اوراکل کار‌ها را به ایجنت‌های هوش مصنوعی سپرد؛ اما فقط در زمین‌بازی خودش!

به گفته تحلیلگران، ران‌تایم جدید اوراکل با نام Fusion Claw می‌تواند کنترل بسیار بیشتری روی ایجنت‌های هوش مصنوعی به مشتریان بدهد؛ ایجنت‌هایی که وظیفه خودکارسازی فرایندهای سازمانی را بر عهده دارند. با این حال، کارشناسان هشدار می‌دهند که پذیرش این فناوری هنوز در مراحل ابتدایی است و مشتریان ممکن است بیش از پیش در دام وابستگی شدید به برنامه‌ها و فضای ابری اوراکل گرفتار شوند.

اوراکل (معروف به غول سرخ دنیای فناوری) پس از اینکه در ماه مارس گذشته وعده ساخت «برنامه‌هایی با توانایی استدلال، تصمیم‌گیری و اقدام در راستای اهداف مشخص تجاری» را داده بود، حالا از ران‌تایمی رونمایی کرده که فعالیت این ایجنت‌ها را مدیریت می‌کند؛ سیستمی که مستقیماً روی بستر ابری اوراکل اجرا می‌شود و کاملاً با نرم‌افزارهای ابری Fusion هماهنگ است.

اوراکل با معرفی Fusion Claw، بخش‌های برنامه‌ریزی منابع سازمانی (ERP)، امور مالی و مدیریت زنجیره تأمین را در نرم‌افزارهای ابری Fusion (مستقر روی زیرساخت ابری اوراکل یا OCI) هدف گرفته است. این ابزار از مدل‌های مرزی و پیشرفته هوش مصنوعی، از جمله مدل‌های گوگل و OpenAI نیرو می‌گیرد و قرار است به مرور زمان از مدل‌های دیگر نیز پشتیبانی کند.

مایک سیسیلیا، از مدیران ارشد اوراکل، اعلام کرد که این شرکت به دنبال حل یکی از بزرگ‌ترین چالش‌های مدیران است: به دست آوردن «ارزش ملموس و قابل‌اندازه‌گیری برای کسب‌وکار» از سرمایه‌گذاری‌های سنگین روی هوش مصنوعی.

او در این باره گفت: «Fusion Claw با عبور از مرحله دستیار ساده و حرکت به سمت اجرای واقعی کارها، به این دغدغه پاسخ می‌دهد؛ قابلیتی که به مشتریان امکان می‌دهد با برخورداری از یک حاکمیت سازمانی قدرتمند، کار‌های پیچیده‌تر را در حیاتی‌ترین فرایندهای تجاری خود خودکار کنند.»

تحلیلگران از این اقدام استقبال کرده‌اند و آن را مسیری مطمئن می‌دانند که در پیاده‌سازی ایجنت‌های هوش مصنوعی روی برنامه‌های ابری Fusion، کنترل و آسودگی خاطر لازم را به مشتریان می‌دهد.

مؤسسه پژوهشی گارتنر در تحلیل اولیه خود از Fusion Claw اشاره کرده که این فناوری به جای اجرای اسکریپت‌های محلی دسکتاپ یا پرامپت‌های چت‌بات، راهکاری برای ارائه «کانتینرهای ایزوله جهت اجرای بهینه‌سازی‌های سنگین زنجیره تأمین و تطبیق دفترهای کل فرعی در چارچوب سیاست‌های کاملاً مشخص» است.

گارتنر در این گزارش تأکید می‌کند: «اوراکل به جای اینکه هوش مصنوعی را صرفاً به عنوان یک کوپایلوت جانبی یا پوسته گرافیکی به سیستم‌های پردازش تراکنش قدیمی وصله کند، در حال بازسازی بنیاد نرم‌افزارهای خود حول محور گردش‌کارهای بومی مبتنی بر ایجنت است.»

این مؤسسه تحلیلگر معتقد است سایر ارائه‌دهندگان خدمات سازمانی هم باید از این اقدام الگو بگیرند؛ زیرا مشتریان باید از رابط‌های کاربری مبتنی بر پرامپت و چت‌بات‌های حاشیه‌ای فاصله بگیرند؛ ابزار‌هایی که فقط به درد ورود داده‌های روتین و اتوماسیون‌های ابتدایی می‌خورند و «بازدهی رو به کاهشی» دارند که هرگز هزینه‌های هنگفت هوش مصنوعی در سازمان‌ها را توجیه نمی‌کند.

به گفته گارتنر: «قدرت اسب بخار هوش مصنوعی باید به سمت پیچیده‌ترین چالش‌های عملیاتی نشانه برود؛ چالش‌هایی که قبلاً در سیستم‌های اصلی ERP قابل حل نبودند، مانند شفافیت چندسطحی زنجیره تأمین، طراحی شبکه، برنامه‌ریزی فروش و عملیات (S&OP)، مسیریابی لجستیک و بهینه‌سازی بارگیری.»

با این وجود، سازمان‌هایی که قصد راه‌اندازی چنین برنامه‌های عظیمی را دارند با سد بزرگی به نام هزینه‌ها روبه‌رو می‌شوند؛ چرا که استفاده از مدل‌های زبانی بزرگ (LLM) برای پردازش هزاران یا میلیون‌ها «رکورد تراکنشی، اقلام فاکتور یا متغیرهای محدودکننده، در مقیاس سازمانی خیلی سریع از نظر مالی توجیه‌ناپذیر می‌شود.»

اما اوراکل با تفکیک هوشمندانه فرایند «استدلال» از «محاسبات»، این مشکل را دور زده است. به تحلیل گارتنر، ایجنت هوش مصنوعی تنها یک‌بار بستر را ارزیابی می‌کند، ابزار‌ها را کنار هم می‌چیند و منطق اجرا را تعیین می‌کند. سپس محاسبات سنگین و بهینه‌سازی‌های چندمتغیره به موتورهای محاسباتی قطعی واگذار می‌شود تا «از عبور میلیون‌ها رکورد از پنجره پرهزینه کانتکست مدل‌های زبانی جلوگیری شود.»

همچنین کانتینرهای ایزوله محدودیت‌های اختیارات مشخص، وضعیت اشیای تجاری و دستورالعمل‌های سیاستی دقیقی را اعمال می‌کنند. گارتنر می‌افزاید که پس از اجرا، سیستم نشانه‌هایی ثبت می‌کند تا در دفعات بعدی از مسیرهای تکراری صرف‌نظر شده و مصرف توکن به حداقل برسد.

اوراکل در حال حاضر برنامه‌های از‌پیش‌آماده‌ای را ارائه می‌دهد که شامل مواردی مثل ارتقای آمادگی دفاتر مالی، برنامه‌ریزی تأمین نیروی انسانی و یکپارچه‌سازی ارسال مرسولات است.

گارتنر توصیه می‌کند که سازمان‌ها سیستم Fusion Claw را در درخواست‌های مناقصه (RFP) برای استقرار ایجنت‌های هوش مصنوعی لحاظ کنند؛ هرچند پاتریک کاناتون، مدیر بخش تحقیقات نرم‌افزارهای سازمانی گارتنر، هشدار داده که Fusion Claw «هنوز تا حد زیادی در مرحله آزمایشی اولیه قرار دارد.»

مؤسسه پژوهشی معتبر فارستر (Forrester) نیز از معرفی Fusion Claw که با مدل‌های قیمت‌گذاری به‌ازای هر کاربر یا کارمند و همچنین مدل‌های مبتنی بر مصرف ارائه می‌شود، استقبال کرده است.

کریگ لو کلر، تحلیلگر ارشد فارستر، در این خصوص می‌گوید: «شرایط تجاری این سرویس با رویکرد هجومی صنعت فناوری همخوانی دارد. از دید ما، قبل از اینکه بتوان به سیستم‌های مبتنی بر ایجنت اعتماد کرد تا ابزار‌ها و الگوهای فرایندی را مستقل از خواست و قصد طراح بسازند، باید مسائل مربوط به اعتماد را حل کنیم.»

با این حال، بر خلاف دیدگاه کاملاً بسته و اوراکل‌محور در Fusion Claw، سازمان‌های امروزی از محیط‌های چندگانه و ترکیبی بهره می‌برند؛ محیط‌هایی که در آن‌ها ایجنت‌های هوش مصنوعی در پلتفرم‌های ابری مختلفی مثل سیلزفورس و اوراکل، بسترهای مدیریت فرایند مانند Pega یا UiPath و فریم‌ورک‌هایی نظیر لانگ‌چین (LangChain) توسعه می‌یابند.

او توضیح می‌دهد: «حوزه‌های ابری مثل اوراکل برای عملکردهای عمومی‌تر و غیرمتمایز که شناخت کاملی از آن‌ها دارند بهترین گزینه هستند؛ در حالی که برای ساخت ایجنت‌های سفارشی پیچیده‌تر و تحول‌آفرین، باید به سراغ فریم‌ورک‌های اختصاصی ایجنت و پلتفرم‌های ابری غول‌های فناوری رفت.»

مسئله قفل شدن یا وابستگی اجباری به یک فروشنده (Vendor Lock-in) یک چالش اساسی است. در حالی که این سیستم از پروژه متن‌باز OpenClaw الهام گرفته، اما نسخه اوراکل کاملاً اختصاصی است و اتصالی ناگسستنی با پلتفرم ابری Fusion و زیرساخت OCI دارد. لو کلر می‌گوید: «معماران سازمانی نقشی کلیدی برای جلوگیری از این قفل‌شدگی دارند؛ آن‌ها با بررسی مواردی مثل محل نگهداری داده‌ها و نیاز به یکپارچگی‌های خارجی راهنمایی می‌کنند که چه زمانی باید یک ابر اختصاصی را به بسترهای بازتر ترجیح داد. البته اگر قدرت آن بخش ابری به اندازه کافی بالا باشد، شاید بتوان با این وابستگی کنار آمد.»

سازمان‌هایی که از قبل سرمایه‌گذاری سنگینی روی زیرساخت‌های اوراکل انجام داده‌اند، احتمالاً از نظارت دقیق‌تر و هزینه‌های عملیاتی بالقوه پایین‌تر استقبال خواهند کرد. اما برای مجموعه‌هایی که از ترکیب متنوعی از ارائه‌دهندگان ابری استفاده می‌کنند، توجیه این پیوند اجباری با بستر Fusion و زیرساخت OCI به مراتب دشوارتر خواهد بود.