از گفتگو تا انجام کار: چرا پروژه‌های ایجنت شکست می‌خورند

این روزها کمتر نرم‌افزاری پیدا می‌شود که ادعای «ایجنت» نداشته باشد. گارتنر پیش‌بینی کرده تا پایان سال 2026 حداکثر 40 درصد نرم‌افزارهای سازمانی ایجنت‌هایی برای کارهای مشخص داشته باشند؛ رقمی که در سال 2025 کمتر از 5 درصد بود. همین مؤسسه پیش‌بینی کرده بیش از 40 درصد پروژه‌های ایجنت تا پایان سال 2027 لغو شوند، به دلیل هزینه‌ی رو‌به‌رشد، ارزش تجاری نامشخص یا کنترل ناکافی خطر. هر دو پیش‌بینی درست‌اند، و تفاوتشان در شیوه‌ی ساختن است.

چت‌بات کافی نبود

«ایجنت» سامانه‌ای است که فقط پاسخ نمی‌دهد: گام‌های یک کار را برنامه‌ریزی می‌کند، از نرم‌افزارها و داده‌ها استفاده می‌کند و کاری را انجام می‌دهد. نیاز به آن از یک ناکامی آمده است. مک‌کینزی در خرداد 1404 این را «پارادوکس هوش مصنوعی مولد» نامید: نزدیک به 8 شرکت از هر 10 شرکت از هوش مصنوعی مولد استفاده می‌کنند و تقریباً همان تعداد هیچ اثر معناداری بر سودشان نمی‌بینند؛ حدود 90 درصد کاربردهای تخصصی در مرحله‌ی آزمایشی مانده‌اند.

دلیلش ساده است: دستیاری که فقط به پرسش پاسخ می‌دهد، کمی از وقت هر نفر را صرفه‌جویی می‌کند، اما خود فرایند کاری را تغییر نمی‌دهد. گارتنر در فروردین 1405 پیش‌بینی کرد که تا سال 2028 بیش از نیمی از سازمان‌ها دیگر برای دستیارهای کمکی هزینه نکنند و سراغ سامانه‌هایی بروند که نتیجه‌ی یک گردش‌کار را تحویل می‌دهند.

ایجنت واقعی و ایجنت اسمی

گارتنر از پدیده‌ای به نام «ایجنت‌شویی» (agent washing) نام می‌برد: چت‌بات‌ها و ابزارهای خودکارسازی قدیمی که فقط نام ایجنت گرفته‌اند. برآورد این مؤسسه این است که از هزاران فروشنده‌ای که از ایجنت حرف می‌زنند، تنها حدود 130 فروشنده واقعاً ایجنت می‌سازند. در منحنی هیجان فناوری گارتنر در سال 2026، ایجنت‌ها در «اوج انتظارات بیش از حد» قرار دارند: فقط 17 درصد سازمان‌ها ایجنت به کار گرفته‌اند و به گفته‌ی گارتنر، ایجنت‌های کاملاً خودمختار هنوز برای بیشتر کاربردهای سازمانی آماده نیستند.

سازمان‌های موفق چه می‌کنند

شواهد چند سال اخیر درباره‌ی تفاوت پروژه‌های موفق روشن‌تر از همیشه است:

• از فرایند شروع می‌کنند، نه از مدل. طبق نظرسنجی سال 2025 مک‌کینزی، سازمان‌هایی که بیشترین سود را از هوش مصنوعی برده‌اند (حدود 6 درصد پاسخ‌دهندگان)، نزدیک به سه برابر بیشتر از بقیه گردش‌کارشان را از بنیاد بازطراحی کرده‌اند؛ عاملی که به گفته‌ی مک‌کینزی یکی از قوی‌ترین اثرها را بر نتیجه دارد.
• انسان را در نقطه‌ی تصمیم نگه می‌دارند. در پژوهش Capgemini (1404) اعتماد مدیران به ایجنت‌های کاملاً خودمختار در یک سال از 43 به 27 درصد کاهش یافت، و 90 درصد حضور انسان در فرایند را مثبت یا بی‌هزینه دانستند.
• حاکمیت و دسترسی را از اول طراحی می‌کنند. طبق گزارش Deloitte (1405)، فقط 21 درصد سازمان‌ها برای ایجنت‌ها مدل حاکمیت بالغی دارند؛ یعنی روشن نیست ایجنت به چه چیزی دسترسی دارد و چه کرده است.
• به استاندارد وصل می‌شوند. پروتکل MCP که آذر 1403 معرفی شد، حالا استاندارد مشترک اتصال مدل‌ها به ابزارها و داده‌هاست و از آذر 1404 زیر نظر بنیاد لینوکس اداره می‌شود. خود این استاندارد تأکید می‌کند که انسان همیشه باید بتواند اجرای یک ابزار را رد کند.
• مالک سامانه‌ی خودشان می‌مانند. گارتنر امروز، 7 مهر 1405، پیش‌بینی کرد که تا سال 2028، 70 درصد سازمان‌ها ایجنت‌هایی را که مهندسان فروشنده برایشان ساخته‌اند کنار بگذارند، چون هزینه‌اش بالا می‌رود و خودشان نمی‌توانند توسعه‌اش دهند. توصیه‌ی گارتنر: انتقال دانش و مالکیت را از روز اول برنامه‌ریزی کنید.

نتیجه‌ی این شواهد این است که ایجنت پیش از هر چیز یک مسئله‌ی مهندسی است: اتصال درست به داده و نرم‌افزارها، قواعد روشن دسترسی، نقطه‌های تأیید انسانی و سامانه‌ای که سازمان خودش بتواند نگهش دارد. به همین دلیل مک‌کینزی در نظرسنجی سال 2026 گزارش می‌دهد که 40 درصد سازمان‌های بزرگ در حال گسترش ایجنت‌ها هستند، در حالی که این رقم یک سال پیش 27 درصد بود؛ کسانی که زیرساختش را ساخته‌اند، جلو افتاده‌اند.

در کارخانه، ایجنت یعنی چه

در صنعت، ارزش ایجنت در این است که چند سامانه‌ی جدا را به یک گردش‌کار تبدیل کند. یک نمونه‌ی ساده:

1. داده‌ی لحظه‌ای از سیستم کنترل توزیع‌شده (DCS) و آرشیو داده‌ها (Historian) خوانده می‌شود.
2. یک مدل پیش‌بینی، خروج کیفیت محصول از مشخصه را پیش از جواب آزمایشگاه تشخیص می‌دهد.
3. ایجنت دستورالعمل‌های بهره‌برداری و سوابق مشابه را جست‌وجو می‌کند و پیشنهاد تنظیم را با منبعش آماده می‌کند.
4. اپراتور پیشنهاد را می‌بیند و تأیید یا رد می‌کند؛ ایجنت خودش به سیستم کنترل فرمان نمی‌دهد.
5. نتیجه و تصمیم در گزارش شیفت ثبت می‌شود.

هیچ‌کدام از این گام‌ها به تنهایی تازه نیست. تازگی در اتصال آن‌ها به هم، در محیطی است که داده از کارخانه بیرون نمی‌رود و هر گام قابل پیگیری است.

نگاه واکاو

پلتفرم VAI برای همین نوع کار ساخته شده است. روی سرور خود کارخانه نصب می‌شود، مستقیم به سیستم کنترل، پایگاه‌های داده و فایل‌ها وصل می‌شود، و محیط اسکریپت‌نویسی، ویرایشگر بصری گردش‌کار، زمان‌بندی و راه‌اندازی با رویداد دارد، تا نتیجه‌ی مدل‌ها به صورت پیشنهاد روی نمایشگر اتاق کنترل برسد. واکاو آتاناموس همین منطق را برای دانش سازمان فراهم می‌کند: ربات‌ها، مهارت‌ها و سازنده‌ی روند برای ساختن ایجنت‌هایی که روی اسناد و نرم‌افزارهای خود سازمان کار می‌کنند، همه روی سرورهای خود سازمان. و چون زیرساخت در اختیار خود شماست، سامانه با شما می‌ماند و رشد می‌کند.

اگر فرایندی دارید که می‌خواهید به یک گردش‌کار هوشمند تبدیل شود، درباره‌ی VAI بخوانید یا با ما صحبت کنید.