وكلاء استخدام الحاسوب: كيف يتعلم الذكاء الاصطناعي تشغيل سطح مكتبكم
ما هو وكيل استخدام الحاسوب فعلاً#
أكثر ما أثار دهشتي في وكلاء استخدام الحاسوب هو بساطة الفرضية: خذ لقطة شاشة، واعرف ما عليها، واضغط شيئاً. هذا كل شيء. بلا واجهة برمجة، وبلا وصول إلى نموذج المستند، وبلا موصلات خاصة بالتطبيق. مجرد نموذج ينظر إلى بكسلات ويرسل أحداث فأرة.
ووكيل استخدام الحاسوب يدرك الشاشة عبر لقطات الشاشة، ويحدّد عناصر الواجهة باستخدام نماذج الرؤية، وينفّذ إجراءات (ضغطات، وضربات مفاتيح، وتمريرات، واختصارات لوحة مفاتيح) في أي تطبيق على أي نظام تشغيل. ويتفاعل مع البرمجيات كما يفعل مشغّل بشري: افتح التطبيق، وحدّد الزر، واضغطه، واملأ حقل النموذج، وانتقل بالتبويب إلى التالي، وأرسل.
وأدوات الأتمتة التقليدية تحتاج معرفة مسبقة بالبنية الداخلية للتطبيق: محدّدات XPath، ووصول إلى نموذج المستند، وتكاملات واجهات برمجة، وموصلات مخصصة. ووكلاء استخدام الحاسوب يتخطون كل ذلك. يعملون من ما يرونه، كما يفعل مقاول أُعطي لوحة مفاتيح وفأرة.
و85% من المؤسسات دمجت وكلاء ذكاء اصطناعي في مسار عمل واحد على الأقل في 2025، لكن استخدام الحاسوب تحديداً ما يزال في نشر إنتاجي مبكر (G2 Enterprise AI Agents Report, August 2025). والتقنية تعمل، بقيود حقيقية تهم عملياً. وكلاهما يستحق المعرفة قبل أن تبنوا عليها.
كيف يعمل وكلاء استخدام الحاسوب: حلقة الإدراك والفعل#
الخطوة 1: الالتقاط (الوكيل أعمى بين لقطتين)#
يأخذ الوكيل لقطة شاشة لحالة الشاشة الحالية. وتلك اللقطة هي نظرته الوحيدة إلى العالم؛ فليس لديه وصول مباشر إلى شيفرة التطبيق الأساسية، ولا إلى نموذج المستند، ولا إلى نموذج بياناته.
ولقطات الشاشة تُلتقط عادةً عند نقاط القرار: قبل أخذ إجراء، وبعده، للتحقق من النتيجة. وبعض التطبيقات تتعامل مع الشاشة كبثّ فيديو متصل لتحكم أكثر تفاعلية، لكن نموذج لقطة لكل إجراء هو المهيمن في معظم الوكلاء الحاليين. ومضمون عملي واحد: لا يستطيع الوكيل كشف تلميح ظهر واختفى بين لقطتين. وما لا يراه، لا يستطيع التصرف بناءً عليه.
الخطوة 2: التأريض (تحويل البكسلات إلى مقصد)#
«التأريض» هو كيف يربط الوكيل لقطة شاشة بفهم للواجهة: أي تطبيق هذا؟ وأي عناصر واجهة مرئية؟ وأين العنصر الذي أحتاج التفاعل معه؟
والتأريض القائم على الإحداثيات هو المنهج الشائع: يحدّد النموذج إحداثيات البكسل لزر، أو حقل إدخال، أو رابط، ثم يستخدم الوكيل تلك الإحداثيات لتوجيه المدخل. وهذا يعمل جيداً حتى ينزاح عنصر ببضعة بكسلات، فتخطئ الضغطة عندها.
ومناهج تأريض أكثر تقدماً (تُستخدم في بعض أطر العمل) تحدّد أيضاً الدور الدلالي للعناصر. لا مجرد «هناك زر عند (450, 320)» بل «ذلك الزر يرسل هذا النموذج». والتأريض الدلالي أكثر مرونة أمام تغييرات التصميم الطفيفة. وهو أيضاً أصعب في إصابته.
الخطوة 3: التخطيط (حيث تظهر جودة النموذج فعلاً)#
بعد تأريض الحالة الحالية، يستدلّ الوكيل على ما يفعله بعد ذلك، بحسب حالة الشاشة وهدف المهمة: ما الإجراء التالي الصحيح؟
وللمهام البسيطة («اضغط زر الإرسال»)، الخطة تافهة. أما لمسارات العمل ذات المنطق المتفرع أو حالات الخطأ («ابحث عن هذه الشركة، واملأ نموذج التواصل، ثم صدّر النتيجة إلى جدول البيانات هذا»)، فعلى طبقة التخطيط متابعة حالة المهمة، ومعالجة الشاشات غير المتوقعة، وتحديد متى ذهب شيء إلى الخطأ مقابل متى ذهب على نحو مختلف عن المتوقع فقط. وهذه هي الخطوة التي يتفوق فيها Claude Sonnet على GPT-4o في المهام المعقدة، وحيث تصير فجوات القياس بين النماذج مرئية.
الخطوة 4: الفعل (أحداث مدخل إلى نظام التشغيل)#
ينفّذ الوكيل الإجراء المخطَّط بإرسال أحداث مدخل إلى نظام التشغيل:
- إجراءات الفأرة: الانتقال إلى إحداثيات، والضغط الأيسر، والضغط الأيمن، والضغط المزدوج، والضغط والسحب
- إجراءات لوحة المفاتيح: كتابة نص، وضغط تركيبات مفاتيح (Ctrl+C، وAlt+Tab، وEnter)، وإمساك مفاتيح التعديل
- التمرير: التمرير صعوداً أو هبوطاً عند إحداثيات محددة
وهذه الإجراءات تمرّ عبر طبقة مدخل نظام التشغيل، وهو ما يعني أنها تعمل في أي تطبيق: متصفح، أو تطبيق سطح مكتب، أو برمجيات مؤسسية قديمة، أو أي شيء يقبل مدخل لوحة المفاتيح والفأرة. ولا يلزم تكامل خاص بالتطبيق.
الخطوة 5: التحقق (الخطوة التي يتخطاها معظم الناس في العروض)#
بعد تنفيذ إجراء، يأخذ الوكيل لقطة شاشة أخرى ويتحقق مما إذا حدث التغيير المتوقع. هل نقلت ضغطة الزر إلى الصفحة التالية؟ وهل أظهر إرسال النموذج تأكيداً؟ وهل ظهرت البيانات في الخلية الصحيحة؟
وبلا هذه الخطوة، لا سبيل للوكيل ليعرف ما إذا عمل أي شيء فعلاً. فالضغطة التي تخطئ هدفها تبدو كالضغطة التي أصابته، إلى أن تتحققوا. ولهذا تميل التطبيقات الساذجة التي تتخطى التحقق إلى الفشل في صمت في الإنتاج: تُكمل حلقة الإجراء لكنها لا تؤكد أبداً أن الحلقة فعلت ما كان مفترضاً بها.
وكلاء استخدام الحاسوب مقابل أدوات الأتمتة التقليدية#
ما يتطلبه Selenium وUiPath ولا يتطلبه وكلاء استخدام الحاسوب#
أدوات الأتمتة التقليدية (Selenium، وUiPath، وPlaywright، وأنظمة أتمتة العمليات الروبوتية) تتفاعل مع التطبيقات عبر بنيتها الأساسية:
- أتمتة الويب (Selenium وPlaywright): تتطلب وصولاً إلى نموذج المستند. فنص الأتمتة يحدّد العناصر بمحدّدات CSS، أو XPath، أو خصائص العناصر. وحين تتغير بنية HTML في التطبيق، تنكسر الأتمتة.
- أدوات أتمتة العمليات الروبوتية (UiPath وAutomation Anywhere): تستطيع استخدام الكشف القائم على الصور أو محدّدات العناصر. ومنهج محدّد العناصر يتطلب معرفة بشجرة إتاحة التطبيق أو ببنيته الداخلية.
- تكاملات واجهات البرمجة: تتطلب أن يكون للتطبيق واجهة برمجة وتتطلب كتابة شيفرة التكامل وصيانتها.
ووكلاء استخدام الحاسوب لا يحتاجون أي شيء من هذا. يرون الشاشة ويتفاعلون معها. وهذا يجعلهم قابلين للتطبيق على تطبيقات بلا واجهة برمجة، وبرمجيات مؤسسية قديمة تسبق تصميم واجهات البرمجة، وواجهات ويب معقدة أو متغيرة أكثر مما يسمح بأتمتة موثوقة قائمة على المحدّدات، ومسارات عمل عبر تطبيقات متعددة بلا طبقة تكامل مشتركة.
وتلك خاصية مفيدة حقاً. فهناك كثير من البرمجيات في البيئات المؤسسية بلا واجهة برمجة وبلا مسار واقعي للحصول على واحدة.
متى ما تزال تريدون واجهة برمجة أو تكاملاً مبنياً لغرضه#
استخدام الحاسوب يأتي بكلف حقيقية. فتكامل واجهة البرمجة أسرع، وأكثر موثوقية، وأقبل للتدقيق، وكلفة تشغيله أدنى بكثير: بلا التقاط لقطات شاشة واستدلال نموذج رؤية في كل خطوة. فإن كانت هناك واجهة برمجة مصونة جيداً لما تؤتمتونه، فاستخدموها. واللجوء إلى استخدام الحاسوب حين يتوفر تكامل مباشر يشبه اختيار تشغيل آلة بأن ينظر أحد عبر النافذة ويضغط الأزرار، بدل استخدام أدوات التحكم.
وأتمتة الويب القائمة على المحدّدات (Playwright وPuppeteer) أسرع كذلك وأكثر موثوقية من استخدام الحاسوب القائم على لقطات الشاشة لمسارات العمل الخاصة بالويب حيث تتحكمون في بنية نموذج المستند أو تفهمونها.
استخدموا استخدام الحاسوب حين لا توجد البدائل أو لا تكون عملية.
المقايضة: المرونة مقابل الموثوقية#
وكلاء استخدام الحاسوب يستطيعون العمل مع أي تطبيق له واجهة رسومية، بلا عمل تكامل مخصص. وتلك المرونة تكلّف موثوقية، والكلفة ليست صغيرة.
فالزر الذي ينتقل ببضعة بكسلات بين تحميلين يكسر ضغطة قائمة على إحداثيات البكسل. ومؤشر تحميل يبقى أطول من المتوقع يجعل الوكيل يتصرف على حالة شاشة قديمة. وحوار يظهر غير متوقع في منتصف مسار العمل يتطلب من الوكيل التعرف عليه، ومعالجته، وإغلاقه قبل المواصلة. وهذه ليست حالات حدية؛ إنها تحدث بانتظام في التطبيقات الحقيقية.
وعملياً، يصمد وكلاء استخدام الحاسوب جيداً لمسارات العمل المعرّفة جيداً في الواجهات المستقرة، بتحقق صريح بعد كل خطوة. أما للواجهات المتقلبة أو مسارات العمل التي تتطلب موثوقية عالية جداً، فخطّطوا لاستثمار وقت هندسي معتبر في منطق التحقق والتعافي.
أبرز وكلاء استخدام الحاسوب في 2026#
استخدام Claude للحاسوب وCowork#
قدّمت Anthropic قدرات استخدام الحاسوب لـ Claude في أواخر 2024. وسجّل Claude Sonnet 4.5 نسبة 61.4% على مقياس OSWorld في 2025، صعوداً من 42.2% (OSWorld / Anthropic, 2025). أقل من البشري، لكنه تحسّن جيلي حقيقي.
وCowork هو وكيل Anthropic لسطح المكتب، أُطلق كمعاينة بحثية في 12 يناير 2026. ويبني طبقة منتج فوق قدرة استخدام الحاسوب الأساسية: نظام إضافات، وموصلات MCP، ونموذج صلاحيات، وسوق مهارات، وهو ما يجعله قابلاً للنشر بطريقة محكومة لعمّال المعرفة بدل أن يطلب منكم بناء تلك الحَكامة أنفسكم. ولنظرة أعمق على Cowork كأداة عمل، انظروا Anthropic Cowork: ما هو وكيف تستخدمه الشركات.
OpenAI Operator ووكيل ChatGPT#
أطلقت OpenAI استخدام الحاسوب عبر Operator (وكيل تصفح ويب مخصص) وكقدرة أصيلة في واجهة وكيل ChatGPT. وGPT-5.4، الذي أُطلق في 5 مارس 2026، هو أول نموذج متقدم من OpenAI بقدرات استخدام حاسوب مدمجة مدرّبة على التحكم في الأجهزة الافتراضية عبر المتصفحات، وتطبيقات سطح المكتب، وإدارة الملفات (OpenAI, March 2026). وOpenAI تتعامل مع استخدام الحاسوب كقدرة نموذج جوهرية، لا كإضافة.
استخدام Google Gemini للحاسوب#
سجّل Gemini 2.5 Computer Use نسبة 88.9% على WebVoyager و69.7% على AndroidWorld في أوائل 2026 (Google / OSWorld, 2026). وتلك أرقام قوية للمهام القائمة على المتصفح. والتحكم على مستوى نظام التشغيل أقل نضجاً. وتطبيق Google متكامل بإحكام مع Chrome، وهو ما يمنحه تفوقاً في مسارات عمل الويب تحديداً.
كيف تُقارَن أرقام القياس#
| النموذج أو النظام | WebVoyager | AndroidWorld | OSWorld |
|---|---|---|---|
| Google Gemini 2.5 | 88.9% | 69.7% | غير منشور |
| Claude Sonnet 4.5 | - | - | 61.4% |
| الخط الأساسي البشري | - | - | نحو 72% |
بضعة أمور تستحق التذكر عند قراءة هذه:
المقاييس لا تقيس الشيء نفسه. فـ WebVoyager يختبر التنقل في متصفح الويب، وAndroidWorld يختبر التحكم في تطبيقات الجوال، وOSWorld يختبر إتمام المهام على مستوى نظام التشغيل عموماً. والأداء القوي على WebVoyager لا يتنبأ بأداء OSWorld، والعكس صحيح.
وهذه أيضاً ظروف قياس مضبوطة، لا مسارات عمل إنتاجية. فالمهام الحقيقية فيها تباين أكبر، وحالات غير متوقعة أكثر، وأنماط فشل لا تلتقطها المقاييس. تعاملوا مع الأرقام كإشارة اتجاه.
وفجوة OSWorld هي التي تهم أكثر لأتمتة سطح المكتب: كل نظام حالي أقل من البشري. وClaude Sonnet 4.5 عند 61.4% يعني أن نحو 4 من كل 10 مهام تفشل أو تحتاج تدخلاً. وذلك ليس عيباً تعملون حوله؛ إنه قيد تصمّمون له.
أين يقع Cowork: وكيل سطح المكتب مقابل استخدام الحاسوب الخام#
ما يضيفه Cowork فوق استخدام الحاسوب#
استخدام الحاسوب الخام عبر واجهة البرمجة يمنحكم حلقة الإدراك والفعل: لقطة تدخل، وإجراء يخرج. إنه حجر بناء. مفيد، لكن عليكم تشييد بقية النظام أنفسكم.
وCowork يضيف طبقة المنتج:
- الإضافات: مهارات ومسارات عمل مغلّفة لوظائف بعينها (المالية، والقانون، والموارد البشرية، والمبيعات، والهندسة)
- موصلات MCP: تكاملات منظمة بالخدمات السحابية (Salesforce، وGoogle Drive، وDocuSign، وFactSet) تمنح الوكيل وصولاً إلى بيانات حقيقية بدل الاعتماد على ما يستطيع قراءته من الشاشة وحده
- نموذج الصلاحيات: حصر بنطاق المجلدات، وضوابط وصول الموصلات، وسوق إضافات مُدار من المسؤولين
- المهارات والأوامر المائلة: قوالب مسارات عمل مسمّاة تُشغَّل باتساق، لا تعليمات مرتجلة لقدرة استخدام حاسوب عامة
فإن كنتم تبنون نشراً مؤسسياً محكوماً، يمنحكم Cowork تلك الحَكامة جاهزة من الصندوق. ومع وصول واجهة البرمجة الخام، تكتبونها من الصفر.
الإضافات، والمهارات، وموصلات MCP#
نظام إضافات Cowork يعني أنكم لا تبدأون من الصفر للوظائف الشائعة. فإضافة المالية تضمّ مهارات مبنية مسبقاً لمهام مالية شائعة. وإضافة القانون تضمّ مسارات مراجعة العقود والامتثال. وأنتم تخصّصون فوق نقطة انطلاق بدل البناء من الصفر.
وموصلات MCP تهم لأن قراءة البيانات من كشط شاشة أبطأ، وأهش، وأكثر عرضة للخطأ من قراءتها من واجهة برمجة منظمة. فموصل Salesforce عبر MCP يمنح الوكيل بيانات نظام إدارة علاقات عملاء دقيقة ومنظمة. وقراءة البيانات نفسها بكشط واجهة Salesforce تُدخل زمن استجابة، وهشاشة إحداثيات، ومخاطرة تغيّر التصميم. وحيث توجد موصلات MCP، ينبغي أن تستخدموها.
لماذا يهم حصر الجهاز الافتراضي للاستخدام المؤسسي#
يستطيع Cowork اختيارياً تشغيل أتمتة المتصفح داخل جهاز افتراضي محصور، وهو ما يعزل إجراءات متصفح الوكيل عن جلستكم المحلية. فملفات تعريف الارتباط، وكلمات المرور المحفوظة، وبيانات الجلسة من متصفحكم الشخصي غير متاحة للوكيل العامل في الحصر.
وفرق تقنية المعلومات تسأل بموثوقية صيغة من: «إن كان الوكيل يتحكم في المتصفح، فهل يستطيع الوصول إلى حساباتي الشخصية؟» ومع عزل الحصر، الجواب محدود بوضوح. ودونه، يصير الجواب معقداً.
ما يستطيع وكلاء استخدام الحاسوب فعله وما لا يستطيعونه اليوم#
المهام التي يؤدونها جيداً#
يصمد وكلاء استخدام الحاسوب بموثوقية حين تحمل المهام هذه الخصائص:
- واجهات مستقرة. تطبيقات لا تغيّر واجهتها بتواتر ولها موضعة عناصر متسقة.
- معايير إتمام معرّفة جيداً. مهام يكون فيها «تمّ» غير ملتبس بصرياً: تظهر صفحة تأكيد، أو يُنشأ سجل، أو يُعبّأ حقل.
- حالات خطأ متسامحة. مسارات عمل يمكن فيها التراجع عن إجراء خاطئ أو التقاطه قبل أن يسبّب آثاراً جانبية لا رجعة فيها.
- تعقيد معتدل. متعدد الخطوات لكن غير شرطي بعمق: من 5 إلى 15 خطوة متمايزة بتفريع محدود.
وأشياء تعمل بموثوقية في الإنتاج: تعبئة النماذج القياسية (تقارير المصروفات، ونماذج التسجيل، وإدخال البيانات)، واستخراج بيانات منظمة من صفحات ويب إلى جدول بيانات، والتنقل في واجهة ويب متسقة لتصدير تقرير، ونقل البيانات بين أدوات بلا واجهة برمجة مشتركة.
المهام التي ما يزالون ينكسرون فيها#
- واجهات متغيرة بشدة. تطبيقات الصفحة الواحدة ذات العرض الشديد الاعتماد على الحالة، أو الواجهات المختبرة بـ A/B، أو التطبيقات التي تُعرض على نحو مختلف بحسب أنواع الحسابات.
- إجراءات عالية المخاطر لا رجعة فيها. إرسال رسائل بريد جماعية، وتنفيذ معاملات مالية، وحذف سجلات. هذه تحتاج تأكيداً بشرياً قبل أن يمضي الوكيل، بلا استثناء.
- CAPTCHA وكشف الروبوتات. معظم التطبيقات الحالية لا تستطيع تجاوز اختبارات CAPTCHA بموثوقية. والمواقع ذات كشف الروبوتات العدواني قد تحجب الجلسات المدفوعة بالوكلاء كلياً.
- المحتوى الديناميكي. الصفحات التي تحمّل المحتوى لا تزامنياً بعد العرض الأول تتطلب من الوكيل الانتظار وإعادة الالتقاط قبل التصرف. واللقطات سيئة التوقيت تنتج إجراءات على حالة قديمة.
- سلاسل ذاتية طويلة بلا تحقق. المهام ذات 30 خطوة وأكثر بلا نقاط تفتيش وسطى تُراكم الأخطاء. فلكل خطوة احتمال فشل صغير؛ ضاعفوا ذلك عبر 30 خطوة فيصير معدّل الفشل الكلي معتبراً.
فجوة الموثوقية وكيف تعملون حولها#
معدّل نجاح 61% على OSWorld ليس قابلاً للنشر كنظام ذاتي بالكامل لمعظم مسارات العمل المؤسسية. وذلك لا يعني أن استخدام الحاسوب بلا فائدة؛ يعني أن عليكم التصميم حول معدّل الفشل بدل التظاهر بأنه غير موجود.
ضيّقوا النطاق. «انتقل إلى صفحة هذا التقرير المحددة وصدّرها كملف CSV» أكثر موثوقية بكثير من «ابحث عن هذه الشركة ولخّص أخبارها الأخيرة». والتحديد يترجَم مباشرة إلى موثوقية.
أضيفوا تحققاً بعد كل خطوة حرجة. ينبغي أن يؤكد الوكيل الحالة المتوقعة قبل المواصلة. وعند الفشل، أعيدوا المحاولة أو صعّدوا، لا تواصلوا.
اطلبوا تأكيداً بشرياً قبل الإجراءات التي لا رجعة فيها. المعاملات المالية، والاتصالات الصادرة، والسجلات المحذوفة. بلا استثناءات.
ابنوا مسارات احتياط صريحة. بعد عدد محدد من المحاولات الفاشلة، ينبغي أن يصعّد الوكيل إلى إنسان. والدوران عند الفشل أو الفشل في صمت نتيجتان غير مقبولتين كلتاهما.
الأسئلة الشائعة#
ما الفرق بين وكيل استخدام الحاسوب وأداة أتمتة المتصفح؟
أدوات أتمتة المتصفح (Selenium وPlaywright) تتفاعل مع تطبيقات الويب عبر بنية HTML؛ فهي تحتاج وصولاً إلى نموذج المستند، أو محدّدات CSS، أو XPath لتحديد العناصر. ووكلاء استخدام الحاسوب يتفاعلون عبر لقطات الشاشة وإجراءات إحداثيات البكسل، كما يفعل شخص ينظر إلى الشاشة. واستخدام الحاسوب أبطأ وأقل موثوقية في مهام الويب حيث توجد محدّدات جيدة، لكنه يعمل في أي تطبيق (تطبيقات سطح المكتب، والبرمجيات القديمة، وتطبيقات الويب المعقدة) دون الحاجة إلى شيفرة تكامل.
كيف يرى استخدام Claude للحاسوب الشاشة ويتفاعل معها؟
يأخذ Claude لقطات شاشة لحالة الشاشة الحالية، ويستخدم نماذج الرؤية لتحديد عناصر الواجهة وإحداثياتها، ويستدلّ على الإجراء التالي، ويرسل أحداث فأرة ولوحة مفاتيح لتنفيذ ذلك الإجراء. وبعد كل إجراء، يأخذ لقطة أخرى للتحقق من النتيجة. وتستمر الحلقة حتى تكتمل المهمة أو يحدث شيء غير متوقع.
أي المهام يستطيع وكيل استخدام الحاسوب توليها ولا يستطيع وكيل قائم على واجهة برمجة؟
أي شيء ينطوي على برمجيات بلا واجهة برمجة، أو لا تعرض واجهتها الوظيفة المحددة المطلوبة. والتطبيقات المؤسسية القديمة، وبرمجيات سطح المكتب، وتهيئات SaaS المخصصة بشدة، ومسارات العمل عبر تطبيقات متعددة غير موصولة هي الحالات الأساسية. ويتولى استخدام الحاسوب كذلك مسارات العمل في تطبيقات تغيّر واجهتها بتواتر يكفي لجعل الأتمتة القائمة على المحدّدات غير موثوقة.
هل Claude Cowork وكيل استخدام حاسوب؟
يستخدم Cowork استخدام الحاسوب كإحدى قدراته الأساسية، لكنه طبقة منتج لا واجهة برمجة خام لاستخدام الحاسوب. ويضيف Cowork إضافات، وموصلات MCP للوصول إلى بيانات منظمة، ونموذج صلاحيات، ونظام مهارات، وعزل متصفح محصور فوق قدرة استخدام الحاسوب الأساسية. والفرق يهم عملياً: Cowork قابل للنشر في سياق مؤسسي بحَكامة وقابلية تدقيق مدمجتين. والوصول إلى واجهة البرمجة الخام يتطلب منكم بناء ذلك أنفسكم.
ما الحالة الراهنة لموثوقية استخدام الحاسوب في الإنتاج؟
سجّل Claude Sonnet 4.5 نسبة 61.4% على OSWorld في 2025 (والخط الأساسي البشري نحو 72%). وسجّل Google Gemini 2.5 نسبة 88.9% على مقياس متصفح WebVoyager. والموثوقية في العالم الحقيقي تتباين كثيراً بحسب نوع المهمة: فالمهام المعرّفة جيداً والمحدودة في واجهات مستقرة تؤدي أفضل ماديّاً من المهام المعقدة المفتوحة في واجهات ديناميكية. ابنوا حلقات تحقق ومسارات تصعيد بشري في أي نشر إنتاجي. وهي ليست اختيارية.
