في إطار التقدم السريع للذكاء الاصطناعي، ظهرت الحاجة إلى إنشاء أنظمة ذكية تتسم بالمرونة والموثوقية. ومن هنا، تم تقديم مفهوم "فصل الهوية والأداء" (Persona-Execution Separation - PES) كأسلوب معماري يعالج هذا التحدي. ضمن المؤسسات الخاضعة للتنظيم، يجب على وكلاء نماذج اللغة العملاقة (Large Language Models) السماح للهوية بالتطور بحرية، مع ضمان إمكانية تتبع الأداء. هذا التحدي لم يكن سهلاً، حيث أن نموذج الثقة الأحادية لا يمكنه تلبية كلا الشرطين بتكلفة معقولة.

العنصر الأساسي في PES هو أن الهوية والأداء يتواجدان في نطاقي ثقة مختلفين، مرتبطين بواسطة جسر عقد موجه. توضح الدراسة كيف يمكن أن تبقى الهوية متصلة بينما يتم فصل الأداء بشكل ضامن وجودة. تم تقديم آليات مثل مصفوفة الموافقة ونظام منع فقدان البيانات (Data Loss Prevention - DLP) لفرض الامتثال ومعايير الأداء المراقب.

تتبع هذه المعمارية ثلاثة أهداف رئيسية: تحقيق حرية الحركة للهوية، ضمان قابلية تتبع الأداء، وفصل بين الهوية والأداء. شهدت تجربة عملية على منصة رقمية للموظفين تنظيم خمسة قرارات خلال شهر واحد، حيث تم دراسة البدائل المرفوضة. والنموذج أظهر فاعلية في المتابعة الدقيقة لكل أداء دون التأثير على خصوصية الهوية.

إضافةً إلى ذلك، أكدت نتائج الفحص أنه لم يكن هناك إعادة تحقق من الأداء عند حدوث تعديلات في الهوية، مما يشير إلى وجود تقنيات متطورة توفر الأمان وتحقق الاستقلالية بين الهوية والأداء. إن PES يظهر كحل واعد لتطبيقات تعتمد على نشر متعدد المستخدمين، مع إمكانية تدقيق الأداء وتوقع تغييرات الهوية.