عند تعليمة قصيرة، كان GPT-4o يجيب بشكل صحيح 91% من الوقت. وعند نسخة أطول من المهمة نفسها تمامًا، كان يجيب بشكل صحيح 1% من الوقت. ليس 70%. وليس 40%. واحد بالمئة — ضجيج إحصائي (PNAS Nexus, 2026).
هذا الانهيار هو أهم رقم منفرد يمكن أن يحمله رئيس العمليات إلى قرار بشأن الذكاء الاصطناعي الوكيلي في 2026، لأنه يقلب الافتراض الذي يُبنى عليه كل نشر بصمت: أنه إذا تعامل وكيل ذكاء اصطناعي مع مهمة جيدًا في عرض توضيحي، فسيتعامل مع نسخة أصعب قليلًا من المهمة نفسها بشكل أسوأ قليلًا فقط. هذا غير صحيح. سيتعامل معها بشكل شبه مثالي حتى عتبة معينة، ثم يفشل فشلًا شبه كامل. السؤال بالنسبة للعمليات ليس هل نثق بوكيل. بل معرفة أين تقع الهاوية بالضبط — ووضع بوابة تحكم بشرية ضمن الحلقة أمامها مباشرة.
النتيجة: هاوية، لا منحدر
الدراسة من Suketu Patel وJin Fan من CUNY، نُشرت في PNAS Nexus وظهرت علنًا في يونيو 2026 (PsyPost, 2026). منهجهم أنيق تحديدًا لأنه قديم. طبّقوا مهمة Stroop — الاختبار الكلاسيكي في علم النفس المعرفي حيث عليك تسمية لون حبر كلمة بينما تهجّئ الكلمة نفسها لونًا مختلفًا — على نماذج لغوية متقدمة، وزادوا الحِمل بإطالة قائمة العناصر المتعارضة من قليل حتى أربعين.
النتائج صارخة. أجاب GPT-4o عن المحاولات غير المتطابقة بشكل صحيح 91% من الوقت في قوائم قصيرة من خمسة عناصر. ادفع القائمة إلى عشرين أو أربعين عنصرًا متعارضًا، فتهبط دقته إلى 1%. صمد Claude 3.5 Sonnet لفترة أطول — لكنه هو أيضًا سقط في النهاية، إلى نحو 10% في قوائم الأربعين عنصرًا (PNAS Nexus, 2026).
اقرأ شكل هذا المنحنى، لا نقطتيه الطرفيتين فقط. لم يتدهور الأداء بلطف مع ازدياد صعوبة المهمة. بل بقي عند مستويات شبه بشرية، ثم سقط من هاوية. هذه هي النتيجة التي ينبغي أن تعيد تنظيم كيفية تفكير العمليات في موثوقية الوكلاء: منطقة الخطر غير مرئية من العرض التوضيحي. تجربة نظيفة على حالة بسيطة لا تخبرك بشيء عن أين ينكسر النموذج، لأن الكسر متقطع.
لماذا هذا فشل في التحكم التنفيذي — لا في الذكاء
سيكون من السهل تصنيف هذا تحت "لا يزال الذكاء الاصطناعي يخطئ" والمضي قدمًا. هذه القراءة تفوّت الآلية، والآلية هي جوهر الأمر كله.
مهمة Stroop لا تقيس المعرفة ولا قوة الاستدلال. إنها تقيس التحكم التنفيذي — وتحديدًا القدرة على الاحتفاظ بهدف في الذهن ("سمِّ لون الحبر") وكبح استجابة منافسة أقوى وتلقائية ("اقرأ الكلمة"). في علم الأعصاب المعرفي البشري، ينحلّ الانتباه إلى أنظمة متمايزة، والتحكم التنفيذي هو الذي يحكم الحفاظ على الهدف تحت التعارض. إنها ملكة مختلفة عن مجرد التعرف على الأنماط.
هذا ما كشفته النماذج عن نفسها. بنى Transformer استثنائية في الاستجابة المهيمنة — الإجابة السريعة التلقائية المرجحة إحصائيًا، وهي المكافئ الآلي لقراءة الكلمة بدلًا من تسمية اللون. ما ينقصها هو كبح متين حين يطول السياق أو يمتلئ بإشارات متعارضة. يؤطر المؤلفون هذا بوصفه قدرة غائبة عن التحكم التنفيذي الذي يتطلبه ذكاء عام حقيقي (PNAS Nexus, 2026).
بالنسبة للعمليات، ترجم الأمر هكذا: وكيل الذكاء الاصطناعي ليس موظفًا مبتدئًا يتعب ويصبح مهملًا بما يتناسب مع حجم العمل. إنه نظام يحافظ على هدف واحد ببراعة حتى يتجاوز عدد القيود المتنافسة خطًا معينًا، وعندها لا يتدهور الحفاظ على الهدف — بل يتبخر. الفشل ليس "مخرجًا أسوأ". إنه النموذج وهو يحسّن بصمت نحو الهدف الخاطئ الأسهل، بينما ينتج نصًا سلسًا واثقًا يشبه النجاح تمامًا.
كيف يبدو "الطويل والمتناقض" على أرض عملك
عشرون كلمة متعارضة في مختبر أمر مجرد. سير عملك الحقيقي أسوأ.
فكّر فيما تطلبه فعلًا من وكيل. مطابقة فاتورة مع عقد له ثلاثة تعديلات وبند شروط خاصة واستثناء أرسله أحدهم بالبريد الأسبوع الماضي. توجيه شكوى عميل بموجب سياسة تقول شيئًا، وتعليمة دائمة من مدير تقول شيئًا آخر، وعرض ترويجي يلغي كليهما حتى يوم الجمعة. صياغة رد امتثال يجب أن يُرضي الجهة الرقابية، وموقف المخاطر لدى الفريق القانوني، وعلاقة مدير الحساب — ثلاثة أهداف لا تتوافق تمامًا.
كل واحد من هذه مهمة Stroop برفع مستوى الصوت إلى أقصاه. سياق طويل، وقيود متزامنة متعددة، وإجابة "بديهية" قوية تتبيّن خطؤها بمجرد أخذ الاستثناءات في الحسبان. هذه هي الظروف نفسها التي تُظهر الدراسة أنها تدفع التحكم التنفيذي إلى ما بعد الهاوية. وهي أيضًا تحديدًا المهام التي تتلهف عمليات السوق المتوسطة لأتمتتها، لأنها المهام المملة كثيفة الحكم التي تلتهم ساعات الفريق.
هذا هو الفخّ. المهام الأكثر جاذبية للأتمتة تتداخل بشدة مع المهام الأكثر ترجيحًا لإطلاق انهيار صامت. سيقدّم الوكيل عرضًا لا تشوبه شائبة على الفاتورة النظيفة ويفشل فشلًا شبه كامل على تلك ذات التعديلات الثلاثة — وسيفشل بثقة، وهذا هو الجزء الخطير.
التكلفة التجارية لتجاهل الهاوية
هذا ليس قلقًا نظريًا، والسوق تسعّره بالفعل. تتوقع Gartner أن أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلي ستُلغى بحلول نهاية 2027، مستشهدةً بتصاعد التكاليف وغموض القيمة التجارية وعدم كفاية ضوابط المخاطر (Gartner, 2025).
نتيجة Stroop تخبرك لماذا سيفشل هذا العدد الكبير. تجرّب الفرق وكيلًا على شريحة عمل منتقاة منخفضة التعارض، فترى دقة على نمط 91%، ثم توسّعه إلى واقع الإنتاج الفوضوي عالي التعارض — حيث يعمل الوكيل نفسه بعد نقطة انهياره وينتج بصمت مخرجًا بجودة 1% في أصعب الحالات. التكاليف التي تعقب ذلك لا تُوسم بـ"فشل الذكاء الاصطناعي". تظهر بوصفها أخطاء مطابقة تُكتشف بعد ثلاث خطوات، وردود امتثال تحتاج إعادة عمل بشرية كاملة، وتآكل الثقة الذي يُنهي المبادرة كلها في النهاية. لا يموت المشروع بحادث درامي. يموت من تراكم الإخفاقات الصامتة في الحالات نفسها التي كان يُفترض أن تبرره.
المؤسسات التي تُبقي مشاريعها الوكيلية خارج ذلك الـ40% لن تكون تلك التي تملك أفضل النماذج. الجميع لديه وصول إلى النماذج المتقدمة نفسها. ستكون تلك التي صمّمت للهاوية بدلًا من التظاهر بأن المنحنى منحدر أملس.
أين تضع البوابة
الغريزة، حين يكون أداء الوكيل دون المتوقع، هي اللجوء إلى مطالبات أفضل. تقول هذه الدراسة إن المطالبة هي الرافعة الخاطئة. لا يمكنك أن تخرج بالمطالبة من غياب بنيوي للتحكم التنفيذي؛ يمكنك فقط إزاحة الهاوية قليلًا. الرافعة الدائمة معمارية: بوابة تحكم بشرية ضمن الحلقة (human-in-the-loop) توضع قبل نقطة الانهيار، لا بعد الحادث.
عمليًا، يعني هذا ثلاث خطوات لهذا الربع.
1. ارسم خرائط سير عملك حسب حِمل التعارض، لا حسب نوع المهمة
توقّف عن فرز المهام المرشّحة إلى "بسيطة" و"معقدة". افرزها حسب عدد القيود المتنافسة التي تحملها وطول السياق ذي الصلة. مهمة عالية الحجم بقاعدة واحدة واضحة هدفٌ آمن للأتمتة. مهمة أقل حجمًا بثلاث سياسات متداخلة وكومة استثناءات هي حيث تعيش الهاوية — مهما بدت روتينية.
2. ثبّت البوابة قبل العتبة، تجريبيًا
لأي سير عمل لوكيل بقيود متعارضة أو سياق طويل، أدرج نقطة مراجعة بشرية إلزامية. لا تخمّن أين ينكسر النموذج — اختبره كما فعلت الدراسة. غذِّ الوكيل بنسخ من مهمة حقيقية تزداد فوضويةً تدريجيًا، وراقب التقطّع. ضع نقطة التحقق البشرية على الجانب القريب منه.
3. جهّز أدواتك للفشل الصامت، لا للأخطاء الصاخبة
الانهيار لا يعلن عن نفسه؛ يبقى المخرج سلسًا. لذا لا يمكنك الاعتماد على الوكيل ليضع علامة على حالاته منخفضة الثقة. ابنِ العيّنات والتدقيق العشوائي في أي سير عمل عالي التعارض، وعامل "العرض التوضيحي نجح" بوصفه بداية التحقق، لا نهايته.
لا شيء من هذا يتطلب تقنية جديدة. يتطلب معاملة موثوقية الوكيل كخاصية لـتصميم سير العمل، لا للنموذج — وقبول أن كفاءة النموذج لها حافة يمكنك أن تجدها لكن لا يمكنك تجاوزها بالمطالبة.
القرار لهذا الربع
استخرج قائمة العمليات التي يخطط فريقك لتسليمها إلى وكيل ذكاء اصطناعي في الربعين القادمين. بجانب كل واحدة، اكتب شيئين: كم قاعدة أو استثناء متعارضًا تحمل، وكم يطول السياق الذي سيتعين على الوكيل الاحتفاظ به. المهام التي تسجّل عاليًا في كليهما ليست انتصاراتك السريعة. إنها حالات الهاوية لديك — وتقول الدراسة إنها ستجتاز التجربة وتفشل في العمل الحقيقي.
بالنسبة لتلك، الخطوة ليست وكيلًا أفضل. إنها إنسان ضمن الحلقة (human-in-the-loop) يوضع عمدًا أمام نقطة الانهيار. الـ40% من المشاريع الوكيلية المتجهة إلى الإلغاء ستكون في معظمها تلك التي أخطأت فحسبت العرض التوضيحي ضمانًا. وكيلٌ ينجح في الحالة النظيفة وينهار في الفوضوية ليس أداة نشرتها. إنه التزام لم تكتشفه بعد. اذهب وجد الهاوية قبل أن تجدك.
