تحدي الموثوقية في وكلاء الذكاء الاصطناعي
على الرغم من الانتشار الواسع لوكلاء الذكاء الاصطناعي (AI Agents)، إلا أن قدراتهم الحالية لا تزال تفتقر إلى الموثوقية اللازمة للعمل دون إشراف بشري دقيق. تشير نتائج اختبارات الأداء، مثل LiveBench 2.0، إلى أن النماذج الرائدة مثل Claude Fable 5.2 وChatGPT-6 Astra لا تزال تواجه صعوبات في إتمام المهام المعقدة بدقة كاملة، حيث تتراوح نسب نجاحها بين 75% و83%، مما يحد من اعتماد الشركات عليها في بيئات العمل الحقيقية.
منهجية السيارات ذاتية القيادة في خدمة البرمجيات
تسعى شركة Plurai الناشئة إلى معالجة هذه الفجوة عبر تطبيق تقنيات المحاكاة التي استُخدمت سابقاً في تطوير السيارات ذاتية القيادة. يعتمد المؤسسون، إيلان كادار وإيلاد ليفي، على خبراتهم السابقة في شركة Nexar والتعاون مع Waymo، حيث يقومون بإنشاء "توأم رقمي" لأنظمة الشركة، بما في ذلك قواعد المعرفة والأدوات المتاحة للوكيل. تتيح هذه المحاكاة رسم خرائط لجميع التدفقات الممكنة للوكيل، مما يساعد في تدريبه على التعامل مع الحالات الاستثنائية (Edge Cases) التي قد تؤدي إلى أخطاء في بيئة الإنتاج.
ما الذي يتغير عملياً للمؤسسات؟
تعد Plurai بتقديم حلول تتجاوز مجرد تحسين النماذج العامة، حيث تهدف إلى:
- التدريب اللاحق للنماذج الصغيرة: استخدام البيانات المجمعة من المحاكاة لتدريب نماذج مفتوحة الأوزان (Open-weight models) مخصصة لاحتياجات كل عميل، مما يوفر أداءً يضاهي النماذج الضخمة بتكلفة أقل بكثير.
- التكامل مع الأدوات الحالية: تعمل منصة Plurai بالتوازي مع أدوات تطوير الوكلاء الحالية مثل Claude Code وCopilot وCursor.
- تحسين التكلفة: يرى المستثمرون، ومن بينهم باحثون في Google DeepMind، أن هذا النهج يمثل ميزة تنافسية للشركات التي تعاني من تكاليف النماذج الضخمة غير المستدامة، خاصة عندما لا تكون هذه النماذج مصممة خصيصاً لبيانات وسياسات الشركة الداخلية.
وقد أعلنت الشركة عن نجاحها في جمع 13 مليون دولار في جولة تمويل أولية بقيادة Team8، بمشاركة U&I وVelocity وMercer، لدعم تطوير هذه الطبقة البرمجية للمحاكاة.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.