يستخدم Agentic AI التفكير المتطور والتخطيط التكراري لحل المشكلات المعقدة متعددة الخطوات بشكل مستقل. من خلال امتصاص كميات هائلة من البيانات من مصادر متعددة ، يمكن للتكنولوجيا بناء الاستراتيجيات وتحليل التحديات وتنفيذ المهام في مجموعة لا نهاية لها تقريبًا من قطاعات الأعمال والبحث ، بما في ذلك سلاسل التوريد والأمن السيبراني والرعاية الصحية.
يقول مايكل كريج ، عالم الموظفين في شركة Discovery Valence Labs ، إن أنظمة الذكاء الاصطناعى التقليدية تتفوق عادة في المهام المحددة بشكل ضيق في ظل ظروف يتم التحكم فيها بإحكام. لا تقتصر أنظمة AICEC AI على غرض ضيق واحد. “يمكنهم تحديد الأسئلة التي يجب استكشافها ، وما هي التجارب التي يجب تشغيلها ، وكيفية ضبط المنهجية مع ظهور بيانات جديدة” ، يلاحظ عبر البريد الإلكتروني.
يقول جو فرنانديز ، نائب الرئيس والمدير العام في شركة Red Hat’s AI ، إن وظائف Agentic AI مثل سير العمل مقارنة بتطبيقات AI الأخرى. “بدلاً من نموذج الذكاء الاصطناعي النموذجي الذي يولد استجابة واحدة لسؤال ما ، يجوز لنظام الذكاء الاصطناعي تنفيذ عدة خطوات من تلقاء نفسه لإكمال المهمة” ، يوضح في مقابلة عبر البريد الإلكتروني. يمكن أن يشمل ذلك تحليل الطلب ، ورسم تعيين استراتيجية ، وتنفيذ المهمة ، والتي يمكن أن تدعو في حد ذاتها إلى نماذج إضافية أو أنظمة خارجية ، مثل محرك البحث أو الاستعلام عن قاعدة بيانات.
مضاعف القوة
عندما تتحقق تمامًا ، يمكن أن يكون Agencic AI مضاعفًا للقوة إلى حد كبير ، كما يقول فرنانديز. “بالنظر إليها من منظور منظمة تكنولوجيا المعلومات التقليدية ، فإن الأمر يشبه وجود فرد متخصص بشكل لا يصدق – أو فريق من الأفراد – لا يمانع في الحصول على نفس المهمة ، كل يوم ، دون أي إبداع أو توسع نطاق.”
بالنظر إلى قدراتها القوية والواسعة النطاق ، تقدم Agencic AI فرصة لتعزيز الأبحاث العلمية من خلال تحليل البترات من البيانات ، وصياغة الفرضيات ، وتوضع أنماط بارزة بطريقة غير متزامنة. يقول كريج: “هذا لديه القدرة على تسريع التقدم في مجالات ثقيلة البيانات مثل علم الأحياء والكيمياء واكتشاف المخدرات”. “علاوة على ذلك ، يمكن لـ Agentic AI تحديث الخطط بناءً على النتائج الوسيطة دون الحاجة إلى إشراف بشري مستمر ، مما قد يؤدي إلى استكشاف أوسع للحلول الممكنة.” ولعل الأهم من ذلك ، من خلال اختبار الأفكار في البيئات المحاكاة ، يمكن للوكيل الذكاء الاصطناعى أن يقلل من الاعتماد على التجارب المعملية الرطبة باهظة الثمن ، مما يحسن من احتمال أن تدفع التجارب اللاحقة نظرة ثاقبة.
يمكن للوكيل الذكاء الاصطناعي أيضًا تحرير أعضاء فريق تكنولوجيا المعلومات من الصيانة والمهام الأخرى ذات المستوى المنخفض ، كما يقول فرنانديز. بدلاً من ذلك ، يمكن للموظفين العمل على دمج أنظمة أو تطبيقات جديدة ، والمشاركة بشكل أوثق مع العملاء ، والتعامل مع واجبات مهمة أخرى. “في هذا السيناريو ، يتولى Agensic AI المهام غير السارة لعمل تكنولوجيا المعلومات وتتيح لمؤسسة التكنولوجيا قيادة قيمة لا تصدق للأعمال التجارية الأوسع بدلاً من أن تكون عالقة في دورات صيانة النظام.”
مع مرور الوقت ، تتمتع Agentic AI بالقدرة على تحسين أدائها من خلال التعلم من التجربة ، وتصبح فعالة بشكل متزايد في تحقيق النتائج المرغوبة ، كما تقول Marinela Profi ، Global AI Market Strategy في شركة SAS وخدمات تحليلات الأعمال في مقابلة عبر الإنترنت. “على سبيل المثال ، قد يعيد جدولة التسليم لتجنب حركة المرور أو تغيير خطة إنتاج المصنع إذا ارتفع الطلب”.
أول من يتبنون
من المحتمل أن يكون المتبنون من AI للوكيل الأولي من المؤسسات التي تتطلع إلى زيادة استثماراتهم في الذكاء الاصطناعي ، وتعزيز الإنتاجية ، ومعالجة تحديات الأعمال المعقدة ، وتنبؤ LAN Guan ، كبير موظفي الذكاء الاصطناعي في شركة Accenture الاستشارية للأعمال. “هذه المنظمات مهتمة بشكل خاص بالحلول التي يمكن أن تتوسع عبر وظائف متعددة وتعمل مع الحد الأدنى من الإشراف على الإنسان” ، تلاحظ عبر البريد الإلكتروني.
يقول فرنانديز إن المؤسسات عبر مجموعة واسعة من العمودي من المرجح أن تكون أول من تلتزم بوكيل الذكاء الاصطناعى ، ويتطلعون إلى انخفاض التكاليف. “بالنظر إلى العميل الذكاء الاصطناعى على المدى الطويل ، من الممكن أن تستفيد كل منظمة تقريبًا في كل صناعة تقريبًا من تبني وكلاء الذكاء الاصطناعى بطريقة ما.”
الخطوات الأولى
يقول جوان إن أفضل طريقة للبدء في Agency AI هي إنشاء بنية تحتية قوية وممارسات لإدارة البيانات المرنة. “المنظمات في مراحل مختلفة من الاستعداد ، وأولئك الذين لديهم بنية منصة المؤسسة القوية في وضع أفضل لضمان إمكانية الوصول السلس إلى نماذج الأساس.”
إن النهج الأسهل للوكيل الذكاء الاصطناعي هو ببساطة تجربة التكنولوجيا. يلاحظ فرنانديز أن “الخبر السار هنا هو أن الكثير من الابتكار المحيط بالوكيل الذكاء الاصطناعى ، ومنظمة العفو الدولية بشكل عام ، يحدث في المصدر المفتوح”. ويشير إلى العديد من أدوات/ أدوات الوكيل الناشئة ، بما في ذلك كرواي و لانجشين، من بين أشياء أخرى كثيرة.
على الجانب السلبي ، يواجه Agencic AI بعض التحديات نفسها التي يواجهها حالات استخدام الذكاء الاصطناعي الأخرى. “يجب تدريب نماذج GENAI الأساسية وضبطها على بياناتك ونشرها للاستدلال عبر بيئة هجينة قد تمتد من السحب العامة ، إلى مراكز البيانات الخاصة والخروج إلى الحافة” ، يوضح فرنانديز. “يجب القيام بذلك بطريقة فعالة من حيث التكلفة لضمان عائد استثمار إيجابي ، وهو تحدٍ بالنظر إلى أن هذا يتطلب عمومًا أجهزة حسابية متسارعة ، وهي وحدات معالجة الرسومات.”
يجب أن يمتلك تبني المنظمات المهارات والموارد الداخلية اللازمة لتدريب النماذج بشكل فعال على بياناتها ، بالإضافة إلى استراتيجية نشر واضحة. “يقدم وكلاء الذكاء الاصطناعى طريقًا قويًا لإنتاج الذكاء الاصطناعى ، ولكن السوق المتطور باستمرار ، من مقدمات ونماذج جديدة إلى التدريب و تقنيات نوع راجيقول فرنانديز: “يعني معظم منظمات تكنولوجيا المعلومات حاليًا متعمدة للغاية في سعيها”.
