فيه كبرى شركات التقنية، التي يرمز إليها الكاتب بالاختصار MAANG (Meta وAmazon وApple وNetflix وGoogle)، بشأن بنية الفرق وتنظيم التطوير في ظل انخفاض كلفة الشيفرة البرمجية بفضل وكلاء الذكاء الاصطناعي. والسؤال المحوري في المقال، بحسب صياغة الكاتب، ليس اختيار النموذج الفائز، بل البحث عن نموذج تشغيلي للفريق يصمد أمام أتمتة كتابة الشيفرة.

ويؤكد الكاتب أن ما يعنيه ليس «أي نموذج سيفوز»، بل أي نموذج تشغيلي للتطوير سيبقى مع انخفاض كلفة كتابة الشيفرة، وهل لدى الصناعة إجابة عملية عن هذا السؤال. ويرى أن هذه الصياغة بالذات هي ما يميّز تحليل تقرير AWS عن الأحاديث المعتادة حول النماذج الرائدة والشركات الأصيلة في الذكاء الاصطناعي التي كان يتجنبها سابقًا: ففي حين يدور الجدل عادةً حول أي نموذج أكثر ذكاءً، يطرح تقرير AWS مسألة تركيب الفريق نفسه وتوزيع الأدوار داخله.

ماذا يعني ذلك

يتحوّل النقاش من سؤال «أي نموذج ذكاء اصطناعي هو الأفضل» إلى سؤال «كيف نعيد بناء الفريق وعمليات التطوير» حين لا تعود كتابة الشيفرة عنق الزجاجة الرئيسي. وهذا بالذات، بحسب الكاتب، ما دفعه إلى تحليل موقف كبرى شركات التقنية من هذا الموضوع.