Arga Labs، استارتاپی که برای آموزش و آزمون عاملهای هوش مصنوعی در محیطهای سازمانی «دوقلوی دیجیتال» میسازد، دور سرمایهگذاری اولیه ۱۰ میلیون دلاری خود را تکمیل کرد. این دور سرمایهگذاری به رهبری General Catalyst و با مشارکت Box Group، Emergence، Gradient و SV Angel اعلام شد و نشاندهنده توجه فزاینده سرمایهگذاران به ابزارهایی است که حل چالشهای پیچیده کاربرد هوش مصنوعی در سازمانها را هدف گرفتهاند.
چالش: چرا آموزش عاملها در محیط سازمانی دشوار است؟
اجرایی کردن عاملهای هوش مصنوعی در سازمانها بسیار پیچیدهتر از انتظارات اولیه است. نرمافزارهای سازمانی مانند Salesforce، Workday، سامانههای ایمیل و ابزارهای CRM (مثلاً HubSpot) ساختارها، سطوح دسترسی، وبهوکها و تعاملات متقابل متعددی دارند که شبیهسازی یا بازنشانی آنها برای اجرای آزمایشهای گسترده تقریباً غیرممکن است. در روشهای معمول آموزش تقویتی (reinforcement learning)، نیاز است سناریوها هزاران بار تکرار شوند و سیستم بتواند بعد از هر بار تکرار به وضعیت اولیه بازگردد—اما در محیطهای سازمانی چنین بازنشانی سادهای وجود ندارد.
راهحل Arga Labs: ساخت «دوقلوی دیجیتال» کامل
Arga Labs بهجای اتکا به APIهای بدون حالت (stateless) یک نقطهای، یک کپی کامل و قابل کنترل از نرمافزار سازمانی میسازد؛ چیزی شبیه به «دوقلوی دیجیتال» که ساختار، مجوزها، وبهوکها و جریانهای اطلاعاتی برنامه را بازخلق میکند. این رویکرد امکان بازنشانی ساده، اجرای همزمان محیطهای متعدد و شبیهسازی تعاملات پیچیده بین برنامهها را فراهم میکند. به بیان دیگر، Arga محیطی فراهم میکند که میتوان در آن عاملها را در مواجهه با ابهامات واقعی کاری—مثلاً تشخیص اینکه دو ثبت سرنخ در Salesforce و HubSpot متعلق به یک شرکت هستند یا خیر—با تکرارهای متعدد و کنترلشده آموزش داد.
نمونه کاربرد و اهمیت
Phillip Li، همبنیانگذار و مدیرعامل Arga Labs، مثالی میآورد: یک کاربر در Salesforce یک لید ایجاد میکند و همکار دیگری از طریق HubSpot با همان مشتری تماس میگیرد؛ آیا عامل میتواند تشخیص دهد که هر دو مربوط به یک شرکت هستند؟ آیا عامل متوجه میشود که ایمیل قبلاً ارسال شده یا نه؟ و قرار است ایمیل را به کدام فرصت ارسال کند؟ پاسخگویی صحیح به چنین ابهامات بینسیستمی برای خودکارسازی فرایندهای سازمانی حیاتی است و نیازمند آزمون در محیطهایی است که رفتار نرمافزارها را بهصورت واقعی بازتولید کنند.
چرا این مهم است: از کدنویسی تا نرمافزارهای تجاری
یکی از دلایل پیشرفت سریع ابزارهای کدنویسی مبتنی بر هوش مصنوعی، وجود ابزارهای پیچیده برای استقرار، بازگردانی و تحلیل کد است که امکان ساخت محیطهای RL برای کدنویسی را ساده کرده است. برای نرمافزارهای تجاری چنین ابزارهایی هنوز گسترده نیستند؛ Arga Labs در تلاش است همین خلأ را پر کند. با توسعه ابزارهای مشابه برای برنامههای سازمانی، میتوان انتظار داشت عاملها در استفاده از این برنامهها بهسرعت بهتر شوند و همان جهش بهرهوری را در صنایع مختلف ایجاد کنند که پیشتر در حوزه کدنویسی رخ داد.
واکنش سرمایهگذاران
یوری ساگالوف، مدیر برنامه Seed در General Catalyst، درباره نیاز فزاینده به چنین ابزارهایی گفته است که «بخش قابل توجهی از ارزش اقتصادی عاملها از کاربرد آنها در برنامههای تجاری ناشی میشود» و افزود «داشتن یک محیط شنیباکس تکرارشونده اهمیت بالایی دارد، و برای عاملها نسبت به انسانها اهمیت بیشتری پیدا میکند».
پیامدها
ابزارهایی مانند آنچه Arga Labs توسعه میدهد، میتوانند مسیر استقرار عاملهای هوش مصنوعی در سازمانها را هموار کنند، خطاهای عملیاتی را کاهش دهند و امکان آموزش در سطح پیچیدگیهای واقعی کسبوکار را فراهم سازند. با تکامل این زیرساختها، انتظار میرود هوش مصنوعی کاربردپذیری عمیقتری در گردشکارهای سازمانی پیدا کند و تحول مشابهی که در حوزه توسعه نرمافزار مشاهده شد، در صنایع دیگر نیز شروع شود.