مدیران اتلسین از انقلاب در کار تیمی می‌گویند: وقت هوش مصنوعی چندنفره و مهار آشوب ایجنت‌هاست!

شکی نیست که هوش مصنوعی حسابی دنیای کار را زیر و رو کرده؛ حالا دیگر در خیلی از شرکت‌ها کارمندان دوشادوش ایجنت‌های هوشمند کار می‌کنند تا سرعت و بهره‌وری را به اوج برسانند.

اما برای خیلی از سازمان‌ها، وعده‌های پر زرق‌وبرق هوش مصنوعی هنوز زیر بار سنگین سردرگمی‌ها دفن شده است. با این همه مدل هوش مصنوعی جورواجور که تقریباً هر هفته هم نسخه جدیدی از آن‌ها از راه می‌رسد، واقعاً از کجا باید فهمید کدام مدل برای کسب‌وکار ما مناسب‌تر است؟

یکی از داغ‌ترین بحث‌های رویداد اخیر «تیم اروپا ۲۶» (Atlassian Team Europe 26) دقیقاً همین بود: چطور شرکت‌ها می‌توانند از میان این همه آشوب مسیرشان را پیدا کنند و به اهداف واقعی خود برسند؟ در ادامه، گفت‌وگوی جذاب با مدیران ارشد هوش مصنوعی شرکت اتلسین (Atlassian) را مرور می‌کنیم تا ببینیم آن‌ها چه برنامه‌ای برای این چالش دارند.

قدرت کار تیمی و ورود به عصر هوش مصنوعی چندنفره

تامار یهوشوا (Tamar Yehoshua)، مدیر ارشد محصول و هوش مصنوعی اتلسین در این رویداد می‌گوید: «تمام فلسفه و هویت اتلسین دور محور کار تیمی می‌چرخد؛ رسالت اصلی ما این است که قدرت واقعی تیم‌ها را شکوفا کنیم.»

او در ادامه توضیح می‌دهد: «همه ما این روز‌ها از ایجنت‌های هوش مصنوعی استفاده می‌کنیم، اما واقعیت این است که اکثر این ایجنت‌ها برای استفاده‌های فردی طراحی شده‌اند و برای کار‌های تیمی کارایی و سازمان‌دهی لازم را ندارند. ما دقیقاً دست روی همین نقطه ضعف گذاشته‌ایم و می‌پرسیم: چطور می‌توان هوش مصنوعی و کار تیمی را به مؤثرترین شکل ممکن با هم ترکیب کرد؟ پاسخ در مفهوم "هوش مصنوعی چندنفره" (Multiplayer AI) نهفته است؛ یعنی می‌خواهیم کاری کنیم که همکاری شما با ایجنت‌ها درست مثل همکاری صمیمی و روان با بقیه همکاران انسانی‌تان در تیم باشد.»

این ایده «هوش مصنوعی چندنفره» یکی از ستاره‌های رویداد بود؛ جایی که اتلسین تلاش کرد جایگاه خودش را به عنوان پلی میان نیازهای واقعی مشتریان و فناوری‌های پیشرفته تثبیت کند.

شریف منصور (Sherif Mansour)، مدیر بخش هوش مصنوعی اتلسین، با اشاره به ماهیت پیچیده کار‌های گروهی می‌گوید: «کار تیمی اصولاً پر از بی‌نظمی و آشوب است. وظیفه اصلی ما در اتلسین این است که این بی‌نظمی را به حداقل برسانیم و محیط کار را برای مشتریان‌مان شفاف، قابل فهم و تحت کنترل کنیم.»

منصور اضافه می‌کند: «بخش عمده‌ای از تمرکز هوش مصنوعی امروز فقط روی بهره‌وری فردی خلاصه شده، در حالی که ما همان مشکلاتی را که همیشه برای اعضای انسانی تیم‌ها حل می‌کردیم، حالا داریم برای ایجنت‌ها هم حل می‌کنیم.»

یهوشوا در ادامه می‌گوید: «با هر مشتری که صحبت می‌کنیم، می‌بینیم همه مشغول استفاده از هوش مصنوعی هستند. دیگر بحث سر این نیست که "آیا باید سراغش برویم؟" یا "چه کار کنیم؟"؛ این مرحله را پشت سر گذاشته‌ایم. چالش اصلی شرکت‌ها حالا این است که مطمئن نیستند دارند درست و مؤثر از آن استفاده می‌کنند یا اصلاً به حداکثر نرخ بازگشت سرمایه (ROI) رسیده‌اند یا نه.»

او این مسیر را با چرخه‌های فناوری‌های قبلی مقایسه می‌کند: «هر فناوری جدیدی که می‌آید، اول موجی از تردید و بدبینی شکل می‌گیرد، بعد کنجکاوی گل می‌کند، سپس نوبت پذیرش عمومی می‌رسد و در نهایت همه به فکر بهینه‌سازی می‌افتند. ما دوران کنجکاوی و پذیرش اولیه را رد کرده‌ایم و حالا سؤال بزرگ این است: چطور می‌توانیم استفاده از هوش مصنوعی را بهینه‌تر و اثرگذارتر کنیم؟»

او اشاره می‌کند که مدیران شرکت‌ها در سطوح مختلفی دچار اضطراب شده‌اند؛ چرا که سیل پایان‌ناپذیر مدل‌های جدید هوش مصنوعی حسابی آن‌ها را گیج کرده است، به‌ویژه با توجه به این‌که باید انعطاف‌پذیری لازم را برای همگام شدن با هر مدل تازه‌نفس حفظ کنند.

یهوشوا تأکید می‌کند شرکت‌ها اصلاً دلشان نمی‌خواهد برای تسک‌های پیش‌پاافتاده از مدل‌های فوق‌العاده سنگین و گران‌قیمت استفاده کنند؛ چیزی که شریف منصور آن را با کنایه «کشتن پشه با موشک‌انداز!» توصیف می‌کند. بنابراین، انتخاب مدل مناسب برای هر کار مشخص، حیاتی‌ترین بخش ماجراست.

در همین راستا، درگاه هوش مصنوعی اتلسین (AI Gateway) طوری طراحی شده که درون محصولاتش بهترین مدل را بر اساس نیاز انتخاب کند. به عنوان مثال، در ابزار رووو (Rovo)، اگر مدل قدرتمندتری عرضه شود، سیستم به طور خودکار به آن مدل جدید سوییچ می‌کند، بدون این‌که کاربر حتی متوجه این جابه‌جایی پشت‌صحنه شود؛ البته کاربران در صورت تمایل همچنان می‌توانند مدل دلخواه خودشان را دستی انتخاب کنند.

یهوشوا همچنین به قابلیت‌های جدید پلتفرم لوم (Loom) اشاره کرد که حالا می‌تواند از روی پول‌ریکوئست‌ها (Pull Requests) به طور خودکار ویدیو تولید کند. علاوه بر این، ایجنت‌های هوش مصنوعی مجهز به Rovo می‌توانند با دسته‌بندی باگ‌ها و مشکلات، گزارش‌های تکراری و مزاحم را تا حد چشمگیری کاهش دهند.

خبری از معجزه یک‌شبه و گلوله نقره‌ای نیست!

شریف منصور درباره شتاب‌زدگی‌های رایج بازار می‌گوید: «هوش مصنوعی برای خیلی از ما شبیه یک آشوب و هرج‌ومرج تمام‌عیار به نظر می‌رسد، اما فکر نمی‌کنم راه‌حل این باشد که یک "گلوله نقره‌ای" (یک داروی معجزه‌آسای جادویی) دست شرکت‌ها بدهیم تا ادعا کنیم تمام مشکلاتشان یک‌شبه حل می‌شود!»

او اضافه می‌کند: «ما ترجیح می‌دهیم به جای وعده‌های توخالی، برای تیم‌ها یک "سیستم عصبی" بسازیم تا توانایی مدیریت این وضعیت را داشته باشند. تمام دغدغه ما این است که چطور می‌توانیم به این حجم از آشوب، آرامش، شفافیت و قدرت کنترل تزریق کنیم.»

منصور به شرکت‌ها توصیه می‌کند تمام تخم‌مرغ‌هایشان را در سبد یک ارائه‌دهنده خاص برای نمودار کانتکست (Context Graph) خود نگذارند؛ چرا که ارزش واقعی زمانی رقم می‌خورد که شما با ارائه‌دهندگان و منابع مختلف داده همکاری کنید تا فرصت‌ها و بینش‌های متنوع‌تری به دست آورید.

او می‌گوید: «خیلی‌ها در بازار ادعای راه‌حل‌های معجزه‌آسا دارند، اما کم‌تر کسی از پیچیدگی‌ها و شلختگی‌های ذاتی کار‌های تیمی حرف می‌زند. اصل داستان این است که سیستمی بسازید تا روی این آشوب کنترل داشته باشید؛ آشوب همیشه وجود خواهد داشت، اما مهم این است که چقدر به آن آگاه و مسلط هستید.»

به تعبیر جالب او: «هدف ما این نیست که کار تیمی را بی‌نقص و بی‌عیب کنیم، بلکه هدفمان این است که بی‌نظمی و شلختگی آن را بسیار کم‌تر کنیم.»

در ادامه، از یهوشوا درباره تجربه و استفاده شخصی خودش سؤال شد؛ این‌که آیا او خود تسلیم این آشوب هوش مصنوعی شده یا موفق شده آن را برای بیش‌ترین بازدهی رام کند؟

او پاسخ می‌دهد: «من قبل از انجام هر کاری، اول از خودم می‌پرسم: آیا این فرآیندی است که بتوانم تغییرش دهم؟ وقتی به نحوه عملکرد هوش مصنوعی نگاه می‌کنید، می‌بینید بزرگ‌ترین چالش در حقیقت "تغییر رفتار" آدم‌هاست. همیشه به مشتریان می‌گویم ابزار‌هایی که همین حالا در اختیار دارید قدرت فوق‌العاده‌ای دارند؛ ایجاد این تغییر رفتار بسیار حیاتی است، اما حتماً باید از لایه‌های مدیریتی بالا به پایین هدایت شود.»

اما چطور باید مراقب بود که زیاده‌روی نکنیم و تمام کار‌های شرکت را چشم‌بسته به اتوماسیون نسپاریم؟

یهوشوا در این‌باره می‌گوید: «به نظرم چاره‌ای جز آزمون و خطا نیست؛ ما چیز‌های مختلف را امتحان می‌کنیم و شاید بعضی از آن‌ها جواب ندهد، اما صادقانه بگویم هنوز به آن مرحله نرسیده‌ایم که این موضوع به یک بحران تبدیل شود.» او یادآور می‌شود که سازمان‌های بزرگ چارچوب‌ها و سازوکارهای حفاظتی (Guardrails) کافی در اختیار دارند تا مطمئن شوند همیشه یک نیروی انسانی ناظر در زنجیره حضور دارد و پاسخ‌های تولیدی کاملاً قابل اعتماد هستند.

در یکی از بخش‌های آغازین رویداد، مایک کانن-بروکس (Mike Cannon-Brookes)، مدیرعامل و هم‌بنیان‌گذار اتلسین، جمله جالبی گفته بود: «مشتریان برای نرم‌افزاری که تا امروز ساخته‌ایم پول اشتراک نمی‌دهند، بلکه برای نرم‌افزاری که در آینده خواهیم ساخت با ما همراه شده‌اند.»

در نگاه اول شاید چنین اظهارنظری زیادی جسورانه و آینده‌نگرانه به نظر برسد، اما با نگاهی به تمرکز اتلسین روی همکاری و کار تیمی، کاملاً منطقی و درست به نظر می‌رسد.

یهوشوا می‌گوید: «سرعت توسعه و تحویل محصول به شکل چشمگیری سرسام‌آور شده است. طبیعی است که بخواهید با شرکت‌هایی هم‌مسیر شوید که دیدگاهی مشترک با شما دارند. از طرفی چون همه‌چیز و مخصوصاً مدل‌ها با سرعت نور در حال تغییرند، کسب‌وکارها انعطاف‌پذیری بیشتری می‌خواهند و به هیچ وجه دلشان نمی‌خواهد در یک اکوسیستم انحصاری قفل شوند (Vendor Lock-in). ما یک پلتفرم بی‌طرف و باز هستیم که هدفمان ساده کردن کار برای مشتریان است و همیشه روی موفقیت تیم تمرکز داشته‌ایم.»

او اضافه می‌کند: «بزرگ‌ترین برگ برنده ما، خود پلتفرم اتلسین است. قدرت واقعی کار ما اینجاست که مشتریان در بخش‌های بسیار متنوعی از کار‌های روزمره‌شان به محصولات ما تکیه می‌کنند.»

کار بیشتر، دستاوردهای بزرگ‌تر با هوش مصنوعی

با نگاهی به آینده، کاملاً واضح است که هوش مصنوعی آمده تا بماند؛ حالا این خود کسب‌وکارها هستند که باید تصمیم بگیرند چطور به بهترین شکل ممکن آن را به آغوش بکشند.

یهوشوا در پایان می‌گوید: «فکر می‌کنم حالا افراد بیشتری قدرت پیدا کرده‌اند تا کار‌های بزرگ‌تری انجام دهند. این روز‌ها هر کسی می‌تواند به سادگی یک نمونه اولیه (پروتوتایپ) بسازد؛ البته این به آن معنا نیست که اجازه دهیم هر کدی مستقیماً وارد محیط عملیاتی (Production) شود؛ بنابراین همچنان به دستورالعمل‌های بسیار شفاف و سفت‌وسخت نیاز دارید. اما زیبایی ماجرا دموکراتیزه شدن نوآوری است؛ این‌که ایده‌ها می‌توانند از هر جایی سر برآورند و گزینه‌های بی‌شماری برای توسعه چرخه کاری در برابرتان قرار بگیرد.»

او تأکید می‌کند: «جهان‌ها در حال گسترش هستند؛ قرار نیست همه‌چیز در یک قالب واحد ادغام شود، اما همه افراد توانایی انجام کار‌های بیشتری را پیدا می‌کنند. هر نقشی می‌تواند شتاب بگیرد و کار‌های بزرگ‌تری را رقم بزند.»

شریف منصور هم با تأیید این نگاه، اشاره می‌کند که بهره‌گیری از قدرت کانتکست (زمینه‌سازی در داده‌ها) برگ برنده نهایی هر کسب‌وکار در برابر رقبایش خواهد بود.

منصور در سخن پایانی خود می‌گوید: «اگر همه ما به یک هوش مصنوعی مشترک دسترسی داشته باشیم، زمین بازی یکدست و برابر می‌شود و خروجی‌ها شبیه یک میانگین کلی خواهد شد. آن‌چه شما را واقعاً متمایز و برنده می‌کند، زاویه دید، بینش اختصاصی و کانتکستی است که پای میز مذاکره می‌آورید. مشتریان ما زمانی می‌درخشند که کانتکست اختصاصی داده‌هایشان بدرخشد؛ بنابراین هر کاری که انجام دهیم تا به غنی‌تر شدن، درک بهتر و انتقال امن این داده‌ها به هوش مصنوعی کمک کند، مستقیماً به نتایج درخشان‌تر برای آن‌ها ختم خواهد شد.»