«سلاك بنش» يختبر الوكلاء في بيئات التطوير المشتركة: أغلب النماذج دون 66 بالمئة

كشفت دراسة بحثية حديثة، نشرها باحثون بينهم مينغشوان لي وأليكس ديماكيس وجوزيف غونزاليس عبر منصة أركايف في مطلع نوفمبر 2026، عن عجز تشغيلي يواجه وكلاء الذكاء الاصطناعي عند اختبارهم في بيئات العمل الجماعي الحقيقية. قدم الفريق إطار تقييم جديد يحمل اسم «سلاك بنش» (SlackBench)، صُمم خصيصًا لقياس قدرة النماذج البرمجية على الاستدلال المشترك بين محادثات فرق العمل وسجلات الشيفرات البرمجية المتطورة باستمرار.

اعتادت اختبارات الكفاءة السابقة قياس قدرات النماذج عبر بيانات مصطنعة أو مهام برمجية منعزلة، وهو ما رسم صورة مفرطة في التفاؤل حول قدرة الوكلاء على العمل كزملاء رقميين مستقلين. غير أن واقع العمل الميداني يفرض واقعًا مختلفًا، إذ تتوزع المعطيات الجوهرية بين قنوات التواصل العامة والرسائل الفورية وتعديلات المستودعات البرمجية وتحديثات القرارات. في مثل هذه البيئات، لا تكفي الإجابة عن استفسار تقني بسيط قراءة ملف معزول، بل تتطلب تحديد قنوات النقاش المعنية، وتتبع خيوط الحوار الطويلة، وفحص حالة المستودع، والتوفيق بين الأدلة المتضاربة أو المنتهية الصلاحية.

البيئة الهندسية تفرض ربط النقاش المتغير بحالة الكود.

بُني معيار «سلاك بنش» استنادًا إلى محاكاة واقعية تحافظ على الخصوصية لمشاريع بحثية أكاديمية، ليقدم بيئات تشغيل قابلة لإعادة الإنتاج تجمع بين نقاشات المطورين وتعديلات الكود عبر منصة «غيت هاب» ومستندات «غوغل دوكس». يحتوي المعيار على 140 استعلامًا دقيقًا تغطي أربعة مجالات وظيفية: البحث الذكي عبر مصادر غير متجانسة، والامتناع المبرر عن الإجابة عند ورود أسئلة مستحيلة أو مبنية على افتراضات خاطئة، والتلخيص الموجه نحو أهداف محددة، واستنتاج السياقات والظروف عبر المحادثات الطويلة.

أظهرت نتائج التقييم التي شملت 33 نموذجًا رائدًا وحزمة لتشغيل الوكلاء فجوة واضحة في الأداء الميداني؛ إذ لم يتجاوز النظام الأفضل حاجز 80 بالمئة، بينما استقر أداء أغلب الوكلاء دون 66 بالمئة. توضح هذه الفجوة أن المهام التعاونية لا يمكن اختزالها في الإجابة عن أسئلة ثابتة، إذ يتطلب النجاح قدرة متقدمة على تدقيق سجلات التعديل وفرز الحوارات لاستخلاص السياق الصحيح.

غياب القدرة على الامتناع عن الإجابة يضاعف الأخطاء الصامتة.

هذا الفارق الرقمي يغير حسابات مديري التقنية وقادة الفرق البرمجية في الخليج ومصر والشام، في ظل الاندفاع المتسارع لربط الوكلاء الأذكياء بمنصات التواصل المؤسسي ومستودعات الكود لإدارة التوثيق ومساعدة المهندسين الجدد. فإذا كان أداء أفضل الأنظمة يخطئ في خُمس الحالات، ويفشل أغلب الوكلاء في أكثر من ثلث المهام، فإن الاعتماد المباشر على هذه الأدوات في اتخاذ قرارات معمارية أو تتبع حالة البرمجيات يهدد بدمج تعديلات خاطئة مبنية على نقاشات ملغاة داخل قنوات العمل.

يفرض هذا التحول على مطوري المنطقة مراجعة استراتيجيات النشر المتبعة داخل المؤسسات. لم تعد القيمة مقتصرة على كتابة الأوامر أو استدعاء النماذج المتقدمة، بل باتت تتطلب هندسة أطر تحقق صارمة تلزم الوكيل بالصمت والاعتراف بنقص المعطيات بدل تلفيق إجابات مستندة إلى سياق منسوخ، وضمان مواءمة استجاباته مع أحدث حالة تشغيلية للمستودع البرمجي.