هگزاویو به برنامه‌های شرکای Anthropic و OpenAI پیوست؛ رویکرد تحول هوشمند سامانه‌های قدیمی بر پایه دیدگاه آنکیت آگاروال

www.bignewsnetwork.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

هگزاویو به برنامه‌های شرکای Anthropic و OpenAI پیوست

HT Syndication

دهلی نو، هند، ۱۲ اکتبر: شرکت Hexaview Technologies، یک شرکت ۱۶ ساله در حوزه مهندسی دیجیتال و نوسازی فناوری، اعلام کرد که به عضویت شبکه شرکای Claude Select و همچنین برنامه شرکای Select شرکت OpenAI درآمده است. این همکاری‌ها دیدگاهی را عملی می‌کنند که آنکیت آگاروال، بنیان‌گذار شرکت، در کتاب AI Edge: Transform and Maintain Legacy, A Strategic Guide for CXOs, Technology, and Business Leaders که با همکاری Kashi KS و Thiyagarajan M نوشته شده، مطرح کرده بود.

این کتاب استدلال می‌کند که سازمان‌ها با هوش مصنوعی از طریق جایگزین کردن سامانه‌های قدیمی خود پیروز نمی‌شوند؛ بلکه موفقیت زمانی حاصل می‌شود که ابتدا این سامانه‌ها را درک کنند، سپس آن‌ها را به شکلی متحول کنند که قابلیت‌های مؤثر موجود حفظ شود.

دیدگاهی که اکنون به واقعیت بازار تبدیل شده است. در بسیاری از سازمان‌ها، منطق اصلی فعالیت‌های تجاری درون سامانه‌هایی قرار دارد که افراد کمی هنوز درک کاملی از آن‌ها دارند. کتاب AI Edge مطرح می‌کند که نخستین وظیفه هوش مصنوعی، ایجاد بینش است: خواندن کدها، مستندسازی آن‌ها و ترسیم قواعد کسب‌وکار و وابستگی‌های موجود. تنها پس از این مرحله است که مدیران می‌توانند درباره نوسازی، تصمیم‌هایی آگاهانه و قابل دفاع بگیرند.

در فوریه ۲۰۲۶، Anthropic تحلیل خود درباره نوسازی سامانه‌های COBOL را منتشر کرد و اعلام کرد که «درک عملکرد کد، پرهزینه‌ترین مرحله است». این شرکت همچنین به هوش مصنوعی اشاره کرد که می‌تواند «وابستگی‌ها را در میان هزاران خط کد ترسیم کند» و «فرایندهایی را که دیگر کسی به یاد نمی‌آورد، مستند کند».

Hexaview این دیدگاه را در عمل پیاده کرده است. پلتفرم Legacy Insights این شرکت، یعنی کشف، مستندسازی و ترسیم وابستگی‌های سامانه‌های قدیمی با کمک هوش مصنوعی، این رویکرد را برای مشتریان فعال در صنایع تحت نظارت اجرا می‌کند.

آنکیت آگاروال، بنیان‌گذار Hexaview Technologies، گفت: «زمانی که کتاب AI Edge را نوشتم، مدیران ارشد سازمان‌ها پرسش اشتباهی مطرح می‌کردند: آیا باید نوسازی کنیم؟ پرسش درست این است که کدام سامانه‌ها، در چه زمانی، با چه سرعتی و با چه معماری باید متحول شوند. تا زمانی که ندانید زیرساخت قدیمی شما واقعاً چه کاری انجام می‌دهد، نمی‌توانید به این پرسش پاسخ دهید و هوش مصنوعی سرانجام درک این موضوع را مقرون‌به‌صرفه کرده است. دیدن اینکه صنعت هوش مصنوعی اکنون همین موضوع را مطرح می‌کند، تأییدکننده این دیدگاه است. سامانه‌های قدیمی مشکلی نیستند که باید از آن‌ها فرار کرد؛ آن‌ها پایه‌ای هستند که باید بر اساس آن ساخت.»

درون کتاب AI Edge

چرا این کتاب نوشته شد؟

مدیران سازمان‌ها در یک دوگانه نادرست گرفتار شده بودند: یا همه چیز را نوسازی کنید یا از رقابت عقب بمانید. همان‌طور که این کتاب اشاره می‌کند، شش مورد از هر ۱۰ برنامه تحول بزرگ نمی‌توانند ارزش وعده داده‌شده خود را محقق کنند. AI Edge این پرسش را جایگزین می‌کند: به جای «آیا باید نوسازی کنیم؟» باید پرسید «کدام سامانه‌ها، چه زمانی، با چه سرعتی و با چه معماری باید تغییر کنند؟»

دو بینش کلیدی

۱. نقشه‌برداری ارزش با در نظر گرفتن ریسک: نوسازی یک تصمیم درباره تخصیص سرمایه است، نه صرفاً یک تصمیم فناوری. مدیران باید دو سناریوی مشخص و مبتنی بر ریسک را مقایسه کنند: هزینه واقعی حفظ یک سامانه، شامل ۴۰ تا ۶۰ درصد هزینه‌های پنهانی که بیشتر سازمان‌ها نادیده می‌گیرند، و هزینه واقع‌بینانه تغییر آن.

۲. هوش مصنوعی محاسبات نوسازی را تغییر می‌دهد: هوش مصنوعی نگهداری هوشمندانه را به یک راهبرد آگاهانه تبدیل می‌کند. این فناوری می‌تواند سامانه‌هایی را که کسی درک کاملی از آن‌ها ندارد مستند کند، منطق تجاری پنهان را ترسیم کند و آزمون‌های بازگشتی تولید کند؛ به این ترتیب سازمان‌ها می‌توانند هنگام تحول، ارزش بیشتری از زیرساخت‌های قدیمی خود استخراج کنند.

چه کسانی باید این کتاب را بخوانند؟

مدیران فناوری اطلاعات، مدیران ارشد فناوری، مدیران مالی ارشد، اعضای هیئت‌مدیره‌ای که درباره محل هزینه‌کرد سرمایه‌های نوسازی تصمیم می‌گیرند و رهبران مهندسی که هم‌زمان سامانه‌های قدیمی را حفظ می‌کنند و پلتفرم‌های آینده را می‌سازند. این کتاب یک ابزار نمی‌فروشد؛ بلکه شیوه‌ای برای اندیشیدن ارائه می‌کند.

درباره آنکیت آگاروال

آنکیت آگاروال، بنیان‌گذار شش شرکت، عضو شورای کسب‌وکار Forbes و بنیان‌گذار Hexaview Technologies است و در این شرکت سمت مدیر ارشد فناوری و مدیر ارشد هوش مصنوعی را بر عهده دارد. او با بیش از ۲۵ سال تجربه در صنعت نرم‌افزار و آموزش‌های پیشرفته در زمینه هوش مصنوعی عامل‌محور از MIT و IIT Madras، میان سامانه‌های قدیمی و آینده مبتنی بر عامل‌های هوشمند ارتباط برقرار می‌کند. آگاروال کارآفرین Inc. 5000 و نویسنده بیش از ۱۲ مقاله پژوهشی است و فعالیت‌های او بر خدمات مدیریت‌شده عامل‌محور و تحول سازمانی تمرکز دارد. همچنین او در زمینه فناوری‌های در انتظار ثبت اختراع در حوزه چرخه توسعه نرم‌افزار مبتنی بر هوش مصنوعی فعالیت می‌کند.

درباره Thiyagarajan Maruthavanan (Rajan)

Thiyagarajan «Rajan» Maruthavanan بخش عمده فعالیت حرفه‌ای خود را صرف ساخت کسب‌وکارهای نرم‌افزاری و بررسی عوامل ماندگاری آن‌ها کرده است. او مدیریت محصول در Intuit را بر عهده داشته، Upekkha را هم‌بنیان‌گذاری کرده و اکنون Kalmantic Agentic Lab را اداره می‌کند که روی استنتاج و زیرساخت‌های عامل‌های هوشمند کار می‌کند.

او معتقد است شرکت‌های هوش مصنوعی با اجاره دائمی هوشمندی یا خودکارسازی بدون تفکر، برای مدت طولانی پیشتاز نمی‌مانند. شرکت‌های ماندگارتر، بخش بیشتری از زیرساخت خود را کنترل خواهند کرد و سامانه‌های یکپارچه‌ای خواهند ساخت که بتوانند مشکلات را به نتایج قابل اتکا تبدیل کنند.

درباره Kashi KS

Kashi KS یک متخصص شناخته‌شده فناوری و بنیان‌گذار دو شرکت است که مدیریت محصول و پژوهش در Kalmantic AI Labs را بر عهده دارد. او تجربه عملی خود در زمینه هوش مصنوعی و سامانه‌های عامل‌محور را به کتاب‌هایی تبدیل می‌کند که با همکاری چهره‌های برجسته این حوزه نوشته شده‌اند و به سازمان‌ها برای استفاده عملی از هوش مصنوعی کمک می‌کنند.

درباره Hexaview Technologies

Hexaview Technologies که در سال ۲۰۱۰ تأسیس شد، یک شرکت خدمات مهندسی و هوش مصنوعی با بیش از ۴۵۰ مهندس است. این شرکت به سازمان‌های آمریکایی در صنایع تحت نظارت کمک می‌کند تا سامانه‌های قدیمی خود را نوسازی کنند، داده‌های خود را مهندسی کنند و هوش مصنوعی عامل‌محور را در محیط‌های عملیاتی اجرا کنند.

Hexaview عضو شبکه شرکای Claude، شریک Select Tier شرکت OpenAI، شریک Advanced Tier شرکت AWS و شریک Microsoft AI & Data است. این شرکت با تمرکز راهبردی بر Microsoft Fabric، به سازمان‌های فعال در خدمات مالی، مدیریت ثروت، فین‌تک و دیگر صنایع تحت نظارت کمک می‌کند تا داده‌ها را یکپارچه کنند، تحلیل‌ها را بهبود دهند، حاکمیت داده را تقویت کنند و زیرساخت‌های آماده برای هوش مصنوعی بسازند.

منابع دیگر این خبر