هوش مصنوعی عامل‌محور در برابر هوش مصنوعی مولد و اتوماسیون سنتی؛ چگونه سامانه‌های هوشمند عملیات سازمانی را متحول می‌کنند
از گردش‌های کاری مبتنی بر قوانین گرفته تا تولید محتوا با هوش مصنوعی و تصمیم‌گیری مستقل، کسب‌وکارها وارد عصر جدیدی از اتوماسیون هوشمند می‌شوند.
مرحله بعدی اتوماسیون سازمانی
شرکت‌های فعال در حوزه هوش مصنوعی در حال بازطراحی شیوه استفاده سازمان‌ها از محصولات، داده‌ها و زیرساخت‌های سازمانی هستند. اتوماسیون سال‌ها به کسب‌وکارها در کاهش حجم کار کمک کرده و با خودکارسازی فرایندهای دستی و مبتنی بر قوانین، نقش مهمی داشته است. سپس هوش مصنوعی مولد با توانایی تحول‌آفرین خود در تولید محتوا شامل متن، تصویر، کد و مستندات فنی وارد میدان شد. اکنون هوش مصنوعی عامل‌محور مطرح شده است؛ فناوری‌ای که علاوه بر تولید محتوا می‌تواند اقدامات را برنامه‌ریزی کند، از دستیارهای دیجیتال بهره بگیرد و با نیاز بسیار اندک به راهنمایی انسان، گردش‌های کاری چندمرحله‌ای را تکمیل کند.
این سه نوع فناوری یعنی هوش مصنوعی عامل‌محور، هوش مصنوعی مولد و اتوماسیون سنتی برای هر سازمانی که در حال اجرای پروژه‌های آزمایشی یا سرمایه‌گذاری در تحول دیجیتال است، اهمیت دارند. اگرچه ممکن است مشابه به نظر برسند، اما احتمالاً هرکدام مشکلات متفاوتی را حل می‌کنند و به راهبردهای استقرار متفاوتی نیاز دارند.
اندرو نگ، دانشمند علوم رایانه و بنیان‌گذار کورسرا، هوش مصنوعی را «برق جدید» توصیف کرده است؛ زیرا این فناوری، برخلاف تغییرات تدریجی، قرار است همه‌چیز را دگرگون کند، «نه فقط یک چیز در هر زمان». هوش مصنوعی و اتوماسیون، از کمک به تولید محتوا تا انجام اقدامات، در حال پیشبرد چهارمین انقلاب صنعتی در حوزه‌هایی مانند تولید، پزشکی، مالی، امنیت و فناوری اطلاعات هستند.
اتوماسیون سنتی چیست؟
اتوماسیون سنتی، دستورالعمل‌ها، قوانین، اسکریپت‌ها و جریان‌های کاری را خودکار می‌کند و کارهایی را که به‌طور تکراری انجام می‌شوند، با دخالت اندک انسان به اجرا درمی‌آورد. نمونه‌های آن شامل اتوماسیون فرایندهای رباتیک (RPA)، وظایف دسته‌ای سیستم‌ها، کنترل‌کننده‌های تولیدی و نرم‌افزارهای سازمانی مبتنی بر قوانین کسب‌وکار است.
این سامانه‌ها زمانی به‌خوبی عمل می‌کنند که شرایط ورودی، محیط، خروجی موردنظر و رابطه میان این سه عامل مشخص باشد. برای مثال، یک سامانه تولیدی که کارخانه را بر اساس یک الگوریتم کنترلی مدیریت می‌کند؛ یک سامانه پایش و هشدار که هنگام افزایش دما از حد مشخص، آژیر فعال می‌کند؛ یا یک سامانه ERP که وقتی سفارش شرایط خاصی را برآورده کند، به‌صورت خودکار فاکتور ایجاد می‌کند.
مزیت‌های اصلی اتوماسیون سنتی شامل قابلیت اطمینان، پایداری، سرعت و صرفه‌جویی در هزینه برای عملیات‌های تکراری و قابل پیش‌بینی است. با این حال، اتوماسیون متعارف و مبتنی بر قوانین ممکن است در شرایطی که داده‌ها ناقص باشند، دستورالعمل‌ها نیاز به تغییر داشته باشند یا موقعیت پیش‌بینی‌نشده‌ای رخ دهد که در قوانین قبلی تعریف نشده، انعطاف کافی نداشته باشد.
این موضوع به معنای بی‌کاربرد شدن اتوماسیون سنتی نیست. همچنان در موقعیت‌هایی که رفتار قطعی، زمان‌بندی دقیق و واکنش‌های ثابت ضروری هستند، استفاده از آن اهمیت دارد؛ برای نمونه، ماشین‌آلات صنعتی حساس به ایمنی همچنان به سخت‌افزارهای کنترلی طراحی‌شده نیاز دارند.
هوش مصنوعی مولد چیست؟
خروجی مدل‌های هوش مصنوعی مولد بر اساس داده‌ها و قالبی که به مدل وارد می‌کنید، ایجاد می‌شود. تولید متن تبلیغاتی، خلاصه‌سازی، برنامه‌نویسی، ترجمه و طراحی بصری از جمله کاربردهای مدل‌های زبانی بزرگ (LLM)، مدل‌های تولید تصویر و هوش مصنوعی چندوجهی هستند.
برخلاف اتوماسیون کلاسیک که به داده‌های ساختاریافته متکی است، هوش مصنوعی مولد ورودی‌های زبان طبیعی را درک می‌کند و می‌تواند توسط تیم‌های بازاریابی برای نوشتن کمپین‌ها، توسط توسعه‌دهندگان نرم‌افزار برای تولید قطعه‌کد و خلاصه‌سازی مستندات فنی، و توسط تیم‌های محصول برای ایده‌پردازی طراحی محصولات جدید استفاده شود.
سازمان‌ها در حال به‌کارگیری هوش مصنوعی مولد در کاربردهای اتوماسیون خود هستند. این کاربردها شامل خدمات مشتری، مدیریت پایگاه دانش، پژوهش و مهندسی نرم‌افزار می‌شود. هوش مصنوعی مولد به کارکنان کمک می‌کند اسناد گسترده را راحت‌تر جست‌وجو کنند و محتوای فنی پیچیده را به اطلاعاتی قابل فهم تبدیل کنند.
با این حال، این فناوری بی‌نقص نیست. مدل‌ها ممکن است اظهارات نادرست، منابع ساختگی یا تفسیر اشتباه از دستورها تولید کنند. نتایج آن‌ها به‌ویژه در حوزه‌های فنی، مالی، حقوقی و حساس از نظر ایمنی، ممکن است به بررسی یک متخصص انسانی نیاز داشته باشد. همچنین هوش مصنوعی مولد فقط محتوا تولید می‌کند و توانایی انجام مستقیم اقدام را ندارد. یک مدل می‌تواند گزارش تعمیرات آماده کند، اما نمی‌تواند به‌تنهایی سیستم مدیریت دارایی را تغییر دهد یا یک وظیفه مهندسی را اجرا کند.
هوش مصنوعی عامل‌محور چیست؟
هوش مصنوعی عامل‌محور می‌تواند با دریافت یک هدف، برای رسیدن به آن برنامه‌ریزی کند، مراحل لازم را اجرا کند، از ابزارها و رابط‌های برنامه‌نویسی کاربردی (API) استفاده کند، بازخورد دریافت کند و در صورت تغییر شرایط، رفتار خود را تغییر دهد.
سامانه‌های هوش مصنوعی عامل‌محور معمولاً از یک مدل زبانی بزرگ یا هوش مصنوعی مولد برای وظایفی مانند استدلال و زبان استفاده می‌کنند و در کنار آن از APIها، داده‌های سازمانی، حافظه، قوانین و ابزارهای دیگر بهره می‌گیرند. این سامانه‌ها آموزش می‌بینند تا از مدل‌های مولد برای تفسیر ورودی، حل مسئله و برنامه‌ریزی اقدامات استفاده کنند.
برای نمونه، در یک واحد پشتیبانی فناوری اطلاعات، اتوماسیون کلاسیک هنگام خرابی یک سرور هشدار ایجاد می‌کند. یک دستیار هوش مصنوعی مولد ممکن است هشدار را بررسی کرده و فهرستی کوتاه از محتمل‌ترین علت‌های اصلی ارائه دهد. اما یک سامانه هوش مصنوعی عامل‌محور که به‌درستی پیکربندی شده باشد، می‌تواند اطلاعات تشخیصی جمع‌آوری کند، دستورالعمل‌های رفع مشکل تأییدشده توسط متخصصان را بررسی کند، اقدامات پیشنهادی ارائه دهد و راهکارهای اصلاحی مورد تأیید را اجرا کند.
قابلیت‌های عامل‌محور همچنین امکان هماهنگی میان چند عامل هوش مصنوعی را فراهم می‌کنند. یک عامل بازیابی می‌تواند نتایج را پیدا کند، عوامل تخصصی دیگر می‌توانند پردازش را انجام دهند و عامل دیگری می‌تواند برنامه اجرای کار را طراحی کند. پشتیبانی چندعاملی می‌تواند گردش‌های کاری پیشرفته‌ای ایجاد کند، اما چنین همکاری‌ای مشکلات جدیدی به‌ویژه در هماهنگی، نظارت، مجوزدهی و پاسخ‌گویی ایجاد می‌کند. توانایی‌های عامل‌محور به معنای از دست رفتن کنترل انسان نیست.
درک تفاوت هوش مصنوعی عامل‌محور، هوش مصنوعی مولد و اتوماسیون سنتی
بزرگ‌ترین تفاوت میان این سه فناوری در نحوه برخورد آن‌ها با یک وظیفه مشخص است. رویکرد اتوماسیون سنتی، پیروی از یک فرایند تعریف‌شده است. این روش برای کارهای تکراری که ورودی‌ها و خروجی‌ها مشخص هستند، مانند اتوماسیون حساب‌های پرداختنی، گزارش‌گیری از پیش تعریف‌شده و کنترل خطوط مونتاژ، بیشترین کارایی را دارد.
هوش مصنوعی مولد بر اساس یک درخواست، متن یا خروجی‌های دیگر تولید می‌کند و برای نوشتن اسناد، خلاصه‌سازی، تولید کد و فعالیت‌های دانشی مفید است. هوش مصنوعی عامل‌محور، استدلال، برنامه‌ریزی و استفاده از ابزارها را ترکیب می‌کند تا از طریق مجموعه‌ای از مراحل به یک هدف بلندمدت برسد. این فناوری می‌تواند اطلاعات جمع‌آوری کند، میان گزینه‌ها تصمیم بگیرد، به چندین برنامه کاربردی متصل شود و تشخیص دهد چه زمانی هدف محقق شده است.
برای مثال، در اتوماسیون سنتی یک درخواست پشتیبانی بر اساس پارامترها به فرد مناسب اختصاص داده می‌شود. با هوش مصنوعی مولد، همان درخواست می‌تواند خلاصه شود و حتی پاسخی اولیه برای آن آماده شود. هوش مصنوعی مولد همچنین می‌تواند توسط یک عامل برای تهیه پیش‌نویس راه‌حل استفاده شود. هوش مصنوعی عامل‌محور می‌تواند سابقه سفارش مشتری را بازیابی کند، آن را با سیاست بازپرداخت مقایسه کند، نتیجه پیشنهادی ارائه دهد و یک مرحله از فرایند تأییدشده را فعال کند. در بسیاری از موارد نیز لازم نیست فقط یکی از این فناوری‌ها انتخاب شود؛ هر سه می‌توانند در یک فرایند اتوماسیون مشترک استفاده شوند.
کاربردهای واقعی در صنایع مختلف
تولید و عملیات صنعتی
در محیط‌های تولیدی، اتوماسیون سنتی سرعت تولید، برنامه‌ریزی خطوط انتقال و مونتاژهای تکراری را مدیریت می‌کند. هوش مصنوعی مولد می‌تواند به مهندسان در خواندن گزارش‌های ثبت‌شده، نوشتن دستورالعمل‌ها یا عیب‌یابی تجهیزات خراب کمک کند. هوش مصنوعی عامل‌محور می‌تواند از گردش‌های کاری مجاز پشتیبانی کند: جمع‌آوری داده‌های حسگرها، ایجاد درخواست خدمات، بررسی موجودی قطعات یدکی و هماهنگی اعزام تکنسین.
در کاربردهای صنعتی، باید عوامل هوش مصنوعی تا حد امکان نزدیک به سامانه‌های کنترل سنتی نگه داشته شوند و اقدامات ایمنی یا پرریسک تنها پس از دریافت تأییدیه کنترل مهندسی انجام شوند.
خدمات سلامت و مالی
در حوزه سلامت، هوش مصنوعی مولد می‌تواند خلاصه‌ای از مستندات بالینی تولید کند و در مکاتبات اداری کمک‌رسان باشد. هوش مصنوعی عامل‌محور ممکن است برنامه‌ریزی زمان‌بندی، دریافت سوابق تأییدشده و وظایف مشابه را مدیریت کند. تصمیم‌گیری‌های بالینی همچنان به چارچوب‌های مناسب نظارت حرفه‌ای نیاز دارند.
در خدمات مالی، اتوماسیون سنتی پردازش تراکنش‌ها را انجام می‌داد، در حالی که هوش مصنوعی مولد می‌تواند خلاصه اسناد مالی تولید کند و حتی در تعامل با مشتریان کمک کند. هوش مصنوعی عامل‌محور می‌تواند در بررسی تقلب با جمع‌آوری شواهد و ارجاع موارد مشکوک نقش داشته باشد. پرداخت‌ها و تغییرات حساب‌ها باید همچنان دارای کنترل‌ها و سوابق حسابرسی باشند.
امنیت سایبری و عملیات فناوری اطلاعات
اتوماسیون امنیتی معمولاً با استفاده از شاخص‌های تعریف‌شده، هشدار ایجاد می‌کند. هوش مصنوعی عامل‌محور می‌تواند با خلاصه‌سازی رخدادها، گزارش‌های بررسی و توضیح ساده نتایج فنی، به تحلیل امنیتی کمک کند. عوامل هوش مصنوعی در امنیت سایبری می‌توانند منابع داده تأییدشده را بررسی کنند، هشدارها را اولویت‌بندی کنند، شواهد جمع‌آوری کنند و اقدامات تأییدشده را انجام دهند.
با این حال، دسترسی بیشتر، خطرات بیشتری نیز ایجاد می‌کند. یک عامل که به‌درستی آموزش ندیده باشد ممکن است داده‌ها را تغییر دهد، اطلاعات حساس را افشا کند یا اقدام اشتباهی انجام دهد. به همین دلیل سازمان‌ها به دسترسی حداقلی، امکان مشاهده اقدامات و نقاط تصمیم‌گیری، و قابلیت توقف یا بازگردانی تصمیم‌ها نیاز دارند.
چالش‌ها و مسیر پیش رو
فرایندهای اتوماسیون دیجیتال متفاوت هستند و پیش از تصمیم‌گیری درباره استفاده از آن‌ها باید عواملی مانند کیفیت داده، هزینه یکپارچه‌سازی، آمادگی نیروی انسانی، امنیت و عملکرد را در نظر گرفت. اتوماسیون سنتی قابل اعتماد اما کم‌انعطاف است. هوش مصنوعی مولد انعطاف‌پذیر اما غیرقابل پیش‌بینی است. هوش مصنوعی عامل‌محور از نظر عملیاتی توانمندتر است، اما خطرات پیچیده‌تری دارد؛ زیرا می‌تواند به برنامه‌ها و سامانه‌های مختلف دسترسی پیدا کند.
ساتیا نادلا، مدیرعامل مایکروسافت، درباره جهانی عامل‌محور صحبت کرده است؛ جهانی که در آن عوامل هوش مصنوعی در نقش‌های انسانی، تیم‌ها و سازمان‌ها فعالیت می‌کنند. گام بعدی این دیدگاه، استفاده از سامانه‌های سازمانی برای هماهنگ‌سازی کار میان تیم‌ها و افراد است، نه فقط پاسخ دادن به درخواست‌هایی که ثبت می‌کنند.
رویکرد عملی این است که کارهای معمول و قطعی با اتوماسیون سنتی انجام شوند؛ هوش مصنوعی مولد برای کارهایی که به زبان و تولید محتوا نیاز دارند استفاده شود؛ و هوش مصنوعی عامل‌محور برای هماهنگی فرایندهای چندمرحله‌ای، چندوظیفه‌ای و چندذی‌نفعی به کار گرفته شود، جایی که پیچیدگی به تصمیم‌گیری دقیق‌تر نیاز دارد. هرچه پیامدهای احتمالی یک اقدام بیشتر باشد، نظارت انسانی باید افزایش یابد.
جمع‌بندی
در مقایسه هوش مصنوعی عامل‌محور، هوش مصنوعی مولد و اتوماسیون سنتی، سه مسیر متفاوت برای فناوری سازمانی دیده می‌شود: اتوماسیون سنتی اجرای قابل پیش‌بینی را فراهم می‌کند، هوش مصنوعی مولد به ماشین‌ها امکان تولید و پردازش داده‌های جدید را می‌دهد و هوش مصنوعی عامل‌محور توانایی هماهنگ‌سازی مجموعه‌ای از اقدامات برای رسیدن به یک هدف مشخص را فراهم می‌کند.
بنابراین هدف کسب‌وکارها نباید جایگزین کردن همه فرایندها با جدیدترین فناوری هوش مصنوعی باشد؛ بلکه باید برای هر کاربرد، قابلیت مناسب را انتخاب کنند، سامانه‌ها را به‌درستی به هم متصل کنند و سطح مناسبی از نظارت انسانی را حفظ کنند. سازمانی که اتوماسیون قطعی، هوش مصنوعی مولد و عوامل هوش مصنوعی دارای حاکمیت مناسب را در کنار هم به کار گیرد، چابک‌تر، بهره‌ورتر و مسئولانه‌تر خواهد بود.