اگر مدیر یک شرکت هستید و هنوز هوش مصنوعی را به تیم فنی سپرده‌اید، احتمالاً از رقابت عقب مانده‌اید. طبق گزارش KPMG، ۷۴٪ از مدیران عامل اکنون مالکیت مستقیم استراتژی هوش مصنوعی را بر عهده گرفته‌اند و آن را یک اولویت تجاری می‌دانند.
این تغییر در سطح رهبری، مستقیماً در اعداد دیده می‌شود؛ سرمایه‌گذاری‌های سازمانی در این حوزه ۳۳٪ رشد کرده و از ۱۳۰ میلیون دلار به ۱۷۳ میلیون دلار رسیده است. دنیای کسب‌وکار اکنون از فاز «آزمون و خطا» عبور کرده است. برای رهبران امروز، هوش مصنوعی زاینده (Generative AI) — شبیه دستیاری است که تمام اسناد شرکت را حفظ است و حالا می‌تواند در لحظه تصمیم بگیرد — دیگر یک ابزار آینده‌نگرانه نیست، بلکه یک ضرورت عملیاتی است. تصور کنید در جلسات هیئت‌مدیره، مدیرعامل به جای بررسی صرفِ سود و زیان، بودجه‌های توکن (Token) — تکه‌های کوچکی از متن که مدل‌ها با آن‌ها فکر می‌کنند — و گردش‌کارهای عامل‌محور (Agentic) را مدیریت می‌کند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی گذار از چت‌بات‌ها به عامل‌های خودکار اشاره کردیم، این روند با تغییر مدل‌های قیمت‌گذاری به سمت «پرداخت بر اساس نتیجه» شتاب گرفته است. بر اساس بررسی‌ها، این مدل‌ها بازگشت سرمایه (ROI) ملموس‌تری ایجاد می‌کنند و در حال حاضر ۵۸٪ از رهبران، ارزش تجاری قابل اندازه‌گیری را در طرح‌های خود گزارش کرده‌اند.
طبق نظرسنجی فصلی هوش مصنوعی KPMG برای سه ماهه سوم ۲۰۲۶ که از ۳۱۴ رهبر سازمان‌های آمریکایی با درآمد بیش از ۱ میلیارد دلار تهیه شده، استقرار عامل‌های هوش مصنوعی (AI Agents) — مثل کارمندانی دیجیتال که می‌توانند بدون نظارت لحظه‌ای، تسلسلی از وظایف را به پایان برسانند — به‌شدت شتاب گرفته است. در حالی که در سه ماهه سوم ۲۰۲۵ تنها ۴۲٪ از این کسب‌وکارها عامل‌ها را در محیط عملیاتی داشتند، این رقم امروز به ۶۲٪ رسیده است.
ظهور سامانه‌های عامل‌محور
استقرار سامانه‌های چندعاملی (Multi-agent systems) جهشی خیره‌کننده داشته و از ۶٪ در سال ۲۰۲۵ به ۲۵٪ در سال ۲۰۲۶ رسیده است. داده‌های Salesforce نیز این روند را تأیید می‌کند؛ به‌طور متوسط هر شرکت اکنون ۱۳ عامل فعال در محیط عملیاتی دارد، در حالی که این عدد سال گذشته تنها ۵ عدد بود.
گزارش «وضعیت هوش مصنوعی ۲۰۲۶» از McKinsey نیز هم‌سو با این یافته‌هاست و نشان می‌دهد ۴۰٪ از سازمان‌های میلیاردی در حال مقیاس‌دهی عامل‌های هوش مصنوعی هستند. شاخص «سازمان عامل‌محور ۲۰۲۶» از Salesforce تأیید می‌کند که تعداد عامل‌های فعال شده از سال ۲۰۲۵ تقریباً سه برابر شده است.
رهبران سازمان‌ها در حوزه‌های زیر بیشترین ارزش ملموس را مشاهده کرده‌اند:
- بهره‌وری: ۵۶٪
- تصمیم‌گیری: ۴۹٪
- تجربه مشتری: ۳۸٪
- تجربه کارکنان و کیفیت: ۳۸٪
- نتایج مالی: ۳۷٪
ادغام در عملیات
هوش مصنوعی اکنون در تار و پود حاکمیت سازمانی تنیده شده است. حدود ۷۴٪ از مدیران ارشد از هوش مصنوعی در فرآیندهای تأیید استفاده می‌کنند و ۷۰٪ برای نظارت بر داشبوردها به آن متکی هستند. برای کنترل هزینه‌ها، ۴۳٪ از سازمان‌ها بودجه‌های مشخصی برای مصرف توکن‌ها تعریف کرده‌اند.
با این حال، مقیاس‌دهی همچنان دشوار است. ۵۳٪ از پاسخ‌دهندگان، «آمادگی داده‌ها» را مانع اصلی استقرار عامل‌ها می‌دانند. گزارش‌های Deloitte و Accenture نشان می‌دهد که چالش مقیاس‌دهی بیش از آنکه فنی باشد، مربوط به حاکمیت، مسئولیت‌پذیری و رابطه میان انسان و عامل است.
به همین دلیل، بودجه‌های تحلیل داده‌ها در ۱۲ ماه آینده ۲۶ میلیون دلار افزایش می‌یابد، در حالی که این رشد در سال ۲۰۲۵ تنها ۲۰ میلیون دلار بود.
تکامل نیروی کار
نقش کارکنان انسانی در حال تغییر است. سازمان‌هایی که دستورالعمل‌های خاصی برای همکاری انسان و هوش مصنوعی تدوین کرده‌اند، از ۲۱٪ به ۵۵٪ رسیده‌اند. پذیرش عامل‌های هوش مصنوعی توسط نیروی کار نیز از ۱۰٪ در سال ۲۰۲۵ به ۴۴٪ جهش کرده است.
تغییرات کلیدی در نیروی کار عبارتند از:
- ۶۵٪ از عامل‌ها باعث شده‌اند مهارت‌های همکاری با هوش مصنوعی در گردش‌کارهای موجود ادغام شود.
- ۲۴٪ از پاسخ‌دهندگان می‌گویند عامل‌ها باعث بازتعریف معیارهای ارتقای شغلی شده‌اند تا سواد هوش مصنوعی و توانایی تفویض اختیار در اولویت قرار گیرد.
- ۷۱٪ از رهبران معتقدند کسانی که به‌طور مؤثر از هوش مصنوعی استفاده می‌کنند، عملکرد بهتری نسبت به دیگران دارند.
این وضعیت نشان می‌دهد که تخصص فنی جای خود را به «تخصص ارکستراسیون» یا مدیریت هماهنگ می‌دهد. برندگان این اقتصاد، کسانی نیستند که فقط پرامپت می‌نویسند، بلکه کسانی هستند که می‌توانند ناوگانی از عامل‌های خودکار را مدیریت کنند.
حاکمیت و کنترل
قوانین نظارتی نیز سخت‌گیرانه‌تر شده‌اند. تدوین پروتکل‌های شفاف برای زمان و نحوه استفاده از عامل‌ها از ۲۳٪ در سال ۲۰۲۵ به ۵۰٪ رسیده است. همچنین ۳۴٪ از سازمان‌ها اکنون عامل‌ها را ابزارهای پشتیبان برای کارکنان می‌بینند، در حالی که این رقم در سال ۲۰۲۵ تنها ۱۰٪ بود.
مدیران اکنون لایه‌های کنترلی سخت‌گیرانه‌تری را برای مدیریت استقلال عامل‌ها می‌طلبند که بر موارد زیر تمرکز دارد:
- کنترل دسترسی به داده‌ها: ۵۹٪
- کنترل‌های امنیتی و شناسایی: ۵۳٪
- نظارت بر خروجی‌های هوش مصنوعی: ۴۷٪
- اجرای سیاست‌ها و حفاظ‌ها (Guardrails): ۴۲٪
- مدیریت دسترسی به مدل‌ها: ۴۰٪
گام بعدی شما
- خط لوله داده‌های خود را از نظر «آمادگی برای عامل» (Agent-readiness) بازبینی کنید تا گلوگاه‌های استقرار شناسایی شوند.
- معیارهای ارتقای شغلی در تیم خود را بازنگری کنید و توانایی مدیریت ابزارهای هوش مصنوعی را جایگزین اجرای دستی وظایف کنید.
- یک بودجه توکن مشخص برای هر دپارتمان تعریف کنید تا از هزینه‌های پیش‌بینی‌نشده در مقیاس بالا جلوگیری شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو