«Первая Форма» أوضحت لماذا يحتاج وكيل الذكاء الاصطناعي في المؤسسات إلى حلقة Agent Loop

لا يبدأ وكيل الذكاء الاصطناعي المؤسسي حين يتعلم النموذج استدعاء أداة، بل حين يصبح قادرًا على المرور بسلسلة من القرارات والتحققات والقيود دون أن يفقد السياق أو السيطرة. وهذه الفجوة بين العرض التجريبي اللافت والنظام العامل فعليًا في بيئة المؤسسات هي نقطة انطلاق نهج Agent Loop الذي عرضته «Первая Форма». الفكرة بسيطة: نادرًا ما يكفي استدعاء واحد لواجهة API أو نظام CRM أو قاعدة معرفة لتنفيذ مهمة أعمال حقيقية بصورة موثوقة وقابلة للتكرار.

في العروض التوضيحية تبدو سيناريوهات الوكلاء (agentic) شبه مثالية. يطرح المستخدم سؤالًا، فيختار النموذج اللغوي أداة أو اثنتين، ويحصل على البيانات، ويصوغ إجابة منطقية. عند هذا المستوى يبدو أن البنية اكتملت: LLM وMCP ومجموعة من الخدمات الخارجية، وبذلك يصبح الوكيل جاهزًا. لكن مهام العمل المؤسسي نادرًا ما تتبع مسارًا خطيًا كهذا. فقد يطرح الموظف طلبًا غير مكتمل الصياغة، وقد تكون المعلومات المطلوبة موزعة على عدة أنظمة، ويجب أن تراعي الإجابة صلاحيات الوصول وسجل الإجراءات واللوائح الداخلية ومتطلبات المصادر. وفي بيئة كهذه يصطدم استدعاء الأداة المنفرد بسقف سريعًا.

المشكلة ليست في الأدوات نفسها، بل في أن بين استدعاء الدالة والنتيجة الجيدة طبقة هندسية مستقلة. على الوكيل أن يتعرف على نية المستخدم، ويحدد البيانات الناقصة، ويختار الخطوة التالية، ويقيّم نتيجة الإجراء السابق، ويعدّل الخطة عند الحاجة. وإذا وصلت بيانات ناقصة في إحدى المراحل، فلا يجوز توليد إجابة بثقة، بل ينبغي العودة وتوضيح الطلب أو اللجوء إلى مصدر آخر أو إعادة التحقق من الاستنتاج. وإلا بدأ النظام إما بالهلوسة، أو بتكرار الشيء نفسه، أو بتقديم نتيجة مترابطة شكليًا لكنها عديمة الفائدة.

هذه المشكلة تقترح «Первая Форма» حلّها عبر Agent Loop، وهي حلقة تكرارية يخطط فيها النموذج وينفذ ويتحقق، ولا يجيب إلا بعد ذلك. في هذا المخطط يتوقف نموذج LLM عن كونه موجّهًا لمرة واحدة للاستدعاءات، ويعمل كمنفّذ يمكن التحكم فيه: يصوغ أولًا فرضية لكيفية حل المهمة، ثم يتوجه إلى الأنظمة اللازمة، ويطابق البيانات المستلمة مع نية المستخدم الأصلية، ويقرر ما إذا كانت المعلومات كافية للخطوة التالية. وإن لم تكن كافية، تتكرر الحلقة. وبذلك يسير الوكيل على مسار أكثر ثباتًا بدل سيناريو جميل لكنه هش، بحيث يمكن فحص كل مرحلة فيه وتفسيرها.

هذا مهم بوجه خاص في بيئة المؤسسات، لأن ثمن الخطأ فيها أعلى منه في واجهة الدردشة العادية. فالإجابة دون مصدر مؤكد قد تقود إلى قرار إداري خاطئ، والوصول الزائد إلى البيانات قد يخرق سياسة الأمان، والاستدعاء المتكرر أو غير الصحيح لأداة ما قد يؤدي إلى نفقات إضافية وفقدان ثقة الموظفين. لذلك لا يكفي أن يتصل الوكيل المؤسسي بالبريد أو نظام CRM أو قاعدة المعرفة أو API، بل يجب أيضًا أن يلتزم بالقيود: ألا ينجرف إلى مسارات خاطئة، وألا يكرر الإجراءات، وأن يوثّق منطق خطواته، وأن يدرك متى يكون الامتناع عن الإجابة أفضل من تقديم نسخة غير مؤكدة. وهذه الآليات الوقائية هي ما يحوّل LLM إلى أداة أعمال عاملة.

ينبع نهج «Первая Форма» منطقيًا من احتياجات الشركات الكبرى، حيث لا يُدمج الذكاء الاصطناعي في واجهة منفردة، بل في سلاسل عمليات الأعمال. فحين يساعد الوكيل في البحث عن الوثائق وجمع سياق العميل والرد على الطلبات الداخلية أو تشغيل إجراءات في عدة أنظمة في آن واحد، فإن العبرة ليست بمجرد استدعاء الأداة، بل بإمكانية التحكم في الحلقة كلها. وهنا يبدأ منطق BPM ومنطق الوكلاء بالتقارب: على النموذج ألا يكتفي بالكلام، بل أن يتحرك عبر خطوات يمكن مراقبتها وتقييدها ومقاطعتها عند الحاجة. وبدون ذلك تتحول الأتمتة المؤسسية سريعًا إلى مجموعة من العروض التجريبية المبهرة لكنها غير موثوقة.

الخلاصة الرئيسية أن tool calling ليس سوى واجهة أساسية للإجراءات، وليس بنية جاهزة لوكيل ذكاء اصطناعي مؤسسي. ولكي يعمل النظام فعليًا في الأعمال، يحتاج إلى حلقة لاتخاذ القرار والتحقق من النتائج والالتزام بالقواعد. وفي هذا المعنى يمثل Agent Loop محاولة لسد أشد الفجوات إيلامًا في السوق: بين قدرة النموذج على استدعاء شيء ما، وقدرة الشركة على أن تأتمنه على مهمة حقيقية.