ما به سختی از سیل هیجانات NFT و کریپتو که اوایل دهه 2020 را مشخص می‌کرد و حباب متاورس که دنبال آن آمد، سر درآوردیم، قبل از اینکه صداهای رسانه‌ای شروع به ستایش هوش مصنوعی مولد در پی انتشار مدل‌هایی مانند خانواده GPT اوپن‌ای‌آی، کلود آنتروپیک و کوپایلوت مایکروسافت کنند.

در حالی که این گروه کاملاً جا به جا نشده، تمرکز در سال 2025 از مدل‌های زبانی بزرگ (LLM) به پیشرفت‌هایی در عامل‌های هوش مصنوعی ظاهراً خودمختار که آینده کار را رقم می‌زنند، تغییر کرده است.

عامل هوش مصنوعی یک برنامه نرم‌افزاری است که قادر به عمل مستقل برای درک، برنامه‌ریزی و اجرای وظایف است. عامل‌های هوش مصنوعی توسط مدل‌های زبانی بزرگ قدرت می‌گیرند و می‌توانند با ابزارها، مدل‌های دیگر و سایر جنبه‌های یک سیستم یا شبکه ارتباط برقرار کنند.

ما از درخواست از یک چت‌بات برای پیشنهاد دستور غذایی بر اساس مواد موجود در یخچال فراتر می‌رویم. عامل‌ها بیش از ایمیل‌های خودکار تجربه مشتری هستند که به شما اطلاع می‌دهند چند روز طول می‌کشد تا یک انسان واقعی به درخواست شما رسیدگی کند.

عامل‌های هوش مصنوعی با دستیاران هوش مصنوعی سنتی که برای تولید هر پاسخ به یک prompt نیاز دارند، متفاوت هستند. در تئوری، یک کاربر یک وظیفه سطح بالا به عامل می‌دهد و عامل مشخص می‌کند که چگونه آن را تکمیل کند.

پیشنهادات فعلی هنوز در مراحل اولیه نزدیک شدن به این ایده هستند. دکتر مریم عشوری، مدیر مدیریت محصول در IBM watsonx.ai می‌گوید: “آنچه معمولاً در بازار به عنوان ‘عامل’ شناخته می‌شود، افزودن قابلیت‌های برنامه‌ریزی ابتدایی و فراخوانی ابزار (که گاهی فراخوانی تابع نامیده می‌شود) به مدل‌های زبانی بزرگ است.”

این امکان را به مدل‌های زبانی بزرگ می‌دهد تا وظایف پیچیده را به مراحل کوچکتر تقسیم کنند که مدل‌های زبانی بزرگ می‌توانند انجام دهند. کریس هی، مهندس برجسته IBM، خوش‌بین است که عامل‌های قوی‌تر در راه هستند: “شما نیازی به پیشرفت بیشتر در مدل‌های امروز برای ساخت عامل‌های هوش مصنوعی آینده ندارید.”

عشوری توضیح می‌دهد: “IBM و Morning Consult نظرسنجی از 1000 توسعه‌دهنده که برنامه‌های هوش مصنوعی برای سازمان‌ها می‌سازند انجام دادند، و 99٪ از آنها گفتند که در حال کاوش یا توسعه عامل‌های هوش مصنوعی هستند. بنابراین بله، پاسخ این است که 2025 سال عامل خواهد بود.”

با این حال، این اعلامیه بدون ظرافت نیست. پس از تثبیت مفهوم فعلی بازار از عامل‌ها به عنوان مدل‌های زبانی بزرگ با فراخوانی تابع، عشوری تمایز بین آن ایده و عامل‌های واقعاً خودمختار را ترسیم می‌کند. “تعریف واقعی یک عامل هوش مصنوعی یک موجودیت هوشمند با قابلیت‌های استدلال و برنامه‌ریزی است که می‌تواند به طور مستقل اقدام کند.”

“من قطعاً می‌بینم که عامل‌های هوش مصنوعی در این جهت حرکت می‌کنند، اما ما هنوز کاملاً آنجا نیستیم. در حال حاضر، ما نگاه‌های اولیه را می‌بینیم – عامل‌های هوش مصنوعی در حال حاضر می‌توانند داده‌ها را تجزیه و تحلیل کنند، روندها را پیش‌بینی کنند و تا حدودی گردش‌های کاری را خودکار کنند.”

هی معتقد است که پایه‌گذاری برای چنین پیشرفت‌هایی انجام شده است. “نکته بزرگ در مورد عامل‌ها این است که آنها توانایی برنامه‌ریزی دارند. آنها توانایی استدلال، استفاده از ابزارها و انجام وظایف را دارند و باید با سرعت و مقیاس این کار را انجام دهند.”

او 4 پیشرفت را ذکر می‌کند که به این معنی است که مدل‌های اوایل 2025 می‌توانند عامل‌های مورد نظر طرفداران را قدرت دهند:

1. مدل‌های بهتر، سریع‌تر و کوچک‌تر – مدل‌های کارآمدتر که نیاز به منابع محاسباتی کمتری دارند
2. آموزش زنجیره فکری (COT) – توانایی تفکر گام به گام و استدلال پیچیده
3. پنجره‌های زمینه افزایش‌یافته – قابلیت پردازش متن‌های طولانی‌تر و زمینه‌های گسترده‌تر
4. فراخوانی تابع – توانایی تعامل با APIها و ابزارهای خارجی

“عادی جدید” پیش‌بینی‌شده، تیم‌هایی از عامل‌های هوش مصنوعی را می‌بیند که تحت مدل‌های ابر-هماهنگ‌کننده که گردش کار کلی پروژه را مدیریت می‌کنند، جمع می‌شوند. سازمان‌ها از هماهنگی هوش مصنوعی برای هماهنگ کردن چندین عامل و سایر مدل‌های یادگیری ماشین که به صورت همزمان کار می‌کنند و از تخصص خاص برای تکمیل وظایف استفاده می‌کنند، استفاده خواهند کرد.

گاجار این پیش‌بینی را نه تنها معتبر، بلکه محتمل می‌بیند. “ما در آغاز بسیار این تغییر هستیم، اما به سرعت در حال حرکت است. هماهنگ‌کننده‌های هوش مصنوعی می‌توانند به راحتی ستون فقرات سیستم‌های هوش مصنوعی سازمانی در امسال شوند.”

آمادگی سازمانی:

هی می‌گوید: “اکثر سازمان‌ها آماده عامل نیستند. آنچه جالب خواهد بود، در معرض قرار دادن API هایی است که امروز در سازمان‌های خود دارید. آنجاست که کار هیجان‌انگیز خواهد بود.”

حاکمیت و پاسخگویی:

عشوری هشدار می‌دهد: “استفاده از یک عامل امروز اساساً گرفتن یک مدل زبانی بزرگ و اجازه دادن به آن برای انجام اقداماتی از طرف شما است. اگر این اقدام اتصال به یک مجموعه داده و حذف تعدادی رکورد حساس باشد چه؟”

“چالش در اینجا becomes شفافیت و قابلیت ردیابی اقدامات برای هر تک تک کارهایی که عامل‌ها انجام می‌دهند است. شما باید دقیقاً بدانید چه اتفاقی می‌افتد و بتوانید آن را ردیابی، ردیابی و کنترل کنید.”

تأثیر بر شغل:

عشوری معتقد است بهترین مسیر پیش رو این است که به کارمندان اعتماد کنیم تا استفاده بهینه از هوش مصنوعی را در شغل‌های خود تعیین کنند. “ما باید به کارمندان توانایی دهیم تا تصمیم بگیرند که چگونه می‌خواهند از عامل‌ها استفاده کنند، اما لزوماً آنها را در هر موقعیتی جایگزین نکنیم.”

1. با موارد استفاده واضح شروع کنید: تبدیل نشوید “چکشی که به دنبال میخ می‌گردد”. قبل از استقرار فناوری عامل، مشکلات خاصی را شناسایی کنید.
2. حاکمیت قوی را اجرا کنید: شرکت‌ها به چارچوب‌هایی برای نظارت بر عملکرد و اطمینان از پاسخگویی نیاز دارند زیرا عامل‌ها عمیق‌تر در عملیات ادغام می‌شوند.

3. بر آماده‌سازی داده تمرکز کنید: “ارزش با آن سازمان‌هایی خواهد بود که داده‌های خصوصی خود را گرفته و آن را به گونه‌ای سازماندهی می‌کنند که عامل‌ها در برابر اسناد شما تحقیق کنند.”

4. آزمایش را فعال کنید: به تیم‌ها اجازه دهید با فناوری بازی کنند و سعی کنند آن را بشکنند تا محدودیت‌های آن را درک کنند.
5. بر بازگشت سرمایه اولویت دهید: “سال گذشته سال آزمایش و کاوش برای سازمان‌ها بود. آنها باید این تأثیر را مقیاس‌دهی کرده و بازگشت سرمایه خود را از هوش مصنوعی مولد به حداکثر برسانند. عامل‌ها بلیط برای تحقق این امر هستند.”

در حالی که هیجان پیرامون عامل‌های هوش مصنوعی در سال 2025 قابل توجه است، واقعیت ظریف‌تر است. فناوری نویدهای فوق‌العاده‌ای نشان می‌دهد، اما سازمان‌ها باید با حاکمیت مناسب، موارد استفاده واضح و انتظارات واقع‌بینانه در مورد قابلیت‌های فعلی در برابر پتانسیل آینده، به پیاده‌سازی به صورت متفکرانه نزدیک شوند.

سال 2025 ممکن است سال عامل‌ها باشد، اما مسیر به سمت عامل‌های واقعاً خودمختار و قابل اعتماد یک ماراتن است، نه یک دوی سرعت. سازمان‌هایی که با دقت، استراتژی و تمرکز بر ارزش واقعی پیش بروند، بهترین موقعیت را برای بهره‌مندی از این انقلاب بعدی در هوش مصنوعی خواهند داشت.