Microsoft Copilot يضيف Claude Opus 5.5 وGPT-6 Sol: عصر جديد لاختيار نموذج الذكاء الاصطناعي

 

Microsoft Copilot يضيف Claude Opus 5.5 وGPT-6 Sol: عصر جديد لتعدد نماذج الذكاء الاصطناعي

شهدت منصات الذكاء الاصطناعي خلال عام 2026 تحولًا مهمًا من فكرة الاعتماد على نموذج واحد إلى مفهوم أكثر مرونة يعتمد على تعدد النماذج. وفي هذا السياق، أعلنت Microsoft عن توسيع خيارات النماذج داخل Microsoft Copilot بإضافة Claude Opus 5.5 من Anthropic وGPT-6 Sol من OpenAI.

وتأتي هذه الخطوة ضمن رؤية Microsoft التي تقوم على فكرة More Models, One Copilot، أي توفير نماذج مختلفة داخل تجربة Copilot نفسها بدل إجبار المستخدم على الاعتماد على نموذج واحد لجميع المهام.

لكن أهمية الإعلان لا تتعلق بمجرد إضافة اسمين جديدين إلى قائمة النماذج. التغيير الأهم هو أن Copilot يتحول تدريجيًا إلى طبقة ذكاء تستطيع الجمع بين النماذج المتعددة، بيانات المؤسسة، سياق العمل، الأدوات، والوكلاء الذكيين.

وفي هذا المقال سنشرح بالتفصيل ما الذي تغير، وما الذي يعنيه وصول Claude Opus 5.5 وGPT-6 Sol إلى Copilot، وكيف يرتبط ذلك بـWork IQ وCopilot Cowork وCopilot Studio، وما الذي يمكن أن يعنيه هذا الاتجاه للمستخدمين والشركات والمطورين.

📌 فهرس المقال

• مقدمة: لماذا تتجه منصات الذكاء الاصطناعي إلى تعدد النماذج؟
• ما الجديد في Microsoft Copilot؟
• ما المقصود بتعدد النماذج؟
• ما النماذج الجديدة التي وصلت إلى Copilot؟
• ما هو Claude Opus 5.5؟
• ما هو GPT-6 Sol؟
• ما الفرق بين Claude Opus 5.5 وGPT-6 Sol؟
• لماذا أصبح اختيار النموذج مهمًا؟
• هل يستطيع Copilot اختيار النموذج تلقائيًا؟
• كيف يمكن أن تستفيد Word؟
• كيف يمكن أن تستفيد Excel؟
• كيف يمكن أن تستفيد PowerPoint؟
• دور Copilot Chat
• ما هو Copilot Cowork؟
• ماذا يقدم Copilot Studio؟
• ما هو Work IQ؟
• لماذا يمثل سياق العمل عنصرًا أساسيًا؟
• العلاقة بين النماذج والوكلاء الذكيين
• كيف يمكن أن يعمل سير عمل متعدد النماذج؟
• ماذا يعني هذا للشركات؟
• الأمان والحوكمة
• ماذا عن الخصوصية؟
• كيف يؤثر تعدد النماذج على التكلفة؟
• هل يمكن أن يرفع الإنتاجية فعلًا؟
• ما حدود هذه التقنية؟
• أهم التحديات والمخاطر
• ماذا يعني ذلك للمطورين؟
• مستقبل Microsoft Copilot
• الأسئلة الشائعة
• الخلاصة

🤖 مقدمة: لماذا تتجه منصات الذكاء الاصطناعي إلى تعدد النماذج؟

في السنوات الأولى من انتشار المساعدات الذكية، كان المستخدم يتعامل غالبًا مع منصة مرتبطة بنموذج أو عائلة نماذج محددة. كان الاختيار بسيطًا: تفتح الخدمة، تكتب السؤال، ثم تحصل على الإجابة.

لكن طبيعة استخدام الذكاء الاصطناعي تغيرت بشكل كبير. المستخدم لم يعد يطلب فقط كتابة فقرة أو الإجابة عن سؤال معلوماتي. أصبح الذكاء الاصطناعي يستخدم في البرمجة، وتحليل البيانات، وإنشاء المستندات، وتلخيص الاجتماعات، ومراجعة الملفات، وبناء العروض التقديمية، وتنفيذ المهام متعددة الخطوات.

وهنا ظهرت مشكلة مهمة: هل يوجد نموذج واحد يستطيع أن يكون الأفضل في جميع هذه المهام؟

عمليًا، تختلف النماذج في طريقة تدريبها، وهندسة الاستدلال الخاصة بها، وسرعتها، وتكلفتها، وقدرتها على التعامل مع السياقات الطويلة، واستخدام الأدوات، وتنفيذ المهام متعددة الخطوات.

لذلك أصبح مفهوم Model Choice أو اختيار النموذج جزءًا مهمًا من تطور منصات الذكاء الاصطناعي.

Microsoft تتحرك في هذا الاتجاه داخل Copilot، حيث أصبحت المنصة تستفيد من نماذج من شركات مختلفة، بما فيها OpenAI وAnthropic، مع إضافة طبقات Microsoft الخاصة بالبيانات والسياق والأمان والتكامل مع تطبيقات Microsoft 365.

الفكرة الأساسية: لم يعد السؤال فقط "أي مساعد ذكاء اصطناعي أستخدم؟"، بل أصبح أيضًا "أي نموذج أريد استخدامه لهذه المهمة، وكيف يمكن دمجه مع بيانات وأدوات العمل؟"

🚀 ما الجديد في Microsoft Copilot؟

في 22 سبتمبر 2026، أعلنت Microsoft عن توسيع اختيار النماذج داخل Copilot من خلال إضافة Claude Opus 5.5 وGPT-6 Sol. وتصف Microsoft الخطوة ضمن توجه More Models, One Copilot.

وتشير المعلومات المنشورة من Microsoft إلى أن النماذج الجديدة ترتبط بتجارب تشمل Word وExcel وPowerPoint وCopilot Chat وCopilot Cowork وCopilot Studio، مع اختلاف التوفر بحسب المنتج والإعدادات والترخيص ومراحل الطرح.

هذه النقطة مهمة؛ لأن كلمة "متاح" في عالم البرمجيات لا تعني بالضرورة أن كل مستخدم في كل دولة سيجد النموذج نفسه في اللحظة نفسها. بعض الميزات قد تصل تدريجيًا أو تكون مرتبطة بنوع الاشتراك أو المؤسسة أو برنامج وصول معين.

لكن الاتجاه العام واضح: Microsoft تريد أن يكون Copilot طبقة يستطيع المستخدم من خلالها الوصول إلى أكثر من نموذج بدل ربط تجربة العمل بالكامل بمحرك واحد.

🧠 ما المقصود بتعدد النماذج؟

تعدد النماذج يعني أن المنصة تستطيع استخدام أكثر من نموذج ذكاء اصطناعي بدل الاعتماد على نموذج واحد فقط.

يمكن تشبيه الأمر بمركز عمل يحتوي على عدة أدوات متخصصة. الأداة الأولى قد تكون مناسبة للتحليل، والثانية للبرمجة، والثالثة للمهام الطويلة، بينما يمكن استخدام أداة أخرى عندما تكون السرعة أو التكلفة أولوية.

في نموذج تقليدي، إذا كانت المنصة تعتمد على نموذج واحد، فإن هذا النموذج يعالج جميع الطلبات تقريبًا. أما في نموذج متعدد النماذج، فيمكن للمنصة أو المستخدم اختيار المحرك المناسب حسب المهمة.

لكن تعدد النماذج لا يعني تلقائيًا أن النتيجة ستكون أفضل. فالنتيجة تعتمد أيضًا على جودة البيانات، والسياق، والأدوات، وطريقة بناء سير العمل، والصلاحيات، وكيفية تقييم المخرجات.

معلومة مهمة: وجود عدة نماذج داخل منصة واحدة لا يعني أن هناك نموذجًا واحدًا "أفضل في كل شيء". الاختيار المفيد يعتمد على المهمة الفعلية والقيود المطلوبة مثل الجودة والسرعة والتكلفة والسياق.

🔬 ما النماذج الجديدة التي وصلت إلى Copilot؟

النماذج التي شكلت محور إعلان Microsoft هي Claude Opus 5.5 من Anthropic وGPT-6 Sol من OpenAI.

وهنا يجب توضيح نقطة مهمة: النموذجان ليسا من تطوير Microsoft. Microsoft توفرهما كخيارات داخل منظومة Copilot، بينما تظل كل شركة مسؤولة عن تطوير نموذجها.

النموذج	الشركة المطورة	التركيز المعلن	وجوده داخل Copilot
Claude Opus 5.5	Anthropic	العمل المعقد، البرمجة، الوكلاء والعمل الاحترافي	ضمن اختيار النماذج في Copilot
GPT-6 Sol	OpenAI	البرمجة وسير العمل الوكيلي والمهام المعقدة	ضمن اختيار النماذج في Copilot

وتكمن أهمية الخطوة في أن المستخدم يمكنه الوصول إلى قدرات مختلفة من خلال بيئة العمل نفسها، بدل الانتقال بالضرورة بين مجموعة من الخدمات المستقلة.

🔵 ما هو Claude Opus 5.5؟

Claude Opus 5.5 هو نموذج من Anthropic أُعلن عنه في 22 سبتمبر 2026، وهو أول إصدار في عائلة Claude 5.5 وفق إعلان الشركة.

وتصف Anthropic النموذج بأنه موجه للعمل المعقد، والبرمجة، والوكلاء، والعمل المعرفي الاحترافي. كما تقول الشركة إن Opus 5.5 أقل تكلفة في التشغيل بنحو 40% من Opus 5 في أعباء العمل المعتادة التي تقيسها الشركة.

كما أعلنت Anthropic أن النموذج متاح للمستخدمين عبر Claude، وأنه متاح للمطورين عبر Claude Platform، إضافة إلى منصات سحابية أخرى، ومن بينها Microsoft Foundry.

هذا يجعل وصوله إلى Microsoft Copilot امتدادًا لمنظومة أوسع، وليس الطريقة الوحيدة للوصول إلى النموذج.

💻 لماذا يهم Opus 5.5 في البرمجة؟

البرمجة من المجالات التي تحتاج إلى أكثر من مجرد توليد نص. عندما يطلب المطور من نموذج الذكاء الاصطناعي العمل على مشروع كبير، يجب على النموذج فهم بنية المشروع، الملفات المرتبطة، المتطلبات، الأخطاء، والنتيجة المطلوبة.

ولهذا السبب أصبحت النماذج الحديثة تهتم بشكل متزايد بالمهام الطويلة واستخدام الأدوات وتنفيذ خطوات متعددة.

وتقول Anthropic إن Opus 5.5 حقق تحسينات كبيرة في المهام المعقدة، وذكرت مثالًا لاختبار قام فيه أحد المستخدمين بإجراء عملية ترحيل كبيرة لقاعدة برمجية. لكن هذه أمثلة واختبارات مرتبطة بجهة الاختبار، ولا ينبغي تحويلها إلى ضمان بأن كل مشروع برمجي سيحصل على النتيجة نفسها.

📚 لماذا يهم في العمل المعرفي؟

العمل المعرفي يشمل مهام مثل تحليل المعلومات، إعداد التقارير، مراجعة المستندات، التخطيط، البحث، صياغة المحتوى، واستخلاص الاستنتاجات من مجموعة من المعلومات.

كلما زاد حجم المهمة، أصبحت القدرة على الحفاظ على السياق وتنفيذ سلسلة من الخطوات أكثر أهمية من مجرد إنتاج إجابة قصيرة.

🟣 ما هو GPT-6 Sol؟

GPT-6 Sol هو نموذج من OpenAI مصمم للمهام البرمجية وسير العمل الوكيلي والمهام المعقدة.

وتوضح وثائق OpenAI الحالية أن GPT-6 Sol مخصص لتشغيل سير عمل معقدة في البرمجة والوكلاء، ويدعم مجموعة من الأدوات من خلال Responses API، بما فيها البحث على الويب، والبحث في الملفات، وتشغيل الكود، واستخدام الكمبيوتر، وMCP. كما يبلغ حجم نافذة السياق المنشورة للنموذج 1.05 مليون رمز، مع حد أقصى للمخرجات يبلغ 128 ألف رمز.

هذه المواصفات مهمة لفهم نوع المهام التي يستهدفها النموذج، لكنها لا تعني أن كل تطبيق سيستفيد من كامل هذه الإمكانات؛ فتوفر الأدوات وطريقة دمجها تعتمد على المنصة التي تستخدم النموذج.

⚙️ ما الذي يعنيه ذلك داخل Copilot؟

وجود GPT-6 Sol داخل Copilot يعني أن مستخدم Microsoft يمكنه الوصول إلى نموذج OpenAI من داخل تجربة العمل التي توفرها Microsoft، بدل أن يكون استخدام النموذج منفصلًا تمامًا عن تطبيقات المؤسسة.

القيمة هنا ليست في اسم GPT-6 Sol وحده، بل في الجمع بين النموذج وبين البيئة التي يعمل فيها: المستندات، الجداول، العروض، المحادثات، البيانات، الوكلاء، وأدوات Microsoft 365.

⚖️ ما الفرق بين Claude Opus 5.5 وGPT-6 Sol؟

من المهم عدم تحويل هذه المسألة إلى منافسة بسيطة من نوع "من الأفضل؟"، لأن ذلك لا يعكس طبيعة النماذج الحديثة.

Claude Opus 5.5 وGPT-6 Sol نموذجان مختلفان، طورتهما شركتان مختلفتان، ولهما خصائص واستخدامات متعددة.

Anthropic تركز في وصف Opus 5.5 على العمل المعقد، البرمجة، الوكلاء والعمل المعرفي.

أما OpenAI فتصف GPT-6 Sol بأنه نموذج موجه للبرمجة المعقدة وسير العمل الوكيلي.

لكن داخل Copilot، هناك عامل إضافي: النموذج لا يعمل في فراغ. Microsoft تضيف فوق النموذج طبقات من التطبيقات والسياق والبيانات والحوكمة.

لذلك يمكن تقسيم التجربة إلى ثلاث طبقات:

• النموذج: المحرك الذي يقوم بالاستدلال وتوليد المخرجات.
• السياق: المعلومات التي يحتاجها النموذج لفهم المهمة.
• المنصة: الأدوات والتطبيقات والصلاحيات التي تسمح بتحويل الإجابة إلى عمل.

🎯 لماذا أصبح اختيار النموذج مهمًا؟

السبب الأول هو اختلاف طبيعة المهام.

تخيل موظفًا يبدأ يومه بكتابة تقرير، ثم ينتقل إلى تحليل جدول مالي، ثم يراجع مستندًا قانونيًا، ثم يحتاج إلى كتابة كود لأتمتة جزء من العمل.

من غير الضروري افتراض أن نموذجًا واحدًا سيقدم أفضل توازن بين الجودة والسرعة والتكلفة في كل هذه الحالات.

قد تحتاج إحدى المهام إلى استدلال عميق، بينما تحتاج أخرى إلى سرعة عالية، وقد تتطلب مهمة ثالثة قدرة قوية على التعامل مع الملفات أو الأدوات.

لهذا السبب يصبح اختيار النموذج جزءًا من تصميم سير العمل.

🔹 الجودة

في بعض المهام، تكون جودة الاستدلال أهم من السرعة. مثال ذلك تحليل وثيقة معقدة أو مراجعة منطق برنامج طويل.

🔹 السرعة

في المهام اليومية البسيطة، قد لا يحتاج المستخدم إلى أقوى نموذج متاح، خصوصًا إذا كان ينتظر نتيجة قصيرة.

🔹 التكلفة

في المؤسسات التي تستخدم ملايين الطلبات، يمكن أن تصبح تكلفة الاستدلال عاملًا مهمًا جدًا.

🔹 نوع المهمة

نموذج متخصص في المهام الوكيلية قد يكون مفيدًا في سير عمل مختلف عن نموذج يستخدم بشكل أساسي لتوليد محتوى قصير.

🤖 هل يستطيع Copilot اختيار النموذج تلقائيًا؟

Microsoft لا تقدم فقط فكرة اختيار النموذج يدويًا؛ فلسفة Copilot متعددة النماذج تتضمن أيضًا إمكانية استخدام النظام للمساعدة في توجيه العمل إلى النموذج المناسب.

وهذه الفكرة مهمة لأن المستخدم العادي لا يريد بالضرورة دراسة عشرات النماذج قبل كل سؤال.

يمكن أن يكون الهدف النهائي هو أن يعرف النظام نوع المهمة ثم يوازن بين عوامل مثل الجودة والسرعة والتكلفة، بينما يبقى المستخدم قادرًا على التحكم عندما يحتاج إلى ذلك.

وتظهر Microsoft أيضًا مفهوم Auto mode في سياق اختيار النموذج، بهدف تحسين استخدام الرموز أو الموارد وفق المهمة.

لكن: التوجيه التلقائي لا يعني أن النظام سيختار دائمًا أفضل إجابة ممكنة. أي نظام آلي لاتخاذ القرار بين النماذج يحتاج إلى تقييم مستمر، لأن جودة الاختيار تعتمد على فهم المهمة والسياق.

📝 كيف يمكن أن تستفيد Microsoft Word؟

Word من أكثر التطبيقات التي يمكن أن يظهر فيها أثر تعدد النماذج.

العمل على مستند احترافي لا يتوقف عند كتابة فقرة. قد يبدأ المستخدم بملاحظات غير منظمة، ثم يحتاج إلى تحويلها إلى تقرير، ثم إعادة ترتيب الأقسام، ثم تحسين اللغة، ثم استخراج نقاط مهمة، ثم إعداد نسخة موجهة إلى الإدارة.

هنا يمكن للذكاء الاصطناعي أن يصبح جزءًا من دورة إنتاج المستند بدل أن يكون مجرد مولد نص.

📄 مثال عملي

لنفترض أن شركة لديها مجموعة من الملاحظات حول مشروع جديد.

يمكن أن تبدأ المهمة بتجميع المعلومات، ثم تحليلها، ثم بناء هيكل التقرير، ثم كتابة المسودة، ثم مراجعة الاتساق، ثم اقتراح ملخص تنفيذي.

إذا كانت بيئة Copilot قادرة على الوصول إلى البيانات المناسبة وفق الصلاحيات، فإن قيمة النموذج تصبح أكبر لأن المستخدم لا يبدأ من صفحة فارغة.

🔍 لكن يجب مراجعة المحتوى

حتى مع نموذج قوي، يجب عدم التعامل مع النص الناتج باعتباره حقيقة نهائية، خصوصًا في المستندات القانونية والمالية والإدارية.

المراجعة البشرية تظل مهمة للتأكد من الأرقام والأسماء والتواريخ والالتزامات والعبارات الحساسة.

📊 كيف يمكن أن تستفيد Excel؟

Excel مختلف عن Word لأن البيانات والجداول والصيغ تلعب دورًا أساسيًا.

يمكن للمستخدم أن يطلب من Copilot تفسير اتجاهات في جدول، أو اقتراح طريقة لتنظيم البيانات، أو المساعدة في بناء صيغة، أو تلخيص مجموعة من الأرقام.

لكن هنا تظهر أهمية الدقة.

إذا كان التحليل متعلقًا بمعلومات مالية أو عملية، فإن خطأ صغيرًا في صيغة أو فهم البيانات يمكن أن يؤدي إلى استنتاج خاطئ.

تنبيه مهم: لا ينبغي الاعتماد على مخرجات الذكاء الاصطناعي وحدها لاتخاذ قرارات مالية أو قانونية أو إدارية حساسة. يجب التحقق من البيانات والحسابات والمصادر.

📈 تعدد النماذج في Excel

وجود أكثر من نموذج يمكن أن يسمح لـCopilot بتقديم خيارات مختلفة حسب طبيعة المهمة.

فقد تكون إحدى المهام مجرد تفسير بسيط، بينما تحتاج أخرى إلى تحليل متعدد الخطوات أو التعامل مع سياق كبير.

لكن العامل الحاسم لا يزال هو جودة البيانات التي يصل إليها النظام.

🎨 كيف يمكن أن تستفيد PowerPoint؟

PowerPoint يمثل مجالًا آخر يمكن أن يستفيد من الذكاء الاصطناعي.

بدل بناء العرض التقديمي شريحة شريحة، يمكن أن يبدأ المستخدم بوثيقة أو مجموعة أفكار، ثم يطلب تنظيمها في شكل عرض.

يمكن أن تشمل العملية:

• تحديد الهدف من العرض.
• تقسيم المعلومات إلى أقسام.
• اقتراح عناوين للشرائح.
• تلخيص النصوص الطويلة.
• ترتيب النقاط الرئيسية.
• إنشاء هيكل منطقي للعرض.
• اقتراح ما يحتاج إلى بيانات أو رسوم.

وعندما تكون PowerPoint مرتبطة بالمعلومات الموجودة في بقية بيئة Microsoft 365، يمكن أن يصبح الانتقال من التقرير إلى العرض أكثر ترابطًا.

💬 دور Copilot Chat

Copilot Chat هو المكان الذي يمكن فيه للمستخدم التفاعل مع الذكاء الاصطناعي بطريقة محادثية.

لكن الفرق بين chatbot عام وCopilot في بيئة العمل هو السياق.

السؤال "ما حالة المشروع؟" يمكن أن يكون سؤالًا غامضًا جدًا في خدمة عامة، لكنه يصبح أكثر قابلية للتنفيذ داخل مؤسسة عندما يستطيع النظام معرفة المشروع المقصود والوصول إلى البيانات التي يملك المستخدم صلاحية الوصول إليها.

وهنا تظهر قيمة Work IQ.

🤝 ما هو Copilot Cowork؟

Copilot Cowork يمثل انتقالًا من مفهوم "اسأل الذكاء الاصطناعي" إلى مفهوم "فوّض المهمة للذكاء الاصطناعي".

تصف Microsoft Cowork بأنه مصمم لتنفيذ مهام طويلة ومتعددة الخطوات واستخدام أدوات متعددة، ثم إعادة نتيجة مكتملة بدل الاكتفاء بمسودة أو توصية.

وهذا فرق مهم.

في chatbot التقليدي، قد تقول:

"اكتب لي خطة لهذا المشروع."

أما في نظام وكيلي، فقد تكون المهمة:

"حلل ملفات المشروع، حدد المشكلات، اجمع المعلومات اللازمة، أنشئ تقريرًا، ثم جهز النتائج في صيغة قابلة للمشاركة."

هنا لا تكفي إجابة واحدة. النظام يحتاج إلى تقسيم المهمة، استخدام الأدوات، التعامل مع النتائج الوسيطة، ثم الوصول إلى مخرج نهائي.

🔄 لماذا تعدد النماذج مهم في Cowork؟

المهام الوكيلية يمكن أن تكون مختلفة جدًا.

قد يحتاج جزء من المهمة إلى التخطيط، وجزء آخر إلى تحليل بيانات، وجزء ثالث إلى كتابة، وجزء رابع إلى مراجعة.

لهذا السبب، تقول Microsoft إن Cowork مبني على تصميم متعدد النماذج يسمح باستخدام النماذج التي تحتاجها المهمة.

🛠️ ماذا يقدم Copilot Studio؟

Copilot Studio يستهدف إنشاء وتخصيص الوكلاء والتجارب الذكية.

وهذا مهم لأن الشركات لا تريد دائمًا مساعدًا عامًا.

قد تحتاج مؤسسة إلى وكيل متخصص في خدمة العملاء، أو تحليل المستندات، أو إجراءات الموارد البشرية، أو مساعدة الموظفين في الوصول إلى المعلومات الداخلية.

في هذه الحالات يصبح تصميم الوكيل نفسه جزءًا من المشروع.

يمكن أن تشمل عملية بناء الوكيل تحديد:

• المهمة الأساسية.
• المصادر التي يستطيع الوصول إليها.
• الأدوات المتاحة له.
• الإجراءات التي يمكنه تنفيذها.
• حدود الصلاحيات.
• النموذج أو النماذج المستخدمة.
• كيفية تقييم النتائج.

وهذا يحول الذكاء الاصطناعي من أداة تستخدم بشكل فردي إلى مكون يمكن دمجه داخل سير العمل المؤسسي.

🧩 ما هو Work IQ؟

Work IQ من أهم أجزاء رؤية Microsoft الجديدة حول Copilot.

وفق Microsoft، يمثل Work IQ طبقة من الذكاء والسياق تساعد Copilot على فهم ما يحدث داخل بيئة العمل، بما يشمل الإشارات والمعلومات المرتبطة بالبريد الإلكتروني والتقويم والاجتماعات والمحادثات والملفات والأشخاص وأنظمة الأعمال المتصلة.

الفكرة ليست أن النموذج "يعرف كل شيء" تلقائيًا، وإنما أن النظام يستطيع الاستفادة من المعلومات التي يسمح له النظام بالوصول إليها.

وهذه نقطة أساسية جدًا.

🧠 النموذج مقابل السياق

يمكن أن يكون لديك نموذج قوي جدًا، لكن إذا لم تعطِه المعلومات المناسبة، فقد لا يستطيع حل المشكلة بشكل صحيح.

مثال بسيط:

إذا قلت للذكاء الاصطناعي: "لخص الاجتماع الأخير"، فالسؤال الحقيقي هو: أي اجتماع؟ وما مصدر المعلومات؟ وهل لديك صلاحية الوصول إليه؟

هنا يصبح السياق جزءًا من الذكاء نفسه.

📚 لماذا يمثل سياق العمل عنصرًا أساسيًا؟

في بيئة الشركة، المعلومات موزعة عادة بين عشرات المصادر.

قد توجد المعلومة في بريد إلكتروني، بينما توجد التفاصيل التقنية في مستند، والجدول المالي في Excel، وخطة التنفيذ في اجتماع، والمهام في أداة أخرى.

إذا كان الموظف يستخدم مساعدًا لا يعرف سوى الرسالة الحالية، فسيتعين عليه إعادة تقديم السياق في كل مرة.

أما عندما يستطيع النظام الوصول إلى السياق المناسب وفق الصلاحيات، فإن السؤال نفسه يمكن أن يصبح أقصر.

بدل:

"لدي مشروع اسمه X، وقد أرسل المدير رسالة يوم الاثنين، وهناك ملف PDF، وجدول Excel، واجتماع يوم الأربعاء..."

يمكن أن يصبح الطلب:

"ما آخر تطورات المشروع؟ وما المشكلات التي تحتاج إلى متابعة؟"

لكن هذا لا يعمل إلا إذا كانت أنظمة الوصول والصلاحيات والمصادر مضبوطة بشكل صحيح.

🤖 العلاقة بين النماذج والوكلاء الذكيين

هناك فرق بين نموذج ذكاء اصطناعي ووكيل ذكاء اصطناعي.

النموذج هو المحرك الذي يفهم المدخلات ويولد المخرجات.

أما الوكيل فهو نظام أكبر يمكن أن يستخدم نموذجًا واحدًا أو عدة نماذج مع أدوات وذاكرة وسياق وإجراءات.

النموذج = العقل الاستدلالي.

الوكيل = النظام الذي يستخدم هذا العقل مع الأدوات والسياق لتنفيذ مهمة.

لهذا السبب فإن الحديث عن Copilot في عام 2026 لا يتعلق فقط بقدرة النموذج على كتابة إجابة، بل بقدرته على الدخول في سير عمل كامل.

🔀 كيف يمكن أن يعمل سير عمل متعدد النماذج؟

لنفترض أن شركة تريد إعداد تقرير شهري.

يمكن تصور سير عمل نظري على النحو التالي:

1. جمع البيانات من المصادر المصرح بها.
2. تحليل البيانات.
3. تحديد النقاط المهمة.
4. صياغة تقرير أولي.
5. مراجعة التقرير.
6. تحويل النتائج إلى عرض تقديمي.
7. إرسال النتائج إلى الأشخاص المناسبين بعد مراجعة المستخدم.

في بيئة متعددة النماذج، لا توجد ضرورة نظرية لأن يستخدم كل جزء من العملية نفس النموذج.

يمكن أن يستخدم النظام نموذجًا قويًا للتخطيط، ونموذجًا آخر لمعالجة مهمة محددة، ثم نموذجًا آخر لمراجعة الناتج.

لكن تطبيق ذلك فعليًا يعتمد على المنتج وإعداداته، ولا يعني أن كل مهمة داخل Copilot تستخدم بالضرورة عدة نماذج في الوقت نفسه.

🏢 ماذا يعني ذلك للشركات؟

بالنسبة للشركات، تعدد النماذج يمكن أن يغير طريقة شراء واستخدام الذكاء الاصطناعي.

في الماضي، كان من الممكن أن تختار المؤسسة أداة ذكاء اصطناعي واحدة وتضعها أمام الموظفين.

أما الآن، فقد تصبح طبقة الذكاء نفسها متعددة النماذج.

وهذا يعني أن المؤسسة تستطيع التفكير في الذكاء الاصطناعي باعتباره بنية تحتية وليس مجرد تطبيق.

🏗️ تقليل الاعتماد على نموذج واحد

عندما تعتمد المؤسسة على نموذج واحد، تصبح مرتبطة بقدراته وأسعاره وتحديثاته.

أما تعدد النماذج فيمنحها مرونة أكبر في التعامل مع تطور السوق.

💰 إدارة التكلفة

يمكن أن تكون تكلفة النموذج عاملًا مهمًا خصوصًا عند الاستخدام على نطاق واسع.

ويمكن أن تساعد القدرة على توجيه المهام إلى نماذج مختلفة في بناء توازن بين الأداء والتكلفة.

🔒 الحوكمة

لكن تعدد النماذج يخلق أيضًا تحديًا جديدًا: يجب أن تعرف المؤسسة أي نموذج يستخدم أي بيانات، وما الأدوات التي يمكنه تشغيلها، وما الذي يستطيع الوكيل فعله.

🔐 الأمان والحوكمة

كلما زادت قدرة الذكاء الاصطناعي، أصبحت الحوكمة أكثر أهمية.

هناك فرق كبير بين نموذج يكتب إجابة ونظام يستطيع قراءة معلومات داخلية واستخدام أدوات وتنفيذ خطوات متعددة.

لذلك تحتاج المؤسسات إلى تحديد:

• من يستطيع استخدام Copilot.
• ما البيانات التي يمكن الوصول إليها.
• ما التطبيقات التي يمكن للنظام التعامل معها.
• ما الإجراءات التي تحتاج إلى موافقة بشرية.
• كيف تتم مراقبة الاستخدام.
• كيف يتم التعامل مع المعلومات الحساسة.

Microsoft تربط Copilot Cowork بحدود الأمان والحوكمة الخاصة ببيئة Microsoft 365، وتوضح أن Cowork يعمل في السحابة مع تطبيقات وحماية مؤسسية.

لكن وجود هذه الضوابط لا يلغي مسؤولية المؤسسة عن إعداد الصلاحيات والسياسات بالشكل الصحيح.

🛡️ ماذا عن الخصوصية؟

الخصوصية من أكثر النقاط حساسية عندما يعمل الذكاء الاصطناعي مع بيانات الشركات.

وجود Work IQ يعني أن قيمة Copilot يمكن أن ترتفع عندما يستطيع فهم معلومات المؤسسة، لكن هذا يجعل إدارة الوصول إلى المعلومات أكثر أهمية.

يجب أن يحصل النظام على المعلومات التي يحتاج إليها فقط، وبما يتوافق مع صلاحيات المستخدم والسياسات المؤسسية.

كما يجب على الشركات الانتباه إلى أنواع البيانات التي يتم التعامل معها، خصوصًا:

• البيانات الشخصية.
• المعلومات المالية.
• العقود.
• البيانات القانونية.
• الخطط التجارية.
• الأبحاث غير المنشورة.
• بيانات العملاء.

قاعدة مهمة: وجود نظام أمان في المنصة لا يعني أن المؤسسة تستطيع إهمال إدارة الصلاحيات. كثير من مشكلات تسرب البيانات تبدأ من صلاحيات واسعة أو مصادر غير منظمة، وليس من النموذج وحده.

💵 كيف يؤثر تعدد النماذج على التكلفة؟

التكلفة في الذكاء الاصطناعي ليست مرتبطة فقط بسعر النموذج.

هناك أيضًا تكلفة الأدوات، وعدد الطلبات، وحجم السياق، والعمليات الوكيلية، والوقت الذي يقضيه الموظف في مراجعة النتائج.

لذلك يمكن أن يكون نموذج أرخص على مستوى الطلب، لكنه ليس بالضرورة الأرخص على مستوى المهمة إذا احتاج إلى محاولات أكثر.

والعكس صحيح: نموذج أغلى قد ينهي مهمة معقدة بعد عدد أقل من الخطوات.

لهذا يجب أن تنظر المؤسسات إلى تكلفة إنجاز المهمة وليس فقط إلى تكلفة التوكن الواحد.

📊 مثال مبسط

إذا كان نموذج A يكلف أقل لكنه يحتاج إلى خمس محاولات ومراجعات، بينما نموذج B أغلى قليلًا لكنه ينهي المهمة بشكل أسرع وبعدد أقل من المحاولات، فإن المقارنة الحقيقية يجب أن تشمل إجمالي الموارد المستخدمة.

وهذا أحد الأسباب التي تجعل تعدد النماذج مهمًا في بيئات العمل.

⚡ هل يمكن أن يرفع الإنتاجية فعلًا؟

الهدف الأساسي من Copilot هو مساعدة المستخدم على تقليل الوقت الذي يقضيه في المهام المتكررة والمعقدة.

لكن الإنتاجية ليست نتيجة تلقائية لمجرد إضافة الذكاء الاصطناعي.

إذا كان الموظف يحتاج إلى تصحيح كل جملة، ومراجعة كل رقم، وإعادة بناء كل نتيجة، فقد يكون الوفر أقل من المتوقع.

أما إذا كانت المهمة منظمة، والبيانات جيدة، والسياق واضح، والنظام يستطيع استخدام الأدوات المناسبة، فقد تكون الفائدة أكبر.

لذلك يمكن التفكير في الإنتاجية من خلال المعادلة التالية بشكل مبسط:

الإنتاجية = جودة النموذج + جودة البيانات + جودة سير العمل + المراجعة البشرية + سهولة استخدام الأدوات.

⚠️ ما حدود هذه التقنية؟

رغم التطور الكبير، لا ينبغي التعامل مع Copilot أو أي نموذج ذكاء اصطناعي باعتباره نظامًا معصومًا من الخطأ.

1. الأخطاء الواقعية

يمكن للنماذج أن تقدم معلومات غير دقيقة أو تفسر البيانات بطريقة خاطئة.

2. أخطاء الحساب

حتى عند التعامل مع الجداول والأرقام، يجب التحقق من النتائج.

3. فهم السياق

الوصول إلى المعلومات لا يعني دائمًا فهمها بالشكل الصحيح.

4. الصلاحيات

إذا كانت البيانات غير منظمة أو الصلاحيات واسعة جدًا، فإن استخدام الذكاء الاصطناعي قد يكشف مشكلات كانت موجودة أصلًا في إدارة المعلومات.

5. التكلفة

المهام الوكيلية الطويلة يمكن أن تستخدم موارد أكثر من سؤال بسيط.

6. الاعتماد الزائد

إذا أصبح الموظف يعتمد على الذكاء الاصطناعي دون مراجعة، فقد تتحول الأخطاء الصغيرة إلى أخطاء تشغيلية كبيرة.

⚠️ أهم التحديات والمخاطر

تعدد النماذج يحل بعض المشكلات لكنه يضيف مشكلات أخرى.

🔸 صعوبة الاختيار

عندما يكون لديك نموذج واحد، يكون القرار بسيطًا. عندما يصبح لديك عدة نماذج، تحتاج إلى فهم متى تستخدم كل واحد.

🔸 اختلاف النتائج

قد تعطي النماذج المختلفة إجابات مختلفة لنفس الطلب.

🔸 تغير النماذج

النماذج تتطور باستمرار، لذلك فإن طريقة العمل التي كانت مناسبة اليوم قد تحتاج إلى تحديث لاحقًا.

🔸 التكاليف غير المباشرة

زيادة قدرة الوكلاء على تنفيذ المهام قد تعني أيضًا زيادة استخدام الموارد إذا لم تكن هناك سياسات واضحة.

🔸 الحاجة إلى المراجعة

كلما زادت قدرة النظام على تنفيذ الإجراءات، زادت أهمية وجود نقاط تحقق بشرية للمهام الحساسة.

👨‍💻 ماذا يعني ذلك للمطورين؟

المطورون قد يكونون من أكثر الفئات تأثرًا بتطور Copilot متعدد النماذج.

في الماضي، كان اختيار أداة برمجة تعتمد على نموذج معين قرارًا منفصلًا عن بيئة العمل.

أما الآن، يمكن أن تصبح النماذج جزءًا من منظومة متكاملة تشمل:

• محررات الأكواد.
• المستودعات.
• أنظمة إدارة المهام.
• الملفات.
• أدوات الاختبار.
• الوكلاء.
• أنظمة المؤسسة.

هذا يعني أن المطور قد لا يحتاج فقط إلى معرفة كيفية كتابة prompt جيد، بل يحتاج أيضًا إلى فهم كيفية تصميم سير عمل آمن للوكيل.

🧩 من Prompt Engineering إلى Workflow Engineering

أحد التغيرات المهمة هو أن قيمة المستخدم قد تنتقل تدريجيًا من كتابة الطلب المثالي إلى تصميم العملية كاملة.

فبدل أن تقول:

"اكتب لي الكود."

قد يصبح سير العمل:

1. افحص المشروع.
2. حدد الملفات المتأثرة.
3. اقترح خطة التعديل.
4. نفذ التغييرات.
5. شغّل الاختبارات.
6. حل الأخطاء.
7. لخص التعديلات.

هذه هي الفكرة الأساسية وراء انتقال الذكاء الاصطناعي من chatbot إلى agent.

🔮 مستقبل Microsoft Copilot

من خلال تطورات Copilot خلال 2026، يمكن ملاحظة اتجاه يجمع بين أربعة عناصر رئيسية:

• نماذج متعددة: الوصول إلى نماذج من أكثر من شركة.
• سياق العمل: استخدام Work IQ لفهم بيئة المؤسسة.
• الوكلاء: تنفيذ مهام متعددة الخطوات بدل الاكتفاء بالإجابة.
• التطبيقات: إدخال الذكاء الاصطناعي مباشرة في أدوات العمل.

وهذا يعني أن Copilot قد يتحول تدريجيًا من "مساعد داخل Word أو Excel" إلى طبقة ذكاء مشتركة عبر بيئة العمل.

🌐 لماذا تعدد النماذج مهم على المدى الطويل؟

لأن سوق الذكاء الاصطناعي سريع جدًا.

قد يظهر نموذج جديد كل عدة أسابيع أو أشهر، وقد يكون أقوى في مجال معين أو أقل تكلفة أو أسرع.

إذا كانت منصة العمل قادرة على دمج النماذج الجديدة بسرعة، فلن يحتاج المستخدم إلى تغيير بيئة عمله بالكامل في كل مرة يظهر فيها نموذج جديد.

وهذه إحدى القيم الاستراتيجية لفكرة "One Copilot, Multiple Models".

📊 مقارنة مفاهيمية بين النموذج والمنصة والوكيل

العنصر	وظيفته الأساسية	مثال
النموذج	الفهم والاستدلال وتوليد المخرجات	GPT-6 Sol أو Claude Opus 5.5
المنصة	توفير الواجهة والأدوات والبيانات	Microsoft Copilot
السياق	توفير المعلومات المرتبطة بالمهمة	Work IQ وبيانات المؤسسة
الوكيل	تنفيذ سلسلة من الخطوات باستخدام نموذج وأدوات	Copilot Cowork

هذه الطبقات ليست منفصلة تمامًا، بل تعمل معًا.

وهذا ما يجعل الذكاء الاصطناعي المؤسسي مختلفًا عن chatbot بسيط.

🏢 مثال كامل: كيف يمكن أن تعمل الشركة باستخدام Copilot؟

لنفترض أن فريقًا يعمل على إطلاق منتج جديد.

هناك رسائل بريد، واجتماعات، ملفات Word، جداول Excel، عروض PowerPoint، ومعلومات موجودة في أنظمة مختلفة.

يمكن أن تبدأ المهمة بسؤال بسيط:

"أعطني ملخصًا لحالة المشروع وحدد أهم خمس نقاط تحتاج إلى متابعة هذا الأسبوع."

إذا كان النظام يملك الوصول المناسب إلى المعلومات، يمكنه تجميع السياق وتحليل البيانات.

بعد ذلك يمكن للمستخدم أن يطلب:

"حول هذه النتائج إلى تقرير تنفيذي."

ثم:

"أنشئ هيكل عرض تقديمي من عشر شرائح."

ثم يمكن أن تصبح المهمة أكثر تعقيدًا:

"حدد المهام التي تحتاج إلى متابعة وأعد قائمة بالمسؤوليات."

هذه السلسلة توضح كيف يمكن أن يصبح Copilot جزءًا من سير العمل وليس مجرد نافذة للمحادثة.

👤 لماذا تبقى المراجعة البشرية مهمة؟

كلما زادت قدرة الذكاء الاصطناعي، قد يميل المستخدم إلى الوثوق به أكثر.

لكن الثقة يجب أن تكون مبنية على التحقق، وليس على اسم النموذج.

إذا كان النظام يكتب تقريرًا، يجب مراجعة التقرير.

إذا كان يحلل أرقامًا، يجب التحقق من الحسابات.

إذا كان يتعامل مع عقد، يجب مراجعة النص قانونيًا من المختصين.

إذا كان ينفذ إجراءً داخل الشركة، يجب التأكد من أن الإجراء صحيح ومصرح به.

وهذا يقود إلى مفهوم مهم هو Human in the Loop، أي بقاء الإنسان جزءًا من عملية اتخاذ القرار عندما تكون المهمة حساسة.

❓ الأسئلة الشائعة

ما النماذج التي أضافتها Microsoft إلى Copilot؟

أعلنت Microsoft إضافة Claude Opus 5.5 من Anthropic وGPT-6 Sol من OpenAI ضمن خيارات النماذج في Copilot.

هل Claude Opus 5.5 من Microsoft؟

لا. Claude Opus 5.5 من تطوير Anthropic، وتوفره Microsoft كخيار ضمن منظومة Copilot.

هل GPT-6 Sol من Microsoft؟

لا. GPT-6 Sol من تطوير OpenAI، وتوفره Microsoft ضمن تجربة Copilot متعددة النماذج بحسب الإعلان والتوفر.

ما المقصود بـ More Models, One Copilot؟

المقصود هو توفير نماذج متعددة داخل تجربة Copilot نفسها، بدل الاعتماد على نموذج واحد فقط لجميع أنواع المهام.

هل Claude Opus 5.5 أقوى من GPT-6 Sol؟

لا يمكن اختزال المقارنة في حكم واحد صالح لجميع المهام. أداء النموذج يعتمد على نوع المهمة وطريقة الاختبار والسياق والأدوات المستخدمة.

ما هو Work IQ؟

Work IQ هو طبقة ذكاء وسياق من Microsoft تهدف إلى مساعدة Copilot والوكلاء على فهم المعلومات والإشارات المرتبطة ببيئة العمل، مثل الملفات والاجتماعات والمحادثات والبيانات التنظيمية وفق الصلاحيات والسياسات.

ما هو Copilot Cowork؟

Copilot Cowork هو تجربة موجهة للمهام الطويلة ومتعددة الخطوات، حيث يستطيع النظام العمل على المهمة عبر عدة خطوات وأدوات بدل الاكتفاء بإجابة نصية قصيرة.

هل Copilot يعتمد على نموذج واحد فقط؟

لا. Microsoft تتجه بوضوح إلى تصميم متعدد النماذج، وتعلن عن إضافة نماذج من شركات مختلفة إلى Copilot.

هل يمكن استخدام Claude Opus 5.5 خارج Copilot؟

نعم. Anthropic توفر Claude Opus 5.5 عبر Claude Platform، وتذكر توفره أيضًا عبر Microsoft Foundry ومنصات سحابية أخرى.

هل يمكن استخدام GPT-6 Sol خارج Copilot؟

نعم. OpenAI توفر GPT-6 Sol عبر واجهاتها البرمجية، وتوضح وثائقها أنه مخصص للبرمجة وسير العمل الوكيلي ويدعم عددًا من الأدوات.

هل تعدد النماذج يعني أن النتائج ستكون دائمًا أفضل؟

ليس بالضرورة. تعدد النماذج يوفر خيارات أكثر، لكن جودة النتيجة تعتمد أيضًا على البيانات والسياق والأدوات وطريقة تنفيذ المهمة والمراجعة البشرية.

هل يستطيع الذكاء الاصطناعي تنفيذ مهام كاملة بدل المستخدم؟

بعض تجارب Copilot، خصوصًا Cowork، مصممة لتنفيذ مهام طويلة ومتعددة الخطوات. لكن مستوى التنفيذ الفعلي يعتمد على المهمة والأدوات والصلاحيات والإعدادات المتاحة.

هل يجب مراجعة نتائج Copilot؟

نعم، خصوصًا في المهام الحساسة أو التي تتضمن بيانات مالية أو قانونية أو قرارات مهمة. الذكاء الاصطناعي أداة مساعدة وليس بديلًا عن التحقق البشري.

هل Work IQ يعني أن Copilot يستطيع رؤية كل معلومات الشركة؟

لا ينبغي فهمه بهذه الطريقة. الوصول إلى البيانات يخضع للصلاحيات والسياسات والأنظمة التي تسمح للنظام بالوصول إليها. إدارة الصلاحيات الصحيحة عنصر أساسي في أي تطبيق مؤسسي للذكاء الاصطناعي.

📚 المصادر والمراجع

Microsoft – More Models, One Copilot:
إعلان Microsoft حول إضافة Claude Opus 5.5 وGPT-6 Sol إلى خيارات النماذج في Copilot.

Microsoft – Copilot Cowork:
معلومات حول المهام متعددة الخطوات، Work IQ، التصميم متعدد النماذج، والأمان المؤسسي في Cowork.

Microsoft – Work IQ:
معلومات حول طبقة الذكاء والسياق المرتبطة ببيئة العمل.

Anthropic – Claude Opus 5.5:
المعلومات الرسمية حول إطلاق Opus 5.5 وقدراته وتكلفته مقارنة بـOpus 5.

OpenAI – GPT-6 Sol:
المواصفات الرسمية للنموذج واستخداماته وأدواته المتاحة عبر API.

🏁 الخلاصة

إضافة Claude Opus 5.5 وGPT-6 Sol إلى Microsoft Copilot ليست مجرد إضافة نموذجين جديدين إلى قائمة الخيارات، بل تعكس تحولًا أوسع في طريقة بناء منصات الذكاء الاصطناعي.

الاتجاه الجديد يقوم على فكرة أن المستخدم لا يحتاج بالضرورة إلى نموذج واحد لكل شيء. يمكن أن توجد نماذج مختلفة، لكل منها خصائص وقدرات وتكاليف مختلفة، بينما تتولى المنصة إدارة تجربة الاستخدام والسياق والأدوات.

وهنا تظهر قيمة Microsoft Copilot باعتباره طبقة تجمع بين النماذج وتطبيقات العمل والبيانات والسياق.

ويضيف Work IQ عنصرًا مهمًا جدًا، لأن النموذج القوي لا يكفي وحده. لكي يصبح الذكاء الاصطناعي مفيدًا داخل الشركة، يحتاج إلى فهم المعلومات المرتبطة بالمهمة، مع احترام الصلاحيات والسياسات.

أما Copilot Cowork فيمثل جانبًا آخر من التطور، وهو الانتقال من الإجابة عن الأسئلة إلى تنفيذ المهام الطويلة ومتعددة الخطوات.

وبذلك يمكن تصور مستقبل Copilot على أنه منظومة تتكون من:

• نماذج متعددة لتغطية أنواع مختلفة من المهام.
• Work IQ لتوفير سياق العمل.
• Agents لتنفيذ المهام متعددة الخطوات.
• Copilot Studio لبناء وتخصيص التجارب والوكلاء.
• Microsoft 365 لتوفير بيئة العمل التي تحدث فيها المهام.
• حوكمة وأمان للتحكم في البيانات والصلاحيات والإجراءات.

لكن التطور التقني لا يلغي الحاجة إلى التفكير البشري. فاختيار النموذج المناسب، والتأكد من صحة المعلومات، ومراجعة النتائج، وضبط الصلاحيات، وتحديد ما يسمح للوكيل بتنفيذه، كلها عناصر أساسية للحصول على قيمة حقيقية من الذكاء الاصطناعي.

وفي النهاية، يمكن تلخيص التغيير الذي تقوده Microsoft في جملة واحدة:

Copilot يتجه من كونه مساعدًا يعتمد على نموذج واحد إلى منصة متعددة النماذج تجمع بين الذكاء الاصطناعي وسياق العمل والوكلاء والأدوات داخل بيئة مؤسسية واحدة.

وهذا الاتجاه قد يكون واحدًا من أهم التحولات في برمجيات العمل خلال المرحلة القادمة، لأن المنافسة لم تعد فقط حول من يملك أقوى نموذج، بل أيضًا حول من يستطيع تحويل قوة هذه النماذج إلى نظام عملي يفهم سياق العمل، يستخدم الأدوات المناسبة، ويحافظ على التوازن بين القدرة والتكلفة والأمان.