
با عبور هوش مصنوعی عاملمحور (Agentic AI) از مرحله آزمایش و ورود به عرصه پیادهسازی سازمانی، چالش اصلی مدیران نحوه همکاری عاملهای هوشمند (Agents)، اتصال آنها به سامانهها و دادههای مورد نیاز، و عملکرد ایمن در جریانهای کاری (Workflows) پیچیده است. اگرچه حدود ۸۰ درصد از شرکتهای فهرست فورچون ۵۰۰ (Fortune 500) هوش مصنوعی عاملمحور را بهکار گرفتهاند، اما پیشرفت بهسمت مقیاسپذیری واقعی همچنان ناهمگون است و بسیاری از سازمانها درگیر پروژههای پایلوت و ایزوله باقی ماندهاند.
ارون چاندرا (Arun Chandra)، مدیر ارشد عملیات شرکت NiCE، معتقد است نخستین گام برای عبور از این مرحله، فراتر رفتن از آزمون و خطاهای صرف است. به باور وی، سازمانها نباید تنها به دنبال پاسخ به این پرسش باشند که «با این فناوری چه کارهایی میتوان انجام داد؟»، بلکه باید پیوند روشنی میان بهکارگیری فناوری و استراتژی کلان کسب و کار ایجاد کنند. این امر مستلزم تعیین دقیق اهدافی همچون افزایش درآمد، کاهش هزینهها یا سایر اهداف مالی و راهبردی است.
علاوه بر این، بهجای افزودن لایههای هوش مصنوعی به فرآیندهای سنتی، باید جریانهای کاری را از نو طراحی کرد. چاندرا در این باره تأکید میکند که اعمال هوش مصنوعی بر فرآیندهای ناکارآمد یا قدیمی، بدترین رویکرد ممکن در مسیر تحول دیجیتال است.
ارتقای ابزارهای عاملمحور مستلزم برخورد با هوش مصنوعی بهمثابه یک سیستم یکپارچه است. عاملهای هوشمند برای تصمیمگیری اثربخش و انجام اقدامات عملی، به دادهها، دانش و زمینهسازی (Context) دقیق نیاز دارند و باید به سیستمهای پشتیبانی (Back-end) متصل باشند. پراکندگی اطلاعات میتواند کارایی این ابزارها را بهشدت کاهش دهد؛ زیرا اثربخشی عاملهای هوش مصنوعی متناسب با کیفیت دادهها و دانشی است که دریافت و پردازش میکنند.
مقیاسپذیری عاملهای هوشمند، ابعاد سازمانی مهمی نیز دارد. توسعه سیستمهای ایزوله توسط تیمهای مختلف میتواند به ناهماهنگی و جزیرهای شدن سازمان منجر شود. با واگذاری مسئولیتهای حساستر به عاملهای هوشمند، مباحثی مانند حاکمیت داده (Governance)، حریم خصوصی، امنیت و مدیریت تغییر اهمیت دوچندانی پیدا میکنند.
در همین راستا، سازمانها باید استانداردها و انتظارات شغلی یکسانی برای نیروی کار انسانی و عاملهای هوش مصنوعی در نظر بگیرند و ساختار نیروی کار خود را بهصورت ترکیبی از انسان و هوش مصنوعی بازتعریف کنند.
در آینده، رویکرد یکپارچه به هوش مصنوعی به عاملهای هوشمند اجازه میدهد بهصورت پیشدستانه عمل کرده و حتی برای حل نیازهای مشتریان، مستقیماً با یکدیگر ارتباط برقرار کنند. برای سازمانهایی که قصد عبور از پروژههای آزمایشی به مقیاس کامل را دارند، هدف نباید تغییر یکباره همه بخشها باشد؛ بلکه باید استراتژی متمرکزی بر پایه سناریوهای کاربردی پرارزش، اصلاح فرآیندها، بازآرایی نیروی کار و دستیابی به نتایج قابل اندازهگیری تدوین شود.
این مطلب بر اساس خبر MIT Technology Review بازنویسی و ترجمه شده است.
دیدگاهها۰
برای ثبت نظر، پرسش یا رأی ابتدا وارد حساب کاربری شوید.