آنچه سازمانها قبل از تصمیم میپرسند.
ایجنت هوش مصنوعی چیست؟
ایجنت هوش مصنوعی برنامهای است که درخواست کاربر را به زبان طبیعی میگیرد و برای انجامش در سامانههای واقعی کار میکند، نه اینکه فقط متن جواب بدهد.
تفاوت اصلی در «اثر» است. یک مدل زبانی متن تولید میکند؛ یک ایجنت مرخصی ثبت میکند، اتاق رزرو میکند، گزارش میسازد. چون کارش اثر دارد، مسائل هویت، مجوز و ممیزی دربارهاش مطرح میشود. دربارهی یک چت ساده هیچکدام مطرح نبود.
تفاوت ایجنت هوش مصنوعی با چتبات چیست؟
چتبات پاسخ میدهد، ایجنت کار انجام میدهد؛ به همین دلیل ایجنت به هویت کاربر، مجوز دسترسی و تأیید انسانی نیاز دارد و چتبات نه.
چتبات کلاسیک با درخت گفتگو یا پاسخ آماده کار میکند و بدترین خطایش «جواب اشتباه» است. ایجنت به سامانهی واقعی وصل است و بدترین خطایش «کار اشتباه» است: رکورد غلط، دسترسی نابهجا، هزینهی ناخواسته. مهار این ریسک کار پلتفرم است، نه کار خود ایجنت.
MCP چیست و چه ربطی به پلتفرم ایجنت دارد؟
MCP یا Model Context Protocol یک استاندارد باز است که به مدل زبانی اجازه میدهد ابزارها و دادههای بیرونی را به شکل یکسان صدا بزند.
ارزشش این است که هر سامانه لازم نیست برای هر مدل جداگانه وصل شود. اما MCP یک پروتکل اتصال است، نه یک محصول سازمانی: خودش هویت کاربر، سیاست محرمانگی داده، تأیید قبل از اجرا و لاگ ممیزی ندارد. آن لایه همان چیزی است که یک پلتفرم سازمانی اضافه میکند.
برای راهاندازی باید GPU بخریم؟
نه؛ پلتفرم در پروفایل کاملاً آنلاین بدون هیچ سختافزار خاصی راه میافتد.
چهار پروفایل استقرار وجود دارد، از کاملاً آنلاین تا کاملاً داخلی. سازمانی که میخواهد متن خام کاربر هرگز خارج نشود با یک کارت گرافیک میانرده به هدفش میرسد؛ استقرار کاملاً داخلی برای الزام قانونی یا شبکهی بدون اینترنت است. انتخاب پروفایل یک تنظیم است و با رشد سازمان عوض میشود. نسخهی متفاوتی از محصول نیست.
دادهی سازمان ما به مدل بیرونی میرود؟
این را سیاست سازمان تعیین میکند نه ایجنت: برای هر قابلیت مشخص میشود چه سطحی از داده را لمس میکند و کدام مدل مجاز است آن را ببیند.
در بیشتر سازمانها مشکل این نیست که داده بیرون میرود؛ مشکل این است که کسی نمیداند کدام درخواست بیرون رفت. وقتی تصمیم مدل در سیاست پلتفرم گرفته شود و در لاگ ممیزی ثبت شود، جواب این سؤال از حدس به سند تبدیل میشود.
ایجنتهایی که قبلاً پیمانکار ما ساخته چه میشوند؟
دور ریخته نمیشوند؛ اگر پیمانکار یک فایل معرفی و یک آدرس بدهد، همان ایجنت موجود زیر پلتفرم میآید.
پلتفرم به پیمانکار نمیگوید با چه زبانی یا چه کتابخانهای بنویسد. فقط یک استاندارد اتصال تعریف میشود: چه کارهایی بلد است، کدامشان اثر دارد، چه سطح محرمانگیای لمس میکند، چه مجوزی میخواهد. پایتون، سیشارپ، پیاچپی، Go یا n8n؛ فرقی نمیکند. ایجنتهای خود ما هم از همین در وارد میشوند.
اگر ایجنت کار اشتباهی انجام دهد چه؟
کارهای اثرگذار قبل از اجرا به کاربر نشان داده میشوند و هیچ عمل نوشتنی بدون تأیید انسان اجرا نمیشود.
سه سد پشت سر هم قرار دارد: ایجنتی که کاربر مجوزش را ندارد اصلاً پیشنهاد نمیشود؛ ابهام به پرسش ختم میشود نه به حدس؛ و اجرا با هویت خود کارمند و یک توکن موقت انجام میشود، یعنی مجوز نهایی هرگز از مجوز خود او فراتر نمیرود. هر فراخوانی هم در لاگ ممیزی ثبت میشود و قابل استخراج است.
تفاوت این پلتفرم با ابزارهای اتوماسیون مثل n8n چیست؟
ابزار اتوماسیون یک مسیر از پیش تعریفشده را اجرا میکند؛ پلتفرم ایجنت تصمیم میگیرد کدام ایجنت باید کار را بگیرد و با چه هویتی اجرا شود.
این دو رقیب هم نیستند. اتوماسیون برای فرایند مشخص و تکراری ابزار خوبی است و ایجنتی که با n8n ساخته شده هم میتواند روی پلتفرم منتشر شود. چیزی که اتوماسیون نمیدهد، لایهی مشترک هویت، سیاست داده، تأیید و ممیزی روی دهها ایجنت از سازندههای مختلف است.
هزینه چطور حساب میشود؟
اندازهگیری مصرف در خود پلتفرم انجام میشود نه در کد پیمانکار، و صورتحساب بر پایهی همان لاگ بسته میشود.
واحد نهایی قیمتگذاری هنوز در حال نهایی شدن است و ترجیح ما واحدی است که مشتری بفهمد، نه واحد فنی. آنچه امروز قطعی است این است که مبنای محاسبه گزارش خودِ پیمانکار نیست. شمارش در پلتفرم است و برای هر دو طرف یکی است.
از کجا شروع کنیم؟
با دو فرایند کمریسک و پرتکرار شروع کنید، نه با ده حوزه همزمان.
تجربهی این نوع پروژهها میگوید شروع بزرگ شکست میخورد. مرخصی و رزرو اتاق جلسه نمونههای خوبیاند: ارزششان برای کارمند ملموس است، خطایشان جبرانپذیر است، و حجمشان آنقدر هست که چند هفته بعد بشود دربارهی نتیجه قضاوت کرد.