أخبار الذكاء الاصطناعي: وكلاء OpenAI Dots الدائمون والأمان

جعل إعلان OpenAI عن Dots وصف «مساعد ذكاء اصطناعي» يبدو أضيق من الواقع: فوكلاء GPT-6 Astra الذين يعملون باستمرار باتوا مزوّدين بحواسيب سحابية واتصالات بأكثر من 4,000 تطبيق. ولا يزال القطاع يتحدث وكأن المعركة المقبلة تدور حول جودة النماذج. لكن إصدارات هذا الأسبوع تشير إلى أن المنافسة تتحول نحو التحكم في الوكلاء: مَن يحق له تشغيل البرمجيات، ولأي مدة، وبأي صلاحيات، وتحت سجل تدقيق تابع لأي جهة.

يحوّل OpenAI Dots الوكلاء إلى مشغّلين دائمين للبرمجيات

يمثّل Dots أوضح إشارة هذا الأسبوع إلى انتقال الذكاء الاصطناعي الرائد من توليد الردود إلى تنفيذ مهام طويلة الأمد. قدّمت OpenAI خدمة Dots بوصفها وكلاء يعملون باستمرار، مدعومين بـ GPT-6 Astra، ويعملون على حواسيب سحابية ويتصلون بآلاف التطبيقات. وقد أثار الإعلان أكبر تفاعل جماهيري هذا الأسبوع، وفقًا للملخص البحثي المستند إلى منشور OpenAI عن Dots.

لم يعد هؤلاء الوكلاء ينتظرون داخل مربع محادثة. قد يهلوس روبوت المحادثة ويزعجك. أما الوكيل الدائم فقد ينقر الزر الخطأ، أو ينشئ تذكرة خاطئة، أو يرسل رسالة خاطئة، أو يواصل العمل بعد زوال السياق الذي برّر مهمته.

لا يمكن توسيع نطاق ممارسة السلامة المعتادة المتمثلة في مراجعة المخرجات قبل لصقها، حين يمتلك النموذج سطح مكتب سحابيًا وبيانات اعتماد للتطبيقات وهدفًا متعدد الخطوات. ويبدو الآن طرح السلامة الذي تناولناه الأسبوع الماضي في آخر أخبار الذكاء الاصطناعي: سلامة النماذج هي الميزة التنافسية الجديدة جزءًا أساسيًا من البنية التحتية للمنتج. فضوابط الصلاحيات، وفحص الحالة، وإعادة عرض الجلسات، وحدود معدلات الاستخدام، وآليات الإيقاف الفوري هي ميزات جوهرية للوكلاء. وتأجيل إضافتها يهدد بتحويلها إلى مجرد امتثال شكلي.

يجعل GPT-6.1 Sol «الذكاء الاصطناعي الرائد الجيد بما يكفي» السؤال الافتراضي عند الشراء

تكمن أهمية GPT-6.1 Sol في أنه يغيّر معادلة الميزانية. تقول OpenAI إن أداء Sol يقترب من أداء Astra بخُمس سعره، وإنه متاح في ChatGPT Work وCodex وعبر واجهة API، وفقًا لإعلان تقديم GPT-6.1 Sol. وبالنسبة إلى معظم الفرق الهندسية، فإن هذا الادعاء بشأن نسبة الأداء إلى السعر أهم من تحقيق فوز محدود آخر على لوحة ترتيب اختبارات الاستدلال.

اعتادت السوق أن تسأل: «أي نموذج هو الأفضل؟». لكن هذا السؤال يفقد فائدته تدريجيًا. فعلى الفرق أن تسأل: أي نموذج يلبّي مستوى الجودة المطلوب للمهمة، والتكلفة المستهدفة، ومتطلبات الحوكمة؟ يجعل Sol هذا القرار جزءًا من التخطيط اليومي للمنتجات. فالنموذج الذي يتأخر قليلًا عن النموذج الأبرز، لكنه ميسور بما يكفي للبرمجة واستخدام الحاسوب والمهام الخلفية، سيتولى أحمال عمل فعلية أكثر من نموذج استعراضي مخصّص للعروض التوضيحية.

ويغيّر هذا التحول البنية المعمارية للأنظمة. فمع اتساع الفوارق في التكلفة، ستوجّه الفرق الطلبات بين نماذج متعددة. وسيصبح الفرز الأولي الخفيف، والتصعيد إلى نماذج أقوى، والتوجيه بحسب المهمة أنماطًا قياسية، خصوصًا في أدوات البرمجة بالذكاء الاصطناعي والأتمتة الداخلية. ويشير توجيه النماذج عبر HydraFusion من GitHub، المذكور في الملخص البحثي، إلى الاتجاه نفسه: طبقة النماذج تتحول إلى مجدول للمهام.

وتعني القدرات الأرخص أيضًا مزيدًا من الأتمتة غير الخاضعة للمراجعة. فإذا كانت تكلفة تشغيل وكيل في الخلفية طوال اليوم منخفضة بما يكفي، فستسمح له الفرق بذلك. ينخفض سقف التكلفة قبل أن تواكبه الحوكمة.

يبيّن Gemini 4 Argon أن إتاحة القدرات السيبرانية ستحدد الثقة في النماذج الرائدة

حصرت Google الإطلاق الأولي لـ Gemini 4 Argon في جهات موثوقة للدفاع السيبراني. وفي Gemini 4 Argon، تصف الشركة Argon بأنه نموذج رائد لهندسة البرمجيات طويلة الأمد، والعمل المعرفي، والدفاع السيبراني. لكن جوهر الخبر هو آلية إتاحة الوصول.

يمكن لنموذج قادر على العمل طويل الأمد ويتمتع بقدرات قوية في البرمجيات والأمن السيبراني أن يساعد المدافعين على الربط بين السجلات، ومسارات الشيفرة، وسلوك الاعتماديات، وفرضيات الاستغلال، وخيارات الترقيع، والتحقق من صحتها. كما يقلّل الوقت اللازم لاكتشاف نقاط الضعف واتخاذ إجراءات بشأنها. ويقرّ الإطلاق المنضبط من Google بأن قدرات النموذج والثقة بالمستخدم أصبحتا أمرين لا ينفصلان.

ويشير حد مخرجات Argon البالغ مليون رمز إلى واجهة مختلفة لعمل الذكاء الاصطناعي في المجال الأمني. فإجابات المحادثة القصيرة لا تلائم الاستجابة للحوادث، ومراجعة قواعد الشيفرة، ونمذجة التهديدات، حيث تكون المخرجات غالبًا تقريرًا طويلًا، أو خطة ترقيع، أو تتبعًا يمتد عبر أنظمة متعددة. تجعل المخرجات الأكبر النموذج أكثر فائدة، لكنها تزيد صعوبة المراجعة أيضًا. إذ يمكن لإجابة من 20 صفحة أن تخفي افتراضًا خطيرًا بسهولة أكبر من إجابة من خمسة أسطر.

تحكّم Copilot بسطح المكتب أكبر من مجرد ميزة برمجية إضافية

تمثّل المعاينة العامة لتفاعل GitHub Copilot مع تطبيقات سطح المكتب التحديث الأكثر فائدة من الناحية العملية لأدوات المطورين هذا الأسبوع. تقول GitHub إن Copilot CLI وتطبيق Copilot لسطح المكتب يستطيعان قراءة الشاشة، والنقر، والكتابة، والتمرير، وطلب موافقات خاصة بكل تطبيق، وفقًا لإعلان أصبح GitHub Copilot قادرًا الآن على التفاعل مع تطبيقات سطح المكتب. وبات بإمكان وكلاء البرمجة التعامل مع مسارات العمل التي لا تتاح إلا عبر واجهة مستخدم رسومية، حين تكون واجهات API غائبة، أو غير كافية، أو يتعذر إتاحتها لأسباب تتعلق بسياسات المؤسسة.

لا يزال جزء كبير من التطوير يجري خارج بيئة التطوير المتكاملة: الاختبار الشامل من البداية إلى النهاية، وإعداد التطبيقات المحلية، ولوحات الإدارة عبر المتصفح، وأدوات التصميم، والأنظمة الداخلية القديمة، وبرمجيات المؤسسات التي تعمل على سطح المكتب فقط. ويسدّ التفاعل مع سطح المكتب فجوات تركها توليد الشيفرة دون معالجة.

لكنه يخلق أيضًا مشكلة في المراجعة لا تحلّها اختبارات الوحدات. فعندما يغيّر وكيل ملفًا، يقدّم لك Git عرضًا للفروق. أما عندما يتنقل بالنقر داخل تطبيق سطح مكتب، فتحتاج إلى حالة الشاشة، وسجل الإجراءات، وسجل الموافقات، وربما إعادة عرض ما حدث. ومن دون هذه السجلات، تصبح عبارة «Copilot فعل ذلك» تقريرًا سيئًا للغاية عن الحادث.

يشير OpenClaw إلى الطبقة المفقودة: عمليات تشغيل الوكلاء

يأتي OpenClaw Enterprise ضمن الفئة المناسبة وفي التوقيت المناسب: طبقة تحكّم قابلة للاستضافة الذاتية، ومحايدة تجاه المورّدين، لإدارة الوكلاء الدائمين. ويصف المشروع نفسه بأنه مجاني ومفتوح المصدر، ومصمّم للعمل على البنية التحتية الخاصة بالمؤسسة، وفقًا لصفحة OpenClaw Enterprise. وستحتاج المؤسسات إلى هذه الطبقة حين تتحول التجارب الأولية للوكلاء إلى أعمال مجدولة.

من الخطأ التعامل مع تنسيق عمل الوكلاء باعتباره مشكلة تُحلّ بصياغة الموجّهات. فالوكلاء الدائمون يحتاجون إلى هوية، وصلاحيات، وسجلات، وميزانيات، وطوابير مهام، وفحوص للسياسات، وعزل للبيئات، وإدارة لدورة الحياة. يمكن للموجّه أن يصف السلوك الجيد، لكنه لا يستطيع أن يقرر ما إذا كان يجوز لوكيل الوصول إلى بيانات بيئة الإنتاج عند الثانية صباحًا.

تكتسب البرمجيات مفتوحة المصدر أهميتها لأن البنية التحتية للوكلاء تقع على مقربة من بيانات الاعتماد، ومسارات العمل الداخلية، والشيفرة المصدرية، وأنظمة العملاء، والسجلات التشغيلية. ولن تقبل بعض الشركات أن تكون أداة تحكّم غامضة من نوع البرمجيات كخدمة (SaaS) هي أصل الثقة لهذا القدر من الوصول. وتمنح الاستضافة الذاتية الفرق الخاضعة للوائح والفرق ذات المتطلبات الأمنية الحساسة مسارًا موثوقًا، من دون تسليم طبقة التنفيذ إلى مورّد واحد.

يجعل Kolibri النماذج المفتوحة السيادية خيارًا فعليًا لأحمال العمل المتخصصة

يذكّر إصدار Kolibri من Aleph Alpha بأن استراتيجيات الذكاء الاصطناعي الجادة تتجاوز واجهات API للنماذج الرائدة الأمريكية. فـ Kolibri نموذج إنجليزي-ألماني قائم على مزيج الخبراء، بترخيص Apache-2.0، ويضم إجمالًا 78.1 مليار معلمة، منها 3.46 مليار معلمة نشطة، ويدعم سياقًا يصل إلى مليون رمز، وفقًا لإعلان وصول Kolibri.

هذه التفاصيل أهم من الوصف المعتاد «نموذج مفتوح». فالأوزان المرخّصة بموجب Apache-2.0 تمنح الشركات مساحة للبناء والتعديل والنشر، من دون الاضطرار إلى مواءمة كل قرار يخص المنتج مع شروط واجهة API لدى مزوّد الخدمة. كما أن التركيز على الإنجليزية والألمانية خيار مقصود في تصميم المنتج. فمشترو الذكاء الاصطناعي السيادي يعملون غالبًا في المجالات القانونية والإدارية والصناعية وخدمة العملاء، حيث تفوق أهمية جودة اللغة والتحكم في النشر التباهي بالتفوق في مجموعة واسعة من الاختبارات المعيارية.

يفعّل تصميم مزيج الخبراء مجموعة فرعية فقط من المعلمات لكل رمز. وقد يجعل ذلك الاستدلال أكثر كفاءة من نموذج كثيف مماثل في الحجم الإجمالي، مع أن التكلفة الفعلية تعتمد على منظومة تقديم النموذج، والعتاد، والتكميم، وطبيعة أحمال العمل. وتناسب نافذة السياق البالغة مليون رمز أعمال المؤسسات كثيفة المستندات: العقود، والأدلة، والسياسات، وملفات القضايا، والأرشيفات التقنية.

أصبح نقاش السلامة يدور حول الأنظمة ذاتية التحسين تكراريًا، لا العروض المخيفة

أعادت مساهمة Geoffrey Hinton في نشر تقرير «انفجار الذكاء» موضوع التحسين الذاتي التكراري إلى نقاشات الذكاء الاصطناعي هذا الأسبوع. ويرى التقرير أن ظهور أنظمة قادرة على تحسين قدراتها الذاتية قد يكون وشيكًا، وقد أثار نقاشًا واسعًا بعدما شاركه Hinton، وفقًا لتقرير انفجار الذكاء. وسواء اقتنعت بأقوى ادعاءاته أم لا، فإنه ينسجم مع اتجاه منتجات هذا الأسبوع على نحو يثير القلق.

يشير الوكلاء الدائمون، واستخدام الحاسوب، والنماذج الرائدة الأرخص، وتوجيه النماذج، والقدرات السيبرانية طويلة الأمد، كلها إلى أنظمة تنجز أعمالًا أكثر بتدخل بشري أقل في كل خطوة. ولا يشترط أن يبدأ التحسين التكراري بنموذج يعيد كتابة أوزانه داخل مختبر. فهناك بالفعل صيغة معقولة على مستوى مسارات العمل: وكلاء يكتبون الاختبارات، ويصلحون الشيفرة، ويحسّنون الموجّهات، ويسجّلون المشكلات، ويجرون اختبارات معيارية للبدائل، ويختارون نماذج أرخص أو أقوى للمهام الفرعية.

يجب أن يشمل العمل على السلامة الوصول إلى الأدوات، وحلقات التغذية الراجعة، وإشارات المكافأة، وحدود النشر. فإذا كان بإمكان وكيل اقتراح تغيير في الشيفرة، وتشغيل الاختبارات، وتحديث التذكرة، واستدعاء وكيل آخر لمراجعته، فيجب أن يغطي نموذج الحوكمة لديك الحلقة بأكملها.

ينشغل نقاش السلامة أكثر مما ينبغي بما إذا كانت الجداول الزمنية الواردة في ورقة بحثية بعينها صحيحة. أما الخطر العملي فهو الصلاحيات التشغيلية المتسلسلة تكراريًا: صلاحيات صغيرة تتضافر لتنشئ استقلالية واسعة، لأن كل خطوة بدت معقولة عند النظر إليها منفردة.

خطوات عملية

• اختر مسار عمل واحدًا لأحد الوكلاء في مؤسستك، ووثّق كل صلاحية يحتاج إليها: التطبيقات، والملفات، وواجهات API، وبيانات الاعتماد، ونقاط الموافقة، والسجلات. إذا كانت القائمة مبهمة، فمسار العمل غير جاهز للعمل باستقلالية.
• بالنسبة إلى مساعدي البرمجة، اختر النماذج بحسب فئة المهمة: الإكمال التلقائي، وتوليد الاختبارات، وإعادة هيكلة الشيفرة، وفرز المشكلات، والمراجعة الأمنية، وملاحظات الإصدار. أصبح استخدام نموذج افتراضي واحد لكل شيء مؤشرًا على احتمال عدم كفاءة الإنفاق.
• اشترط وجود سجل تدقيق لأي أداة تتحكم في واجهة مستخدم رسومية: سجل للإجراءات، وتسلسل من لقطات الشاشة، وسجل للموافقات، ومسار للتراجع عن التغييرات. يصعب تشخيص أخطاء وكيل سطح مكتب بعد وقوعها من دون إمكانية إعادة عرض ما حدث.
• تحقّق مما إذا كان أي مسار عمل للذكاء الاصطناعي يستطيع تشغيل مسار عمل آخر للذكاء الاصطناعي. وإذا كان ذلك ممكنًا، فحدّد أين تتوقف السلسلة ومَن يملك القرار النهائي.
• بالنسبة إلى أحمال العمل الخاضعة للوائح أو الحساسة من ناحية البيانات، قارن الوكلاء المستضافين بطبقات التحكّم ذاتية الاستضافة مثل OpenClaw، قبل أن تتحول التجربة الأولية إلى تشغيل فعلي في بيئة الإنتاج من دون قصد.

موارد مفيدة

• إعلان OpenAI Dots - إعلان OpenAI عن وكلاء يعملون باستمرار، مدعومين بـ GPT-6 Astra، لمسارات العمل على الحواسيب السحابية.
• تقديم GPT-6.1 Sol - ملاحظات إصدار OpenAI لنموذج Sol الأقل تكلفة في ChatGPT Work وCodex وعبر API.
• Gemini 4 Argon - نظرة عامة من Google على نموذجها طويل الأمد للبرمجيات والعمل المعرفي والدفاع السيبراني.
• تفاعل GitHub Copilot مع تطبيقات سطح المكتب - سجل تغييرات GitHub لاستخدام Copilot للحاسوب ضمن المعاينة العامة.
• OpenClaw Enterprise - طبقة تحكّم قابلة للاستضافة الذاتية لإدارة الوكلاء الدائمين.

ماذا يعني ذلك بالنسبة إليك؟

يتحول الذكاء الاصطناعي إلى طبقة تشغيل تمتد عبر التطبيقات، وقواعد الشيفرة، وأسطح المكتب، ومسارات العمل الأمنية. وتجعل النماذج الأرخص هذه الطبقة ميسورة بما يكفي لتعمل باستمرار.

بات على الفرق الهندسية التعامل مع اختيار النماذج، وصلاحيات الوكلاء، وسجلات التدقيق، وحدود البيانات، ومسارات التصعيد، بالصرامة نفسها التي تتعامل بها مع التكامل المستمر (CI)، وإدارة الأسرار، والوصول إلى بيئة الإنتاج. ولم تعد قائمة بأدوات المحادثة تعبّر عن واقع السوق.

أفضل استراتيجية على المدى القريب هي الاستقلالية المنضبطة: دع الوكلاء ينجزون عملًا فعليًا ضمن حدود صريحة، وبسلوك يمكنك رصده. تساعد Joulyan IT الفرق على تصميم أنظمة تكامل الذكاء الاصطناعي والأتمتة حول هذا المبدأ، خصوصًا حين يلزم تحقيق انسجام محكم بين الأدوات الداخلية، والمتطلبات الأمنية، ومسارات عمل الأعمال.