الذكاء الاصطناعي لا يكتفي بالإجابة عن الأسئلة: ما هو وكيل الذكاء الاصطناعي (AI Agent)؟ من أدوات الدردشة إلى الذكاء الاصطناعي الذي ينفذ المهام

ما هو AI Agent؟

يمكن فهم AI Agent على أنه «نظام ذكاء اصطناعي يمتلك القدرة على التصرف».

فالذكاء الاصطناعي الحواري العادي تكون مهمته الأساسية عند تلقي سؤال هي فهمه وإنتاج إجابة؛ أما AI Agent فبعد أن يتلقى هدفًا، يواصل تقدير الحالة الراهنة وتحديد الخطوة التالية واستخدام الأدوات اللازمة، إلى أن تكتمل المهمة، أو يتوقف عند موضع يتطلب تأكيدًا بشريًا.

فمثلًا، يقول المستخدم: «رتّب لي الأسبوع القادم لقاءً مع المدير وانغ لمناقشة عرض السعر الجديد».

يستطيع الذكاء الاصطناعي العادي أن يخبرك كيف ترتب ذلك، أما الوكيل إذا حصل على التفويض المناسب، فقد يبدأ بالاستعلام عن الأوقات الشاغرة في التقويم، ثم يبحث عن معلومات الاتصال بالمدير وانغ، وينظّم سجل النقاش السابق حول عرض السعر، ثم ينشئ مسودة اجتماع وينتظر تأكيد المستخدم.

ولذلك فإن الوكيل القادر على العمل فعليًا يجمع عادةً عدة عناصر أساسية: يتولى نموذج الذكاء الاصطناعي الفهم والحكم، وتحدد Instructions قواعد العمل، وتتيح Tools له تشغيل الأنظمة الخارجية، وتوفر بيانات المؤسسة سياق العمل، بينما تحدد Guardrails والمراجعة البشرية ما يجوز له فعله وما لا يجوز.

ما قواعد العمل التي يحتاجها AI Agent في المؤسسات؟

كثير من الناس عند أول تعامل لهم مع الوكيل يحاولون أولًا كتابة Prompt أكمل. وعند الانتقال إلى التطبيق في المؤسسات، يلزم أيضًا التخطيط الواضح لمصادر البيانات وخطوات التشغيل والصلاحيات وأسلوب المراجعة معًا.

فإذا أردنا اليوم بناء Agent مالي، فعلى الشركة أن تخبره أولًا: في أي حالة يمكن البدء في طلب الدفع، ومن أين يحصل على اسم الشركة في الفاتورة والمبلغ، وما البيانات التي يمكن تنظيمها تلقائيًا، وهل يلزم دائمًا أن يؤكد المحاسب قبل إصدار الفاتورة رسميًا.

أما قواعد Agent المبيعات فمختلفة تمامًا. فقد يحتاج إلى معرفة منتجات الشركة وصلاحيات الأسعار والخصومات، وأي العملاء يمكن تقديم عرض سعر قياسي لهم مباشرة، وأي الحالات يجب إحالتها أولًا إلى المشرف للمراجعة، وفي أي حالات ينبغي إنشاء بند متابعة.

وكلما كانت هذه القواعد منظمة بوضوح أكبر، سهل على الوكيل إنجاز المهام وفق أسلوب الشركة. وقبل الاعتماد، يمكن للفريق أولًا حصر مصدر بيانات كل عمل ومن يصدر الحكم فيه ومتى يلزم الاعتماد، ثم تحديد نطاق ما يُسند إلى الذكاء الاصطناعي. وبعد توضيح العملية، تكون الخطوة التالية هي ربطه بالأدوات التي يحتاجها العمل.

‏Tools: انتقال الذكاء الاصطناعي من «يتكلم» إلى «ينفذ»

من أهم ما يميز AI Agent أنه يستطيع استخدام الأدوات.

فإذا كان الذكاء الاصطناعي لا يستطيع سوى إخراج النصوص، فمهما أجاد التحليل لن يستطيع سوى إخبار المستخدم «ما ينبغي فعله بعد ذلك». لكن عندما يمكن تفويض الوكيل باستخدام Email وCalendar وCRM وGoogle Drive وMicrosoft 365 وERP وقواعد البيانات والواجهات الخلفية للمواقع أو API المؤسسية، يبدأ في تحويل حكمه إلى عمليات فعلية.

فمثلًا، يستطيع الذكاء الاصطناعي التوليدي العادي أن يقول لموظف المبيعات: «لم يرد هذا العميل منذ أسبوع، يُنصح بالتواصل معه مرة أخرى». أما الوكيل فقد يمضي أبعد من ذلك، فينشئ مهمة Follow-up ويضيفها إلى التقويم، بل وينظّم أولًا المراسلات السابقة ويُعدّ مسودة الرسالة التالية.

وتعتبر بنية الوكلاء الحالية لدى OpenAI الأدوات أيضًا إحدى القدرات الأساسية للوكيل، لأن الأدوات تتيح للنموذج الوصول إلى البيانات الخارجية وتنفيذ الدوال والتفاعل مع الأنظمة الأخرى. OpenAI Developers

وبعد اقتران النموذج بالأدوات، يستطيع الوكيل ربط نتائج التحليل بالعمليات اللاحقة. وعند تقييم أي نظام، يمكن النظر مباشرة هل يستطيع إنجاز خطوات مثل الاستعلام والتنظيم والتحديث والمتابعة، وهذا يساعد أيضًا على فهم الفرق بينه وبين أدوات الدردشة العادية.

ما الفرق بين AI Agent وChatGPT؟

يمكن للذكاء الاصطناعي الحواري أن يكون نقطة دخول لتشغيل الوكيل، كما يمكن أن يكون جزءًا من النظام ككل.

ويتمثل الفرق أساسًا في عمق العمل.

وتظهر القيمة التطبيقية للوكيل أيضًا في الأعمال التي تتطلب فهم المعنى والتي يصعب مسبقًا إدراج جميع شروطها.

يجيد Workflow التقليدي «إذا حدث A فنفّذ B». فمثلًا إرسال إيصال تلقائيًا بعد إتمام الدفع، أو تنفيذ نسخ احتياطي للبيانات كل ليلة؛ وهذه كلها أتمتة ناضجة جدًا.

وفي الحياة اليومية للمؤسسات أعمال كثيرة أخرى تتطلب الحكم بحسب الموقف.

فمثلًا: هل رسالة البريد الإلكتروني هذه استفسار عن السعر أم شكوى أم طلب لخدمة ما بعد البيع أم مجرد سؤال عن المواصفات؟ وهل جملة «لنجد وقتًا للقاء قبل نهاية الشهر» تستدعي إنشاء متابعة أم لا؟ وفي اجتماع مدته ساعة، ما الذي كان مجرد نقاش، وما الذي يُعد فعلًا Action Item؟

تتطلب هذه الأعمال فهم اللغة الطبيعية والسياق والموقف، وهذا هو السبب في أن الوكيل، بعد دخول النماذج اللغوية الكبيرة إلى الأتمتة، أصبح قادرًا على معالجة سير عمل أوسع نطاقًا.

لماذا يحظى AI Agent باهتمام مفاجئ الآن؟

للمؤسسات خبرة تمتد سنوات في استخدام RPA وWorkflow وERP وربط API لتحسين العمليات.

والاختلاف الحقيقي أن الذكاء الاصطناعي بات قادرًا الآن على معالجة اللغة الطبيعية والمستندات والصور والبحث في البيانات والاستدلال متعدد الخطوات واستخدام الأدوات في آن واحد، ولذلك أصبحت الأعمال التي كان يصعب «كتابتها كقواعد ثابتة» تتاح لها فرصة الدخول في عمليات الأتمتة.

فأسهل ما كانت تعالجه أنظمة المؤسسات في الماضي هو الجداول والحقول والبيانات المنظمة؛ لكن المعلومات الموجودة بكثرة داخل الشركة متناثرة في الواقع بين البريد الإلكتروني وسجلات الدردشة والنصوص الحرفية للاجتماعات وملفات PDF والمستندات الفنية ومتطلبات العملاء وخبرة الموظفين.

ويجعل الوكيل هذه المعلومات غير المنظمة قابلة للفهم، ثم تصبح جزءًا من سير العمل.

كما أشار Microsoft 2026 Work Trend Index إلى أن استخدام المؤسسات للوكلاء يزداد بسرعة، وأن المؤسسات تواجه في الوقت نفسه تحديات تتمثل في أن أساليب العمل ونظم الإدارة ومستوى الجاهزية التنظيمية لا تواكب تطور الأدوات. وفي هذه الدراسة، لم يكن سوى نحو ‎19% من مستخدمي الذكاء الاصطناعي في حالة «Frontier» التي تجمع بين قدرات فردية وجاهزية تنظيمية مرتفعتين معًا. Microsoft

وبعد أن يعتاد الموظفون على الأدوات، تظل الشركة بحاجة إلى تعديل توزيع المهام وأساليب العمل حتى تحوّل تجربة الاستخدام الفردية إلى عملية يستطيع الفريق اعتمادها باستمرار. ويمكن البدء من سؤال محدد: متى ينبغي أن يبدأ هذا العمل؟

من «أطلب من الذكاء الاصطناعي» إلى «الذكاء الاصطناعي يعرف الخطوة التالية»

يمكن الاتفاق مسبقًا على وقت بدء العمل عند تصميم الوكيل.

ما زال معظم الناس اليوم عند استخدام الذكاء الاصطناعي يحتاجون أولًا إلى التفكير بأنفسهم في الحاجة، ثم فتح الذكاء الاصطناعي وإعطاء الأمر. مثل: «نظّم لي هذا الاجتماع».

أما الوكيل الذي دخل فعلًا في سير العمل، فيمكن أن تُصمَّم بعض الأحداث لتكون نقطة بدء العمل مباشرة. فمثلًا تنظيم معلومات القطاع في وقت ثابت كل يوم، أو بدء معالجة محضر الاجتماع تلقائيًا عند انتهاء الاجتماع.

وبحسب بنية Workspace Agent الحالية لدى OpenAI مثالًا، يمكن ضبط الوكيل بحيث يُشغَّل يدويًا أو بجدول زمني، ويؤدي العمل بالاقتران مع الأدوات ومصادر البيانات وGuardrails. OpenAI

وعند وجود شرط بدء واضح، يمكن للأعمال الثابتة أن تتواصل وفق جدول زمني أو بحسب الأحداث، مما يخفف عبء إعطاء الأمر من جديد في كل مرة. ويمكن من خلال مثال اجتماع العملاء المعتاد أن نرى كيف يؤثر هذا الترتيب في المتابعة اللاحقة.

كيف سيعمل Meeting Agent فعليًا؟

لنفترض أنه انتهى اليوم اجتماع مع عميل، وورد في النص الحرفي هذه الجملة:

«سيقدم Tim عرض السعر الجديد للعميل قبل يوم الثلاثاء من الأسبوع القادم».

قد تكتفي أداة تلخيص الاجتماعات العادية بإدراج هذه الجملة في محضر الاجتماع.

أما Meeting Agent فقد يمضي أبعد من ذلك ويفهم أنها تتضمن بند عمل واضحًا: المسؤول هو Tim، والعمل هو تحديث عرض السعر الجديد، والموعد النهائي هو يوم الثلاثاء القادم، والجهة المعنية هي عميل هذا الاجتماع.

وبعد ذلك يستطيع النظام، وفق إعدادات الشركة، إنشاء مهمة وإضافتها إلى التقويم وتذكير Tim قبل الموعد النهائي، بل وتنظيم ما يلي تلقائيًا قبل الاجتماع القادم: «ترك الاجتماع السابق ثلاثة بنود عمل، اكتمل منها حاليًا بندان، ولا يزال عرض السعر بحاجة إلى تحديث».

وبهذه الطريقة يمكن ربط ما جرى الاتفاق عليه في الاجتماع بالمهام والتذكيرات، بما يسهّل على الفريق متابعة التقدم. غير أن الانتقال من تنظيم المحضر إلى التنفيذ الفعلي يتطلب أيضًا تحديد أي الخطوات يمكن معالجتها تلقائيًا وأيها ينبغي أن يؤكدها الموظفون.

كيف يُرتَّب مستوى استقلالية AI Agent والتأكيد البشري؟

عند الحديث عن الوكيل، من السهل أن ينشأ سوء فهم آخر: ما دام الذكاء الاصطناعي قادرًا على تنفيذ الأعمال، فهل يعني ذلك أنه في المستقبل ينبغي ترك كل شيء ليقرره الذكاء الاصطناعي بنفسه؟

والواقع أن الأسلوب الأنسب عند اعتماد المؤسسات له هو رفع مستوى الاستقلالية تدريجيًا بحسب المخاطر.

ففي المرحلة الأولى يمكن أن يقتصر الذكاء الاصطناعي على تقديم التحليل والتوصيات، ويتخذ الإنسان القرار النهائي؛ وفي المرحلة التالية يمكن أن يُعدّ الذكاء الاصطناعي مسودات للبريد الإلكتروني أو الجداول أو بيانات الفواتير أو المقالات، ويقتصر دور الإنسان على التأكيد. وبعد أن تنضج العملية بما يكفي، يصبح من المناسب رفع مستوى التنفيذ التلقائي تدريجيًا للأعمال منخفضة المخاطر وواضحة القواعد.

فمثلًا، تنظيم محضر الاجتماع تلقائيًا بعد انتهاء الاجتماع الدوري الداخلي منخفض الخطر جدًا؛ أما الدفع الرسمي وحذف البيانات والالتزام أمام جهات خارجية وتعديل الأسعار وإلغاء الطلبات، فهي عمليات قد تترتب عليها عواقب فعلية.

وتوفر إرشادات OpenAI للوكلاء بوضوح آلية Human-in-the-loop approval، بحيث يمكن إيقاف العمليات الحساسة على الأدوات مؤقتًا قبل تنفيذها لانتظار موافقة الموظف أو رفضه. OpenAI Developers

وعندما يتفق الفريق مسبقًا على توقيت الموافقة والمسؤول وأسلوب معالجة الاستثناءات، يستطيع أن يترك الوكيل يتولى العمليات اليومية بثقة. وبعد التشغيل الفعلي، يمكن أيضًا تعديل نطاق ما يتولاه بنفسه تدريجيًا بحسب سجلات الأخطاء وملاحظات الموظفين.

هل يتعلم AI Agent من تلقاء نفسه ويزداد ذكاءً مع الاستخدام؟

يلزم هنا التمييز بين تدريب النموذج وكيفية صيانة المؤسسة للبيانات والقواعد التي يستخدمها الوكيل.

فالوكيل المؤسسي العادي لا يُعاد تدريب نموذجه تلقائيًا في اليوم التالي لمجرد أنه عالج اليوم 100 رسالة بريد إلكتروني.

أما ما يمكن أن يتراكم باستمرار فهو بيئة العمل التي تقدمها المؤسسة للوكيل، مثل SOP الشركة وقاعدة المعرفة والسجلات التاريخية وحالات المعالجة وملاحظات المستخدمين وقواعد العمل.

فلنفترض أن Agent المبيعات لا يعرف في البداية أن عملاء من نوع معين، عند استفسارهم عن منتج، يحتاجون عادةً أيضًا إلى مستند مواصفات محدد. وبعد الاستخدام الفعلي، تكتشف الشركة أن هذا الأمر يحدث تقريبًا في كل مرة، فيمكنها إضافة هذه الخبرة رسميًا إلى قواعد عمل الوكيل.

ويتيح الاستمرار في تنظيم هذه الخبرات للوكيل أن يحصل في المهام اللاحقة على أساس أكمل، كما يسهّل على الزملاء اتباع أساليب المعالجة السابقة. وتحتاج المؤسسة إلى من يتولى تحديث المعرفة والقواعد حتى يمكن الاستفادة من هذا التراكم على المدى الطويل.

هل تحتاج الشركة إلى عدد كبير من الوكلاء؟

يمكن تحديد عدد الوكلاء بحسب احتياجات العمل. وحتى عند اعتماد Multi-Agent، يلزم أولًا توضيح مسؤولية كل وكيل وأسلوب التسليم بينهم، لتجنب زيادة تكاليف التنسيق دون حاجة.

وتوصي OpenAI حاليًا في تطوير الوكلاء أيضًا بالبدء بوكيل واحد ذي مسؤولية واضحة ونطاق محدد، ولا يُقسَّم تدريجيًا إلا عندما تحتاج الأعمال المختلفة إلى أدوات مختلفة أو صلاحيات مختلفة أو سياسات مراجعة مختلفة. OpenAI Developers

وبالنسبة لمعظم المؤسسات، قد تكون نقطة البداية الأفضل Meeting Agent واحدًا أو Sales Agent واحدًا أو Knowledge Agent واحدًا.

اختاروا أولًا عملًا يتكرر كثيرًا ومعايير إنجازه واضحة، وتأكدوا من أن الوكيل يستطيع معالجته بثبات، ثم قيّموا هل تحتاجون إلى إضافة أدوار أخرى. وبهذا يسهل أيضًا اكتشاف المشكلات وتعديل العملية ومعرفة النتائج الفعلية.

ما العلاقة بين AI Agent وVibe Coding؟

‏Vibe Coding مثال سهل الفهم على توسع قدرات الوكيل.

في بداية استخدام الذكاء الاصطناعي التوليدي في البرمجة، كان المعتاد أن يُطلب من الذكاء الاصطناعي إنتاج مقطع من الشيفرة، ثم ينسخه المهندس بنفسه ويعدّله وينشره.

أما Coding Agent اليوم فقد بدأ يستطيع قراءة المشروع مباشرة وفهم بنية المجلدات وإيجاد الملفات ذات الصلة وتعديل الشيفرة وتشغيل الاختبارات وفحص الأخطاء، ثم المضي في تصحيحها.

أي أن الذكاء الاصطناعي ينتقل تدريجيًا من «إخبارك كيف تُكتب الشيفرة» إلى «المشاركة مباشرة في عملية تطوير البرمجيات».

وتجعل هذه القدرات التنفيذ أكثر كفاءة، كما تجعل تخطيط المتطلبات ومراجعة النتائج أجدر بأن يُستثمر فيهما الوقت.

وقد يصعب على المستخدمين الذين تنقصهم خبرة تطوير البرمجيات أن يعددوا المتطلبات كاملة منذ البداية، أو أن ينتبهوا إلى التفاصيل التي أغفلها تصميم النظام.

فمثلًا، يعرف المستخدم أنه يريد إنشاء تسجيل دخول للأعضاء، لكنه قد لا يعرف أنه يلزم أيضًا النظر في Session والصلاحيات والتحقق من API وRate Limit وMigration لقاعدة البيانات وLog وBackup وRollback أو إدارة البيانات الشخصية.

يستطيع الذكاء الاصطناعي المساعدة في إنجاز قدر كبير من التنفيذ، لكن الموظفين يظلون بحاجة إلى الحكم على اكتمال المتطلبات ومعقولية التصميم وشمول الاختبارات للسيناريوهات المهمة. وعندما تبدأ البرمجيات في الاتصال ببيانات حقيقية وأنظمة المؤسسة، فإن هذه الفحوصات تؤثر مباشرة في سلامة الاستخدام.

بعد دخول AI Agent إلى المؤسسة، ترتفع المخاطر أيضًا

إذا أجاب الذكاء الاصطناعي الحواري إجابة خاطئة، فعادةً لا ينتج عن ذلك سوى مقطع محتوى خاطئ.

لكن عندما يصبح للوكيل صلاحية إرسال البريد الإلكتروني أو تعديل CRM أو تشغيل قواعد البيانات أو تحديث المواقع أو تنفيذ إجراءات أخرى في الأنظمة، فقد يترتب على الخطأ عواقب حقيقية.

ولذلك يجب عند اعتماد الوكيل رسميًا النظر في صلاحيات البيانات وصلاحيات الحسابات والمعلومات الحساسة وسجلات العمليات والتعافي من الأخطاء وPrompt Injection والتأكيد البشري ومعالجة الاستثناءات.

وتعتبر آليات الأمان الحالية للوكلاء لدى OpenAI أيضًا أن Guardrails وTool Review والمراجعة البشرية عناصر تصميم مهمة، تُستخدم لتحديد متى يمكن للعملية المتابعة ومتى ينبغي إيقافها مؤقتًا. OpenAI Developers

وعمليًا، يمكن تخصيص الصلاحيات اللازمة لكل مهمة، مع الاحتفاظ بسجلات العمليات وبقناة للتدخل البشري. وعندما يرى الفريق بوضوح ما فعله الوكيل، ويعرف كيف يوقفه ويستعيد الوضع عند حدوث خلل، يصبح من المناسب توسيع نطاق التطبيق تدريجيًا.

الخلاصة: ما يتغير في المرحلة التالية من الذكاء الاصطناعي هو «كيف تُنجَز الأمور»

كان أكبر تغيير في المرحلة الأولى من الذكاء الاصطناعي التوليدي هو الطريقة التي يحصل بها الناس على المعلومات وينتجون بها المحتوى.

في السابق كنا نحتاج إلى البحث والقراءة والتنظيم ثم إنتاج الإجابة بأنفسنا؛ أما الآن فيمكن إنجاز كثير من الأعمال بالحوار مباشرة مع الذكاء الاصطناعي.

أما التغيير التالي الذي يأتي به AI Agent فهو طريقة تنفيذ العمل نفسها.

من «اكتب لي رسالة» إلى «تولَّ لي المتابعة اللاحقة لهذا العميل».

من «نظّم محضر الاجتماع» إلى «أنشئ فعلًا المهام التي تقررت في الاجتماع وتابعها باستمرار».

من «أخبرني كيف ينبغي تعديل الموقع» إلى «أنجز التعديل ضمن الصلاحيات والمراجعة المناسبة».

وبالنسبة للمؤسسات، يمكن أولًا اختيار عمل يتكرر كثيرًا ومصدر بياناته واضح، وتنظيم خطواته وأسلوب اعتماده، ثم تجربة الاستعانة بالوكيل في معالجته. ومن خلال تراكم الخبرة في نطاق صغير، ومراقبة مقدار الوقت الموفَّر وأي الحلقات لا تزال تتطلب حكم الموظفين، يمكن تقييم الخطوة التالية بصورة أكثر رسوخًا.

الأسئلة الشائعة | AI Agent

هل AI Agent هو نفسه ChatGPT؟

ليسا متطابقين تمامًا. فالذكاء الاصطناعي الحواري يمكن أن يكون واجهة للوكيل أو أحد مكوناته، لكن الوكيل يتضمن عادةً أيضًا الأدوات ومصادر البيانات وقواعد العمل والصلاحيات وآليات التأكيد البشري.

هل يستطيع AI Agent اتخاذ القرارات بنفسه؟

يمكن أن يتمتع بدرجات متفاوتة من الاستقلالية، لكن المؤسسة لا تحتاج إلى اعتماد نمط الاستقلالية الكاملة منذ البداية. فمعظم العمليات أنسب لها أن تبدأ من «الذكاء الاصطناعي يُعدّ والإنسان يؤكد»، ثم ترفع مستوى الأتمتة تدريجيًا بحسب درجة النضج.

هل يتعلم AI Agent من تلقاء نفسه؟

لا يعيد الوكيل العادي تدريب نفسه تلقائيًا لمجرد زيادة عدد مرات الاستخدام. أما ما يمكن أن يتراكم فعلًا فهو قاعدة معرفة المؤسسة وSOP والسجلات التاريخية وحالات المعالجة وملاحظات المستخدمين.

ما الفرق بين الوكيل والأتمتة التقليدية؟

تناسب الأتمتة التقليدية العمليات ذات الشروط الواضحة والخطوات الثابتة؛ أما الوكيل فيستطيع المضي أبعد من ذلك في فهم اللغة الطبيعية والمستندات والمعلومات غير المنظمة وتحديد الخطوة التالية بحسب الموقف. ويمكن أيضًا استخدام الاثنين معًا بالتكامل.

هل يستطيع AI Agent تشغيل أنظمة المؤسسة مباشرة؟

نعم، لكن بشرط أن توفر الأنظمة المعنية أسلوب تكامل مناسبًا وأن تمنحه المؤسسة الصلاحيات اللازمة. كما ينبغي ضبط التأكيد البشري والقيود الأمنية للنطاق الذي يمكن تشغيله فعليًا بحسب المخاطر.