في عصر تتسارع فيه التحولات التكنولوجية، أصبح من الضروري أن تتبنى المؤسسات استراتيجيات ذكية لتحسين أدائها. تعد أنظمة الذكاء الاصطناعي المؤسسية (Enterprise AI) من بين الحلول الواعدة التي تهدف إلى تحقيق مراقبة مستمرة للأحداث مع استجابة سريعة من الوكلاء المتخصصين. لكن هل تساءلت يومًا عن كفاءة هذه الأنظمة في نطاقات واسعة؟

تشير الأبحاث الحديثة إلى أن معظم الأنظمة الحالية لا تزال تعتمد على واجهات التفاعل التقليدية ذات الطلبات والتجاوب المتقطع، مما يجعلها غير فعالة في السياقات المؤسسية الواسعة. في إطار دراسة شاملة، تم تقييم نماذج جديدة مثل DAG Plan and Execute و ReAct عبر 208 سيناريوهات إنتاج مستمدة من المؤسسات ذات الأحجام المتفاوتة، من الفئات الصغيرة (<10 وكلاء) إلى المؤسسات الكبرى (200 وكيل).

تظهر النتائج أن الأداء مرتبط بحجم المؤسسة أكثر من ارتباطه بتعقيد المهام. فعلى الرغم من أن كلا النظامين يُظهران أداءً جيدًا في النطاقات الصغيرة، إلا أنهما يواجهان صعوبات كبيرة في البيئة المؤسسية الكبيرة حيث يصبح التشويش الناتج عن اكتشاف الوكلاء هو العقبة الأساسية. مثال على ذلك، تدهور أداء المهام البسيطة بشكل أكثر حدة مقارنةً بالمهام الأكثر تعقيدًا، مما يعزز أهمية التصميم المرن.

يُظهر نظام DAG Plan and Execute دقة أعلى في الأداء مع القدرة على المعالجة المتوازية المنظمة عند النطاقات الصغيرة، ولكنه يعاني من عبء إضافي في النطاقات الكبيرة. من جهة أخرى، يتمتع نظام ReAct بالقدرة على التعامل مع الفشل بشكل تدريجي، مما يجعله أكثر مرونة.

أحد الابتكارات اللافتة هو مديري المهام (Task Manager)، الذي يساهم في تقليل زمن الانتظار للمهام ذات الأولوية العالية بنسبة تصل إلى 75%، فضلاً عن تحسين دقة معالجة الأحداث ذات العلاقة بنسبة تتجاوز 20 نقطة مئوية عند النطاقات الكبيرة.

لذلك، فإن التنسيق الفعّال في الذكاء الاصطناعي للمؤسسات يتطلب مراعاة الحجم والمرونة على حد سواء. يبدو أن مستقبل التقنيات القائمة على الوكالات المتعددة سيكون مشرقًا، لكن علينا تتبع التطورات القادمة والتفاعل معها بشكل ينم عن الفهم العميق لتحولات هذا المجال.