اتوماسیون شناختی و ایجنت‌های هوش مصنوعی چگونه فرایندهای اداری را دگرگون می‌کنند؟

در هر فرایند اداری و سازمانی، لحظه حیاتی و تعیین‌کننده زمانی فرا می‌رسد که یک داده بدون ساختار باید تفسیر شده و بر اساس آن تصمیمی اتخاذ شود. خواندن یک ایمیل پیچیده از سوی مشتری، بررسی یک قرارداد حقوقی یا تایید یک فاکتور با فرمت ناشناخته، دقیقا همان نقطه‌ای است که خروجی نهایی گردش کار را مشخص می‌کند.

سیستم‌های سنتی در این مرحله متوقف می‌شوند، زیرا برای درک ابهام طراحی نشده‌اند. اما ورود اتوماسیون شناختی و ایجنت‌های هوش مصنوعی، این گلوگاه تاریخی را با جایگزینی اجرای مکانیکی با استدلال ماشینی، برای همیشه دگرگون کرده است.

اتوماسیون رباتیک فرایندها (RPA) برای بیش از یک دهه، بار کارهای تکراری سازمان‌ها را به دوش کشیده است. این نرم‌افزارها با استفاده از اسکریپت‌های ماکرو و تقلید از کلیک‌ها و ورود اطلاعات توسط انسان، وظایف مبتنی بر قوانین ثابت را با سرعت و دقت بالا انجام می‌دهند.[3]

با این حال، RPA تنها زمانی کارآمد است که داده‌ها کاملا ساختاریافته باشند و رابط کاربری نرم‌افزارها هیچ تغییری نکند. این سیستم‌ها فاقد قدرت تحلیل هستند و صرفا دستورات از پیش تعیین شده را در یک حلقه تکرار می‌کنند. اگر یک تامین‌کننده، قالب فاکتور خود را تغییر دهد، ربات سنتی دچار خطا شده و کل فرایند متوقف می‌شود.[3]

در مقابل، اتوماسیون شناختی به جای تکیه بر دستورات قطعی، از فناوری‌های پیشرفته‌ای مانند پردازش زبان طبیعی (NLP) و یادگیری ماشین برای درک زمینه و محتوا استفاده می‌کند. این سیستم‌ها می‌توانند اسناد متنی را بخوانند، الگوهای پنهان در داده‌ها را تشخیص دهند و در مواجهه با اطلاعات ناقص، تصمیمات مبتنی بر احتمالات بگیرند.[3]

ظهور ایجنت‌های خودمختار در نرم‌افزارهای سازمانی

سازمان‌های پیشرو امروزه به جای انتخاب بین این دو فناوری، آن‌ها را در یک طیف پیوسته ترکیب می‌کنند. در این معماری ترکیبی، RPA نقش دست‌های سازمان را ایفا می‌کند که وظایف فیزیکی را بر عهده دارد، در حالی که اتوماسیون شناختی به عنوان مغز متفکر وارد عمل می‌شود تا داده‌های بدون ساختار را تفسیر کند.[3]

تکامل اتوماسیون شناختی در سال‌های اخیر به پیدایش پدیده‌ای قدرتمندتر به نام ایجنت‌های هوش مصنوعی منجر شده است. برخلاف چت‌بات‌های استاندارد که تنها به یک پرسش پاسخ می‌دهند، یک ایجنت خودمختار نرم‌افزاری است که می‌تواند برای رسیدن به یک هدف مشخص برنامه‌ریزی کند و در صورت بروز خطا، مسیر خود را اصلاح نماید.[1][2]

موسسه تحقیقاتی گارتنر در گزارش‌های اخیر خود پیش‌بینی کرده است که تا سال ۲۰۲۸، حداقل ۱۵ درصد از تصمیمات روزمره کاری به صورت خودمختار و توسط ایجنت‌های هوش مصنوعی گرفته خواهد شد. این رقم در سال ۲۰۲۴ تقریبا معادل صفر بوده است.[2]

تمایز مهمی در این آمار وجود دارد؛ این پیش‌بینی به جای شمارش وظایف ساده مانند نوشتن یک پیش‌نویس، بر روی تصمیم‌گیری‌ها متمرکز است، مانند انتخاب اینکه یک سفارش خرید باید به کدام تامین‌کننده ارسال شود. نفوذ این ایجنت‌ها به زیرساخت‌های سازمانی با سرعت بی‌سابقه‌ای در حال انجام است.[2]

پیش‌بینی می‌شود که تا سال ۲۰۲۶، حدود ۴۰ درصد از برنامه‌های کاربردی سازمانی دارای ایجنت‌های هوش مصنوعی یکپارچه باشند. این تغییر بزرگ نه از طریق پیاده‌سازی سیستم‌های مجزا، بلکه در دل همان ابزارهایی رخ می‌دهد که کارکنان هر روز از آن‌ها استفاده می‌کنند.[1][2]

چالش‌های امنیتی و شکاف حاکمیت داده

با این وجود، مسیر استقرار این فناوری بدون مانع نیست. موجی از هیجانات کاذب باعث شده تا بسیاری از شرکت‌ها نرم‌افزارهای ساده خود را تحت عنوان ایجنت‌های هوش مصنوعی بازاریابی کنند. گارتنر هشدار می‌دهد که تا پایان سال ۲۰۲۷، بیش از ۴۰ درصد از پروژه‌های مرتبط با ایجنت‌های هوش مصنوعی لغو خواهند شد.[1][2]

واگذاری تصمیم‌گیری و اجرای فرایندها به ماشین‌ها، چالش‌های امنیتی و عملیاتی عمیقی به همراه دارد. تفاوت بنیادین ایجنت‌ها با سیستم‌های قبلی در توانایی آن‌ها برای تغییر وضعیت سیستم‌ها و اجرای خودمختار گردش‌کارهای چندمرحله‌ای است. این خودمختاری به این معناست که یک خطای استدلالی می‌تواند به سرعت به یک بحران عملیاتی تبدیل شود.[1][4]

بزرگترین خطر در استقرار ایجنت‌های هوش مصنوعی، هکرهای خارجی نیستند؛ بلکه ایجنت‌هایی با دسترسی بیش از حد هستند که دستورات را به اشتباه تفسیر می‌کنند. به عنوان مثال، در یک حادثه مستند، یک ایجنت برنامه‌نویسی به نام Pocket OS به دلیل تفسیر اشتباه یک درخواست ساده، یک پایگاه داده عملیاتی را به طور کامل پاک کرد.[4]

سازمان‌ها معمولا با مدل‌های حاکمیتی طراحی شده برای نرم‌افزارهای سنتی به استقبال ایجنت‌های هوش مصنوعی می‌روند. این شکاف عمیق میان سیاست‌های مکتوب شرکت و کنترل‌های زمان اجرا باعث می‌شود تا ایجنت‌ها بتوانند خریدهای غیرمجاز انجام دهند یا منابع پردازشی را به شدت مصرف نمایند.[1]

معماری اعتماد صفر و ایجنت‌های نگهبان

علاوه بر خطرات عملیاتی، ایجنت‌های هوش مصنوعی سطوح حمله جدیدی را برای مجرمان سایبری ایجاد می‌کنند. تزریق دستورات مخرب از طریق ایمیل‌ها یا اسناد خارجی، می‌تواند رفتار ایجنت را ربوده و آن را وادار به انجام کارهای غیرمجاز کند. سوءاستفاده از ابزارها و استخراج داده‌های پنهان نیز از جمله این تهدیدات هستند.

برای مهار این خطرات فزاینده، متخصصان امنیت سایبری استفاده از معماری اعتماد صفر را برای ایجنت‌های هوش مصنوعی الزامی می‌دانند. در این رویکرد، هیچ ایجنتی صرفا به دلیل قرار داشتن در شبکه داخلی سازمان، مورد اعتماد قرار نمی‌گیرد و هر ایجنت باید دارای یک هویت مستقل غیرانسانی باشد.[4]

علاوه بر محدودسازی دسترسی‌ها، مجوزهای اعطا شده به ایجنت‌ها باید کاملا پویا و موقتی باشند و بلافاصله پس از اتمام کار لغو شوند. این رویکرد تضمین می‌کند که هر اقدام خودمختار در سیستم، قابل ردیابی به یک مالک انسانی پاسخگو باشد.[4]

برای فرایندهای پرخطر و غیرقابل بازگشت، سازمان‌ها در حال پیاده‌سازی مکانیزم‌های انسان در حلقه هستند. در این ساختار، تصمیم‌گیری از اجرای فیزیکی جدا می‌شود و اجرای نهایی نیازمند تایید یک ناظر انسانی یا یک ایجنت نگهبان است که وظیفه آن صرفا نظارت بر رفتار سایر هوش‌های مصنوعی است.[4]

آینده کار و همزیستی انسان و ماشین

یکی از کاربردهای ملموس این تحول در بخش تدارکات دیده می‌شود. یک ایجنت هوش مصنوعی می‌تواند ایمیل‌های پراکنده تامین‌کنندگان را بخواند، قیمت‌ها و شرایط تحویل را با یکدیگر مقایسه کند، سوابق عملکرد هر تامین‌کننده را بسنجد و در نهایت بهترین گزینه را برای عقد قرارداد پیشنهاد دهد.[5]

در نهایت، موفقیت بلندمدت در استقرار اتوماسیون شناختی، به ایجاد تعادل میان نوآوری و حاکمیت بستگی دارد. سازمان‌هایی که بتوانند ایجنت‌های هوش مصنوعی را در چارچوب‌های امنیتی مستحکم و با نظارت دقیق انسانی یکپارچه کنند، به سطح جدیدی از چابکی و هوشمندی در تصمیم‌گیری دست خواهند یافت.[5]