أظهرت دراسة مرجعية شاملة شملت 378 استعلاماً عبر خمس منصات خوادم MCP مختلفة، تفاوتاً صادماً في الأداء — حيث حققت معظم المنصات دقة تتراوح بين 60-75% فقط، بينما تفوقت CData Connect AI بدقة استثنائية بلغت 98.5%.
شملت الدراسة اختبارات متنوعة عبر أنظمة إدارة علاقات العملاء (CRM)، تخطيط موارد المؤسسات (ERP)، إدارة المشاريع، ومستودعات البيانات السحابية. النتائج تشير إلى أن الاختلافات الجذرية في الأداء ترجع إلى البنية التقنية للمنصات، وليس إلى النماذج اللغوية المستخدمة.
- فشل منطق التواريخ: خوادم MCP التي تترجم اللغة الطبيعية مباشرة إلى استدعاءات REST تنهار عند التعامل مع العمليات الزمنية المعقدة
- استعلامات متعددة المرشحات: تعجز هذه الأنظمة عن معالجة طلبات البحث التي تتضمن معايير متداخلة أو شروطاً مركبة
- عمليات الكتابة المعقدة: تفشل في عمليات الكتابة التي تتطلب تحقق من تدفق العمل قبل التنفيذ
- التحقق من صحة البيانات: تفتقر إلى آليات فعالة لضمان سلامة البيانات قبل الإرسال للأنظمة الخلفية
هذه النتائج تحمل أهمية خاصة للشركات العربية التي تعتمد بشكل متزايد على حلول الذكاء الاصطناعي لأتمتة عملياتها. الفجوة الكبيرة في الأداء تعني أن اختيار المنصة الخطأ قد يؤدي إلى إضاعة ربع استعلامات المستخدمين — وهو أمر لا تحتمله الشركات في بيئة تنافسية متسارعة.
المفارقة أن الدراسة تؤكد أن المشكلة ليست في “ذكاء” النماذج، بل في هندسة الأنظمة التي تربطها بالعالم الحقيقي. منصة واحدة فقط نجحت في بناء جسر موثوق بين فهم اللغة الطبيعية وتنفيذ العمليات المعقدة.
