ما المقصود بمهام سير العمل الوكيلي؟

مهام سير العمل الوكيلي هي عمليات مستندة إلى الذكاء الاصطناعي حيث يتخذ وكلاء الذكاء الاصطناعي المستقلين القرارات والإجراءات وينسِّقون المهام بأقل قدر من التدخل البشري. يستفيد سير العمل هذا من العناصر الأساسية للوكلاء الأذكياء مثل الاستدلال والتخطيط واستخدام الأدوات لتنفيذ المهام المعقدة بكفاءة. تتَّبِع الأتمتة، مثل أتمتة العمليات الآلية (RPA)، قواعد وأنماط تصميم محددة مسبقًا. يمكن أن يكون هذا النهج كافيًا للمهام المتكررة التي تتَّبِع بنية قياسية. مهام سير العمل الوكيلي ديناميكية، وتوفِّر مزيدًا من المرونة من خلال التكيُّف مع البيانات في الوقت الفعلي والظروف غير المتوقعة. تتعامل مهام سير عمل وكلاء الذكاء الاصطناعي مع المشكلات المعقدة بطريقة متعددة الخطوات وتكرارية، ما يمكِّن وكلاء الذكاء الاصطناعي من تقسيم عمليات الأعمال، والتكيُّف ديناميكيًا، وتحسين أفعالهم بمرور الوقت.

من خلال تمكين الذكاء الاصطناعي التوليدي من التعامل مع مهام سير العمل المعقدة، تستفيد المؤسسات من تحسين الكفاءة التشغيلية وقابلية التوسع واتخاذ القرارات المستنيرة. ومع استمرارنا في مشاهدة التطورات في التعلم الآلي ومعالجة اللغة الطبيعية (NLP)، أصبحت تكنولوجيا الذكاء الاصطناعي أكثر شيوعًا في الصناعات التي تسعى إلى أتمتة العمليات وتحسينها مع تقليل الاعتماد على الرقابة البشرية. لا تقتصر تأثيرات تطوُّر نماذج الذكاء الاصطناعي على تطوير البرمجيات فحسب، بل تمتد أيضًا إلى قطاعات مثل الرعاية الصحية، والتمويل، والموارد البشرية، وغيرها الكثير.  

تخيَّل أن الشركة لديها روبوت محادثة لدعم تكنولوجيا المعلومات يعتمد على نظام أتمتة قائم على القواعد. عندما يُبلغ موظف عن مشكلة (على سبيل المثال، "شبكة الواي فاي لا تعمل")، يقوم الروبوت بتشغيل مسارات قرارات ثابتة ويقدِّم ردودًا محددة مسبقًا. إذا لم يتم حل المشكلة، يقوم الروبوت ببساطة بتحويلها إلى الدعم البشري. يُعَد هذا النهج فعَّالًا في المشكلات الأساسية والواضحة، لكنه يواجه صعوبة في التعامل مع حالات استكشاف وإصلاح المشكلات المعقدة متعددة الخطوات والتي تتطلب قدرة على التكيُّف.

باستخدام سير العمل الوكيلي، يتعامل مساعد تكنولوجيا المعلومات مع استكشاف الأخطاء وإصلاحها كعملية متعددة الخطوات وتكرارية. فإذا أبلغ موظف عن مشكلة في شبكة الواي فاي، يتَّبِع الوكيل عملية ديناميكية خطوة بخطوة لتقسيم سير العمل:

1. فهم المشكلة: يجمع وكيل الذكاء الاصطناعي معلومات تفصيلية من الموظف، ويطرح أسئلة توضيحية مثل، "هل هناك أجهزة أخرى متصلة بالشبكة؟" أو "هل بدأ هذا بعد تحديث حديث؟".

2. تنفيذ خطوات التشخيص: بناءً على ردود المستخدم، يختار الذكاء الاصطناعي خطوات مختلفة لحل المشكلة ويقوم بتنفيذها. قد يُرسِل إشارة إلى جهاز التوجيه، والتحقق من سجلات الشبكة، أو اقتراح تغييرات محددة في الإعدادات، مع استرجاع هذه المعلومات وتلخيصها للمستخدم.

3. استخدام الأدوات بشكل تكيُّفي: إذا اكتشف الذكاء الاصطناعي مشكلة على جانب الخادم، يمكنه استدعاء واجهة برمجة تطبيقات لأداة مراقبة داخلية للتحقق من حالات الانقطاع. إذا كانت المشكلة خاصة بجهاز معين، يمكنه استرجاع اقتراحات لتحديث التعريفات أو تشغيل برنامج نصي لإعادة ضبط إعدادات الشبكة.

4. التكرار بناءً على النتائج: إذا لم يتم حل المشكلة باستخدام أحد الإجراءات، يعدِّل الذكاء الاصطناعي نهجه ديناميكيًا. قد يقوم بالتحقق من مشكلات ذات صلة، أو إعادة محاولة التشخيص، أو اقتراح حل بديل بدلًا من التصعيد الفوري.

5. الإنهاء والتعلُّم: إذا تم حل المشكلة، يسجِّل الذكاء الاصطناعي الحل لاستخدامه في الحالات المستقبلية، ما يؤدي إلى تحسين كفاءته في استكشاف الأخطاء وإصلاحها مع مرور الوقت. إذا لم يتم حل المشكلة، يقوم بتصعيدها مع تقرير تفصيلي، ما يوفر وقت فريق تكنولوجيا المعلومات من خلال تلخيص المحاولات السابقة للإصلاح.

تتكون العناصر الأساسية لسير العمل الوكيلي من: 

• وكلاء الذكاء الاصطناعي - في مجال الذكاء الاصطناعي، لا يُعَد سير العمل قائمًا على الوكيل إذا لم يتضمَّن وكيل ذكاء اصطناعي. ويُقصد بوكيل الذكاء الاصطناعي نظامًا أو برنامجًا قادرًا على تنفيذ المهام بشكل مستقل نيابةً عن المستخدم أو نظام آخر، من خلال تصميم سير عمله واستخدام الأدوات المتاحة.

• النماذج اللغوية الكبيرة (LLMs): تشكِّل النماذج اللغوية الكبيرة جوهر عمل وكلاء الذكاء الاصطناعي. وتُعَد نماذج LLM ضروريةً لمعالجة وتوليد اللغة الطبيعية. سيؤدي تعديل مَعلمات LLM مثل درجة الحرارة أيضًا إلى اختلاف جودة الإخراج.

• الأدوات: ليتمكن النموذج اللغوي الكبير من الوصول إلى معلومات تتجاوز البيانات التي تم تدريبه عليها، يجب تزويده بأدوات. تتضمن أمثلة الأدوات المستخدمة بشكل شائع مجموعات البيانات الخارجية وعمليات البحث على الويب وواجهات برمجة التطبيقات (APIs). يمكننا استخدام الأدوات لتخصيص وكيل الذكاء الاصطناعي لحالات استخدام محددة تتجاوز المهام الروتينية.

• آليات التعليقات: يمكن أن تكون آليات التعليقات مثل الإنسان في الحلقة (HITL) أو حتى الوكلاء الآخرين ذات قيمة في تسهيل عملية اتخاذ القرار لوكيل الذكاء الاصطناعي وتوجيه مخرجات الوكيل.

• هندسة الموجِّهات: يعتمد أداء سير العمل الوكيلي بشكل كبير على جودة الموجِّهات المقدَّمة. تساعد هندسة الموجِّهات نماذج الذكاء الاصطناعي على التوضيح والرد على مجموعة كبيرة من الاستفسارات، من البسيطة إلى عالية التقنية. تشمل تقنيات هندسة الموجّهات الشائعة سلسلة التفكير (CoT)، والنموذج الواحد، والتوجيه دون نماذج، والتفكير الذاتي.

• التعاون متعدد الوكلاء: يُعَد التواصل وحل المشكلات الموزعة داخل الأنظمة متعددة الوكلاء (MASs) أمرًا أساسيًا لحالات الاستخدام المعقدة. يمكن تخصيص مجموعة من الأدوات والخوارزميات ومجال "الخبرة" لكل وكيل داخل MAS بحيث لا يضطر جميع الوكلاء إلى إعادة تعلُّم المعلومات نفسها. بدلًا من ذلك، يقوم الوكلاء بمشاركة معلوماتهم المكتسبة مع بقية الوكلاء في MAS.

• التكامل: لتبسيط العمليات الحالية، يجب تكامل سير عمل الوكلاء مع البنية التحتية الحالية. يعتمد هذا التآزر على متطلبات وأهداف سير عمل الوكيل. غالبا ما يكون تكامل البيانات، وهي عملية دمج البيانات في قاعدة بيانات مركزية للوصول إليها، هو الخطوة الأولى. من الأشكال الأخرى للتكامل: LangChain وLangGraph وcrewAI وIBM’s BeeAI. يمكن أن تعمل أطر عمل تنسيق الوكلاء هذه كمقدِّمي خدمات لتحقيق نطاق وأداء أكبر. يُعَد تكامل لأدوات الخاصة بالسياق أيضًا أمرًا أساسيًا لتحقيق النتائج ذات الصلة.
  

تسلِّط حكاية شخصية من Andrew Ng، وهو رائد في مجال الذكاء الاصطناعي، الضوء على قدرة مهام سير العمل الوكيلي على التكيف. يتذكر Andrew عرضه التوضيحي لبناء وكلاء الذكاء الاصطناعي، حيث فشلت إحدى أدوات الذكاء الاصطناعي العديدة، وهي واجهة برمجة تطبيقات البحث على الويب. تمكَّن نظام الذكاء الاصطناعي بسرعة من التعامل مع فشل التبعية باستخدام أداة بحث ويكيبيديا متاحة بدلًا من ذلك. أكمل النظام المهمة وظل قابلًا للتكيف مع البيئة المتغيرة. إن الحاجة المتناقصة للإشراف البشري قد تسمح بإنفاق جهدنا بشكل أقل على المهام الروتينية المتكررة وأكثر على الأعمال المعقدة التي تتطلب ذكاءً بشريًا.  

يشرح أندرو أيضًا أن سير العمل الوكيلي ذو مغزى ليس فقط لتنفيذ المهام ولكن أيضًا لتدريب الجيل التالي من النماذج اللغوية الكبيرة. في سير العمل التقليدي غير الوكيل، لم يُلاحَظ أن استخدام مخرجات نموذج لغوي كبير لتدريب نموذج آخر يؤدي إلى نتائج فعَّالة. ومع ذلك، فإن استخدام سير العمل الوكيلي الذي يُنتج بيانات عالية الجودة يؤدي إلى تدريب مفيد.