1. ماذا اختبرت الورقة فعلاً؟
نشرت Nature Machine Intelligence في 24 يوليو 2026 دراسة ممولة من Google قارنت وكيلاً واحداً بأربع بنى متعددة الوكلاء: مستقلة، ومركزية بمنسق، ولامركزية بتواصل نظير إلى نظير، وهجينة تجمع الطريقتين. أبقت التجربة تعليمات المهمة والأدوات وسقف الحوسبة متطابقة، وغيّرت بنية التنسيق وقدرة النموذج.
غطت 260 تكويناً وستة اختبارات للبحث والتمويل والتخطيط والعمل والبرمجة والطرفية، عبر نماذج من OpenAI وGoogle وAnthropic. هذا تصميم أقوى من مقارنة عروض تجارية مختلفة، لكنه لا يحول النتائج إلى قانون شامل لكل وكيل أو نموذج مستقبلي.
2. المتوسط يخفي قصتين متعاكستين
عند تجميع كل البنى والاختبارات كان متوسط تحسن الأنظمة متعددة الوكلاء 0.0% مع تباين واسع جداً. لكن المهمة المالية القابلة للتجزئة رفعت أفضل بنية مركزية الأداء 80.8% مقارنة بخط الوكيل الواحد، بينما هبطت بنية الوكلاء المستقلين في PlanCraft المتسلسل 70%.
الفرق ليس أن التمويل سهل والتخطيط صعب. أظهرت الدراسة أن Finance Agent يسمح بتقسيم البحث إلى إفصاحات تنظيمية وأخبار وأثر تشغيلي ثم دمجها. أما PlanCraft فيتطلب الحفاظ على حالة متسلسلة؛ كل رسالة مختصرة بين الوكلاء قد تفقد قيداً يعتمد عليه الإجراء التالي.
- قابل للتوازي: اجمع أدلة مستقلة ثم ادمجها.
- متسلسل: كل خطوة تغيّر الحالة التي تحتاجها الخطوة التالية.
- غامض ومفتوح: الرسائل قد تكرر عدم اليقين بدلاً من تقليله.
- خط أساس قوي: مساحة التحسن أصغر وتكلفة التنسيق أوضح.
3. عتبة 45% مفيدة—لكنها ليست قانوناً
استخرج الباحثون عتبة أداء أولية تقارب 45% للوكيل الواحد: فوقها تقل احتمالات أن تضيف البنية المتعددة فائدة. طابقت إشارة التحسن أو التراجع في 94% من 16 تكوين تحقق على عينتين من SWE-bench Verified وTerminal-Bench.
صاغ المؤلفون النتيجة بصفتها قاعدة اختيار عملية لا مبدأ توسع عاماً. كل خلية تحقق ضمت 20 مسألة فقط، وفواصل الثقة الفردية واسعة. لذلك لا يصح أن يوقف فريق منتج مشروعاً لأن خطه تجاوز 45%؛ الأصح أن يستخدمها إشارة لتشديد عبء الإثبات قبل إضافة وكلاء.
4. ضريبة التنسيق تظهر في الوقت والتكلفة
ضمن الجزء الذي تتبع التكلفة، احتاج النظام الهجين 6.2 أضعاف عدد دورات الوكيل الواحد، والمركزي 3.8 أضعاف، واللامركزي 3.6 أضعاف. ولأن سقف الاستدلال الكلي كان متطابقاً، قسمت الفرق متعددة الوكلاء الميزانية على فروع أكثر ثم دفعت تكلفة الرسائل والدمج.
هذا فرق مهم عند شراء SaaS للوكلاء. تسعير كل استدعاء أو رمز قد يجعل تحسناً صغيراً غير اقتصادي، بينما يمكن أن تستحق الكلفة إن خفضت خطأً عالي القيمة أو نفذت بحثاً متوازياً أسرع. ينبغي قياس النجاح لكل ألف رمز، والمهلة، ومعدل الإعادة، لا الدقة وحدها.
5. ماذا لا تثبت الدراسة؟
لا تثبت أن جميع فرق الوكلاء تفشل، ولا أن عائلة نماذج واحدة تتفوق دائماً. لم تكن أي عائلة هي الأفضل عبر كل الاختبارات، وبعض التأثيرات الاتجاهية لم تصمد بعد التصحيح الإحصائي المحافظ. كما أن نماذج التجربة وإصداراتها لا تمثل كل النماذج المنشورة بعد اكتمالها.
ولا تغطي التجربة وكلاءً جسديين أو تفاعلات مستخدمين متعددة أو حلقات ميدانية طويلة. كان SWE-bench وTerminal-Bench ممثلين بعشرين مسألة لكل منهما. النموذج التنبؤي اختار أفضل بنية في 87% من التكوينات المحتجزة داخل المجالات المختبرة، لكنه أخفق في توقع الأداء المطلق عند الانتقال بين مجالات مختلفة.
6. بروتوكول شراء وبناء للشركات الخليجية
قبل التعاقد مع منصة وكلاء، اختر عشرين إلى خمسين مهمة حقيقية من المؤسسة واحفظ خط وكيل واحد. صنّف كل مهمة إلى متوازية أو متسلسلة، وحدد تكلفة الخطأ والمهلة والرموز، ثم اختبر منسقاً مع اثنين أو ثلاثة متخصصين فقط. لا تبدأ بعشرة وكلاء لأن العرض التوضيحي يبدو ذكياً.
في بيئة عربية، أضف اختبار الحفاظ على اللغة والسياق النظامي المحلي بين عمليات التسليم. يمكن لوكيل قانوني سعودي ووكيل مالي ووكيل مصادر أن يتوازوا في إعداد ملف، لكن القرار النهائي يحتاج منسقاً يحفظ الأدلة ولا يختصر التحفظات. إذا لم يرفع الفريق النجاح بما يغطي التكلفة والمخاطر، فالوكيل الواحد هو البنية الأفضل لا النسخة الأرخص فقط.
- ثبّت الأدوات والتعليمات وميزانية الحوسبة في المقارنة.
- ابدأ بخط أساس أحادي على مهام المؤسسة نفسها.
- قس النجاح والتكلفة والمهلة وتضخيم الأخطاء معاً.
- أضف الوكلاء عندما تنقسم الأدلة، لا عندما يطول التسلسل.
- ضع بوابة بشرية للقرارات المالية والقانونية والعالية الأثر.