تراجعت تكاليف إنتاج نماذج ذكية بوتيرة حادة خلال السنوات الأخيرة. فيما كان استخدام نموذج من طراز GPT-4 يكلف حوالي 30 دولارًا لكل مليون رمز في أوائل 2023، انخفض السعر اليوم إلى أقل من دولار واحد، وبعض المزودين يدفعون الأسعار أقل من 0.1 دولار. بهذا المعدل، دخلنا فعليًا عصرًا تصبح فيه الذكاء الاصطناعي مادة تقريبًا مجانية، كافية لتنفيذ معظم أعمال المعرفة اليومية.

هذا التطور يفرز تحديات جديدة على أنظمة إدارة البيانات. يرى الباحثون بقيادة أديتيا بارامسوران من جامعة بيركلي أن ثلاث مجالات تستحق الاهتمام: أولًا، كيفية تصميم الأنظمة لخدمة "وكلاء" ذكيين بدلًا من المستخدمين الآدميين؛ ثانيًا، كيفية بناء بنية تحتية تتيح لأسراب من هذه الوكلاء التنسيق والعمل المنسق على مهام طويلة الأمد؛ ثالثًا، كيفية التحقق من أن الأنظمة التي يصنعها الوكلاء بنفسها تعمل بالفعل كما هو مقصود.

عندما يستفسر وكيل ذكي من قاعدة بيانات، فإنه لا يتصرف كإنسان أو برنامج تحليل بيانات عادي. يقوم بعملية تسمى "المضاربة الوكيلية": تحقيقات متكررة بشأن هيكل البيانات، واستكشاف الأعمدة، وصياغة الاستعلامات بصيغ جزئية ثم كاملة. طلب واحد من المستخدم قد ينتج عنه آلاف استعلامات منفصلة، وكل طلب من هذا القبيل قد يكون له مئات التكوينات الممكنة. يسمح هذا للمستخدمين بصياغة طلبات عالية المستوى مثل "لماذا انخفضت مبيعات القهوة في بيركلي هذا العام؟" بدلًا من كتابة استعلامات قواعد بيانات معقدة.

إحدى الفرص تكمن في إعادة تصميم الأنظمة لاستغلال الاستعلامات المكررة. بحسب التجارب، من أصل مئات الاستعلامات الجزئية التي يصدرها وكيل واحد، يكون 80 إلى 90 في المئة منها نسخًا من استعلامات أخرى. هنا يمكن لأنظمة البيانات إعادة استخدام النتائج السابقة، أو تقديم إجابات تقريبية كافية للوكيل لمتابعة عمله بكفاءة أكبر.

فيما يتعلق بكيفية تذكر الوكلاء للمعلومات، اعتمدت الحلول الحالية على ملفات نصية غير منظمة يسترجعها الوكيل عند الحاجة. لكن هذا الأسلوب سيصبح غير فعال عندما تتعامل أسراب ضخمة من الوكلاء مع كميات هائلة من البيانات. الحل يتطلب أنظمة ذاكرة منظمة تسمح باسترجاع المعلومات بناءً على عدة معايير في آن، وليس فقط البحث عن كلمات مفتاحية. يقترح الباحثون بناء هياكل ذاكرة متعددة الأبعاد، حيث كل بُعد يمثل جانبًا من جوانب المهمة، ما يتيح استرجاع الخبرات الصحيحة والمصححة وليس الأخطاء الأولى.