Serval تطلق Catalyst: وكلاء AI استباقيون لتصحيح المشكلات قبل الإبلاغ عنها

مقدمة تحليلية

في 20 أغسطس 2026، أعلنت Serval عن الإتاحة العامة لوكيلها Catalyst، وكيل الذكاء الاصطناعي الفائق المصمم لأتمتة مهام المؤسسات. يتفرد Catalyst بقدرته على إنشاء وكلاء خلفية متجولين، يكشفون عن مشكلات تكنولوجيا المعلومات ويقترحون حلولاً قبل تقديم أي تذكرة دعم. تأتي هذه الخطوة في ظل منافسة حادة في قطاع إدارة الخدمات المؤسسية، حيث تسعى الشركات لتحويل نماذج العمل من الاستجابة التفاعلية إلى الأتمتة الوقائية. تأسست Serval في عام 2024، وشهدت اهتماماً استثمارياً متسارعاً في أواخر عام 2025، حيث جمعت 47 مليون دولار في جولة Series A بقيادة Redpoint Ventures، ليصل إجمالي تمويلها إلى 52 مليون دولار.

وفي ديسمبر من العام نفسه، رفعت الشركة 75 مليون دولار إضافية في جولة Series B بقيادة Sequoia، مما رفع قيمتها السوقية إلى 1 مليار دولار، بإجمالي رأس مال مجمع بلغ حوالي 127 مليون دولار. وتزعم Serval نمو إيراداتها بنسبة 500% منذ أغسطس 2025.

التحليل التقني

يعمل Catalyst كوكيل فائق يواجه الإدارة، ويتربع فوق منصة Serval الأصلية لإدارة الخدمات التي تعتمد على الذكاء الاصطناعي. يمكنه فحص سجل التذاكر، وإجراءات التشغيل القياسية (SOPs)، أو التعليمات باللغة الطبيعية لتحديد المهام المتكررة. بناءً على هذا التحليل، يقوم Catalyst بصياغة سير العمل، والمهارات، والنماذج، وسياسات الوصول، والمسارات، ولوحات المعلومات اللازمة لأتمتة تلك المهام. الجوهر الفني لـ Catalyst يكمن في قدرته على إنشاء وكلاء خلفية متجولين يفحصون الأنظمة المتصلة باستمرار بحثاً عن المشكلات الناشئة ويقترحون إصلاحات قبل أن يفتح موظف تذكرة. على سبيل المثال، قامت إحدى الشركات باستخدام وكيل Catalyst لربط حوادث الشبكة عبر مكتبين باستخدام بيانات قياس عن بعد للمحولات، وبيانات DHCP، وتذاكر سابقة، واستبعاد مشاكل الأجهزة والتداخل اللاسلكي، ثم تتبع المشكلة إلى الانجراف في التكوين، وولد سير عمل تصحيحي للموافقة الإدارية. تدعم هذه القدرة محركات رمزية قوية؛ ففي عرض توضيحي، أظهر الرئيس التنفيذي المشارك لـ Serval، جيك ستاوتش، Catalyst وهو يتلقى طلباً لإنشاء سير عمل لإعادة تعيين كلمة المرور، ويكتشف الأنظمة المتصلة بما في ذلك Okta، وGoogle Workspace، وMicrosoft Entra، ثم يولد كود TypeScript الأساسي لتنفيذ تلك الإجراءات. يمكن للمسؤولين بعد ذلك إضافة الموافقات أو تقييد من يُسمح له بتشغيل سير العمل.

النموذج الهندسي الأساسي لـ Catalyst قابل للتبديل عمداً. لا تقوم Serval ببناء نموذجها الأساسي، بل تستخدم نماذج من "المختبرات الرائدة" (frontier labs)، وتجري تقييمات لتحديد أفضل النماذج لمهام محددة. أشار ستاوتش في مقابلة سابقة في مايو 2026 إلى أن Serval تستخدم كلاً من نماذج OpenAI وAnthropic. وقد أظهرت نماذج GPT من OpenAI أفضل أداء لتفاعلات المستخدم النهائي واستدعاء الأدوات، بينما أنتجت نماذج Sonnet وOpus من Anthropic أقوى النتائج لجانب توليد الكود في نظام أتمتة Serval، وهو الحمل الأكثر صلة بـ Catalyst. تؤكد Serval أن بيانات العملاء تظل مملوكة للعملاء ولا يتم استخدامها لتدريب أو تحسين نماذج الذكاء الاصطناعي الخاصة بها أو نماذج الطرف الثالث. تتوفر خيارات نشر متعددة تشمل خدمة SaaS سحابية، أو النشر في الموقع (on-premises)، أو ضمن VPC الخاصة بالعميل (نشر مستأجر واحد مدار بواسطة Serval ضمن حساب AWS للعميل، أو نشر مدار ذاتياً على مجموعة Kubernetes للعميل).

السياق وتأثير السوق

تدعي Serval أن Catalyst يحقق التمايز في سوق إدارة الخدمات المؤسسية الذي يتجه بسرعة نحو إنشاء سير عمل بمساعدة الذكاء الاصطناعي. على سبيل المثال، يمكن لوكيل Build Agent من ServiceNow ترجمة التعليمات باللغة الطبيعية إلى تطبيقات كاملة، بينما يمكن لوكيلها AI Agent Advisor تحليل سجلات الحالات لتحديد فرص الأتمتة. وعلى نحو مماثل، يمكن لـ Rovo من Atlassian توليد تدفقات أتمتة Jira من متطلبات باللغة الإنجليزية العادية، وتقدم Freshworks وكيل Freddy AI Agent Studio لإنشاء وكلاء خدمة يعملون عبر سير عمل Freshservice. الفارق الدقيق الذي تقدمه Serval هو محاولة جعل دورة حياة الأتمتة بأكملها وكيلة (agentic)، حيث يتنقل Catalyst كطبقة إدارية واحدة من اكتشاف الفرصة إلى تجميع أنواع متعددة من الأتمتة، إلى إنشاء وكلاء استباقيين يواصلون البحث عن عمل جديد للأتمتة. يقول ستاوتش إن التكلفة الإجمالية للملكية لـ Serval يمكن أن تكون "أقل بكثير — عادة نصفها، وأحياناً 10% إلى 20% من التكلفة الإجمالية للملكية لـ ServiceNow"، على الرغم من أن رسوم ترخيص البرامج قد لا تكون مختلفة كثيراً. هذا يركز على تقليل الحاجة إلى خدمات التنفيذ والصيانة.

في دراسات حالة العملاء، تقول Ramp، وهي شركة لتقنيات النفقات المالية، إن Catalyst جعل بناء سير العمل أسرع بنسبة 50% وساعد في توسيع Serval عبر حوالي 10 فرق. وفي برنامج استبدال أجهزة الكمبيوتر المحمولة، أتمتت Ramp 600 عملية استبدال، مما وفر 150 ساعة عمل. تشمل عمليات النشر الأخرى Mercor، التي استقبلت أكثر من 4,000 خبير خارجي عبر أتمتة Serval ووسعت المنصة عبر 7 فرق. وتفيد Together AI بأن Serval يقوم بأتمتة 95% من طلبات الوصول إلى البنية التحتية في الوقت المناسب. بينما تقول Perplexity إن Serval يتعامل تلقائياً مع أكثر من 50% من طلبات تكنولوجيا المعلومات الواردة وجميع عمليات انضمام الموظفين بنسبة 100%. تبنت أكثر من 90% من العملاء Catalyst كنقطة انطلاق للأتمتة خلال مرحلة البيتا، مما يشير إلى قبول مبدئي قوي. ومع ذلك، فإن ServiceNow وAtlassian وFreshworks تتطور بسرعة، مما يجعل المعركة تدور حول عدد الأدوات المتفرقة والمفاهيم التكوينية اللازمة للانتقال من مشكلة تشغيلية إلى أتمتة إنتاجية.

رؤية Glitch4Techs

إن ادعاء Serval بتحويل دورة حياة الأتمتة بأكملها إلى عملية وكيلة لهو طموح جريء، ويستند إلى وعود بتوفير كبير في التكلفة الإجمالية للملكية يصل إلى 50% أو حتى 80-90%، بالإضافة إلى معدلات أتمتة مرتفعة تصل إلى 95% لبعض العملاء. هذه الأرقام، إذا صمدت أمام التدقيق المستقل في بيئات المؤسسات المعقدة، تمثل تقدماً ملموساً يتجاوز مجرد إنشاء سير العمل باللغة الطبيعية. ومع ذلك، فإن الخطر الأكبر يكمن في آلية "الوكلاء المتجولين" التي تتنبأ بالمشكلات وتصيغ الحلول تلقائياً. هذه العملية، التي تولد كود TypeScript وتقتضي موافقة المسؤول، تعتمد بشكل حاسم على دقة هذا الكود ومتانته.

إن نظاماً يقوم بتوليد التغييرات وتصحيحها استباقياً، خاصة عندما "يرث صلاحيات المستخدم" الذي يعمل تحته، يمكن أن يحول المشكلات الصغيرة إلى أزمات واسعة النطاق إذا كانت الأتمتة خاطئة. ببساطة: إذا كانت صلاحيات وكيل Catalyst الواسعة تؤدي إلى توليد كود معيب ينشر عبر الأنظمة المتصلة، فإن التأثير السلبي سيتجاوز بكثير أي مشكلة قد يواجهها موظف عادي.