أرقام التبني تروي قصتين مختلفتين حسب أي إحصائية تقرأها. تتوقع Gartner أن تتضمن 40% من تطبيقات المؤسسات وكلاء ذكاء اصطناعي مخصصين لمهام محددة بنهاية 2026، ارتفاعًا من أقل من 5% في 2025. وفي استطلاع PwC في مايو 2025 لـ300 من كبار التنفيذيين الأمريكيين، قال 79% إن وكلاء الذكاء الاصطناعي يجري تبنيهم بالفعل في شركاتهم، لكن ثلثيهم قالوا إن أقل من نصف موظفيهم يتعاملون مع الوكلاء يوميًا. اقرأ بعد العنوان الرئيسي وستجد أن معظم هذا التبني تجارب أولية، وعروض توضيحية، وأدوات داخلية لا يثق بها أحد بما يكفي للإطلاق.
تلك الفجوة ليست عن جودة النموذج. نماذج بمستوى GPT ونماذج مفتوحة المصدر تجاوزت عتبة «جيد بما يكفي» منذ فترة، ووفق بيانات Artificial Analysis التي جمعتها WhatLLM (يونيو 2026)، تتأخر أفضل النماذج مفتوحة الأوزان عن النماذج المغلقة بأربع إلى خمس نقاط فقط في مؤشري الوكلاء والبرمجة، بسعر أقل بكثير لكل توكن. الفجوة عن ما يحدث عندما يخطئ وكيل أمام مدقق، أو جهة تنظيمية، أو عميل.
تحديث، أكتوبر 2026. بيانات أحدث تقول الشيء نفسه بعيّنة أكبر. في دراسة Wakefield Research لصالح Teradata (يوليو 2026) التي شملت 1,000 من كبار قادة التقنية والبيانات في الولايات المتحدة والمملكة المتحدة وفرنسا وألمانيا واليابان والسعودية، 7% فقط من المؤسسات بلغت المرحلة التي ينفّذ فيها الوكلاء مهام متعددة الخطوات بأثر تجاري قابل للقياس، بينما 68% ما زالت في مرحلة التجريب أو التطوير. والعائق الذي تسمّيه الدراسة ليس النموذج أيضاً: 77% من التنفيذيين قالوا إن 20% أو أقل من بيانات مؤسستهم موصوفة ومُسيَّقة بما يكفي ليستخدمها وكيل، و63% أفادوا بأن عائد إنفاقهم على الذكاء الاصطناعي الوكيلي لم يتجاوز حتى الآن مستوى صغيراً أو ناشئاً.
لماذا تتفوق البنوك على الرعاية الصحية في الذكاء الاصطناعي الإنتاجي
التبني الإنتاجي غير موزّع بالتساوي. تميل البنوك والتأمين إلى إدخال الوكلاء إلى الإنتاج أولاً، بينما تتحرك الرعاية الصحية والحكومة ببطء أكبر بكثير. هذا ليس صدفة ميزانية. تعمل البنوك والتأمين بالفعل بمسارات تدقيق، وتوقيعات، وقرارات قابلة للتتبع؛ يندمج وكيل الذكاء الاصطناعي في عملية مبنية للتدقيق. لا تملك الرعاية الصحية والحكومة تلك البنية بعد، لذا فوكيل «يصيب عادة» عبء لا ميزة.
تُطبَّق قواعد الشفافية في قانون الذكاء الاصطناعي الأوروبي على روبوتات المحادثة والمحتوى المولَّد بالذكاء الاصطناعي منذ 2 أغسطس 2026، أما قواعد الأنظمة عالية المخاطر فتبدأ في ديسمبر 2027 بعد التأجيل الذي أقرّه مجلس الاتحاد الأوروبي في يونيو 2026. وبموجب المادة 99، تصل الغرامات إلى 35 مليون يورو أو 7% من الإيرادات العالمية للممارسات المحظورة، وإلى 15 مليون يورو أو 3% لمعظم المخالفات الأخرى. لكل مؤسسة الآن سبب ملموس لطرح سؤال غير مريح قبل نشر وكيل: إذا كانت هذه الإجابة خاطئة، هل يمكننا إظهار السبب الدقيق لقولها ما قالته؟
الحل ليس نموذجًا أذكى، بل نموذجًا أضيق
عمليات النشر التي تجاوزت مرحلة التجربة تشترك في نمط: محددة المهمة، لا عامة الغرض. وكيل التقارير الذي يُعدّ نوعًا واحدًا من التقارير يمكن تدقيقه من البداية للنهاية، لذلك يصل إلى الإنتاج. ومساعد التوثيق السريري يُستخدم فعلاً للسبب نفسه: مهمته محدودة وتترك مسارًا ورقيًا. أما المساعد العام الذي يفعل قليلاً من كل شيء فنادرًا ما يصل إلى هذه المرحلة.
هذا نفس المبدأ الذي بنينا FanMind حوله، قبل أن يصبح «الذكاء الاصطناعي الوكيل» عنوان العام. لا يجيب FanMind من الذاكرة أو التخمين، كل استجابة مرتكزة على مستندات المؤسسة المرفوعة، باستشهاد بالمستند والصفحة الدقيقة. إذا لم تكن الإجابة في المستندات، يقول ذلك، ويسجّل السؤال ليتمكن مسؤول المحتوى من سدّ الفجوة بدلاً من أن يخترع النموذج واحدة بصمت. يتبع التحكم بالوصول صلاحيات المؤسسة الحالية، لا نموذج «يمكن لأي أحد سؤال أي شيء» مسطّح. أقل بريقًا من وكيل عام الغرض يعد بفعل كل شيء، لكنه النسخة التي يمكنها فعليًا الدخول للإنتاج، لأن كل إجابة قابلة للتتبع إلى مصدر يمكن لإنسان التحقق منه.
إذا كانت مبادرة الذكاء الاصطناعي لديك عالقة في فجوة الـ68 نقطة بين «تبنّيناه» و«نثق به بما يكفي لتشغيله»، السؤال الذي يستحق الطرح ليس أي نموذج نرقّي إليه. بل هل يمكن للوكيل إظهار عمله.
وعلى صعيد البرمجة، كتبنا كيف نطبّق منهجية البحث والتخطيط والتنفيذ (RPI) مع الوكلاء الفرعيين في Claude Code.
وليس حجم النموذج هو الحل لهذه الفجوة أيضًا؛ ناقشنا السبب في كيف تفوّق نموذج بـ7 ملايين معامل على نماذج لغوية أكبر بكثير في ARC-AGI.
قبل التجربة التالية، مرّر المهمة عبر فحص الجاهزية المجاني لوكيل الذكاء الاصطناعي: عشرة أسئلة بنعم أو جزئيًا أو لا عن النطاق والمصادر والاستشهادات والاعتماد والسجلات، مع الثغرات مقابل ما تبدو عليه الجاهزية.
الأسئلة الشائعة
كم عدد الشركات التي تشغّل وكلاء الذكاء الاصطناعي فعلياً في الإنتاج؟
عدد قليل جداً. في دراسة Teradata وWakefield Research في يوليو 2026 على 1,000 من كبار قادة التقنية والبيانات، وصلت 7% فقط من المؤسسات إلى وكلاء ينفّذون سير عمل متعدد الخطوات بأثر تجاري قابل للقياس، بينما كانت 68% لا تزال في مرحلة التجربة أو التطوير. وفي استطلاع PwC في مايو 2025 قال 79% إن الوكلاء قيد التبنّي، لكن الثلثين قالوا إن أقل من نصف الموظفين يستخدمونهم يومياً.
لماذا لا تصل تجارب وكلاء الذكاء الاصطناعي إلى الإنتاج؟
جودة النموذج ليست العائق الرئيسي، بل ما يحدث عندما يخطئ الوكيل أمام مدقق أو جهة رقابية أو عميل. في دراسة Teradata قال 77% من التنفيذيين إن 20% أو أقل من بيانات مؤسساتهم موصوفة بما يكفي ليستخدمها وكيل، وأفاد 63% بعائد صغير أو ناشئ فقط من إنفاقهم على الذكاء الاصطناعي الوكيلي.
ما نوع وكيل الذكاء الاصطناعي الذي يُعتمد للإنتاج؟
وكيل ضيق مخصّص لمهمة واحدة. وكيل التقارير الذي يبني نوعاً واحداً من التقارير يمكن تدقيقه من البداية إلى النهاية فيُطلق، بينما نادراً ما تصل المساعدات العامة التي تؤدي القليل من كل شيء إلى هذه المرحلة. والشرط المشترك هو قابلية التتبع: أن تعود كل إجابة إلى مصدر يمكن للإنسان التحقق منه، وأن تتبع الصلاحيات الأذونات القائمة.


