چگونه Sanofi با ایجنت‌های هوش مصنوعی به سردرگمی کارکنان در نرم‌افزارهای سازمانی پایان می‌دهد؟

بسیاری از شرکت‌ها هزینه‌های هنگفتی برای تهیه نرم‌افزارهای سازمانی می‌پردازند و سپس مجبور می‌شوند مبالغ جداگانه‌ای را به ارائه‌دهندگان خارجی پرداخت کنند تا به کارکنانشان در استفاده از همان برنامه‌ها کمک کنند. حتی یک درخواست ساده در بخش فناوری اطلاعات نیز می‌تواند به تماس با میز خدمات برون‌سپاری‌شده منجر شود؛ جایی که کارشناسان صرفاً طبق دستورالعمل‌های شرکت تیکت را می‌بندند و فاکتور مالی جدیدی صادر می‌کنند.

در شرکت داروسازی و سلامت Sanofi، همین هزینه‌های مکرر و سرسام‌آور به انگیزه‌ای برای توسعه جاه‌طلبانه Concierge تبدیل شد؛ دستیار هوش مصنوعی ایجنتی اختصاصی که درون شرکت ساخته شده است. این ابزار در ابتدا فقط به پرسش‌های کارکنان درباره شرکت پاسخ می‌داد، اما امانوئل فرنهارد (Emmanuel Frenehard)، مدیر ارشد دیجیتال Sanofi، فرصتی طلایی را دید تا وظایفی را که پیش‌تر به شرکت‌های واسط سپرده می‌شد، به این دستیار هوشمند واگذار کند.

فرنهارد در این باره می‌گوید: «ما مدام از یک سامانه به سامانه دیگر جابه‌جا می‌شدیم، چرا که هر نرم‌افزار تنها بخشی از فرایند را مدیریت می‌کرد. با خود فکر کردم چه می‌شود اگر تمام این داده‌ها را در قالب یک رابط کاربری واحد گردآوری کنیم و فرایندهای جدیدی بسازیم که دیگر در قیدوبند مرزهای میان این سامانه‌ها نباشند؟ هوش مصنوعی ایجنتی فوق‌العاده قدرتمند است، اما هزینه بالایی هم دارد. بنابراین باید در بخش‌هایی به کار گرفته شود که بازدهی چشمگیری دارند، نه صرفاً برای خودکارسازی کارهای پیش‌پاافتاده.»

گزارش چشم‌انداز روندهای فناوری سال ۲۰۲۶ مؤسسه McKinsey نشان می‌دهد با وجود اینکه ۸۹ درصد سازمان‌ها به طور منظم از هوش مصنوعی استفاده می‌کنند، تنها ۳۷ درصد آنها توانسته‌اند تأثیر مثبت این فناوری بر سود قبل از بهره و مالیات خود را ثبت کنند. این گزارش تأکید می‌کند که بیشترین بازدهی زمانی حاصل می‌شود که جریان‌های کاری بر پایه همکاری نزدیک کارکنان و ایجنت‌های هوش مصنوعی بازطراحی شوند؛ رویکردی که Sanofi در قابلیت‌های پشتیبانی و ثبت درخواست خرید Concierge دقیقاً آن را دنبال کرده است.

طبق آمار اعلام‌شده، Concierge هفتگی ۶۵ هزار کاربر فعال دارد و تاکنون میزبان ۲۴ میلیون مکالمه بوده است. کارکنان از این بستر برای ثبت درخواست‌های خرید استفاده می‌کنند و نمایندگان فروش نیز نسخه ویژه‌ای از آن را برای آماده‌سازی تعاملات با مشتریان به کار می‌گیرند. علاوه بر این، ۱٫۲ میلیون بار فراخوانی ایجنت‌ها با ثبت ۹۰ درصد بازخورد مثبت گزارش شده است. با این حال، Concierge نخستین پروژه هوش مصنوعی Sanofi به شمار نمی‌رود. این شرکت در سال ۲۰۲۳ ابزار تحلیلی plai را با همکاری Aily Labs راه‌اندازی کرد که روزانه ۲۰ هزار کارمند از آن بهره می‌برند. همچنین ابزار Muse نیز با همکاری OpenAI و Formation Bio برای تسهیل فرایند جذب بیماران در کارآزمایی‌های بالینی توسعه یافته بود.

با قدرتمندتر شدن و گسترش هوش مصنوعی ایجنتی، شرکت‌ها واقعاً تا چه حد می‌توانند پرداخت هزینه نرم‌افزارهای زیرساختی را متوقف کنند؟ یک دستیار هوش مصنوعی می‌تواند درخواست کارمند را مدیریت کند، اما نرم‌افزارهای موجود در پس‌زمینه همچنان عملیات را پیش می‌برند؛ وضعیتی که در عمل هزینه تأمین پلتفرم جدید هوش مصنوعی را به هزینه‌های تمدید قراردادهای نرم‌افزاری قبلی اضافه می‌کند.

به گفته فرنهارد، کارکنان به دلیل پراکندگی و پیچیدگی مستندات داخلی، اغلب برای یافتن پاسخ‌های شفاف درباره مزایا یا قوانین محیط کار با دشواری روبه‌رو بودند. ساخت یک جایگزین کارآمد بسیار دشوارتر از انتخاب ساده یک مدل بود. نسخه اولیه این سیستم که توسط یک شرکت فناوری مستقر در سیاتل توسعه یافته بود، تنها پس از ۱۰ مکالمه هم‌زمان دچار اختلال شد. این اتفاق Sanofi را بر آن داشت تا زیرساخت خود را از نو بر پایه سرویس‌های AWS و مدل‌های Claude بازسازی کند و تمرکز تیم داخلی را به طور کامل بر بهبود تجربه کاربری کارکنان بگذارد.

این تجربه همچنین مستلزم اتصال Concierge به سیستم‌هایی مانند Workday برای دریافت اطلاعات سازمانی و سامانه‌های Snowflake و ServiceNow برای دسترسی به داده‌های پشتیبانی بود. Sanofi از هوش مصنوعی برای بازنویسی مقالات دانشنامه‌ای سازمانی به فرمتی قابل فهم برای مدل‌ها استفاده کرد؛ فرایندی که در عمل تیم‌ها را مجبور ساخت ابهامات موجود در سیاست‌ها و قوانین داخلی شرکت را برطرف کنند.

فرنهارد در این رابطه توضیح می‌دهد: «ما با تیم حقوقی خود همکاری کردیم تا تمام رویه‌ها و سیاست‌های شرکت را بازبینی و اصلاح کنیم و یک مرجع واحد و بدون تناقض بسازیم.» تجربه Sanofi ثابت می‌کند که ارائه خدمات سریع‌تر توسط هوش مصنوعی، بیش از آنکه صرفاً به مدل مورد استفاده بستگی داشته باشد، در گرو رفع پیچیدگی‌های پنهان‌شده در دل اطلاعات خود سازمان است.

فراتر رفتن هوش مصنوعی از رابط‌های کاربری سنتی نرم‌افزارها

سیستم Concierge بر بستر Amazon Bedrock اجرا می‌شود؛ قابلیتی که به Sanofi امکان می‌دهد به جای وابستگی به یک ارائه‌دهنده خاص، مدل‌های پایه را تعویض کند، در حالی که داده‌های آن روی پلتفرم Snowflake نگهداری می‌شوند. در این میان، استارتاپ Elementum AI به اجرای فرایندها، با شروع از مدیریت لایسنس‌های نرم‌افزاری، کمک می‌کند.

نادر میخائیل (Nader Mikhail)، بنیان‌گذار و مدیرعامل Elementum AI، می‌گوید: «مدیران Sanofi خیلی سریع دریافتند که قرار دادن یک ایجنت هوش مصنوعی روی نرم‌افزارهای قدیمی، تغییر بنیادینی ایجاد نمی‌کند؛ زیرا داده‌ها و منطق تجاری همچنان در همان سیستم‌ها باقی می‌مانند و کارکنان به آنها وابسته‌اند. در پروژه Concierge، هدف این بود که کنترل داده‌ها و جریان‌های کاری زیربنایی در دست خود شرکت قرار گیرد؛ فرایندی که از مدیریت لایسنس‌های نرم‌افزاری آغاز شد و توسعه یافت.»

فرنهارد فرایند ورود نیروهای جدید (Onboarding) را نمونه‌ای بارز از پراکندگی سیستم‌ها می‌داند؛ جایی که مدیران به دلیل تقسیم کار میان برنامه‌های مختلف، مدام میان درخواست‌های خدمات فنی و سوابق منابع انسانی سرگردان می‌شدند.

به گفته Sanofi، جریان کاری ثبت خرید در Concierge، زمان لازم برای تهیه و ارسال درخواست را از میانگین ۳ روز به کمتر از ۵ دقیقه رسانده است. کارکنان فقط پیش‌فاکتور را بارگذاری می‌کنند و به چند پرسش ساده به زبان روزمره پاسخ می‌دهند. البته این ۵ دقیقه تنها مربوط به مرحله ثبت درخواست است و زمان لازم برای مراحل بعدی خرید را در بر نمی‌گیرد.

میخائیل تأکید می‌کند: «صرفه‌جویی واقعی از بین می‌رود اگر هوش مصنوعی تنها یک گام را خودکار کند، اما کارمندان همچنان کارهای دستی پیرامون آن را تکرار کنند. در Sanofi هدف تسریع کارهای تکی و پراکنده نبود، بلکه جریان کاری به طور سرتاسری و شامل داده‌ها، قوانین کسب‌وکار، تأییدیه‌ها و استثناها بازطراحی شد. تنها با این رویکرد می‌توان از یک دموی نمایشی جذاب به صرفه‌جویی ملموس و واقعی در محیط عملیاتی رسید.»

این شرکت داروسازی از حل‌وفصل خودکار ۸۰ درصد درخواست‌های پشتیبانی بدون دخالت انسان و بازگرداندن بیش از ۲۰ هزار سال زمان تلف‌شده در انتظار پشتیبانی در سال ۲۰۲۵ خبر می‌دهد. برای تیم‌های ارتباط با مشتری، کاهش ۴۰ درصدی زمان صرف‌شده در امور اداری گزارش شده است. علاوه بر این، روزانه ۴۰۰ نماینده فروش از نسخه میدانی Concierge بهره می‌برند. هرچند فرنهارد انتظار دارد زمان آزادشده به فروش بیشتر منجر شود، اما شواهد یا ارقام مستقیمی از این رشد درآمدی ارائه نشده است.

او همچنین در برابر تبدیل مستقیم هر دقیقه زمان صرفه‌جویی‌شده به شاخص‌های مالی مقاومت نشان می‌دهد و می‌گوید: «ما بهره‌وری را بر حسب دلار محاسبه نمی‌کنیم، زیرا این مفهوم به طور مطلق قابل سنجش نیست. ما می‌توانستیم فرم‌های دریافت اطلاعات را با ایجنت‌ها پیاده‌سازی کنیم که قطعا هزینه‌بر است، اما در ارزیابی‌ها و آزمایش‌ها متوجه شدیم که این هزینه بسیار کمتر از بهره‌گیری از شرکت‌های واسط است؛ چرا که آنها حاشیه سود خود را نیز لحاظ می‌کنند. علاوه بر این، با این روش تجربه تعامل با تأمین‌کنندگان بسیار خوشایندتر می‌شود.»

کمیته هوش مصنوعی Sanofi به ریاست مشترک فرنهارد و مدیر ارشد مالی شرکت، تقریباً هر ۶ هفته یک‌بار تشکیل جلسه می‌دهد تا کارایی تک‌تک بخش‌ها را در برابر هزینه‌هایشان بسنجد. با این حال، Sanofi ارقام مربوط به هزینه‌های کل توسعه یا عملیات Concierge را اعلام نکرده است.

مرزهای به‌کارگیری هوش مصنوعی ایجنتی در Sanofi

فرنهارد به هزینه پنهان دیگری در هوش مصنوعی ایجنتی اشاره می‌کند. سازمان‌ها نیازی ندارند مدل هوش مصنوعی برای تک‌تک تصمیم‌ها استدلال کند، وقتی یک قانون ساده نرم‌افزاری می‌تواند همان کار را با هزینه بسیار کمتری انجام دهد. برای نمونه، اگر یک کارمند در آمریکا درخواست برنامه‌ای را ثبت کند که تنها در فرانسه در دسترس است، سیستم Sanofi می‌تواند مستقیماً این قانون را بررسی کند، بدون آنکه هزینه‌ای برای اجرای مدل هوش مصنوعی پرداخت شود.

او توضیح می‌دهد: «ایجنت در این سناریو صرفاً پاسخ منفی را در قالبی محترمانه و شفاف برای کاربر بیان می‌کند. بخش عمده‌ای از کارهایی که در نهایت انجام می‌دهیم قطعی و مبتنی بر قوانین ثابت است، نه ایجنتی؛ اما لایه ارتباطی و تجربه کاربری در ابتدا توسط خود ایجنت شکل می‌گیرد.»

این مرزبندی زمانی اهمیت بیشتری پیدا می‌کند که یک ایجنت با اطلاعات محرمانه روبه‌رو شود. میخائیل به یکی از آزمایش‌های اولیه ایجنت‌های پشتیبانی اشاره می‌کند که طی آن سیستم، اطلاعات خصوصی را برای فردی فاقد سطح دسترسی فاش کرد؛ هرچند وی به نام سازمان مربوطه اشاره‌ای نکرد.

مدیرعامل Elementum AI می‌افزاید: «از آن زمان، پلتفرم مبتنی بر قوانین ثابت را به گونه‌ای ارتقا دادیم که سطوح دسترسی کاربر را به طور خودکار به ارث ببرد. هیچ ایجنتی حق ندارد شخصاً تشخیص دهد که آیا کاربر به اطلاعات نیاز دارد یا خیر. بخش نگران‌کننده گفتگوهای هوش مصنوعی این است که مسئله اصلی توانایی مدل در انجام کار نیست، بلکه تعیین حد و مرز دسترسی‌های آن و پیامدهای اشتباهات احتمالی مدل است.»

فرنهارد خاطرنشان می‌کند که در Sanofi، نقش سازمانی کارکنان مشخص می‌کند به کدام‌یک از حدود ۴۰ ایجنت موجود دسترسی داشته باشند. میخائیل نیز معتقد است سایر شرکت‌ها می‌توانند از یک جریان کاری واحد شروع کنند، اما پرسش اساسی‌تر این است که چه کسی استاندارد عملکرد آن جریان کاری را تعریف می‌کند: «بخشی که در صنعت کمتر به آن پرداخته می‌شود این است که هوش مصنوعی می‌تواند اجرا را خودکار کند، اما در نهایت این انسان‌ها هستند که باید مشخص کنند اجرای درست و ایده‌آل چه تعریفی دارد.»

تجربه Sanofi نمونه‌ای عملی برای دیگر سازمان‌هاست که نشان می‌دهد هوش مصنوعی چگونه می‌تواند شیوه تعامل آنها با نرم‌افزارها را دگرگون کند. دستیابی به این نقطه مستلزم آن بود که شرکت ابتدا سیاست‌های داخلی خود را شفاف‌سازی کند و فناوری‌های نوین را حول جریان‌های کاری هدف سامان دهد. وعده بزرگ‌تر هوش مصنوعی ایجنتی این است که سازمان‌ها کنترل بیشتری بر عملکرد خود داشته باشند؛ به گونه‌ای که نرم‌افزارها با فرایندهای سازمانی سازگار شوند، نه اینکه کسب‌وکارها مجبور به انطباق با محدودیت‌های نرم‌افزار باشند.