تصور کنید نیروی کاری دیجیتالی دارید که هرگز نمیخوابد و وب را نه برای خواندن محتوا، بلکه برای اجرای دستورات شما میگردد. طبق دادههای کلودفلر (Cloudflare)، ۵۸٪ از تمام درخواستهای صفحات وب در ژوئن ۲۰۲۶ توسط ترافیک خودکار هدایت شده است.
این نقطه عطف تایید میکند که اینترنت دیگر فضایی نیست که عمدتاً توسط انسانها اداره شود. در واقع «تئوری اینترنت مرده» از یک شکگرایی حاشیه-نشین به یک واقعیت قابل اندازهگیری تبدیل شده است. متوجه باشید که متیو پرینس، مدیرعامل کلودفلر، پیشتر این آستانه را برای اواخر ۲۰۲۷ پیشبینی کرده بود، اما این گذار بیش از یک سال زودتر رخ داد.
این تغییر زمانی اتفاق میافتد که هوش مصنوعی عاملمحور (Agentic AI) — رباتهایی که قادر به انجام تراکنشها، کلیک روی لینکها و پر کردن فرمها هستند — بهطور عمیق در تار و پود وب ادغام میشوند. این روند با استراتژیهای اخیر غولهای فناوری همسو است؛ برای مثال، OpenAI برای تمرکز بیشتر بر توسعهی قابلیتهای عاملمحور، مرورگر اطلس را تعطیل کرد تا منابع خود را بهطور کامل به افزونههای ChatGPT اختصاص دهد. همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، توازن قدرت در شبکه در حال تغییر است. اکنون رشد عاملهایی که به نمایندگی از دستیارهایی مثل ChatGPT و گوگل جمنای (Google Gemini) وبگردی میکنند، این روند را شتاب داده است. این یک تحول ساختاری در چشمانداز دیجیتال است که مدیران ارشد و رهبران منابع انسانی را میطلبد تا روی کارایی واقعی سازمان تمرکز کنند.
مقیاس نیروی کار خودگردان
به گزارش هیومن سکیورتی (HUMAN Security)، ترافیک عاملهایی که توانایی تعامل با عناصر وب را دارند، در سال گذشته ۸۰۰۰٪ افزایش یافته است. این یعنی ما با فعالیتهای غیرفعال طرف نیستیم، بلکه با نیروی کار دیجیتالی خودگردانی در مقیاسی بیسابقه روبهرو هستیم.
سایر شواهد این تغییر عبارتند از:
- گزارش رباتهای بد تالز ۲۰۲۵: نشان داد ترافیک کل رباتها به ۵۳٪ رسیده که ۴۰٪ آن مخرب طبقهبندی شده است.
- استرایپ (Stripe): اکنون ۷۰٪ از تمام دستورات دسترسی به API توسط عاملهای هوش مصنوعی ارسال میشود.
- آلپاکا (Alpaca): این شرکت کارگزاری API شاهد جهش تماسهای عاملمحور از تکرقمی به ۳۰٪ حجم ماهانه تنها در یک فصل بود.
فشار زیرساختی و اقتصادی
این اشتهای محاسباتی باعث رشد عظیم سختافزار شده است. اینتل (Intel) در گزارش سود तिमाही دوم ۲۰۲۶ اعلام کرد که درآمد بخش مراکز داده و هوش مصنوعی آن با رشد ۵۹ درصدی سالانه، از ۶ میلیارد دلار فراتر رفته است. کل درآمد شرکت ۲۵٪ افزایش یافت که سریعترین رشد اینتل از سال ۲۰۱۱ است. این رشد تقریباً بهطور کامل توسط تقاضای سیریناپذیر هوش مصنوعی برای توان پردازشی تغذیه میشود.
مقدار این تقاضا به نقطه بحرانی رسیده است. رهبران صنعت اکنون بهطور جدی در حال بحث درباره استفاده از فضای خارج از زمین برای استقرار مرکز داده (Data Center) — شبیه به انتقال یک نیروگاه عظیم به جایی که محدودیتهای زمینی و کمبود برق نباشد — هستند تا پاسخگوی این نیاز باشند.
ریسکهای امنیتی و مالکیت معنوی
این گسترش، تیغی دو لبه است. از یک سو، عاملهای هوش مصنوعی سادهسازی عملیاتی بیسابقهای ایجاد میکنند. به نقل از یک شرکت گاز برجسته، مشتریان ترجیح دادهاند بهجای کارکنان پشتیبانی انسانی، با هوش مصنوعی تعامل کنند که نشاندهنده تغییر بنیادی در مدلهای ارائه خدمات است.
از سوی دیگر، چشمانداز امنیتی در حال فروپاشی است. بحثهای داغی در سیلیکون ولی درباره سیستمهای وزنهای باز (Open Weights) — یعنی مدلهایی که «دستور پخت» آنها علناً منتشر شده و هر کسی میتواند آنها را اجرا کند — و سرعت انتشار فناوری وجود دارد. ریسکهای کلیدی عبارتند از:
- سرقت مالکیت معنوی: آنتروپیک (Anthropic) شرکت علیبابا (Alibaba) را به تصاحب غیرقانونی مالکیت معنوی از طریق حملات تقطیر (Distillation) متهم کرده است.
- نگرانیهای دولتی: کاخ سفید نیز اتهامات مشابهی را درباره مدل Kimi K3 شرکت مونشات ایآی (Moonshot AI) مطرح کرده است.
- فقدان حاکمیت: این مدلها از طریق هاگینگ فیس (Hugging Face) و گیتهاب (GitHub) پخش میشوند اما اغلب فاقد حفاظهای (Guardrails) مستحکمی هستند که در سیستمهای تجاری وجود دارد و این موضوع یکپارچگی دادهها را تهدید میکند.
پارادوکس بهرهوری
برای شرکتهایی که از گوگل ورکاسپیس (Google Workspace) استفاده میکنند، این وضعیت یک بحران اندازهگیری ایجاد کرده است. ابزارهایی مثل وورکالایزر (Workalizer) سیگنالهای Gmail, Drive, Chat, Gemini و Meet را تحلیل میکنند تا آنالیتیکهای بدون سوگیری از بهرهوری ارائه دهند.
اما مشکل اینجاست: وقتی بخش بزرگی از این سیگنالها نه از اقدامات مستقیم یک کارمند انسانی، بلکه از یک عامل هوش مصنوعی ناشی شود، معیارهای سنتی بهرهوری بیمعنا میشوند. سازمانها اکنون باید بین تلاش انسانی و خروجی تولیدشده توسط هوش مصنوعی تفکیک قائل شوند تا یکپارچگی دادهها حفظ شود.
گام بعدی شما
- بازنگری در KPIهای بهرهوری تیمها؛ تفکیک خروجیهای انسانی از اتوماسیونهای عاملمحور.
- بررسی لایههای امنیتی وبسایتها برای شناسایی و مدیریت ترافیک رباتهای استخراجگر.
- ارزیابی ابزارهای مانیتورینگ API برای شناسایی حجم درخواستهای ارسالی توسط عاملها.
داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ برای درک فشار روی تراشهها، به تحلیل ما درباره معماریهای جدید مراکز داده مراجعه کنید.
گفتگو