وكلاء الذكاء الاصطناعي بلا قيود: لماذا حان وقت التخلي عن التوجيه الصارم

تخيّلوا أنكم تبنون متاهة معقدة من الشروط المنطقية، حيث يعتمد كل منعطف فيها على إجابة نموذج لغوي. تقضون أسابيع في كتابة فروع من نوع «إذا سأل المستخدم عن الأسعار فاذهب إلى الوكيل A، وإذا سأل عن API فاذهب إلى الوكيل B». هذا هو التوجيه الصارم، أو التنسيق (orchestration)، الذي تقوم عليه اليوم معظم أنظمة الوكلاء المتعددين وحلول RAG المتقدمة. يبدو هذا النهج منطقياً وآمناً، لكنه في الواقع يتحول إلى كابوس للمطوّر وعنق زجاجة للشبكة العصبية نفسها. نحن نحاول فرض بنية البرمجة الكلاسيكية الجامدة على ذكاء مرن، ومن هنا تبدأ المشكلات.

سياق هذه القصة بسيط: حين اقتحمت نماذج LLM حزمتنا التقنية لأول مرة، لم نكن نعرف كيف نتحكم بها. وأصبح التنسيق بمثابة صمام الأمان الذي يمنع النموذج من الوقوع في الهلوسة أو من الضياع وسط كمّ هائل من البيانات. أنشأنا موزّعين يصنّفون الطلبات ويمرّرونها إلى منفّذين متخصصين في مجالات ضيقة. لكن كلما ازدادت المهام تعقيداً، تكرر خطأ هؤلاء الموزّعين. والخطأ في مرحلة التوجيه داخل نظام كهذا قاتل: فإذا ذهب الطلب إلى الفرع الخطأ، تُنتج سلسلة الوكلاء اللاحقة بأكملها مخرجات لا قيمة لها. لقد بنينا بيوتاً هشة من الورق، مكوّنة من prompts، تنهار عند أي سؤال غير معتاد.

أدرك القطاع الآن أن الوقت قد حان لتغيير النموذج السائد. نحن ننتقل من السيناريوهات الصارمة إلى التخطيط الديناميكي. فبدلاً من كتابة المسار مسبقاً، نمنح الوكيل مجموعة أدوات وهدفاً عاماً. النماذج الحديثة من مستوى GPT-4o أو Claude 3.5 ذكية بما يكفي لتقرر بنفسها أي أداة تستدعي لاحقاً، استناداً إلى النتائج الوسيطة. وهذا يخلّص النظام من «المخطِّط المركزي» الذي كان سابقاً نقطة الفشل الوحيدة. ويبدأ الوكلاء بالعمل كفريق متناغم من المحترفين، لا كمجموعة متدرّبين ينتظرون التعليمات من الأعلى.

لماذا يهمّ ذلك الآن تحديداً؟ لأن مهام الأعمال أصبحت غير خطية إلى حد كبير. فالعملاء لا يطرحون أسئلتهم وفق قالب ثابت. في نظام بلا توجيه صارم، يستطيع الوكيل أن يبدأ البحث في قاعدة البيانات، ثم يدرك أن المعلومات غير كافية، فيقرر بنفسه استيضاح السؤال من المستخدم أو اللجوء إلى أداة أخرى، من دون أن يعود إلى بداية السلسلة. وهذا يوفّر التوكنات ويقلّل زمن الاستجابة، والأهم أنه يجعل النظام قادراً على مواجهة المفاجآت. ونحن أخيراً نبدأ باستخدام LLM كمحركات تفكير، لا كمعالجات نصوص بوظيفة تصنيف.

بالطبع، يقلق التخلي عن التنسيق من اعتادوا السيطرة الكاملة على منطق التطبيق. وهنا يبرز سؤال الأمان وقابلية التنبؤ. لكن التجربة العملية تُظهر أن system prompts المضبوطة جيداً وبنية الأدوات السليمة تعملان بموثوقية أعلى من آلاف أسطر الشيفرة المليئة بالشروط. ونرى أن لاعبين كباراً ومكتبات مفتوحة المصدر مثل LangGraph بدأت تدعم رسوماً بيانية دورية وأكثر حرية بدلاً من السلاسل الخطية. وهذه علامة على أن عصر «سكربتات الذكاء الاصطناعي» يقترب من نهايته، ليحل محله عصر الاستقلالية الحقيقية.

وفي المحصلة، يمثّل الانتقال إلى أنظمة بلا توجيه صارم اعترافاً بأننا لم نعد قادرين، ولا ينبغي لنا، على ممارسة الإدارة المجهرية على الذكاء الاصطناعي. فإذا كنا نأتمن النموذج على توليد الشيفرة أو تحليل المستندات القانونية، فلماذا نخشى أن نوكل إليه اختيار الخطوة التالية ضمن مهمة محددة؟ المستقبل للأنظمة التكيّفية التي تتأقلم مع المستخدم في الوقت الفعلي، لا التي تجبره على السير في ممر مرسوم سلفاً.

الخلاصة: نحن ننتقل من عصر «خوارزميات الذكاء الاصطناعي» إلى عصر «حدس الذكاء الاصطناعي»، حيث لا تفعل القواعد الصارمة سوى إعاقة النتيجة. فهل أنتم مستعدون للتخلي عن السيطرة مقابل الكفاءة؟