فرق وكلاء الذكاء الاصطناعي تستهلك توكنات أكثر بما يصل إلى 5,1x مقابل مكسب بالكاد يُلحظ

تتفوق فرق وكلاء الذكاء الاصطناعي على الوكلاء المنفردين بالكاد، لكنها تكلف أكثر بما يصل إلى 5,1 مرات. هذا ما خلصت إليه Vals AI. فقد شغّل الباحثون عدة سيناريوهات على نموذجين رائدين، هما GPT-6 Sol وClaude Opus 5.5، ولم يلاحظوا مكسبًا قابلًا للقياس من العمل الجماعي إلا في اختبار واحد من أربعة. أما الاختبارات الثلاثة الأخرى فأظهرت فارقًا يصعب تمييزه عن الضجيج. وترسم بيانات Anthropic الصورة نفسها: بعد عشرة وكلاء تستقر الجودة عند مستوى ثابت، بينما تواصل التوكنات استنزافها.

ماذا أظهرت الاختبارات

تبدو فكرة الأنظمة متعددة الوكلاء منطقية. يصعب على وكيل واحد أن يستوعب مهمة كبيرة، فتُقسَّم بين متخصصين: أحدهم يخطط، وآخرون ينفذون، وثالث يراجع. ويعمل كل منهم ضمن سياقه الخاص، ويُفترض نظريًا أن يخطئ أقل.

قارنت Vals AI هذه الفرق بوكلاء منفردين على المهام نفسها. وثمن العمل الجماعي ملموس: فقد ارتفعت التكلفة بما يصل إلى 5,1 مرات. في المقابل، يبدو مكسب الجودة متواضعًا. فقد سُجّل في سيناريو واحد من أربعة، وجاءت النتيجة على النموذجين معًا، GPT-6 Sol وClaude Opus 5.5، أي أن ضعف النهج لا يمكن إرجاعه إلى قصور في أحدهما.

لا يتضح من العرض الموجز للدراسة أي المهام شملتها المجموعة، ولا كيف صُمّمت عملية التنسيق بين الوكلاء (orchestration). لذلك ينبغي قراءة الأرقام بوصفها إشارة، لا حكمًا على جميع المعماريات.

استقرار الجودة بعد عشرة وكلاء

تقدّم Anthropic حجة مستقلة. فبيانات الشركة نفسها تُظهر أنه عندما يزيد عدد الوكلاء في الفريق على عشرة، تتوقف الجودة عن التحسن بينما تواصل كلفة التوكنات الارتفاع. أي أن منحنى العائد يستوي، أما منحنى النفقات فلا.

السبب على الأرجح هو الكلفة الإضافية للتنسيق. فالوكلاء يحتاجون إلى تبادل السياق، وتوحيد النتائج، وإعادة فحص عمل بعضهم بعضًا. وكل خطوة من هذه تستهلك توكنات، ولا تضيف إلى النظام معلومات جديدة تقريبًا. هذا تفسيري الشخصي، فالآلية لم تُكشف في البيانات الأصلية، لكنه يشرح جيدًا لماذا تتوقف زيادة عدد المشاركين عن أن تكون مجدية.

أبرز أرقام الدراسة:

• الجهة الباحثة: Vals AI؛
• النماذج في الاختبارات: GPT-6 Sol وClaude Opus 5.5؛
• ارتفاع كلفة نهج الفريق: ما يصل إلى 5,1x مقارنة بوكيل منفرد؛
• تحسن الجودة القابل للقياس: اختبار واحد من 4؛
• العتبة وفق بيانات Anthropic: ما يزيد على 10 وكلاء تستقر عندها الجودة؛
• استهلاك التوكنات يواصل الارتفاع بعد هذه العتبة.

كيف تختبر تعدد الوكلاء في منتجك

بالنسبة إلى الفرق التي تبني أنظمة وكلاء، الخلاصة عملية: لا ينبغي اعتبار «سرب الوكلاء» معمارية افتراضية. يجب أن يكون الأساس المرجعي دائمًا وكيلًا منفردًا. فإذا كان وكيل واحد بموجّه (prompt) جيد وأدوات مناسبة يحل المهمة، فلا تضف وكيلًا ثانيًا إلا عند ثبوت مكسب فعلي.

ما ينبغي فعله:

1. قِس كلفة المهمة المحلولة، لا متوسط الجودة. فتحسن الدقة بنقطتين مئويتين تقريبًا مقابل فاتورة أعلى بخمسة أضعاف يخسر في الغالب. 2. قارن الفريق بالوكيل المنفرد على بياناتك أنت. فنتائج المقاييس المرجعية (benchmarks) الخارجية لا تنتقل جيدًا، وفي دراسة Vals AI ظهر المكسب في سيناريو واحد فقط من أربعة. 3. حدّد حجم الفريق. إذا كان عدد الوكلاء يتزايد، فراقب أين ينتهي التحسن. وبحسب بيانات Anthropic، يقع هذا الحد قرابة عشرة. 4. ضع ميزانية توكنات لكل تشغيل، وأوقف التنفيذ عند تجاوزها. فالأنظمة الجماعية تجعل الأخطاء أغلى: سرب عالق في حلقة مفرغة ينفق المال أسرع من وكيل منفرد.

تبقى الأنظمة متعددة الوكلاء خيارًا معقولًا للمهام التي يوفر فيها التوازي وقتًا حقيقيًا، أو التي تتطلب سياقات معزولة. لكن إثبات جدواها سيحتاج الآن إلى أرقام، لا إلى مخطط تنسيق أنيق.