# Исследو OpenAI يفوّضون الوكلاء مزيدًا من المهام، لكن النجاح يتوقف على نوع العمل

https://jsonscraper.com/ar/blog/openai-agents-research-task-success

Author: Michael Johnson

Published: 2026-11-19T07:35:36+00:00

Updated: 2026-11-19T07:35:36+00:00

يُظهر تقرير 18 نوفمبر تفاوتًا كبيرًا في معدلات الإنجاز الذاتي بحسب المهمة. وهذا يساعد على تحديد الأعمال التي يمكن تفويضها إلى الوكيل، وتلك التي تتطلب تدقيقًا بشريًا أشد.

هل يمكن إسناد عمل بحثي إلى وكيل برمجي وتوقّع نتيجة جاهزة؟ يتوقف الجواب على المهمة المحددة: ففي بيانات OpenAI للفترة من 1 أغسطس إلى 18 أكتوبر 2026، حقق الوكلاء، من دون تدخل بشري، أفضل أداء في مراقبة عمليات التدريب، بينما كان أداؤهم أضعف بكثير في شيفرة الاستدلال وخدمة النماذج.

 

في [تقريرها الصادر في 18 نوفمبر](https://openai.com/index/research-acceleration-jagged-frontier/)، قارنت الشركة المهام التي أسندها الباحثون إلى الوكلاء، ووصفت كيف تغير استخدام هذه الأدوات داخل OpenAI. والخلاصة العملية الأساسية هي التعامل مع «عمل الوكيل» بوصفه مجموعة مهام مختلفة، لكل منها معايير قبول خاصة. فالمتوسط المحسوب بالساعات أو الانطباع بأن النموذج «يجيد كتابة الشيفرة» لا يغنيان عن التحقق من النتيجة المحددة.

 

## ما الذي تغير في التقييم؟

 

صدر التقرير السابق لـOpenAI عن تسريع الأبحاث في سبتمبر. ووسّعت النسخة الجديدة نطاق الصورة، إذ أضافت بيانات عن استخدام الوكلاء واستطلاعات الموظفين وسير العمل وتوزيع النجاح بحسب نوع المهمة. ومع ذلك، تصف النتائج الواردة المؤسسة البحثية الداخلية لـOpenAI، ولا تمثل تقييمًا عامًا لجميع النماذج أو الشركات.

 

ومن أوضح المقارنات نسبة المهام التي أنجزها الوكيل من دون تدخل بشري. ففي المهام التي قُدّر أن الإنسان يحتاج إلى ساعتين إلى أربع ساعات لإنجازها، ارتفعت النسبة من 23% في مارس إلى 46% في أكتوبر. أما فئة المهام التي تستغرق من أربع إلى ثماني ساعات، فارتفعت من 13% إلى 35%. وتوضح هذه الفئات قدرة الوكلاء على إتمام تكليفات منفردة من دون تدخل، لا نسبة إجمالي العمل البحثي التي يمكن إسنادها إلى نموذج.

 

وهناك تفصيل منهجي مهم أيضًا: فقد تغير اختيار المهام المسندة إلى الوكلاء بالتوازي مع تطور قدراتهم. وتشير OpenAI صراحةً إلى أن ارتفاع معدلات النجاح ضمن الفئات الزمنية قد يعكس تحسن النماذج وتغير طبيعة المهام المفوضة معًا. لذا تفيد المقارنة الزمنية في رصد الاتجاه الداخلي، لكنها لا تكفي وحدها للفصل بين أثر النموذج وقرار الباحثين بشأن المهام التي يسندونها إليه.

 

## لماذا يفوق نوع المهمة أهميته مدتها؟

 

في موجز التقرير الذي يقارن أنواعًا محددة من العمل، تذكر OpenAI أن نسبة النجاح من دون تدخل بشري بلغت 79% في مراقبة عمليات التدريب، و35% في إطلاق تلك العمليات، و25% في كتابة شيفرة الاستدلال ومكدس خدمة النماذج. وقد أظهرت مهمتان متجاورتان في دورة تدريب النموذج نتائج مختلفة جدًا.



![المقال: يفوّض باحثو OpenAI الوكلاء مزيدًا من المهام، لكن النجاح يتوقف على نوع العمل
الملخص: قيّمت OpenAI أداء وكلاء البرمجة داخل مؤسستها البحثية: ينجح الوكلاء في كثير من مهام المراقبة والتحليل، لكن أداءهم أضعف بوضوح في إطلاق التدريب وكتابة شيفرة الاستدلال. والخلاصة العملية هي اختيار المهام بناءً على نتائج قابلة للتحقق، لا على المسمى العام للمهنة.
دور الصورة: رسم توضيحي داعم 2 — جانب محدد مختلف
القسم: لماذا يفوق نوع المهمة](https://jsonscraper.com/assets/uploads/journal/2026/11/337740e5161a3da7a225d537ed1341d3.png.hero.webp)

نسبة المهام التي أنجزها الوكلاء من دون تدخل بشري، وفق ثلاثة أنواع من العمل في بيانات OpenAI للفترة من أغسطس إلى أكتوبر 2026.© jsonscraper · رسم توضيحي مُنشأ بالذكاء الاصطناعي



![المقال: يفوّض باحثو OpenAI الوكلاء مزيدًا من المهام، لكن النجاح يتوقف على نوع العمل
الملخص: قيّمت OpenAI أداء وكلاء البرمجة داخل مؤسستها البحثية: ينجح الوكلاء في كثير من مهام المراقبة والتحليل، لكن أداءهم أضعف بوضوح في إطلاق التدريب وكتابة شيفرة الاستدلال. والخلاصة العملية هي اختيار المهام بناءً على نتائج قابلة للتحقق، لا على المسمى العام للمهنة.
دور الصورة: صورة الغلاف — الفكرة المحورية
القسم: لماذا يفوق نوع المهمة](https://jsonscraper.com/assets/uploads/journal/2026/11/1f09dcf8fd66631a53ec4e915205b6da.png.hero.webp)

نسبة المهام التي أنجزها الوكلاء من دون تدخل بشري، وفق ثلاثة أنواع من العمل في بيانات OpenAI للفترة من أغسطس إلى أكتوبر 2026.© jsonscraper · مُنشأ بالذكاء الاصطناعي

 

يوضح ذلك لماذا لا تصلح فئة عامة مثل «المساعدة في البحث» أساسًا جيدًا للتخطيط. فمراقبة عملية تدريب لاكتشاف مشكلة هي مهمة رصد وإطلاق تنبيه. أما إطلاق التدريب فيتطلب إعداد الإجراءات وظروف التنفيذ على نحو صحيح. وكتابة شيفرة الاستدلال والخدمة تقع ضمن مجال تقني مختلف. ودمج هذه المهام في مقياس واحد يطمس فروقًا مهمة في سير العمل الفعلي.

 

وتورد الشركة أيضًا تقديرًا أعلى لفئتي «التواصل» (69%) و«التحليل» (58%) مقارنةً بـ«التطوير» (43%). لكن حتى هذه الفئات الواسعة تخفي تفاوتًا بين المهام. ولتحديد التكليف المناسب، من الأجدى صياغة نتيجة قابلة للتحقق — مثل اكتشاف عطل محدد مسبقًا في سجل تشغيل — وتحديد ما ينبغي للإنسان تأكيده على نحو مستقل.

 

## كثافة الاستخدام لا تعني عائدًا متساويًا

 

يُظهر التقرير أن الوكلاء أصبحوا جزءًا بارزًا من سير العمل الداخلي في OpenAI. ووفق تقدير الشركة بأسعار واجهة API، استخدم الباحث الوسيط في أكتوبر أدوات الوكلاء بما يعادل نحو 2400 دولار يوميًا؛ وبلغ الرقم في الشريحة المئوية التسعين نحو 23 ألف دولار. وفي الحالتين، تمثل الأرقام تكلفة مكافئة وفق أسعار API المنشورة، لا معلومات عن التكلفة الفعلية أو دليلًا على مقدار الميزانية التي جرى توفيرها.

 

وهناك مقياس آخر هو «أيام الوكلاء»: إذ تُحسب كل ثماني ساعات من استخدام الوكيل يوم عمل واحدًا. وارتفع المتوسط من 0.5 إلى 5.7 يوم وكيل لكل باحث في اليوم. وفي فرق التدريب المسبق واللاحق، بلغ متوسط إجمالي عمل الوكلاء نحو ثمانية أيام من هذا النوع لكل باحث في اليوم التقويمي. وبما أن عدة وكلاء يمكن أن يعملوا بالتوازي، يصف المقياس مجموع وقتهم، لا مدة يوم عمل موظف واحد؛ كما تشير OpenAI إلى أن المقياس يحتسب الاستخدام التفاعلي أساسًا، وقد لا يشمل الأتمتة بالكامل.

 

يدل تزايد الاستخدام على أن الموظفين يدمجون الوكلاء بنشاط في عملهم. لكن هذا لا يكفي لتقدير فائدتهم لفريق آخر، إذ قد تختلف الميزانية والنماذج المختارة ومدة جلسات الوكلاء وطبيعة المهام. وتفيد بيانات OpenAI خصوصًا بوصفها مثالًا على مؤشرات العمل التي يمكن جمعها، لا معيارًا جاهزًا لكل وحدة بحثية.

 

## ما العمل الذي يبقى للإنسان؟

 

في مقابلات مع عشرة باحثين، وصفت OpenAI الجانب العملي للتفويض: فقد ساعد الوكلاء في كتابة الشيفرة وتصحيحها وتحليل التجارب ومراجعة مجموعات بيانات كبيرة. وفي الوقت نفسه، تحدث الموظفون عن مخرجات رديئة وافتراضات خاطئة في التحليل ومحاولات غير فعالة لإطلاق التجارب. وتذكر الشركة أيضًا أن الموظفين نسبوا إلى البشر الأفكار التي أفضت إلى إصدارات GPT‑6 Astra، فيما ساعدت النماذج في تنفيذها.

 

ومن أساليب العمل التي وصفها أحد الباحثين ما يسهل نقله إلى الفرق: اطلب من الوكيل إعداد مثال واحد، ثم راجعه ونقحه، وبعد ذلك كلفه بسلسلة مماثلة من المهام. يكشف هذا النهج سريعًا أي خطأ في صياغة التكليف أو تنسيق البيانات، قبل أن ينتشر في المجموعة كلها. وفي المهام التي يكون التحقق منها مكلفًا، غالبًا ما يكون هذا أنفع من توسيع نطاق التكليف فورًا.

 

## كيف تطبق هذه الخلاصة على فريقك؟

 

ابدأ بمهمة واحدة متكررة لها نتيجة قابلة للرصد وشرط قبول واضح. وسجّل عدد مرات التدخل، والأخطاء التي ظهرت، والوقت الذي استغرقه التحقق. تساعدك هذه المعلومات على تمييز المهمة التي يتولاها الوكيل فعلًا من تلك التي يسرّع فيها العمل الأولي فحسب.

 

ضع حدًا مستقلًا للصلاحيات في العمليات ذات العواقب الكبيرة. فمثلًا، يمكن للوكيل اكتشاف حالة شاذة أو إعداد أمر التشغيل، بينما يظل تأكيده وتنفيذه من مسؤولية المهندس المختص. هذه ليست قاعدة أمنية عامة، بل وسيلة لربط مستوى الاستقلالية بمخاطر محددة ومعيار التحقق المتاح.

 

يطرح تقرير OpenAI خيارًا عمليًا: لا تفوّض «البحث» أو «التطوير» عمومًا، بل أسند مهام محددة يمكن التحقق من مخرجاتها. وفي بيانات الشركة، بدت مراقبة عمليات التشغيل أنسب للتنفيذ المستقل من إطلاق التدريب أو كتابة شيفرة الاستدلال. أما الخطوة التالية للفريق العملي فهي قياس الفروق نفسها في مهامه وتوسيع نطاق التفويض حيث تصمد النتائج أمام التحقق.
