لم يعد الذكاء الاصطناعي مجرد تقنية مستقبلية نتحدث عنها، بل أصبح قوة مؤثرة في طريقة عمل المؤسسات، وتعلم الطلاب، وإدارة المدن، وتطوير الرعاية الصحية، وصناعة القرارات.
لكن اللافت في عام 2026 أن المنافسة لم تعد تدور فقط حول من يمتلك النموذج الأكبر، وإنما حول من يستطيع تحويل الذكاء الاصطناعي إلى منظومة قادرة على الفهم والاستدلال والتخطيط والتفاعل والتنفيذ.
ومن هنا تظهر مجموعة من الاتجاهات التي ترسم ملامح المرحلة المقبلة من الذكاء الاصطناعي، وتفتح الباب أمام تحول يتجاوز فكرة «المساعد الذكي» إلى مفهوم أكثر اتساعًا: الذكاء الاصطناعي كشريك في العمل وصناعة القرار.
1. Agentic AI.. من المساعد إلى الوكيل الذكي
يأتي Agentic AI في مقدمة الاتجاهات الصاعدة.
فالذكاء الاصطناعي التقليدي ينتظر السؤال ويقدم الإجابة، بينما يستطيع الـAI Agent، وفق تصميمه وصلاحياته، فهم الهدف، تقسيمه إلى مهام، استخدام الأدوات المناسبة، ثم تنفيذ سلسلة من الإجراءات للوصول إلى النتيجة.
على سبيل المثال، بدل أن نطلب من النظام كتابة تقرير عن أداء مؤسسة، يمكن لوكيل ذكي أن يجمع البيانات، يحللها، يحدد نقاط الضعف، يقارن النتائج السابقة، ثم يقدم توصيات للإدارة.
وهنا ننتقل من:
AI يجيب → إلى AI ينجز.
2. Multi-Agent AI.. فريق عمل من الوكلاء
إذا كان Agent واحدًا قادرًا على تنفيذ مهمة، فإن Multi-Agent AI يذهب خطوة أبعد.
يمكن تقسيم المهمة بين مجموعة من الوكلاء المتخصصين؛ أحدهم للبحث، وآخر لتحليل البيانات، وثالث للمراجعة، ورابع لإعداد التقرير.
في البحث العلمي مثلًا، يمكن أن تعمل هذه الوكلاء معًا للوصول إلى نتيجة أكثر تكاملًا.
إنها بداية ظهور مفهوم جديد يمكن وصفه بـ Digital Workforce؛ أي قوة عمل رقمية تتعاون مع الإنسان بدلًا من أن تكون مجرد أداة يستخدمها.
3. Multimodal AI.. ذكاء اصطناعي يرى ويسمع ويفهم
لم يعد التعامل مع النص وحده كافيًا.
يتجه الذكاء الاصطناعي نحو فهم النص والصورة والصوت والفيديو والبيانات ضمن منظومة واحدة.
تخيل طبيبًا يرفع صورة أشعة مع التاريخ المرضي ونتائج التحاليل، ثم يطلب من النظام تحليل الصورة وربطها بالمعلومات النصية.
القيمة هنا لا تأتي من فهم كل نوع من البيانات منفردًا، بل من ربطها معًا للوصول إلى فهم أكثر شمولًا.
4. Reasoning AI.. عندما يصبح الاستدلال أهم من التوليد
الجيل الجديد من نماذج الذكاء الاصطناعي يتجه بصورة متزايدة نحو قدرات الاستدلال وحل المشكلات المعقدة.
فبدل تقديم أول إجابة محتملة، تستطيع النماذج المتقدمة التعامل مع مشكلات تتطلب تحليلًا متعدد الخطوات ومقارنة البدائل.
وهذا مهم في البرمجة، والهندسة، والرياضيات، والبحث العلمي، واتخاذ القرار.
لكن علينا أن نتذكر أن القدرة على الاستدلال لا تعني العصمة من الخطأ؛ لذلك تظل المراجعة البشرية والتحقق من النتائج أمرين أساسيين.
5. Small Language Models.. هل المستقبل للنماذج الصغيرة؟
لسنوات ارتبط تطور الذكاء الاصطناعي بفكرة: النموذج الأكبر أفضل.
لكن الاتجاه يتغير.
تظهر أهمية Small Language Models – SLMs التي يمكن تخصيصها لمهام محددة وتشغيلها بكفاءة أعلى وتكلفة أقل، وفي بعض الحالات على أجهزة محلية.
وهذا يجعلها مهمة للهواتف، والأجهزة الذكية، والأنظمة الصناعية، وإنترنت الأشياء.
المستقبل قد لا يكون لنموذج واحد ضخم يقوم بكل شيء، وإنما لمجموعة من النماذج المتخصصة التي تعرف بالضبط ماذا تفعل.
6. Edge AI.. الذكاء الاصطناعي ينتقل إلى حافة الشبكة
مع Edge AI لا تحتاج كل البيانات إلى الذهاب إلى مركز بيانات بعيد.
يمكن للذكاء الاصطناعي أن يعمل مباشرة على الكاميرا، والهاتف، والسيارة، والروبوت أو جهاز IoT.
تخيل كاميرا صناعية تكتشف عيبًا في منتج لحظة تصنيعه، دون الحاجة إلى إرسال الفيديو كاملًا إلى السحابة.
النتيجة: سرعة أكبر، زمن استجابة أقل، وتقليل الحاجة إلى نقل البيانات.
وهذا يجعل Edge AI عنصرًا مهمًا في المدن الذكية، والمصانع، والرعاية الصحية، والسيارات الذكية.
7. Physical AI.. عندما يخرج الذكاء الاصطناعي إلى العالم الحقيقي
لطالما كان الذكاء الاصطناعي يعيش داخل الشاشات.
أما Physical AI فيمثل انتقاله إلى العالم المادي من خلال الروبوتات والسيارات ذاتية القيادة والأنظمة الذكية.
الروبوت المستقبلي لن يكتفي بتنفيذ حركة مبرمجة، بل سيكون قادرًا على إدراك البيئة، وفهم الأوامر، والتخطيط، ثم تنفيذ الفعل.
وهنا تتقاطع تقنيات الذكاء الاصطناعي مع الروبوتات والرؤية الحاسوبية والاستشعار.
8. World Models.. هل يستطيع AI بناء تصور عن العالم؟
من الاتجاهات الأكثر إثارة World Models.
الفكرة تتجاوز التعرف على الأشياء إلى محاولة بناء نموذج داخلي يساعد النظام على فهم كيفية تغير البيئة والتنبؤ بما قد يحدث.
وهذا مهم بصورة خاصة في الروبوتات والسيارات الذاتية والمحاكاة.
فبدل أن يتعلم النظام فقط أن «هذه سيارة»، يحتاج إلى فهم أن السيارة تتحرك، وأن المشاة قد يعبرون الطريق، وأن بعض الأفعال ستؤدي إلى نتائج معينة.
9. AI + Digital Twins.. نسخة رقمية تفكر في الواقع
يكتسب دمج الذكاء الاصطناعي والتوأم الرقمي أهمية متزايدة.
التوأم الرقمي هو نموذج رقمي يمثل نظامًا حقيقيًا، مثل مصنع أو مبنى أو شبكة مياه أو مدينة.
عند إضافة AI، يصبح بالإمكان تحليل البيانات والتنبؤ بالأعطال وتجربة سيناريوهات مختلفة قبل تنفيذها على أرض الواقع.
تخيل مدينة رقمية يمكن اختبار تأثير قرار مروري أو استهلاك مائي عليها قبل تطبيق القرار في المدينة الحقيقية.
هنا يصبح التوأم الرقمي ليس مجرد «نسخة»، وإنما مختبرًا ذكيًا لصناعة القرار.
10. AI for Science.. الذكاء الاصطناعي شريك للعلماء
يدخل الذكاء الاصطناعي بقوة في البحث العلمي.
من اكتشاف الأدوية إلى تحليل البيانات الجينية، ومن دراسة المناخ إلى اكتشاف العلاقات المعقدة في البيانات العلمية.
القيمة الأساسية ليست في أن يحل AI محل العالم، وإنما في قدرته على التعامل مع حجم وسرعة من البيانات يصعب على الإنسان التعامل معها بمفرده.
وبذلك يتحول AI إلى أداة لاكتشاف المعرفة وليس فقط إلى أداة لإنتاج المحتوى.
11. Responsible & Explainable AI.. الذكاء لا يكفي
كلما أصبح AI أكثر قوة واستقلالية، أصبح السؤال الأخلاقي أكثر أهمية.
إذا اتخذ نظام ذكي قرارًا يؤثر على إنسان، فمن حقنا أن نسأل:
لماذا اتخذ هذا القرار؟
وهنا تظهر أهمية Explainable AI، إلى جانب الخصوصية، والأمن، والعدالة، والحوكمة، والمساءلة.
فالتحدي الحقيقي ليس أن نجعل AI أكثر ذكاءً فقط، بل أن نجعله أكثر أمانًا وشفافية ومسؤولية.
12. Domain-Specific AI.. عصر الذكاء الاصطناعي المتخصص
يتجه السوق والبحث العلمي أيضًا نحو نماذج متخصصة في مجالات محددة.
قد نرى نماذج للطب، وأخرى للقانون، والتعليم، والهندسة، والأمن السيبراني، والعلوم.
النموذج المتخصص يمكن أن يكون أكثر ملاءمة لمصطلحات المجال وبياناته واحتياجاته.
وهذا يقودنا إلى فكرة مهمة:
المستقبل قد لا يكون لنموذج واحد يعرف كل شيء، وإنما لمنظومة من النماذج تعرف كل منها شيئًا بعمق.
إلى أين يتجه المستقبل؟
عند النظر إلى هذه الاتجاهات منفردة، قد تبدو كأنها تقنيات مختلفة.
لكن الصورة الأكثر أهمية تظهر عندما تبدأ في العمل معًا.
تخيل نظامًا يجمع:
Agentic AI + Multimodal AI + Edge AI + Digital Twin + Explainable AI.
يمكن عندها بناء منظومات ذكية لا تكتفي بجمع البيانات، بل تفهمها، وتحللها، وتتنبأ، وتقترح القرار، وربما تنفذه ضمن حدود وصلاحيات واضحة.
وهنا يحدث التحول الحقيقي.
لم يعد السؤال:
هل سيغير الذكاء الاصطناعي المستقبل؟
فهو بدأ بالفعل في تغييره.
السؤال الأهم هو:
كيف سنصمم هذا المستقبل؟
فالتكنولوجيا وحدها لا تصنع المستقبل، وإنما تصنعه الطريقة التي نستخدم بها التكنولوجيا، والقواعد التي نضعها لها، والحدود التي نرسمها أمامها.
وفي رأيي، فإن مستقبل الذكاء الاصطناعي لن يكون منافسة بين الإنسان والآلة، بقدر ما سيكون شراكة جديدة بين الذكاء البشري والذكاء الاصطناعي.
فالإنسان يملك الوعي والقيم والسياق والمسؤولية، بينما تستطيع الآلة معالجة كميات هائلة من البيانات واكتشاف الأنماط وتسريع اتخاذ القرار.
والتحدي الحقيقي أمامنا ليس أن نجعل الآلة أكثر شبهًا بالإنسان، وإنما أن نبني ذكاءً اصطناعيًا أكثر فائدة للإنسان وأكثر احترامًا للإنسانية.
AI 2026 ليس مجرد عام جديد في تاريخ الذكاء الاصطناعي؛ بل محطة انتقال من الذكاء الاصطناعي الذي نستخدمه إلى الذكاء الاصطناعي الذي يعمل معنا، ويتعلم معنا، ويساعدنا في بناء مستقبل أكثر ذكاءً ومسؤولية
بقلم: د. دعاء محيي الدين
أستاذ مشارك بكلية الحاسبات ونظم المعلومات وخبير واستشاري في الذكاء الاصطناعي وعلوم البيانات