يجيب أحد عملاء الذكاء الاصطناعي في المؤسسة بثقة تامة، لكن الرقم خاطئ. لا أحد يلتقطها حتى يتتبعها شخص ما مرة أخرى إلى تعريف متري قديم أو مستند لم يسحبه نظام الاسترجاع مطلقًا. النموذج لم يفشل. السياق الذي أعطيت له فعلت.
في الأشهر الستة الماضية، تتبعت 57% من المؤسسات إجابة واثقة ولكن خاطئة من وكيل الذكاء الاصطناعي لسياق العمل المفقود أو غير المتسق، وقالت 31% منها إن ذلك حدث أكثر من مرة، وفقًا لاستطلاع أجرته VB Pulse في يونيو 2026 لـ 101 مؤسسة مؤهلة تضم أكثر من 100 موظف.
السبب ليس من الصعب العثور عليه. يعد استرجاع المستندات هو الطريقة الافتراضية التي يحصل بها الوكلاء على سياق الأعمال بالنسبة لـ 38% من المؤسسات، أي ما يقرب من ضعف الطريقة الأقرب التالية. الطريقة التي تختار بها معظم الشركات نظام الاسترجاع تؤدي إلى تفاقم المشكلة. إن سهولة الاستيعاب والبساطة التشغيلية تقودان معايير الاختيار، مع دقة الاسترجاع وراء كليهما. تظهر مشكلة الدقة فقط بعد تشغيل النظام بالفعل.
يوجد حل معروف لهذه المشكلة، وهو طبقة سياق محكومة يقرأ منها كل وكيل بدلاً من التخمين. يتسابق البائعون لطرح منصات السياق بينما لا تزال معظم المؤسسات تكتشف ماهيتها.
75% ليس لديهم طبقة سياق وكيل حتى الآن
من المفترض أن تكون طبقة السياق نموذجًا مشتركًا لما تعنيه بيانات الأعمال فعليًا، ويتم إنشاؤه مرة واحدة ويتم الرجوع إليه باستمرار بدلاً من إعادة استخلاصه من قبل كل وكيل يلمسه.
يُظهر بحث VentureBeat أن استجابة المؤسسات لهذه الفكرة واسعة النطاق ولكنها غير مكتملة. خمسة وعشرون بالمائة من المشاركين يديرون واحدة في الإنتاج. أربعة وثلاثون بالمائة يقومون ببناء واحدة الآن. أما الـ 41% المتبقية فلم تبدأ بعد.
من بين الشركات التي تقوم بالفعل ببناء أو تشغيل طبقة سياق محكومة، أبلغ 78% عن فشل واثق وخاطئ – حيث أجاب وكيل الذكاء الاصطناعي بيقين تام وكان لا يزال مخطئًا. ومن بين الشركات التي ليس لديها خطط لبناء طبقة، أبلغ 20% فقط عن نفس الشيء. الشركات التي تعرضت للحرق بالفعل من المرجح أن تقوم ببناء الإصلاح. الشركات التي لم يتم حرقها بعد لا ترى ضرورة ملحة.
كيف يبدو السياق المحكوم عندما يقوم شخص ما ببناء واحد بالفعل
يقوم الآن كل مورد رئيسي للبيانات ومنصات الذكاء الاصطناعي ببناء نسخة ما من هذه الطبقة، ولا يتقاربون على نفس البنية.
-
يتعامل DataHub مع بيانات تعريف الكتالوج وسنوات من سلوك استعلام المحلل كمصدر للمعرفة، ثم يبقيها محدثة كنظام حي بدلاً من موقع wiki ثابت.
-
يقوم برنامج Fabric IQ من Microsoft ببناء وجود تجاري يمكن لأي وكيل، وليس وكيل Microsoft فقط، الاستعلام عنه عبر MCP.
-
تعمل Couchbase على دفع ذاكرة الوكيل واسترجاع السياق إلى الحافة، بحجة أن قاعدة البيانات التشغيلية هي موطن أكثر طبيعية لها من طبقة البحث أو التحليلات التي يتم تثبيتها بعد وقوع الحدث.
-
يقوم Pinecone’s Nexus بتجميع المنطق الهيكلي في طبقة البيانات الوصفية قبل وقت التشغيل، مراهنًا على أن الوكلاء يحتاجون إلى بنية مبنية مسبقًا أكثر من حاجتهم إلى بحث أسرع.
-
تدير Snowflake نظامًا مكونًا من طبقتين، Horizon context للتعريفات التي يديرها العميل وCortex Sense للسياق الذي تستنتجه المنصة من تلقاء نفسها.
-
تتخذ وحدة الذاكرة الموحدة من Oracle النهج المعاكس، حيث تقوم بطي البيانات المتجهة والرسوم البيانية والبيانات العلائقية في محرك معاملات واحد، لذلك لا توجد طبقة مزامنة متبقية لتصبح قديمة.
-
يستخرج كتالوج المعرفة من Google سجلات الاستعلام وأنماط الاستخدام لتنظيم السياق الدلالي تلقائيًا.
-
تقوم خدمة سياق AWS بنفس الرهان، وهو رسم بياني معرفي يصبح أكثر ذكاءً من كيفية استخدام الوكلاء له فعليًا بدلاً من إعادة التنظيم اليدوي.
يتفق المحللون على تشخيص واحد
تختلف أساليب البائع. ما أخبره المحللون والممارسون لموقع VentureBeat حول المشكلة الأساسية، عبر سلسلة من المقابلات هذا العام، لم يكن كذلك.
عندما هبطت طبقة السياق الخاصة بـ DataHub هذا الربيع، قام مايكل ني، نائب رئيس شركة Constellation Research والمحلل الرئيسي، بصياغة المخاطر بعبارات صريحة. "من يتحكم في سياق وقت التشغيل، يتحكم في طبقة قرار الذكاء الاصطناعي لبيانات المؤسسة،" قال ني. لقد كان مباشرًا أيضًا بشأن مدى حصول أي منتج على مشتري فعليًا. "الذاكرة المتجهة ليست معنى تجاريًا، والمعنى التجاري ليس حكمًا، والحكم ليس تنفيذًا،" قال ني.
وفي المقابلة نفسها، أشار كيفن بيتري، محلل BARC، إلى فجوة أضيق ولكن ملموسة. وقال إن معظم منصات السياق تركز على الجداول المنظمة، التي تمنح الوكلاء حقائق موثوقة ولكنها تفوت السياق الأصعب والأكثر فوضوية الموجود في المستندات والمحتوى غير المنظم، وهي بالضبط المادة التي تديرها الشركة فعليًا يومًا بعد يوم.
أثارت ستيفاني والتر، قائدة ممارسات AI Stack في HyperFRAME Research، نقطة ذات صلة في وقت سابق من هذا العام عندما سألتها VentureBeat عن تجزئة سياق المؤسسة.
"السوق متقارب على نفس النتيجة" قال والتر. "لا يحتاج الوكلاء إلى المزيد من الرموز أو النماذج الأفضل فحسب. إنهم بحاجة إلى سياق مُحكم وحديث ومنخفض الكمون." لقد قدمت حالة مماثلة في مراجعة سابقة لإطلاق Pinecone’s Nexus، مع الحرص على عدم المبالغة في تقدير مدى حداثة أي من هذا. وقالت نيكزس "ينقل العمل المعرفي من الفوضى في وقت التشغيل إلى البنية المترجمة مسبقًا. لكنه تطور في بنية RAG، وليس إعادة اختراع كاملة."
قدم آرون تشاندراسيكاران من شركة Gartner، بمراجعة نفس الإطلاق، قراءة أكثر تطلعية. وقال إن الذكاء الاصطناعي الوكيل يتحرك من استرجاع المعلومات النقية نحو بنية منطقية، حيث يعمل السياق الطويل كذاكرة قصيرة المدى وتعمل قاعدة بيانات المتجهات كمخزن عميق تحتها.
تظهر مشكلة التجزئة بشكل أصعب على مستوى الممارسين، حيث لم يتم أبدًا إنشاء أدوات منفصلة للاسترجاع والذاكرة والتحكم في الوصول لتتفق مع بعضها البعض. قال ستيفن ديكنز، الرئيس التنفيذي والمحلل الرئيسي في شركة HyperFRAME Research، الأمر بصراحة بعد إطلاق قاعدة بيانات الذكاء الاصطناعي الخاصة بشركة Oracle هذا الربيع. "فرق البيانات منهكة بسبب إرهاق التجزئة،" قال ديكنز. "إن إدارة مخزن متجه منفصل وقاعدة بيانات رسومية ونظام علائقي لتشغيل وكيل واحد فقط هو كابوس DevOps."
قام مات كيمبال من Moor Insights and Strategy، في نفس القصة، بوضع واقع الإنتاج بشكل أكثر بساطة. وقال إن الحصول على وكيل يعمل ليس بالجزء الصعب. النضال هو تشغيله في الإنتاج، حيث يصبح الهدف إزالة المسافة بين البيانات والتنفيذ بدلاً من إضافة طبقة أخرى فوقها.
ماذا يعني هذا بالنسبة للشركات
وإليك ما يضيفه هذا للمؤسسات التي تعتمد على هذه الطبقة.
الاسترجاع وحده لن يسد فجوة السياق. RAG هو المصدر الافتراضي للسياق في معظم المؤسسات اليوم، وهو أيضًا الطبقة الأكثر ارتباطًا بفشل الإجابة الخاطئة الواثقة. لا تؤدي إضافة المزيد من المستندات أو فهرس أكبر إلى إصلاح التعريف غير المتسق عبر الأنظمة.
طبقة السياق الدلالي هي المكان الذي تتحرك فيه الميزانية فعليًا، حتى في الأماكن التي لم يتم شحنها فيها. ثمانية وخمسون بالمائة من المؤسسات منخرطة بالفعل – في البناء أو في الإنتاج – ولكن 25٪ فقط قد حصلت بالفعل على طبقة مباشرة. وتظهر هذه الفجوة أين قررت الشركات الإنفاق، وليس أين وصلت.
لا يوجد بائع واحد يمتلك هذه البنية حتى الآن، ومن المرجح أن يظل هذا صحيحًا لفترة من الوقت. وينبغي للشركات التي تقوم بتقييم هذه الطبقة أن تتوقع التكامل بدلاً من اختيار فائز واحد، على الأقل خلال الأرباع السنوية العديدة القادمة.
قرار الشراء يحدث هذا العام، وهو متركز بين الشركات التي احترقت بسببه بالفعل. وتخطط 57% من المؤسسات للتبديل أو إضافة منصة استرجاع أو سياق خلال الاثني عشر شهرًا القادمة. هذه النية لا تنتشر بالتساوي. الشركات التي أبلغت عن خطة فاشلة متكررة وواثقة وخاطئة لتبديل أو إضافة مزود خدمة بلغت حوالي 81%، مقابل 32% بين الشركات التي لم تواجه المشكلة مطلقًا. الشركات التي تبحث عن أدوات سياقية جديدة في الوقت الحالي هي إلى حد كبير تلك التي أخطأ عملاؤها بالفعل في فهم الأمر.
الوكلاء قيد التشغيل بالفعل. لا يزال السياق الموجود أسفل معظمها قيد الإنشاء، ويتم اختيار البائع الذي يبيع الإصلاح هذا العام.
ستكون هذه البيانات جزءًا من محادثة أوسع على تحويل VB 2026 يومي 14 و15 تموز (يوليو) في مينلو بارك: تتسابق الشركات على سد فجوة السياق، وأي من الأساليب الناشئة – الطبقات الدلالية المحكومة، والاسترجاع المختلط، والحزم الأصلية للمزودين – تصمد بالفعل في الإنتاج.
