تتناول دراسة جديدة كيفية تعامل أنظمة البحث المعتمدة على الذكاء الاصطناعي مع الأمان والكفاءة، حيث تم إجراء تدقيق غير منهجي شمل 39 مصدراً حتى أغسطس 2026. في هذا التدقيق، تبين أن المصادر الخارجية لم تفصل بين تأثيرات الأمان والكفاءة المرتبطة باستخدام نماذج اللغات الضخمة (Large Language Models).

رغم أن الدراسة لم تحدد تأثير التحسينات الأمنية بالكفاءة، إلا أنها سلطت الضوء على عمليات معينة حيث لم تسجل أي طلبات تلقائية، بينما أظهرت 97% من النطاقات عدم وجود طلبات مسجلة لفحص الملفات في مايو 2026. كما تم الفصل بين عمليات النشر والاسترجاع واستخدام النماذج وتنفيذ الإجراءات، وتحديد خمسة مسارات تهديد تشغيلية مرتبطة بالأمان والكفاءة.

علاوة على ذلك، تم إجراء دراسة استقصائية مبسطة على 24 مهمة عبر ثمانية مواقع في خمسة ظروف، حيث تم قياس استجابة النماذج بدون استرجاع حي أو إجراءات خارجية. النتائج تستنتج أن تأثيرات المحتوى الظاهر تميزت عن النشر والاكتشاف والتنفيذ اللاحق، تاركةً تقييم الوكلاء والاسترجاع الكامل مفتوحين للنقاش.

تعتبر هذه الدراسة خطوة هامة نحو فهم الفجوات والثغرات في أنظمة البحث، كما تفتح أبواباً جديدة لتطوير استراتيجيات أمان أكثر فعالية في مواجهة التحديات الجديدة.