Decision-1 من مايكروسوفت: فصل القرار عن الذكاء التوليدي

ما الذي حدث

أطلقت Microsoft نموذج الذكاء الاصطناعي Decision-1، وهو نموذج يُرجع احتمالات مُعايَرة لمجموعة محددة مسبقًا من الإجابات، بحيث تستطيع التطبيقات البرمجية استخدام هذه المخرجات مباشرةً بدلًا من معالجة رد نصي حر يولّده نموذج لغوي كبير (LLM).

يستهدف النموذج مهام قرار محددة، مثل تصنيف الطلبات، وترتيب أولوية البلاغات والحوادث، والتحقق من الردود التي يولّدها الذكاء الاصطناعي. ووفق الشركة، يمكن تنفيذ هذه القرارات بتكلفة وزمن استجابة أقل مقارنةً بالأساليب التي تعتمد على نماذج لغوية عامة الغرض. كما يدعم النموذج الأحكام من نوع «نعم أو لا»، والاختيار بين خيارات محددة مسبقًا.

وبحسب منشور لـ Microsoft على مدونتها، لا يكتب النموذج ردًا حرًا، بل يتلقى مجموعة ثابتة من خيارات الإجابة ويُرجع احتمالًا مُعايَرًا لكل خيار في تمريرة واحدة. ويتاح النموذج عبر منصة Microsoft Foundry وخدمة OpenRouter. وقد بُني بإعادة تدريب نموذج Qwen3.5-9B، وتقول الشركة إنها تخطط لإعادة تأسيسه على نماذج أخرى، من بينها نماذج Microsoft AI (MAI) ونماذج OpenAI. وقد تناولت تقارير من Computerworld وInfoWorld الإعلان نفسه.

لماذا يهم

يعكس الإعلان تحولًا في طريقة بناء الأنظمة الذكية. فبدلًا من الاعتماد على نموذج عام يولّد نصوصًا طويلة لكل مهمة، تستطيع المؤسسات الآن فصل منطق القرار عن توليد اللغة، وتخصيص نموذج صغير ومحدد الغرض لقرارات متكررة، مثل توجيه تذاكر الدعم أو فرز الطلبات. ومن شأن ذلك أن يخفض التكلفة والتأخير في المسارات الحساسة للوقت، ويجعل سلوك النظام أكثر قابلية للتنبؤ والقياس.

بالنسبة إلى قادة التحول الرقمي، يشير هذا التوجه إلى أن الذكاء الاصطناعي لا يحتاج دائمًا إلى أن يكون محادثًا. فالقرارات المنظمة داخل سير العمل قد تكون أكثر فائدة عندما تُعالج بمخرجات محددة وقابلة للتدقيق، بدلًا من نصوص حرة تحتاج إلى تفسير إضافي قبل أن يستطيع النظام التصرف بناءً عليها.

رأي رينيسانس

يركز معظم المتابعين على الأداء والتكلفة، لكن الأثر الأهم في تقديرنا هو على تجربة المستخدم الداخلية والخارجية معًا. فعندما يصبح القرار مخرجًا محددًا له احتمال واضح، يصبح بالإمكان تصميم مسارات خدمة تعرف متى تتصرف الآلة ومتى تحيل الحالة إلى إنسان، وهذا أساس متين لتصميم الخدمة.

المشكلة الحقيقية ليست في قدرة النموذج على الإجابة، بل في قدرة المؤسسة على معرفة متى تثق في إجابته ومتى تتوقف. الشركات التي تعامل احتمالات القرار كمؤشر تشغيلي، لا كزخرفة تقنية، ستحصل على خدمة أكثر اتساقًا. ينبغي لمن يهمه العميل أولًا أن يحدد عتبات الثقة لكل قرار، وأن يقيس الأخطاء التي يعيشها العميل فعليًا، لا الدقة النظرية وحدها. فالتحدي التالي ليس بناء نماذج أذكى، بل تصميم القرارات التي تستحق أن تُؤتمت.