پرش به محتوای اصلی
پرش به محتوای مقاله

آیا بازار نرم‌افزاری آمازون به یک سامانه خرید خودکار تبدیل می‌شود؟

·۳۰ مرداد ۱۴۰۵۴ دقیقه مطالعه
AWS Marketplace با استفاده از عامل‌های هوش مصنوعی، پاسخگویی به تقاضای روزافزون برای این فناوری را تسهیل می‌کند.
AWS Marketplace با استفاده از عامل‌های هوش مصنوعی، پاسخگویی به تقاضای روزافزون برای این فناوری را تسهیل می‌کند.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر رتبه جست‌وجوی عامل‌ها از ۶۴ به ۳ در AWS، اولین نشانه آماری از پذیرش گسترده «تدارکات عامل‌محور» در مقیاس سازمانی است و نشان می‌دهد تقاضا از ابزارهای چت ساده به سمت عامل‌های اجرایی تغییر کرده است.

تصور کنید مدیر فناوری یک شرکت هستید و به‌جای هفته‌ها مذاکره و بررسی امنیتی برای خرید یک نرم‌افزار، یک دستیار دیجیتال تمام این مراحل را به‌طور خودکار انجام دهد. این رویای اتوماسیون اکنون در حال تبدیل شدن به واقعیت است و داده‌های جدید نشان می‌دهد که تقاضا برای این فناوری در مقیاس سازمانی منفجر شده است.

طبق گزارش‌های جدید، رتبهٔ جست‌وجوی عامل‌های هوش مصنوعی (AI Agents) — شبیه به کارمندی دیجیتال که نه‌تنها حرف می‌زند، بلکه می‌تواند ابزارها را اجرا کند و تصمیم بگیرد — در AWS Marketplace طی یک سال از رتبه ۶۴ به رتبه ۳ رسیده است. این جهش نشان‌دهنده تغییری بنیادین در نحوه خرید نرم‌افزار توسط سازمان‌هاست؛ گذار از مدل «جست‌وجو و کلیک» به سمت سامانه‌های تدارکات خودکار.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی پروتکل‌های ارتباطی مدل‌ها اشاره کردیم، این تحول تنها یک تغییر در رابط کاربری نیست، بلکه بازتعریف زنجیره تأمین نرم‌افزار است. در مدل سنتی، خرید نرم‌افزار سازمانی چرخه‌ای فرسایشی از دموها، بازرسی‌های امنیتی و مذاکرات قراردادی بود. تصور کنید اگر یک دستیار دیجیتال می‌توانست بررسی‌های لازم (Due Diligence) را انجام دهد، لایسنس‌های فروشندگان مختلف را با هم مقایسه کند و قرارداد را بدون نیاز به شروع هر مرحله توسط انسان، اجرا نماید. این دقیقاً همان تغییر به سمت «تدارکات عامل‌محور» (Agentic Procurement) است که اکنون اکوسیستم ابری را در بر گرفته است.

تفاوت کلیدی در این است که ابزارهای سنتی تدارکات (Procure-to-Pay) یا ابزارهای منبع‌یابی استراتژیک، تنها مراحل مجزایی از یک گردش کار را که توسط انسان هدایت می‌شد، خودکار می‌کردند. اما سامانه‌های عامل‌محور می‌توانند به‌طور مستقل فروشندگان را واجد شرایط تشخیص دهند، دیالوگ‌های مذاکراتی را پیش ببرند، محدودیت‌های بودجه‌ای را اعمال کنند و قراردادها را به‌صورت سرتاسری (End-to-End) اجرا نمایند.

مت طیانشین (Matt Yanchyshyn)، نایب‌رئیس بخش خدمات شرکا و بازار AWS، اعلام کرد که تعداد پیشنهادهای عامل‌محور در این پلتفرم از حدود ۱۰۰۰ مورد در سال گذشته به بیش از ۴۰۰۰ مورد رسیده است. در مجموع، تعداد اپلیکیشن‌های موجود در این بازار به نزدیکی ۴۰ هزار مورد افزایش یافته است.

بازار AWS با عامل‌های هوش مصنوعی به تقاضای روزافزون آن‌ها پاسخ می‌دهد

این عامل‌ها اکنون صرفاً محصولاتی برای فروش نیستند، بلکه در لایه‌های زیرساختی خودِ بازار ادغام شده‌اند تا وظایف اداری چرخه حیات توسعه نرم‌افزار را بر عهده بگیرند. بر اساس مستندات AWS، این قابلیت‌ها شامل موارد زیر است:

  • کشف اپلیکیشن (Application Discovery): استفاده از زبان طبیعی برای یافتن راهکارهای خاص. شاشی بلامکوندا از Info-Tech Research Group اشاره می‌کند که این قابلیت، کشف نیازهای واقعی را برای خریداران بسیار آسان‌تر می‌کند.
  • بررسی صلاحیت (Due Diligence): اتوماسیون مقایسه فروشندگان و بازرسی‌های امنیتی. طیانشین خاطرنشان می‌کند که این حوزه، فراتر از پشتیبانی‌های سنتی قیمت‌گذاری، نرخ پذیرش بسیار بالایی داشته است.
  • استقرار (Deployment): فراتر رفتن از مرحله خرید برای کمک به کاربران در نصب و پیکربندی واقعی نرم‌افزار. پلتفرم در حال گسترش پشتیبانی خود از اپلیکیشن‌های کوچک به سمت برنامه‌های سازمانی در مقیاس بزرگ است.
  • مدیریت چرخه حیات (Lifecycle Management): رسیدگی به لایسنس‌ها، مدیریت استحقاق‌ها (Entitlement)، حسابرسی و تمدید قراردادها.
  • قراردادنویسی (Contracting): کمک به بخش‌های مختلف فرآیند تدارکات و تنظیم قراردادها.

بر اساس پیش‌بینی‌های Market Intelo، ارزش بازار جهانی نرم‌افزارهای تدارکات عامل‌محور در سال ۲۰۲۵ به ۱.۲ میلیارد دلار می‌رسد. انتظار می‌رود این بخش با نرخ رشد سالانه مرکب ۲۴٪ رشد کند و پتانسیل این را داشته باشد که تا سال ۲۰۳۴ به ۹ میلیارد دلار برسد.

با این حال، این سرعت بالا ریسک‌های حاکمیتی ایجاد می‌کند. برت گرینستین (Bret Greenstein)، مدیر ارشد هوش مصنوعی در West Monroe Partners، اشاره می‌کند که این ابزارها در حال حذف حجم عظیمی از هزینه‌های سربار IT هستند. اما او هشدار می‌دهد که وقتی نرم‌افزارها سریع‌تر شناسایی، ارزیابی و تامین می‌شوند، شرکت‌ها به سیاست‌های شفاف‌تری در مورد فروشندگان تایید شده، امنیت، دسترسی به داده‌ها، معماری، لایسنس و میزان اختیارات عامل‌ها نیاز دارند تا از گسترش خارج از کنترل «هوش مصنوعی سایه» (Shadow AI) جلوگیری شود.

علاوه بر این، یک سقف فنی برای این اتوماسیون وجود دارد. شاشی بلامکوندا از Info-Tech Research Group هشدار می‌دهد که عامل‌های هوش مصنوعی ممکن است به‌دلیل نحوه عملکرد مدل‌ها، کمتر از ۷۰٪ از راهکارهای موجود را بررسی کنند. او به خریداران توصیه می‌کند که از «باز-پرامپت» (Reprompting) بیشتر استفاده کنند و جزئیات بیشتری به جست‌وجوهای خود بیفزایند. پیشنهاد او این است که خروجی‌های عامل‌ها را به‌جای تصمیمات نهایی، به‌عنوان «پیش‌نویس‌های باکیفیت» در نظر بگیرید و نتایج را با چشم انسان مطالعه کنید، نه اینکه آن‌ها را به‌صورت «همان‌گونه که هست» (As is) بپذیرید.

برخی شرکت‌ها مانند CharmHealth پیش‌گام این مسیر شده‌اند و از دستیاری به نام Ria استفاده می‌کنند تا خریداران بتوانند با سرعت و زمان‌بندی خودشان محصولات را بررسی کنند. پرامیلا سرینیواسان (Pramila Srinivasan)، مدیرعامل این شرکت، توضیح می‌دهد که به‌جای انتظار برای اینکه یک نماینده فروش زمانی را برای دمو تعیین کند، خریداران در زمان مورد نظر خود اطلاعات را دریافت می‌کنند. این رویکرد باعث می‌شود نمایندگان فروش انسانی، لیدهایی با کیفیت‌تر دریافت کنند، زیرا Ria پیش از اولین تماس، شناسایی کرده است که مشتری چه بخش‌هایی را بررسی کرده و در کجا سوال دارد.

با این حال، معاملات کلان همچنان انسانی باقی می‌مانند. طبق گفته‌ی یانشین، قراردادهای پیچیده و چندساله با قیمت‌های سفارشی همچنان به تیم‌های باتجربه فروش و تدارکات نیاز دارند. در حالی که معاملات سطح متوسط و پایین در حال تبدیل شدن به یک فرآیند تطبیق خودکار هستند، مذاکرات استراتژیک برای قیمت‌های خصوصی سه ساله حذف نمی‌شوند.

در آینده باید به این موضوع توجه کرد که این بازارهای عامل‌محور چگونه ارتباطات «عامل-به-عامل» (Agent-to-Agent) را مدیریت می‌کنند. یانشین اشاره می‌کند که مشتریان دیگر به‌دنبال «ارتشی بزرگ از عامل‌های مستقل» یا سرورهای ساده Atomic MCP نیستند. در عوض، آن‌ها به‌دنبال «SaaS عامل‌محور» (Agentic SaaS) هستند؛ نرم‌افزارهایی که قابلیت‌های عامل‌محور را در خود جای داده‌اند و می‌توانند با سایر عامل‌های موجود در پشته (Stack) تکنولوژی شرکت گفتگو کنند.

گام بعدی شما

  • اگر از سرویس‌های ابری استفاده می‌کنید، بررسی کنید آیا عامل‌های تخصصی برای بهینه‌سازی هزینه‌های لایسنس شما در Marketplace موجود است یا خیر.
  • خروجی‌های عامل‌های تدارکاتی را با متد «بازبینی انسانی» (Human-in-the-loop) بررسی کنید تا از عدم نادیده گرفتن گزینه‌های بهینه مطمئن شوید.
  • سیاست‌های دسترسی و مجوزهای عامل‌های هوشمند را در سازمان خود تعریف کنید تا از نصب نرم‌افزارهای تاییدنشده جلوگیری شود.

اما تحول واقعی زمانی رخ می‌دهد که این عامل‌ها شروع به گفتگو با یکدیگر کنند؛ در گزارش بعدی بررسی خواهیم کرد که «SaaS عامل‌محور» چگونه اکوسیستم نرم‌افزاری را تغییر می‌دهد.

چرا این موضوع مهم است؟

این تغییر بر اساس اعتبار داده‌های AWS نشان می‌دهد که اتوماسیون در سطح سازمانی از مرحله آزمایش به مرحله عملیاتی رسیده است. حذف هزینه‌های اداری تدارکات می‌تواند سرعت نوآوری در شرکت‌های بزرگ را به‌شدت افزایش دهد.

تأثیر برای ایران

به‌دلیل تحریم‌ها و محدودیت‌های دسترسی به AWS Marketplace، این تحول فعلاً اثر مستقیمی بر شرکت‌های ایرانی ندارد، اما الگوی «تدارکات خودکار» می‌تواند برای توسعه‌دهندگان داخلی در طراحی بازارهای نرم‌افزاری B2B الگو باشد.

·نگاه ما
تحریریه دات‌هوش

تمرکز AWS بر تدارکات عامل‌محور نشان می‌دهد که رقابت در بازار هوش مصنوعی از «ساخت مدل» به «ساخت جریان‌های کاری» منتقل شده است. این حرکت عملاً نقش واسطه‌های فروش نرم‌افزار را حذف می‌کند و قدرت را به سمت پلتفرم‌هایی می‌برد که لایه استنتاج و خرید را در یک جا ادغام کرده‌اند. در واقع، بازار نرم‌افزار از یک کاتالوگ ایستا به یک موجود زنده و مذاکره‌کننده تبدیل می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.