في عالم الذكاء الاصطناعي المتسارع، تتزايد وتيرة الاعتماد على وكلاء الذكاء الاصطناعي (AI Agents) لتنفيذ المهام الحساسة. ومع تصاعد نتائج الدقة في التقييمات القياسية، تظهر تناقضات صارخة عندما نلتقي بالأداء الفعلي لهؤلاء الوكلاء. كيف يمكن تفسير هذا الفشل المستمر رغم التقدم الملحوظ؟

تُظهر الدراسات الحديثة أن قياس أداء الوكلاء من خلال معيار نجاح واحد يساهم في إخفاء عيوب جوهرية في الأداء. لا يأخذ هذا القياس بعين الاعتبار سلوك الوكلاء عبر الزمن، قدرتهم على مواجهة التغيرات (Perturbations)، مدى توقع فشلهم، أو خطورة الأخطاء التي قد تحدث.

تقترح هذه الدراسة المبتكرة إثني عشر مقياسًا ملموسًا يكشف جوانب مختلفة من موثوقية العملاء بحسب أربعة أبعاد رئيسية: الاتساق (Consistency)، المتانة (Robustness)، القابلية للتنبؤ (Predictability)، والسلامة (Safety).

تم تقييم 15 نموذجًا عبر معيارين مكملين، ليظهر أن المكاسب الأخيرة في القدرة لم تؤدي إلا إلى تحسينات طفيفة في موثوقية الأداء. تكشف هذه الأبعاد عن القيود المستدامة بالنظر إلى أن هذه المقاييس توفر أدوات لفهم كيفية أداء الوكلاء، ونقاط التدهور، وكيفية الفشل.

ومع زيادة أهمية السير على مسار موثوقية وكلاء الذكاء الاصطناعي، يُعد هذا البحث خطوة رئيسية نحو توجيه الجهود نحو تحسين الأداء وتعزيز الثقة في استخدامات الذكاء الاصطناعي.