🤖 AI

AI Agents for Inventory Control: Human-LLM-OR Complementarity

تقدم هذه المساهمة InventoryBench، وهو معيار مرجعي شامل يثبت أن الجمع بين خوارزميات بحوث العمليات، والنماذج اللغوية الكبيرة، وصناع القرار البشريين، يخلق نظاماً متكاملاً وعالي الأداء للتحكم في المخزون يتفوق على أي طريقة منفردة تعمل بمفردها.

المؤلفون الأصليون: Jackie Baek, Yaopeng Fu, Will Ma, Tianyi Peng

نُشر 2026-05-06

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jackie Baek, Yaopeng Fu, Will Ma, Tianyi Peng

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تدير كشكاً لبيع عصير الليمون. هدفك بسيط: شراء ما يكفي من الليمون لبيع العصير طوال اليوم دون أن ينفد منك، ولكن أيضاً دون شراء الكثير بحيث يفسد بسبب الحرارة. هذه هي مشكلة "التحكم في المخزون" الكلاسيكية.

لعقود من الزمن، استخدم الاقتصاديون بحوث العمليات (OR) لحل هذه المشكلة. فكر في بحوث العمليات على أنها آلة حاسبة عنيدة وشديدة الذكاء. تنظر إلى بيانات مبيعاتك السابقة وتقول: "بناءً على الثلاثين يوماً الماضية، تحتاج بالضبط إلى 50 ليمونة". هذا يعمل بشكل رائع عندما تكون الأمور متوقعة، ولكن عندما تضرب موجة حر أو تأتي عاصفة مطرية مفاجئة تبعد الناس عن المكان، ترتبك الآلة الحاسبة لأنها لا تعرف سوى الرياضيات، ولا تعرف شيئاً عن الطقس.

مؤخراً، قدمنا النماذج اللغوية الكبيرة (LLMs) – وهي الذكاء الاصطناعي الذي يقف وراء روبوتات الدردشة. فكر في النموذج اللغوي الكبير على أنه صديق واسع المعرفة ولكنه مشتت الذهن أحياناً. هذا الصديق يعرف أن "الليمون يُباع بشكل أفضل في شهر يوليو" أو أن "هناك موجة حر قادمة"، لكنه ليس جيداً في إجراء الرياضيات الدقيقة لتحديد عدد الليمون الذي يجب شراؤه بالضبط. قد يخمن أنك تحتاج 100 ليمونة بينما أنت تحتاج 60 فقط، أو قد يتشتت انتباهه بضجيج عشوائي في البيانات ويعتقد أن الطلب يتغير بينما هو ثابت.

يسأل هذا البحث سؤالاً بسيطاً: ماذا يحدث عندما نجمع بين الآلة الحاسبة، والصديق، والمدير البشري؟

التجربة: معيار اختبار جديد

قام الباحثون ببناء بيئة اختبار ضخمة تسمى InventoryBench. وهي تشبه لعبة فيديو تحتوي على أكثر من 1,000 سيناريو مختلف. بعض السيناريوهات مبتكرة (اصطناعية)، بينما يعتمد بعضها الآخر على بيانات مبيعات حقيقية من شركة الملابس H&M. لقد اختبروا ثلاثة أنواع من "اللاعبين":

الآلة الحاسبة (بحوث العمليات - OR): رياضيات فقط.
الصديق (النموذج اللغوي الكبير - LLM): ذكاء اصطناعي فقط.
الهجين: تقوم الآلة الحاسبة بتقديم اقتراح، ثم يقرر الصديق ما إذا كان سيتبعه أم سيغيره.

النتيجة: الفريق الهجين هو الفائز.
عندما قدمت الآلة الحاسبة اقتراحاً وراجع الصديق هذا الاقتراح (أو العكس)، حققوا أرباحاً أعلى مما حققه أي منهما بمفرده. استطاع الصديق إدراك أن "موسم الاستحمام" قد بدأ (وهو أمر فات على الآلة الحاسبة)، واستطاعت الآلة الحاسبة القيام بالرياضيات الدقيقة لضمان عدم طلب كميات زائدة (وهو أمر عانت منه الصديق). لقد كانوا متكاملين، وليسوا متنافسين.

العنصر البشري: اختبار "المساعد الطيار"

أضاف الباحثون بعد ذلك بشراً حقيقياً في العملية. أجروا تجربة صفية مع 69 طالباً يلعبون لعبة الليمون. جربوا ثلاثة أنماط عمل مختلفة:

النمط (أ) (الطريقة القديمة): تحدد الآلة الحاسبة رقماً، ويتخذ الإنسان القرار النهائي.
النمط (ب) (المساعد الطيار - Co-Pilot): تحدد الآلة الحاسبة رقماً، ويشرح الذكاء الاصطناعي (الصديق) سبب موافقته أو عدم موافقته، ثم يتخذ الإنسان القرار النهائي بناءً على كليهما.
النمط (ج) (الطيار الآلي - Autopilot): يتخذ الذكاء الاصطناعي القرارات، بينما يكتفي الإنسان بتقديم نصائح رفيعة المستوى من حين لآخر.

الفائز: النمط (ب) (المساعد الطيار).
الفرق التي قرأ فيها البشر منطق الذكاء الاصطناعي واتخذوا القرار النهائي بناءً عليه حققت أفضل النتائج. لقد تفوقوا على الآلة الحاسبة وحدها، وتفوقوا على الذكاء الاصطناعي وحده.

لماذا؟
وجد العمل أن البشر والذكاء الاصطناعي يشبهون نوعين مختلفين من المحققين.

الذكاء الاصطناعي ممتاز في التعرف على الأنماط في البيانات (مثل "الطلب في ارتفاع") واستخدام المعرفة العامة (مثل "إنه الصيف، لذا فإن ملابس السباحة تُباع جيداً").
الإنسان ممتاز في اكتشاف أخطاء الذكاء الاصطناعي. على سبيل المثال، إذا افترض الذكاء الاصطناعي أن شحنة ليمون في طريقها إليكم، لكن الإنسان لاحظ أن شاحنة التوصيل لم تصل أبداً (طلب مفقود)، يمكن للإنسان تجاوز قرار الذكاء الاصطناعي لطلب المزيد.

"سحر" العمل الجماعي

هناك خوف شائع من أن الذكاء الاصطناعي يجعل البشر الضعفاء يبدون أفضل والبشر الأقوياء يبدون أسوأ، أو أن البشر سيتجاهلون الذكاء الاصطناعي ببساطة. أثبت الباحثون أن هذا ليس صحيحاً.

لقد استخدموا خدعة رياضية خاصة لإظهار أن 30% إلى 60% من الأشخاص في تجربتهم أتقنوا اللعبة بشكل أفضل بسبب عملهم مع الذكاء الاصطناعي. لم يكن الأمر مجرد أن اللاعبين "الضعفاء" اتبعوا الذكاء الاصطناعي؛ بل حتى اللاعبين "الأقوياء" تحسنوا لأن الذكاء الاصطناعي كشف الأخطاء التي غفلوا عنها، وتحسن الذكاء الاصطناعي لأن البشر كشفوا الأخطاء التي غفل عنها هو.

الخلاصة

يخلص العمل إلى أن أفضل طريقة لإدارة المخزون ليست باستبدال البشر بالذكاء الاصطناعي أو تجاهل الذكـاء الاصطناعي والتمسك بالرياضيات القديمة. أفضل نظام هو شراكة ثلاثية:

الآلة الحاسبة (بحوث العمليات) توفر الرياضيات المتينة والهيكل.
الذكاء الاصطناعي (النموذج اللغوي الكبير) يجلب المعرفة بالعالم والسياق (مثل المواسم أو الاتجاهات).
الإنسان يعمل كحكم نهائي، يكتشف الأخطاء ويضيف المنطق السليم.

عندما يعمل هؤلاء الثلاثة معاً، فإنهم يخلقون نظاماً أذكى وأكثر ربحية من أي منهم بمفرده.

ملخص تقني: وكلاء الذكاء الاصطناعي للتحكم في المخزون: التكامل بين البشر، والنماذج اللغوية الكبيرة (LLM)، وبحوث العمليات (OR)

صياغة المشكلة

تتناول الورقة مشكلة التحكم في المخزون متعدد الفترات، وهي تحدٍ أساسي في إدارة العمليات، حيث يتعين على صانع القرار تحديد كميات الطلب لموازنة الطلب غير المؤكد عبر أفق زمني محدد. يتضمن السيناريو المحدد منتجاً واحداً يتميز بـ:

ديناميكيات الحالة: المخزون الحالي، والطلبات قيد النقل، والطلب التاريخي.
الشكوك: الطلب العشوائي وفترات التوريد العشوائية (بما في ذلك احتمال فقدان الطلبات حيث لا تصل الشحنات أبداً).
الهدف: تعظيم إجمالي الربح، والمعرّف بأنه الإيرادات من المبيعات ناقص تكاليف الاحتفاظ بالمخزون المتبقي.
القيود: تُتخذ القرارات بشكل متسلسل مع تأخير في الملاحظة لمدة فترة واحدة؛ ولا يتم ترحيل المبيعات المفقودة (lost sales) كطلبات مؤجلة.

التحدي الجوهري هو أن خوارزميات بحوث العمليات (OR) التقليدية، رغم كونها رصينة نظرياً وفعالة حاسبياً، تعتمد على افتراضات جامدة (مثل الطلب المستقر، وفترات التوريد المعروفة) والتي غالباً ما تفشل عندما تتغير توزيعات الطلب أو عندما يصعب صياغة المعلومات السياقية (مثل الموسمية، أو اضطرابات الإمداد) بشكل رسمي. وفي المق المقابل، توفر النماذج اللغوية الكبيرة (LLMs) مرونة في الاستنتاج ومعرفة بالعالم، لكنها تفتقر إلى الدقة الرياضية لحسابات المخزون المثلى، وقد تكون غير دقيقة في المعايرة بالنسبة لهياكل التكاليف.

المنهجية

تنقسم الدراسة إلى جزأين: معيار خوارزمي وتجربة "الإنسان في الحلقة" (human-in-the-loop).

الجزء الأول: المعيار الخوارزمي (InventoryBench)

قام المؤلفون ببناء InventoryBench، وهو معيار يتكون من 1,320 حالة:

720 حالة اصطناعية: تعتمد على 10 عائلات من أنماط الطلب البارامترية (مثل: الطلب المستقر، تغيرات المتوسط، الاتجاهات، الموسمية، والارتباط الذاتي)، مدمجة مع ثلاثة أنظمة لفترات التوريد (صفر، ثابت، وعشوائي) وثلاثة كسور حرجة (نسب التكلفة).
600 حالة حقيقية: مستمدة من بيانات المبيعات التاريخية لـ 200 منتج مختلف من منتجات أزياء H&M، والتي تتضمن أنماط طلب حقيقية وأوصافاً للمنتجات.

تم تقييم أربع آليات اتخاذ قرار باستخدام ثلاثة نماذج لغوية رائدة (Gemini 3 Flash، Grok 4.1 Fast، GPT-5 Mini):

بحوث العمليات (OR): سياسة مخزون أساسي (base-stock policy) تعتمد على البيانات وتستخدم تقديرات الطلب التجريبية.
النموذج اللغوي الكبير (LLM): وكيل يتخذ جميع القرارات بناءً على السياق والتاريخ فقط، دون مدخلات من بحوث العمليات.
OR $\rightarrow$ LLM: تقوم خطوط إنتاج بحوث العمليات بتوليد توصية؛ ثم يقوم النموذج اللغوي بمراجعتها (مع تقديم تبرير) ويقرر ما إذا كان سيتجاوزها (override).
LLM $\rightarrow$ OR: يقوم النموذج اللغوي بتقدير المعلمات غير المؤكدة (متوسط الطلب، التباين، فترة التوريد) بناءً على السياق؛ وتغذي هذه التقديرات سياسة المخزون الأساسي لإجراء الحساب النهائي.

الجزء الثاني: تجربة الإنسان في الحلقة

تجربة صفية محكومة شارك فيها 69 مشاركاً يلعبون لعبة مخزون قائمة على الويب في ثلاثة أنماط تعاونية:

النمط أ (OR $\rightarrow$ الإنسان): يتلقى البشر توصيات بحوث العمليات ويتخذون القرار النهائي.
النمط ب (OR $\rightarrow$ LLM $\rightarrow$ الإنسان): يتلقى البشر توصيات بحوث العمليات، وتبرير/توصية النموذج اللغوي، ويتخذون القرار النهائي.
النمط ج (OR $\rightarrow$ LLM + إشراف بشري): يتخذ النموذج اللغوي قرارات مستقلة؛ ويقدم البشر توجيهاً استراتيجياً رفيع المستوى عند نقاط فحص دورية.

الإطار النظري للتكامل

قدمت الورقة إطاراً نظرياً للتمييز بين التكامل على مستوى المجتمع والتكامل على المستوى الفردي.

مستوى المجتمع: أداء الفريق المتوسط يتجاوز الحد الأقصى لمتوسط أداء البشر ومتوسط أداء الذكاء الاصطناعي.
المستوى الفردي: الأداء التعاوني لفرد معين يتجاوز الحد الأقصى لأدائه المنفرد وأداء الذكاء الاصطناعي المنفرد.
المساهمة: اشتق المؤلفون حداً أدنى خالياً من التوزيع (النظرية 1) لنسبة الأفراد الذين يختبرون تكاملاً إيجابياً صارماً. يتم تقدير هذا الحد باستخدام اختبار "كولموغروف-سميرنوف" بين توزيعات الأداء المنفرد والتعاوني، مما يسمح بتقدير الفوائد الفردية دون الحاجة لمراقبة نفس الشخص تحت كلتا الحالتين.

النتائج الرئيسية

الأداء الخوارزمي

التكامل: تتفوق الطرق الهجينة باستمرار على الطرق المنفردة. تحقق طريقة OR $\rightarrow$ LLM أفضل أداء إجمالي (مكافأة معيرة قدرها 0.538)، وهو تحسن بنسبة 21% عن طريقة بحوث العمليات وحدها.
نقاط القوة السياقية: تتفوق النماذج اللغوية الكبيرة في اكتشاف تحولات الطلب، ودمج المعرفة العالمية الخاصة بالمنتج (مثل موسمية ملابس السباحة)، وتحديد اضطرابات الإمداد (الطلبات المفقودة).
الدقة الرياضية: توفر خوارزميات بحوث العمليات الدقة اللازمة لحسابات المخزون الأساسي، خاصة في ظل فترات التوريد المحددة.
المعايرة: النماذج اللغوية الكبيرة الصرفة أقل معايرة لهياكل التكلفة (الكسور الحرجة) مقارنة بطرق بحوث العمليات أو الطرق الهجينة. ومع زيادة تأثير النموذج اللغوي، تقل الاستجابة للكسر الحرج.
الحساسية لفترات التوريد: في ظل فترات التوريد العشوائية (مع وجود طلبات مفقودة)، تكون الطرق التي يتخذ فيها النموذج اللغوي القرار النهائي (OR $\rightarrow$ LLM) هي الأفضل، حيث يمكنها التعرف على الشحنات المفقودة والتكيف معها، بينما تفشل الطرق القائمة على بحوث العمليات في التكيف مع نقص المخزون في خط الإمداد.

التفاعل بين الإنسان والذكاء الاصطناعي

تفوق النمط ب: يحقق نمط OR $\rightarrow$ LLM $\rightarrow$ Human (النمط ب) أعلى أداء، متفوقاً بشكل كبير على كل من النمط أ (OR $\rightarrow$ Human) والنمط ج (LLM + Oversight).
قيمة الحكم البشري: تتفوق أنماط التعاون البشري على نظيراتها الآلية (النمط أ > OR؛ والنمط ب > OR $\rightarrow$ LLM)، مما يثبت أن الحكم البشري يضيف قيمة تتجاوز الطرق المؤتمتة البحتة.
التكامل الفردي: بتطبيق الحد الأدنى النظري، وجدت الدراسة أن 30% إلى 60% من الأفراد يختبرون تكاملاً إيجابياً صارماً. يشير هذا إلى أن المكاسب ليست مجرد "تأثير اختيار" (حيث يتبع الضعفاء في البشر الذكاء الاصطناعي ويتجاهل الأقوياء منه)، بل تمثل تآزراً حقيقياً، حيث يستفيد البشر من استنتاجات الذكاء الاصطناعي لتحسين قراراتهم.
آليات القيمة: يضيف البشر قيمة من خلال الاستجابة لاتجاهات الطلب، واكتشاف الشذوذ (مثل الطلبات المفقودة)، وتطبيق التفكير الموسمي—وهي قدرات تعكس نقاط قوة النماذج اللغوية الكبيرة مقارنة ببحوث العمليات الصرفة، مما يشير إلى علاقة "مساعد طيار" (Co-Pilot) حيث يقوم كلا الوكيلين بالاستنتاج سياقياً ولكن بملفات أخطاء مختلفة.

الآثار والادعاءات

تدعي الورقة أنها تقدم دليلاً منهجياً على أن الإدارة الفعالة للمخزون تستفيد من نظام متكامل بدلاً من استبدال طريقة بأخرى.

التآزر: توفر بحوث العمليات الانضباط الهيكلي والدقة الرياضية؛ وتساهم النماذج اللغوية الكبيرة بالمعرفة العالمية والاستنتاج السياقي؛ ويقدم البشر الحكم الموقفي والإشراف.
الجدة في أبحاث الإنسان والذكاء الاصطناائي: على عكس النتائج السابقة التي تشير إلى أن التعاون بين الإنسان والذكاء الاصطناعي غالباً ما يؤدي إلى تدهور الأداء أو الفشل في تجاوز أفضل مكون منفرد، تظهر هذه الدراسة تكاملاً حقيقياً في سياق اتخاذ القرار المتسلسل الغني بالإشارات السياقية.
المساهمة في الموارد: ينشر المؤلفون InventoryBench (معيار يتكون من 1,320 حالة) وAI-Human Inventory Game (واجهة ويب مفتوحة المصدر) لتسهيل الأبحاث المستقبلية في إدارة سلاسل الإمداد والتعاون بين الإنسان والذكاء الاصطناعي.

يخلص المؤلفون إلى أنه بينما تظل العديد من الاتجاهات مفتوحة (مثل هياكل الوكلاء الأكثر ثراءً، ومجموعات المشاركين الأوسع)، فإن نتائجهم تثبت أن دمج بحوث العمليات، والنماذج اللغوية الكبيرة، والحكم البشري يخلق مسار قرار قوياً تجاه تحولات الطلب وعدم اليقين في الإمداد، متفوقاً على أي مكون منفرد بمعزل عن الآخر.