كان QCon AI Boston 2026 بمثابة نقطة تحول. لقد أمضينا العامين الماضيين في تعلم كيفية بناء عملاء الذكاء الاصطناعي. والسؤال المطروح الآن هو كيفية تشغيلها بأمان وموثوقية بمجرد تشغيلها. كانت كل المحادثات تقريبًا تدور حول نفس الموضوع: الوكلاء يجبرون الفرق على بناء بنية تحتية حقيقية للإنتاج من حولهم.
حدد Martin Spier من OpenAI النغمة في الكلمة الافتتاحية. كان حديثه عن الأداء، ولكن ليس بالمعنى الضيق “الاستدلال بشكل أسرع”. هناك امتداد هادئ قبل الاستدلال حيث يجب على المنتج أن يجعل المحادثة قابلة للاستخدام للنموذج: سياق كافٍ للمساعدة، وتشذيب كافٍ لإبقائها سريعة. بمعنى آخر، لا يزال هناك الكثير من العمل لجعل المنتج سريعًا، حتى عندما يكون النموذج سريعًا.
“أصبحت الأساسيات أكثر أهمية.”
مارتن سبير “الحفاظ على سرعة ChatGPT مع تسارع تطوير الذكاء الاصطناعي”
وتبين أنها عدسة جيدة لبقية المؤتمر. أصبح العمل حول الوكلاء أقل لمعانًا. لقد أصبح عمل البنية التحتية الممل هو الذي يقرر ما إذا كان النظام سينجو من الاتصال بالمستخدمين الحقيقيين. كان الاتجاه المتكرر الأول هو ارتفاع البنية التحتية للسياق والوكيل إلى طبقة منصة خاصة بها. تنتقل الفرق إلى ما هو أبعد من التطبيقات ذات الغرض الواحد وتتجه نحو الأنظمة المشتركة للسياق والوصول إلى الأدوات والهوية والحالة. هذا هو المكان الذي تبدأ فيه أفكار مثل هندسة السياق وبوابات MCP وكتالوجات الأدوات الدلالية في الظهور وكأنها بنية تحتية أساسية. وباعتبارها لبنات بناء أساسية، فإنها تحتاج إلى مالكين وعقود.
“الدقة + الأمان + التكلفة”
“تصميم طبقة البيانات لوكلاء الذكاء الاصطناعي لفابيان ناردون: من أنظمة المعاملات إلى MCP والنماذج الدلالية”
“هندسة السياق ليست ميزة، إنها هندسة معمارية. قم بهذا بشكل صحيح وكل شيء آخر يصبح أسهل”
كتاب ريكاردو فيريرا “ما وراء التحفيز: هندسة السياق للذكاء الاصطناعي على مستوى الإنتاج”
“امتلك الدولة. اطلب الطفرة. أثبت الفعل”
كتاب فينوث جوفينداراجان “أداة تسخير الوكيل: مستويات التحكم والثوابت وحدود الموافقة لإنتاج وكلاء الذكاء الاصطناعي”
وكان الاتجاه الثاني هو الثقة، وهو التحول من حواجز الحماية ذات المستوى الفوري إلى التنفيذ الجدير بالثقة. عندما يتمكن الوكلاء من الوصول إلى الأدوات والملفات، لم يعد الأمان يعتمد على التعليمات الواردة في الموجه. الحزام هو النظام الموجود حول النموذج. يمكن تشغيل الأداة بينما لا يرى المستخدم شيئًا، لذا تحتاج أنظمة الإنتاج إلى ملكية واضحة للحالة، وعمليات الكتابة المطلوبة، وحدود الموافقة، ومسار تدقيق حقيقي. ولم تعد المشكلة تكمن في ما إذا كان الوكيل يقدم إجابة جيدة، بل في ما إذا كان النظام قادراً على إثبات الإجراء الذي تم اتخاذه، وبأي عنصر، وتحت أي قيود وامتيازات.
“المنظمات الأكثر فعالية تفعل شيئين:
- تحسين استخدام الذكاء الاصطناعي بشكل كامل عبر SDLC
- حل الاختناقات التي تحد من النتائج”
كتاب ليزي ماتوسوف “المراحل الخمس لنضج الذكاء الاصطناعي في المنظمات الهندسية – أين ولماذا تتعثر الفرق”
“اكتب الإستراتيجية مبكرًا. قم بالبناء حول العملاء. امتلك أسطحًا مناسبة للشركة”
“بناء منصة GenAI في DoorDash” لـSiddharth Kodwani وSwaroop Chitlur
الاتجاه الثالث هو أن اعتماد الذكاء الاصطناعي في حد ذاته أصبح نموذجًا تشغيليًا هندسيًا. وبمجرد انتشار الاستخدام، تصل الأسئلة المملة بسرعة: من يدفع ثمن ذلك، ومن يمكنه استدعاء الأدوات، وأين تظهر حالات الفشل، وكيف تتعلم الفرق منها؟ إن عرض نموذج من خلال واجهة برمجة التطبيقات (API) أو تسليم روبوت الدردشة للمهندسين ليس كافيًا. تحتاج الفرق إلى مسارات معبدة، وأسطح سياسات مشتركة، وحلقات تقييم، وقابلية للملاحظة، وإسناد التكلفة، وآليات ردود الفعل التي تجعل السلوك الصحيح أسهل من السلوك السريع المحفوف بالمخاطر.
أحد المواضيع البارزة هو كيف ينبغي للمنظمات الهندسية أن تفكر في التقييم. يمكن أن يكشف اختبار اللقطة الواحدة عن حالات فشل واضحة، لكن الوكلاء لا يفشلون دائمًا في المنعطف الأول. تعد اختبارات المنعطف الواحد والمقاييس الثابتة مناسبة بشكل ضعيف للأنظمة التي تستخدم الأدوات، وتحافظ على الحالة، وتحمل السياق، وتتصرف بشكل مختلف عبر المنعطفات. لذا، يجب أن يقترب الاختبار من شكل المنتج: المحادثات، والآثار، والمحاكاة، وردود الفعل على الإنتاج. وبدون ذلك، قد تشير الاختبارات إلى النجاح بينما يتعرض المستخدمون إلى حالات فشل لم يمارسها المعيار المعياري مطلقًا.
مجتمعة، اقترح QCon AI Boston 2026 أن إنتاج الذكاء الاصطناعي أصبح أقل ارتباطًا بالهندسة السريعة وأكثر ارتباطًا بمشكلة الأنظمة. وتتحول المشكلات الصعبة نحو السياق، وعقود البيانات، وبوابات LLM وMCP، والحالة، والتقييم، وزمن الوصول، والتكلفة، وقابلية المراقبة، وفي النهاية، الأمان والثقة. أصبح الحزام المحيط بالنموذج مهمًا الآن بقدر أهمية النموذج الموجود بداخله. قد يتحدث الوكلاء مثل زملاء العمل، لكنهم يفشلون مثل البرامج، ويعتمد تشغيلهم بشكل جيد على الدروس القديمة المستفادة من هندسة المنصات والأنظمة الموزعة.
