سجل نموذج Fable 5 من شركة أنثروبيك أفضل أداء حتى الآن في اختبار يقيس قدرة أنظمة الذكاء الاصطناعي على تنفيذ مهام حرة حقيقية عن بُعد، بعدما حقق معدل أتمتة بلغ 16.1% على معيار مخصص لتقييم الأعمال التي يمكن أن تُعرض على مستقلين محترفين.
ورغم أن النسبة ما تزال بعيدة عن مستوى الاستبدال الكامل للإنسان، فإنها تمثل قفزة مهمة في سباق تطوير الوكلاء القادرين على التعامل مع ملفات عمل فعلية، وتسليم مخرجات قابلة للاستخدام في بيئة تجارية.
اختبار يقيّم العمل كما يراه العميل
النتيجة جاءت من اختبار طوره مركز سلامة الذكاء الاصطناعي لقياس مدى قدرة النماذج على إنجاز مشاريع اقتصادية حقيقية، مثل التصميم المدعوم بالحاسوب، وتحليل البيانات، وإنتاج الفيديو، وأعمال التصميم المرئي. الفكرة الأساسية في المعيار تقوم على محاكاة ما يحدث في سوق العمل الحر: يحصل النموذج على ملفات أولية ومعلومات تمهيدية، ثم يُطلب منه تسليم مخرجات تشبه ما ينتجه مستقل محترف.
بعد ذلك، يجري تقييم العمل بواسطة أشخاص يقارنون النتائج بمستوى احترافي متوقع من العميل. ويُحتسب معدل الأتمتة بناءً على المشاريع التي رأى المقيمون أن مخرجات الذكاء الاصطناعي فيها تساوي أو تتجاوز جودة العمل البشري.
هذا النوع من المقاييس مهم لأنه لا يختبر فقط قدرة النموذج على الإجابة أو الكتابة، بل يقيس أيضاً قدرته على تنفيذ سلسلة من الخطوات المرتبطة ببيئة العمل الفعلية، بما في ذلك فهم المطلوب، تشغيل الأدوات المناسبة، وإنتاج تسليم نهائي يصلح للاستخدام.
قفزة واضحة على المنافسين
في الاختبار نفسه، تفوق Fable 5 على نماذج حديثة أخرى من الفئة المتقدمة. فقد سجل Opus 4.8 من أنثروبيك نسبة 8.3%، بينما حقق GPT-5.5 نسبة 6.3%. ورغم اختلاف النتائج بين النماذج، فإن جميعها تجاوزت ما كان قد حققته النماذج السابقة في هذا المعيار.
ويشير الباحثون إلى أن المستوى الأعلى السابق كان أقل بكثير، ما يعني أن تطور وكلاء الذكاء الاصطناعي في المهام الاقتصادية الفعلية حدث بوتيرة أسرع من المتوقع. ووفقاً للمركز، فإن هذا المجال تضاعف أكثر من أربع مرات خلال أقل من ثمانية أشهر، وهي إشارة واضحة إلى تسارع قدرات الأتمتة في الأعمال الرقمية.
لكن الرقم القياسي لا يعني أن النموذج أصبح قادراً على إدارة عمل حر كامل من البداية إلى النهاية. فالنتيجة تمثل أداءً محدداً ضمن مجموعة اختبارات مقننة، وليس حكماً نهائياً على قدرة الذكاء الاصطناعي على أداء كل أشكال العمل المكتبي أو الإبداعي.
لماذا لا يعني ذلك نهاية دور المستقلين
رغم الارتفاع السريع في الأداء، لا يزال الطريق طويلاً قبل أن يصل الذكاء الاصطناعي إلى مستوى يمكنه من تعويض المستقلين البشر على نطاق واسع. فمعدل أتمتة عند 16.1% يعني أن أغلب المهام ما تزال خارج نطاق الإتقان العملي الكامل، كما أن كثيراً من الشركات لا تدمج هذه الأدوات بسهولة بسبب مخاوف تتعلق بالأمن والجودة والتكلفة.
كما أن استبدال مستقل واحد لا يقتصر على توليد نتيجة أولية فقط، بل يتطلب أيضاً منظومة تراجع العمل وتتحقق من الدقة وتنسق بين الزمن والميزانية والمراجعات. هذه الطبقات الإضافية تجعل الأتمتة أكثر تعقيداً من مجرد سؤال نموذج لغوي عن مهمة معينة.
وبعبارة أخرى، ما يفعله الذكاء الاصطناعي الآن هو توسيع نطاق الأعمال التي يمكنه المساعدة فيها، وليس إلغاء الحاجة إلى البشر بصورة شاملة. وفي العديد من السيناريوهات، يظل العامل البشري ضرورياً لضبط الجودة واتخاذ القرار النهائي.
مشكلة التقييم نفسه ما زالت تحدياً
أحد الجوانب اللافتة في الاختبار أن الباحثين حاولوا الاستعانة بنموذج لغوي ليحل محل المقيّم البشري، لكن التجربة لم تنجح. والسبب أن تقييم المخرجات ليس مهمة بسيطة؛ بل يحتاج إلى فتح الملفات في البرامج المناسبة، وفهم السياق المهني، والحكم على النتيجة وفقاً لما قد يرضى به العميل الحقيقي.
هذه الخطوة تكشف مفارقة مهمة في تطور الوكلاء الأذكياء: النماذج تتحسن بسرعة في إنتاج المحتوى أو تنفيذ أجزاء من المهمة، لكنها ما تزال أضعف في المهارات المرتبطة باستخدام الحاسوب كبيئة عمل متكاملة، وهو ما يبطئ انتقالها من أداة مساعدة إلى بديل شبه كامل.
ومع ذلك، فإن التقدم المستمر في هذه الجوانب قد يغير المعادلة في المستقبل. فإذا تحسنت قدرات استخدام التطبيقات والتعامل مع الملفات والانتقال بين المهام بشكل موثوق، فقد تصبح بعض الأعمال الحرة أكثر عرضة للأتمتة مما هي عليه اليوم.
أعمال تتأثر أسرع من غيرها
لا تتقدم كل أنواع المهام بالوتيرة نفسها أمام الذكاء الاصطناعي. فبعض الأعمال التي تستغرق وقتاً طويلاً من البشر، مثل التصميم الرقمي أو بعض مهام البرمجة، يمكن إنجازها خلال دقائق بواسطة النماذج الحالية. في المقابل، توجد أعمال قصيرة على الورق لكنها ما تزال صعبة على الأنظمة الآلية، مثل نسخ الموسيقى بدقة أو اختبار الألعاب التفاعلية في الزمن الحقيقي.
هذا التفاوت يعني أن أثر الذكاء الاصطناعي على سوق العمل الحر لن يكون متساوياً. بعض التخصصات ستشعر بالضغط مبكراً، بينما ستبقى تخصصات أخرى أكثر مقاومة بسبب اعتمادها على حكم بشري دقيق، أو تفاعل لحظي، أو فهم سياقي لا تزال النماذج تتعثر فيه.
وبينما تتسارع التطورات في النماذج المتقدمة، تبدو الرسالة الأساسية من هذا الاختبار واضحة: الذكاء الاصطناعي يقترب أكثر من المهام الاقتصادية الواقعية، لكنه لم يتجاوز بعد العتبة التي تجعله بديلاً جاهزاً عن العامل البشري في العمل الحر.
الرقم القياسي الجديد مهم لأنه يكشف اتجاه السوق لا نهايته. فكل تحسن إضافي في قدرات الوكلاء سيعني أدوات أقوى للمستخدمين والشركات، لكنه سيعني أيضاً إعادة تقييم مستمرة لدور الإنسان في الأعمال التي تعتمد على المهارة الرقمية، والتسليم السريع، وضمان الجودة.