پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

دام تحول شتاب‌زده؛ چرا سازمان‌ها نباید پروژه‌های هوش مصنوعی و نوسازی IT را هم‌زمان پیش ببرند؟

انتشار:۲۸ مهر ۱۴۰۵(۱ ساعت پیش)
۶ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

فشار فزاینده برای نوآوری و پیاده‌سازی ابزارهای هوش مصنوعی، بسیاری از سازمان‌ها را به دام تحول شتاب‌زده کشانده است. اجرای هم‌زمان دگرگونی‌های زیرساختی بدون نظارت کافی بر پیکربندی سیستم‌ها، خطر قطعی‌های گسترده و نشت امنیتی را افزایش می‌دهد. کارشناسان معتقدند نوسازی تدریجی و حفظ دیده‌پذیری بر سامانه‌ها، مطمئن‌ترین راهکار برای عبور از این بحران است.

دام تحول شتاب‌زده؛ چرا سازمان‌ها نباید پروژه‌های هوش مصنوعی و نوسازی IT را هم‌زمان پیش ببرند؟

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • فشار هم‌زمان برای پذیرش ابزارهای هوش مصنوعی و کاهش هزینه‌ها، شرکت‌ها را در معرض ریسک قطعی‌های فنی و بحران‌های سایبری قرار داده است.
  • استفاده از ایجنت‌های هوش مصنوعی برای جایگزینی ابزارهای SaaS اگرچه هزینه اشتراک را حذف می‌کند، اما بار سنگین نگهداری و امنیت را به دوش تیم داخلی می‌اندازد.
  • راهکار فرار از دام تحول شتاب‌زده، پرهیز از پروژه‌های هم‌زمان، اجرای تغییرات کوچک و تدریجی، و به‌کارگیری ابزارهای رصد دائمی انحراف پیکربندی است.

سازمان‌ها امروزه برای ایجاد تحول در زیرساخت‌ها و دارایی‌های فناوری اطلاعات (IT) خود تحت فشار سنگینی قرار دارند؛ فشاری که به‌طور مشخص از دو عامل محرک اصلی سرچشمه می‌گیرد.

نخست، فشار دائمی برای نوآوری است. پیشرفت سرسام‌آور فناوری و هوش مصنوعی در کنار تغییر اولویت‌های کسب‌وکار، سازمان‌ها را وادار می‌کند تا همگام با تبلیغات مداوم ارائه‌دهندگان مبنی بر لزوم سرعت‌بخشیدن به تحول دیجیتال، جدیدترین ابزارها را به کار بگیرند. هم‌زمان، تورم مستمر و کاهش سرعت رشد اقتصادی موجب شده است تا نیاز به یافتن راهکارهای مقرون‌به‌صرفه بیش از پیش احساس شود.

تحلیل پیش‌رو از دیدگاه مدیر فنی شرکت کلودهاوس (Cloudhouse) در زمینه تحولات زیرساخت‌های ابری مطرح شده است.

عامل دوم، تغییراتی است که به‌اجبار تحمیل می‌شوند؛ موقعیت‌هایی که در آن‌ها سیستم‌عامل‌ها به پایان چرخه عمر خود می‌رسند و نیازمند ارتقا هستند، یا بروز قطعی‌های ناگهانی و تهدیدهای سایبری تیم‌ها را وادار به واکنش می‌کند. علاوه بر این، در سال‌های اخیر نمونه‌های متعددی از جهش چشمگیر قیمت نرم‌افزارها پس از تغییر مالکیت شرکت‌ها (مانند اتفاقی که برای VMware رخ داد) مشاهده شده است؛ وضعیتی که سازمان‌ها را مجبور می‌کند برای مدیریت بودجه و کاهش وابستگی به ارائه‌دهندگان، به‌دنبال راهکارهای جایگزین بگردند.

با این حال، در مواجهه با این فشارها، دامی که بسیاری از شرکت‌ها در آن گرفتار می‌شوند، تلاش برای اجرای هم‌زمان تمام این تغییرات در بازه زمانی بسیار فشرده است. در چنین شرایطی، مدیریت فرآیند دگرگونی به‌شدت دشوار می‌شود و خطر بروز اختلال، قطعی و خرابی در سیستم‌ها به‌طرز ملموسی افزایش می‌یابد. در این میان، پرسش اساسی این است: سازمان‌ها چگونه می‌توانند تحولات ضروری را با حفظ ایمنی و پایداری پیش ببرند؟

خطرات دگرگونی هم‌زمان و شتاب‌زده در سازمان‌ها

چالش بنیادین در تحولات گسترده و سریع، مسئله «دیده‌پذیری» (Visibility) و نظارت شفاف است. شرکت‌ها باید بر مجموعه‌ای پیچیده از دارایی‌های IT نظارت داشته باشند؛ از سیستم‌های محلی (On-Premises) و زیرساخت‌های ابری گرفته تا سرورها، رایانه‌های کاربران نهایی و شبکه‌ها، آن هم در فضایی که تغییرات پدیده‌ای مداوم است و به‌روزرسانی‌های امنیتی عمدتاً به‌صورت خودکار پیاده‌سازی می‌شوند. با پیشروی این تحولات، تداخل و تعامل میان سیستم‌های قدیمی و جدید، سیستم‌عامل‌های گوناگون و نرم‌افزارهای مختلف افزایش می‌یابد و این موضوع احتمال بروز خطا و اختلال را بالا می‌برد.

به‌عنوان نمونه، انحراف در پیکربندی (Configuration Drift) زمانی اتفاق می‌افتد که اعمال تغییرات ثبت‌نشده یا تأییدنشده، موجب فاصله گرفتن سیستم از خط مبنا و استاندارد عملکردی اولیه‌اش می‌شود. در غیاب نرم‌افزارهای نظارتی مناسب، این انحراف از دید تیم فنی پنهان می‌ماند و ریسک مضاعفی به هر تغییر بعدی تحمیل می‌کند؛ وضعیتی ناپایدار که در نهایت جرقه‌ای برای اختلال در سرویس‌دهی یا رخداد حوادث سایبری خواهد شد.

برای مثال، در ماه مه، گوگل کلود (Google Cloud) حساب کاربری عملیاتی پلتفرم ریل‌وی (Railway) را بدون اطلاع قبلی مسدود کرد؛ زیرا این پلتفرم متوجه وابستگی فنی پنهان خود به سرویس‌های ابری گوگل نشده بود و همین بی‌خبری، زمینه‌ساز بروز اختلالی هشت‌ساعته در خدمات آن شد.

افزون بر این، همان‌گونه که در موج استقبال از ابزارهای هوش مصنوعی مشاهده می‌شود، سرعت ورود فناوری‌های نو بسیار فراتر از توان آموزش کارکنان و همگام‌سازی فرآیندها است؛ اتفاقی که خطر آشفتگی در جریان‌های کاری، آسیب‌پذیری‌های امنیتی و نشت داده‌ها را تشدید می‌کند. اما حتی در شرایطی که تیم‌ها دید کاملی به تغییرات لازم دارند، همچنان با این چالش پیچیده روبه‌رو هستند که برنامه‌های کاربردی فعلی خود را چگونه نوسازی کنند.

یافتن راهکاری فراتر از دوگانه «خرید نرم‌افزار جدید یا بازنویسی کامل»

بی‌تردید، همیشه نمی‌توان سرعت تحولات را کاهش داد. گاهی شرکتی به‌دلیل هزینه‌های سرسام‌آور نرم‌افزارهای ماشین مجازی توان ادامه قرارداد را ندارد یا به‌دلیل الزامات امنیتی ناچار به ارتقای نرم‌افزارهای خود است. در چنین وضعیتی، تیم‌های IT سنتی معمولاً در دوراهی خرید نرم‌افزار جدید یا بازنویسی برنامه‌های موجود گرفتار می‌شدند؛ دو مسیری که هر دوی آن‌ها نیازمند بودجه‌های کلان و صرف زمان طولانی است.

این شرایط اغلب به وابستگی شدید به تأمین‌کننده (Vendor Lock-in) می‌انجامد؛ چراکه مدیران IT گزینه جایگزین مناسبی پیش روی خود نمی‌بینند و از طرفی، توان مهندسی کافی برای بازنویسی کامل برنامه‌هایی که با سیستم‌عامل‌های اولیه خود گره خورده‌اند را ندارند.

برای غلبه بر این وابستگی، با تکامل و بلوغ کدنویسی به کمک ایجنت‌های هوش مصنوعی (Agentic Coding)، سازمان‌ها ممکن است بیش از گذشته به گزینه‌ای سوم روی بیاورند: به‌کارگیری ایجنت‌های هوش مصنوعی برای توسعه جایگزین‌های اختصاصی ابزارهای SaaS. هرچند این رویکرد در نگاه نخست هزینه‌های لایسنس و وابستگی به تأمین‌کننده را حذف می‌کند، اما بار نگهداری، امنیت، پیکربندی و پشتیبانی دائمی را به دوش تیم داخلی سازمان می‌اندازد؛ امری که بدون منابع و ظرفیت فنی مضاعف، مدیریت تغییرات را پیچیده‌تر و دشوارتر از قبل می‌سازد.

با این همه، راهکار دیگری نیز وجود دارد: بسته‌بندی (Packaging) و مهاجرت برنامه‌های موجود که به تیم‌ها امکان می‌دهد بدون تقبل بار سنگین توسعه نرم‌افزار از صفر، دارایی‌های دیجیتال خود را نوسازی کنند. از طریق بسته‌بندی وابستگی‌های نرم‌افزار یا ماشین مجازی به سیستم‌عامل، می‌توان برنامه‌ها را بدون نیاز به بازنویسی کد، به کانتینرها و زیرساخت‌های نوین منتقل کرد.

با این روش، برنامه بدون هیچ تغییری در سازوکار و رفتار اصلی‌اش به حیات خود ادامه می‌دهد، اما اکنون می‌تواند روی جدیدترین سیستم‌عامل‌ها و فضاهای کاری ابری از جمله AWS اجرا شود.

پیاده‌سازی تحول در مقیاس گسترده

پس از تدوین استراتژی نوسازی، تیم‌ها چگونه می‌توانند اشراف و دیده‌پذیری مستمری بر سراسر زیرساخت IT داشته باشند و زمان مناسب برای بسته‌بندی برنامه‌ها را شناسایی کنند؟

با توجه به حجم گسترده تغییرات، روش‌های پایش دستی و فرآیندهای سنتی تطبیق سیستم‌ها هرگز توان پاسخگویی به الزامات نوسازی زیرساخت را ندارند. در عوض، تیم‌ها باید استفاده از نرم‌افزارهای پایش پیکربندی را مدنظر قرار دهند تا دیدی شفاف و لحظه‌ای نسبت به هرگونه دگرگونی در سراسر دارایی‌های دیجیتال خود به دست آورند.

به‌عنوان مثال، ابزارهای شناسایی انحراف (Drift Detection) تغییرات کل زیرساخت را با خطوط مبنای پیکربندی می‌سنجند و هر زمان تغییری موجب انحراف سیستم از چارچوب استاندارد شود، به تیم‌های IT هشدار می‌دهند. بدین ترتیب، اعمال وصله‌های امنیتی خودکار توسط ارائه‌دهندگان خارجی یا دستکاری‌های دستی کاربران بلافاصله ردیابی و گزارش می‌شود؛ تغییراتی که در غیر این صورت پنهان می‌ماندند و در بلندمدت بحران‌ها و قطعی‌های غیرمنتظره‌ای به بار می‌آوردند.

به‌طور کلی، چنین اشراف فراگیری به مهندسان اجازه می‌دهد تأثیر هر تغییر تاییدنشده را در لحظه ارزیابی کنند و پیش از بروز خرابی در سیستم، اقدامات پیشگیرانه لازم را انجام دهند.

علاوه بر این، اطلاعات حاصل از این پایش به درک نحوه تعامل پروژه‌های تحول با سیستم‌های فعال سازمان کمک می‌کند؛ داده‌هایی ارزشمند که امکان‌سنجی و اجرای تغییرات پیشنهادی را مشخص می‌سازند و مسیری امن‌تر، هدفمندتر و موثرتر برای تحول دیجیتال رقم می‌زنند.

در کنار اشراف بر پیکربندی، تیم‌ها می‌توانند فرآیند بسته‌بندی و تحویل نرم‌افزارها را نیز خودکارسازی کنند؛ اقدامی که از اتلاف حجم عظیمی از زمان و هزینه برای کارهای دستی و طاقت‌فرسا جلوگیری می‌نماید. در نتیجه، چرخه‌ای تکرارپذیر و مقیاس‌پذیر شکل می‌گیرد که انتشار منظم و بدون وقفه برنامه‌ها را برای کاربران میسر می‌سازد.

راهکارهای رهایی از دام دگرگونی شتاب‌زده

در مواجهه با این حجم از فشارهای بیرونی، رهایی از دام تحول شتاب‌زده پیش از هر چیز نیازمند تغییر نگرش است؛ تغییری که از یک‌سو تحول را مسئله‌ای دائمی و نیازمند مدیریت پیوسته می‌داند و از سوی دیگر، مانع از اجرای هم‌زمان چندین پروژه نوآورانه سنگین می‌شود.

تغییرات کوچک و تدریجی نه‌تنها دستاوردهای ملموس‌تری خلق می‌کنند و پیاده‌سازی و یکپارچگی بی‌نقص سیستم‌ها را تضمین می‌نمایند، بلکه ظرفیت ذهنی و عملیاتی تیم‌های IT را برای مقابله با تغییرات اضطراری و پیش‌بینی‌نشده آزاد می‌گذارند.

با اولویت دادن به دیده‌پذیری و شفافیت در زیرساخت، تیم‌ها خطرات را پیش از بحرانی شدن شناسایی می‌کنند و نیاز به ارتقای سیستم‌ها را به‌موقع پاسخ می‌دهند. همچنین با خودکارسازی فرآیندهایی نظیر بسته‌بندی نرم‌افزارها، تحولات روزمره با سرعت و امنیت بالاتری انجام می‌شوند و مهندسان می‌توانند با تمرکز بیشتری پروژه‌های نوآورانه را پیش ببرند.

با پیوند دادن این رویکردها، سازمان‌ها به‌جای دست‌وپنجه نرم کردن با موجی افسارگسیخته از دگرگونی‌ها که امنیت و پایداری را به خطر می‌اندازد، می‌توانند تغییرات را به موتور محرکه‌ای قدرتمند برای افزایش تاب‌آوری، ارتقای امنیت و خلق نوآوری‌های پایدار تبدیل کنند.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

چت‌بات‌ها چهره‌دار می‌شوند؛ آیا آواتارهای شبه‌انسانی اعتماد ما به هوش مصنوعی را بیشتر می‌کنند؟
آخرین اخبار

چت‌بات‌ها چهره‌دار می‌شوند؛ آیا آواتارهای شبه‌انسانی اعتماد ما به هوش مصنوعی را بیشتر می‌کنند؟

با مجهز شدن چت‌بات‌ها و ایجنت‌های هوش مصنوعی به چهره‌های شبه‌انسانی، این پرسش مطرح می‌شود که آیا ظاهر انسانی واقعاً اعتماد کاربران را افزایش می‌دهد؟ کارشناسان معتقدند درک واقعی دغدغه‌های کاربر و ایجاد حس آشنایی، نقشی بسیار عمیق‌تر از چهره‌های واقع‌گرایانه در اعتمادسازی ایفا می‌کنند.

۱۰ دقیقه مطالعه
۰
۲۸ مهر
دیپسیک موتور اختصاصی اجرای مدل V4.1-Flash را با نام DeepInfer متن‌باز کرد
آخرین اخبار

دیپسیک موتور اختصاصی اجرای مدل V4.1-Flash را با نام DeepInfer متن‌باز کرد

شرکت دیپسیک فریمورک پردازشی DeepInfer و کتابخانه deepseek-recipe را به‌صورت متن‌باز منتشر کرد تا معماری زیرساخت اجرای مدل V4.1-Flash در دسترس عموم قرار گیرد. این اقدام دو بخش کلیدی از سرویس ابری این شرکت شامل نحوه اجرای مدل روی سخت‌افزار و استانداردسازی ارتباط با API را شفاف می‌سازد.

۵ دقیقه مطالعه
۰
۲۸ مهر
تحول مصاحبه‌های استخدامی گوگل با هوش مصنوعی؛ سنجش تسلط به ابزارهای AI برای مهندسان نرم‌افزار اجباری شد
آخرین اخبار

تحول مصاحبه‌های استخدامی گوگل با هوش مصنوعی؛ سنجش تسلط به ابزارهای AI برای مهندسان نرم‌افزار اجباری شد

اسناد داخلی فاش‌شده نشان می‌دهند گوگل در حال متحول‌کردن فرایند مصاحبه‌های استخدامی مهندسان نرم‌افزار است. غول فناوری اکنون تسلط به ابزارهای هوش مصنوعی را به معیاری ضروری تبدیل کرده و به متقاضیان اجازه می‌دهد حین مصاحبه از مدل هوش مصنوعی Gemini استفاده کنند.

۳ دقیقه مطالعه
۰
۲۸ مهر