اگر امروز تصور می‌کنید هوش مصنوعی فقط یک دستیار برای نوشتن ایمیل است، باید بدانید که مدل کسب‌وکارها در حال تغییر به سمت «شرکتهای خودمختار» است. در این دنیای جدید، ماشین‌ها دیگر فقط پیشنهاد نمی‌دهند، بلکه تصمیم می‌گیرند و تراکنش‌ها را اجرا می‌کنند.
طبق گزارش گارتنر (Gartner) که در ۲۲ ژوئن ۲۰۲۶ منتشر شد، پیش‌بینی می‌شود تا سال ۲۰۲۷ مجموعاً ۳۷۶.۳ میلیارد دلار برای نرم‌افزارهای عامل (Agent) هزینه شود. عامل‌ها شبیه کارمندی دیجیتال هستند که نه تنها می‌داند چه بگوید، بلکه می‌تواند برای رسیدن به هدف، ابزارها را به کار بگیرد و عملیات را به پایان برساند. این رقم نشان‌دهنده یک چرخش استراتژیک از چت‌بات‌های ساده‌ی زاینده به سمت سیستم‌های عامل‌محور است که می‌توانند بدون نظارت مداوم انسان، تراکنش‌ها را اجرا کرده و تصمیمات بگیرند.
این موج اتوماسیون زمانی رخ می‌دهد که کسب‌وکارها از هیجانات اولیه مدل‌های زبانی بزرگ (LLM) عبور کرده‌اند. اکثر شرکت‌ها در حال حاضر ابزارهای پایه کدنویسی یا نوشتاری AI را ادغام کرده‌اند، اما هدف جدید، رسیدن به مدل «کسب‌وکار خودمختار» است. این مدل، وظایف تکراری عملیاتی و برخی از نقش‌های تصمیم‌گیرنده را با جریان‌های کاری عامل‌محور جایگزین می‌کند؛ سیستم‌هایی که اهداف را به‌طور مستقل کشف و اجرا می‌کنند.
فرقی نمی‌کند یک توسعه‌دهنده نرم‌افزار باشد که از ابزارهای کدنویسی برای کاهش فشار برنامه‌نویسی و تست استفاده می‌کند، یا یک متخصص کسب‌وکار که قصد حذف فرآیندهای تکراری را دارد؛ در هر دو مورد، کسب‌وکارها اکنون می‌خواهند هوش مصنوعی به جای اینکه یک مانع باشد، واقعاً کمک کند. با این حال، تهدید اضطراب شغلی ناشی از هوش مصنوعی برای بسیاری از کارکنان بسیار جدی است.
در حالی که این انتقال وعده بهره‌وری می‌دهد، اما اضطراب نیروی کار قابل توجهی را ایجاد می‌کند. این تغییر فقط درباره افزایش تولید نیست؛ بلکه درباره بازتعریف مرز بین انسان و ماشین در سلسله‌مراتب شرکتی است.
هزینه خودمختاری
بر اساس داده‌های گارتنر، سرمایه‌گذاری در این حوزه جهشی شدید دارد. هزینه‌ها از ۸۶.۴ میلیارد دلار در سال ۲۰۲۵ به ۲۰۶.۵ میلیارد دلار در سال ۲۰۲۶ می‌رسد و در نهایت در سال ۲۰۲۷ به اوج ۳۷۶.۳ میلیارد دلاری خود می‌رسد. این تعهد مالی عظیم در حال حاضر منجر به کاهش مستقیم نیروی کار شده است.
حدود ۸۰ درصد از کسب‌وکارهایی که در حال حاضر در حال آزمایش قابلیت‌های خودمختار هستند، کاهش تعداد کارکنان خود را گزارش کرده‌اند. تمایل به خودمختاری در سطوح مدیریتی بسیار قوی است: ۲۷ درصد از مدیرعامل‌ها (CEOs) انتظار دارند سازمان‌هایشان عمدتاً بدون دخالت انسان عمل کند، در حالی که ۳۲ درصد قصد دارند از ابزارهای خودیادگیر و سازگارپذیر برای کمک به تصمیم‌گیری‌های انسانی استفاده کنند.
این روند به سمت حذف ورودی‌های انسانی ممکن است برای کسانی که معتقدند تنها کاربرد مؤثر هوش مصنوعی، نگه داشتن «انسان در چرخه» (Human-in-the-loop) است، زنگ خطر باشد. اما برای هیئت‌مدیره شرکت‌ها، راندن انسان‌ها به طور کامل از چرخه ممکن است به عنوان راهی تمیز و بهینه برای کاهش هزینه‌ها، حفظ عملیات و خشنود کردن سهامداران دیده شود.
جایگاه تغییرات عامل‌محور در بستر تاریخ
با وجود این هزینه‌های تهاجمی، برخی مدیران این اتفاق را یک تکامل می‌بینند، نه یک جایگزینی کامل. لوک گب، رئیس نوآوری جهانی در امریکن اکسپرس (American Express)، اشاره می‌کند که ورود فناوری به محیط کار تاریخه‌ای طولانی و بحث‌برانگیز دارد. او معتقد است ابزارهایی که نوید یک انقلاب را می‌دهند، اغلب در نهایت به یک تکامل منجر می‌شوند.
گب استقرار عامل‌های هوش مصنوعی را با معرفی تلفن، کامپیوتر، ایمیل، اسلک (Slack)، پیامک‌ها و گوشی‌های هوشمند مقایسه می‌کند. او استدلال می‌کند که چالش اصلی — یعنی مدیریت اثرات روش‌های جدید کاری — چیزی است که شرکت‌ها دهه‌ها با آن دست‌وپنجه نرم کرده‌اند. پیام ساده او این است: هوش مصنوعی می‌ماند و موفقیت به نحوه مدیریت تأثیرات آن بستگی دارد.
دن چروبرایر، مدیر فناوری (CTO) در فرمول ای (Formula E) — مسابقات اتومبیل‌رانی خودروهای الکتریکی — حباب فعلی هوش مصنوعی را با دوران دات‌کام در اواخر دهه ۱۹۹۰ مقایسه می‌کند. او اشاره می‌کند که اگرچه تجارت الکترونیک اساساً خرده‌فروشی را تغییر داد، اما فروشگاه‌های فیزیکی را نکشت. به همین ترتیب، او معتقد است هوش مصنوعی تغییر خواهد داد که ما چه کاری انجام دهیم و چگونه کار کنیم، اما فرآیندهای بنیادی را حذف نخواهد کرد. او با پذیرش عدم قطعیت آینده می‌گوید: «هیچ‌کس نمی‌داند، و هر کسی که فکر می‌کند می‌داند، در واقع نمی‌داند».
نقش زمینه و تحول
هلن پوی‌توین، تحلیلگر ارشد و نایب‌رئیس در گارتنر، تأکید می‌کند که «زمینه» یا کانتکست، واژه‌ی کلیدی برای این تغییرات است. او پیش‌تر چهار سناریوی آینده برای هوش مصنوعی در محیط کار ترسیم کرده بود که نشان‌دهنده پیشرفت میزان تأثیر است:
- ایمیل به طور بنیادی نحوه ارتباط کارکنان با یکدیگر را تغییر داد.
- هوش مصنوعی زاینده (Generative AI) در حال حاضر نحوه همکاری کارکنان را تغییر می‌دهد.
- انتظار می‌رود عامل‌ها (Agents) تحولات عمیق‌تر و گسترده‌تری را به ارمغان بیاورند.
پوی‌توین خاطرنشان می‌کند که هرچند هنوز درباره میزان دقیق تأثیر این فناوری تصمیم قطعی گرفته نشده است، اما احتمالاً عامل‌ها تأثیر بسیار بیشتری بر کارهای دانشی (Knowledge Work) نسبت به ابزارهای عمومی هوش مصنوعی زاینده خواهند داشت.
پیاده‌سازی‌های واقعی
تحقیقات گارتنر نشان می‌دهد این تحول عامل‌محور در حال تثبیت است. در حالی که ۵۴ درصد مدیرعامل‌ها می‌گویند اتوماسیون در حال حاضر محدود به وظایف خاص است، تنها ۱۳ درصد انتظار دارند این محدودیت تا سال ۲۰۲۸ باقی بماند. چندین سازمان جهانی در حال مقیاس‌بندی این چارچوب‌های عامل‌محور هستند تا سیستم‌های ثبت سنتی (Systems of Record) را دور بزنند:
سانوفی (Sanofi): این غول بیوداروسازی در حال گسترش هوش مصنوعی در ۸۰ کشور است. آن‌ها سرویس «Concierge» را مستقر کرده‌اند که از فناوری اسنو-فلیک (Snowflake)، جریان‌های کاری Elementum و مدل‌های کلود (Claude) شرکت آنتروپیک (از جمله مدل‌های Haiku ،Sonnet و Opus) استفاده می‌کند. ماهانه حدود ۶۵ هزار نفر از ۷۵ هزار کارمند این شرکت از این ابزار استفاده می‌کنند. در بخش مالی، متخصصان از عامل‌ها برای تحلیل الگوهای هزینه در سفارشات خرید، صورت‌حساب‌ها، نقل‌قول‌ها و درخواست‌های پیشنهاد قیمت (RFPs) استفاده می‌کنند و مستقیماً بر روی اطلاعات در پلتفرم Snowflake عمل می‌کنند.
سرویس نقشه‌برداری بریتانیا (Ordnance Survey): این آژانس نقشه‌برداری بریتانیا بیش از یک دهه است که از یادگیری ماشین استفاده می‌کند، اما اکنون از طریق اسنو-فلیک به سمت هوش مصنوعی عامل‌محور حرکت کرده است. تیم چیلتون، مشاور ارشد ژئوسpatial، می‌گوید که عامل‌ها اکنون در حال نفوذ به کارهای روزمره مشاوران، مدیران، منابع انسانی (HR)، تیم‌های مارکتینگ و فروش هستند. به طور خاص، OS از Snowflake CoWork استفاده می‌کند تا به متخصصان مارکتینگ کمک کند بینش‌های کمپین‌ها را به اشتراک بگذارند یا روندهای کلیدی بازار را برای حمایت از ارائه‌ها در تماس‌های فروش پیدا کنند.
چیلتون تأکید می‌کند که این عامل‌ها جایگزین روابط، جلسات یا مدل‌های مشاوره نمی‌شوند. در عوض، آن‌ها با قرار دادن اطلاعات مورد اعتماد در دسترس کاربر، بهره‌وری را افزایش می‌دهند و به کاربران اجازه می‌دهند در لحظه واکنش‌گرایانه‌تر و نوآورتر باشند.
ریسک مشاغل «خلاصه‌پذیر»
امانوئل فرنه‌هارد، مدیر دیجیتال سانوفی، یک آزمون ساده (Litmus Test) برای امنیت شغلی ارائه می‌دهد: اگر نقش شما را بتوان به صورت مجموعه‌ای از تکالیف مجزا و گسسته خلاصه کرد، شما در معرض خطر هستید. در مقابل، نقش‌هایی که نیاز به تحلیل عمیق، همکاری و تعامل انسانی دارند، ضروری می‌مانند. او اشاره می‌کند که در حالی که کارهای تکراری در مراکز تماس (Call Centers) ممکن است حذف شوند، متخصصانی که ارزش خود را از طریق تعامل می‌آورند، در چرخه باقی خواهند ماند.
فرنه‌هارد با خوش‌بینی می‌گوید هر انقلاب صنعتی، انواع جدیدی از کار و ارزش‌های جدید خلق کرده است. او انتظار دارد سرویس Concierge در نهایت به فرآیندهای منابع انسانی، پشتیبانی IT و وظایف فروش گسترش یابد و به جای «کم کردن» کار، «کارهای متفاوتی» ایجاد کند.
گارتنر نیز این خوش‌بینی را به اشتراک می‌گذارد و پیشنهاد می‌کند که کسب‌وکارهای خودمختار تا سال ۲۰۲۹ در مجموع باعث ایجاد شغل خواهند بود. این رشد توسط اشکال جدیدی از کار که هوش مصنوعی نمی‌تواند جذب کند، پیش می‌رود. استعدادهای انسانی همچنان محور شرکت‌ها خواهند بود، به ویژه در نقش‌هایی که برای اجرا، نظارت (Governance) و مقیاس‌بندی سیستم‌های عامل‌محور مورد نیاز است.
این بدان معناست که مزیت رقابتی برای متخصصان در حال تغییر است. تمرکز از «اجرای فنی» به سمت «تسلط بر تحلیل و همکاری سطح بالا» منتقل می‌شود؛ جایی که انسان برای ارائه کانتکست و زمینه‌های حیاتی — که عامل‌ها هنوز فاقد آن هستند — در چرخه باقی می‌ماند.
گام بعدی شما
- اگر مدیر محصول هستید، فرآیندهای تکرارپذیر تیم خود را لیست کنید و بررسی کنید کدام‌یک قابلیت تبدیل به یک جریان کاری عامل‌محور دارند.
- برای تخصص خود، روی مهارت‌های تحلیل استراتژیک و نظارت بر سیستم‌های خودکار تمرکز کنید تا از دسته مشاغل «خلاصه‌پذیر» خارج شوید.
- ابزارهای جدیدی که پروتکل‌های اتصال به داده‌های سازمان (مانند Snowflake) دارند را بررسی کنید تا سرعت استقرار عامل‌ها را بسنجید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو