أعلنت شركة Sakana AI اليابانية الناشئة إطلاق أول منتج تجاري لها، وهو وكيل بحثي مؤسسي يحمل اسم Marlin، صُمم ليؤدي دور «مدير استراتيجيات افتراضي» للشركات والمؤسسات التي تحتاج إلى أبحاث عميقة لا تكتفي بإجابة سريعة أو ملخص سطحي.
ويختلف Marlin عن كثير من أدوات الذكاء الاصطناعي الشائعة لأنه لا يركز على سرعة توليد النصوص بقدر ما يركز على القدرة على التفكير المتدرج على مدى طويل. وبدلاً من الاستجابة الفورية، يمكن للنظام أن يعمل بصورة مستقلة لساعات، جامعاً المعلومات ومراجعاً المصادر ومختبراً الفرضيات قبل إخراج تقرير نهائي منظم.
تحول من المحادثة السريعة إلى البحث الطويل
خلال العامين الماضيين، ارتبطت موجة الذكاء الاصطناعي التوليدي بالاستجابة الفورية وإنتاج النصوص في ثوانٍ. لكن احتياجات الشركات الكبيرة مختلفة؛ فهي لا تبحث دائماً عن صياغة سريعة، بل عن تحليل موثوق يربط بين الأسواق والمنافسين والتنظيمات والسيناريوهات المحتملة.
هنا يقدّم Marlin نفسه كأداة موجهة لهذه الفجوة. النظام يطوّر مسار البحث تدريجياً، ويستمر في الاستكشاف والتدقيق لفترة قد تصل إلى ثماني ساعات، بهدف إنتاج تقارير استراتيجية طويلة قد تبلغ 100 صفحة، إلى جانب شرائح عرض تنفيذية ومراجع مفصلة.
وتقول الشركة إن المنتج متاح فوراً عبر موقعها الإلكتروني، مع نموذج تسعير يبدأ من الدفع حسب الاستخدام، على أن يظل موجهاً حصرياً لبيئات الأعمال، مثل الشركات الكبرى والمؤسسات المالية ومراكز الأبحاث.
كيف يعمل Marlin داخل بيئة العمل
تقوم فكرة Marlin على تقليل تدخل المستخدم إلى الحد الأدنى. فبدلاً من سلسلة مطولة من الأوامر المتكررة، يحدد المستخدم موضوع البحث الأساسي، ثم يجري النظام تفاعلاً أولياً سريعاً لتضييق نطاق المهمة وتوضيح اتجاهها، وبعد ذلك يتولى العمل ذاتياً.
من تلك النقطة، يتصرف Marlin كفريق بحث صغير يعمل داخل النظام نفسه. فهو يقترح فرضيات، يجمع البيانات من الويب، يوازن بين المصادر المختلفة، ويراجع التناقضات قبل الوصول إلى خلاصة شاملة. والنتيجة النهائية ليست فقرة أو ملخصاً عادياً، بل حزمة عمل كاملة تتضمن ملخصاً تنفيذياً وملاحق ومصادر واضحة.
وتوضح Sakana AI أن حالات الاستخدام المستهدفة تشمل موضوعات معقدة مثل تحليل سيناريوهات جيوسياسية، أو تقييم خرائط تنظيم الذكاء الاصطناعي عالمياً، أو دراسة اتجاهات اقتصادية كلية تتطلب استيعاباً عميقاً للعوامل المتداخلة.
محرك يعتمد على البحث التفرعي والاستدلال المتعدد النماذج
يرتكز Marlin تقنياً على أبحاث سابقة أجرتها Sakana AI في مجال الاستدلال أثناء وقت التشغيل، وهو نهج يخصص موارد حوسبية إضافية أثناء التفكير نفسه، بدلاً من الاكتفاء بنتيجة أولية سريعة.
وتقول الشركة إن المنصة تعتمد على محرك استكشاف مبني على Adaptive Branching Monte Carlo Tree Search، وهو أسلوب شبيه بما تفعله محركات الشطرنج عندما تستعرض عدداً كبيراً من الاحتمالات قبل اختيار الحركة الأفضل. الفارق هنا أن النظام لا يبحث عن نقلة، بل عن أفضل مسار بحثي وتفسيري يفضي إلى تقرير أكثر موثوقية.
هذا الأسلوب يتيح للنظام أن يتوسع أفقياً عندما تصبح الفرضية الحالية غير كافية، أو أن يتعمق عمودياً عندما يظهر مسار واعد يحتاج إلى مزيد من التحقق. وبهذه الطريقة، تتحول عملية إعداد التقرير إلى شجرة قرارات تتفرع وتتعمق وفق إشارات التقييم الداخلية والخارجية.
كما تعتمد المنصة على أكثر من نموذج لغوي، من خلال ما تصفه الشركة بنهج «متعدد النماذج»، حيث يمكن إسناد بعض المهام إلى نموذج لطرح الأفكار الأولية، بينما يتولى نموذج آخر أكثر قوة في الاستدلال مهمة المراجعة والتدقيق وتصحيح الأخطاء.
لماذا تستهدف الشركات والمؤسسات لا المستخدم العادي
اختيار Sakana AI لإطلاق Marlin ضمن فئة الأعمال لم يكن تفصيلاً تسويقياً، بل جزءاً من طبيعة المنتج نفسه. فالتقارير الاستراتيجية والبحوث الحساسة لا تحتاج فقط إلى ذكاء اصطناعي قادر على الكتابة، بل إلى ضوابط تتعلق بالخصوصية وحوكمة البيانات وجودة المخرجات.
وتؤكد الشركة أن بيانات العملاء لا تُستخدم لتدريب النماذج أو تحسينها تلقائياً، سواء من قبل Sakana AI أو من قبل مزودي الخدمات الخارجيين المرتبطين بها، ما لم يقدّم العميل موافقة صريحة على ذلك. وحتى في حال الموافقة، تخضع البيانات لمعالجة إضافية تهدف إلى تقليل المعلومات الشخصية القابلة للتحديد.
هذا البعد مهم بالنسبة للمؤسسات التي تتعامل مع صفقات اندماج واستحواذ، أو استراتيجيات منتجات غير معلنة، أو تحليلات سوقية داخلية لا يمكن أن تُدار بمنطق أدوات الاستهلاك العام.
هيكل التسعير يعكس طبيعة الاستخدام المؤسسي
طرحت الشركة Marlin بعدة مستويات سعرية تعكس أنه منتج موجه إلى الفرق المهنية لا الأفراد. وتشمل الباقة حسب الاستخدام، حيث تُشترى أرصدة عند الحاجة، مع تكلفة محددة لكل تشغيل. كما توجد باقات شهرية لفِرق العمل، ثم فئة مؤسسية بتسعير مخصص ودعم موجه.
هذا التدرج في التسعير يوضح أن النظام ليس أداة إجابة فورية تُستخدم بشكل عابر، بل خدمة إنتاجية يُفترض أن تدخل ضمن دورة البحث والتحليل داخل المؤسسات. ومع ارتفاع قيمة الوقت في عالم الأعمال، قد تصبح قدرة النظام على إنجاز تقرير شامل خلال يوم واحد ميزة تشغيلية حقيقية إذا أثبتت المخرجات جودتها.
من مختبر الأبحاث إلى منتج تجاري
تأسست Sakana AI في طوكيو عام 2023 على يد Llion Jones، أحد المشاركين في تأليف الورقة البحثية الشهيرة التي أسست لثورة المحولات في الذكاء الاصطناعي، إلى جانب David Ha، الباحث السابق في Google Brain ورئيس الأبحاث السابق في Stability AI. ومنذ بدايتها، بنت الشركة هويتها على أفكار مستوحاة من الطبيعة والأنظمة الجماعية، بدلاً من الرهان على نموذج ضخم واحد يفعل كل شيء.
وتسعى Sakana إلى تطوير أنظمة تعتمد على التعاون بين نماذج متعددة، بما يشبه أسراب الأسماك أو مستعمرات النمل، حيث تؤدي المكونات المتخصصة أدواراً مختلفة ثم تتكامل لإنتاج نتيجة أقوى وأكثر مرونة. هذه الفلسفة البحثية ظهرت في مشاريع متعددة للشركة، من بينها أنظمة حققت نتائج لافتة في مسابقات برمجية معقدة، وأخرى صُممت لتنسيق عمل النماذج الكبيرة بكفاءة أعلى.
كما عززت الشركة مكانتها المالية بعدما حصلت على تمويل كبير رفع تقييمها إلى ما يزيد على 2.6 مليار دولار، مع قائمة من المستثمرين تضم صناديق مغامرة ومؤسسات تكنولوجية ومالية كبرى. ويعكس ذلك اهتمام السوق المتزايد بالأدوات القادرة على تحويل الذكاء الاصطناعي من مجرد واجهة محادثة إلى بنية تحتية للقرارات المؤسسية.
ما الذي يعنيه هذا الإطلاق لسوق الذكاء الاصطناعي
إطلاق Marlin يسلط الضوء على مرحلة جديدة في تطور الذكاء الاصطناعي التجاري. فالمنافسة لم تعد مقتصرة على من ينتج النص بسرعة أو يجيب عن الأسئلة العامة بكفاءة، بل باتت تشمل من يستطيع إدارة بحث طويل، والربط بين البيانات المتناثرة، واستخراج خلاصة قابلة للاستخدام التنفيذي.
هذه النقلة مهمة لأن كثيراً من القرارات في الشركات لا تُبنى على معلومة واحدة، بل على عملية تراكمية من التحقق والتحليل والمقارنة. وإذا نجحت هذه الفئة من الوكلاء الأذكياء في إثبات موثوقيتها، فقد تتحول إلى طبقة جديدة من أدوات العمل المعرفي داخل المؤسسات.
في المحصلة، يدخل Marlin السوق بوصفه محاولة واضحة لإعادة تعريف ما يمكن أن يفعله الذكاء الاصطناعي للشركات: ليس فقط أن يكتب، بل أن يبحث ويفكر ويفصل في البدائل لفترة طويلة قبل أن يسلّم النتيجة النهائية.