کیندریل عامل‌های هوش مصنوعی را در محیط عملیاتی واقعی تویوتا فایننس به کار می‌گیرد
شرکت‌های کیندریل و تویوتا سیستمز قصد دارند چارچوب هوش مصنوعی عامل‌محور کیندریل را در محیط عملیاتی واقعی تویوتا فایننس به کار بگیرند. این فناوری در مدیریت تغییرات فناوری اطلاعات، طراحی زیرساخت و تحلیل پیامدهای تغییرات استفاده خواهد شد. بااین‌حال، هنوز ارزش قرارداد، جدول زمانی اجرای پروژه یا نتایج قابل‌اندازه‌گیری آن اعلام نشده است.
بر اساس این همکاری، کیندریل و تویوتا سیستمز عامل‌های هوش مصنوعی را مستقیماً وارد فرایندهای عملیاتی فناوری اطلاعات تویوتا فایننس خواهند کرد. تاکنون هیچ اطلاعاتی درباره مبلغ قرارداد، زمان‌بندی پروژه یا نتایج سنجش‌پذیر آن منتشر نشده است.
این عامل‌ها وظایفی مانند مدیریت تغییرات، طراحی زیرساخت و تحلیل پیامدها را بر عهده خواهند داشت. به گفته دو شرکت، عامل‌های هوش مصنوعی با استفاده از مقررات داخلی، دستورالعمل‌های اجرایی و برنامه‌های عملیاتی تویوتا فایننس، ناهماهنگی‌ها و خطرات احتمالی را شناسایی خواهند کرد.
تویوتا فایننس بازوی خدمات تأمین مالی خودرو در گروه تویوتاست و دفتر مرکزی آن در شهر ناگویا قرار دارد. تویوتا سیستمز نیز شرکت فناوری اطلاعات این گروه است. کیندریل هم شرکتی فعال در خدمات زیرساخت فناوری اطلاعات است که در سال ۲۰۲۱ از آی‌بی‌ام جدا شد و فعالیت مستقل خود را آغاز کرد.
مهم‌ترین نکته در ادعای این شرکت‌ها، محیطی است که عامل‌های هوش مصنوعی قرار است در آن فعالیت کنند. به گفته آن‌ها، این عامل‌ها در محیط عملیاتی واقعی تویوتا فایننس به کار گرفته خواهند شد؛ مرحله‌ای که بیشتر پروژه‌های مشابه هرگز به آن نمی‌رسند.
آمازون وب سرویسز (AWS) ماه گذشته با انتشار آمارهایی، ابعاد این فاصله میان نمونه‌های آزمایشی و اجرای واقعی را روشن کرد. مدیر بخش هوش مصنوعی عامل‌محور این شرکت در کنفرانسی در آمستردام اعلام کرد که نزدیک به ۹۰ درصد نمونه‌های اولیه ساخته‌شده توسط تیم‌های آمازون هرگز به مرحله بهره‌برداری عملیاتی نرسیده‌اند. او همچنین به آمار تحلیلگران اشاره کرد که نشان می‌دهد تنها ۱۷ درصد سازمان‌ها توانسته‌اند این فناوری را با موفقیت در محیط عملیاتی مستقر کنند.
این مدیر پنج دلیل برای شکست چنین پروژه‌هایی برشمرد که یکی از آن‌ها توجه دیرهنگام به سازوکارهای حاکمیت و نظارت بود؛ موضوعی که معمولاً تازه در مراحل پایانی پروژه مطرح می‌شود.
ضعف نظارت تقریباً در همه‌جا دیده می‌شود. نتایج نظرسنجی از ۶۸۵ مدیر ارشد فناوری اطلاعات نشان داد که ۸۱ درصد آن‌ها نظارت کاملی ندارند بر عامل‌های هوش مصنوعی که خارج از فرایندهای رسمی سازمان توسعه یافته‌اند. همچنین ۷۲ درصد نمی‌توانند به‌طور مستمر اطمینان حاصل کنند که این عامل‌ها همان نتایج موردنظر را ارائه می‌دهند.
دو سوم مدیران شرکت‌کننده در این نظرسنجی اعلام کردند که بیش از ۵۰ عامل هوش مصنوعی را در محیط عملیاتی مستقر کرده‌اند. نزدیک به نیمی از آن‌ها نیز گفته‌اند که در سال جاری بیش از ۲۰ عامل را از چرخه بهره‌برداری خارج کرده‌اند. مدیرعامل شرکت دیتایکو (Dataiku) این وضعیت را چنین توصیف کرد که تقریباً هیچ‌کس نمی‌تواند یک عامل هوش مصنوعی را از کار برکنار کند.
راهکاری که کیندریل عرضه می‌کند، تبدیل قواعد حاکمیت و نظارت به کدهای اجرایی است. در این رویکرد، عامل‌های هوش مصنوعی فقط اجازه دارند در چارچوب سیاست‌هایی فعالیت کنند که از پیش تأیید شده‌اند. تمام اقدامات آن‌ها نیز برای حسابرسی ثبت می‌شود و امکان نظارت انسانی از طریق یک داشبورد فراهم است. کیندریل این قابلیت را در ماه فوریه معرفی کرده بود.
تویوتا سیستمز برای توصیف این رویکرد به مفهومی قدیمی‌تر متوسل شده است. مدیر بخش فناوری اطلاعات مالی این شرکت از اصطلاح ژاپنی «جیدوکا» (Jidoka) استفاده کرده که به معنای خودکارسازی همراه با نظارت و مداخله انسانی است.
خریداران اروپایی همین ابزارها با مهلت قانونی روبه‌رو هستند که مدام تغییر می‌کند. الزامات قانون هوش مصنوعی اتحادیه اروپا برای سامانه‌های پرخطر، از جمله ثبت فعالیت‌ها و نظارت انسانی، در چارچوب بسته اصلاحی موسوم به اومنی‌باس (Omnibus) تا دسامبر ۲۰۲۷ به تعویق افتاده است.
البته پروژه تویوتا فایننس ظاهراً در دسته سامانه‌های پرخطر قرار نمی‌گیرد، زیرا مدیریت تغییرات فناوری اطلاعات در فهرست کاربردهای پرخطر این قانون نیامده است. بااین‌حال، ساختار حاکمیتی که کیندریل عرضه می‌کند، همان سازوکاری است که رعایت این الزامات قانونی به آن نیاز خواهد داشت.
آنچه همچنان مشخص نیست، میزان دستاوردهای قابل‌اندازه‌گیری این پروژه است. در اطلاعیه منتشرشده هیچ اشاره‌ای به مقدار صرفه‌جویی عامل‌های هوش مصنوعی در زمان یا هزینه نشده است. از سوی دیگر، همان نظرسنجی نشان می‌دهد که تنها ۲۱ درصد مدیران ارشد فناوری اطلاعات می‌توانند هزینه‌کرد سازمان خود در حوزه هوش مصنوعی را تقریباً به‌صورت لحظه‌ای رصد کنند.