تحول در هوش مصنوعی سازمانی: از چتباتها به «دستیار کاری هوشمند»
در سالهای اخیر تمرکز کاربردهای هوش مصنوعی در شرکتها از چتباتهای پاسخگو به سیستمهایی تغییر کرده که عملاً کارها و فرایندها را در سراسر سازمان انجام میدهند. پرسش کلیدی برای سازمانها اکنون این است که «لایهی هوش مصنوعی» که این قابلیتها را فراهم میکند، در اختیار چه کسی خواهد بود و چگونه باید مدیریت و کنترل شود.
Glean: از جستجوی سازمانی تا دستیار کاری هوشمند
استارتاپ Glean که مسیر خود را با محصول جستجوی سازمانی آغاز کرد، اکنون خود را بهعنوان یک «دستیار کاری هوش مصنوعی» معرفی میکند. این رویکرد بهمعنای قرار گرفتن در زیرساخت تجربیات هوش مصنوعی دیگر است: اتصال به سیستمهای داخلی، مدیریت سطوح دسترسی و مجوزها، و ارائهی اطلاعات و هوشمندی دقیقاً در همان محیطی که کارکنان مشغول کار هستند. چنین راهکاری وقتی ارزشمند است که دادهها پراکنده و ابزارها متعدد باشند و سازمان به یک لایه مرکب نیاز داشته باشد تا تجربهی یکپارچه، امن و قابل کنترل فراهم کند.
چرا سرمایهگذاران علاقهمند شدهاند؟
جلب اعتماد سرمایهگذاران به ایدهی مالکیت لایهی هوش مصنوعی سازمانی مشهود است: Glean سال گذشته موفق به جذب 150 میلیون دلار سرمایه شد و ارزشگذاری حدود 7.2 میلیارد دلاری را تجربه کرد. این رقم نه تنها نشاندهندهی اعتماد بازار به مدل کسبوکار آنهاست، بلکه بیانگر رقابت فزایندهای است که میان استارتاپهای نوآور و غولهای فناوری برای ارائهی راهحلهای یکپارچهی هوش مصنوعی به سازمانها شکل گرفته است.
گفتوگو در Web Summit قطر: معماری، همگرایی و واقعیتها
در نشست Web Summit قطر، مصاحبهای میان میزبانان رسانهای و آروین جین، بنیانگذار و مدیرعامل Glean انجام شد که به بررسی چگونگی تفکر سازمانها دربارهی معماری هوش مصنوعی اختصاص داشت. موضوعات کلیدی شامل انگیزههای همگرایی (consolidation) در بازار، ضرورت مدیریت مجوزها و حاکمیت داده، و مرزبندی میان قابلیتهای واقعی عوامل هوشمند (agents) و هیاهوی تبلیغاتی پیرامون آنها بود. این گفتوگو نشان داد که شرکتها برای بهرهبرداری عملیاتی از هوش مصنوعی نیاز به راهحلهایی دارند که علاوه بر هوشمندی، شفافیت، امنیت و قابلیت یکپارچگی با سیلوهای اطلاعاتی موجود را نیز فراهم کنند.
عوامل مؤثر بر انتخاب معماری هوش مصنوعی سازمانی
– نیاز به یک «لایهی میانی» که اتصال میان دادهها، ابزارها و کاربران را تسهیل کند.
– الزامات حاکمیت و حفظ حریم خصوصی که مدیریت حقوق دسترسی و ردیابی تصمیمگیری را طلب میکند.
– فشار اقتصادی و رقابتی برای کاهش پیچیدگی و هزینههای نگهداری چندین ابزار جداگانه.
– نگرانی از انحصار یا وابستگی بیش از حد به یک تأمینکننده (vendor lock-in) و تمایل به مدلهای چندارزیابی یا ترکیبی.
چالشها و هشدارها
در کنار فرصتها، ملاحظاتی چون امنیت دادهها، قابلیت توضیحپذیری تصمیمات هوش مصنوعی، ریسکهای ناشی از یکپارچهسازی ناصحیح و احتمال ایجاد گلوگاههای مدیریتی وجود دارد. سازمانها باید پیش از اتکا کامل به یک لایهی واحد، سناریوهای بازیابی، تستهای امنیتی و راهکارهای حاکمیت را بهدقت طراحی کنند.
افق پیش رو برای سازمانها
با رشد رقابت میان استارتاپها و غولهای فناوری برای تعریف لایهی مرکزی هوش مصنوعی سازمانی، تصمیمگیری درباره معماری مناسب یکی از اولویتهای راهبردی مدیران فناوری خواهد بود. مدلهای ترکیبی که امکان کنترل دادهها، تطبیقپذیری و تعامل بیدرنگ با ابزارهای کاری را فراهم میکنند، احتمالاً مورد توجه بیشتری قرار میگیرند. در این میان نقش بازیگران نوپا مانند Glean نشان میدهد که فرصت واقعی برای تحول عملیاتی زمانی پدید میآید که هوش مصنوعی صرفاً پاسخگو نباشد، بلکه بهعنوان یک «دستیار کاری» سازگار، امن و قابل مدیریت در دل فرآیندهای سازمانی نفوذ کند.