الاختبار الحقيقي لأي AI agent ليس هل يبدو ذكياً في المحادثة، بل هل يستطيع استخدام أدوات أو واجهات API أو متصفح أو نظام مؤسسي لينجز مهمة متعددة الخطوات. يوضح NIST، وهو المعهد الوطني الأميركي للمعايير والتقنية، أن وكلاء الذكاء الاصطناعي يمكنهم إدراك البيئة واتخاذ إجراءات، وأن النموذج السائد حالياً يضع نموذج ذكاء اصطناعي عاماً داخل طبقة برمجية داعمة تمكّنه من تشغيل الأدوات وتنفيذ أفعال تتجاوز إخراج النص فقط.^[1] وتصف IBM وكلاء الذكاء الاصطناعي بأنهم أنظمة قادرة على استدعاء أدوات وواجهات API لتحقيق أهداف أكثر تعقيداً، بينما يستطيع agentic AI الحصول على بيانات أحدث، وتحسين سير العمل، وبناء مهام فرعية وفق الهدف.^[5]

الخلاصة العملية في 2025: نعم، يستحق التجربة. لكن كاختبار محدود ومراقب، لا كموظف آلي تُسلَّم له مفاتيح الأنظمة. فالوكيل الذي يملك صلاحيات لا يخطئ على الورق فقط؛ قد ينفذ إجراءً خاطئاً داخل نظام حقيقي.^[1][5]

ما المقصود بـ AI agent؟

تعريف عملي مختصر:

AI agent = نموذج ذكاء اصطناعي + هدف واضح + أدوات أو واجهات API + صلاحيات محددة + مراقبة وخطة إيقاف أو تراجع.

لذلك لا يكفي أن يضع المنتج كلمة agent في اسمه. اسأل بدلاً من ذلك:

• هل لدى النظام هدف محدد وليس مجرد سؤال وجواب؟
• هل يستطيع استخدام أدوات أو واجهات API أو أنظمة داخلية؟^[1][5]
• هل يقرر الخطوة التالية بناءً على نتيجة الأداة؟
• هل توجد صلاحيات محدودة، موافقة بشرية، سجلات تدقيق، مراقبة، وإمكان إيقاف أو تراجع؟ يضع مؤشر MIT لوكلاء الذكاء الاصطناعي عناصر مثل متطلبات الموافقة، المراقبة، الإيقاف الطارئ، العزل، والتقييمات ضمن معايير مهمة لفهم التحكم والسلامة.^[2]

وما الفرق بين AI agent وAgentic AI؟

المصطلحان متداخلان، لكن يمكن تبسيط الفرق هكذا:

• AI agent: نظام أو منتج محدد ينفذ مهاماً عبر أدوات وأنظمة، مثل وكيل يجمع بيانات من أكثر من مصدر ثم يجهز خطوة عمل قابلة للمراجعة.^[1][5]
• Agentic AI: أسلوب تصميم أو بنية تجعل الذكاء الاصطناعي أكثر قدرة على العمل باستقلالية نسبية، مثل جلب بيانات حديثة، تقسيم المهمة إلى مهام فرعية، وتحسين سير العمل.^[5]

بعبارة أبسط: AI agent هو النظام الذي يفعل؛ أما Agentic AI فهو طريقة التصميم التي تجعل الذكاء الاصطناعي قادراً على الفعل.

كيف يختلف عن روبوت الدردشة أو أتمتة سير العمل؟

النوع	كيف تميّزه عملياً؟	أين يناسب؟
نموذج لغوي أو روبوت دردشة	ينتج نصاً، يجيب، يلخص، أو يقترح صياغات. إذا لم يملك صلاحية أدوات، يبقى غالباً في نطاق التفكير والمساعدة النصية.[5]	الأسئلة، التلخيص، المسودات، العصف الذهني
أتمتة سير العمل	خطوات محددة مسبقاً تعمل وفق قواعد واضحة. إذا كان المسار ثابتاً ولا يحتاج حكماً مرناً، قد تكون الأتمتة التقليدية كافية.	العمليات المتكررة ذات القواعد الواضحة ومخاطر الخطأ المنخفضة
AI agent	يعمل وفق هدف، يستدعي أدوات أو API، يقرأ النتيجة، يقرر الخطوة التالية، وقد ينفذ أفعالاً غير نصية.[1][5]	مهام متعددة الخطوات، عبر أكثر من نظام، تحتاج قدراً من الحكم مع إشراف بشري

إذا كان المطلوب كتابة فقرة أو تلخيص ملف، فقد يكفي روبوت دردشة جيد. أما إذا كان المطلوب البحث، فتح أداة، تحديث سجل، جمع النتائج، ثم إرسال خطوة للموافقة البشرية، فهنا يبدأ الفرق الحقيقي للـ AI agent.^[1][5]

هل يستحق الاستخدام في 2025؟ نعم، لكن ابدأ بحدود ضيقة

الطريقة الأكثر عقلانية ليست البحث عن موظف آلي كامل الاستقلالية، بل إدخال الوكيل في مسار عمل محدود يمكن اختباره وقياسه. يكون المسار مناسباً للتجربة غالباً إذا توفرت فيه هذه الصفات:

1. متكرر، لكنه يحتاج قدراً بسيطاً من الحكم في كل مرة.
2. يتطلب التنقل بين أكثر من أداة أو مصدر بيانات أو نظام داخلي.
3. له مدخلات ومخرجات ومعايير نجاح واضحة.
4. يمكن أن يراجعه إنسان قبل اعتماده.
5. يمكن التراجع عنه أو إصلاحه أو تشغيله مرة أخرى عند الخطأ.

في المقابل، لا تبدأ بعمليات عالية الحساسية مثل القرارات الطبية، الموافقات المالية، الالتزامات القانونية، المعاملات غير القابلة للعكس، أو الوعود المباشرة للعملاء. السبب واضح: قوة الـ AI agent تأتي من قدرته على استخدام الأدوات وتنفيذ إجراءات داخل الأنظمة؛ وكلما اقترب من التنفيذ الفعلي، زادت كلفة الخطأ.^[1][5]

الخطر الأكبر: استقلالية أعلى وشفافية لا تواكبها دائماً

درس مؤشر MIT لوكلاء الذكاء الاصطناعي لعام 2025 عدد 30 وكيلاً بارزاً اعتماداً على معلومات عامة ومراسلات مع المطورين.^[3] وتُظهر تصنيفاته أن مستويات الاستقلالية تختلف كثيراً: وكلاء الدردشة يبقون غالباً عند مستويات أقل، Level 1–3؛ ووكلاء المتصفح قد يصلون إلى Level 4–5 مع تدخل محدود؛ أما وكلاء المؤسسات فقد يبدأون عند Level 1–2 في مرحلة التصميم ثم يصلون عند النشر إلى Level 3–5.^[3]

الشفافية نقطة حساسة أيضاً. يذكر مؤشر MIT أن من بين 13 وكيلاً بمستويات استقلالية متقدمة، كشف 4 فقط عن أي تقييمات سلامة خاصة بالقدرات الوكيلية.^[3] كما تُظهر نسخة PDF أن العزل عبر sandbox أو آلة افتراضية VM موثق في 9 فقط من أصل 30 وكيلاً.^[2]

هذا لا يعني أن كل AI agent غير آمن. لكنه يعني أن العرض التجريبي الجميل لا يكفي. قبل الاعتماد، اسأل:

• هل توجد بوابات موافقة بشرية قبل الإجراءات المهمة؟
• هل يمكن تطبيق مبدأ أقل صلاحية، بحيث لا يرى الوكيل ولا يفعل إلا ما يلزمه؟
• هل كل إجراء مسجل وقابل للتتبع؟
• هل توجد مراقبة، إيقاف طارئ، وخطة تراجع أو استعادة؟^[2]
• هل يمكن التشغيل أولاً في sandbox أو VM أو حساب اختبار أو بيانات منخفضة المخاطر؟^[2]

الحماس التجاري حقيقي… لكن العائد لا يُقاس بالشعارات

هناك مؤشرات قوية على أن المؤسسات تجرب هذه الفئة من الأدوات. قالت Microsoft في Build 2025 إن أكثر من 230,000 مؤسسة، بينها 90% من شركات Fortune 500، استخدمت Copilot Studio لبناء AI agents وautomations.^[7]

لكن يجب قراءة الرقم بحذر. فهو رقم صادر عن مورّد، ويجمع بين agents وautomations. كما أن استخدام أداة أو بناء تجربة لا يعني أن كل مسار عمل حقق عائداً إيجابياً.^[7] وتصف مواد استشارية وكلاء الذكاء الاصطناعي كطبقة تشغيلية قادرة على أتمتة سير العمل ودعم اتخاذ القرار، وتضع العائد على الاستثمار ضمن دوافع التبني؛ لكن ذلك لا يغني عن قياس بياناتك أنت.^[11]

قبل التوسّع، قِس كل مسار عمل على حدة:

• زمن المعالجة اليدوية قبل التجربة.
• زمن إنجاز الوكيل.
• معدل الأخطاء وإعادة العمل.
• كلفة المراجعة البشرية.
• كلفة إعداد الصلاحيات والمراقبة وخطة التراجع.
• هل أزال الوكيل عنق الزجاجة فعلاً أم نقل العبء إلى فريق المراجعة؟

قائمة فحص سريعة قبل البدء

إذا كانت إجابتك نعم على معظم الأسئلة التالية، فالتجربة المحدودة تستحق النظر:

1. هل للعملية مدخلات ومخرجات ومعيار نجاح واضح؟
2. هل تحتاج المهمة فعلاً إلى أدوات أو API أو أنظمة متعددة، لا إلى نص فقط؟^[1][5]
3. هل يمكن حصر صلاحيات الوكيل في الحد الأدنى الضروري؟
4. هل يمكن إدخال موافقة بشرية قبل أي إجراء لا يمكن التراجع عنه؟
5. هل توجد مراقبة وسجلات وإيقاف طارئ وخطة تراجع؟^[2]
6. هل يمكن البدء في sandbox أو VM أو حساب اختبار أو بيانات منخفضة المخاطر؟^[2]
7. هل لديك بيانات أساس تقارن بها الوقت والأخطاء والتكلفة قبل وبعد التجربة؟
8. هل هناك شخص أو فريق مسؤول عن مراجعة المخرجات والصلاحيات وحالات الفشل دورياً؟

إذا تعثرت عند الأسئلة من 3 إلى 6، فالأفضل غالباً استخدام روبوت دردشة عادي، أو أتمتة تقليدية، أو نموذج مساعد تحت إشراف إنساني، بدلاً من وضع وكيل مستقل في بيئة إنتاج.

التوصية النهائية

قيمة AI agent وAgentic AI هي نقل الذكاء الاصطناعي من مرحلة الإجابة إلى مرحلة استخدام الأدوات لإنجاز العمل.^[1][5] لكن لهذا السبب نفسه يجب التعامل معه في 2025 كطبقة تشغيلية مضبوطة، لا كأتمتة مفتوحة بلا حدود.

ابدأ بمسار منخفض المخاطر، قابل للمراجعة، وقابل للتراجع. اجمع بياناتك، ثم قرر التوسّع. هذه الطريقة أهدأ وأدق من تصديق أي رقم عام للعائد، وهي أقرب إلى ما تسمح به الأدلة المنشورة حالياً حول السلامة والشفافية.^[2][3]