المسافة بين أكثر مهام الوكلاء ثقةً وأقلها ثقةً هي 46 نقطة على مقياس من 100 — ولا شيء من ذلك فجوةٌ في القدرة. في تقرير نُشر في 29 يونيو 2026، صنّفت MIT Technology Review Insights وMicrosoft 101 مهمة من مهام الذكاء الاصطناعي الوكيل على مقياس ثقة من 0 إلى 100، باستطلاع آراء 300 من التنفيذيين التقنيين وقادة الفرق والمساهمين عبر 12 قطاعًا (MIT Technology Review Insights, 2026). حصل التوليد الآلي للتقارير على 83.5 والشيفرة النمطية (boilerplate) على 82.5. أما اختبار التعافي من الكوارث فبلغ 43، وتهيئة شبكة الخدمات (service mesh) 37.5. النماذج التي تنفّذ المهام الأربع جميعها هي ذاتها. ما يفصل بينها هو ما إذا كان بمقدور الإنسان التحقق من المخرجات بنظافة — وهذا المتغير الوحيد ينبغي أن يعيد ترتيب ترتيب نشر وكلاء الذكاء الاصطناعي لديك هذا الربع.
معظم عمليات نشر السوق المتوسطة مُتسلسلة وفق مؤشر بديل يبدو بديهيًا وهو خاطئ بصمت: نشر المهام التي تبدو أبسط أولًا. يقول المؤشر إن السؤال التشغيلي ليس "ما مدى صعوبة هذه المهمة على النموذج" بل "ما مدى سهولة تحققي من النتيجة". هذان محوران مختلفان، والخلط بينهما هو الطريقة التي يتعثّر بها نشرٌ ممول جيدًا بعد ستة أشهر مع وكلاء لا يثق بهم أحد بما يكفي لتركهم دون إشراف.
ما قاسه المؤشر فعليًا
المنهجية مهمة لأنها ما يجعل النتيجة قابلة للاستخدام لا مجرد رواية عابرة. استطلع فريق البحث آراء 300 ممارس — تنفيذيين وقادة فرق ومساهمين أفرادًا — في فبراير ومارس 2026، عبر 12 قطاعًا وفي مؤسسات تتراوح من الشركات الناشئة إلى شركات أبلغت عن إيرادات سنوية تفوق 10 مليارات دولار (Microsoft Cloud Blog, 2026). ثم منحوا درجات لـ101 مهمة منفصلة عبر سير عمل الذكاء الاصطناعي والبيانات والسحابة على مقياس ثقة من 0 إلى 100، حيث تعكس الدرجة مدى استعداد الممارسين لتسليم المهمة إلى وكيل.
النتيجة ليست تصنيفًا لما يستطيع الذكاء الاصطناعي فعله. إنها تصنيف لما يرتاح المشغّلون لتركه يُنجَز دون إشراف — والفجوة بين هذين الأمرين هي القصة كلها. صياغة التقرير نفسها صريحة: المهام المتجمّعة في القمة تشترك في قابلية التحقق واكتمال سياق العمل، بينما تفتقر مهام القاع إليهما (MIT Technology Review Insights, 2026). لم تكن القدرة هي المتغير الفاصل. بل كانت قابلية التحقق.
لماذا "الأبسط" مفتاح فرز خاطئ
لننظر إلى المهمتين في القمة. التوليد الآلي للتقارير (83.5) والشيفرة النمطية (82.5) ليسا جديرين بالثقة لأنهما تافهان — فتوليد تقرير متماسك من مدخلات فوضوية مشكلة نمذجة صعبة حقًا. إنهما جديران بالثقة لأن لكلٍّ منهما إشارة تقييم موضوعية واحدة. الشيفرة النمطية إما أن تجتاز اختباراتها وتُدمَج أو لا؛ ومعدل الدمج (merge rate) مقياس نظيف نجاح/فشل يستطيع الإنسان تدقيقه في ثوانٍ. والتقرير المُولَّد يمكن مقارنته ببيانات المصدر التي يلخّصها. عمل الوكيل قابل للقراءة.
الآن لننظر إلى القاع. تهيئة شبكة الخدمات (37.5) واختبار التعافي من الكوارث (43) ليسا قليلَي الثقة لأن النموذج أسوأ فيهما (Forbes, 2026). هما قليلا الثقة لأنه لا يوجد مقياس نظيف وحيد يخبرك بأن الوكيل أصاب — ولأن الإصابة تعتمد على سياق عمل لا يملكه الوكيل: أي الخدمات حاملة للحِمل، وما تحمّلك الفعلي للتحويل الاحتياطي (failover)، وأي التبعيات معرفة قبلية غير موثقة. لا يمكنك التحقق من المخرجات دون إعادة بناء السياق ذاته الذي جعل المهمة صعبة في المقام الأول. نمط الفشل ليس إجابة خاطئة؛ بل إجابة لا تستطيع تقييمها بثقة حتى ينكسر شيء في الإنتاج.
هذا هو مفتاح الفرز الذي تعكسه معظم عمليات النشر. تبدو مهام "المظهر البسيط" ومهام "قابلة التحقق" المجموعة ذاتها. لكنها ليست كذلك. يمكن أن تكون المهمة بسيطة الوصف ويكاد يستحيل التحقق منها — مطابقة مصدرَي بيانات متعارضين، صياغة استثناء لسياسة، فرز تذكرة غامضة. يقول المؤشر: توقّف عن الفرز بحسب البساطة الظاهرة وابدأ الفرز وفق سؤال أصعب وأكثر صدقًا: حين ينتهي هذا الوكيل، ما المقياس الوحيد الذي يخبرني بأنه نجح — وهل أستطيع قراءته دون إعادة العمل؟
المقياس هو البوابة الحقيقية لترتيب النشر لديك
أعِد صياغة تسلسل النشر بوصفه مشكلة توافر مقاييس، وسيعيد خطة النشر بأكملها ترتيب نفسها.
بالنسبة إلى كل سير عمل مرشّح، اختبار الدخول ليس "هل يستطيع وكيل فعل هذا" بل "هل توجد إشارة نجاح نظيفة مرتبطة بهذا". حيث يوجد معدل دمج، أو فحص مطابقة يمرّ أو يفشل، أو نتيجة تحقق من المخطط، أو مقارنة ببيانات الحقيقة الأساسية، يمكن للوكيل أن يعمل بإشراف خفيف وتحصل على رافعة حقيقية. أما حيث تكون الطريقة الوحيدة لمعرفة أن الوكيل أصاب هي أن يعيد إنسان خبير فحص الموقف من طرفه إلى طرفه، فأنت لم تُؤتمِت المهمة — بل أضفت خطوة مسودة أمام عمل لا يزال يجب إنجازه. قد يستحق ذلك رغم هذا. لكنه عرض اقتصادي مختلف جوهريًا، والتظاهر بأن الفئتين واحدة هو الطريقة التي تتبخر بها "مكاسب الإنتاجية" في عبء المراجعة.
الخطوة العملية هي تدقيق سير عملك المستهدف وتقسيمه تمامًا وفق هذا الخط. المهام ذات مقياس النجاح الأصيل الموضوعي تتقدّم إلى مقدمة طابور النشر. أما المهام التي تعتمد صحتها على سياق عمل لا يملكه الوكيل — والذي يجب على الإنسان بالتالي أن يعيد اشتقاقه بالكامل لفحصها — فتذهب إلى المؤخرة، خلف عمل متعمّد لـبناء تلك القابلية للتحقق: تركيب مقياس، أو ترميز السياق الناقص، أو تضييق المهمة حتى يوجد فحص نظيف. قابلية التحقق ليست خاصية ثابتة للمهمة. إنها شيء يمكنك هندسته — وهندستها هي الشرط الفعلي المسبق لتوسيع نطاق الوكلاء، لا اختيار النموذج.
المساءلة هي القيد المختبئ خلف الأرقام
يُبرز المؤشر أيضًا لماذا هذا الترتيب ليس اختياريًا. حين سُئل المشاركون عمّا يقلقهم في النشر الوكيل، ذكروا المساءلة (48%) والهلوسات (47%) كأبرز مخاوفهم — وقال 59% إنهم يخططون بالفعل لإشراف بشري دائم بدلًا من معاملته كمرحلة تدريب مؤقتة (MIT Technology Review Insights, 2026). اقرأ هذه الأرقام الثلاثة معًا وستتضح الآلية. تتطلب المساءلة أنه حين يسوء شيء، كان بمقدور إنسان مُسمّى أن يمسك به. وهذا ممكن فقط حين تكون المخرجات قابلة للتحقق. في مهمة غير قابلة للتحقق، يكون "الإشراف البشري" مسرحًا — شخص يوقّع على عمل لا يستطيع فعليًا فحصه.
فالـ59% الذين يخططون لإشراف دائم يعترفون — سواء صاغوا الأمر هكذا أم لا — بأن حصة كبيرة من سير عمل وكلائهم تقع على الطرف منخفض قابلية التحقق من المؤشر. الرد الصادق على ذلك ليس مزيدًا من خطوات الموافقة. بل تسلسل النشر بحيث يهبط الإشراف حيث يمكنه القيام بعمل حقيقي — على مهام عالية القيمة ذات مقياس نظيف — وحجب المهام التي يكون فيها الإشراف غير قابل للتزييف حتى تبني المقياس الذي يجعل للمساءلة معنى. الـ48% الذين يذكرون المساءلة لا يطلبون ذكاءً اصطناعيًا أبطأ. إنهم يطلبون ذكاءً اصطناعيًا قابلًا للتحقق، وترتيب النشر هو حيث يُحسَم ذلك.
ما تنشره أولًا — وما تحجبه
لا شيء من هذا حجة للتباطؤ. إنه حجة لتغيير الفرز. إليك إعادة الترتيب الملموسة التي يدعمها المؤشر:
انشر أولًا: المهام ذات مقياس النجاح الأصيل الموضوعي — توليد التقارير المُقيَّم مقابل بيانات المصدر، والشيفرة المُقيَّمة بالاختبار والدمج، والتحقق من البيانات المُقيَّم بمطابقة المخطط، والمطابقة والتسوية المُقيَّمة مقابل الحقيقة الأساسية. هذه هي مهامك التي تتجاوز 80. إنها تبني الثقة لأن كل نجاح مرئي.
رَكِّب المقياس، ثم انشر: المهام القيّمة لكنها حاليًا غير قابلة للتحقق، حيث يمكنك إضافة مقياس — تعريف فحص قبول، تسجيل مقارنة بالحقيقة الأساسية، تضييق النطاق حتى توجد إشارة نجاح/فشل. هنا يعيش معظم العائد غير المستغل، وهو غير مرئي إن فرزت فقط بحسب الصعوبة الظاهرة.
احجب: المهام الغنية بالسياق والكثيفة بالحُكم حيث يعني التحقق إعادة بناء الموقف بالكامل — نظائر التعافي من الكوارث وشبكة الخدمات في عمليتك أنت. أتمتتها أولًا هي الطريقة التي تولّد بها قلق المساءلة الذي قاسه المؤشر.
ثمة طبقة استهداف تتخطاها معظم عمليات النشر. تحمّل المخرجات غير المُتحقَّق منها من الوكيل ليس موحّدًا عبر الفريق — فبعض الأدوار والملامح السلوكية ستفرط في الثقة بوكيل منخفض قابلية التحقق، وأخرى سترفض استخدام حتى وكيل عالي قابلية التحقق. تسلسل الوكلاء بحسب قابلية التحقق من المهمة هو النصف البنيوي من المشكلة؛ ومطابقة مَن يشغّل أي فئة من الوكلاء مع كيفية معايرة الناس للثقة فعليًا هي النصف الإنساني. إتقان كليهما هو الفرق بين نشرٍ يبني الثقة مهمة تلو الأخرى ونشرٍ يقضي ربعيه الأولين في تصنيع إشراف لا يستطيع الحفاظ عليه.
الفرز الوحيد لهذا الربع
لا تحتاج إلى إعادة هندسة أي شيء لتتصرف بناءً على هذا. تحتاج إلى إعادة فرز قائمة واحدة. خذ ترتيب نشر وكلائك الحالي — تسلسل سير العمل الذي تخطط لأتمتته هذا الربع — وأعد ترتيبه وفق سؤال واحد يُطرح على كل مهمة: حين ينتهي الوكيل، هل يوجد مقياس نظيف واحد يخبرني بأنه نجح، وهل أستطيع قراءته دون إعادة العمل؟ كل "نعم" يصعد. كل "لا" يهبط، خلف عمل صريح لبناء ذلك المقياس. ثم راقب أي الوكلاء يكسبون ثقة راسخة وأيهم يراكمون بصمت طابورًا من المخرجات غير القابلة للفحص التي يتوقف أحدهم في النهاية عن مراجعتها.
قد قاس مؤشر MIT–Microsoft هذا لك عبر 101 مهمة: حدود ما يمكنك تفويضه بأمان لا ترسمها القدرة. ترسمها قابلية التحقق. افرز نشرك وفق المحور الخاطئ فستؤتمِت أولًا المهام التي لا تستطيع فحصها — ولن تكتشف الكلفة إلا حين تُخطئ إحداها في الإنتاج. افرزه وفق المحور الصحيح، وكل وكيل تنشره سيجعل الثقة بالتالي أسهل.
