سيؤدي الذكاء الاصطناعي إلى طمس الخطوط الفاصلة بين العديد من الوظائف بمرور الوقت لأنه يمكنك الآن البدء في القيام بأشياء إما أعلى أو أقل في المكدس ، أو التوسع إلى وظائف أخرى مجاورة. هناك مجال واضح جدا وهو أن PMs يجب أن يظهروا دائما تقريبا مع نماذج أولية وظيفية.

في Box ، نقضي الكثير من الوقت في اختبار Box الذكاء الاصطناعي مع نماذج جديدة على البيانات غير المهيكلة لمعرفة ما يؤديونه جيدا في المجالات الحقيقية للعمل المعرفي. كما رأينا من المعايير ، يوفر GPT-5 قفزة ذات مغزى في القدرة على GPT-4.1 في التفكير والرياضيات والمنطق والترميز ومجالات العمل الأخرى. فيما يلي بعض الأمثلة على مكان ظهور هذه التحسينات في العالم الحقيقي: * GPT 5 يضع المعلومات في سياقها بشكل أفضل. عند القيام باستخراج البيانات مثل المبلغ النهائي بالدولار الأمريكي في فاتورة بدون ملصقات عملة ولكن بعنوان في لندن ، يستجيب GPT 5 بشكل صحيح بالحاجة إلى معدل تحويل من الدولار الأمريكي إلى الجنيه الإسترليني. وبالمقارنة ، رأى GPT 4.1 الفاتورة النهائية وأعادها ، بافتراض العملة (بشكل غير صحيح). * يوفر GPT-5 تحليلا أفضل متعدد الوسائط. بالنسبة للإيداع السنوي لشركة عامة ، يطلب من GPT-5 عزل خلية في جدول عن صورة توضح التغييرات في مكونات حقوق الملكية للشركة. يوضح الجزء العلوي من الجدول أن جميع مبالغ الأسهم بالآلاف ، ويذكر GPT-5 بوضوح هذا التحويل ، في حين أن GPT-4.1 لا يفعل ذلك ، حيث يتم الخلط بين الجدول أن الجدول يقول المخزون والأسطورة تقول الأسهم. * يعمل GPT-5 بشكل أفضل مع مستويات عالية من التعقيد الفوري والبيانات. عند القيام باستخراج البيانات في السيرة الذاتية لجميع تواريخ بدء العمل وأسماء المناصب الوظيفية وأسماء أصحاب العمل ، كان GPT-5 قادرا على سحب كل جزء من البيانات بينما يبدو أن GPT-4.1 غارق ولم يستخرج نفس الحقول نظرا لحجم موجه المستند وتعقيده. * GPT-5 أكثر وضوحا ووضوحا في إجاباته. في اتفاقية الاستعانة بمصادر خارجية مع 6 خدمات مختلفة تمت مناقشتها صراحة ، عندما سئل عن "الخدمات الخمس المحددة في العقد" ، سيعيد GPT-5 أول 5 خدمات ويسأل عما إذا كان من المتعمد عدم سؤال السادسة. بالمقارنة ، أعاد GPT-4.1 ببساطة أول 5 دون أي محاذير أخرى ، مما قد يؤدي إلى ارتباك المصب للمستخدم. * GPT-5 أفضل في تفسير البيانات في المجالات المعقدة. بالنسبة لمخطط قياس التدفق الخلوي ، الذي يستخدم عادة في علم المناعة ، حدد GPT-5 بشكل صحيح نسبة عالية من الخلايا الميتة وأعطى أسبابا جذرية معقولة قد تؤدي إلى الموقف بينما أعطى GPT-4.1 الحد الأدنى من المنطق ، ويحتاج إلى مزيد من التأكيد للحصول على أي تخمينات من البيانات الأولية. * GPT-5 أكثر قدرة على تحديد التناقضات في الكود. عندما يطلب منك تحديد المشكلات في ملف كود python معين ، بينما يمكن لكل من GPT-5 و 4.1 تحديد الأخطاء الحقيقية التي تؤدي إلى حدوث خلل ، كان GPT-5 فقط قادرا على استنتاج مشكلات أكثر دقة ، مثل طباعة المتغير غير الصحيح عندما لا يكون ذلك منطقيا في سياق البرنامج. هذه التحسينات في الرياضيات والتفكير والمنطق وجودة الردود في نوافذ السياق الأطول مفيدة بشكل لا يصدق للمستخدمين النهائيين في العمل اليومي ، ولكنها ستظهر بشكل أكبر مع وكلاء الذكاء الاصطناعي الذين يعملون لفترة أطول ، خاصة عندما لا يكون هناك إنسان في الحلقة للتحقق من المعلومات في كل خطوة. إنه لأمر رائع أن نرى هذه التحسينات تستمر في أحدث مجموعة من نماذج الذكاء الاصطناعي لأن هذا سيؤدي إلى إمكانية استخدام عوامل الذكاء الاصطناعي في مجالات عمل أكثر أهمية بشكل تدريجي.

من الواضح أننا نسير في الوقت الحالي على مسار تستمر نماذج الذكاء الاصطناعي في التحسن في القدرة عبر الرياضيات ، والتفكير ، والمنطق ، واستدعاء الأدوات ، والعديد من المهام الخاصة بالمجال والتي ستتحسن مع استمرار إنشاء المزيد من بيانات التدريب. في حين أنه ستكون هناك مناقشات حول مدى ظهور هذه التطورات كتغييرات كبيرة في حالات الاستخدام اليومية التي يمتلكها المستهلك ، إلا أنها سيكون لها تأثير كبير عبر العديد من فئات العمل المعرفي. سوف تفتح بشكل تدريجي حالات استخدام جديدة في الرعاية الصحية ، والخدمات القانونية ، والخدمات المالية ، وعلوم الحياة ، وما إلى ذلك ، حيث يمكن للنماذج أداء مهام أكثر أهمية بشكل تدريجي. في بودكاست حديث مع أليكس كانترويتز ، كان لدى داريو أمودي طريقة رائعة لتأطير هذا ، وهي أنه إذا قمت بتحسين قدرة نموذج الذكاء الاصطناعي للانتقال من الحصول على طالب جامعي في الكيمياء الحيوية إلى الحصول على درجة الدراسات العليا في الكيمياء الحيوية ، فإن نسبة صغيرة من المستهلكين ستلاحظ التأثير ، لكن حالات استخدام المؤسسة لشركة مثل Pfizer سترتفع بشكل هادف نتيجة لذلك. يجب أن نبدأ في توقع أن هذا هو العصر الذي نعيشه الآن مع الذكاء الاصطناعي. إذن ، كيف يبدأ هذا في الظهور في العالم الحقيقي؟ سيظهر من خلال وكلاء الذكاء الاصطناعي الذين يلاحقون حالات الاستخدام المطبقة. وكلاء الذكاء الاصطناعي للترميز ، والعمل القانوني ، والكتبة الطبيين ، واستخراج البيانات ، ومعالجة مطالبات التأمين ، واختبار القلم ، وما إلى ذلك. الفرصة الآن هي بناء وكلاء الذكاء الاصطناعي للقطاعات والمجالات مع فهم عميق لتلك المساحة. هذا هو المكان الذي سيبدأ فيه تأثير هندسة السياق ، والفهم العميق لسير العمل ، والاتصالات ببيانات المؤسسة ، وواجهات المستخدم المتخصصة (التي تسمح للمستخدمين بنشر هؤلاء الوكلاء وإدارتهم وتنسيقهم) في الأهمية كثيرا. سيعني أيضا بناء توزيع يتماشى مع هذا القطاع أو المجال المعين. من المحتمل أن يعني ذلك شكلا من أشكال الهندسة المنتشرة إلى الأمام ليس فقط لمساعدة العملاء على تنفيذ الوكلاء ، ولكن أيضا التعرف بسرعة على مهام سير العمل التي تم تحسين الوكلاء من أجلها وإعادتها إلى النظام الأساسي الأساسي. في النهاية ، سيفوز اللاعبون بهذه الأسواق الذين يمكنهم ربط عمليات المؤسسة اليوم بشكل أفضل (والتي غالبا ما تكون فوضوية ولم يتم تصميمها للأتمتة) إلى عالم يتم فيه دمج الوكلاء في سير العمل هذا. هذا هو عصر الذكاء الاصطناعي الذي نحن فيه الآن.

نحن لسنا قريبين من النقطة المثلى لأي استقرار في قدرة الذكاء الاصطناعي ، ولكن من المفارقات أن هناك الكثير من حالات الاستخدام التجاري لمنظمة الذكاء الاصطناعي التي يتم تجميدها بسبب سرعة تقدم التكنولوجيا. هذا هو السبب في أن البنى المستقبلية مهمة للغاية.

النواة مقابل السياق هو مفهوم حاسم يجب التفكير فيه عند معرفة ما سيعيد الأشخاص بناء أنفسهم باستخدام الذكاء الاصطناعي. تجلب الشركات وظائف "أساسية" تميزها. هذا هو منتجهم أو خدمتهم الأساسية ، وكيف يبيعون للعملاء ، والأشياء التي تقود ثقافتهم ، وما إلى ذلك. على العكس من ذلك ، فإنهم يستعينون بمصادر خارجية ل "السياق" الذي يمثل رهانات على الجدول للحصول على الصواب، ولكنه لا يقدم سوى جانب سلبي في الخطأ. من القواعد الأساسية السهلة للتفكير فيها هل سيلاحظ العميل ما إذا كانت الشركة قد قامت بهذه الوظيفة مباشرة أم لا. دائما ما تكون برامج المؤسسة "سياق". هذه مجالات مثل أنظمة CRM أو الموارد البشرية والبنية التحتية وإدارة البيانات وما إلى ذلك. هذه ضرورية لتشغيل الأعمال التجارية على نطاق واسع ، ولكن نادرا ما تكون متميزا في محاولة طرح الأعمال التجارية الخاصة بك. لا يوجد سوى عدد قليل من الاستثناءات ، ودائما ما يكون ذلك لأنك بحاجة إلى حل لخدمة "جوهرك" الذي لا يقدمه أي بائع (مثل إذا كنت بحاجة إلى برنامج مخصص لسلسلة توريد متكاملة رأسيا). بغض النظر عن كيفية بدء الشركة ، فإنها في النهاية دائما ما تفصل العمل والقيمة بين الجوهر مقابل السياق بمرور الوقت. إنها الطريقة الوحيدة التي يمكنهم من خلالها البقاء في المنافسة وتخصيص الموارد في النهاية للمناطق المثلى. لذلك حتى لو كان بإمكان الشركة * إعادة كتابة برامج مؤسستها باستخدام الذكاء الاصطناعي ، فإنها لن تفعل ذلك بشكل أساسي. تحديثات الإصدار ، والأمان ، والميزات التنظيمية ، والأخطاء ، واتفاقيات مستوى الخدمة ، والخدمات المهنية اللازمة ، وما إلى ذلك ، كل ذلك سيجعلها عائد استثمار سلبية. كما يشير بوكو ، فإن الخطر الحقيقي هو إصدارات أفضل من هذه الأدوات التي تعتمد على الذكاء الاصطناعي أولا. هذا ما يجب الانتباه إليه من وجهة نظر الاضطراب.

خيط رائع. مهما كان عامل الذكاء الاصطناعي القادر على القيام به ، يمكن أيضا خداعه للقيام به. يجب أن تفترض أنه إذا كان بإمكان الوكيل الوصول إلى البيانات ، فيمكن للمستخدم في النهاية الحصول على هذه البيانات أيضا. سيكون أمن الوكيل وضوابط الوصول وقضبان الحماية الحتمية أمرا بالغ الأهمية.

الكثير من المحادثات حول شكل مستقبل البرامج في المؤسسة. إليك كيف أعتقد أن الأمر يلعب. بالنسبة لسير العمل الحتمية حيث تكون تكلفة حدوث خطأ ما مرتفعة ، تميل المؤسسات إلى اختيار الأنظمة الأساسية لوظائفها الأكثر شيوعا وأهمية وقابلية للتكرار في المؤسسة. فكر في كشوف المرتبات ، وتخطيط موارد المؤسسات ، وإدارة علاقات العملاء ، وتكنولوجيا المعلومات ، ودعم العملاء ، وإدارة ECM / المستندات ، وما إلى ذلك. هذه هي المجالات التي تريد أن يتم فيها شيء ما بنفس الطريقة ، في كل مرة. يجب أن تكون كل منصة من هذه الأنظمة الأساسية الذكاء الاصطناعي أولا حسب التصميم ، مما يعني أنه سيكون لديها واجهات مستخدم يتم ضبطها للتفاعل مع مهام سير العمل والبيانات عبر الذكاء الاصطناعي ، وتكون مصممة بالكامل لوكلاء الذكاء الاصطناعي للعمل في الأنظمة الأساسية. بمرور الوقت ، يمكننا أن نتوقع أن يؤدي الاستخدام على هذه الأنظمة إلى تحيز عوامل الذكاء الاصطناعي أكثر بكثير من الأشخاص. يبقى نموذج المقعد للمستخدمين ، لكن الاستهلاك يصبح نموذجا للوكلاء. سيصل بعض شاغلي المناصب إلى الحالة النهائية ، لكن البعض الآخر لن يتكيف بالسرعة الكافية ويموتون. سيكون هناك بعد ذلك مجموعة جديدة من الشركات الفعالة للوكيل فقط والتي تم تصميمها خصيصا لأتمتة أنواع معينة من العمل (وخاصة للعمل غير الحتمي). سوف تميل نماذج أعمالهم إلى المزيد من الاستهلاك. فكر في Claude Code أو Devins (على الأرجح مع بعض طبقات واجهة المستخدم لإدارة الوكلاء) ولكن لوظائف الوظيفة المختلفة. من المحتمل أن نرى مئات أو آلاف هذه تظهر بمرور الوقت. اختبار القلم ، والترميز ، والعثور على الأخطاء ، ومراجعات الامتثال ، والمحللين الماليين ، وما إلى ذلك. هذه مساحة ضخمة حيث ستعمل الشركات الناشئة بشكل جيد لأنه لن يكون هناك أي شاغلي برامج في هذه الفئات. سنتفاعل مع هؤلاء الوكلاء المختلفين من مزيج من منصات البرامج التي يرتبطون بها (مثل Box الذكاء الاصطناعي ، أو Agentforce) ، عبر واجهات برمجة التطبيقات في الأنظمة الأخرى ، وأنظمة سير العمل الأفقية التي تربط الوكلاء معا عبر الأنظمة الأساسية (مثل ServiceNow و IBM Watsonx و Google Agentspace وما إلى ذلك). وبالطبع ، غالبا ما يستهلك المستخدمون هؤلاء الوكلاء عبر تجارب الدردشة الأفقية (مثل ChatGPT و Claude و Perplexity و Grok و Copilot وما إلى ذلك) عبر MCP أو أنواع أخرى من الاتصالات المباشرة. سيعمل المستخدمون عادة في أنظمة الدردشة الأفقية هذه ، ويسحبون الوكلاء والبيانات ومهام سير العمل من مختلف الأنظمة الأساسية الوكيلة حسب الحاجة. عند الاقتضاء ، سوف يقفزون إلى الأنظمة الأساسية لإكمال سير العمل ومراجعة المعلومات وما إلى ذلك. سيكون هناك أيضا مجموعة طويلة من التجارب حيث يمكن للمستخدمين إنشاء تطبيقات صغيرة أثناء التنقل عندما يحتاجون إلى تطبيقات سريعة أو حالات استخدام مؤتمتة ، عندما لا يكون هناك برنامج واضح للقيام بذلك. قد يحدث هذا مباشرة في أنظمة الدردشة الأفقية ، أو أداة مثل Replit أو Lovable أو في أدوات أتمتة سير العمل ، وما إلى ذلك. أتوقع أن يكون هذا أكثر للمستخدمين المتميزين حيث يحتاجون إلى الغراء بين أنظمة متعددة أو حيث لا يوجد برنامج حتى الآن. صافي ذلك هو أن البرمجيات تصبح أكثر أهمية بمرور الوقت ، حتى لو كانت الطرائق التي نتفاعل فيها من تغيرت وتتوسع. على غرار الطريقة التي نقفز بها بين هواتفنا وأجهزة الكمبيوتر المكتبية بسهولة ، على الرغم من أنها يمكن أن تتقارب بسهولة ، سيوفر المستقبل مزيجا من طرق التفاعل مع البرامج.

على الرغم من أنها رائعة ، إلا أن فكرة إنشاء الذكاء الاصطناعي كل واجهة مستخدم أثناء التنقل ربما تكون أقل احتمالا مما يعتقده الناس. من المحتمل ألا تفوق فوائد التخصيص المفرط الاضطرار إلى إعادة تعلم التطبيق في كل مرة تستخدمه فيها أو مخاطر تعطل الأشياء بطرق غير متوقعة.

سيكون تقسيم العمل لوكيل الذكاء الاصطناعي أمرا بالغ الأهمية لتعظيم تأثير الوكلاء. لطالما كان لدينا تقسيم للعمل في المنظمات لأن وجود خبراء فرديين يقومون بتسليم المهام لبعضهم البعض أكثر فاعلية من مجموعة من المتخصصين العامين الذين يحاولون القيام بالأشياء بطريقة مختلفة في كل مرة. يقدم وكلاء الذكاء الاصطناعي نفس الديناميكية. لكي يعمل وكلاء الذكاء الاصطناعي، تحتاج فقط إلى القدر المناسب من السياق حول المهمة التي يحاولون إكمالها. وهذا يعني فهما عميقا للمجال ، ومجموعة من المعرفة للعمل عليها ، وتعليمات واضحة ، ومجموعة من الأدوات التي يجب استخدامها. القليل من السياق وسيفشل الوكيل. ومع ذلك ، وبالمثل ، مع دخول المزيد من هذه المعلومات إلى نافذة السياق ، فإننا نعلم أن النماذج يمكن أن تصبح دون المستوى الأمثل.  بالنسبة لعملية تجارية معقدة، إذا وضعت جميع الوثائق ووصف سير العمل والإرشادات في نافذة السياق، فنحن نعلم أن هذا يمكن أن يؤدي في النهاية إلى تعفن السياق، مما يؤدي إلى نتائج أسوأ. تتمثل البنية المنطقية في المستقبل في تقسيم العوامل إلى وحدات ذرية يتم تعيينها إلى الأنواع الصحيحة من المهام ثم جعل هؤلاء الوكلاء يعملون معا لإكمال عملهم. نحن نرى بالفعل هذا يلعب بشكل فعال في وكلاء الترميز. هناك المزيد والمزيد من الأمثلة الناشئة مع الأشخاص الذين يقومون بإعداد وكلاء فرعيين يمتلكون جميعهم أجزاء محددة من قاعدة التعليمات البرمجية أو منطقة الخدمة. كل وكيل مسؤول عن جزء من التعليمات البرمجية ، وهناك وثائق صديقة للوكيل للرمز. ثم عندما تكون هناك حاجة إلى العمل في تلك المنطقة ذات الصلة من قاعدة التعليمات البرمجية ، ينسق وكيل المنسق مع هذه العوامل الفرعية.  يمكننا أن نرى هذا النمط ينطبق على الأرجح على أي مجال من مجالات العمل المعرفي تقريبا في المستقبل. سيسمح ذلك باستخدام وكلاء الذكاء الاصطناعي لأكثر بكثير من حالات الاستخدام الخاصة بالمهام والتوسع لتشغيل مهام سير العمل بأكملها في المؤسسة. حتى مع تحسن نماذج الذكاء الاصطناعي لتكون قادرة على التعامل مع نوافذ السياق الأكبر ، وترتفع مستويات الذكاء ، فليس من الواضح أن هذه البنية تختفي أبدا. من المحتمل أن يتوسع دور كل وكيل مع تحسن القدرات ، ولكن خطوط الفصل الواضحة بين العوامل الفرعية قد تؤدي دائما إلى نتائج أفضل.

في البداية كان الفكر هو أن وكيل الذكاء الاصطناعي الفردي سيتعامل مع مهام سير العمل الكبيرة بشكل تعسفي. بدلا من ذلك ، فإن النمط الذي يبدو أنه يعمل هو نشر وكلاء فرعيين لديهم تخصص لكل مهمة لتجنب تعفن السياق. قد يكون تقسيم العمل لعامل الذكاء الاصطناعي هو المستقبل.