مايكروسوفت تُعلّم Copilot Researcher مطابقة إجابات GPT وClaude في مسار عمل واحد

بدأت مايكروسوفت إدخال وضع Critique في Copilot Researcher، وفيه يعمل نموذجان معًا على إجابة بحثية واحدة، هما OpenAI GPT وAnthropic Claude. وفي الوقت نفسه أطلقت الشركة طرح وكيل الذكاء الاصطناعي الجديد Copilot Cowork، في إشارة إلى أن Copilot يتحول تدريجيًا من مساعد منفرد إلى مجموعة من المساعدين المنسَّقين.

كيف يعمل Critique

فكرة Critique بسيطة: يُعدّ نموذج أول مسودة إجابة عن طلب المستخدم، ثم يتحقق نموذج ثانٍ من دقتها. في المرحلة الأولى يجيب GPT، ويؤدي Claude دور المراجع الداخلي. وهذا أهم مما يبدو للوهلة الأولى بالنسبة إلى مساعد بحثي: ففي مهام البحث والتلخيص والتحليل، لا تكمن المشكلة عادةً في سرعة كتابة النص، بل في رصد مواطن الضعف وعدم دقة الصياغات والاستنتاجات المثيرة للجدل قبل أن يطّلع الإنسان على النتيجة.

وتتحدث مايكروسوفت بالفعل عن الخطوة التالية: تريد جعل العملية ثنائية الاتجاه بحيث يتبادل النموذجان الأدوار. أي لن يقتصر الأمر على أن ينتقد Claude إجابة GPT، بل سيتمكن GPT أيضًا من مراجعة مسودات Claude. وبذلك تبني الشركة داخل مسار عمل واحد ما يشبه هيئة تحرير مصغّرة، يُفصل فيها التوليد عن التحقق.

ويمثل هذا تحولًا لافتًا في الذكاء الاصطناعي المؤسسي: فالرهان لا يقوم على قوة نموذج منفرد فحسب، بل على الطريقة التي تتناظر بها النماذج وتتحقق من بعضها وترفع موثوقية الإجابة النهائية.

لماذا يهم هذا مايكروسوفت

تسعى مايكروسوفت أيضًا إلى تحويل توافر نماذج من مزوّدين مختلفين إلى ميزة تطبيقية، لا مجرد قائمة طويلة من التوافقات. فقد كان تعدد النماذج يُقدَّم في السابق غالبًا كميزة شكلية: يُمنح العميل خيارًا بين عدة محركات، لكن كل مهمة تنفَّذ في النهاية بواسطة محرك واحد منها. أما هنا فالمنطق مختلف: تعمل النماذج في حلقة مترابطة وتعوّض نقاط ضعف بعضها داخل السيناريو نفسه.

ويتناسب هذا النهج بوجه خاص مع Microsoft 365، حيث ينتظر المستخدمون من Copilot نتائج يمكن التعويل عليها لا تجارب، في مستندات وجداول وأبحاث حقيقية. وعمليًا يوفر هذا النهج عدة مزايا ملموسة.

«يجب أن يحصل العملاء لا على مجموعة من النماذج، بل على فائدة عملها

المشترك»، هكذا تصف مايكروسوفت فكرة الوضع الجديد.

• إجابات أدق عن الاستفسارات البحثية بفضل مرحلة تحقق مستقلة
• اعتماد أقل على نقاط القوة والضعف في نموذج واحد بعينه
• مسار عمل أوضح تُوزَّع فيه مهمتا التوليد والنقد على دورين منفصلين
• أساس لسيناريوهات مستقبلية تتناظر فيها عدة نماذج قبل تقديم النتيجة

ولا تعد مايكروسوفت حتى الآن باختفاء الأخطاء سحريًا، وهذا موقف سليم. فتحقق نموذج من آخر لا يضمن الحقيقة تلقائيًا: إذ قد يخطئ النظامان كلاهما، أو يوافقان على فرضية خاطئة، أو يغفلان مواضع إشكالية. لكن حتى هذا المخطط أفضل من إجابة منفردة بلا رقابة داخلية، خصوصًا في المنتجات التي تنتقل نتيجتها لاحقًا إلى المراسلات المهنية والعروض التقديمية والمذكرات التحليلية في مسارات عمل الشركات.

بالتوازي يصدر Cowork

وفي الوقت نفسه بدأت مايكروسوفت طرح Copilot Cowork، وهو وكيل ذكاء اصطناعي آخر ضمن منظومة Copilot. والتفاصيل المتاحة في المصدر الأصلي عن وظائفه قليلة، لكن التوقيت نفسه مهم: فالشركة لا تعرض ميزة محلية واحدة، بل انتقالًا أوسع نحو مجموعة من الوكلاء والأوضاع المتخصصة. فـ Researcher يتولى السيناريوهات البحثية، وCowork يوسّع هذه المجموعة، بينما يلمّح الجمع بين نماذج مختلفة داخل عملية واحدة إلى الوجهة التي سيسير إليها Copilot لاحقًا.

وإذا كان المساعد المؤسسي يُنظر إليه سابقًا في الغالب على أنه روبوت دردشة واحد، فإن بنيته تصبح الآن معيارية. فقد يجمع وكيل المادة، ويتحقق آخر منها، ويساعد ثالث في عمل الفريق المشترك. وهذه طريقة مريحة لمايكروسوفت لتوسيع نطاق Copilot دون وعد بوكيل خارق شامل يجيد كل شيء بالقدر نفسه. وبدلًا من ذلك تبني الشركة نظامًا أكثر عملية: أدوارًا منفصلة وعمليات منفصلة وتحكمًا أكبر في جودة النتيجة في كل مرحلة.

ماذا يعني هذا

تدفع مايكروسوفت Copilot نحو نظام ذكاء اصطناعي متعدد الخطوات، تتحسن فيه جودة الإجابة لا بنموذج أقوى فحسب، بل بالتحقق الداخلي أيضًا. وهذه إشارة مهمة للسوق: فالمنافسة المقبلة في الذكاء الاصطناعي المؤسسي لن تدور بين GPT وClaude ونماذج أخرى فحسب، بل بين مسارات عمل كاملة تتفاعل فيها هذه النماذج.