Glean از جستوجوی سازمانی تا «دستیار کاری هوش مصنوعی»؛ مالکیت لایه هوش مصنوعی سازمانها زیر ذرهبین
تحول در حوزه هوش مصنوعی سازمانی فراتر از چتباتهایی است که صرفاً به پرسشها پاسخ میدهند؛ سازمانها اکنون به دنبال سیستمهایی هستند که عملاً کارها را انجام دهند و فرایندها را خودکار کنند. پرسش کلیدی این است: چه کسی مالک لایهٔ هوش مصنوعی خواهد بود که این توانمندیها را در سراسر سازمان تأمین میکند؟
شرکت Glean که کار خود را با محصول جستوجوی سازمانی آغاز کرد، مسیر تکاملی قابل توجهی را طی کرده و اکنون خود را «دستیار کاری هوش مصنوعی» معرفی میکند. هدف Glean این است که بهعنوان لایهٔ زیرساختیِ متصلکننده تجربههای مختلف هوش مصنوعی عمل کند؛ یعنی به سامانههای داخلی متصل شود، مدیریت دسترسی و مجوزها را بر عهده گیرد و هوشمندی را در هرجایی که کارمندان فعالیت میکنند، در دسترس قرار دهد. این رویکرد اهمیت ویژهای در معماری داده، حریم خصوصی و امنیت اطلاعات سازمان دارد، زیرا یک لایهٔ مرکزی میتواند سیاستهای دسترسی، حاکمیت داده و شفافیت تصمیمگیری را یکپارچهسازی کند.
سرمایهگذاران نیز به این چشمانداز علاقهمند شدهاند: در ژوئن گذشته Glean توانست ۱۵۰ میلیون دلار سرمایه جذب کند و به ارزشگذاری ۷.۲ میلیارد دلاری دست یابد—نشانی از افزایش رقابت میان استارتآپها و غولهای فناوری که در حال بستهبندی خدمات هوش مصنوعی هستند.
در مصاحبهای در Web Summit Qatar، ربکا بلان از پادکست TechCrunch Equity با آروین جین، بنیانگذار و مدیرعامل Glean، دربارهٔ نحوهٔ تفکر سازمانها در مورد معماری هوش مصنوعی، دلایل گرایش به ادغام و تفاوت واقعیت و تبلیغات در حوزه «نمایندههای هوش مصنوعی» (AI agents) گفتوگو کرد. نکات کلیدی این گفتوگو قابل توجهاند برای هر سازمانی که در حال برنامهریزی برای استقرار هوش مصنوعی در سطح گسترده است:
- تغییر پارادایم از چتبات به عاملهای اجرایی: سازمانها انتظار دارند سیستمها نه تنها پاسخ دهند، بلکه کارها را خودکار و نتیجهمحور انجام دهند؛ مانند تکمیل درخواستها، هماهنگی بین ابزارها و اجرای فرایندها.
- نقش لایهٔ میانی (AI layer): این لایه مسئول اتصال به منابع داده داخلی، اعمال سیاستهای دسترسی، احراز هویت و نگهداری سطوح اعتماد است؛ فقدان چنین لایهای میتواند به پراکندگی ابزارها، مشکلات حاکمیت داده و افزایش ریسکهای امنیتی منجر شود.
- محرکهای ادغام و تمرکز: کاهش پیچیدگی، کاهش هزینههای نگهداری، بهبود تجربه کاربری و نیاز به یکپارچگی حاکمیت داده از عوامل اصلی هستند که سازمانها را به سمت پلتفرمهای جامعتر سوق میدهد.
- واقعیتها در برابر هیاهو: هنوز محدودیتهایی فنی و عملی در زمینهٔ نمایندههای هوش مصنوعی وجود دارد—از جمله قابلیت اطمینان، قابل توضیح بودن تصمیمات، و نیاز به نظارت انسانی. انتخاب راهکارهای واقعگرا که با فرایندهای موجود همگام شوند، مهمتر از پیروی کورکورانه از ترندها است.
- اهمیت اتصالپذیری و مجوزها: توانمندی پلتفرم در اتصال امن و منعطف به سرویسها و پایگاههای داده داخلی و مدیریت دقیق مجوزها، از معیارهای کلیدی ارزیابی فروشندگان است.
توصیههای کاربردی برای مدیران فناوری و تصمیمگیرندگان سازمانی:
– ابتدا با یک یا چند فرایند کسبوکاری مشخص و دارای اولویت بالا شروع کنید تا ارزش کسبوکاری (ROI) واضح باشد.
– روی حاکمیت داده، کنترل دسترسی و شفافیت مدلها سرمایهگذاری کنید تا ریسکهای حقوقی و امنیتی کاهش یابد.
– در انتخاب تامینکننده، توانایی اتصال به سیستمهای داخلی، پشتیبانی از احراز هویت سازمانی و قابلیتهای نظارتی را ملاک قرار دهید.
– از ترکیب انسان و هوش مصنوعی استفاده کنید؛ نظارت انسانی و مکانیزمهای بازخورد برای تضمین کیفیت خروجیها ضروری است.
– قراردادها را طوری تنظیم کنید که مالکیت داده و محدودیت استفاده از آنها مشخص و امن باشد تا از قفلشدن در اکوسیستم یک فروشنده جلوگیری شود.
نتیجهگیری: روند به سوی دستیارهای کاری هوش مصنوعی و لایههای میانی یکپارچه شتاب گرفته است و بازیگران جدیدی مانند Glean با جذب سرمایهٔ چشمگیر قصد دارند نقش مرکزی در این اکوسیستم ایفا کنند. برای سازمانها، تصمیمگیری هوشمندانه درباره معماری هوش مصنوعی، تمرکز بر حاکمیت داده و انتخاب راهکارهایی با قابلیت اتصال و مدیریت مجوز صحیح، تعیینکنندهٔ موفقیت در پیادهسازیهای آینده خواهد بود.