هوش مصنوعی مولد شروع به ارائه نتایج امیدوارکننده اما محدود کرده است. با این حال، صنعت فناوری اطلاعات با تمام سرعت به سمت سطح بعدی اتوماسیون، یعنی هوش مصنوعی عاملی، در حرکت است. از آنجایی که هوش مصنوعی هنوز نمیتواند عاملها را طراحی، ساخته و مستقر کند، این وظیفه انسانهاست که یاد بگیرند چگونه این عاملها را بهطور مولد ایجاد و هدفگذاری کنند. اما این توسعه کمی زمان خواهد برد.
این نتیجهگیری از تحقیقات اخیر شرکت مشاورهای اکسنچر (Accenture) به دست آمده است، که نشان میدهد مقیاسپذیری خدمات مبتنی بر هوش مصنوعی برای دستیابی به ارزش تجاری پایدار یک چالش است و تنها ۱۳ درصد از پروژهها نتایج قابل توجهی در این زمینه ارائه کردهاند. مطالعه اکسنچر ۳۴۰۰ مدیر اجرایی و بیش از ۲۰۰۰ پروژه مشتری را پوشش داده است.
تکامل سریع به سمت هوش مصنوعی عاملی، نیازمند نوع جدیدی از استعداد است که هم در زمینه هوش مصنوعی و توسعه مدل آموزش دیده باشد و هم از شمّ تجاری برخوردار باشد. نویسندگان گزارش به رهبری جک آزاگوری، مدیرعامل گروه مشاوره در اکسنچر، گفتند: «کار ما با مشتریان پیشرو در زمینه استعداد و مهارتها این موضوع را تأیید میکند.»
من از آزاگوری اطلاعات مشخصی در مورد معنای این نوع مهارت جدید برای متخصصان و مدیران فناوری پرسیدم. او به ZDNET گفت: «آمادگی استعداد یکی از بزرگترین موانع برای مقیاسپذیری و ایجاد ارزش برای شرکتها است، بنابراین برای موفقیت در عصر هوش مصنوعی مولد به یک معماری مهارت مناسب نیاز است. در حال حاضر، سازمانها سه برابر بیشتر روی فناوری هزینه میکنند تا روی افراد - این باید تغییر کند.»
آزاگوری گفت که اکثر شرکتها افراد را برای عصر هوش مصنوعی آموزش نمیدهند. در حالی که اکسنچر دریافت ۹۴ درصد از کارگران میخواهند در مورد هوش مصنوعی مولد بیاموزند، تنها ۵ درصد از شرکتها در این زمینه آموزش ارائه میدهند. او گفت: «این شکاف باید پر شود. میتوان در تمام ابزارهای موجود هوش مصنوعی مولد سرمایهگذاری کرد، اما اگر کارمندان شما ندانند چگونه یا چرا از آنها استفاده کنند یا به آنها اعتماد نکنند، ارزش به سادگی محقق نخواهد شد.»
آزاگوری گفت سه نوع عامل هوش مصنوعی در حال حاضر نیازمند توجه شرکتها هستند:
- عاملهای کاربردی (Utility agents): «وظایف روتین و پرتکرار را انجام میدهند که کارایی عملیاتی را افزایش میدهد.» مثالها شامل یک عملکرد در یک وسیله نقلیه خودران یا یک سیستم قیمتگذاری پویا است.
- ابر عاملها (Super agents): «چندین عملکرد را ترکیب میکنند و دادهها را برای هدایت گردش کار استراتژیک ترکیب میکنند.» یک مثال، یک عامل بازاریابی است که دادهها را از منابع مرتبط جمعآوری میکند و توالی مراحل اجرای یک کمپین یا گزارش را تعیین میکند.
- عاملهای هماهنگکننده (Orchestrator agents): «بر فرآیندهای سرتاسری نظارت میکنند، سیلوها را میشکنند و همکاری یکپارچه را امکانپذیر میکنند.» یک مثال، عاملی است که چندین عامل را در خدمات مختلف گرد هم میآورد، مانند یک سیستم تولید که عاملهای منفرد مسئول وظایف خاص مانند تأمین سفارش، موجودی و زمانبندی را هماهنگ میکند.
آزاگوری گفت ساخت و استقرار معماری عاملی نیازمند نوع خاصی از کار تیمی است. او گفت: این رویکرد به معنای پذیرش «نقش دوگانه در ایجاد یک تغییر اساسی در چرخه عمر توسعه نرمافزار» است. متخصصان فناوری همچنین باید اطمینان حاصل کنند که سازمانها و کارمندانشان «به طور کلی با استفاده از هوش مصنوعی مولد پیشرفت میکنند.»
آزاگوری گفت: «با ظهور هوش مصنوعی مولد - و اکنون هوش مصنوعی عاملی - تقاضا برای متخصصان علوم داده و مهندسی داده که درک عمیقی از استفاده از مدلها دارند، میدانند چگونه معماریای را مستقر کنند که بتوان در آن مدلهای زبانی بزرگ (LLM) را تغییر داد و چگونه یک هسته دیجیتال انعطافپذیر با معماری هوش مصنوعی مناسب را فعال کرد، افزایش چشمگیری یافته است. این مسئولیتهای جدید و قابل توجه، نیازمند سرمایهگذاری در ارتقای مهارت نیروی کار فناوری اطلاعات با یک استراتژی استعداد روشمند، مبتنی بر مهارت و ساختاریافته خواهد بود.»
او گفت بازده قابل توجهی برای سازمانهایی وجود دارد که این استراتژی را به کار میگیرند: «شرکتهایی که از هوش مصنوعی مولد ارزش در سطح سازمانی ایجاد میکنند، ۲.۹ برابر بیشتر احتمال دارد که یک نقشه راه استعداد برای نیروی کار خود داشته باشند. و ۲.۸ برابر بیشتر احتمال دارد که مسیرهای یادگیری سفارشی هوش مصنوعی مولد برای نقشهای فنی و غیر فنی داشته باشند.»
آزاگوری گفت حتی مدیران عامل نیز باید در مورد پیامدهای عاملهای هوش مصنوعی بهروز شوند.
او گفت: «تأثیر هوش مصنوعی بر گردش کار - و حتی فرهنگ سازمانی - نیازمند سطحی از آموزش در هوش مصنوعی و شمّ فناوری است که بسیار مهمتر از آن چیزی است که با سایر فناوریها دیدهایم. این به این دلیل است که هوش مصنوعی بسیار دموکراتیزه شده است و با ظهور قریبالوقوع عاملها، این امر نیازمند مشارکت عمیقتری بین انسان و ماشین خواهد بود.»