علمت Microsoft برنامج Copilot Researcher التحقق من إجابات GPT و Claude في عملية واحدة

بدأت مايكروسوفت في تنفيذ وضع Critique في Copilot Researcher، حيث تعمل نموذجان في نفس الوقت على إجابة بحثية واحدة — GPT من OpenAI و Claude من Anthropic. بالتوازي، أطلقت الشركة نشر وكيل ذكاء اصطناعي جديد، وهو Copilot Cowork، مما يدل على أن Copilot يتحول بشكل متزايد من مساعد واحد إلى مجموعة من المساعدين المنسقين.

كيفية عمل وضع Critique

سيناريو Critique بسيط جداً: يقوم أحد النموذج أولاً بإعداد مسودة إجابة على طلب المستخدم، ثم يتحقق النموذج الثاني منها من حيث الدقة. في المرحلة الأولى، يجيب GPT، بينما يقوم Claude بدور المراجع الداخلي. بالنسبة لمساعد بحثي، هذا أهم مما قد يبدو: في مهام البحث والتلخيص والتحليل، المشكلة عادة لا تكون في الكتابة السريعة، بل في اكتشاف النقاط الضعيفة والصيغ غير الدقيقة والاستنتاجات المثيرة للجدل قبل أن يرى المستخدم النتيجة.

تتحدث مايكروسوفت بالفعل عن الخطوة التالية: تريد جعل العملية ثنائية الاتجاه بحيث يمكن للنموذج تبديل الأدوار. أي أنه لن يقتصر الأمر على نقد Claude لإجابة GPT، بل سيتمكن GPT أيضاً من التحقق من مسودات Claude. بشكل أساسي، تجمع الشركة عملية تحريرية صغيرة داخل سير عمل واحد، حيث يتم فصل الإنشاء والتحقق.

هذا تحول ملحوظ للذكاء الاصطناعي في المؤسسات: الرهان ليس فقط على قوة نموذج واحد، بل على كيفية تناقضهم وتحققهم من بعضهم البعض وزيادة موثوقية الإجابة النهائية.

لماذا هذا لمايكروسوفت

بالنسبة لمايكروسوفت، فإن هذا أيضاً طريقة لتحويل امتلاك نماذج من مختلف البائعين إلى ميزة عملية بدلاً من أن تكون مجرد قائمة طويلة من التوافقات. في السابق، كانت الأساليب متعددة النماذج غالباً ما تبدو كمزايا رسمية: يتم إعطاء العميل خياراً بين عدة محركات، لكن كل مهمة لا تزال يتم تنفيذها بواسطة أحدها. المنطق هنا مختلف — تبدأ النماذج بالعمل معاً وتغطي نقاط ضعف بعضها مباشرة داخل سيناريو واحد.

يناسب هذا الأسلوب بشكل خاص Microsoft 365، حيث يتوقع من Copilot ليس كتجربة، بل كنتيجة يمكن التنبؤ بها في مستندات وجداول وأبحاث حقيقية.

في الممارسة العملية، يوفر هذا الأسلوب عدة مزايا ملموسة.

«يجب أن يحصل العملاء ليس على مجموعة من النماذج، بل على فائدة عملهم

المشترك،» — هكذا تصف مايكروسوفت فكرة الوضع الجديد.

• إجابات أكثر حذراً على استعلامات البحث بفضل مرحلة التحقق المنفصلة
• اعتماد أقل على نقاط القوة والضعف في نموذج معين
• سير عمل أكثر وضوحاً حيث يتم فصل الإنشاء والنقد حسب الدور
• أساس للسيناريوهات المستقبلية حيث يناقش عدة نماذج بعضها قبل تسليم النتائج

لا تعد مايكروسوفت بعد الاختفاء السحري للأخطاء، وهذا هو الموقف الصحيح. التحقق من نموذج من قبل آخر لا يضمن الحقيقة تلقائياً: كلا النظامين يمكن أن يرتكبا أخطاء، أو يتفقا على مقدمة غير صحيحة، أو يفوتا نقاطاً مثيرة للمشاكل. لكن حتى هذا المخطط أفضل بالفعل من إجابة واحدة بدون رقابة داخلية، خاصة في المنتجات حيث تذهب النتيجة بعد ذلك إلى المراسلات العملية والعروض التقديمية أو الملاحظات التحليلية في سير عمل الشركة.

إطلاق Cowork بالتوازي

في الوقت نفسه، بدأت مايكروسوفت في نشر Copilot Cowork — وكيل ذكاء اصطناعي آخر في نظام Copilot البيئي. تحتوي الملاحظة الأصلية على عدد قليل من التفاصيل حول وظائفه، لكن التوقيت نفسه مهم: تُظهر الشركة ليس مجرد ميزة محلية واحدة، بل تحولاً أوسع نطاقاً نحو مجموعة من الوكلاء المتخصصين وأوضاع التشغيل.

يتعامل Researcher مع سيناريوهات البحث، ويوسع Cowork النطاق، والجمع بين نماذج مختلفة داخل عملية واحدة يلمح إلى المكان الذي سيتجه إليه Copilot بعد ذلك. إذا كان المساعد الخاص بالشركة يُنظر إليه سابقاً بشكل أساسي كروبوت دردشة واحد، فإن الآن تصبح البنية معيارية. يمكن لوكيل واحد جمع المواد، ويمكن لآخر التحقق منها، ويمكن لثالث مساعدة التعاون بين الفريق. بالنسبة لمايكروسوفت، فهذه طريقة مريحة لتوسيع نطاق Copilot دون وعد بوكيل فائق عام يكون جيداً بنفس القدر في كل شيء.

بدلاً من ذلك، تجمع الشركة نظاماً أكثر عملية: أدوار منفصلة وعمليات منفصلة وتحكم أكثر بجودة النتائج في كل مرحلة.

ما يعنيه هذا

تقوم مايكروسوفت بتحريك Copilot نحو نظام ذكاء اصطناعي متعدد الخطوات، حيث تزداد جودة الإجابة ليس فقط من خلال نموذج أقوى، بل من خلال التحقق الداخلي. بالنسبة للسوق، هذا إشارة مهمة: المنافسة القادمة في ذكاء الأعمال الاصطناعي ستجري ليس فقط بين GPT و Claude والنماذج الأخرى، بل بين سير عمل كامل تتفاعل فيه هذه النماذج مع بعضها البعض.