تسعى الدراسات الحديثة في مجال ذكاء الآلات إلى تحسين كيفية إدارة سير العمل، وخاصة تلك المعقدة. في هذا السياق، تم إجراء دراسة مقارنة مثيرة بين البحث الشجري مونت كارلو (Monte Carlo Tree Search - MCTS) وأساليب جدولة قائمة قابلة للتكرار. فبدلاً من استخدام أساليب تقليدية، اعتمد الباحثون نهجًا يتضمن تخصيص ميزانية متساوية لسير العمل، حيث تم بناء وتقييم نفس عدد جداول المرشحين.

توضح النتائج أن خوارزمية MCTS كانت أقل بنسبة 2.88% مقارنة بالأسلوب التقليدي، مما يؤدي إلى تساؤل عن فعاليتها الحقيقية. أما فيما يتعلق بنجاح أسلوب الجداول القابلة للتكرار، فقد حققت تحسينًا بمقدار 1.85% في تحليل مرن مقارنة بـ 0.24% لـ MCTS، ما يجعلها أكثر قدرة على التكيف مع متطلبات العمل المتغيرة.

وتشير البيانات إلى أن أسلوب MCTS يواجه صعوبة في غضون بيئات العمل، حيث يمنح أسلوب الجداول القابلة للتكرار مزيدًا من الفرص لتحسين الأداء. تُظهر الدراسة أيضًا عدم وجود فرق كبير في الأداء بالنسبة للأعمال ذات التوزيع الثابت.

هذه النتائج تُعتبر من الصفحات الجديدة في مجال الجدولة، إذ تمنح الباحثين أدوات أفضل للتعامل مع سير العمل وتعكس البيانات تحليلاً علمياً دقيقاً ومعبراً عن الوضع الحالي. من المفيد جدًا أن نرى تطور هذه الدراسات في الوقت الذي نشهد فيه تطورات هائلة في الذكاء الاصطناعي.