يصف الذكاء الاصطناعي الوكيلي برمجياتٍ تسعى إلى تحقيق هدف بمفردها بدلًا من الاكتفاء بالاستجابة لتعليمة واحدة في كل مرة. وفي خدمة العملاء، يعني ذلك أن وكيل الذكاء الاصطناعي يفهم ما يريده العميل، ويحدد الخطوات اللازمة للوصول إليه، ويستدعي الأنظمة التي تملك الإجابة أو تستطيع تنفيذ الإجراء، ثم يتحقق من نجاح النتيجة فعلًا، دون أن يوجّه شخصٌ كل خطوة. والسؤال الحقيقي عند المقارنة بين المزوّدين ليس «هل يستخدم الذكاء الاصطناعي؟»، بل هل تكتفي البرمجيات بنقل العمل من مكان إلى آخر أم تنجزه فعلًا.
تعمل جميع فرق الخدمة تقريبًا على شيء من هذا القبيل الآن، لكن قلةً منها تستطيع أن تحدد بدقة ما تعنيه هذه الفئة.
تتوقع Gartner إلغاء أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلي بحلول نهاية 2027 بسبب ارتفاع التكاليف وغموض العائد وضعف ضوابط المخاطر (بيان صحفي من Gartner، 25 يونيو 2025). وخلص البحث نفسه إلى أن نحو 130 فقط من بين آلاف المزوّدين الذين يصفون أنفسهم بأنهم «وكيليون» يستوفون التعريف فعلًا، وتسمي Gartner هذه الظاهرة agent washing. أما على جانب المشترين، فقد وجدت McKinsey أن نحو 80% من الشركات طرحت الذكاء الاصطناعي التوليدي، لكن النسبة نفسها تقريبًا لا ترى أثرًا حقيقيًا على الأرباح (McKinsey، Seizing the agentic AI advantage، 13 يونيو 202 5).
إذن فالذكاء الاصطناعي الوكيلي يحقق نتائج في مكانٍ ما بوضوح، إذ تشير إحدى التوقعات إلى أنه سيحل 80% من مشكلات الخدمة الشائعة بشكل مستقل بحلول 2029 (Gartner، 5 مارس 2025). ما تحتاجون إليه هو طريقة للتمييز بين الأنظمة التي ستبلغ ذلك فعلًا وتلك التي ستقضي 18 شهرًا في توجيه التذاكر بأناقة أكبر من ذي قبل.
مكوّنات النظام الوكيلي
ستة مكونات. يتفوق معظم المزوّدين في اثنين منها ويبقون غامضين بشأن البقية.
- الإدراك. قراءة الطلب واستخلاص ما يطلبه فعلًا، عبر النص والصوت والصور.
- الاستدلال والتخطيط. تقسيم الهدف إلى خطوات وتحديد ترتيبها. وهذا ما يميّز الوكيل عن السيناريو المُعدّ مسبقًا.
- الذاكرة. ذاكرة قصيرة المدى ليعرف موقعه أثناء تنفيذ المهمة، وذاكرة طويلة المدى ليعرف مع من يتحدث وما حدث في المرة السابقة.
- طبقة الأدوات والإجراءات. الاتصالات الفعلية بأنظمتكم: استرجاع طلب، أو إصدار رصيد دائن، أو تعديل اشتراك. وبدونها، لا يستطيع النظام سوى وصف عملية الاسترداد لا تنفيذها.
- التنسيق. تنسيق عدة وكلاء أو خطوات وتمرير السياق بينها. وقد بدأت المعايير تترسخ في هذا المجال (Model Context Protocol للوصول إلى الأدوات، وبروتوكولات التواصل بين الوكلاء للتنسيق).
- الضوابط والتصعيد. معرفة ما لا ينبغي فعله، ومعرفة متى يتوقف ويحيل الأمر إلى شخص مع إرفاق السياق كاملًا.
تعمل هذه المكونات في حلقة لا في خط مستقيم: إدراك، فتخطيط، فتنفيذ، فتحقق، فتعديل. أما التدفق المبرمج مسبقًا فيُنفَّذ مرة واحدة، فإما أن ينجح أو يتعطل.
ما يُخلط بينه وبين الذكاء الاصطناعي الوكيلي
أربع فئات أخرى تحمل وصف «وكيلي» في عروض المزوّدين. جميعها تؤدي عملًا حقيقيًا، لكن أيًّا منها لا يحل شيئًا فعليًا.
أنواع مختلفة من الذكاء الاصطناعي تفيد في سيناريوهات مختلفة لخدمة العملاء.
ملاحظة سريعة حول المصطلحات: يطلق القطاع عادةً على الصف الأول اسم «روبوتات الدردشة». أما هذا المقال فيسميها الروبوتات القائمة على القواعد، لأن الفرق الحقيقي يكمن في البنية لا في التسمية.
التنسيق ليس حلًّا
هنا يكمن معظم الالتباس، فلنكن صريحين.
حالات الاستخدام الوكيلية الأكثر شيوعًا في بيئات الإنتاج، كالتوجيه والفرز ومعالجة التصعيد وتنسيق سير العمل والتخصيص، كلها عمل حقيقي، لكن أيًّا منها لا يحل شيئًا. فالنظام الذي يقرأ التذكرة ويصنفها بدقة ويستحضر سياق الحساب المناسب ويوجهها إلى قائمة الانتظار الصحيحة قد أنجز أمرًا مفيدًا حقًا، لكنه لم يحل مشكلة العميل. التنسيق يسرّع عملياتكم الحالية، أما الحل فيرفع العمل عن كاهلكم فعلًا.
وهنا أيضًا تصبح لغة القياس مراوغة. فثمة ثلاثة مصطلحات تُستخدم بالتبادل رغم أنها لا ينبغي أن تُستخدم كذلك:
- معدل التحويل (Deflection rate). نسبة طلبات التواصل التي تُعالج دون تدخل شخص. ومن السهل تضخيمه، لأن العملاء الذين استسلموا ببساطة أو علقوا في حلقة مفرغة يظهرون في السجل كأنهم حالات نجاح.
- معدل الاحتواء (Containment rate). نسبة المحادثات التي بقيت ضمن القناة المؤتمتة. ولا يكشف شيئًا عما إذا كانت المشكلة قد حُلّت.
- معدل الحل (Resolution rate). ما إذا كانت المشكلة قد سُوّيت فعلًا، ويتأكد ذلك بعدم تواصل العميل مجددًا خلال 24–48 ساعة، أو بسؤاله مباشرة.
الرقم الثالث وحده يعكس نتيجة فعلية للعميل. وإذا قدّم لكم مزوّد رقمًا دون أن يحدد أيًّا من الثلاثة يقصد، فهذا أول ما ينبغي السؤال عنه.
كيف يبدو الحل حين ينجح
يهم الوضع المحدد أكثر من الرقم الرئيسي، لأن اعتراض كل قائد خدمة هو «بيئتنا أكثر تعقيدًا من دراسة الحالة هذه». لذا إليكم القيد الذي كانت كل فرقة من هذه الفرق تعمل في ظله فعلًا:
تدير K1x سير عمل للمستندات الضريبية والقانونية بفريق دعم صغير ودون أي رغبة في مشروع تقنية معلومات طويل. وقد أُضيف النظام فوق ما كان لديهم بدلًا من استبداله، وهذا ما أتاح الطرح السريع، إذ بلغوا 80% من الحل الذاتي في أسبوعهم الأول بعد الإطلاق.
تبيع Clio برمجيات لإدارة الممارسات القانونية لقاعدة عملاء عالمية، ولم تكتفِ بكلام أحد. فقد قيّمت 32 مزوّدًا وأجرت اختبارًا مباشرًا لأكثر من 10 منهم قبل اختيار أحدهم. النتيجة: 80% من الحل الذاتي ودعم مباشر أسرع بـ 4 أضعاف.
Rho، شركة تقنية مالية، كان حجم التواصل لديها يرتفع دون إضافة موظفين. وكان الهدف ببساطة مواكبة الطلب دون أن تتراجع التجربة، فحافظت على CSAT بنسبة 95% مع معالجة زيادة بنسبة 12% في طلبات التواصل الشهرية بالحجم نفسه للفريق.
تعمل شركة ألعاب مدرجة ضمن Fortune 500 في قطاع خاضع للتنظيم، بحجم طلبات يرتفع بحدة حول الفعاليات. يبلغ الحجم المعتاد أكثر من 330,000 تفاعل شهريًا بنسبة حل 80%، وفي أحد أيام الذروة حل النظام 13,000 تفاعل.
مستوى الاستقلالية الذي تشترونه فعلًا
بدأت أطر مستويات الاستقلالية تتبلور. فقد أصدرت Cloud Security Alliance نموذجًا من 6 مستويات في يناير 2026، وتتفق معظم النسخ الأخرى على الشكل العام وإن اختلفت التسميات.
عمليًا، تقع معظم عمليات النشر المؤسسية عند مستوى الاستقلالية المشروطة، إذ يتولى النظام المهمة كاملة ضمن حدود محددة ويصعّد كل ما يقع خارجها. وإذا ادّعى مزوّد أكثر من ذلك، فهو يصف خارطة طريق لا منتجًا.
ويوضح مثال الاسترداد ذلك: عند الاستقلالية المشروطة، يقرأ النظام الطلب، ويطابقه مع السياسة، ويتحقق من الأهلية وفق بيانات الطلب، ويصدر الرصيد إذا كان ضمن الحد المسموح، ويحيله إلى شخص مع السياق كاملًا إذا لم يكن كذلك. أنتم من يحدد هذا الحد، وهذا الإعداد، لا النموذج الأساسي، هو ما يحدد فعلًا مقدار ما ينجزه النظام.
5 أسئلة تميّز بين الفئتين
- ما الذي يفعله النظام فعلًا، لا ما يقوله فحسب؟ اطلبوا القائمة المحددة للإجراءات التي يمكنه تنفيذها في أنظمتكم. إذا كانت الإجابة كلها تدور حول الرد على الأسئلة، فهو يُنسّق ولا يحل.
- كيف يُعرَّف الحل ويُتحقق منه: بالتحويل، أم الاحتواء، أم الحل المؤكد، وعلى أي نطاق زمني؟
- ماذا يحدث عندما تكون الثقة منخفضة؟ النظام الذي لا يملك مسار تصعيد حقيقيًا يخمّن فحسب.
- ما الذي يتطلبه الإعداد فعلًا من فريقكم؟ أسابيع من عمل مهندس حلول لدى المزوّد طلب مختلف تمامًا عن أسابيع من وقت مهندسيكم.
- أي العملاء المعروفين بالاسم في قطاعكم، وبحجم أعمالكم، مستعدون فعلًا للتحدث إليكم؟ مكالمة مرجعية واحدة في بيئة مماثلة تخبركم أكثر من أي إحصاءات معيارية.
الأسئلة الشائعة
ما الذكاء الاصطناعي الوكيلي في خدمة العملاء؟
برمجيات تسعى إلى تحقيق هدف خدمي بمفردها: تقرأ الطلب، وتخطط للخطوات، وتنفذ الإجراءات على الأنظمة التي تحتفظ بالبيانات، وتتأكد من النتيجة دون أن يوجّه أحدٌ كل خطوة. السمة الأساسية: أنها تنجز المهمة بدلًا من مجرد توجيهها.
ما الفرق بين الذكاء الاصطناعي الوكيلي وروبوت الدردشة؟
يطابق الروبوت القائم على القواعد المدخلات مع إجابات مُعدّة مسبقًا ويحيل كل ما هو غير مألوف إلى موظف. أما النظام الوكيلي فيستدل على الطلب غير المألوف، ويحدد الخطوات التي تعالجه، وينفذها على الأنظمة الحية. الأول يصرف الطلب؛ والثاني يحله.
هل الذكاء الاصطناعي الوكيلي هو نفسه الذكاء الاصطناعي التوليدي؟
لا. فالذكاء الاصطناعي التوليدي ينتج نصًا استجابةً لموجّه فحسب. أما الذكاء الاصطناعي الوكيلي فيستخدم النموذج التوليدي جزءًا من نظام أكبر يخطط ويتذكر وينفذ أيضًا. وشراء ذكاء اصطناعي توليدي مع توقع نتائج وكيلية خطأ شائع.
هل يستطيع وكيل الذكاء الاصطناعي إصدار استرداد أو تعديل طلب؟
نعم، إذا كان متصلًا بالأنظمة التي تنفذ هذه الإجراءات ومسموحًا له بذلك ضمن حدود محددة. وتضع معظم الشركات حدًا معينًا وتحيل كل ما يتجاوزه إلى موظف.
ما معدل الحل الجيد للذكاء الاصطناعي في خدمة العملاء؟
يتوقف ذلك على القناة ومدى التعقيد وطريقة القياس. تتراوح الأرقام الفعلية في بيئات الإنتاج بين نحو 50% و93%. اسألوا أي مزوّد بدقة كيف يعرّف رقمه ويتحقق منه قبل مقارنته بأرقام غيره.
هل سيحل الذكاء الاصطناعي الوكيلي محل الموظفين البشريين؟
تعمل أنظمة اليوم عند مستوى الاستقلالية المشروطة، فتتولى العمل المحدد وتصعّد الباقي. وحتى الآن، يتمثل النمط في زيادة الطاقة الاستيعابية: الفريق نفسه يعالج حجمًا أكبر، ويخصص وقتًا أطول للمهام التي تتطلب حكمًا بشريًا فعلًا.
هل يتوافق الذكاء الاصطناعي الوكيلي مع PCI DSS وHIPAA؟
الامتثال تحدده المنصة لا الفئة. اطلبوا الشهادات المحددة، وما إذا كانت تشمل القنوات الصوتية، وكيف تُعالج البيانات الشخصية في الوقت الفعلي.
لماذا تفشل مشاريع الذكاء الاصطناعي الوكيلي؟
تشير Gartner إلى ارتفاع التكاليف وغموض العائد وضعف ضوابط المخاطر. لكن المشكلة الحقيقية الكامنة وراء ذلك كله هي عادةً شراء نظام يُنسّق مع توقع أن يحل.
شاهدوه على محادثاتكم الفعلية.
اطلبوا عرضًا توضيحيًا مخصصًا ومجانيًا.
