وكلاء الذكاء الاصطناعي الفعّالون لا يحتاجون إلى أن يكونوا مكلفين: دليل بالأرقام

هل تزداد تكلفة استخدام وكلاء الذكاء الاصطناعي مع التوسع في استخدامها؟ هذا موضوع بارز في مجال الذكاء الاصطناعي، وأظهرت دراسة حديثة لفريق OPPO للذكاء الاصطناعي أرقامًا وحلول واقعية على الطاولة.

تُظهر أقوى الوكلاء الذكاء الاصطناعي اليوم قدرتهم على إنجاز مهام ضخمة ومتعددة المراحل باستخدام قدرات النماذج اللغوية الكبيرة مثل جي بي تي-٤ وكلود. مع كل تقدم تقني، ترتفع تكلفة التشغيل، ما يجعل النشر على نطاق واسع صعبًا للشركات وحتى للباحثين. هنا يظهر إطار الوكلاء الفعّالين كخطة جديدة يحافظ فيها على الأداء تقريبًا ولكنه يخفض التكلفة بشكلٍ ملحوظ.

المشكلة الحقيقية: الوكلاء الذكاء الاصطناعي أصبحت مكلفة

دائمًا ما يتساءل الفرد: لماذا لم تُستغل المساعدات الذكاء الاصطناعي في كل جزء من سير العمل حتى الآن؟ ليست المسألة تقنية فحسب، بل التكلفة أيضًا. يحتاج بعض أنظمة الوكلاء المتقدمة إلى مئات من استدعاءات واجهة برمجة التطبيقات (API) لكل مهمة. ومع وجود آلاف المستخدمين، يصبح مفهوم قابلية التوسع أقرب إلى حلم بعيد المنال.

شرحت دراسة OPPO بشكل منظّم أين ترتفع تكاليف الوكلاء، وبالأهم، ما مقدار التعقيد اللازم لحل المهام اليومية.

المغيِّر الأساسي: قياس كفاءة وكالات الذكاء الاصطناعي

قدمت هذه الدراسة مقياسًا واضحًا: تكلفة المرور. يمكن تعريفها بأنها التكلفة الإجمالية لإنتاج إجابة صحيحة لمسألة معينة. وتُحسب بناءً على تكلفة الرموز (كل كلمة داخل النموذج وخارجه)، إضافة إلى مدى دقة النموذج في الوصول إلى النتيجة الصحيحة من المحاولة الأولى.

النتيجة: النماذج عالية الأداء مثل كلود وجي بي تي-٤ تتفوق في الدقة، لكنها تمثل تكلفة مرور أعلى بمقدار ثلاث إلى أربع مرات مقارنةً بـ جي بي تي-٤.١. للمهمات الأبسط، تميل النماذج الأصغر مثل Qwen3-30B-A3B إلى تكلفة أقل بشكل واضح مع انخفاض محدود في الدقة.

التجارب الكبرى: ما الذي يجعل الوكلاء مكلفين؟

1. اختيار نموذج الأساس

كلود 3.7 سونِت حققت دقة 61.82% في معيار صعب، لكنها تكلف 3.54 دولارًا للمهمة الناجحة. جي بي تي-٤.١ تخفض الدقة قليلًا إلى 53.33% لكنها تكلف 0.98 دولار فقط. للمخرجات الأساسية السريعة والاقتصادية، يبقى Qwen3 خيارًا اقتصاديًا بتكلفة تقارب 0.13 دولار للمهمة الأساسية.

2. التخطيط والتوسع

قد يُفترض أن «المزيد من التخطيط» يعني «نتائج أفضل»، لكن الواقع لا يحقق ذلك بسرعة. فزيادة عدد الخطوات ترتفع بها التكلفة دون رفع معدل النجاح بشكل ملحوظ. التقنيات التي تسمح للوكيل بتجربة خيارات أكثر (اختيار الأفضل من N) تستهلك قدرًا كبيرًا من الحاسوب مقابل تحسين بسيط في الدقة.

3. استخدام الوكلاء للأدوات

يمكن للوكلاء الاعتماد على متصفحات الويب ومحركات البحث وأدوات أخرى للحصول على معلومات حديثة. زيادة مصادر البحث تفيد حتى حدٍ ما، لكن إجراءات متقدمة مثل التنقل المفرط في الصفحات تزيد التكلفة دون عائد واضح. الحفاظ على استخدام الأدوات بشكل بسيط وواسع هو الخيار الأفضل.

4. ذاكرة الوكلاء

من المفاجئ أن أبسط إعداد للذاكرة — مجرد تتبع الأفعال والملاحظات — قدّم أفضل توازن بين انخفاض التكلفة وارتفاع الفعالية. وحدات الذاكرة الإضافية أدت إلى بطء الوكلاء وزيادة التكلفة بلا فائدة ملحوظة.

التجربة الشاملة: مخطط الوكلاء الفعّالين

إليك كيف يحل إطار الوكلاء الفعّالين الشفرة:

• استخدام نموذج ذكي ولكنه ليس مكلفًا بشكل مفرط (جي بي تي-٤.١).
• تقييد خطوات الوكيل لتجنب التفكير المفرط.
• البحث بشكل واسع مع التنويع في المصادر، مع الحذر من المبالغة في التنقل عبر الصفحات.
• الحفاظ على ذاكرة بسيطة وذات فعالية.

النتيجة: يحقق إطار إيفشنت أجينتس نحو 96.7% من أداء أقوى المنافسين المفتوحين المصدر (مثل OWL)، وبأقل من ثلاثة أرباع التكلفة. أي انخفاض في التكلفة بنحو 28.4% دون التضحية في النتائج.

لماذا يهم هذا؟

تُمثل هذه الدراسة صحوة تُبرز أن الذكاء الاصطناعي ليس مجرد قوة بل كفاءة تشغيلية أيضاً. عند بناء أو نشر الوكلاء، ينبغي قياس تكلفة المرور واختيار المكونات بعناية. ليس دائماً الحجم الأكبر هو الأفضل؛ أحيانًا تكون الحلول الأبسط هي الأنسب.

الإطار وكلاء فعّالون مفتوح المصدر، ما يجعل من الممكن البدء بتجربة هذه الأفكار فوراً. مع انتشار الذكاء الاصطناعي بشكل أوسع، ستصبح التصميمات الأكثر كفاءة معياراً رئيسياً—سواء في الشركات الناشئة أو لدى المؤسسات الكبرى.

الخلاصة: يمكن للوكلاء الذكاء الاصطناعي في الجيل التالي الجمع بين الذكاء والكفاءة من حيث التكلفة إذا تبنينا نهجًا مختلفًا في بنائهم. وهذا ليس مجرد بحث تقني عميق، وإنما خريطة طريق لجعل الذكاء الاصطناعي يعمل بكفاءة في مختلف البيئات.