هجوم برای تصاحب بازار عاملهای هوش مصنوعی سازمانی: چه کسی ابزارها و زیرساختهای کار خودکار را میسازد؟
تعریف عامل هوش مصنوعی بهطور واقعی محل مناقشه است و این تا حدی دلیل آن است که بازار نرمافزار عامل هوش مصنوعی هم بزرگ است و هم آشفته. در گستردهترین معنا، یک عامل هوش مصنوعی هر سیستمی است که یک دستورالعمل را دریافت میکند، دنبالهای از اقدامات را تصمیم میگیرد، آنها را با استفاده از ابزارها یا APIها اجرا میکند و یک نتیجه تولید میکند - بدون نیاز به تأیید انسانی در هر مرحله. در محدودترین معنا، یک عامل فقط یک مدل زبانی با یک حلقه فراخوانی ابزار است. فاصله بین این دو تعریف بخش عمدهای از آنچه در سالهای ۲۰۲۵-۲۰۲۶ ساخته و تأمین مالی میشود را در بر میگیرد.
ارقام تأمین مالی واضح هستند. گزارش هوش مصنوعی ۲۰۲۵ Sequoia، عاملهای خودکار را بهعنوان پرتأمینمالیترین زیرمجموعه هوش مصنوعی از نظر تعداد معاملات معرفی کرد که بیش از ۴ میلیارد دلار تنها در سالهای ۲۰۲۴-۲۰۲۵ به شرکتهای پلتفرم عامل اختصاص یافته است. Salesforce Ventures، a16z، Lightspeed و Khosla هرکدام چندین سرمایهگذاری روی عاملها انجام دادهاند. منطق استراتژیک ساده است: اگر هوش مصنوعی از پاسخ به سؤالات به تکمیل وظایف حرکت کند، ارزش اقتصادی از هزینههای استنتاج (که بهطور فزایندهای کالایی میشوند) به لایه orchestration، یکپارچهسازیها، سیستمهای حافظه و تضمینهای قابلیت اطمینان منتقل میشود که عاملها را برای اجرای بدون نظارت به اندازه کافی قابل اعتماد میکند.
عاملهای سازمانی واقعاً چه کاری انجام میدهند
موارد استفادهای که بیشترین جذب را داشتهاند، بهطور تعجبآوری، مواردی هستند که واضحترین بازگشت سرمایه را دارند. توسعه فروش — عاملهای هوش مصنوعی که مشتریان بالقوه را تحقیق میکنند، پیشنویس تماس میگیرند، دنبالهها را مدیریت میکنند و سرنخهای واجد شرایط را به نمایندگان انسانی ارجاع میدهند — احتمالاً پراستقرارترین دسته عامل در سازمانهای امروزی است. 11x، Artisan و چندین استارتاپ دیگر بهطور خاص در این زمینه ساختهاند و با بازیکنان تثبیتشده اتوماسیون فروش مانند Outreach و Salesloft با ارائه عاملهای هوش مصنوعی به جای اتوماسیون مبتنی بر قانون رقابت میکنند.
خدمات مشتری دسته پرمقبول دیگر است. Sierra که توسط Bret Taylor و Clay Baird تأسیس شد و با ۱۷۵ میلیون دلار از Sequoia و سایر سرمایهگذاران پشتیبانی میشود، یک پلتفرم مکالمهای هوش مصنوعی مخصوص خدمات مشتری ساخته است که تعاملات پیچیده و چندنوبتی از جمله بازگشت کالا، اختلافات صورتحساب و عیبیابی فنی را مدیریت میکند. این شرکت ادعا میکند مشتریان نرخ اتوماسیون بیش از ۷۰٪ را در حجم مرکز تماس مشاهده میکنند. ServiceNow، Zendesk و Salesforce همگی در حال رقابت برای تعبیه قابلیتهای عامل در پلتفرمهای موجود خود هستند تا در برابر Sierra و استارتاپهای مشابه دفاع کنند.
عاملهای مهندسی نرمافزار بیشترین توجه رسانهای را به خود جلب کردهاند، با GitHub Copilot Workspace، Devin از Cognition، SWE-agent و دهها محصول دیگر که ادعا میکنند بهطور خودکار وظایف برنامهنویسی را از یک مشخصات تکمیل میکنند. نتایج واقعی اما محدود هستند: عاملهای فعلی میتوانند تیکتهای خوشدامنه و جداگانه را بهطور قابل اعتماد مدیریت کنند اما با پایگاههای کد بزرگ، تصمیمات معماری پیچیده و وظایفی که نیاز به درک زمینههای سازمانی بیاننشده دارند، دستوپنجه نرم میکنند.
لایه زیرساخت
در زیر استارتاپهای عامل لایه کاربردی، یک اکوسیستم زیرساختی ظهور کرده است تا مشکلات مشترکی که هر عاملی با آن روبرو است را حل کند. LangChain و محصول تجاری آن LangSmith چارچوبهای orchestration و قابلیت مشاهده را فراهم میکنند. Composio زیرساخت یکپارچهسازی را ارائه میدهد — اتصالدهندههای از پیش ساخته شده به بیش از ۲۵۰ API SaaS سازمانی تا عاملها بتوانند در Gmail، Salesforce، Slack، Jira و سایر سیستمها بدون نیاز به ساخت یکپارچهسازی سفارشی توسط هر توسعهدهنده عمل کنند. E2B محیطهای اجرای کد sandboxed را فراهم میکند تا عاملها بتوانند کد را بهطور ایمن اجرا کنند. Recall.ai زیرساخت ربات جلسات را برای عاملهایی که در تماسهای ویدئویی شرکت میکنند مدیریت میکند.
حافظه یک مشکل سخت کمتر درک شده برای عاملها است. پنجره زمینه یک مدل زبانی محدود است؛ یک عاملی که روی یک وظیفه چندروزه کار میکند باید تصمیماتی را که ساعتها یا روزها پیش گرفته است به خاطر بسپارد. چندین استارتاپ — Letta (MemGPT سابق)، Mem و دیگران — در حال ساخت سیستمهای حافظه صریح برای عاملها هستند: ذخیرهسازی ساختاریافته، بازیابی و بهروزرسانی وضعیت عامل که در طول جلسات ادامه دارد و فراتر از محدودیتهای پنجره زمینه مقیاسپذیری دارد.
شکاف قابلیت اطمینان
چالش اصلی این دسته کلمهای است که به اندازه کافی در اعلامیههای تأمین مالی استفاده نمیشود: قابلیت اطمینان. یک انسان که یک وظیفه را تکمیل میکند با موفقیت یا شکست بهطور طبیعی عمل میکند — اگر اتفاق غیرمنتظرهای بیفتد، متوجه میشود و تطبیق مییابد. یک عامل هوش مصنوعی خودکار در یک گردش کار چندمرحلهای میتواند بهطور خاموش شکست بخورد، اقدامات نادرستی انجام دهد که برگرداندن آنها دشوار است، یا در حلقههای تلاش مجدد گیر کند که عواقب واقعی دارد (ایمیلهای تکراری ارسال شده، تراکنشهای تکراری ثبت شده، دادههای اشتباه در سیستمهای ثبت نوشته شده).
استقرارهای سازمانی تولیدی الگویی از حوادث را ایجاد کرده است که نشان میدهد عاملهای فعلی کجا خراب میشوند: زمانی که APIها پاسخهای غیرمنتظره برمیگردانند، زمانی که شرح وظیفه مبهم بود، زمانی که مجوز مورد نیاز از قبل اعطا نشده بود، یا زمانی که یک وظیفه چندمرحلهای به زمینهای نیاز دارد که در زمان شروع در دسترس نبود. پلتفرمهای عامل پیشرو سرمایهگذاری زیادی در ارتقای انسانی در حلقه انجام دادهاند — طراحی عاملهایی که میدانند چه زمانی مکث کنند و تأیید انسانی بخواهند به جای ادامه با اطمینان پایین.
سطح قابلیت اطمینان برای نرمافزار سازمانی بسیار بالاتر از هوش مصنوعی مصرفی است. مصرفکنندهای که از یک چتبات استفاده میکند که ۱ بار از ۲۰ بار اشتباه میکند، کمی آزرده میشود. یک عامل سازمانی که سفارشات خرید را پردازش میکند و ۱ بار از ۲۰ بار اشتباه میکند، یک بدهی است. فروشندگان نرمافزار سازمانی تثبیتشده مانند ServiceNow و SAP محصولات عامل خود را بهطور صریح بر اساس قابلیت اطمینان و حسابرسیپذیری بازاریابی میکنند و در برابر استارتاپهای بومی هوش مصنوعی قرار میگیرند که نمایشهای چشمگیر آنها میتواند شکاف کیفیت تولید را پنهان کند.
پویایی پلتفرم در برابر استارتاپ
رقابت پلتفرمی آشنا اکنون در عاملهای هوش مصنوعی در حال وقوع است. Agentforce از Salesforce که در سپتامبر ۲۰۲۴ راهاندازی شد، یک پیشنهاد مستقیم برای تصاحب لایه عامل سازمانی برای ۱۵۰,۰۰۰ مشتری خود است. Copilot for Microsoft 365 از مایکروسافت که با قابلیتهای خودکار در اواخر ۲۰۲۴ عمیقتر شد، هدفش تعبیه عاملها در گردشهای کاری Office و Teams است که کارکنان سازمانی از قبل در آن زندگی میکنند. Now Assist از ServiceNow با قابلیتهای عامل، عملیات IT و گردشهای کاری منابع انسانی را هدف قرار میدهد. هر پلتفرم مزیت یکپارچهسازیهای از پیش موجود، اقامت داده، اعتماد و روابط با مشتری را دارد.
استارتاپها در سرعت نوآوری، تخصص و توانایی پرداختن به موارد استفادهای رقابت میکنند که پلتفرمهای بزرگ برای ساختن آنها بسیار کند هستند. سؤال برای استارتاپهای عامل هوش مصنوعی این است که آیا میتوانند قبل از اینکه فروشندگان پلتفرم ارزش پیشنهادی اصلی آنها را کالایی کنند، به مقیاس برسند — سؤالی که هر استارتاپ SaaS سازمانی سرانجام با آن روبرو میشود، اما سرعت سریع هوش مصنوعی آن را بهطور غیرعادی فوری میکند.
بازار به اندازه کافی بزرگ است که نتایج متعددی امکانپذیر است. پلتفرمها موارد استفاده افقی عمومی را تصاحب خواهند کرد. عاملهای عمودی تخصصی — برای حقوقی، بهداشت و درمان، خدمات مالی، مهندسی نرمافزار و تحقیقات علمی — ممکن است کسبوکارهای مستقل را در مقیاس معنادار حفظ کنند. و لایه زیرساختی — orchestration، حافظه، یکپارچهسازیها، قابلیت مشاهده — احتمالاً حول تعداد کمی از ابزارهای استاندارد تثبیت خواهد شد، همانطور که قبلاً با زیرساخت ابری و ابزارهای DevOps اتفاق افتاد.
۱۸ ماه آینده روشنگر خواهد بود. محصولات عاملی که ROI ثابت و قابل اندازهگیری را در استقرارهای سازمانی تولیدی نشان دهند، به سرعت رشد خواهند کرد. آنهایی که در نمایشها میدرخشند اما با الزامات غیرجذاب قابلیت اطمینان دستوپنجه نرم میکنند، با یک سقف طبیعی روبرو خواهند شد. تصاحب زمین اکنون در حال وقوع است؛ تسویه حساب به دنبال میآید.