3.1 يوم عمل للوكيل مقابل كل يوم عمل بشري: حسابات قدرة المراجعة التي لا يقوم بها أحد

نشرت OpenAI هذا الأسبوع رقمًا يستحق انتباهًا أكبر من الرقم المالي المجاور له. فحتى منتصف أغسطس، يستهلك قسم الأبحاث لديها 3.1 يوم عمل من الجهد الوكيلي مقابل كل يوم عمل بشري واحد. الجملة التي اقتبسها الجميع كانت حجم الإنفاق: يستهلك الباحث الوسيط أكثر من 600 دولار من الاستدلال يوميًا بأسعار واجهة البرمجة (API). أما الجملة التي تهمّ أي شخص يدير فريقًا فهي الجملة الأخرى.

ثلاثة أيام عمل وكيلي مقابل يوم عمل بشري واحد تعني أن يوم الإنسان أصبح هو القيد. فكل نتيجة ينتجها الوكيل يجب أن يقرأها أحدهم ويحكم عليها ويقبلها، وذلك الشخص يملك يوم عمل واحد، لا ثلاثة. تستعرض هذه المقالة الحسابات وتوضّح أين يتكوّن الطابور.

الخلاصة السريعة

يضع منشور OpenAI بعنوان «تسريع البحث» جهد الوكلاء عند 3.1 يوم عمل لكل يوم عمل بشري، ويلاحظ توجّهًا لدى الباحثين لتشغيل أربعة وكلاء أو أكثر في آن واحد، ويفيد بأن أكثر من نصف المهام الناجحة التي استغرقت 4-8 ساعات احتاجت إلى تدخل بشري واحد على الأقل. اجمع هذه المعطيات معًا، وستجد أن يوم العمل يحتوي على عدة لحظات يكون فيها الوكيل قد توقف وينتظر شخصًا، إضافة إلى تدفق مستمر من الأعمال المنجزة بانتظار القبول. الطابور الذي يمتلئ هو «نتائج تنتظر شخصًا»، ومعظم الأدوات لا تُظهره. تُبرز Sharkly هذا الطابور بوضوح: حالات انتظار على المهمة (Task)، وصندوق وارد (Inbox) يوجّهها إلى الشخص المسؤول، وقبول يُسجَّل كتغيير في الحالة.

الأرقام

كل ما يلي مأخوذ من منشور OpenAI ما لم يُشر إلى خلاف ذلك.

يضيف قراءة سايمون ويلسون (Simon Willison) للمنشور نفسه شكل المنحنى: انتقل إنفاق الباحث الواحد من صفر تقريبًا في فبراير إلى نحو 600 دولار بحلول أواخر أغسطس، مع صعود حاد بين يوليو وأغسطس يرجّح أنه يتزامن مع الوصول الداخلي إلى النموذج الذي صدر لاحقًا باسم GPT-6 Astra.

لا يتعلق أي من هذه الأرقام بفريق برمجي يطلق منتجًا، وباحثو OpenAI ليسوا شريحة نموذجية. لكن النسبة قابلة للتعميم. أي فريق انتقل من وكيل واحد في طرفية واحدة إلى عدة وكلاء يعملون في آن واحد يسير على المنحنى نفسه، متأخرًا بضعة أشهر.

الحسابات

خُذ النسبة على ظاهرها. في يوم عمل بشري من ثماني ساعات، ينتج الوكلاء نحو خمس وعشرين ساعة من الجهد. ليس كل ذلك يحتاج شخصًا. بعض العمليات تفشل، وبعضها استكشافي، وبعضها يغذّي وكلاء آخرين. لكن كل عملية تنتهي بتغيير سيشحنه أحدهم تحتاج قرارًا بشريًا، ويقول رقم التدخل إن القرار غالبًا ما يصل قبل انتهاء العملية.

إذا كان أكثر من نصف المهام الطويلة الناجحة قد احتاج إلى تدخل واحد على الأقل، فعند تشغيل أربعة وكلاء ينبغي للشخص أن يتوقع مقاطعته من اثنين أو ثلاثة منهم خلال مهمة واحدة، في أوقات لم يخترها بنفسه. هذه المقاطعات ليست فشلًا. فالوكيل الذي يتوقف ويسأل أفضل من الذي يخمّن ويشحن. الكلفة تكمن في المكان الذي يهبط فيه السؤال.

السؤال الذي يهبط في طرفية يُجاب عنه عندما يصادف أن ينظر أحدهم إلى تلك الطرفية. والنتيجة التي تهبط في طرفية تُراجَع عندما يتذكر أحدهم وجودها. اضرب ذلك في أربعة وكلاء، وفي ثلاثة أيام عمل وكيلي لكل يوم عمل بشري، وستجد أن الطرفية هي المكان الذي يذهب إليه العمل لينتظر.

الطابور الذي لا يعرضه أي لوحة معلومات

كل فريق يشغّل وكلاء لديه طابوران. الأول عمل ينتظر وكيلًا: قائمة المهام المتراكمة، الظاهرة في أي أداة تتبّع يستخدمها الفريق. والثاني عمل ينتظر شخصًا: نتائج ليقبلها، وأسئلة ليجيب عنها، وإخفاقات ليفرزها. الطابور الثاني هو الذي ينمو بنسبة 3.1 إلى 1، وهو الذي لا تُظهره معظم الأدوات.

تتعامل Sharkly مع هذا الطابور بوصفه الكائن الأساسي. المهمة (Task) هي وحدة العمل الرئيسية، وتُبقى حالة المهمة وحالة عمل الوكيل منفصلتين: يمكن لمهمة بدأت أن تُظهر Working أو Waiting for human reply أو Waiting for human review أو Error. حالات الانتظار هذه أساسية، وليست مستنتجة من سجل صامت.

هذه الحالات تُوجَّه إلى مكان ما. صندوق الوارد (Inbox) هو طابور شخصي لنشاط المهام، ويضم قسمه الرئيسي (Primary) المهام ذات الإشارة النشطة التي تحتاج انتباهًا: بانتظار ردّك، بانتظار مراجعتك، عمل فاشل أو متعطل، إشارات مباشرة، إسناد إليك. ويجمّع النشاط حسب المهمة، فأربعة وكلاء يبلّغون عن مهمة واحدة يمثلون صفًا واحدًا، لا أربعة إشعارات. وسلاك (Slack) قناة صادرة اختيارية؛ وكتم مجموعة هناك لا يحذف سجل صندوق الوارد.

الردّ هو وسيلة استمرار العمل. فالتعليق على مهمة لها وكيل مُسنَد جاهز يمكن أن يبدأ تشغيلًا تاليًا مع المحادثة كسياق، فيؤدي الجواب عن السؤال إلى استئناف العمل بدل إعادة تشغيله من جديد.

كيف يبدو القبول عند هذه النسبة

عند وكيل واحد لكل شخص، يمكن أن تكون المراجعة غير رسمية. أما عند ثلاثة أيام عمل وكيلي لكل يوم عمل بشري فلا يمكن ذلك، لأن الشخص الذي يراجع لن يكون الشخص الذي بدأ التشغيل، وقد يكون التشغيل قد انتهى قبل ساعات.

القبول في Sharkly هو أن يغيّر شخص حالة المهمة بعد قراءة الأدلة. تُخزَّن استجابة الوكيل النهائية على المهمة. ويسجّل سجل التنفيذ سبب إدراج التشغيل في الطابور، ووقت بدايته وانتهائه، واستدعاءات الأدوات، وأحداث وقت التشغيل (Runtime)، وتفاصيل الإخفاق، في تبويب Executions منفصل عن الخط الزمني للتعليقات. اقرأ الملخص، ثم السجل، ثم الفرق (diff). ودمج طلب سحب مرتبط لا يغيّر حالة المهمة، فلا يُخطأ في اعتبار الدمج قرارًا. ويستعرض سير عمل المراجعة بمشاركة الإنسان (human-in-the-loop) بوابات القبول الخمس بالترتيب.

ركّزت مناقشة منشور OpenAI على Hacker News على قلق ذي صلة: نتائج يقيّمها مصنّف وكيلي، إذ يأتي الشيء المقيس والشيء الذي يقيّمه من المصدر نفسه. هذه هي النسخة البحثية من مشكلة أي فريق منتج. فعندما ينتج الوكلاء أكثر مما يستطيع الناس قراءته، يكون الإغراء هو ترك وكيل يقرر ما ينبغي للناس قراءته. والبديل هو طابور مرئي له مالك بشري.

أين تُنفق يوم العمل البشري

استخدم يوم العمل البشري للتوجيه والقبول: صياغة التذكرة، ومنح الصلاحية، وقراءة الأدلة، وتقرير الدمج والإصدار. واترك التنفيذ والاختبار وإعداد التقارير للوكلاء. الوكلاء يبحثون وينفّذون ويختبرون ويقدّمون التقارير. والبشر يضعون التوجه، ويمنحون الصلاحية، ويقبلون النتيجة. والنسبة في منشور OpenAI هي شكل هذا العقد عندما ينجح.

استخدم يوم العمل البشري للإشراف فقط عندما يحتاج العمل فعلًا إلى شخص يراقب في الوقت الحقيقي: تغيير في بيئة الإنتاج بلا إمكانية تراجع، أو تشغيل في مجلد تعتمد عليه أعمال أخرى. Sharkly ليست بديلًا عن Claude Code أو Codex أو وقت التشغيل (Runtime) الذي يقوم بالعمل. إنها الطبقة التي تُبقي السياق والتقدم والعوائق والنتائج والمراجعة البشرية مرئية من الطلب حتى الإصدار، فيُنفَق يوم العمل البشري على القرارات لا على اكتشاف أي طرفية فيها سؤال.

الأسئلة الشائعة

من أين جاء رقم 3.1؟ من منشور OpenAI «تسريع البحث: المشهد داخل OpenAI»، الذي ينص على أن قسم الأبحاث يستهلك حتى منتصف أغسطس 3.1 يوم عمل وكيلي من الجهد مقابل كل يوم عمل بشري واحد.

هل ينطبق هذا على فرق هندسة المنتجات؟ الأرقام المحددة مأخوذة من قسم أبحاث. أما اتجاه النسبة فينطبق على أي فريق ينتقل من وكيل واحد إلى عدة وكلاء: مخرجات الوكلاء تنمو أسرع من القدرة على مراجعتها.

ما هو رقم التدخل؟ أكثر من نصف المهام الناجحة التي استغرقت 4-8 ساعات بين يناير ويوليو تضمّن تدخلًا بشريًا واحدًا أو أكثر. العمليات الطويلة تنجح بتدخل شخص، لا من دونه.

كيف تعرض Sharkly طابور المراجعة؟ Waiting for human reply و waiting for human review هما حالتان لعمل الوكيل على المهمة، تُوجَّهان إلى القسم الرئيسي (Primary) في صندوق الوارد للشخص المسؤول. ويظهر العمل الفاشل أو المتعطل هناك أيضًا.

ما الذي يُعدّ قبولًا؟ أن يغيّر شخص حالة المهمة بعد قراءة استجابة الوكيل وسجل التنفيذ والفرق (diff). وطلب السحب المدمج لا يغيّر الحالة من تلقاء نفسه.

النسخة المختصرة

تقول نسبة OpenAI إن الوكلاء ينتجون بالفعل ثلاثة أيام من الجهد مقابل كل يوم عمل بشري، ويقول رقم التدخل إن شخصًا موجود في الحلقة في معظم المهام الطويلة. المورد الشحيح هو يوم العمل البشري، والطابور الذي يمتلئ هو نتائج تنتظر شخصًا. اجعل هذا الطابور مرئيًا، ووجّهه إلى مالك، وسجّل القرار. صِل حاسوبًا واحدًا، وأنشئ وكيلًا واحدًا، وأسند إليه شيئًا مملًا. تغطي الوثائق كل مفهوم بتفصيل أعمق: docs.sharkly.ai.