آماندا سیلور، پس از 24 سال فعالیت در مایکروسافت و تجربه طولانیمدت روی GitHub Copilot، اکنون بهعنوان معاون ارشد در بخش CoreAI مایکروسافت مسئول توسعه ابزارهای استقرار برنامهها و «سیستمهای عاملمحور» (agentic) در سازمانها است. تمرکز اصلی او روی سیستم Foundry در پلتفرم Azure است؛ پورتالی یکپارچه برای هوش مصنوعی سازمانی که تجربه مستقیم او از شیوههای واقعی بهکارگیری این سیستمها در شرکتها و نقاط ضعف متداول در استقرار را روشن کرده است.
آماندا سیلور معتقد است ورود گسترده عاملهای هوشمند (agentic systems) برای استارتاپها تأثیری همپایهٔ گذار به فضای ابری عمومی خواهد داشت. عاملهای هوشمند هزینههای عملیاتی نرمافزار را کاهش میدهند — از جمله در وظایف پشتیبانی، بررسیهای حقوقی و عملیات روزمره — و این کاهش هزینه به معنی تسهیل راهاندازی کسبوکارهای جدید و امکان رشد استارتاپهایی با نیروی انسانی کمتر اما ارزشگذاری بالاتر است.
نمونههای کاربردی که سیلور به آنها اشاره میکند شامل:
– بهروزرسانی وابستگیهای کد: عاملهای چندمرحلهای میتوانند کدبیس را تحلیل و وابستگیها (مثل نسخههای قدیمی runtime یا SDK) را با دقت بالا بهروز کنند و زمان انجام این کار را تا 70–80 درصد کاهش دهند.
– عملیات سایت زنده (live-site operations): در مواجهه با حادثه یا اختلال در سرویس، عاملها میتوانند علل را تشخیص دهند و در بسیاری از موارد مشکل را خودکاراً کاهش دهند، که هم از اختلال در خواب کارشناسان جلوگیری میکند و هم میانگین زمان حلوفصل حادثه (MTTR) را بهطور چشمگیری کاهش میدهد.
با وجود این مزایا، استقرار عاملهای هوشمند در سازمانها بهاندازهای که انتظار میرفت شتاب نگرفته است. سیلور دلیل اصلی را نیاز به تغییر فرهنگی در نحوهٔ طراحی این سیستمها میداند: بسیاری از تیمها دقیقاً نمیدانند چه هدفی باید برای عامل تعریف شود. برای موفقیت، لازم است:
– کاربرد کسبوکاری مشخص باشد (چه مشکلی حل میشود)،
– تعریف موفقیت روشن باشد (شاخصهای اندازهگیری واضح)،
– دادههای مناسب و کافی برای تصمیمگیری توسط عامل فراهم شود.
نگرانی عمومی دربارهٔ عدم قطعیت در اتکا به عاملها نیز در عمل کمتر مانعساز است، چون بسیاری از پیادهسازیها ساختار «انسان در حلقه» (human-in-the-loop) را حفظ میکنند. مثال ملموس، فرایند بازگشت کالا است: مدلهای بینایی ماشین اکنون در بسیاری از موارد قادر به بررسی وضعیت بسته و تصمیمگیری هستند و تنها در موارد مرزّی، مورد به کارشناس ارجاع میشود. البته در عملیاتهای بسیار حساس — مانند ایجاد تعهدات حقوقی یا انتشار کد در محیط تولید — همچنان نظارت و تأیید انسانی ضروری خواهد بود، اما حتی در این موارد میتوان بخشهای زیادی از فرایند را خودکار کرد.
نتیجهگیری سیلور این است که عاملهای هوشمند فرصت بزرگی پیش روی استارتاپها و شرکتهای سنتی قرار میدهند؛ به شرطی که تیمها با دیدی کسبوکاری و دادهمحور به طراحی عاملها ورود کنند. نقش Foundry در Azure بهعنوان یک پورتال یکپارچه هوش مصنوعی میتواند به سازمانها کمک کند تا این ابزارها را سریعتر و امنتر وارد چرخهٔ کاری خود کنند و از مزایای کاهش هزینه و افزایش بهرهوری بهرهمند شوند.