🧰 آیبیام «مزیت سازمانی» را برای کمک به کسبوکارها در مقیاسپذیری هوش مصنوعی عاملمحور راهاندازی میکند ↗
آیبیام در حال ارائه مسیری «پلتفرممحورتر» برای پیادهسازی هوش مصنوعی عاملگرا در سازمانهای بزرگ است - نمایشی کمتر علمی تخیلی، و لولهکشی بیشتر تحت نظارت. ایده این است که از داراییها استفاده مجدد شود، نحوه ساخت تیمها استاندارد شود و از ایجاد قلمرو کوچک هوش مصنوعی توسط هر بخش جلوگیری شود.
آنها همچنین به جای درخواست بازسازی کامل، به شدت بر «سازگاری با آنچه از قبل اجرا میکنید» تأکید دارند، که تا زمانی که با یک سیستم قدیمی در دنیای واقعی مواجه نشوید، اطمینانبخش به نظر میرسد. با این حال، هدف روشن است: راهاندازی عاملها را قابل تکرار کنید، نه سفارشی.
🧭 شرکتهای e& و IBM هوش مصنوعی عاملمحور را در گردشهای کاری حاکمیتی و انطباق با مقررات ادغام میکنند ↗
این یکی کمتر «چت با یک ربات» و بیشتر «هوش مصنوعی است که درون ماشین ریسک و انطباق شما زندگی میکند» - جایی نه چندان جذاب که اشتباهات به سرعت گران میشوند. هدف، اتوماسیون عاملمحور است، با حفاظها و قابلیت ردیابی که از ابتدا در آن بافته شده است.
آنها این را به عنوان یک تغییر از دستیارانی که به سوالات پاسخ میدهند به مأمورانی که مراحل را تحت کنترلهای دقیق اجرا میکنند، مطرح میکنند. این قدرتمند است - و همچنین بخشی است که باعث میشود افراد کمی صافتر بنشینند.
📈 مطالعه IBM نشان میدهد که هوش مصنوعی تا سال ۲۰۳۰ رشد هوشمندانهتری در کسبوکارها ایجاد خواهد کرد ↗
نظرسنجی مدیران IBM اساساً میگوید: شرکتها انتظار دارند هوش مصنوعی فراتر از دستاوردهای بهرهوری به رشد واقعی برسد، اما بسیاری از رهبران هنوز برنامهی مشخصی برای رسیدن به این ارزش ندارند. این تناقض به طرز عجیبی آرامشبخش است - این فقط شما نیستید که اینطور فکر میکنید.
یک موضوع مهم، ادغام است: «هوش مصنوعی در کنار» تغییر چندانی ایجاد نمیکند. همچنین حرکت آرامتری به سمت استراتژیهای چند مدلی و مدلهای کوچکتر که کار بیشتری انجام میدهند، وجود دارد که به نظر میرسد یک گام عملی به دور از مقیاسپذیری محض به هر قیمتی است... یا حداقل اینطور به نظر میرسد.
🎓 اولین همکاری جهانی در حوزه هوش مصنوعی بین دانشگاه منچستر و مایکروسافت اعلام شد ↗
منچستر میگوید که این [سیستم/برنامه/...] در حال جهانی شدن است: دسترسی به Microsoft 365 Copilot به همراه آموزش برای همه کارکنان و دانشجویان. این چارچوب به مهارتها، برابری و استفاده مسئولانه متکی است - نه فقط «بهرهوری، برو بالا».
در عمل، این میتواند به معنای کاهش تعداد گروههای پراکندهای باشد که میگویند «بعضی افراد ابزارها را میشناسند، بعضیها نه». یا میتواند به معنای سیاستگذاری زیاد، بحثهای زیاد و در نهایت - یک مبنای ثابتتر در سطح دانشگاه باشد.
🧑💼 آیا هوش مصنوعی جایگزین مشاغل خواهد شد؟ گزارش آنتروپیک نشان میدهد که پاسخ چندان سرراست نیست ↗
کار آنتروپیک در اینجا (از طریق نحوه استفاده مردم از کلود در عمل) به این نکته اشاره دارد که هوش مصنوعی در حال حاضر بیشتر «کمک به انجام وظایف» است تا «حذف شغل». افراد در حال واگذاری بخشهایی از کار هستند، نه واگذاری کامل نقشها.
نکته جالب، نکته ظریفی است: میزان تأثیر بسته به شغل و اینکه کدام بخش از کار قابل خودکارسازی است، به شدت متفاوت است. مثل این است که بخواهید با تماشای یک ابر، طوفان را پیشبینی کنید - میتوانید چیزی را ببینید، اما کل سیستم آب و هوایی را نه.
🧪 اصول مشترک هوش مصنوعی اتحادیه اروپا و ایالات متحده برای صنعت دارو ↗
نهادهای نظارتی دارویی اتحادیه اروپا و ایالات متحده بر اساس اصول مشترکی برای «مدیریت خوب هوش مصنوعی» در حوزه علوم زیستی - نظارت، مدیریت ریسک و پاسخگویی واضحتر - همسو شدهاند. شاید پر زرق و برق نباشد، اما از آن نوع چیزهایی است که بیسروصدا آنچه ساخته میشود را شکل میدهد.
نکته اصلی اساساً این است: بله، از هوش مصنوعی استفاده کنید، اما آن را به طرز خستهکنندهای قابل حسابرسی و شفاف کنید که در کجا قرار میگیرد، برای چه چیزی استفاده میشود و چه کسی مسئول انحراف آن است.
سوالات متداول
سرویس مزیت سازمانی IBM برای هوش مصنوعی عاملگرا چیست؟
«مزیت سازمانی» IBM به عنوان مسیری مبتنی بر پلتفرم برای پیادهسازی هوش مصنوعی عاملگرا در سازمانهای بزرگ، بدون در نظر گرفتن هر پیادهسازی به عنوان یک ابتکار سفارشی و یکباره، ارائه شده است. تأکید بر استفاده مجدد از داراییهای مشترک، استانداردسازی نحوه ساخت عاملها توسط تیمها و اجتناب از تکهتکه شدن «بخش به بخش» است. همچنین بر تطبیق با محیطهای موجود به جای نیاز به بازسازی کامل تأکید دارد، با هدف تکرارپذیر، قابل مدیریت و آسانتر کردن مقیاسپذیری پیادهسازیها.
هوش مصنوعی عاملگرا چه تفاوتی با یک چتبات یا یک دستیار هوش مصنوعی مانند Copilot دارد؟
هوش مصنوعی عاملمحور کمتر به عنوان «پاسخ به سوالات» و بیشتر به عنوان «اجرای مراحل» در یک گردش کار تعریف میشود. یک عامل به جای توقف در پیشنهادات، میتواند اقدامات را تحت قوانین تعریفشده انجام دهد. این تغییر، ریسکها را افزایش میدهد، به همین دلیل است که پیامرسانی به شدت بر روی گاردریلها، قابلیت ردیابی و کنترلها تکیه دارد - به خصوص زمانی که عاملها در فرآیندهای حیاتی کسبوکار فعالیت میکنند.
منظور از «پلتفرم-اول» در هنگام مقیاسبندی هوش مصنوعی عاملگرا در بین تیمها چیست؟
رویکرد پلتفرم-محور به معنای ایجاد پایههای مشترک - ابزارها، الگوها، مدیریت و اجزای قابل استفاده مجدد - است، بنابراین تیمها قابلیتهای یکسان عامل را به صورت جداگانه بازسازی نمیکنند. هدف، کاهش ساختهای سفارشی و حفظ هماهنگی استقرارها در بین بخشها است. در عمل، این «لولهکشی مدیریتشده» است که به گسترش مقیاسپذیری عاملها کمک میکند، بدون اینکه هر گروه یک پشته هوش مصنوعی جداگانه برای خود مونتاژ کند.
چگونه گاردریلهای نظارتی و انطباق در گردشهای کاری هوش مصنوعی عاملگرا گنجانده میشوند؟
تمرکز اینجا روی اتوماسیون عاملمحور در داخل ماشینآلات ریسک و انطباق است، جایی که اشتباهات میتوانند پرهزینه باشند. این طرح از ابتدا بر حفاظها و قابلیت ردیابی تأکید دارد، بنابراین اقدامات به جای اینکه موردی و موقت باشند، کنترلشده و قابل حسابرسی باقی میمانند. این با فشار گستردهتر از سوی تنظیمکنندگان - مانند تنظیمکنندگان داروهای اتحادیه اروپا و ایالات متحده - برای پاسخگویی، نظارت و مدیریت ریسک واضحتر برای هوش مصنوعی در محیطهای پرخطر همسو است.
مطالعه IBM در مورد هوش مصنوعی و نقش آن در رشد کسب و کارها تا سال ۲۰۳۰ چه چیزی را نشان داد؟
موضوع نظرسنجی این است که رهبران انتظار دارند هوش مصنوعی فراتر از افزایش بهرهوری به نتایج رشد واقعی تبدیل شود، اما بسیاری هنوز برنامه روشنی برای اینکه ارزش به کجا خواهد رسید، ندارند. ادغام برجسته شده است: «هوش مصنوعی در کنار» اگر در نحوه انجام کار گنجانده نشود، تغییر زیادی نخواهد کرد. همچنین به استراتژیهای چند مدلی اشاره دارد، به طوری که مدلهای کوچکتر در استقرارهای عملی، کار بیشتری را بر عهده میگیرند.
آیا هوش مصنوعی جایگزین مشاغل خواهد شد، یا بیشتر بخشهایی از آنها را خودکار خواهد کرد؟
بر اساس نحوهی استفادهی عملی افراد از کلود (همانطور که توسط آنتروپیک گزارش شده و در اینجا به آن پرداخته شده است)، تأثیر آن در حال حاضر بیشتر شبیه کمک در سطح وظیفه است تا جایگزینی کل شغل. افراد بخشهایی از کار را واگذار میکنند، نه کل نقشها را از ابتدا تا انتها. این تأثیر بسته به شغل و اینکه کدام بخشهای یک شغل قابل خودکارسازی هستند، بسیار متفاوت است و نتایج را ناهموار و بسیار وابسته به زمینه میکند.