
نظام متعدد الوكلاء: دليلك لبناء واختبار وإطلاق سير عمل الذكاء الاصطناعي
تعرف على نظام متعدد الوكلاء، وكيف يعمل، وأفضل حالات استخدامه. استكشف البنى والأطر وأمثلة حقيقية ونصائح للنشر.
في مهام البحث والكتابة والتحقق من الحقائق، يمكن لوكيل ذكاء اصطناعي واحد أن يفقد التركيز بسهولة ويقدّم نتائج غير دقيقة. تقسيم هذه المسؤوليات بين وكلاء مخصصين ساعدنا على بناء سير عمل أكثر موثوقية، وهذا ما يحققه نظام متعدد الوكلاء يضم وكلاء ذكاء اصطناعي منسّقين. في هذا الدليل، ستتعرف على كيفية عمل هذه الأنظمة، ومتى تستخدمها، وكيف تبني واحدًا منها. ستتعرف أيضًا على نظام البحث الذي بنيناه بأنفسنا، وتعليمات النشر المحلي، والمخاطر الواقعية، وكيفية تحويل سير العمل إلى تطبيقات فعلية. لنبدأ!
ما هو نظام متعدد الوكلاء؟
نظام متعدد الوكلاء هو مجموعة من الوكلاء المستقلين الذين يتواجدون في بيئة واحدة ويكونون قادرين على تحقيق هدف واحد أو عدة أهداف. هؤلاء الوكلاء لا يعملون بشكل منعزل، بل ينسّقون أنشطتهم، ويتشاركون المعلومات، ويعدّلون خططهم لتحقيق أهداف معقدة. تخيّل فريق مشروع، يضم خبراء في البحث والتحليل والتنفيذ، يعملون معًا نحو نفس النتيجة. وفقًا لـ IBM، فإن مجرد استدعاء وكيل لوكيل آخر لا يُعدّ نظامًا متعدد الوكلاء حقيقيًا. كل وكيل يأخذ بعين الاعتبار أهداف الوكلاء الآخرين وذاكرتهم وخططهم. وعلى عكس نماذج اللغة الكبيرة التقليدية، تخطط وكلاء الذكاء الاصطناعي وتستخدم الأدوات وتحدّث ذاكرتها.

نظام متعدد الوكلاء في الذكاء الاصطناعي: كيف يعمل؟
في الذكاء الاصطناعي، يتكوّن نظام متعدد الوكلاء من عدة وكلاء مختلفين، صُمم كل منهم لتنفيذ مهمة محددة، ويعمل هؤلاء الوكلاء معًا لتحقيق هدف مشترك. يتكوّن النظام من أربعة عناصر أساسية: الوكلاء، والبيئة، وبروتوكولات التواصل، وآليات التنسيق. يستشعر هؤلاء الوكلاء المعلومات، ويستخدمون نموذج لغة كبير للاستدلال، ويتصرفون بناءً على المعلومات، ويتواصلون مع الوكلاء الآخرين. المنسّق (Orchestrator) يتولى إدارة سير العمل، والأدوات تدعم التنفيذ، والذاكرة المشتركة تحتفظ بالسياق. كانت معايير سابقة مثل FIPA ACL وKQML قد تناولت موضوع التواصل بين الوكلاء.
وكيل واحد مقابل نظام متعدد الوكلاء: دليل لاتخاذ القرار
تريد تبسيط سير العمل باستخدام الذكاء الاصطناعي، ولكنك تتساءل إن كان عليك استخدام وكيل واحد أم عدة وكلاء؟ من المهم أن تفهم الفرق بين الوكيل الواحد ونظام متعدد الوكلاء. تفترض بعض الفرق أن زيادة عدد الوكلاء تعني بالضرورة نجاحًا أكبر، لكن هذا ليس صحيحًا دائمًا.

- الفروق الأساسية في البنية
الوكيل الواحد، المزوّد بنموذج واحد ومجموعة واحدة من الأدوات، ينفّذ سلسلة من المهام من البداية إلى النهاية في سياق واحد. أما نظام متعدد الوكلاء فيقسّم العمل بين عدد من الوكلاء المتخصصين (مخطط، باحث، مراجع، إلخ) الذين ينسّقون فيما بينهم عبر عمليات تسليم محددة بوضوح.
- متى يكون الوكيل الواحد هو الخيار الأفضل
اجعل وكيلًا واحدًا ينفّذ مهمة محددة ومتسلسلة، مثل تلخيص الوثائق، أو الرد على استفسارات الدعم، أو كتابة المحتوى. فهذا ليس أقل تكلفة وأسرع استجابة وأسهل في تصحيح الأخطاء وأقل عرضة للفشل فحسب، بل هو مثالي أيضًا للنماذج الأولية وسير العمل المحدد.
- متى يكون نظام متعدد الوكلاء منطقيًا
تُعدّ أنظمة متعددة الوكلاء مناسبة جدًا للمهام المعقدة أو المتوازية أو متعددة المجالات، مثل البحث المعمّق، أو التغييرات الكبيرة في الكود، أو العمليات التجارية المتعددة الخطوات. يحتفظ الوكلاء المتخصصون بسياقات صغيرة، ويتيحون التنفيذ المتوازي، ويسمحون بمراجعة السياقات بشكل مستقل، مما يؤدي إلى دقة أعلى.
- المقايضات بين التكلفة والتأخير والتعقيد
تستهلك الوكلاء المتعددة عددًا أكبر بكثير من الرموز (tokens) لأن كل وكيل يحتفظ بسياقه الخاص، وعليه أيضًا التواصل مع الوكلاء الآخرين. كما تضيف هذه الأنظمة تأخيرًا، ومنطق تنسيق، ومخاطر انتشار الأخطاء. قارن هذه التكاليف الإضافية بالتحسن الفعلي والقابل للقياس في الجودة الذي تحتاجه مهمتك بالفعل.
ابدأ بوكيل واحد وقِس الأداء. ولا تتجه إلى استخدام وكلاء متعددين إلا عند ظهور حدود في السياق، أو زيادة في عبء الأدوات، أو ثغرات في الدقة. قيّم التعقيد والتوازي والموازنة وقدرة المراقبة لتتمكن من التوسع بثقة واستمرارية.
البنى والأطر وأفضل حالات الاستخدام في جدول واحد
| البنية | كيف تعمل | أفضل حالة استخدام | إطار عمل كمثال | الخلاصة |
|---|---|---|---|---|
| مركزية | متحكم واحد يخطط ويفوّض المهام ويجمع النتائج. | خدمة العملاء، الرعاية الصحية (حيث قابلية التتبع مهمة). | LangGraph | الأكثر قابلية للتحكم، لكنها تتطلب تصميمًا مسبقًا دقيقًا وتحتوي على نقطة فشل واحدة. |
| غير مركزية | يتحدث الوكلاء مباشرة فيما بينهم دون وكيل رئيسي. | العصف الذهني، مراجعة الكود، البحث المفتوح. | AutoGen | مرنة، لكنها قد تدخل في حلقات أو تنحرف عن المسار، مما يجعل التكاليف غير متوقعة. |
| هرمية | يقسّم المديرون الأهداف إلى أهداف فرعية لفرق فرعية. | سلاسل التوريد، التمويل (تحليل ← مخاطر ← امتثال). | CrewAI | الأسرع للوصول إلى فريق عملي قائم على الأدوار، وأقل ملاءمة للتفرعات المعقدة. |
| هولونية/تحالفية (بحثية) | مجموعات وكلاء متداخلة (هولونية) أو تحالفات مؤقتة للمهام (تحالفية). | التصنيع، التخصيص الديناميكي للموارد. | نماذج بحثية أولية | أنيقة نظريًا، لكنها نادرًا ما تكون جاهزة للإنتاج مع نماذج اللغة الكبيرة. |
كيف بنينا نظام البحث متعدد الوكلاء الخاص بنا
كان الهدف هو أتمتة البحث حول مواضيع مختلفة وإنتاج ملخصات دقيقة ومنظمة جيدًا تحتوي على بيانات موثّقة. ولتحقيق ذلك، طورنا نظام بحث متعدد الوكلاء، وقسّمنا سير العمل إلى أدوار متخصصة. كل وكيل مسؤول عن مهمة محددة وينقل النتائج إلى الوكيل التالي.
الخطوة 1: تحديد أدوار الوكلاء
صممنا ستة وكلاء لإدارة عملية البحث من التخطيط حتى المراجعة النهائية.
| الوكيل | المسؤولية | يستقبل ويسلّم |
|---|---|---|
| المخطط | يقسّم الموضوع إلى أسئلة بحثية ويوزّع المهام. | يستقبل الموضوع ويسلّم خطة بحثية. |
| الباحث | يجد المعلومات ذات الصلة من مصادر موثوقة. | يستقبل الأسئلة البحثية ويسلّم النتائج مع مراجعها. |
| مدقّق الحقائق | يتحقق من الادعاءات بناءً على مصادر موثوقة. | يستقبل النتائج ويسلّم الادعاءات المدققة مع التصحيحات. |
| الكاتب | يحوّل المعلومات المدققة إلى ملخص متماسك. | يستقبل الملاحظات المدققة ويسلّم مسودة منظمة. |
| المراجع | يتحقق من الوضوح والاتساق والاكتمال. | يستقبل المسودة ويسلّم ملاحظات أو موافقة. |
| المنسّق | يدير تنفيذ الوكلاء وعمليات تسليم المهام. | يتابع التقدّم ويوجّه النتائج بين الوكلاء. |
الخطوة 2: ربط سير العمل
ينسّق المنسّق كل مرحلة، في حين تخزّن الذاكرة المشتركة ملاحظات البحث وروابط المصادر والمهام المكتملة. يسمح هذا التصميم لكل وكيل بالتركيز على مهمته الخاصة دون الحاجة لتكرار عملية البحث.
الخطوة 3: تطبيق الدروس المستفادة من عملية البناء
خلال عملية التطوير، توصلنا إلى ثلاثة دروس عملية ساهمت في تحسين سير العمل:

- حافظ على تعليمات الأدوار محددة: أعط كل وكيل مسؤولية واحدة واضحة، ومتطلبات محددة للنتائج، ومعايير واضحة لاكتمال المهمة.
- حافظ على ذاكرة مشتركة: خزّن نتائج البحث وروابط المصادر في ملف مشترك واحد لتقليل عمليات البحث المكررة والحفاظ على السياق.
- حدّد عدد جولات الوكلاء: حدّد عددًا أقصى من التفاعلات ومحاولات الإعادة لمنع المعالجة غير الضرورية والتحكم في التكاليف.
الخطوة 4: قياس النتائج بأمانة
استخدمنا نفس الموضوع البحثي ونفس معايير الجودة لمقارنة العملية اليدوية الأصلية بالعملية الآلية.
| المقياس | سير العمل اليدوي | سير العمل متعدد الوكلاء |
|---|---|---|
| زمن البحث | 60 دقيقة | 20 دقيقة |
| التكلفة لكل ملخص | 0.50 دولار | 0.30 دولار |
| الادعاءات المدققة | 20 ادعاءً | 20 ادعاءً |
استبدل هذه القيم بالقياسات التي تحصل عليها في تجربتك الخاصة. ولإجراء مقارنة عادلة، سجّل نفس نطاق المهمة ومعايير التحقق وافتراضات التكلفة.
الخطوة 5: إصلاح خلل في التنسيق
كان أحد الأخطاء المبكرة أن وكيلين طلبا معلومات إضافية من بعضهما البعض، مما أدخل حلقات غير ضرورية وأبطأ عملية الإنجاز. تم حل هذه المشكلة بتحديد شروط التسليم بوضوح، وعدد محاولات الإعادة، وإلزام الوكلاء بإعادة نتائج منظمة. وبمجرد أن يستوفي الوكيل معاييره، يحين وقت انتقال المنسّق إلى المرحلة التالية من سير العمل.
أهم استنتاج: يعتمد نظام البحث متعدد الوكلاء الناجح على مسؤوليات واضحة، وسياق مشترك موثوق، وتنسيق مضبوط، لا على مجرد إضافة المزيد من الوكلاء.
كيف تنشر نظام ذكاء اصطناعي متعدد الوكلاء محليًا
تشغيل نظام ذكاء اصطناعي متعدد الوكلاء محليًا يمنحك تحكمًا أكبر في الخصوصية والتكاليف والتجربة. يمكنك تجربة نماذج وأدوار وكلاء وسير عمل مختلفة دون الاعتماد الكامل على خدمات السحابة. لكن النشر المحلي يتطلب عتادًا مناسبًا، وتنسيقًا كافيًا، ومراقبة دقيقة. فيما يلي ست خطوات للبدء.
الخطوة 1: اختر بيئة تشغيل نموذج محلية
استخدم بيئة تشغيل نموذج محلية، مثل Ollama. تتيح لك هذه البيئة تحميل نماذج اللغة المدعومة وتشغيلها محليًا. تحقق من توافق جهازك والذاكرة المطلوبة قبل اختيار النموذج.

الخطوة 2: اختر إطار عمل للوكلاء
اختر إطار عمل يسهّل تنسيق الوكلاء وإدارة المهام. من الأمثلة على ذلك LangGraph وCrewAI وAutoGen. قبل أن تقرر، تحقق مما يقدمه كل منها من ناحية التنسيق والتكامل والتعقيد.

الخطوة 3: حدّد أدوار الوكلاء
وزّع مهامًا محددة على متخصصين محددين، مثل التخطيط والبحث والتحقق من الحقائق والكتابة. حدّد المدخلات والمخرجات ومعايير التسليم لكل منهم لتجنب تكرار العمل.

الخطوة 4: أضف إمكانية الوصول إلى الأدوات
ادمج الوكلاء مع الأدوات اللازمة، مثل واجهات البحث البرمجية، وقواعد البيانات، وقارئات الوثائق، وبيئات تنفيذ الكود. استخدم قواعد الصلاحيات والتحقق لتقييد الوصول وتقليل العمليات غير الضرورية.
الخطوة 5: استخدم الحوسبة المعبأة (Docker)
غلّف تطبيقك مع تبعياته وتهيئاته باستخدام Docker. اضبط الشبكة والتخزين ومتغيرات البيئة وحدود الموارد لتحقيق نشر متسق.

الخطوة 6: أضف التسجيل والتتبّع
فعّل تسجيل أفعال الوكلاء، واستخدام الأدوات، والأخطاء، وأزمنة التشغيل. تتوقف كمية العتاد المطلوبة على حجم النموذج، ودرجة التكميم (quantization)، وعدد المهام المتزامنة. تحتاج النماذج الأصغر إلى موارد أقل، لكنها قد تكون أقل موثوقية وأكثر عرضة للأخطاء في الاستدلال. من الحيل المهمة أن تخطط باستخدام نموذج أقوى، وتستخدم نماذج أخف للمهام الأبسط.

تحويل سير عمل الوكلاء إلى منتج قابل للاستخدام مع Enter Pro
بعد أن أصبحت وكلاء البحث لدينا تعمل في الطرفية، احتجنا إلى واجهة بسيطة للمستخدمين الحقيقيين. وهنا جاء دور Enter Pro لمساعدتنا في بناء نموذج أولي سريع دون الحاجة لبناء واجهة أمامية يدويًا. تستخدم المنصة الذكاء الاصطناعي لإنشاء مواقع وتطبيقات مخصصة بأقل قدر من الكتابة البرمجية. وهي مفيدة جدًا عندما تختبر أفكارًا أو منتجات أولية (MVP) أو مواقع إنتاج صغيرة. يمكنك إنشاء صفحة هبوط، أو نموذج، أو لوحة تحكم لعرض نتائج سلسلة وكلائك. كما تضم المنصة أداة بناء MVP بالذكاء الاصطناعي لتسريع تحويل الأفكار إلى تطبيقات قابلة للاختبار. لنتعرف على التفاصيل أدناه!

| العنصر | زر الدعوة للإجراء |
|---|---|
| Web.Text | ابدأ بناء موقعك الآن |
| Web.Href | https://enter.pro/workspace/ |
ما الذي يجعل Enter Pro عمليًا للمنتجات القائمة على الوكلاء
- إنشاء التطبيقات والمواقع بالذكاء الاصطناعي
يساعد أداة بناء المواقع بالذكاء الاصطناعي في Enter Pro على تحويل الأفكار إلى تطبيقات فعلية. فبدلًا من كتابة كل عنصر بالكود يدويًا، يكفي أن تصف احتياجاتك. هذا يبسّط عملية تطوير المنتج واختباره في مراحله الأولى.
- إمكانية الاختيار بين عدة نماذج ذكاء اصطناعي
يوفّر GPT-5.4 وClaude Opus 4.7 خيارات نماذج مختلفة. قارن نتائج كل منها في مهام تطوير مختلفة. هذا النهج يشبه اختيار نماذج متخصصة لكل وكيل على حدة.
- التحرير والتخصيص المرئي
يتيح لك المحرر المرئي في Enter Pro تحسين التخطيطات والمحتوى بصريًا. عدّل النصوص والأقسام وعناصر التصميم دون كتابة كود. هذا يسهّل تحسين الواجهة خلال مرحلة التطوير.
- إمكانية الوصول الكامل للكود المصدري
يوفّر Enter Pro إمكانية الوصول إلى الكود المصدري لتطبيقك. يمكنك تصديره واستضافته ذاتيًا في مكان آخر. هذا يمنحك مرونة أكبر في النشر ويقلل من الاعتماد على منصة واحدة.
من وكلاء فعّالين إلى نموذج أولي حي في 3 خطوات
الخطوة 1: صف حالة استخدامك
ابدأ بكتابة وصف تفصيلي يشرح نظام الوكلاء المتعددين الخاص بك والغرض منه. حدّد المهام، والمستخدمين المستهدفين، وأدوار الوكلاء، والنتائج المتوقعة. اذكر الأدوات المطلوبة، وسير عمل التواصل، وعناصر الواجهة المفضلة. بعد أن تجهّز تعليماتك، اضغط على "Generate" لإنشاء النموذج الأولي. راجع البنية المقترحة قبل الاستمرار.

الخطوة 2: صمّم الواجهة
راجع النموذج الأولي الخاص بك واختر "Build Now" لتطوير التطبيق. افتح علامة التبويب "Preview" لفحص التخطيط والتنقل وتفاعلات الوكلاء وتمثيل سير العمل. تحقق من مدى تلبية الواجهة لحالة الاستخدام المطلوبة.

الخطوة 3: نشر التطبيق وجمع الملاحظات
اختبر تطبيقك للتأكد من أن الوكلاء يتواصلون بشكل صحيح وينهون المهام الموكلة إليهم. تحقق من تكامل الأدوات، ودقة النتائج، والتعامل مع الأخطاء، وسهولة الاستخدام بشكل عام. حين يستوفي كل شيء توقعاتك، اختر "Publish" لنشر النموذج الأولي. اجمع ملاحظات المستخدمين الأوليين، وحدّد مشكلات سير العمل، وأدخل التحسينات قبل توسيع قدراته.

المخاطر وكيفية الحد منها
بينما تعزز أنظمة الذكاء الاصطناعي متعددة الوكلاء الأتمتة، فإنها تحمل أيضًا تحديات عملية. حدّد هذه المخاطر وخذ خطوات للتخفيف منها قبل النشر.
- إدارة التكاليف: كلما زاد عدد الوكلاء، زاد عدد الرموز والتكاليف. أضف تخزينًا مؤقتًا (caching) للنتائج المكررة، وحدّد موازنات للرموز. استخدم نموذجًا أقل تعقيدًا للمهام الأقل تعقيدًا لتوفير التكاليف.
- الهلوسة: قد يذكر الوكلاء معلومات غير صحيحة أو غير موثّقة. استخدم مدقق حقائق لمراجعة النتائج. لا تقبل إجابات غير مبنية على مصدر، وحدّد المعلومات غير المدعومة بوضوح.
- المخاطر الأمنية: قد تؤدي صلاحيات الأدوات المفرطة إلى تعريض بيانات حساسة للخطر. طبّق مبدأ الصلاحيات الأقل، وتحقق من تواصل الوكلاء. احمِ نظامك من حقن التعليمات (prompt injection) القادم من مصادر غير موثوقة.
- صعوبات تصحيح الأخطاء: عندما يتفاعل الوكلاء مع بعضهم، يصبح تحديد مصدر الأخطاء أكثر صعوبة. سجّل جميع رسائل الوكلاء واستدعاءات الأدوات والنتائج. استخدم أدوات التتبّع لإيجاد الأعطال وفهم سلوك سير العمل.
- تعقيد التنسيق: قد يكرر الوكلاء نفس الأفعال أو يتصرفون بشكل غير متوقع. ضع أدوارًا واضحة، وقواعد للتواصل، ومعايير للتوقف. تجنب الإفراط في عمليات التسليم غير الضرورية لتسهيل التنفيذ.
| العنصر | زر الدعوة للإجراء |
|---|---|
| Web.Text | ابدأ بناء موقعك الآن |
| Web.Href | https://enter.pro/workspace/ |
الخلاصة
الخطوة الأولى لبناء نظام متعدد الوكلاء ناجح هي تحديد أهدافه وأدواره وبروتوكول التواصل الخاص به. لا تنتقل مباشرة إلى سير عمل كبير؛ بل قِس الدقة وزمن التنفيذ والتكاليف أولًا. استخدم قائمة تحقق لتخطيط النظام متعدد الوكلاء لتحديد أدوار الوكلاء، والأدوات، والبروتوكولات، وضوابط الأمان، ومتطلبات المراقبة. يمكن أيضًا استخدام أدوات مثل Enter Pro لتحويل عمليات الوكلاء الفعّالة إلى تطبيقات حقيقية. لا تبدأ بعشرة وكلاء دفعة واحدة؛ اختبر وكيلين يعملان معًا، ولا تضف المزيد إلا عند ظهور تحسّن قابل للقياس وتبرير واضح للتعقيد الإضافي. جرّب Enter Pro وابدأ عملك مع الوكلاء بسهولة!
أسئلة متكررة حول نظام متعدد الوكلاء
ما الفرق بين نظام متعدد الوكلاء والذكاء الاصطناعي التقليدي؟
في الذكاء الاصطناعي التقليدي، يُستخدم نموذج أو خوارزمية واحدة لتنفيذ وظيفة محددة. في المقابل، تنسّق أنظمة متعددة الوكلاء بين عدة وكلاء مستقلين يمتلك كل منهم مهام خاصة. يتواصل هؤلاء الوكلاء ويتشاركون المعلومات، ويعدّلون أفعالهم بشكل ديناميكي. يساعد هذا في سير العمل المعقد، لكنه يزيد من تكاليف التنسيق وزمن التنفيذ.
ما هي تطبيقات نظام متعدد الوكلاء في الذكاء الاصطناعي؟
تُستخدم أنظمة متعددة الوكلاء في تطوير البرمجيات، وإدارة سلاسل التوريد، وخدمة العملاء، والتمويل، والرعاية الصحية، والبحث. يتولى وكلاء متخصصون مهام مثل اكتشاف الاحتيال، والتحقق من المعلومات، والبرمجة، وتخطيط المخزون. يمكن أيضًا استخدام Enter Pro لإنشاء واجهات لتطبيقات مدفوعة بالوكلاء، مثل نماذج الطلبات ولوحات عرض النتائج للشركات.
ما الذي يجعل نظام ذكاء اصطناعي متعدد الوكلاء موثوقًا وقابلًا للتوسع؟
التواصل المنظم، ووضوح مسؤوليات الوكلاء، والتقييم المستمر، كل ذلك يعزز موثوقية النظام. طبّق وكلاء تحقق مخصصين، ونتائج مرتكزة على مصادر موثقة، وسجلات تنفيذ قابلة للتتبع. العمليات التي تُحدّث أنظمة أخرى أصعب في التوسع مقارنة بعمليات القراءة البسيطة. يمكن لـ Enter Pro أن يساعد في تحويل سير عمل الوكلاء المُتحقق منه إلى تطبيقات قابلة للاختبار.
هل يمكن نشر أنظمة الذكاء الاصطناعي متعددة الوكلاء محليًا على حاسوب محمول؟
نعم، يمكنك نشر أنظمة متعددة الوكلاء محليًا باستخدام Ollama أو LM Studio أو MLX من Apple. يحدّ عتادك من حجم النموذج وسرعة التنفيذ. تستخدم النماذج الأصغر موارد أقل، لكنها قد تقدّم استدلالًا أضعف. يوفّر النشر المحلي أيضًا خصوصية أكبر وتحكمًا أكبر في تكاليف واجهات البرمجة (API).
ما التحديات التي تظهر عند بناء نظام متعدد الوكلاء؟
تشمل التحديات الشائعة أعطال التنسيق، وعبء التواصل، وصعوبات تصحيح الأخطاء، والمخاطر الأمنية، وارتفاع التكاليف. قد يكرر الوكلاء المهام، أو يتعارضون، أو ينتجون نتائج غير متوقعة. يمكن لحقن التعليمات (prompt injection) أيضًا أن ينتشر عبر سير العمل المرتبط. استخدم ضوابط الصلاحيات، وحدود التنفيذ، والتسجيل، والموافقات البشرية للحد من هذه المخاطر.






