ورود پر سر و صدای اوراکل به دنیای ایجنت‌ها؛ «فیوژن کلا» چطور مشکل گرانی و کندی هوش مصنوعی را حل می‌کند؟

یک ایجنت هوش مصنوعی شاید آن‌قدر زرنگ و بااستعداد باشد که از پس کارهای مختلف بربیاید، اما مسئله اصلی اینجاست که اجرای آن ممکن است فوق‌العاده گران تمام شود! کافی است یک میلیون سند حسابداری را جلویش بگذارید تا ببینید دوام آوردن از نظر اقتصادی چقدر سخت می‌شود. اگر قرار باشد یک مدل زبانی روی تک‌تک این اسناد جداگانه فکر و استدلال کند، شرکت بیچاره باید دست روی دست بگذارد تا کار تمام شود و در عین حال هزینه‌های پردازش ثانیه‌به‌ثانیه سر به فلک بکشد.

پاسخ اوراکل به این دردسر بزرگ، سیستمی به نام «فیوژن کلا» (Fusion Claw) است؛ محیط اجرایی جدیدی که طراحی شده تا انجام کارهای پیچیده هوش مصنوعی را در نرم‌افزارهای سازمانی کاملاً مقرون‌به‌صرفه کند. این سیستم با الهام از ایده پروژه «اوپن‌کلا» (OpenClaw) مبنی بر اختصاص یک اکوسیستم محاسباتی مستقل به هر ایجنت، محیطی کاملاً ایزوله می‌سازد که در آن ایجنت‌ها می‌توانند طبق قوانین و دسترسی‌های تعیین‌شده از طرف کاربر، کارهای تخصصی را پیش ببرند. سازوکار کار هم خیلی ساده و هوشمندانه است: هوش مصنوعی نقشه راه را می‌کشد، ابزارهای لازم برای اجرا را دور هم جمع می‌کند و سپس اجرای عملیات را به محاسبات قطعی و سنتی کامپیوتر می‌سپارد؛ به این ترتیب دیگر لازم نیست برای هر ضرب و تقسیم ساده، دوباره به سراغ مدل زبانی رفت و هزینه تراشید.

این غول فناوری شرط بسته که با جدا کردن «مرحله تفکر هوش مصنوعی» از «مرحله اجرا»، اتوماسیون وظایفی که تا امروز نیازمند متخصصان انسانی بوده بالاخره توجیه اقتصادی پیدا می‌کند. اما سؤال مهم این است: شرکت‌ها تا چه اندازه می‌توانند با خیال راحت وظایفشان را به این ایجنت‌ها بسپارند قبل از اینکه پای یک متخصص وسط بیاید و برنامه‌ریزی را زیر ذره‌بین بگذارد؟

مایک سیسیلیا، مدیرعامل اوراکل، این سیستم را فرصتی طلایی برای کاربردی‌تر کردن نرم‌افزارهای سازمانی می‌داند.

او در این باره می‌گوید: «امروزه کارمندان هنوز وقت زیادی را صرف بیرون کشیدن داده‌ها از سیستم‌ها، تحلیل آن‌ها، تصمیم‌گیری و سپس برگشتن به همان سیستم‌ها برای اعمال تغییرات می‌کنند. با فیوژن کلا، ایجنت‌های هوش مصنوعی می‌توانند بخش بزرگی از این فرایند را خودشان دست بگیرند و در عین حال، به هر میزانی که مشتری بخواهد، نظارت انسانی را هم در زنجیره کار حفظ کنند.»

سیسیلیا توضیح می‌دهد که مجموعه ابری فیوژن بهترین فضا برای فعالیت این ایجنت‌ها است، چرا که تمام داده‌های مالی و قوانین تجاری شرکت‌ها از قبل همان‌جا نشسته است. کنترل‌های امنیتی و دسترسی‌های موجود مشخص می‌کنند که ایجنت‌ها اجازه استفاده از چه چیزهایی را دارند؛ مشتری‌ها هم تعیین می‌کنند کدام کارها خودکار انجام شود و کدام کارها حتماً نیاز به تأیید انسان داشته باشد. به گفته او، همین مرزها باعث می‌شود هوش مصنوعی با اطمینان کارهای بیشتری را جلو ببرد، بار کاری پرسنل سبک‌تر شود و پرسنل وقت کافی برای حل چالش‌ها، خدمت به مشتری و نوآوری داشته باشند.

برای خود اوراکل، این دستاورد می‌تواند موتور محرک بزرگی برای رشد تجارت نرم‌افزاری‌اش باشد. در سه ماهه اول سال مالی ۲۰۲۷، بخش برنامه‌های کاربردی فیوژن با رشد سالانه ۱۴ درصدی روبه‌رو شد. درآمد بخش اپلیکیشن‌های ابری به ۴.۲ میلیارد دلار (با رشد ۱۰ درصدی) و زیرساخت‌های ابری به ۷.۴ میلیارد دلار (با جهش فوق‌العاده ۱۲۱ درصدی) رسید.

کریس لئون، معاون ارشد توسعه برنامه‌های اوراکل، در گفتگویی اختصاصی درباره این فناوری می‌گوید: «فیوژن کلا ادامه‌دهنده راهی است که اپلیکیشن‌های ایجنتی ما از قبل شروع کرده بودند؛ اما حالا این قدرت را به انجام کارهای تخصصی‌تری تعمیم می‌دهد که در گذشته نیروهای انسانی همیشه خارج از سیستم انجام می‌دادند.»

مشتریان اوراکل هم‌اکنون به طور گسترده از هوش مصنوعی یکپارچه این شرکت استفاده می‌کنند. بر اساس آمارهای منتشرشده، مصرف هوش مصنوعی این پلتفرم در سه ماهه گذشته رشد فصلی ۴۲ درصدی را ثبت کرده و فعالیت ایجنت‌های فعال در محیط‌های عملیاتی تقریباً دو برابر شده است؛ آماری خیره‌کننده که البته به دوران قبل از فیوژن کلا مربوط می‌شود و نشان‌دهنده اشتیاق بالای بازار به این سمت‌وسو است.

گسترش ایجنت‌ها به دل کارهای فوق‌تخصصی سازمانی

مجموعه ابری فیوژن در واقع هسته مرکزی و سیستم نگهداری اسناد تجاری شرکت اوراکل است. اپلیکیشن‌های ایجنتی این پلتفرم که اسفندماه سال گذشته معرفی شدند، کارها را بر اساس نتایج تجاری مرتب می‌کنند. اوراکل حالا از ۲۵ اپلیکیشن جدید مجهز به کلا رونمایی کرده که کارهایی مثل تراز دفاتر مالی، مدیریت شیفت‌های کاری پرسنل، هماهنگی حمل‌ونقل و برنامه‌ریزی قلمرو فروش را پوشش می‌دهند. اوراکل کل سبد اپلیکیشن‌های ایجنتی خود را ۷۵ برنامه اعلام کرده و دست شرکت‌ها را باز گذاشته تا با استفاده از پلتفرم Oracle AI Agent Studio ایجنت‌های دلخواه خودشان را طراحی کنند.

کریس لئون برای روشن شدن نحوه کار، مثال جالبی از مدیر یک بیمارستان زد که می‌خواهد ضریب اشغال پنج بیمارستان زیرمجموعه‌اش را روی ۹۵ درصد نگه دارد. این مدیر می‌تواند به پرستاران اجازه جابه‌جایی میان بیمارستان‌ها و تا سقف ۲۵ درصد اضافه‌کاری بدهد؛ یعنی دقیقاً همان محدودیت‌ها و قوانینی که کلا برای تنظیم برنامه کاری به آن‌ها نیاز دارد.

لئون می‌گوید: «در گذشته حل چنین چالشی نیازمند طراحی و کدنویسی یک ماژول نرم‌افزاری کاملاً جدید بود. اما حالا مسئله را همراه با کنترل‌های لازم تحویل کلا می‌دهیم تا به سمت هدفی که مشتری تعریف کرده حرکت کند. این سازوکار، توان اجرایی کاملاً متفاوتی را در اختیارمان می‌گذارد.»

اوراکل همچنین قول داده که در صورت تغییر شرایط، ایجنت‌ها به صورت لحظه‌ای نقشه کار را به‌روزرسانی کنند. پیش از این نرم‌افزارهای برنامه‌ریزی کارهای بهینه‌سازی را انجام می‌دادند، اما هنر واقعی کلا این است که برنامه را بدون نیاز به هل دادن دستی جلو می‌برد. لئون تأکید می‌کند: «کلا در بطن فیوژن و روی زیرساخت ابری اوراکل باقی می‌ماند و یک کانتینر اجرایی ایزوله ایجاد می‌کند، بدون اینکه مشتری نیازی به راه‌اندازی محیط‌های نرم‌افزاری جداگانه داشته باشد.»

فیوژن کلا چطور فکر کردن هوش مصنوعی را از اجرای کارها جدا می‌کند؟

کلا برای برنامه‌ریزی و طراحی نقشه‌ها از پیشرفته‌ترین مدل‌های هوش مصنوعی بازار از جمله جمینای گوگل (Google Gemini) و مدل‌های اختصاصی OpenAI استفاده می‌کند. لئون توضیح می‌دهد: «وجه تمایز فیوژن کلا با بقیه راه‌حل‌ها این است که ما یک ایجنت هماهنگ‌کننده را درون یک کانتینر ایزوله قرار می‌دهیم. وقتی هدف مورد نظر را دریافت کرد، با استفاده از توانایی‌های استدلالی هوش مصنوعی کل مأموریت را تحلیل کرده و طرح اجرایی‌اش را می‌ریزد.»

سپس ایجنت، ابزارهای لازم را جمع‌آوری کرده و کار را به بخش پردازش محاسباتی واگذار می‌کند: «ما سپس این ابزارها را به صورت قطعی اجرا می‌کنیم. در واقع یک کد مشخص و استاندارد ساخته می‌شود که می‌تواند روی حجم عظیمی از داده‌ها با دقتی بالا و هزینه‌ای فوق‌العاده ناچیز اجرا شود و نتیجه خواسته شده را تحویل دهد.»

لئون این رویکرد را در تقابل با پروتکل کانتکست مدل (MCP) و رابط‌های برنامه‌نویسی نرم‌افزار (API) قرار می‌دهد و استدلال می‌کند که روش‌های فعلی نتوانسته‌اند این سطح از اجرای تحت کنترل و محاسبات قطعی را در مقیاس‌های بزرگ رقم بزنند.

نکته جذاب دیگر این است که کلا نتایج مأموریت‌های موفق را ثبت و ضبط می‌کند. وقتی یک بار طرحی توسط شرکت تأیید می‌شود، در مأموریت‌های مشابه آینده به جای اینکه هوش مصنوعی دوباره از صفر فکر کند و هزینه بتراشد، از همان تجربه قبلی استفاده می‌کند. لئون مدعی است: «با این روش هزینه‌های اقتصادی و استدلالی هوش مصنوعی بیش از ۵۰ درصد کاهش پیدا می‌کند.» البته اوراکل هنوز بنچمارک رسمی یا جدول قیمت‌گذاری مشخصی برای کلا منتشر نکرده تا ببینیم این صرفه‌جویی در فاکتور نهایی مشتریان چقدر حس می‌شود.

الهام‌بخش لئون در این مسیر حتی فراتر از نرم‌افزارهای تجاری رفته است. او به محیط جدید شرکت متا به نام Muse اشاره می‌کند؛ جایی که یک ایجنت در یک کانتینر نشسته و تسک‌ها را اجرا می‌کند. از نگاه او، جدا کردن استدلال از اجرا ایده مشترکی است، اما نظارت و حاکمیت داده‌ها کاملاً متفاوت است: «این معماری و تفکیک فکر کردن از اجرا کاملاً به هم شبیه‌اند، اما ریشه همه آن‌ها به اوپن‌کلا برمی‌گردد؛ همان ایده‌ای که می‌گفت باید به هر ایجنت یک کامپیوتر اختصاصی بدهید.»

دیوار محافظتی هوش مصنوعی؛ بدون عقل و منطق انسانی نمی‌شود!

اوراکل چارچوب کنترلی مشتریان را «پوشش عملیاتی سازمانی» می‌نامد؛ سازوکاری که سیاست‌ها، اختیارات محول‌شده، مراحل تأیید و مرزهای حساسیت سیستم را تعریف می‌کند. ابزاری به نام Outcome Trust Harness این قواعد را روی تک‌تک مراحل اعمال می‌کند و رسیدی به نام Outcome Receipt صادر می‌شود تا کارفرما مو به مو ببیند چه اتفاقی افتاده و چه دلایلی پشت تصمیمات بوده است. به عنوان مثال، در پایان ماه مالی، کلا می‌تواند یک میلیون سند حسابداری را بررسی کند، مغایرت‌ها را درآورد و مدارک لازم را برای تصمیم‌گیری مدیر مالی آماده سازد؛ حتی می‌تواند تا سقف مشخصی خودش تراکنش ثبت کند.

لئون می‌گوید: «هیچ ایجنتی به اطلاعاتی خارج از حیطه دسترسی نقش‌محور خود دست پیدا نخواهد کرد.» شرکت‌ها می‌توانند فعالیت ایجنت را در حالت آزمایشی (Research Mode) قرار دهند تا فقط پیشنهاد بدهد، یا اینکه اجازه اجرای خودکار را صادر کنند. با این حال، همیشه یک سناریوی نگران‌کننده وجود دارد: اینکه برنامه‌ای تمام قوانین را مو به مو رعایت کند اما در نهایت یک تصمیم تجاری فاجعه‌بار باشد! مثلاً شاید تجمیع سفارش‌ها هزینه باربری را کم کند، اما سفارش ضروری یک مشتری حیاتی را به تعویق بیندازد و او را عصبانی کند.

در پاسخ به این پرسش که کلا چطور موقعیت‌هایی را که نیازمند عقل سلیم انسان هستند تشخیص می‌دهد، لئون پاسخ داد: «اگر ایجنت به یکی از خط قرمزها و مرزهای تعریف‌شده برسد، کار را متوقف می‌کند و از یک انسان می‌خواهد تصمیم نهایی را بگیرد. ما حالت پژوهشی هم داریم که در آن تمام محاسبات انجام شده و اقدامات پیشنهادی، آماده بررسی و تأیید نهایی انسان روی میز قرار می‌گیرد.»

البته ثبت گزارش‌ها لزوماً به این معنی نیست که تصمیم گرفته‌شده از لحاظ تجاری درست بوده است. به باور لئون، متخصصان از این پس باید وقت بیشتری بگذارند تا سیاست‌ها و قوانین بهتری برای ایجنت‌ها بنویسند و مسئولیت نتایج را بر عهده بگیرند. به عبارتی، مسئولیت به‌روز نگه‌داشتن قوانین و تشخیص موقعیت‌هایی که یک کارمند باتجربه را وادار به توقف می‌کرد، همچنان بر دوش شرکت‌هاست.

مسابقه داغ غول‌های نرم‌افزاری بر سر خودکارسازی شرکت‌ها

اوراکل امیدوار است که به لطف داده‌های تجاری و کنترل‌های پیش‌فرضش در فیوژن برنده این نبرد باشد، اما رقبای سرسختش هم بیکار ننشسته‌اند و مدعی‌اند پلتفرم‌های خودشان توانایی بالایی در تبدیل تفکر هوش مصنوعی به اقدامات واقعی دارند.

نزدیک‌ترین رقیب، شرکت آلمانی SAP است که دستیار Autonomous Close آن مستقیماً با اپلیکیشن دفترکل کلا در حل مغایرت‌های مالی رقابت می‌کند. پلتفرم شرکت SAP بیش از ۵۰ دستیار Joule دارد که بیش از ۲۰۰ ایجنت تخصصی را مدیریت می‌کنند. هر دو شرکت داده‌های زیرساختی و قوانین تجاری شرکت‌ها را در دل سیستم‌های خود دارند، بنابراین برگ برنده دست شرکتی خواهد بود که بتواند با اطمینان خاطر بیشتری وظایف حساس را به دوش ایجنت‌ها بیندازد.

از طرفی، ورک‌دی (Workday) روی منابع انسانی و امور مالی تمرکز کرده و شرکت‌هایی مثل مایکروسافت و سرویس‌ناو (ServiceNow) هماهنگ‌سازی ایجنت‌ها بین پلتفرم‌های مختلف را هدف گرفته‌اند. در نقطه مقابل، تمرکز اوراکل روی اجرای بومی همه چیز در داخل سیستم فیوژن است؛ جایی که دسترسی‌ها و اطلاعات از قبل مستقر هستند.

لئون نگران جزیره‌ای شدن سیستم‌های سازمانی است. او می‌گوید شاید یک ایجنت محصول جدیدی پیشنهاد کند، اما اگر متصل کردن نرم‌افزارها برای فروش آن ماه‌ها طول بکشد، فایده آن چقدر خواهد بود؟

او می‌افزاید: «به نظرم شرکت‌ها چاره‌ای جز یکپارچه‌سازی معماری داده‌ها و فرآیندهای تجاری‌شان نخواهند داشت. این یکپارچگی اجازه می‌دهد کارها به صورت خودکار در کل زنجیره اجرا شوند. اگر شرکت‌ها واقعاً به دنبال بازدهی بالا از هوش مصنوعی هستند، این تنها مسیری است که باید بروند.»

این دیدگاه کاملاً با جیب اوراکل هم همخوانی دارد؛ چرا که اگر این شیوه به ثمر بنشیند، مدیران دلیل بسیار محکمی پیدا می‌کنند تا همه کسب‌وکارشان را به اکوسیستم فیوژن منتقل کنند.

لئون صحبت‌هایش را با یک جمع‌بندی جالب به پایان می‌رساند: «اتصال ایجنت‌هایی که فقط می‌نشینند تصمیم می‌گیرند و می‌گویند چه کار کنید، تنها ۱۰ درصد ماجرا است! ۹۰ درصد بقیه فرصت‌های بهره‌وری در این است که آستین بالا بزنید و کار را در مقیاس وسیع انجام دهید. ما هنوز به آن نقطه نرسیده‌ایم چون صنعت به سطح بعدی اجرا نرسیده است. کلید اصلی خود اجرا است، و این دقیقاً همان چیزی است که ما رویش تمرکز کرده‌ایم.»

فیوژن کلا شانس بزرگی به اوراکل می‌دهد تا نقش پررنگ‌تری در چرخه کاری شرکت‌ها ایفا کند؛ البته به این شرط که هزینه نظارت بر ایجنت‌ها، تمام سود حاصل از صرفه‌جویی را بر باد ندهد! اوراکل موتور محرک را مهیا کرده، اما در نهایت این مدیران و کارفرمایان هستند که باید تصمیم بگیرند یک اجرای عالی چه شکلی دارد و مهم‌تر از همه، سیستم در کجا باید ترمز دستی را بکشد.