مايكروسوفت تفصل القرار عن التوليد بنموذج Decision-1

ماذا حدث

أطلقت Microsoft نموذج الذكاء الاصطناعي Decision-1، وهو نموذج يُرجع احتمالات مُعايَرة لمجموعة إجابات محددة مسبقاً، بدلاً من توليد نص حر كما تفعل نماذج اللغة الكبيرة (LLM). وبحسب ما نقلته Computerworld وInfoWorld، يتيح ذلك للتطبيقات البرمجية استخدام المخرجات مباشرةً دون الحاجة إلى معالجة رد مفتوح.

يستهدف النموذج مهام مثل تصنيف الطلبات، وترتيب أولويات الحوادث، والتحقق من الردود التي يولّدها الذكاء الاصطناعي. وتقول الشركة إنه يتعامل مع هذه القرارات بتكلفة وزمن استجابة أقل من الأساليب القائمة على نماذج لغوية عامة الغرض. ويدعم النموذج أحكام "نعم أو لا" والاختيار بين خيارات محددة مسبقاً.

وذكرت Microsoft في منشور على مدونتها أن النموذج يقدّم احتمالاً لكل خيار في تمريرة واحدة، بدلاً من كتابة رد حر. ويتوفر عبر Microsoft Foundry وOpenRouter. وقد بنته الشركة عبر تدريب لاحق لنموذج Qwen3.5-9B، وتعتزم إعادة تأسيسه على نماذج أخرى، من بينها نماذج Microsoft AI (MAI) ونماذج OpenAI.

لماذا يهم

يشير هذا الإطلاق إلى توجه عملي نحو فصل طبقة اتخاذ القرار عن طبقة توليد المحتوى. فعند توجيه الطلبات أو ترتيب الحوادث، تحتاج المؤسسة إلى نتيجة متوقعة ومحددة يمكن قياسها وتدقيقها، لا إلى نص متنوع الصياغة في كل مرة. ويعني ذلك أن الذكاء الاصطناعي قد يصبح مكوّناً قابلاً للتنبؤ داخل سير العمل، بدلاً من أن يكون واجهة حوار مفتوحة تتطلب معالجة لاحقة.

بالنسبة لفرق الخدمة والتحول الرقمي، قد يفتح هذا النهج الباب أمام أنظمة أسرع وأقل تكلفة في المهام المتكررة، مثل فرز الطلبات وتوجيهها. كما أن نموذجاً يُرجع احتمالات واضحة يسهّل وضع قواعد للمراجعة البشرية عند انخفاض الثقة، وهو ما يهم أي جهة تقدم خدمات للجمهور بصورة مسؤولة.

خلاصة رينسينس

تكمن أهمية هذا الإطلاق في أنه لا يتعلق بالنموذج وحده، بل بفكرة أن الذكاء الاصطناعي لا يحتاج دائماً إلى أن يتحدث. فمعظم القرارات في تجربة العميل تتطلب إجابة محددة لا فقرة كاملة، والمؤسسات التي تحوّل كل قرار إلى حوار مفتوح تدفع ثمن ذلك في الكلفة والبطء والتفاوت في الجودة.

القاعدة السلوكية هنا بسيطة: كلما قلّت الخيارات التي يواجهها القرار، زادت قابلية التنبؤ بالنتيجة وثقة المستخدم بها. لذلك ينبغي على المشغّلين الذين يعنون بتجربة العميل أن يسألوا أولاً: أي قرارات في رحلة العميل تحتاج إلى احتمال محدد، وأيها تحتاج إلى حوار؟ ابدأ بتفكيك مسارات الخدمة إلى قرارات قابلة للقياس، واحتفظ بالنماذج اللغوية للمواضع التي يكون فيها الشرح والتفاعل هما القيمة نفسها.