به تازگی رویداد VB Transform 2025، به عنوان یکی از معتبرترین کنفرانس‌های جهانی در زمینه هوش مصنوعی، با حضور líderes صنعت و پیشگامان این حوزه برگزار شد. این رویداد به گردآوری فعالان حوزه هوش مصنوعی می‌پردازد که در حال پیاده‌سازی استراتژی‌های واقعی هوش مصنوعی برای سازمان‌های خود هستند.
در روز دوم این همایش، کارشناسان صنعت تجربیات و درس‌های ارزشمندی از پیاده‌سازی AI agentها در مقیاس وسیع به اشتراک گذاشتند. پنل بحثی که توسط جوآن چن، شریک عمومی در بنیاد سرمایه‌گذاری Foundation Capital مدیریت می‌شد، شامل سخنرانانی چون شاون مالهوترا، CTO شرکت Rocket Companies و شایlesh نالاواد، رئیس محصول در Sendbird بود. این تیم از متخصصین بر روی مساله‌ای مشترک تاکید کردند: شرکت‌هایی که زیرساخت‌های ارزیابی و هماهنگی را ابتدا بسازند، در مقایسه با آن‌هایی که به سرعت به سمت تولید پیش می‌روند، موفق‌تر خواهند بود.
یکی از نکات اساسی در موفقیت AI agentها درک بازگشت سرمایه (ROI) است. در اوایل پیاده‌سازی‌های AI agent، تمرکز بیشتر بر کاهش هزینه‌ها بود. با این حال، اکنون مدیران شرکت‌ها به الگوهای پیچیده‌تر ROI اشاره می‌کنند که نیاز به معماری‌های فنی متفاوتی دارند. شاون مالهوترا با آوردن یک مثال از Rocket Companies گفت: «ما یک مهندس داشتیم که توانست در طی دو روز کاری یک agent ساده برای حل یک مشکل خاص به نام “محاسبات مالیات انتقال” بسازد و این دو روز کار یک میلیون دلار در سال صرفه‌جویی برای ما در بر داشت.»
وی همچنین از اینکه هزینه هر تماس یک معیار کلیدی برای Cognigy است، یاد کرد و افزود که اگر AI agentها برای خودکارسازی بخش‌هایی از تماس‌ها استفاده شوند، می‌توان زمان متوسط رسیدگی به هر تماس را کاهش داد. همچنین، گزارش‌ها نشان می‌دهد که استفاده از AI agentها منجر به بهبود نرخ تبدیل و درآمدزایی بیشتری برای شرکت‌ها شده است.
با این حال، چالش‌هایی نیز در مربوط به پیاده‌سازی‌های تولیدی و ارزیابی AI agentها وجود دارد. نالاواد تأکید کرد که بسیاری از شرکت‌ها، AI agentها را بدون زیرساخت‌های ارزیابی می‌سازند و باید به این نکته توجه داشته باشند که ارزیابی همانند آزمایش واحد در نرم‌افزارهای سنتی الزامی است.
برای حل این مشکل، Waanders از راه‌حل‌های شبیه‌سازی برای انجام آزمایشات یاد کرد. به گفته او، آن‌ها در حال توسعه ویژگی‌ای هستند که به شبیه‌سازی مکالمات احتمالی کمک می‌کند، به طوری که AI agentها، AI agentها را امتحان می‌کنند. این رویکرد به تجزیه و تحلیل رفتار در مقیاس کشیده می‌شود و به شناسایی چگونگی واکنش agents به شرایط مختلف کمک می‌کند.
در پایان، به نظر می‌رسد که شرکت‌ها باید برای آتی نزدیک به هم، زیرساخت‌های لازم را برای سیستم‌های چندagentی طراحی کنند. زیرا در آینده، تعداد این agentها ممکن است به صدها نفر در هر سازمان برسد و این امر نیاز به برنامه‌ریزی و هماهنگی‌های گسترده‌تری دارد.
این کارشناسان اذعان کردند که اگرچه فرصت‌های Return on Investment (ROI) در پیاده‌سازی‌های هوش مصنوعی وجود دارد، اما چالش‌ها را نیز نباید نادیده گرفت و لازم است شرکت‌ها برای سازگاری با پیچیدگی‌های آینده آماده باشند.