«ساخت یک عامل هوش مصنوعی آماده برای تولید، به چیزی فراتر از یک پرامپت هوشمندانه نیاز دارد؛ این مسیر مستلزم یک چرخه مهندسی سختگیرانه است.» با تکیه بر این فلسفه، مایکروسافت در ۲۲ ژوئن ۲۰۲۶ آزمون AB-620 را معرفی کرد تا یک مسیر رسمی برای دریافت گواهینامه «متخصص ساخت عامل‌های هوش مصنوعی» (Microsoft Certified: AI Agent Builder Associate) ایجاد کند.
این اقدام نشان‌دهنده تغییری بنیادین در صنعت است. سازمان‌ها دیگر به چت‌بات‌های ساده‌ای که فقط پرسش‌و‌پاسخ می‌کنند اکتفا نمی‌کنند و به دنبال عامل‌های خودمختاری هستند که جریان‌های کاری (Workflows) را فعال کرده و داده‌های زنده کسب‌وکار را بازیابی کنند. درست همان‌طور که هوش مصنوعی عامل‌محور باعث افزایش ۱۰۰۰ برابری قابلیت اطمینان در تراشه Majorana 2 شد — موضوعی که پیش‌تر پوشش دادیم — اکنون تمرکز اصلی بر پایداری و قابلیت اطمینان در مقیاس وسیع است.
تصور کنید شرکتی را که در آن یک عامل هوش مصنوعی — شبیه به یک کارمند تخصصی که دستورالعمل‌های دقیق دارد و می‌تواند ابزارهای شرکت را به کار بگیرد — فقط خبر نمی‌دهد که محموله‌ای تأخیر دارد، بلکه به‌طور خودکار مسیر لجستیک را تغییر داده و مشتری را از طریق یک API امن مطلع می‌کند. برای اعتبارسنجی مهارت‌های لازم برای این سطح از پیچیدگی، مایکروسافت آزمون AB-620 را طراحی کرد تا توانایی توسعه‌دهندگان سطح متوسط و مشاوران را در یکپارچه‌سازی عامل‌ها با Microsoft Power Platform، Dataverse و Azure AI Search بسنجد.
زمینه و هدف آزمون
آزمون AB-620 با عنوان «طراحی و ساخت راهکارهای یکپارچه هوش مصنوعی در Copilot Studio»، مخصوص کسانی است که از مفاهیم پایه هوش مصنوعی زاینده (Generative AI) عبور کرده‌اند. این آزمون مخاطبان حرفه‌ای شامل توسعه‌دهندگان، سازندگان اپلیکیشن، سازندگان راهکارهای هوش مصنوعی و مشاوران فناوری را هدف قرار داده است.
در حالی که گواهینامه‌های اولیه هوش مصنوعی بر استفاده‌های پایه از پرامپت (Prompt) تمرکز داشتند، این آزمون توانایی طراحی، گسترش، یکپارچه‌سازی، تست و مدیریت عامل‌ها را اعتبارسنجی می‌کند. هدف این است که اطمینان حاصل شود عامل‌ها نه تنها در گفتگو مهارت دارند، بلکه مقیاس‌پذیر و امن هستند و عمیقاً به فرآیندهای واقعی کسب‌وکار متصل شده‌اند.
صلاحیت‌های اصلی در AB-620
این آزمون به سه حوزه فنی اصلی تقسیم می‌شود:
- برنامه‌ریزی و پیکربندی: طراحی راهکار درست پیش از شروع ساخت. این بخش بر برنامه‌ریزی برای یکپارچه‌سازی سیستم‌های سازمانی، استراتژی هویت، کانال‌های استقرار و استراتژی هوش مصنوعی مسئولانه تمرکز دارد. داوطلبان باید بتوانند حاکمیت (Governance)، اجزای قابل استفاده مجدد در عامل، جریان‌های عامل (Agent Flows)، جریان‌های «انسان در حلقه» (Human-in-the-loop)، کانکتورها، پارامترهای ورودی/خروجی، مدیریت خطا، موضوعات (Topics)، پرامپت‌های سفارشی، منابع دانش، پاسخ‌های زاینده، کارت‌های تطبیقی (Adaptive Cards) و متغیرها را مدیریت کنند.
- یکپارچه‌سازی و گسترش: این بخش حجیم‌ترین قسمت آزمون است. این حوزه اتصال عامل‌های Copilot Studio به منابع دانش سازمانی، کانکتورهای Microsoft Power Platform، کانکتورهای Copilot، سرویس Azure AI Search، رابط‌های برنامه‌نویسی REST و کانکتورهای سفارشی را پوشش می‌دهد. به‌طور خاص، دانش درباره ابزارهای «پروتکل زمینه مدل» (Model Context Protocol) و همکاری چندعاملی، شامل یکپارچه‌سازی عامل‌های موجود، کار با عامل‌های Microsoft Foundry، اتصال به عامل‌های داده Fabric و ارتباطات مدرن «عامل به عامل» مورد ارزیابی قرار می‌گیرد.
- تست و مدیریت چرخه عمر: ارزیابی و نظارت بر عامل‌ها پس از توسعه. این شامل ایجاد مجموعه‌های تست (Test Sets)، انتخاب متدهای ارزیابی و بررسی نتایج است. داوطلبان باید بتوانند روش‌های مدیریت چرخه عمر اپلیکیشن (ALM) را اعمال کنند، عامل‌ها را در قالب راهکارهای Microsoft Power Platform مدیریت نمایند، از متغیرهای محیطی استفاده کنند و برای نگهداری و استقرار از Microsoft Power Platform Pipelines بهره ببرند.
جزئیات و پیش‌نیازهای آزمون
به گزارش وب‌سایت dev.to، مشخصات اجرایی و لجستیکی آزمون به شرح زیر است:
- کد آزمون: AB-620
- گواهینامه: Microsoft Certified: AI Agent Builder Associate
- سطح: متوسط (Intermediate)
- مدت زمان: ۱۲۰ دقیقه
- نمره قبولی: ۷۰۰
- زبان: انگلیسی
- محصولات کلیدی: Microsoft Copilot Studio، Microsoft Power Platform، Microsoft 365 Copilot و Azure
این آزمون برای مبتدیان در نظر گرفته نشده است. داوطلبان باید پیش از شرکت در آزمون، درک صحیحی از مهندسی پرامپت، REST APIها، محیط‌های Microsoft Power Platform، Dataverse و پیکربندی‌های پایه Copilot Studio داشته باشند.
چرخش به سمت معماری عامل‌محور
این گواهینامه یک گذار حیاتی را در هوش مصنوعی سازمانی تأیید می‌کند. ما در حال مشاهده حرکتی از «هوش مصنوعی گفتگو‌محور» (که فقط تقلید زبان انسان است) به سوی «هوش مصنوعی عملکردی» (که منطق کسب‌وکار را اجرا می‌کند) هستیم. با تأکید بر ارتباطات چندعاملی، مایکروسافت نیروی کار را برای دنیایی آماده می‌کند که در آن یک عامل «هماهنگ‌کننده» (Orchestrator) اصلی، چندین عامل تخصصی فرعی را برای تکمیل وظایف پیچیده مدیریت می‌کند.
برای یک متخصص، این تغییر باعث می‌شود هدف تغییر کند. موفقیت دیگر با روانی کلام پاسخ سنجیده نمی‌شود، بلکه ملاک اصلی، قابلیت اطمینان در یکپارچه‌سازی است. در این دنیای جدید، توانایی مدیریت متغیرهای محیطی و اتصال‌های امن API، به اندازه توانایی نوشتن یک پرامپت سیستمی ارزشمند است.
برای کسب‌وکارها، تکیه بر متخصصان دارای گواهینامه AI Agent Builder، ریسک «هوش مصنوعی سایه» (Shadow AI) را کاهش می‌دهد؛ وضعیتی که در آن عامل‌های مدیریت‌نشده، حفره‌های امنیتی در داده‌های سازمان ایجاد می‌کنند. متخصصان تاییدشده تضمین می‌کنند که عامل‌ها پیش از استقرار در محیط تولید، با استانداردهای هویت سازمانی و معیارهای حاکمیتی همراستا هستند. این امر برای سازمان‌هایی که از Copilot Studio استفاده می‌کنند و باید الزامات سختگیرانه امنیتی و هوش مصنوعی مسئولانه را رعایت کنند، حیاتی است.
استراتژی آماده‌سازی
برای آماده شدن در برابر این تغییرات، داوطلبان باید از مطالعه صرفاً تئوریک پرهیز کنند. مسیر پیشنهادی شامل ترکیب منابع Microsoft Learn با تمرینات عملی است. یک برنامه مطالعاتی جامع باید شامل موارد زیر باشد:
۱. بررسی لیست رسمی مهارت‌های مورد سنجش برای درک وزن هر حوزه در آزمون.
۲. ساخت عامل‌هایی که از منابع دانش، اکشن‌ها (Actions)، موضوعات، جریان‌ها و کانکتورها استفاده می‌کنند.
۳. مطالعه نحوه تأثیر هویت و حاکمیت بر طراحی عامل.
۴. بررسی سناریوهای پیشرفته شامل Azure AI Search، Microsoft Foundry و عامل‌های داده Fabric.
۵. شرکت در آزمون‌های تمرینی AB-620 و نظارت بر عملکرد عامل‌ها برای درک نحوه ارزیابی سازمانی.
تسلط بر تعادل بین «پاسخ‌های زاینده» (Generative Answers) و «جریان‌های ساختاریافته عامل» (Structured Agent Flows)، کلید قبولی در این آزمون است. شما می‌توانید با بازبینی استقرارهای فعلی خود در Copilot Studio و تطبیق آن‌ها با لیست مهارت‌های رسمی AB-620، شکاف‌های موجود در منطق هماهنگی عامل‌های خود را شناسایی کنید.
اما تأمین سخت‌افزاری برای اجرای این عامل‌های پیچیده در مقیاس سازمانی، چالش متفاوتی است؛ به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو