تأثير اقتصاديات الذكاء الاصطناعي متعدد الوكلاء على أتمتة الأعمال

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي ١٢ مارس ٢٠٢٦

يُعتبر إدارة اقتصاديات الذكاء الاصطناعي متعدد الوكلاء الآن عاملاً حاسماً في جدوى أتمتة الأعمال الحديثة. تواجه المنظمات التي تتجاوز واجهات الدردشة القياسية نحو تطبيقات متعددة الوكلاء تحديين رئيسيين. الأول هو ضريبة التفكير؛ حيث تحتاج الوكلاء المستقلون المعقدون إلى التفكير في كل مرحلة، مما يجعل الاعتماد على بنى عملاقة لكل مهمة ثانوية أمراً مكلفاً وبطيئاً بالنسبة لاستخدامها في المؤسسات.

التحدي الثاني هو انفجار السياق؛ حيث تنتج هذه الأعمال المتقدمة ما يصل إلى 1500% أكثر من الرموز مقارنةً بالتنسيقات القياسية، لأن كل تفاعل يتطلب إعادة إرسال سجلات النظام الكاملة، والتفكير الوسيط، ومخرجات الأدوات. على مدار المهام المطولة، يؤدى هذا الحجم الكبير من الرموز إلى زيادة النفقات ويسبب انحراف الأهداف، وهي حالة تنحرف فيها الوكلاء عن أهدافها الأولية.

تقييم الهياكل لتطبيقات الذكاء الاصطناعي متعدد الوكلاء

لمعالجة هذه التحديات في الحوكمة والكفاءة، أطلق المطورون للأجهزة والبرمجيات أدوات مُحسّنة للغاية تستهدف مباشرة البنية التحتية للمؤسسات. قدمت NVIDIA مؤخرًا نظام Nemotron 3 Super، وهو بنية مفتوحة تحتوي على 120 مليار معلمة (منها 12 مليار تبقى نشطة) تم تصميمها خصيصًا لتنفيذ أنظمة AI المعقدة. تجمع هذه البنية بين ميزات التفكير المتقدمة لمساعدة الوكلاء المستقلين على إتمام المهام بكفاءة ودقة، مما يحسن أتمتة الأعمال.

تستند هذه المنظومة إلى بنية مختلطة من مزيج الخبراء، تجمع بين ثلاثة ابتكارات رئيسية لتقديم إنتاجية أعلى تصل إلى خمسة أضعاف ودقة مضاعفة مقارنةً بنموذج Nemotron Super السابق. خلال عملية الاستنتاج، تكون فقط 12 مليار من المعلمات النشطة. تقدم طبقات Mamba أربع مرات من الكفاءة في الذاكرة والحوسبة، بينما تدير طبقات التحويل القياسية متطلبات التفكير المعقدة.

تحويل قدرات الأتمتة إلى نتائج تجارية

يوفر النظام نافذة سياقية تصل إلى مليون رمز، مما يسمح للوكلاء بالاحتفاظ بحالة سير العمل بالكامل في الذاكرة، مما يعالج مباشرة خطر انحراف الأهداف. يمكن لوكيل تطوير البرمجيات تحميل قاعدة شاملة من الشيفرات في السياق في وقت واحد، مما يمكّن من توليد الشيفرات وتصحيح الأخطاء من البداية إلى النهاية دون الحاجة إلى تقسيم الوثائق.

تستخدم الشركات الرائدة في الصناعة – بما في ذلك Amdocs، Palantir، Cadence، Dassault Systèmes، وSiemens – هذا النموذج لأتمتة سير العمل عبر قطاعات مثل الاتصالات، والأمن السيبراني، وتصميم أشباه الموصلات، والتصنيع. كما تعمل منصات تطوير البرمجيات مثل CodeRabbit وFactory وGreptile على دمجها جنبًا إلى جنب مع النماذج الخاصة لتحقيق دقة أعلى بتكاليف أقل.

التنفيذ وتوافق البنية التحتية

تم تصميم النظام ليكون قادرًا على التعامل مع المهام الفرعية المعقدة داخل أنظمة متعددة الوكلاء، ولا يزال قابلية النشر أولوية للقيادات التي تدفع أتمتة الأعمال. أصدرت NVIDIA النموذج بأوزان مفتوحة تحت ترخيص مرن، مما يتيح للمطورين نشره وتخصيصه عبر محطات العمل ومراكز البيانات أو البيئات السحابية. تم تعبئته كخدمة ميكروهابية NVIDIA NIM لتسهيل هذا النشر الواسع.

هذه البنية تم تدريبها على بيانات اصطناعية تم إنتاجها بواسطة نماذج تفكير متطورة. نشرت NVIDIA المنهجية الكاملة، والتي تشمل أكثر من 10 تريليون رمز من مجموعات البيانات المستخدمة في التدريب، و15 بيئة تدريب لتعلم التعزيز، ووصفات تقييم. يمكن للباحثين تحسين النموذج أو بناء نماذجهم الخاصة باستخدام منصة NeMo.

يجب على أي مدير يخطط لإطلاق رقمية معالجة انفجار السياق وضريبة التفكير من البداية لمنع انحراف الأهداف وتجاوز التكاليف في سير العمل الوكالية. يضمن إنشاء إشراف معماري شامل أن تظل هذه الوكلاء المعقدة متوافقة مع توجيهات الشركات، مما يؤدي إلى تحقيق مكاسب كفاءة مستدامة وتقدم أتمتة الأعمال عبر المؤسسة.