"SheetMind" يتجاوز حاجز 50% في دقة أتمتة جداول البيانات بنظام ثلاثي الوكلاء

طوّر فريق بحثي مساعداً ذكياً لجداول البيانات يحوّل التعليمات المكتوبة بلغة طبيعية إلى معادلات فعلية وبيانات منسّقة، ويفعل ذلك بمستوى موثوقية يتجاوز أقرب منافس له بفارق كبير. النظام، المسمى "SheetMind"، أنجز 100% من المهام التي حاول تنفيذها في اختبار "SheetCopilot" المرجعي (SheetCopilot Benchmark)، لكن الأهم أنه أنتج نتائج صحيحة وظيفياً بنسبة 54.8%. هذا الرقم يمثل قفزة كبيرة عن نسبة 44.3% التي حققتها أداة "SheetCopilot" نفسها، وهي الأداة التي سُمّي الاختبار على اسمها وكانت تُعد المرجع السابق لأتمتة جداول البيانات بالاعتماد على النماذج اللغوية الكبيرة (LLMs).

الاختبار المرجعي عبارة عن مجموعة من 221 مهمة صُممت خصيصاً لقياس مدى قدرة نظام الذكاء الاصطناعي على فهم طلبات جداول البيانات المكتوبة بلغة طبيعية وتنفيذها بشكل صحيح، لا مجرد المحاولة فقط. وقد اختُبر "SheetMind" باستخدام نموذج "GPT-3.5-Turbo"، وهو نموذج متواضع نسبياً مقارنة بالنماذج المتقدمة الحديثة، وهذا ما يجعل التحسن في الدقة أكثر لفتاً للانتباه: يبدو أن التقدم جاء من التصميم المعماري للنظام لا من قوة النموذج الأساسي نفسه.

كيف يوزّع الوكلاء الثلاثة المهام بينهم

يقسّم تصميم "SheetMind" عملية الأتمتة إلى ثلاثة أدوار متخصصة. فوكيل الإدارة (Manager Agent) يستقبل طلب المستخدم، بأي درجة من التعقيد، ويفكّكه إلى سلسلة من المهام الفرعية الأصغر. ثم يأتي دور وكيل التنفيذ (Action Agent) الذي يحوّل كل مهمة فرعية إلى أوامر منظّمة وقابلة للتنفيذ، مستخدماً قواعد نحوية من نوع "باكوس-نور" (Backus-Naur Form) لضبط صيغة الإخراج بما يضمن قدرة برنامج جداول البيانات على تفسيرها بشكل موثوق. وفي الخطوة الأخيرة، يتحقق وكيل المراجعة (Reflection Agent) من تطابق الإجراءات المُولّدة مع نية المستخدم الأصلية قبل تثبيت أي تغيير، ليعمل كطبقة تحقق تهدف إلى رصد أي تباين بين ما طلبه المستخدم وما يوشك النظام على تنفيذه.

هذا التوزيع الوظيفي يفسّر إلى حد بعيد الفارق بين نسبة نجاح التنفيذ ونسبة الصحة الوظيفية. فتنفيذ أمر دون أخطاء برمجية مسألة، وتنفيذه بما يطابق قصد المستخدم الحقيقي مسألة أخرى تماماً، وهي بالضبط النقطة التي تعثرت فيها معظم مساعدات جداول البيانات الذكية. وبتخصيص وكيل مستقل لفحص النية، يبدو أن "SheetMind" يقلّص جزءاً من هذه الفجوة، حتى لو ظلت نسبة 54.8% تترك مساحة واسعة للتحسين.

من ورقة بحثية إلى إضافة داخل "Workspace"

لم يتوقف الفريق البحثي عند حدود الاختبارات المعيارية. فقد دُمج "SheetMind" داخل "Google Sheets" كإضافة ضمن منصة "Workspace"، لينتقل بذلك من تجربة أكاديمية بحتة إلى أداة قابلة للاستخدام الفعلي داخل بيئة إنتاجية شائعة. هذه الخطوة مهمة من زاوية التبني الفعلي: فتاريخ أبحاث أتمتة جداول البيانات مليء بأرقام مبهرة في الاختبارات المعيارية لم تجد طريقها مطلقاً إلى منتج يمكن للناس فتحه واستخدامه بالفعل.

نُشرت الورقة البحثية الأساسية لأول مرة على منصة "arXiv" في 14 يونيو 2025، تلتها نسخة منقّحة بعد أكثر من عام بقليل، في 13 يوليو 2026. وكما هو الحال في معظم أبحاث الوكلاء المعتمدة على النماذج اللغوية الكبيرة، تعكس هذه الأرقام أداءً على اختبار معياري ثابت لا استخداماً حقيقياً مفتوحاً، ولم تُختبر النتائج بعد مع نماذج أكثر قدرة من "GPT-3.5-Turbo". ومع ذلك، فإن اجتماع تصميم متعدد الوكلاء يرفع الصحة الوظيفية بشكل ملموس على اختبار معياري موحّد، مع إطلاق فعلي كإضافة قابلة للاستخدام، يُعد توليفة أقل شيوعاً مما تنتجه الأدبيات البحثية عادة.