وكلاء الذكاء الاصطناعي: الترتيب تغيّر، وماذا بعد؟
كل شهر يرسل لك أحدهم لقطة شاشة لترتيب ما ويقول إن نموذجًا أفضل قد ظهر. هذا الأسبوع كان Qwen3.8 Max، الذي تصدّر مؤشر وكلاء الذكاء الاصطناعي لدى Artificial Analysis. إن كنت صاحب عمل، فالسؤال الصحيح ليس "أي نموذج هو الأفضل". بل: هل يغيّر هذا شيئًا فيما أستخدمه اليوم؟
في معظم الحالات، لا يغيّر شيئًا. وسأشرح لك السبب، لأن فهم هذه النقطة يوفر عليك أشهرًا من التبديل بلا فائدة.
ما الذي يقيسه ترتيب وكلاء الذكاء الاصطناعي فعلًا
المؤشر الوكيلي لا يقيس "الذكاء". يقيس قدرة النموذج على تنفيذ مهام متعددة الخطوات دون أن يضيع في الطريق. أشياء مثل: البحث عن معلومة، استخدام أداة، قراءة النتيجة، تحديد الخطوة التالية، وإنهاء ما بدأه.
هذا مختلف عما يستخدم أغلب الناس الذكاء الاصطناعي لأجله. إن كنت تستخدمه لكتابة بريد، أو تلخيص اجتماع، أو صياغة نص إعلان، فهذا الترتيب لا يخاطبك. أي نموذج جيد من آخر سنتين يحل هذا.
الترتيب يبدأ في الأهمية حين تريد من الذكاء الاصطناعي أن ينفّذ شيئًا، لا أن يكتب فقط. مثال ملموس: وكيل يستقبل الطلب عبر واتساب، يراجع المخزون في نظامك، يتحقق من رصيد العميل، يصدر الفاتورة ويرد. خمس خطوات. إن أخطأ النموذج في الثالثة، يستلم العميل فاتورة خاطئة. هنا يظهر الفرق بين النماذج في حسابك البنكي.
الفرق بين المركز الأول والخامس أصغر مما تتخيل
انظر إلى الأرقام بهدوء. المسافة بين نموذج القمة وصاحب المركز الخامس تكون عادة بضع نقاط مئوية. وهذا يعني شيئًا يصعب الاعتراف به: في مهمة من خمس خطوات، نموذج بدقة 91% لكل خطوة وآخر بدقة 88% ينتهيان بنسبة نجاح 62% و53% في المهمة كاملة.
يبدو فارقًا كبيرًا. لكن كليهما سيئ. لا أحد منهما يصلح للعمل وحده في قسمك المالي دون رقابة بشرية.
الاختناق في وكيلك لا يكون النموذج غالبًا. بل ما سلّمته له ليعمل عليه.
رأيت شركة تبدّل النموذج ثلاث مرات بحثًا عن حل لمشكلة كانت في البيانات. الوكيل كان يخطئ في المخزون لأن جدول المخزون فيه ثلاثة أعمدة باسم "الكمية". لا يوجد ترتيب في العالم يصلح هذا.
ما الذي يتغير فعلًا حين يتصدر نموذج صيني
هنا نقطة عملية لا يتحدث عنها أحد: السعر.
نماذج مثل Qwen تكلف عادة جزءًا صغيرًا مما تكلفه نظيراتها الأمريكية. نتحدث عن فروق تتراوح بين خمسة وعشرة أضعاف لكل مليون توكن. حين يقترب نموذج رخيص من قمة الترتيب، ما يتغير ليس الجودة القصوى المتاحة. بل تكلفة تشغيل شيء جيد بحجم كبير.
هذا يهمك إن كان لديك وكيل يعالج 3 آلاف رسالة يوميًا. الفاتورة الشهرية قد تنزل من 4 آلاف ريال إلى 600 ريال. هذا قرار عمل حقيقي، لا ضجيج تويتر.
الجانب الآخر: النماذج المفتوحة مثل Qwen يمكنك تشغيلها على بنيتك التحتية الخاصة. البيانات الحساسة لا تخرج من بيتك. بالنسبة لعيادة، أو مكتب محاماة، أو أي شركة تتعامل مع بيانات عملاء، هذا يساوي أكثر من نقطتين في اختبار قياسي.
كيف تقرر دون أن تصبح رهينة للترتيب
منهجي، بالترتيب، حين يسألني عميل إن كان التبديل يستحق:
- هل المهمة وكيلية فعلًا؟ إن كانت كتابة أو تلخيصًا، تجاهل الترتيب واختر حسب السعر.
- أين يخطئ اليوم؟ افصل خطأ النموذج (اخترع بيانات) عن خطأ السياق (أنت لم تعطه البيانات). الثاني هو الأغلبية الساحقة.
- كم تنفق شهريًا؟ إن كان أقل من 500 ريال، فتبديل النموذج ليس أولوية. الوقت الذي تصرفه في الترحيل يساوي أكثر.
- هل يمكن الاختبار بالتوازي؟ شغّل النموذج الجديد على 100 حالة حقيقية تعرف إجابتها. قارن. يستغرق يومًا.
هذه النقطة الأخيرة هي ما يفصل من يقرر جيدًا عمن يقرر بلقطة شاشة. لست بحاجة للثقة في اختبار أحد. لديك حالاتك الخاصة.
اختبار المئة حالة، عمليًا
سأفصّل لأن هذا هو الجزء المفيد حقًا.
خذ 100 تفاعل حقيقي حدث فعلًا في عملك. طلبات، أسئلة عملاء، طلبات داخلية، أي شيء تريد أتمتته. اختر حالات تعرف الإجابة الصحيحة لها، لأن إنسانًا حلّها وقتها.
شغّل المئة على النموذج الحالي. شغّل المئة نفسها على النموذج الجديد. احسب ثلاثة أشياء:
- كم حالة أصابها بالكامل.
- كم حالة أخطأ فيها بشكل تلاحظه فورًا.
- كم حالة أخطأ فيها بصمت، بحيث تمر دون أن ينتبه أحد.
الرقم الثالث هو القاتل. وكيل يخطئ بصوت عالٍ وفاضح مزعج لكنه قابل للإدارة. وكيل يخطئ بهدوء، وبثقة، ولا ينتبه أحد لثلاثة أسابيع، هذا يكلفك غاليًا.
إن لم يحسّن النموذج الجديد الرقم الثالث، فالترحيل لا يستحق. حتى لو كان في المركز الأول في كل ترتيب على الكوكب.
أين كنت سأراهن بمالك
إن كان لديك 10 آلاف ريال لاستثمارها في الذكاء الاصطناعي هذا النصف من العام، لن أنفق شيئًا على تبديل النموذج. سأنفقها هكذا:
أولًا، في ترتيب البيانات التي سيراجعها الوكيل. أسماء حقول متسقة، مصدر حقيقة واحد لكل معلومة، سجل نظيف. إنه أمل عمل في العالم وفيه 70% من المكسب.
ثانيًا، في تحديد حدود واضحة. وكيل يعرف أن يقول "لا أعرف، نادِ دييغو" يساوي أكثر من وكيل يحاول التخمين. اكتب قواعد التصعيد قبل أن تكتب البرومبت.
ثالثًا، في جعل اختبار المئة حالة روتينًا، لا حدثًا استثنائيًا. كلما ظهر نموذج جديد، تشغّله في فترة بعد الظهر وتعرف الإجابة. بلا آراء، بلا لقطات ترتيب، بلا قلق.
عندها، وبعد أن يجهز هذا، يصبح تبديل النموذج قرار عشر دقائق. وتتحول أنت إلى ذلك الشخص المزعج الذي يقول "جربته من قبل" حين يرسل أحدهم لقطة الشاشة.
الخلاصة الصادقة
تصدّر Qwen3.8 Max لترتيب وكلاء الذكاء الاصطناعي خبر جيد. يعني أن تشغيل وكيل جيد صار أرخص، وأن لديك خيارات أكثر لمكان إقامة بياناتك.
لكنه لا يعني أن وكيلك سيعمل بشكل أفضل غدًا. سيعمل بشكل أفضل حين تصلح ما تحته. النموذج هو المحرك. وما زلت بحاجة إلى الطريق.
إن كنت تحاول بناء وكيل يعمل في الاختبارات لكنه ينهار في الواقع، فالسبب عادة إحدى ثلاث مشكلات في البنية التحتية، لا في النموذج. احكِ لي حالتك وأقول لك أيها الثلاث هي.
ملخّص لـ LinkedIn
كل شهر يرسل لي أحدهم لقطة شاشة لترتيب ما ويقول إن نموذجًا أفضل قد ظهر. هذا الأسبوع كان Qwen3.8 Max في القمة. والسؤال الصحيح ليس "ما هو الأفضل"، بل: هل يغيّر هذا شيئًا فيما أستخدمه اليوم؟ في الغالب لا يغيّر شيئًا. رأيت شركة تبدّل النموذج ثلاث مرات لحل مشكلة كانت في البيانات: جدول المخزون كان فيه ثلاثة أعمدة باسم "الكمية". لا يوجد ترتيب في العالم يصلح هذا. ما يتغير فعلًا حين يقترب نموذج رخيص من القمة هو التكلفة. وكيل يعالج 3 آلاف رسالة يوميًا قد ينزل من 4 آلاف ريال إلى 600 ريال شهريًا. هذا قرار عمل حقيقي. وإن أردت التوقف عن القرار بلقطة شاشة: خذ 100 حالة حقيقية تعرف إجابتها مسبقًا، شغّلها على النموذجين، واحسب كم مرة يخطئان بصمت. يستغرق يومًا واحدًا ويساوي أكثر من أي اختبار قياسي. وكيلك يعمل في الاختبار لكنه ينهار في الواقع؟ احكِ لي الحالة وأقول لك أين الاختناق. #الذكاء_الاصطناعي #وكلاء_الذكاء_الاصطناعي #الأتمتة #التحول_الرقمي #تقنية