أتلاسيان تُقدِّم بروتوكول AMP لحكم فرق البشر وعوامل الذكاء الاصطناعي

في السابع من أكتوبر 2026 أعلنت أتلاسيان رسميًا عن بروتوكول اللعب المتعدد الوكيل، المعروف باسم AMP. تم تصميم هذه المبادرة لتمكين المؤسسات من إنشاء وتشغيل ومراقبة فرق مختلطة تتألف من أشخاص وعوامل ذكاء اصطناعي. تم تقديم العرض ضمن مؤتمر الشركة السنوي وُصف كاستجابة للطلب المتزايد على الرؤية والتحكم عندما تصبح عوامل الذكاء الاصطناعي متعاونين نشطين داخل سير العمل الحرجة. بعبارة أخرى، يهدف AMP إلى توفير إطار موحد يسمح للمنظمات بدمج الذكاء الاصطناعي كعضو فعال في الفرق، مع الحفاظ على القدرة على الإشراف والرقابة الكاملة.

ما هو AMP وكيف تعرفه أتلاسيان؟

وفقًا لجميل فالِّياني، نائب رئيس الذكاء الاصطناعي في أتلاسيان، لا يُعد AMP معيارًا رسميًا بل هو مجموعة متكاملة من التقنيات، وأنماط واجهة المستخدم، وآليات الحوكمة. الفكرة المركزية هي تقديم طبقة تسمح للمسؤولين بمعاملة عوامل الذكاء الاصطناعي كأعضاء في الفريق يتمتعون بحقوق ومسؤوليات محددة بوضوح، دون الحاجة إلى تبني بروتوكولات خارجية أو إنشاء قواعد خاصة لكل مزود للذكاء الاصطناعي. بمعنى آخر، يتيح هذا النموذج للمنظمات أن تُعامل العوامل ككيانات إدارية يمكن مراقبتها وإدارتها بنفس الأسلوب الذي تُدار به حسابات المستخدمين البشر.

بنية تعتمد على Teamwork Graph

يعتمد AMP على بنية Teamwork Graph، محرك البيانات العلائقية الذي تستخدمه أتلاسيان لمشاركة السياق بين الأشخاص والمشاريع والمحتويات. من خلال هذا الرسم البياني، يتم نشر معلومات السياق بأذونات دقيقة وتسجيلها في تدقيقات مفصلة. كل كيان – سواء كان مستندًا أو مهمة أو عاملًا – يرتبط بعقدة في الرسم البياني، مما يسمح بتطبيق الأذونات وسجلات الوصول بشكل متسق عبر جميع منتجات أتلاسيان. هذا يعني أن أي تفاعل أو تعديل يتم تتبعه بدقة، وتُحفظ السجلات في نظام موحد يضمن الشفافية والقدرة على المراجعة.

حوكمة العوامل وضوابط المسؤول

في وحدة التحكم الإدارية، تظهر عوامل الذكاء الاصطناعي بحسابات خاصة يمكن للمسؤولين رؤيتها. من هذه الواجهة، يمكن للمسؤولين مراجعة كل إجراء ينفذه عامل، وتعليق حسابه، تعديل أذوناته أو حظر الوصول إلى أدوات معينة. يتماشى هذا النموذج مع مبدأ الحد الأدنى من الامتيازات، بحيث تُمنح العوامل الحقوق الضرورية فقط لأداء مهامها، مما يقلل من مساحة الخطر داخل البيئات المؤسسية. بعبارة أخرى، يضمن هذا النهج أن كل عامل يعمل ضمن حدود محددة مسبقًا، مع إمكانية التدخل الفوري إذا لزم الأمر.

يمكن دمج العوامل المدعومة كأعضاء في الفريق على نفس المستوى مع المستخدمين البشر، باستخدام بروتوكولات الحوسبة المتعددة الأطراف (MCP) وعامل إلى عامل (A2A) التي تعمل بالفعل تحت غطاء AMP. بالإضافة إلى ذلك، تسمح المنصة بالتقاط جلسات عوامل خارجية – على سبيل المثال، عندما يتم استدعاء نموذج من OpenAI عبر تطبيق خارجي – وربط تلك التفاعلات بحالات في Jira. بهذه الطريقة، يُسجَّل كل خطوة يقوم بها العامل في تذكرة، مما يُسهل عملية التدقيق، وحل المشكلات، والمسؤولية. بمعنى آخر، يضمن هذا التكامل أن أي نشاط للذكاء الاصطناعي يُوثَّق بدقة داخل نظام تتبع القضايا.

امتداد Rovo Work وتخطيط المهام الطويلة

ضمن نظام AMP، تُضيف وظيفة Rovo Work القدرة على إنشاء مهام طويلة الأمد مع خطة قابلة للمراجعة، وإشعارات تلقائية، وأذونات محدودة. يمكن تعيين هذه المهام إلى عوامل أو إلى فرق مختلطة، ويتم تحديث التقدم في الوقت الفعلي داخل وحدة التحكم بالمشروع. الجمع بين التخطيط الهيكلي والتحكم الدقيق في الوصول يسمح للمشاريع المعقدة التي تشمل الذكاء الاصطناعي بالحفاظ على تتبع واضح دون التضحية بالمرونة التشغيلية. بعبارة أخرى، يضمن Rovo Work أن كل مرحلة من مراحل المهمة تُدار وتُراقَب وفقًا لسياسات الأمان والشفافية.

التحدي الرئيسي الذي تشير إليه أتلاسيان هو أن الرؤية والحوكمة التي يَعِد بها AMP تعتمد على التكامل الفعّال لمزودي الخدمات الخارجيين. على الرغم من أن البنية مُعدة لتسجيل الإجراءات وتطبيق السياسات، فإن جودة تلك السجلات وقدرة تطبيق الضوابط في الوقت الفعلي تعتمد على أن كل عامل من طرف ثالث يُظهر البيانات المطلوبة عبر موصلات AMP. عمليًا، يحصل المسؤولون الآن على وحدة تحكم موحدة يمكنهم من خلالها تدقيق، وتعليق، وإعادة تكوين العوامل، لكن الفاعلية الكاملة لنموذج الحوكمة ستتطلب من شركاء الذكاء الاصطناعي تبني آليات التكامل التي حددتها أتلاسيان. بمعنى آخر، النجاح الكامل للمنصة يتوقف على تعاون جميع الأطراف لتوفير البيانات اللازمة وفقًا للمعايير المحددة.