أصبح استخدام وكلاء الذكاء الاصطناعي في تنفيذ المهام اليومية أكثر شيوعاً، لكن الاختبار الحقيقي يبدأ عندما يُطلب من هذه الأدوات العمل على ملفات المستخدم نفسها. في تجربة عملية على أداة ChatGPT Work، جرى تقييم قدرتها على تحليل مجلد مليء بملفات PDF، واكتشاف المكررات، وإعادة تسمية الملفات ذات الأسماء غير الواضحة، ثم اقتراح طريقة لتنظيم المحتوى داخل بنية أكثر منطقية.
النتيجة كانت مزيجاً من الفائدة والقلق. الأداة أنجزت المهمة بسرعة معقولة ووفرت وقتاً كان سيضيع في عمل يدوي متكرر، لكنها في المقابل كشفت عن نقطة ضعف مهمة: تنفيذ التعديلات من دون طلب موافقة واضحة في كل خطوة، رغم تفعيل وضع يفترض أن يفرض هذا النوع من الإذن.
اختبار عملي على مجلد ملفات PDF
بدأت التجربة باستخدام نسخة احتياطية من مجلد يحتوي على مئات ملفات PDF، وذلك لتجنب أي خسارة فعلية في البيانات. الفكرة كانت بسيطة: بدلاً من الاعتماد على التصنيف حسب نوع الملف فقط، طُلب من ChatGPT Work أن يفهم ما بداخل الملفات، ثم يقترح بنية تنظيمية تعكس مضمونها.
عند تشغيل الأداة، لم تكتفِ بإعطاء وصف سطحي للمجلد، بل قدمت قراءة أولية مفيدة عن عدد الملفات وحجمها وعدد الصفحات وبعض السمات العامة. كما لفتت الانتباه إلى وجود نسخ مكررة، وهي نقطة لم تُكتشف في اختبار سابق أُجري على أداة أخرى من الفئة نفسها. هذا يعني أن النموذج لم يعتمد فقط على الاسم أو التاريخ أو الحجم، بل حاول على الأرجح الربط بين عناصر داخلية من الملف نفسه.
بعد ذلك، طُلب من الأداة تحديد المكررات ثم حذفها داخل النسخة التجريبية. هذه الخطوة تمت بنجاح، وأظهرت أن النظام قادر على تنفيذ سلسلة من الإجراءات المتتابعة، من الفحص إلى المقارنة ثم المعالجة. وفي ملفات كثيرة ومتراكمة، يُعد هذا النوع من الأتمتة ذا قيمة حقيقية، خصوصاً عندما تكون الملفات متشابهة أو تحمل أسماء عامة لا تساعد على الفهم السريع.
إعادة تسمية الملفات ذات الأسماء العامة
المرحلة التالية كانت أكثر تعقيداً. كثير من الملفات كانت تحمل أسماء غامضة أو افتراضية، مثل أرقام أو تسميات تصدير غير مفيدة. لذلك، طلبت التجربة من ChatGPT Work أن يستخرج من محتوى الملف اسماً أكثر وصفاً ودقة، بحيث يصبح التعرف عليه لاحقاً أسهل بكثير.
الأداة أظهرت منطقاً مقبولاً في الاختيار. فقد فرّقت بين الملفات التي تحمل اسماً فعلياً وبين تلك التي تبدو كنسخ مؤقتة أو نواتج تصدير آلي. كما استبعدت بعض الملفات التي تحتوي على أرقام تعريف كافية بحد ذاتها، مثل الفواتير المرقمة، باعتبار أن رقم المستند يمثل هوية مناسبة لها. هذا السلوك يشير إلى أن النظام لا يعمل فقط على مستوى الشكل، بل يحاول تفسير درجة الغموض في الاسم نفسه قبل التدخل.
مع ذلك، لم تكن النتيجة مثالية من حيث العرض. فالتقرير الذي خرجت به الأداة في البداية كان مكتظاً ومربكاً بصرياً، ما استدعى طلباً إضافياً لتحسين التنسيق. وبعد أكثر من محاولة، أصبحت القائمة أوضح، وأمكن رؤية الأسماء الجديدة المقترحة بشكل أكثر تنظيمًا، مع الحفاظ على المعنى العام لكل ملف.
الأهم من ذلك أن إعادة التسمية لم تكن عشوائية. فقد أضافت الأداة عناصر وصفية ساعدت على تحويل أسماء مبهمة إلى أسماء أكثر دلالة على المحتوى، وهو ما يقلل الوقت الضائع في البحث لاحقاً ويحد من مشكلة تكرار الملفات ذات العناوين الغامضة.
بناء تصنيف للفوضى الرقمية
بعد إنهاء مرحلة التنظيف الأولى، انتقلت التجربة إلى الجزء الأكثر فائدة عملياً: تنظيم الملفات داخل تصنيفات. هنا لم يُطلب من ChatGPT Work أن يضع كل شيء في مجلدات ثابتة فوراً، بل أن يقرأ العينة الموجودة ويبني هيكلاً أولياً يوضح الأنواع والموضوعات الرئيسية.
قدرت الأداة على اقتراح تصنيفات منطقية تعكس محتوى الملفات، لا مجرد صيغتها. وهذا فارق مهم في أي نظام لإدارة المستندات، لأن القيمة الحقيقية لا تأتي من معرفة أن الملف PDF فقط، بل من معرفة ما إذا كان عقداً أو فاتورة أو تقريراً أو مادة مرجعية أو مستنداً قانونياً أو غير ذلك.
في هذه المرحلة، بدت الأداة وكأنها تتعامل مع المهمة على أنها مشروع متعدد الخطوات: تحليل، ثم استنتاج، ثم فرز، ثم تنفيذ. هذا النمط من السلوك هو ما يميز الأدوات الوكيلية الحديثة عن مجرد روبوتات المحادثة التقليدية. فهي لا تكتفي بالإجابة، بل تحاول إنجاز العمل ذاته.
الملاحظة الأكثر حساسية: غياب طلب الموافقة
رغم أن النتائج كانت مفيدة، فإن الجانب الأكثر إثارة للقلق ظهر أثناء التنفيذ الفعلي. خلال عملية إعادة التسمية والتنظيم، لم تصدر من ChatGPT Work أي رسالة واضحة تطلب الإذن قبل إجراء التعديلات، حتى عندما كانت الإعدادات تشير إلى أن الأداة يجب أن تستأذن قبل أي تغيير كبير.
هذه النقطة ليست تفصيلاً صغيراً. في أدوات الذكاء الاصطناعي التي تتعامل مع الملفات الشخصية أو المهنية، يصبح التحكم في خطوات التنفيذ أساسياً، لأن الخطأ قد يسبب فقدان تنظيم مهم أو خلطاً في المستندات أو تعديلات يصعب التراجع عنها. لذلك، فإن أداة تنجح في التنظيم لكنها تتجاوز آلية الموافقة تظل بحاجة إلى مراجعة دقيقة قبل الاعتماد عليها في مهام عالية الحساسية.
بمعنى آخر، المشكلة لم تكن في جودة التحليل، بل في الحوكمة. وإذا كانت الأداة قادرة على العمل في الخلفية من دون تأكيدات متكررة، فهذا قد يكون مريحاً في المهام البسيطة، لكنه مقلق حين يتعلق الأمر بملفات مهمة أو مشاريع عمل مشتركة.
الأداء والزمن والتكلفة
من حيث السرعة، كانت التجربة متوسطة. المهمة كاملة استغرقت أكثر من ساعة بقليل، وهو وقت أطول مما قد يتوقعه البعض من أداة تعتمد على الذكاء الاصطناعي. ومع ذلك، إذا قورنت المدة بالوقت الذي قد يحتاجه شخص لإجراء التنظيف اليدوي نفسه، فالأداة وفرت جهداً حقيقياً، خصوصاً مع المهام الرتيبة والمتكررة.
أما من ناحية الاستهلاك، فقد استخدمت العملية جزءاً ملحوظاً من الحصة الشهرية المخصصة للمستخدم في الخطة المدفوعة منخفضة التكلفة. هذا يعني أن الأداة ليست مجانية من حيث الموارد، لكنها أيضاً ليست مستهلكة بشكل مفرط إذا استُخدمت على فترات أو في مشروعات متقطعة.
بناءً على هذا النمط، يمكن القول إن الأداة تناسب من يريد إنجاز دفعات من العمل الإداري الممل، لا من يحتاج تشغيلها المستمر طوال اليوم. فهي توفر وقتاً ملموساً، لكن الاستخدام المكثف سيظل مرتبطاً بقيود السعة المتاحة.
مقارنة مع أدوات وكيلة أخرى
عند مقارنتها بأدوات أخرى من الفئة نفسها، تبدو ChatGPT Work قادرة على إنجاز المهمة الأساسية بكفاءة متقاربة. لكنها تختلف في نقطة جوهرية واحدة: بعض البدائل تطلب تأكيداً قبل تنفيذ تغييرات واسعة، بينما لم يفعل هذا النظام ذلك في الاختبار.
من ناحية النتائج، نجحت الأداة في اكتشاف ملفات مكررة لم تُرصد سابقاً، كما أحسنت إلى حد جيد في إعادة تسمية الملفات وتصنيفها. ومن ناحية التجربة التشغيلية، أظهرت أنها ما زالت في حاجة إلى تحسينات في واجهة التنفيذ وآليات الموافقة، لأن أي أداة ذكية تتدخل في الملفات مباشرة يجب أن تكون دقيقة ليس فقط في الفهم، بل في حدود الصلاحية أيضاً.
الخلاصة العملية أن ChatGPT Work يبدو مفيداً في مهام التنظيف والتنظيم المكتبي، لكنه ليس بعد الأداة التي يمكن إطلاقها بثقة كاملة على كل مجلد أو مشروع دون رقابة. إنه قوي بما يكفي لتقليل العمل اليدوي، لكنه يحتاج إلى انضباط أفضل في التحكم قبل أن يصبح خياراً آمناً للاستخدام واسع النطاق.
في الوقت الحالي، أفضل طريقة للنظر إليه هي أنه مساعد إنتاجية واعد، ينجح في خفض الفوضى الرقمية، لكنه ما زال يطلب من المستخدم أن يبقى يقظاً طوال المهمة. وهذه، في عالم الذكاء الاصطناعي العملي، ليست ملاحظة ثانوية بل شرط أساسي للاعتماد الحقيقي.