نظرسنجی جدید IDC به سفارش Cohere نشان می‌دهد 86% سازمان‌های بزرگ عامل‌های هوش مصنوعی تعبیه‌شده در برنامه‌ها را به‌کار گرفته‌اند، اما تنها 12% از آن‌ها خطرات مرتبط با «هوش مصنوعی مستقل» را به‌خوبی درک کرده‌اند. این فاصله بین پذیرش و فهم فنی، نیاز فوری به طراحی معماری مستقل و ابزارهای کنترلی را نشان می‌دهد.

یافته‌های کلیدی نظرسنجی

  • نمونه شامل 508 تصمیم‌گیرنده فناوری و کسب‌وکار در شرکت‌هایی با درآمد بیش از 1 میلیارد دلار از آمریکا، کانادا، بریتانیا و آلمان بود (IDC).
  • 99% پاسخ‌دهندگان استفاده از هوش مصنوعی مولد را گزارش کردند و 86% از عامل‌های تعبیه‌شده در برنامه‌ها خبر دادند.
  • تنها 13% اعلام کردند مفاهیم هوش مصنوعی مستقل در سطح سازمان به‌خوبی فهمیده شده‌اند و حدود یک سوم شرکت‌کنندگان قادر به توصیف «هوش مصنوعی مستقل» با زبان خود نبودند.
  • استفاده از عامل‌های از پیش‌ساخته یا ثالث فعلاً 13% است اما 67% انتظار دارند ظرف 12 ماه آینده از آن‌ها بهره ببرند؛ استفاده از عامل‌های داخلی نیز از 5% به 44% افزایش پیش‌بینی‌شده دارد.

چرا این شکاف اهمیت دارد

عامل‌های هوش مصنوعی اکنون فراتر از تولید متن عمل می‌کنند و می‌توانند به‌صورت مستقیم با سیستم‌ها و داده‌های داخلی سازمان تعامل کنند. همین توانایی، چند ریسک مهم پدید می‌آورد که سازمان‌ها باید به‌سرعت مدیریت کنند:

نیازهای فنی و کنترلی

  • مشاهده‌پذیری دقیق روی رفتار عامل‌ها و تراکنش‌های داده‌ای.
  • قرینه‌های محافظتی (guardrails) برای جلوگیری از عملیات ناخواسته یا خطرناک.
  • کنترل سطوح دسترسی و تفکیک وظایف برای محدود کردن دامنه عملیات عامل‌ها.
  • نظارت هزینه و مدیریت مصرف برای جلوگیری از افزایش ناخواسته هزینه‌ها.

معماری؛ نقطه آغاز استقلال هوش مصنوعی

ژوئل پینو، مدیر ارشد هوش مصنوعی Cohere، تأکید می‌کند استقلال عملیاتی مسئله‌ای معماری است: اگر سامانه وابسته به یک ارائه‌دهنده خاص یا به‌روزرسانی‌های خارجی باشد، سازمان کنترل را از دست می‌دهد و در معرض ریسک تغییرات ناگهانی یا محدودیت‌های دسترسی قرار می‌گیرد.

نمایی نمادین از عامل‌های هوش مصنوعی در سازمان

ویژگی‌های پشته مستقل پیشنهادی

Cohere نمونه‌ای از پلتفرم قابل اجرا روی زیرساخت مشتری معرفی کرده است که شامل مدل‌ها، RAG (بازیابی-تقویت‌شده-تولید)، عامل‌ها و ابزارهای مرتبط می‌شود؛ بدون نیاز به اتصال دائمی به سرویس‌دهنده خارجی. عناصر کلیدی این رویکرد عبارت‌اند از:

  • اجرای کامل روی زیرساخت مشتری و حفظ داده‌ها در محیط داخلی.
  • تحویل لایسنس‌ها و بسته‌های به‌روزرسانی به‌صورت آفلاین و بسته‌های امضاشده.
  • کنترل کامل مشتری روی زمان و نحوه اعمال تغییرات و به‌روزرسانی‌ها.
  • کاهش توان منفرد ارائه‌دهنده در اعمال تغییرات یک‌طرفه روی محیط سازمانی.

پیامدها برای سازمان‌ها و تیم‌های فنی

  • کاهش وابستگی به ارائه‌دهندگان ابری بزرگ و حفظ کنترل عملیاتی در مواجهه با تغییر سیاست‌ها یا قطع سرویس.
  • نیاز به ابزارهای مشاهده‌پذیری، کنترل دسترسی و گزارش‌دهی دقیق برای مدیریت همزمان امنیت و هزینه.
  • توانمندسازی داخلی برای اجرا، اعتبارسنجی و به‌روزرسانی مدل‌ها تا استقلال واقعی حاصل شود.

گام‌های عملی پیشنهادی

  • طراحی معماری مبتنی بر کنترلی که امکان اجرای آفلاین و مدیریت چرخه عمر مدل را فراهم کند.
  • پیاده‌سازی ابزارهای مشاهده‌پذیری و گزارش‌دهی مختص عامل‌ها برای ردیابی رفتار و هزینه.
  • ایجاد سیاست‌های دسترسی و مدارک audit برای هر تعامل عامل با منابع داخلی.
  • آزمایش نفوذ و ارزیابی ریسک زنجیره تامین فناوری پیش از استقرار گسترده.
  • تعریف فرآیندهای به‌روزرسانی امضاشده و زمان‌بندی اجرای تغییرات توسط تیم داخلی.

فرصت پیش‌رو

با شتاب گرفتن به‌کارگیری عامل‌ها، سازمان‌هایی که معماری مستقل و سیاست‌های حکمرانی مناسب را اکنون پیاده‌سازی کنند، از آسیب‌پذیری‌های زنجیره تامین فناوری و اختلال‌های عملیاتی آینده جلوگیری خواهند کرد. راه‌حل‌های مؤثر ترکیبی از اقدامات فنی و بازنگری در حکمرانی داخلی، سیاست‌های دسترسی و فرآیندهای به‌روزرسانی است تا عامل‌ها تحت کنترل سازمان باقی بمانند.

برای اطلاعات بیشتر درباره پویایی عامل‌ها و معماری مستقل، گزارش کامل نظرسنجی IDC و منابع مرتبط را بررسی کنید: Cohere، The New Stack، و نمایه مشاهده‌پذیری.