آینده AI در شرکت‌ها ترکیبی، پنهان و چندلایه خواهد بود

تقریباً هر موج بزرگ فناوری با یک تصویر ساده از آینده شروع می‌شود. در موج هوش مصنوعی، یکی از محبوب‌ترین این تصاویر این است که روزی همه کارمندان از طریق یک رابط گفت‌وگویی واحد با سیستم‌های شرکت کار کنند؛ سؤال بپرسند، گزارش بگیرند، کار انجام دهند و نرم‌افزارهای مختلف پشت صحنه ناپدید شوند. اما تاریخ فناوری سازمانی می‌گوید شرکت‌ها به‌ندرت این‌قدر مرتب و یکدست تغییر می‌کنند. همان‌طور که مهاجرت به رایانش ابری برای بعضی بخش‌ها سریع و برای بعضی دیگر سال‌ها طول کشید، AI هم احتمالاً بسته به نوع کار در هر گوشه سازمان شکل متفاوتی خواهد گرفت.

برای یک مدیر مالی که درگیر بستن حساب‌ها، کنترل‌ها و تأییدهاست، رابط جدید لزوماً جذاب‌ترین بخش AI نیست. شاید مهم‌تر این باشد که گزارش درآمد سریع‌تر آماده شود و اطلاعات لازم بدون جمع‌آوری دستی مقابل او قرار بگیرد. در مقابل، یک تحلیلگر ممکن است دقیقاً به همان رابط گفت‌وگویی نیاز داشته باشد تا بتواند سؤال‌های پشت سر هم بپرسد، سناریوها را مقایسه کند و از محدوده گزارش‌های از پیش تعریف‌شده بیرون برود. نماینده خدمات مشتری هم مسئله دیگری دارد: او احتمالاً نمی‌خواهد وسط تماس از فرایند اصلی خارج شود؛ اطلاعات باید همان لحظه و داخل همان جریان کاری ظاهر شوند.

نمونه‌های مطرح‌شده در مقاله این تفاوت را ملموس می‌کنند. در Dura Software، جریان‌های متصل به هوش مصنوعی بخشی از آماده‌سازی دستی گزارش درآمد را خودکار کرده‌اند. اسلون سشن (Sloan Session)، مدیر مالی شرکت، این تقسیم کار را ساده توصیف می‌کند: عامل‌ها اطلاعات را می‌آورند و انسان‌ها قضاوت و ارتباط شخصی را انجام می‌دهند. در S&B Filters نیز کارکنان پیش‌تر برای یافتن اطلاعات سفارش‌های معوق مجبور بودند میان چند سیستم جابه‌جا شوند؛ اتصال AI به داده‌های عملیاتی این فرایند چنددقیقه‌ای را به چند ثانیه رساند و بعد همان قابلیت تا سطح سلف‌سرویس مشتری گسترش یافت.

وجه مشترک این مثال‌ها این نیست که همه یک چت‌بات تازه گرفته‌اند. ارزش از برداشتن اصطکاک میان «اطلاعات» و «اقدام» آمده است. سال‌ها نرم‌افزار سازمانی تلاش کرده داده‌های مالی، موجودی، مشتری، برنامه‌ریزی و عملیات را از جزیره‌های جدا به سیستم‌های متصل منتقل کند. اما حتی بعد از اتصال سیستم‌ها، کارمند هنوز باید اطلاعات را پیدا کند، کنار هم بگذارد و معنی آن‌ها را بفهمد. AI حالا می‌تواند بخشی از همین کار پرهزینه و وقت‌گیر را کم کند تا توجه افراد متخصص صرف تصمیم‌هایی شود که واقعاً نیازمند تجربه انسانی هستند.

اما هرچه اطلاعات آسان‌تر در دسترس قرار گیرد، سؤال «چه کسی حق دیدن چه چیزی را دارد؟» حساس‌تر می‌شود. بری کارتر (Berry Carter)، مدیرعامل S&B Filters، اصل مهمی را مطرح می‌کند: اگر کاربری در NetSuite اجازه دیدن اطلاعاتی را ندارد، دستیار هوش مصنوعی نیز نباید همان اطلاعات را در اختیارش بگذارد. ساده به نظر می‌رسد، اما اجرای آن میان چند سیستم، مدل و گردش کار دشوار است. AI نباید مثل دری مخفی باشد که تمام قفل‌های امنیتی ساختمان را دور می‌زند؛ باید همان سیاست‌های دسترسی و حاکمیت داده را رعایت کند.

به همین دلیل NetSuite روی هر دو مسیر سرمایه‌گذاری کرده است: قابلیت‌های AI که مستقیماً داخل گردش‌های کاری قرار می‌گیرند و امکان اتصال امن داده‌های NetSuite به مدل‌ها و دستیارهای بیرونی از طریق NetSuite AI Connector Service و پشتیبانی از پروتکل زمینه مدل (Model Context Protocol یا MCP). پیام بزرگ‌تر این است که برای هوش مصنوعی سازمانی نسخه واحدی وجود ندارد. سؤال درست برای مدیران این نیست که «کدام رابط برنده می‌شود؟» بلکه این است که هر کار دقیقاً چه هدفی دارد، چه داده‌ای لازم دارد، چه سطحی از کنترل می‌خواهد و AI در کدام نقطه می‌تواند فاصله میان دانستن و عمل کردن را کوتاه‌تر کند.