نشرت جوجل ورقة بحثية حول تطوير مجموعة بيانات تحدية لتدريب وكلاء الذكاء الاصطناعي على مهام البحث العميق، تضح من خلالها كيف يعمل الذكاء الاصطناعي الوكيلي في البحث العميق والتداعيات على تحسين المحتوى. تقدم الورقة إطار عمل يُسمى SAGE، والذي يرمز إلى توليد بيانات وكالة قابلة للتوجيه للبحث العميق مع تغذية راجعة من التنفيذ—نظام "وكيل مزدوج" يُنتج أزواج أسئلة وأجوبة معقدة لتدريب وكلاء البحث بالذكاء الاصطناعي. تشمل مجموعات البيانات السابقة مثل Musique و HotpotQA و Natural Questions (NQ) خطوات استنتاج قليلة نسبياً (متوسط عمليات البحث لكل سؤال: Musique 2. 7، HotpotQA 2. 1، NQ 1. 3)، مما ترك فجوة تدريبية لوكلاء الذكاء الاصطناعي الذين يحتاجون إلى التعامل مع استعلامات بحث عميق صعبة ومتعددة الخطوات. يعالج SAGE هذه المشكلة من خلال وجود ذكاء اصطناعي يكتب أسئلة تحدي تتطلب عدة خطوات من التفكير والبحث، بينما يحاول ذكاء اصطناعي آخر "وكيل البحث" الإجابة عليها، مع تقديم ملاحظات حول مدى صعوبة السؤال والتنفيذ (عدد خطوات البحث والوثائق المستخدمة). عندما يُحل السؤال بسهولة مفرطة أو يفشل، تعود عمليات التنفيذ إلى الذكاء الاصطناعي الأول، مما يساعده على تمييز الطرق المختصرة التي تقلل من تعقيد التفكير. حدد الباحثون أربعة اختصارات رئيسية سمحت لوكلاء الذكاء الاصطناعي بتجنب البحث العميق: 1. **مشاركة المعلومات في مكان واحد (35%)**: وجود أجزاء رئيسية من المعلومات اللازمة للإجابة في وثيقة واحدة، مما يقلل من الحاجة إلى عمليات بحث متعددة. 2. **إلغاء الحاجة لعملية بحث متعددة (21%)**: استعلام بحث واحد فعال يستوفي المعلومات من وثائق مختلفة في خطوة واحدة. 3. **التعقيد الظهري (13%)**: الأسئلة تبدو معقدة ظاهرياً لكنها تتيح إجابات مباشرة عبر البحث بدون حاجة لاستنتاجات وسيطة. 4.

**الأسئلة المبالغ في تحديدها (31%)**: الأسئلة التفصيلية للغاية تؤدي إلى إجابات في أول عملية بحث، مما يلغي الحاجة لبحث عميق. تساعد هذه الاختصارات في تفسير كيف يقلل وكلاء AI من خطوات التفكير العميق، وتوفر رؤى ذات صلة لتحسين السيو. بالنسبة للناشرين، يمكن أن يقلل تجميع الحقائق المبعثرة ("مشاركة المعلومات في مكان واحد") في صفحة واحدة شاملة من حاجة الذكاء الاصطناعي للانتقال إلى مواقع منافسة. تنظيم المحتوى للإجابة على عدة أسئلة فرعية في آن واحد ("إلغاء الحاجة لعملية بحث متعددة") يساعد وكلاء الذكاء الاصطناعي في العثور على الحلول بسرعة أكبر، مما يختصر سلسلة التفكير. بالإضافة إلى ذلك، عرض بيانات محددة (تواريخ، عمليات حسابية، أسماء) يمكن أن يعمل كطرق مختصرة تساعد AI في الوصول إلى الإجابة بشكل أسرع، وهو ما يتوافق مع أهداف تحسين محركات البحث. وعلى الرغم من هذه الرؤى حول الذكاء الاصطناعي الوكيلي، تؤكد الورقة أن التركيز الرئيسي لتحسين محركات البحث لا يزال على التصنيف في البحث التقليدي، حيث يستعين وكلاء AI بنتائج من أفضل ثلاثة صفحات مرتبة لكل استعلام، بناءً على واجهة برمجة التطبيقات Serper من جوجل. ولذلك، يجب على منشئي المحتوى: - تحسين صفحات الويب بشكل أساسي للبحث التقليدي. - السعي لأن تكون المحتويات شاملة وموضوعية لكنها تحتل مركزاً جيداً ضمن النتائج الثلاثة الأولى. - الربط بين صفحات ذات صلة لمساعدتها على الترتيب بشكل جيد وربما دعم البحث العميق متعدد النقاط. - تجنب التركيز فقط على تحسين البحث عبر AI، نظراً للاعتماد الحالي بشكل كبير على ترتيب البحث التقليدي في أنظمة الذكاء الاصطناعي الوكيلي. ختاماً، رغم التحديات الجديدة التي يفرضها البحث العميق الذكي، تظل استراتيجيات تحسين محركات البحث التي تركز على المحتوى الشامل والمنظم بشكل جيد والمنسق للبحث التقليدي فعالة. وقد نُشرت الدراسة بواسطة جوجل في 26 يناير 2026، تحت عنوان "SAGE: توليد بيانات وكالة قابلة للتوجيه للبحث العميق مع تغذية راجعة من التنفيذ. "