تصور کنید در سازمانی فعالیت می‌کنید که امنیت داده‌ها در آن خط قرمز است و هر اشتباه کوچک مدل هوش مصنوعی می‌تواند منجر به بحران قانونی شود. حالا این انتقال از محیط‌های آزمایشی و محتاطانه به تولید واقعی و در مقیاس کامل برای دولت‌ها و صنایع تحت نظارت ممکن شده است.
طبق اعلام رسمی شرکت‌های OpenText و Cohere در ۱۶ سپتامبر ۲۰۲۶ در کنفرانس ALL IN AI، این دو غول فناوری برای ایجاد یک پشتهٔ فناوری «سازمان عامل‌محور» (Agentic Enterprise) متحد شده‌اند. این اقدام در حالی رخ می‌دهد که بسیاری از شرکت‌ها هنوز در فاصلهٔ بین یک دموی جذاب و یک سیستم قابل‌اعتماد که واقعاً بتواند وظایفی را اجرا کند، گیر کرده‌اند؛ چالشی که در بررسی استراتژی‌های ۱۰ شرکت پیشرو در مدل‌های زبانی صنعتی به تفصیل مورد تحلیل قرار دادیم.
همان‌طور که در تحلیل قبلی ما درباره‌ی برنامه‌های Autodesk برای ارکستراسیون جریان‌های کاری تا سال ۲۰۲۷ اشاره کردیم، کلید موفقیت در اینجا «لایه زمینه» است. این لایه همان داده‌های واقعی سازمان است که مانع از توهم (Hallucination) — شبیه دوستی که با اطمینان خاطره‌ای را اشتباه تعریف می‌کند — در محیط‌های حساس و با ریسک بالا می‌شود.
این همکاری را مثل یک مشاور حرفه‌ای تصور کنید: Cohere مغز و توانایی عمل را فراهم می‌کند و OpenText یک فایلینگ‌کابینت عظیم از تاریخچه و قوانین شرکت را در اختیار او می‌گذارد. بدون این فایلینگ‌کابینت، مشاور فقط در حال حدس زدن است.
جزئیات پشتهٔ فنی
به نقل از مستندات این همکاری که از شهر واترلوی کانادا منتشر شد، راهکار مشترک آن‌ها بار کاری هوش مصنوعی را به دو لایه مجزا تقسیم می‌کند:
- لایه داده و زمینه: این بخش توسط OpenText مدیریت می‌شود و داده‌های ساختارنیافته، عملیاتی و تراکنشی را باز می‌کند. این لایه تضمین می‌کند که عامل‌ها (Agents) — برنامه‌های کوچکی که می‌توانند به‌جای کاربر تصمیم بگیرند و عمل کنند — زمینهٔ لازم برای استدلال بر اساس اطلاعات مورد اعتماد سازمان را داشته باشند. ایمن انتون، مدیرعامل OpenText، تأکید کرد که داده‌ها صرفاً یک نقش پشتیبان نیستند، بلکه همان چیزی هستند که به هوش مصنوعی عامل‌محور زمینهٔ لازم برای عملکرد صحیح را می‌دهند.
- لایه ارکستراسیون و مدل: این لایه توسط پلتفرم North متعلق به Cohere تأمین می‌شود. North یک لایه ارکستراسیون امن و قابل استقرار به‌صورت خصوصی است که با مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — برای اجرای اتوماسیون‌های پیچیده ترکیب شده است.
این یکپارچگی از طریق عامل‌های هوش مصنوعی OpenText Aviator صورت می‌گیرد که اکنون پلتفرم North و مدل‌های زبانی بزرگ Cohere را در خود جای داده‌اند. سازمان‌ها می‌توانند این قابلیت‌ها را به‌صورت درون‌سازمانی (On-premises)، در ابر خصوصی، ابر عمومی یا ابر حاکمیتی (Sovereign Cloud) اجرا کنند تا کنترل سخت‌گیرانه‌ای بر محل ذخیره و اقامت داده‌ها (Data Residency) داشته باشند.
استقرار و گسترهٔ نفوذ
برای سرعت بخشیدن به ورود به بازار، این دو شرکت یک رابطهٔ نمایندگی استراتژیک از طریق SOLEX ایجاد کردند. این همکاری به OpenText اجازه می‌دهد تا راهکارهای پشتیبانی‌شده توسط Cohere را هم از طریق OpenText Cloud و هم به‌صورت محلی (On-premises) عرضه کند. این مشارکت همچنین شامل اجرای هماهنگ استراتژی‌های ورود به بازار و توسعه مشترک محصولات است.
در حال حاضر OpenText جایگاه بسیار گسترده‌ای دارد و به بیش از ۱۲۰ هزار مشتری سازمانی در ۱۸۰ کشور جهان خدمات ارائه می‌دهد. لایه داده‌های این شرکت در حال حاضر در ۲۰ دولت برتر جهان و همچنین سیستم‌های بهداشت جهانی، شرکت‌های بیمه، مؤسسات مالی و زنجیره‌های تأمین جهانی فعال است. این خدمات از طریق راهکارهای امنیت سایبری، مدیریت عملیات IT، شبکه تجاری (Business Network) و راهکارهای محتوایی OpenText ارائه می‌شوند.
تمرکز بر بخش‌های حساس
این راهکار به‌طور خاص برای بخش‌هایی ساخته شده که قوانین سخت‌گیرانه‌ای دارند. آیدان گومز، مدیرعامل Cohere، بیان کرد که دولت‌ها و سازمان‌ها به هوش مصنوعی نیاز دارند که با مهم‌ترین داده‌های آن‌ها کار کند، در حالی که کنترل نحوه استفاده و محل ذخیره این داده‌ها در دست خودشان باشد.
هدف نهایی این است که عامل‌های هوش مصنوعی بتوانند روی داده‌های سازمانی استدلال کنند و در سیستم‌های مختلف اقدام نمایند. ترکیب پلتفرم North و مدل‌های Cohere با زمینهٔ داده‌ای OpenText، مسیری امن برای انتقال از فاز پایلوت به تولید در جریان‌های کاری روزمره ایجاد می‌کند.
تحلیل تحریریه
این مشارکت نشان‌دهنده تغییری در رقابت تسلیحاتی هوش مصنوعی است؛ از این سؤال که «چه کسی بزرگ‌ترین مدل را دارد» به این سؤال که «چه کسی بهترین لوله‌کشی داده‌ها را دارد». برای یک سازمان دولتی یا یک بانک، هوش خام مدل در درجه دوم اهمیت قرار دارد و اولویت اصلی، تضمین این است که هوش مصنوعی داده‌های حساس را لو ندهد یا بر اساس اطلاعات قدیمی عمل نکند.
شرکت Cohere که در سال ۲۰۱۹ در تورنتو تأسیس شد، با تمرکز بر «هوش مصنوعی حاکمیتی»، خود را به عنوان جایگزینی امن در برابر ابرهای عظیم (Hyperscalers) متمرکز بر آمریکا معرفی می‌کند. برای کاربر نهایی، این بدان معناست که عامل‌های هوش مصنوعی به‌زودی قادر خواهند بود در سیستم‌های قدیمی و پراکنده استدلال کنند — مثلاً انتقال یک درخواست از پایگاه داده دولتی به سیستم تدارکات — بدون اینکه داده‌ها هرگز محیط امن سازمان را ترک کنند.
آزمون واقعی، استقرار این سیستم در اوایل سال ۲۰۲۷ خواهد بود. اگر آن‌ها بتوانند جریان‌های کاری را در سخت‌گیرترین بوروکراسی‌های جهان به‌طور موفقیت‌آمیز خودکار کنند، الگویی برای هر صنعت تحت نظارت دیگر در کره زمین خلق کرده‌اند.
باید دید سایر بازیگران حوزه هوش مصنوعی حاکمیتی چگونه به این اتحاد کانادایی پاسخ می‌دهند، به‌ویژه در حالی که دولت‌های ملی تقاضای خود را برای بومی‌سازی داده‌ها افزایش می‌دهند.
گام بعدی شما
- اگر مدیر فناوری در یک سازمان با داده‌های حساس هستید، مدل‌های «حاکمیتی» را جایگزین مدل‌های عمومی ابر کنید.
- بررسی کنید که آیا داده‌های سازمان شما برای تغذیهٔ یک عامل هوش مصنوعی به‌اندازهٔ کافی ساختاریافته است یا خیر.
- روی ابزارهای ارکستراسیونی تمرکز کنید که اجازه استقرار درون‌سازمانی (On-premises) را می‌دهند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو