بيانات Anthropic: تركز حوالي نصف استدعاءات وكيل الذكاء الاصطناعي على هندسة البرمجيات، وهذه الـ 16 قطاعًا لا تزال سوقًا واعدة

الطب يشكل 1٪، القانون 0.9٪، التعليم 1.8٪. هذه ليست أسواقًا مشبعة، بل هي أسواق تكاد تكون غير موجودة تقريبًا.

المؤلف: Garry’s List

الترجمة: Deep潮 TechFlow

مقدمة Deep潮: أصدرت شركة Anthropic أحدث دراسة شاملة حتى الآن حول الاستخدام الحقيقي لوكلاء الذكاء الاصطناعي، والبيانات الأساسية هي: أن هندسة البرمجيات تشكل حوالي 50% من استدعاءات أدوات الوكيل، في حين أن 16 مجالًا عموديًا مثل الرعاية الصحية، القانون، التعليم، وغيرها، مجتمعة، لا تتجاوز نصف الباقي، وكل مجال منها أقل من 5%.

هذه ليست إشارة إلى سوق مشبع، بل هي خريطة لـ 300 شركة يونيكورن عمودية في الذكاء الاصطناعي — والأكثر قيمة هو اكتشاف عكسي أشار إليه المقال: أن النموذج أصبح قادرًا على العمل بشكل مستقل لمدة تقارب 5 ساعات، لكن المستخدمين يسمحون له بالعمل فقط لمدة 42 دقيقة، وهذا “عجز الثقة” بحد ذاته يمثل فرصة منتجية قادمة.

النص الكامل:

الهندسة البرمجية تشكل حوالي 50% من جميع استدعاءات أدوات وكيل الذكاء الاصطناعي. أما 16 مجالًا عموديًا مثل الرعاية الصحية، القانون، التمويل، فهي تكاد تكون غير ملامسة، وكل منها أقل من 5%. هذا يعني أن هناك 300 شركة يونيكورن عمودية في الذكاء الاصطناعي تنتظر أن تُبنى.

لو كنت سأبدأ مشروعًا اليوم، سأركز على المنطقة الحمراء في الرسم البياني العمودي أعلاه، حتى أرى مستقبلي بوضوح.

قال Aaron Levie، مؤسس Box:

هذه الصورة تذكرنا جيدًا بمدى الفرص الكبيرة في مجال وكلاء الذكاء الاصطناعي الآن.

بالطبع، هناك الكثير من الفرص على المستوى الأفقي، لكن هناك أيضًا العديد من تدفقات العمل التي تتطلب معرفة عميقة بالمجال، لتساعد المستخدمين على أتمتة عملياتهم الفريدة في كل مجال.

النموذج هو: بناء برامج وكيل تتصل ببيانات خاصة، وتربط بين المستخدم والوكيل بطريقة فعالة لمعالجة تدفقات العمل، مع قدرات هندسة سياق متخصصة عميقة، بالإضافة إلى قدرات إدارة التغيير على جانب العميل.

لا تزال العديد من المجالات تفتقر بشكل كبير.

الهندسة البرمجية تسيطر على حوالي نصف أنشطة وكلاء الذكاء الاصطناعي. النصف الآخر موزع على 16 مجالًا عموديًا، وكل منها أقل من 9%. الرعاية الصحية 1٪، القانون 0.9٪، التعليم 1.8٪. هذه ليست أسواقًا مشبعة، بل هي أسواق تكاد تكون غير موجودة تقريبًا.

أصدرت شركة Anthropic للتو أعمق دراسة حتى الآن حول الاستخدام الحقيقي لوكلاء الذكاء الاصطناعي. الاكتشاف الرئيسي هو: أن هندسة البرمجيات تشكل 49.7% من استدعاءات أدوات الوكيل عبر API الخاص بهم. والنتيجة الأساسية المخفية هي: أن كل شيء آخر هو سوق غير مستغل.

تأخر النشر

هناك رقم يجب أن يثير حماسة رواد الأعمال: قدرات النموذج تتجاوز بكثير الحدود التي يثق بها المستخدمون.

تقييم قدرات METR يُظهر أن Claude يمكنه حل مهام تستغرق قرابة خمس ساعات لإنجازها بواسطة الإنسان. لكن في الاستخدام الفعلي، فإن مدة الجلسة عند أعلى 0.1% فقط حوالي 42 دقيقة. هذا الفارق — بين ما يمكن للذكاء الاصطناعي أن يفعله وما نسمح له بفعله — هو فرصة هائلة.

صورة: مدة التدريب الأقصى لClaude Code تضاعفت تقريبًا خلال ثلاثة أشهر. هذا لم يعزز القدرات فحسب، بل زاد من الثقة أيضًا.

المصدر: x.com

من أكتوبر 2025 إلى يناير 2026، تقريبًا تضاعفت مدة الجلسة عند أعلى 0.1% من أقل من 25 دقيقة إلى أكثر من 45 دقيقة. النمو كان ثابتًا بين إصدارات النماذج المختلفة. الأمر ليس فقط أن النماذج أصبحت أقوى، بل أن المستخدمين يتعلمون مع الاستخدام، ويزيدون تدريجيًا من ثقتهم في الوكيل.

“من أغسطس إلى ديسمبر، تضاعفت نسبة نجاح Claude Code في المهام الأكثر تحديًا للمستخدمين الداخليين، وفي الوقت نفسه، انخفض عدد التدخلات البشرية في كل جلسة من 5.4 إلى 3.3.”

القدرات موجودة، لكن النشر لم يواكبها بعد. هذه ليست مشكلة، بل فرصة للمنتج.

كيف تتطور الثقة

20% من المستخدمين الجدد يوافقون تلقائيًا على عمليات Claude Code. وعند 750 جلسة، يتجاوز معدل الجلسات التي تتم الموافقة عليها تلقائيًا 40%. لكن اكتشافًا عكسيًا هو أن المستخدمين ذوي الخبرة يجرون تدخلات أكثر، وليس أقل. المستخدمون الجدد يتدخلون في 5% من الدورات، بينما المستخدمون القدامى في 9%.

صورة: الثقة مهارة تتراكم باستمرار. المستخدمون الجدد يوافقون تلقائيًا على 20% من الجلسات. وعند 750 جلسة، يتجاوز هذا المعدل 40%.

المصدر: Anthropic

هذا لا يتعارض، بل هو تحول في استراتيجية الإشراف. المبتدئون يوافقون تدريجيًا قبل أن يحدث أي إجراء، بينما المستخدمون القدامى يمنحون إذنًا أولاً، ثم يتدخلون عند ظهور مشكلة — لقد تحولوا من الموافقة المسبقة إلى المراقبة النشطة.

وإليك اكتشاف مهم من ناحية الأمان: في المهام المعقدة، يطلب Claude Code توضيحًا بشكل نشط أكثر من ضعف تكرار التدخل البشري. الوكيل يتوقف ليؤكد، بدلاً من التقدم بشكل مستمر. هذه سمة، وليست عيبًا.

“الاستنتاج الرئيسي من الدراسة هو أن الاستقلالية التي يمارسها الوكيل في الممارسة، هي نتيجة مشتركة لنموذج المستخدم والمنتج. عندما يكون غير متأكد، يتوقف ليطرح أسئلة، للحد من استقلاليته. المستخدمون يبنون الثقة من خلال التعاون مع النموذج، ويعدلون استراتيجيات الإشراف الخاصة بهم وفقًا لذلك.”

استراتيجية Levie في الذكاء الاصطناعي العمودي

أشار Aaron Levie إلى الثروة والقيمة الهائلة التي تنتظر أن تُطلق: بناء برامج وكيل تتصل ببيانات خاصة، وتساعد على حل مشاكل حقيقية، وتملأ السياق لتعظيم الناتج الذكي، وأيضًا — وهو الجزء الذي يغفله معظم رواد الأعمال — دفع إدارة التغيير على جانب العميل.

هذه النقطة الأخيرة هي السبب في أن الذكاء الاصطناعي العمودي يصعب نسخه. أي شخص يمكنه بناء واجهة API، لكن قليلين هم من يستطيعون السيطرة على تدفقات العمل الخاصة بالفواتير الطبية، الاكتشاف القانوني، أو الموافقات على تصاريح البناء، مع الالتزام باللوائح والمقاومة التنظيمية.

نمت صناعة SaaS بمعدل عشرة أضعاف خلال العقود الماضية. خلال العشرين سنة الماضية، استحوذت أكثر من 40% من استثمارات رأس المال المخاطر على شركات SaaS. وُجد أكثر من 170 شركة يونيكورن في هذا القطاع. المنطق بسيط: كل واحد من هذه اليونيكورن لديه نسخة عمودية من الذكاء الاصطناعي تنتظر الظهور. وقد تتضاعف هذه النسخ بعشرة أضعاف، لأنها لا تحل محل البرمجيات فقط، بل أيضًا العاملين.

الجوهر في البناء المشترك

الاكتشاف الرئيسي من Anthropic يستحق أن يولي اهتمامًا جادًا من أي شخص يشارك في سياسات الذكاء الاصطناعي. الاستقلالية ليست خاصية ثابتة للنموذج، بل هي نتيجة مشتركة بين النموذج، المستخدم، والمنتج. التقييم قبل النشر لا يمكنه التقاط ذلك، ويجب قياسه في الاستخدام الحقيقي.

قالت Anthropic رسميًا:

الهندسة البرمجية تشكل حوالي 50% من استدعاءات أدوات الوكيل عبر API الخاص بنا، لكننا نرى أن صناعات أخرى تظهر أيضًا. مع استمرار توسع حدود المخاطر والاستقلالية، يصبح المراقبة بعد النشر أمرًا حيويًا. نحن نشجع مطوري النماذج الآخرين على توسيع هذه الدراسة.

الأرقام المتعلقة بالأمان مطمئنة: 73% من استدعاءات الأدوات يشارك فيها الإنسان، و0.8% فقط من العمليات غير قابلة للعكس. أغلب سيناريوهات النشر عالية المخاطر — مثل تسريب مفاتيح API أو التداول التلقائي المشفر — تتعلق بالتقييم الأمني، وليست في بيئة الإنتاج الحقيقية.

“اللوائح التي تفرض أنماط تفاعل محددة — مثل طلب موافقة الإنسان على كل عملية — ستخلق عوائق، وليس بالضرورة أن تعزز الأمان.”

فرض سياسة “موافقة على كل عملية” يقتل الإنتاجية، ولن يزيد الأمان. الهدف الأفضل هو ضمان قدرة الإنسان على المراقبة والتدخل، بدلاً من فرض سير عمل موافقة محدد.

أين توجد اليونيكورن

الخريطة جاهزة. البرمجيات موجودة بالفعل. الرعاية الصحية، القانون، التمويل، التعليم، خدمة العملاء، اللوجستيات — 16 مجالًا عموديًا، وكل سوق منها في خانة الأحاد، تنتظر من يدمج المعرفة المتخصصة في الوكيل.

سبق أن وُجد أكثر من 300 شركة SaaS يونيكورن، والـ 300 شركة عمودية في الذكاء الاصطناعي القادمة على الطريق. من يختار المجال الصحيح، ويُدمج المعرفة المتخصصة، ويفهم كيف يدير التغيير، سيكون لديه فرصة لقيادة سوق البرمجيات في العقد القادم.

النموذج أصبح قادرًا على العمل لخمس ساعات، لكن المستخدمين يتركونه يعمل فقط لمدة 42 دقيقة. هذه إشارة: لا زلنا في المراحل المبكرة جدًا، وهناك الكثير مما يمكن بناؤه، وفي أماكن لم يسبق أن رأينا فيها حتى دقيقة واحدة من الذكاء يُظهر قدراته.