أثار تحديث جديد في أداة Codex CLI التابعة لـ OpenAI نقاشاً واسعاً في أوساط المطورين، بعدما بدا أنه ينقل جزءاً أكبر من قرار توزيع المهام بين الوكلاء إلى طبقة التشغيل نفسها، مع تقليص قدرة المستخدمين على رؤية التعليمات التي تنتقل بين الوكيل الرئيسي والوكلاء الفرعيين.
ويأتي هذا التغيير في وقت تتسارع فيه الشركات نحو اعتماد أنظمة الذكاء الاصطناعي متعددة الوكلاء داخل تطبيقات البرمجة والدعم والتحليل، وهي أنظمة تعتمد على تقسيم المهمة الواحدة إلى سلسلة من الأدوار المترابطة. لكن كلما زادت درجة الاستقلالية، زادت الحاجة أيضاً إلى الشفافية وإمكانية التتبع، وهنا تحديداً ظهرت الاعتراضات.
ما الذي تغيّر في Codex Multi-Agent V2
التحديث المرتبط ببروتوكول Multi-Agent V2 جعل مسار تبادل التعليمات أكثر تعقيداً وأقل وضوحاً للمستخدم النهائي. ووفق ما طرحه بعض المطورين في النقاشات التقنية، فإن التعليمات التي كانت تُعرض أو يمكن تتبعها بسهولة أصبحت تمر عبر قنوات تشغيلية داخلية، ما يقلل من إمكانية معرفة ما الذي طلبه الوكيل الأعلى مستوى من الوكلاء الآخرين بالضبط.
هذا التحول لا يعني بالضرورة أن النظام أصبح أقل أماناً، لكنه يغيّر طبيعة الوصول إلى المعلومات التشغيلية. ففي الإصدارات السابقة، كان بالإمكان أحياناً تتبع كيفية توزيع المهام ومراجعة الرسائل المتبادلة بين الطبقات المختلفة من الوكلاء. أما الآن، فالمشهد يبدو أكثر انغلاقاً، وهو ما اعتبره بعض المطورين تراجعاً في قابلية الفهم والمراجعة.
وأشار بعض المشاركين في المناقشات التقنية إلى أن العودة إلى النسخة السابقة من الأداة قد تعيد مستوى معيناً من الرؤية، لكن ذلك يُنظر إليه على أنه حل مؤقت لا يعالج المشكلة من جذورها.
بين الأمان والتدقيق: معضلة المؤسسات
يرى محللون أن هذه المعضلة تعكس صراعاً مألوفاً في أنظمة الذكاء الاصطناعي المؤسسية: كلما زادت الحماية والتشفير، تقل مساحة المراقبة البشرية المباشرة. وفي حالة الأنظمة متعددة الوكلاء، تصبح هذه المسألة أكثر حساسية لأن الأخطاء لا تحدث فقط في نموذج التوليد، بل قد تنشأ أيضاً أثناء تفويض المهمة أو تنسيقها أو تمريرها بين الوكلاء.
وبالنسبة لفرق التطوير، فإن غياب سجل واضح للتعليمات يجعل اكتشاف مصدر الخلل أكثر صعوبة. فإذا فشل النظام في إنجاز مهمة ما، قد يكون السبب في صياغة الطلب، أو في طريقة تقسيمه، أو في تفسير أحد الوكلاء للتعليمات. من دون سجل واضح، تصبح عملية تصحيح الأخطاء أبطأ وأكثر كلفة.
أما بالنسبة للمؤسسات، فالقضية تتجاوز مجرد سهولة التطوير. فالحكومات والشركات في القطاعات المنظمة، مثل البنوك والرعاية الصحية، تحتاج إلى إثبات ما الذي فعله النظام ولماذا فعله، خصوصاً إذا ترتب على ذلك وصول غير مقصود إلى بيانات حساسة أو اتخاذ قرار مؤثر على المستخدمين. وهنا تظهر قيمة سجلات التدقيق القابلة للقراءة البشرية.
الشفافية كمتطلب تشغيلي لا كميزة إضافية
يشير خبراء إلى أن سجلات تفاعل الوكلاء قد تتحول تدريجياً إلى عنصر أساسي يوازي سجلات التطبيقات التقليدية. ففي البنية الحديثة للبرمجيات، لم يعد يكفي أن يعمل النموذج بشكل جيد؛ بل يجب أيضاً أن يكون قابلاً للتفسير، وأن تُحفظ آثاره التشغيلية بطريقة تسمح بالمراجعة لاحقاً.
من هذا المنطلق، يرى بعض المتخصصين أن المؤسسات لن تكتفي اليوم بنظام آمن فحسب، بل ستطلب نظاماً آمناً وقابلاً للتدقيق في الوقت نفسه. أي إن الرسائل بين الوكلاء يجب أن تظل محمية أثناء النقل، لكن ينبغي أيضاً حفظ نسخة إجرائية مفهومة من المهمات الموكلة، بحيث يستطيع الفريق الفني ومسؤولو الامتثال فهم ما جرى من دون الحاجة إلى فك التشفير أو تتبع بنية معقدة من السجلات الداخلية.
وتزداد أهمية هذا الطلب مع دخول الذكاء الاصطناعي إلى بيئات تتطلب مساءلة عالية. فالمشكلة هنا ليست تقنية فقط، بل تنظيمية وقانونية أيضاً. فإذا لم يكن بالإمكان تحديد ما الذي تلقاه كل وكيل وما الذي نفذه، فقد تواجه المؤسسة صعوبة في التحقيق الداخلي أو إثبات الالتزام بالسياسات أو الدفاع عن قراراتها أمام الجهات الرقابية.
لماذا يطالب المطورون بمستوى أوضح من السجلات
التعامل مع الأنظمة متعددة الوكلاء يشبه إلى حد كبير العمل مع فريق كبير لا يتحدث أفراده جميعاً في قناة واحدة، بل يمررون المهام عبر طبقات متعددة من التنسيق. وفي هذا النوع من البيئات، تصبح الشفافية وسيلة إدارة وليست مجرد ترف تقني. فالمطور يحتاج إلى معرفة ما إذا كانت المشكلة في المنطق، أو في توزيع الأدوار، أو في البيانات التي وصلت إلى أحد الوكلاء.
كما أن فرق العمليات لا ترغب في نظام ينتج مخرجات دقيقة فقط، بل تريد كذلك نظاماً يمكن الوثوق به عند حدوث خطأ. وهذا يتطلب توازناً دقيقاً بين تشفير الرسائل الخاصة بالنموذج، وبين الاحتفاظ بمسار تدقيقي واضح يصف المهمة بلغة بشرية مفهومة.
وفي الممارسة العملية، قد يكون الحل في الفصل بين مسارين: مسار مشفر يضمن أمن الرسائل بين النماذج، ومسار آخر غير مشفر أو أقل حساسية يحتفظ بالنص التشغيلي للمهمة داخل سجلات المراجعة. بهذه الطريقة، يمكن الحفاظ على السرية من جهة، ومنح الفرق الفنية والرقابية أدوات الفهم من جهة أخرى.
تأثير محتمل على تبني الذكاء الاصطناعي في المهام الحساسة
إذا استمر الاتجاه نحو تقليل الرؤية التشغيلية من دون توفير بدائل واضحة للتدقيق، فقد يتباطأ نشر بعض الأنظمة الوكيلة في المهام الحرجة. فالمؤسسات لا تتبنى عادةً تقنيات الذكاء الاصطناعي في المجالات الحساسة فقط بناءً على الأداء، بل بناءً على القدرة على التفسير، والاستجابة للحوادث، وإثبات الامتثال.
وهذا يفسر سبب حساسية ردود الفعل على تحديثات من هذا النوع. فالمطورون لا يعترضون بالضرورة على التشفير أو على تحسينات الأمان، بل على غياب الأدوات التي تتيح لهم فهم السلوك التشغيلي للمنظومة. وفي حالة الذكاء الاصطناعي متعدد الوكلاء، قد يكون هذا الفهم هو الفاصل بين تبنٍ واسع داخل الشركات، أو بقاء التقنية في نطاق الاختبار والتجربة.
حتى الآن، لم تصدر إشارة واضحة إلى تغيير فوري في هذا المسار، لكن الجدل الذي أثاره التحديث يعكس اتجاهًا أوسع في الصناعة: الطلب المتزايد على ذكاء اصطناعي أكثر استقلالية، مقابل حاجة لا تقل أهمية إلى ذكاء اصطناعي أكثر شفافية ويمكن مساءلته.