ServiceNow با معماری تازه «نيروی کار خودگردان» و محصول EmployeeWorks حرکت بهسوی اجرای خودکار وظایفِ فناوری اطلاعات در سازمانها را کلید زد
ServiceNow میگوید اکنون 90٪ درخواستهای فناوری اطلاعات کارکنان خود را بهصورت خودگردان انجام میدهد و پروندهها را تا 99٪ سریعتر از عاملان انسانی حل میکند. این شرکت روز پنجشنبه از مجموعه فناوری و معماری جدیدی رونمایی کرد که هدف آن انتقال همان توانمندی به سازمانهای دیگر است: فریمورکی به نام Autonomous Workforce، محصول مشتریمحور EmployeeWorks (مبتنی بر خرید Moveworks در دسامبر گذشته) و یک لایه معماری به نام «role automation» که حاکمیت دسترسی و جریان کار را از ابتدا تضمین میکند.
چالش سه ساله پیادهسازی هوش مصنوعی در سازمانها
چند سال اخیر سازمانها در اجرای پروژههای آزمایشی (pilot) هوش مصنوعی جلو رفتهاند اما اغلب در لایه اجرا متوقف شدهاند. عاملهای هوش مصنوعی میتوانند مشکل را شناسایی و راهحل پیشنهاد دهند، اما در عمل بهدلیل نبود مجوزها یا عدم اعتماد، کار را به انسان بازمیگردانند. بنابراین مشکل عمده معمولاً نه توانایی فنی که نبود پیوستگی در گردش کار و ساختار حاکمیت (governance) است.
چه چیزی جدید است؟
ServiceNow تغییر رویکردی اساسی انجام داده: دیگر هوش مصنوعی را بهعنوان یک قابلیت جدا که بالای گردشکارها قرار میگیرد نمیبیند، بلکه آن را بهعنوان «یک کارمند مجازی» میپذیرد که داخل همان گردشکارها فعالیت و از چارچوبهای دسترسی موجودِ سازمانی بهرهمند میشود. مهمترین اجزاء اعلام شده عبارتند از:
- EmployeeWorks: رابطی برای کارکنان که با زبان ساده مشکل را توصیف میکنند و بدون نیاز به ثبت تیکت، درخواستها حل میشوند. این محصول از تجربه Moveworks (با بیش از 5.5 میلیون کاربر سازمانی پیش از ادغام) استفاده میکند تا ورودی واحدی برای مسیریابی خودکار مشکلات فراهم آورد.
- Autonomous Workforce: فریمورکی که اجرای کارها را از ابتدا تا انتها بر عهده میگیرد و گردشکارها را بهصورت خودگردان دنبال میکند.
- Role automation: لایه معماری که نقشها و مجوزها را از پیش به متخصصهای هوش مصنوعی «وارث» میکند؛ یعنی همان قواعد کنترل دسترسی، زمینه CMDB (پایگاه داده مدیریت پیکربندی)، قوانین SLA (توافق سطح خدمت) و منطق تعلقسنجی که برای نیروی انسانی اعمال میشود، از زمان استقرار برای عاملهای AI نیز اعمال میشود.
چرا role automation مهم است؟
در محیطهای سازمانی، مسئلههایی مانند الزامات حسابرسی، مرزبندی مجوزها و شفافیت تصمیمگیری الزامیاند. بر خلاف عاملهای سنتی که در زمان اجرا تلاش میکنند خود محدوده مجاز را تعیین کنند (که میتواند به نقض قواعد منجر شود)، عاملهای مبتنی بر role automation محدودههای خود را از پیش «به ارث» میبرند و قادر به افزایش خودسرانه امتیازات نیستند. بهعبارت دیگر، حاکمیت از لایه سیاست بیرونی وارد لایه اجرا میشود و جزئیات قوانین همراه عامل تحویل میشود.
سه سطح اجرایی تعریفشده توسط ServiceNow
ServiceNow یک تمایز سهسطحی ارائه میدهد:
– Task agents: عاملهای وظیفهمحور که هر بار یک گام اتوماسیون را انجام میدهند.
– Agentic workflows: ترکیب اجرای قطعی و احتمالاتی که میتوانند چند گام را بهصورت برنامهریزیشده انجام دهند.
– Role automation: نقشهای مجازی کامل با مسئولیتهای مشخص و حاکمیت از پیش تعیینشده که بهعنوان نیروی انسانی مجازی عمل میکنند.
نمونه کاربرد عملی
اولین محصول مبتنی بر این معماری، Level 1 Service Desk AI Specialist است که درخواستهای رایج IT مثل ریست رمز عبور، تخصیص دسترسی نرمافزار، و رفع مشکلات شبکه را از ابتدا تا انتها انجام میدهد و تنها وقتی به محدوده تعریفشدهاش نرسد، موضوع را به انسان ارجاع میدهد. هر اقدام مستندسازی میشود تا مسیر حسابرسی شفاف بماند.
دیدگاه مشتریان سازمانی: تجربه CVS Health
آلن روزا (CISO و SVP عملیات زیرساخت در CVS Health) که تجربه مدیریت هوش مصنوعی در سازمانی با 300,000 کارمند و نیازهای شدید انطباقی را دارد، هشدار میدهد که «کسلکننده بودن زیباست»: یعنی سیستمهای قابل پیشبینی، پایدار و قابل توضیح پایه مقیاسپذیریاند. او توصیه میکند بهجای دنبال قابلیتهای نیشزن و چشمگیر، بر موارد عملیاتی ملموس و بازگشت سرمایه واقعی تمرکز شود و هر مورد استفاده AI را از منظر قانونی، حریم خصوصی و امنیتی بهصورت پویا آزمایش و بازنگری کرد.
چند توصیه عملی برای سازمانها
– حکمرانی را از ابتدا در معماری اجرا جای دهید، نه اینکه بعداً آن را بچسبانید.
– پیش از استقرار عاملهای خودگردان، نقشهای از محل دقیق مجوزها، منطق گردشکار و نیازهای حسابرسی تهیه کنید.
– برای هر مورد استفاده، چارچوبی از آزمونهای منظم و تکرارشونده تعریف کنید تا هوش مصنوعی هنگام یادگیری و تطبیق، کنترلپذیر بماند.
نتیجهگیری
حرکت ServiceNow به سمت «نیروی کار خودگردان» نشان میدهد روند بازار از ابزارهای کمکی به عاملهای اجرایی کامل در حال حرکت است، اما شرط لازم برای مقیاسپذیری و اعتماد سازمانی، نه صرفاً تواناییهای فنی بلکه وجود معماری حکمرانی و یکپارچگی جریان کار است. سازمانهایی که میخواهند عاملهای AI را در مقیاس وارد کار کنند، باید ابتدا روی ساختن زیربنای حاکمیت و مدلسازی نقشها سرمایهگذاری کنند؛ در غیر این صورت هیچ چارچوب عاملی پایدار نخواهد بود.