مسار الوكيل ليس النهاية في من هو الأذكى، بل في من يمنح أكبر عدد من الناس فرصة امتلاك الوكيل

كتابة: دائر الأعمق تفكيرًا

هل لاحظت شيئًا غريبًا: في كل مرة تطلب من الذكاء الاصطناعي مساعدتك في نفس العمل، يتعيّن عليك تعليمه من جديد؟ اليوم يجمع لك البيانات، وغدًا تأتي المهمة نفسها ويجب شرحها مرة أخرى من البداية. وعلى الرغم من أن الذكاء الاصطناعي يبدو أكثر ذكاءً كل يوم، لماذا ما زلنا نقوم بعمل متكرر؟

في 30 مارس 2026، أعطى منتج من شركة ذكاء اصطناعي مقرّها وادي السيليكون، CREAO، إجابة مختلفة. منذ إطلاقه، تصدّر هذا المنتج قائمة “أهم الترندات” على منصة X عالميًا لمدة 5 ساعات متواصلة ضمن المراكز الثلاثة الأولى، ما أثار نقاشات تلقائية من عدد كبير من منشئي المحتوى والمطورين في أمريكا الشمالية وأوروبا وجنوب شرق آسيا وأمريكا اللاتينية وغيرها. بعد بحث متعمق في هذا المنتج، اكتشفت أن ما يقومون به يختلف تمامًا عن جميع منتجات AI Agent في السوق. هذا الفريق الهجين بين الصين والولايات المتحدة، القادم من عمالقة الصف الأول في وادي السيليكون مثل Google وMeta، وجد مسارًا كانت كل الجهات تتجاهله.

المأزق الحقيقي لـ AI Agent الحالي

أولًا، يجب أن أوضح حقيقة واحدة: هذا المسار الخاص بـ AI Agent اشتعل بالفعل بين 2025 و2026. منتجات مثل OpenClaw وClaude Code وDevin، وكذلك DeepSeek داخل الصين، جعلت كثيرين يستخدمون AI Agent لأول مرة فعليًا. لكن بعد استخدامه، ظهرت مشكلة جديدة، والأدهى أن هذه المشكلة أشد خطورة مما كان يتصور المرء.

لقد واجهت هذا النوع من المواقف بنفسي. الأسبوع الماضي طلبت من Claude Code كتابة سكربت لالتقاط البيانات، واستغرق ذلك قرابة عشرين دقيقة من محادثات ذهابًا وإيابًا، مع ضبط التفاصيل حتى نجح التشغيل. هذا الأسبوع أردت استخدام المنطق نفسه لالتقاط بيانات موقع آخر، ومن الناحية النظرية يكفي تعديل بعض المعلمات فقط، لكن اكتشفت أن عليّ فتح نافذة محادثة جديدة، وأن أشرح مرة أخرى احتياجي، ثم أعيد ضبط التفاصيل. لا يتذكر الذكاء الاصطناعي كيف تم التوافق في المرة السابقة؛ لا يستطيع إلا أن يبدأ من الصفر. جعلتني هذه التجربة أدرك أن المشكلة الأساسية التي يواجهها AI Agent الحالي ليست نقص القدرة، بل أن كل استخدام هو مرة واحدة فقط: يُستخدم ثم يُنسى.

والأكثر ما يزعجني هو أن هذه الـ AI Agent القوية غالبًا ما تقوم بـ"اختلاق عملٍ لتقوم به". أنا فقط أردتها أن تساعدني في جلب بيانات الأسعار من ثلاثة مواقع وتسجيلها في جدول، لكنها بدأت بدلاً من ذلك تحليل اتجاهات الأسعار، وإنشاء رسوم بيانية، بل واقترحت حتى بشكل مبادر أن تكتب لي تقريرًا لتحليل المنافسين. تبدو هذه الميزات رائعة، لكنني لا أحتاجها على الإطلاق. يقوم الذكاء الاصطناعي بإظهار حدود قدراته بدلًا من التركيز على حل مشكلتي المحددة. هذه القدرة على التعميم تُبهر في العروض، لكنها في الاستخدام الحقيقي تخلق عبئًا ذهنيًا كبيرًا—عليّ أن أفني وقتًا في إيقافها عن تلك الأشياء التي لا أحتاجها، وأن أكرر مرارًا أني أريد فقط أبسط عملية لالتقاط البيانات.

كما أن الملاءمة من حيث التكلفة مشكلة كبيرة أيضًا. عندما تطلب من AI Agent عام تنفيذ مهمة بسيطة متكررة، يتعيّن عليه في كل مرة أن يفهم مقصودك من جديد، وأن يعيد تخطيط مسار التنفيذ، وأن يستدعي أدوات مختلفة من جديد. هذه العملية لا تستهلك الوقت فقط، بل وبسبب كون استخدام واجهات برمجة التطبيقات مدفوعًا حسب الـ token، تتراكم التكاليف بسرعة. حسبت حسابًا: إذا استخدمت Claude أو GPT-4 لتنفيذ مهمة بسيطة لمزامنة البيانات تعمل تلقائيًا كل يوم على جدول، فقد تتجاوز تكاليف استدعاءات API في نهاية شهر ما كنت ستدفعه لو قمت بتعيين متدرب لأعملها يدويًا. هذا ببساطة غير منطقي.

تحدثت مع بعض أصدقائي المطورين حول هذه المشكلة، وكانت مشاعرهم متطابقة تقريبًا: قدرات AI Agent تتطور بسرعة، لكن قابلية الاستخدام تتدهور—إلى حد ما. في الماضي، كانت أدوات الأتمتة مثل Zapier أو n8n، رغم أن إعدادها كان مزعجًا بعض الشيء، لكنها بعد أن يتم ضبطها تعمل بثبات ولا تتطلب استثمارًا متكررًا. الآن مع وجود AI Agent، أصبح الإعداد أسهل، لكن في كل مرة يتطلب إعادة الإعداد. هذا ليس تقدمًا؛ بل هو استبدال تعقيد قديم بتعقيد جديد. التناقض الأساسي يكمن في: ليس الأمر أن الناس العاديين لا يستطيعون استخدام AI Agent، بل أنهم لا يستطيعون استخدامه بشكل مستقر؛ ولا يظل معهم؛ ولا يمكن تحويل محادثة نجحت مرة واحدة إلى نظام أتمتة قابل لإعادة الاستخدام.

فلسفة “ترويض” CREAO

عندما رأيت منتج CREAO لأول مرة، كان رد فعلي الأول: هذه هي الأشياء التي كنت أبحث عنها. لقد أعطوا منتجهم تسمية ذات معنى مثير للاهتمام: Agent Harness، وبالعربية يمكن فهمها كـ"ترويض Agent". هذا المصطلح يصف بدقة ما يقومون به—ليس جعل الذكاء الاصطناعي أقوى، بل جعل قدرات الذكاء الاصطناعي قابلة للتثبيت والقَبْض عليها، ومطواعة بيد الناس العاديين.

تجربة CREAO الأساسية مباشرة جدًا. تصف لهم سير عمل بلغة طبيعية، مثل: “في كل يوم اثنين صباحًا الساعة 9، افحص تغييرات أسعار ثلاثة مواقع منافسة، وسجّلها في Google Sheets، وإذا تجاوز التذبذب 10% أرسل لي إشعارًا عبر Slack”. يقوم النظام بأشياء مثل: فهم مقصودك، كتابة كود التنفيذ تلقائيًا، وربط الأدوات التي تحتاجها (Gmail وGoogle Sheets وSlack وFeishu وغيرها—وقد قاموا بدمج أكثر من 300 منصة)، ثم أهم خطوة—يمكنك حفظ سير العمل بالكامل بنقرة واحدة كـ Agent، وتحديد جدول تشغيله بنظام مؤقت، وبعد ذلك سيقوم تلقائيًا بتنفيذه وفقًا للوقت الذي تحدده، دون مشاركة الذكاء الاصطناعي، وبشكل حتمي/حسمي.

هذه الخطوة الأخيرة هي روح المنتج بأكملها. بعد انتهاء المحادثة، يظل النظام يعمل. قد تبدو هذه الجملة بسيطة، لكنها تعالج مشكلة يتجنبها كامل القطاع. منتجات الذكاء الاصطناعي الحواري مثل ChatGPT وClaude، بمجرد إغلاق النافذة لا يبقى شيء. أدوات المطورين مثل OpenClaw وClaude Code، رغم أنها تستطيع تنفيذ مهام معقدة، تتطلب منك أنت نشرها وصيانتها. ما حققه CREAO هو الجمع بين مرونة الذكاء الاصطناعي وحتمية أدوات الأتمتة التقليدية، بحيث يمكن تحويل محادثة ناجحة واحدة مع AI إلى نظام أتمتة يعمل باستمرارية.

أنا معجب جدًا بالتنازلات التقنية التي قاموا بها. تسعى كثير من منتجات AI Agent إلى جعل الذكاء الاصطناعي أكثر ذكاءً وأكثر عمومية، وقادرًا على التعامل مع مهام أكثر تعقيدًا. المسار الذي اختاره CREAO عكس ذلك: يريدون أن يعمل سير العمل الذي ينشئه الذكاء الاصطناعي بشكل مستقل دون حاجة للذكاء الاصطناعي. هذا يعني أنهم يحتاجون إلى حل مشكلة الحتمية في توليد الكود—يجب أن يكون الكود الذي يخلقه الذكاء الاصطناعي مستقرًا بما يكفي ليستمر في التشغيل دون تدخل الذكاء الاصطناعي. كما يحتاجون إلى حل مشكلة استقرار تنسيق الأدوات المتعددة—عندما يشمل سير عمل ما منصات متعددة مثل Gmail وSheets وSlack، كيف نضمن ألا تفشل عملية تمرير البيانات بينها بسبب التنسيق؟ كل هذه مشكلات كان لدى أدوات الأتمتة التقليدية حلول لها، لكن في سياق AI Agent يتعين حلها من جديد؛ لأن سير العمل لم يعد يُضبط يدويًا بل يُولَّد بواسطة الذكاء الاصطناعي اعتمادًا على اللغة الطبيعية.

جرّبت المنتج بنفسي، وكانت التجربة الفعلية مختلفة بالفعل عن غيره. وصفت لهم متطلبًا بلغة طبيعية: “كل يوم الساعة 5 مساءً اجمع تلقائيًا البريد في صندوق Gmail الخاص بي والمعلّم على أنه مهم، واستخرج المرسل والموضوع، واكتبها في جدول Google Sheets، وإذا كان هناك بريد عملاء داخل مجموعة Feishu @me”. لم تستغرق عملية الإعداد برمتها سوى أقل من 5 دقائق، ويمكنني رؤية CREAO وهو يولد الكود ويختبر الاتصال ويتحقق من المنطق بشكل مباشر. بعد اكتمال الإعداد، ضغطت زر “حفظ كـ Agent”، وحددت التشغيل كل يوم الساعة 5 مساءً، ثم لم أعد بحاجة إلى الاهتمام. في اليوم التالي، الساعة 5 مساءً، استلمت فعلاً إشعارًا في مجموعة Feishu، وعندما فتحت Google Sheets وجدت أن البيانات تم تنظيمها وفقًا لطلبي. تكمن نقطة الحسم في هذه التجربة في أنه لا يلزمني كل يوم الساعة 4:55 فتح نافذة محادثة CREAO وإعادة وصف طلبي. الأمر يشبه مساعدًا تم ترويضه: يعرف ما الذي يجب أن يفعله يوميًا، ويقوم بذلك من تلقاء نفسه.

يُعد دمج أكثر من 300 منصة أصليًا أيضًا ميزة مهمة للمنتج. هذا يعني أن معظم سيناريوهات سير العمل الشائعة، يكون CREAO قد جهز لها connectors، ولا يتعين على المستخدم البحث عن وثائق API أو إعداد المصادقة أو معالجة تفاصيل تحويل تنسيق البيانات على المستوى السفلي. عندما تقول “اكتب البيانات في Google Sheets”، يفهم النظام كيفية القيام بذلك. وعندما تقول “أرسل رسالة في Slack”، يفهم النظام أيضًا كيف يفعل ذلك. إن سلاسة هذه التجربة لا يمكن مقارنتها بكتابة الكود يدويًا أو استخدام أدوات أتمتة تقليدية. أعتقد أن فهم فريق CREAO لمنتج موجّه للمستهلكين هو بالضبط هذا—خفض تكلفة الإعداد ليتمكن الناس العاديون أيضًا من إنشاء أنظمة أتمتة خاصة بهم بسرعة.

عدم السعي إلى الأقوى، بل السعي إلى الأكثر قابلية للترويض

أثناء بحثي عن CREAO، ظللت أفكر في سؤال: لماذا لم تختَر الشركات الأخرى التي تعمل على AI Agent هذا المسار؟ لاحقًا أدركت أن الأمر يتعلق بمقارنة فلسفتين مختلفتين تمامًا في تصميم المنتجات.

انظر إلى Claude Code الذي طرحته Anthropic، أو Devin من Cognition—فهدفهما هو بناء أقوى Agent عام. تتوقع هذه المنتجات من الذكاء الاصطناعي أن يفهم أي مطلب، وينفذ أي مهمة، وحتى يتخذ قرارات بشكل مستقل دون تعليمات واضحة. هذا مسار “جعل الـ Agent أكثر ذكاءً”. في هذا المسار، تأتي قيمة المنتج من قدرة الذكاء الاصطناعي على التعميم—فهو يستطيع التعامل مع مشكلات أكثر تعقيدًا، واتخاذ قرارات صحيحة رغم كثرة حالات عدم اليقين، والاقتراب أكثر من أسلوب عمل مطوري البشر. هذا الاتجاه بالطبع ذو قيمة، لكنه بطبيعته موجّه للمطورين والمستخدمين المحترفين، لأنهم هم من يحتاجون هذه المرونة ويستطيعون التحكم بمستواها.

أما CREAO فقد اختار مسارًا آخر: لا يصنع Agent هو الأقوى، بل يصنع Agent هو الأسهل في ترويضه من قِبل الناس العاديين. لا تكمن قيمة منتجهم في مدى ذكاء الذكاء الاصطناعي، بل في مدى سهولة قيام المستخدم العادي بتثبيت قدرات الذكاء الاصطناعي كأداة خاصة به. وفي فلسفة CREAO، ليس الـ Agent الجيد هو الذي يستطيع فعل كل شيء، بل الذي يستطيع تنفيذ شيء واحد بشكل ثابت، ويمكن إعادة استخدامه. هذه الصفة من الانكماش والتركيز هي تحديدًا سمة يحتاجها منتج موجّه للمستهلكين.

أتذكر تشبيهًا جيدًا. الـ Agent العام يشبه مستشارًا متعدد المهارات: كل مرة لديك مشكلة يمكن أن تستشيره، وسيعطيك الكثير من الاقتراحات، لكن عليك في كل مرة أن تشرح له الخلفية، وتصف متطلباتك، وتناقش الخطة. أما CREAO فيبتكر مساعدًا يمكن تدريبه: تعلمه مرة واحدة كيف يقوم بشيء ما، وبعد ذلك سيقوم هو بعمله بانتظام دون أن تحتاج إلى توجيهه مرارًا. الأول يُظهر اتساع القدرة، والثاني يوفّر كفاءة الاستخدام. وبالنسبة للمستخدم العادي، الأهمية الأكبر هي للكفاءة وليس للقدرة.

وقد أثبتت الفروقات في فلسفة المنتج نفسها على أرض الواقع من خلال ردود السوق. في يوم إصدار CREAO، نشر أكثر من 50 من أبرز KOLs تقنيًا حول العالم محتوى تجارب معمقًا في وقت متزامن، يغطي أسواق لغات متعددة مثل الإنجليزية والإسبانية والبرتغالية والكورية وغيرها. إن الانتشار التلقائي متعدد اللغات نادر جدًا، وهذا يعني أن المشكلة التي حلها CREAO ذات طابع عالمي ومتعددة الثقافات. سواء كنت في أمريكا الشمالية أو أوروبا أو جنوب شرق آسيا أو أمريكا اللاتينية—طالما أنك مستخدمًا عاديًا يحتاج إلى التعامل مع سير عمل متكرر—ستنجذب إلى هذا المنتج. وقد صوت السوق بأقدامه: الناس لا يحتاجون إلى AI أقوى، بل إلى AI أسهل في السيطرة والتحكم.

كما لاحظت مقارنة مثيرة للاهتمام. إذا نظرت إلى منتجات تسعى إلى Agent عام، فعادة تكون حالات العرض الخاصة بها مثل: “الذكاء الاصطناعي ساعدك على إنجاز مهمة تطوير معقدة” أو “الذكاء الاصطناعي حلّل مشكلة تجارية بشكل مستقل وقدم خطة”. هذه الأمثلة مذهلة، لكن من الصعب تكرارها. بعد أن يشاهدها المستخدم العادي، قد يشعر: “واو، رائع جدًا”، لكنه لن يعرف كيف يطبق ذلك على عمله بنفسه. أما حالات استخدام CREAO فهي محددة للغاية: مراقبة أسعار المنافسين، مزامنة البيانات إلى الجداول، إرسال التقارير في وقت محدد، تنظيم البريد الإلكتروني، إدارة المهام اليومية. هذه أمور يفعلها الجميع يوميًا، فقط أصبحت الآن قابلة للأتمتة. إن اختلاف تموضع المنتج يحدد أن CREAO بطبيعته يمتلك جمهورًا أوسع.

بين الذكاء الاصطناعي الحواري وأنظمة الأتمتة التقليدية، وجد CREAO نقطة توازن ذكية. فهو يحافظ على سهولة استخدام الذكاء الاصطناعي الحواري—تعبّر عن احتياجك بلغة طبيعية دون الحاجة لتعلم البرمجة أو دراسة واجهات إعداد معقدة. كما يرث موثوقية أنظمة الأتمتة—بمجرد أن يتم الإعداد، يمكنه التنفيذ بشكل حتمي دون نتائج غير متوقعة بسبب عشوائية الذكاء الاصطناعي. هذا التوازن نادر جدًا؛ لأن أغلب المنتجات تتأرجح بين هذين الطرفين: إما مرونة مفرطة تؤدي إلى عدم الاستقرار، أو ثبات مفرط يفتقر إلى الذكاء. تمكن CREAO من منح المستخدم مرونة الذكاء الاصطناعي أثناء مرحلة الإعداد، والحتمية الخاصة بالأتمتة أثناء مرحلة التشغيل.

رؤى منتج من فريق وادي السيليكون

أفضّل أن أعرف ما نوع الفريق الذي يمكنه صنع منتج كهذا. بعد التعمق، اكتشفت أن المقر الرئيسي لـ CREAO في وادي السيليكون بالولايات المتحدة. يضم الفريق الأساسي نخبة من العلماء/المهندسين الصينيين في مجال الذكاء الاصطناعي من عمالقة الصف الأول في وادي السيليكون مثل Google وMeta، إلى جانب كوادر تقنية من شركات نماذج لغوية كبرى داخل الصين والشركات الإنترنتية الناجحة. هذه فرقة هجينة صينية-أمريكية بمعنى حقيقي.

أعتقد أن خلفيتهم مهمة جدًا. المهندسون الذين خرجوا من كبريات الشركات في وادي السيليكون يفهمون التكنولوجيا الأساسية بعمق، ويعرفون كيفية بناء أنظمة مستقرة وموثوقة. أما مديرو المنتجات ومهندسو الإنترنت المحليين والشركات الخاصة بالذكاء الاصطناعي، فلديهم حساسية قوية تجاه تجربة مستخدم الفئة C، ويعرفون ما التصميم الذي يخفض فعلًا عتبة استخدام المستخدمين. إن تزاوج هذه “الجينات” يخلق مشروعًا مثل CREAO—بعمق تقني وفيه أيضًا حرارة منتج.

بحسب ما أعرفه، أمضى فريق CREAO عدة أشهر في معالجة مشكلة واحدة تحديدًا: كيف تجعل مخرجات الذكاء الاصطناعي تستمر بعد انتهاء المحادثة. تبدو هذه المشكلة بسيطة، لكن التحديات التقنية خلفها كثيرة جدًا. الكود الذي يولده الذكاء الاصطناعي يحتوي بطبيعته على عنصر عشوائي؛ وبنفس وصف المتطلبات، قد تختلف الأكواد الناتجة تمامًا في كل مرة. كيف نضمن أن هذه الأكواد مستقرة بما يكفي ليستمر تشغيلها دون تدخل بشري؟ كيف نتعامل مع الحالات الاستثنائية—إذا فشل استدعاء API ما، هل يجب أن يعيد النظام المحاولة، أم يقوم بخفض مستوى الخدمة، أم يخطر المستخدم؟ كيف نضمن ألا يتعطل تمرير البيانات بين أدوات متعددة بسبب مشاكل التنسيق؟ هذه كانت كلها مشكلات هندسية حلّتها أدوات الأتمتة التقليدية خلال العقود الماضية، لكن في سياق AI Agent، يتعين إعادة التفكير فيها وحلها من جديد، لأن طريقة توليد سير العمل قد تغيرت.

الأمر الذي يعجبني أكثر هو أن فريق CREAO لم يختَر حلًا بسيطًا. كانوا يستطيعون—مثل كثير من منتجات الذكاء الاصطناعي—حفظ سير العمل المُولّد وجعله قابلاً للتشغيل اليدوي في كل مرة بواسطة المستخدم. سيسهّل ذلك التعقيد التقني إلى حد كبير، لكن تجربة المستخدم ستتراجع بشكل كبير. أما CREAO فقد اختار أتمتة حقيقية: تشغيل وفق جدول، تنفيذ مستقل، معالجة الاستثناءات، تسجيل السجلات—وكل هذه هي الميزات القياسية لأنظمة الأتمتة التقليدية موجودة في CREAO، بل ومبنية على سير العمل المُولّد بواسطة الذكاء الاصطناعي. هذا يتطلب إيجاد توازن دقيق بين مرونة الذكاء الاصطناعي واستقرار النظام، مع تراكم هندسي كبير وصقل منتج مستمر.

النقطة الأخرى التي لفتت انتباهي هي أن بنية CREAO التحتية ومحرك التنفيذ وبروتوكولات الدمج كلها من تطويرهم الذاتي. في بيئة بدء التشغيل الحالية للذكاء الاصطناعي، تختار كثير من الشركات خيار “السرعة في التغليف”—تستند إلى واجهات برمجة تطبيقات OpenAI أو Anthropic، ثم تضيف واجهة أمامية، ويمكنها إصدار منتج بسرعة. هذا الأسلوب قد يساعد في التحقق السريع من السوق، لكنه من الصعب أن يُبنى عليه حاجز تقني حقيقي. اختار فريق CREAO الطريق الأصعب: بدأ من الأساس في بناء كل شيء، وضمان أن كل حلقة في النظام تقع تحت سيطرتهم. قد لا تظهر ميزة هذا الاستثمار التقني بوضوح في المدى القصير، لكن على المدى الطويل، هو الطريقة الوحيدة لبناء حاجز تنافسي.

ومن الجدير بالذكر أيضًا أن CREAO خلال عام واحد قد أكمل ثلاث جولات تمويل متتالية بأكثر من عشرات الملايين من الدولارات، وبعد إطلاق المنتج لفت انتباهًا واسعًا من أسواق رأس المال. وهذا يعني أن المستثمرين رأوا قيمة هذا الاتجاه أيضًا: في مسار AI Agent، لا يفوز من تكون نماذجه هي الأكبر أو من يكون Agent لديه هو الأذكى، بل من يستطيع تحويل قدرات الذكاء الاصطناعي فعليًا إلى منتج يمكن للناس العاديين استخدامه، ومن يتمكن من الاستحواذ على قمة السوق.

النهاية الحقيقية لمسار Agent

بعد دراسة CREAO، توصلت إلى بعض الأفكار الجديدة حول مسار AI Agent. أرى أن نهاية هذا المسار ليست لمن يكون Agent لديه هو الأكثر ذكاءً، بل لمن يجعل أكبر عدد من الناس يمتلكون Agent خاصًا بهم. هذا تحول معرفي جوهري.

خلال العامين الماضيين، كان القطاع كله “يجاهد” في تقوية قدرات النماذج، وتعزيز أطر الـ Agent، وتطوير أدوات للمطورين. كان الجميع يتنافسون على من يجعل الذكاء الاصطناعي ينجز مهامًا أكثر تعقيدًا، ومن يحقق درجة أعلى من الاستقلالية تحت تدخل بشري أقل. منطق المنافسة هذا له سوق داخل مجتمع التقنية لأنه يتماشى مع ذوق المهندسين—السعي إلى الحدود القصوى، تحدي الممكن، والاقتراب من كسر المستحيل. لكن من منظور الأعمال والمنتج، قد لا تكون هذه هي ساحة المعركة الأهم. الأهم هو: كيف نقلل عتبة الاستخدام، كيف نزيد قابلية إعادة الاستخدام، وكيف نجعل الناس العاديين يستفيدون أيضًا من تحسين الكفاءة الذي توفره AI Agent.

المسار الذي تمثله CREAO، من حيث الجوهر، يسعى إلى “خفض عتبة الترويض” بدلًا من “رفع القدرة العامة”. هذان المساران ليسا متعارضين، بل يخدمان أسواقًا مختلفة. بالنسبة للمطورين والمستخدمين المحترفين، يحتاجون فعلاً إلى Agent عام أقوى، لأن متطلباتهم بطبيعتها معقدة ومتغيرة. لكن بالنسبة لـ 90% أو أكثر من المستخدمين الذين هم من العامة، فهم يحتاجون إلى Agent مخصص يستطيع حل مشكلات محددة بشكل ثابت، وليس مساعدًا شاملًا يفعل كل شيء لكن يتطلب منك إعادة تعليمه في كل مرة. وهذا هو السوق الذي تستهدفه CREAO بنسبة 90%.

أتفق بشدة مع فكرة: القابلية لإعادة الاستخدام هي ساحة المعركة التالية للذكاء الاصطناعي الموجه للمستهلكين. حاليًا، معظم منتجات الذكاء الاصطناعي المتاحة، سواء ChatGPT أو Claude أو أدوات Agent المختلفة، هي “استهلاك مرة واحدة”: يسأل المستخدم سؤالًا، ويعطيه الذكاء الاصطناعي إجابة، وتنتهي قيمة تلك المحادثة. وحتى لو قدم الذكاء الاصطناعي حلًا ممتازًا، وعندما يواجه المستخدم مشكلة مماثلة في المرة التالية، سيظل يتعين عليه إعادة طرح السؤال، وإعادة الانتظار، وإعادة التحقق. في هذا النمط، قيمة الذكاء الاصطناعي تنمو خطيًا: استخدامه 10 مرات أو 100 مرة يعطي قيمة إجمالية مجرد إضافة بسيطة. أما إذا أمكن إعادة استخدام مخرجات الذكاء الاصطناعي—مثل أن يستمر تشغيله بشكل دائم بعد إعداد واحد—فالقيمة تكون نموًا أسيًا: إعداد واحد، استخدام مئة مرة، وفي كل مرة دون الحاجة إلى إعادة الاستثمار. ما تفعله CREAO هو تحويل “الاستهلاك مرة واحدة” إلى أصل قابل لإعادة الاستخدام.

وهذا جعلني أتذكر تحولًا كلاسيكيًا في صناعة البرمجيات. في بدايات تطوير البرمجيات، كان كل جزء من الوظائف يتطلب كتابة كود من الصفر. لاحقًا ظهرت مكتبات الدوال والأطر والمكونات، فصار بإمكان المطورين إعادة استخدام كود مكتوب بواسطة الآخرين، ما رفع الكفاءة بشكل كبير. ثم ظهرت منصات low-code وno-code، فصار حتى من لا يعرف البرمجة قادرًا على بناء تطبيقات. مسار تطور AI Agent قد يكون مشابهًا: في البداية كان على المرء بدء كل محادثة من الصفر، ثم ظهرت Agent يمكن حفظها وإعادة استخدامها، وفي النهاية قد يظهر سوق للـ Agent حيث يشارك الجميع ويتبادلون Agent الذين قاموا بترويضهم. ما تفعله CREAO الآن هو القفزة الحاسمة من المرحلة الأولى إلى الثانية.

تقديري هو أن AI Agent سيتفرع إلى عدة أشكال منتجات مختلفة، وكل شكل يخدم مجموعات مستخدمين وحالات استخدام مختلفة. سيكون هناك Agent يركز على أقصى درجات العمومية لخدمة المطورين والمستخدمين المحترفين؛ وسيكون هناك Agent متخصص في مجالات رأسية محددة، مثل القانون والطب والتمويل؛ وسيكون هناك أيضًا منصات Agent مثل CREAO تركز على الأتمتة الموجهة للمستهلكين. هذه الاتجاهات ليست علاقات تنافس، بل علاقات تكافل؛ فهي معًا تشكل نظامًا بيئيًا كاملاً لـ AI Agent. وفي هذا النظام البيئي، قد يكون المسار الاستهلاكي الذي تختاره CREAO هو الأكثر اتساعًا من ناحية قاعدة المستخدمين والأوسع من ناحية الإمكانات التجارية.

من “أقوى Agent” إلى “Agent لأكبر عدد من الناس”، هذا ليس مجرد تحول في تموضع المنتج، بل أيضًا إعادة تعريف لقيمة الذكاء الاصطناعي. لا ينبغي أن تتجلى قيمة الذكاء الاصطناعي فقط في قدرته على إنجاز المهام الأصعب، بل أيضًا في قدرته على مساعدة كم عدد الأشخاص في تحسين الكفاءة وحل المشاكل وتحسين الحياة. منتجات مثل CREAO تتيح لي رؤية احتمال أن يذهب الذكاء الاصطناعي إلى عامة الناس. عندما يمتلك كل شخص Agent مخصصًا به، ويقوم تلقائيًا بمعالجة تلك المهام المتكررة والمللّة والمضيعة للوقت في العمل اليومي، عندها يحقق الذكاء الاصطناعي مهمته حقًا—ليس لاستبدال البشر، بل لتحرير البشر من العمل الآلي، ليتمكنوا من القيام بأشياء أكثر إبداعًا وأعلى قيمة.