تصور کنید مدیر مالی شرکتی هستید که به‌جای بررسی گزارش‌های تلخیص‌شده، سیستمی دارد که خودش ترازنامه‌ها را تطبیق می‌دهد و ناهماهنگی‌ها را حل می‌کند. در ۲۹ سپتامبر ۲۰۲۶، شرکت اوراکل (Oracle) با معرفی Fusion Claw، مرز بین «پیشنهاد دادن» و «اجرا کردن» در نرم‌افزارهای سازمانی شکست. این سیستم یک محیط اجرای نظارت‌شده (Governed Execution Runtime) است که به هوش مصنوعی اجازه می‌دهد از سطح کمک‌های ساده فراتر رفته و وارد مرحله اجرای واقعی کارهای پیچیده سازمانی شود.
بیشتر ابزارهای فعلی مانند کمک‌خلبان‌هایی (Copilots) عمل می‌کنند که فقط مسیر را پیشنهاد می‌دهند تا انسان تایید کند. اما اوراکل با معرفی «برنامه‌های عامل‌محور» (Agentic Applications)، رویکردی را پیش گرفته که در آن کاربر فقط هدف و حفاظ‌ها (Guardrails) را تعریف می‌کند و عامل (Agent) — شبیه به یک مدیر پروژه خبره که هم برنامه می‌ریزد و هم کارها را پیش می‌برد — تمام مراحل رسیدن به نتیجه را مدیریت می‌کند. مایک سی سیلیا، مدیرعامل اوراکل، تأکید کرد که Fusion Claw مشتریان را از مرحله دستیاری هوش مصنوعی به مرحله اجرا می‌برد و اجازه می‌دهد هوش مصنوعی بخش بزرگی از حجم کار را بر عهده بگیرد، در حالی که انسان‌ها صرفاً تعیین‌کننده اهداف هستند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، چالش اصلی در استقرار مدل‌ها، کنترل‌پذیری آن‌هاست. اوراکل برای حل این مشکل، سازوکار اجرای Fusion Claw را به دو بخش مجزا تقسیم کرده است.
طبق مستندات اوراکل، ابتدا یک مدل پیشرو مانند Gemini یا OpenAI وظیفه استدلال، برنامه‌ریزی و انطباق را بر عهده می‌گیرد. سپس سیستم برای اجرای دقیق و ارزانِ کارهای حجیم، به محاسبات قطعی سازمانی (Deterministic Computation) سوییچ می‌کند. این جداسازی باعث می‌شود سیستم بتواند کارهای در مقیاس بزرگ‌تر و طولانی‌مدت‌تر، از جمله تحقیقات عمیق، شبیه‌سازی، مدل‌سازی و برنامه‌ریزی مجدد مستمر را مدیریت کند. با اعمال استدلال‌های گران‌قیمت هوش مصنوعی تنها در جاهایی که نیاز به هوشمندی است و استفاده از محاسبات بهینه برای سایر بخش‌ها، اوراکل هزینه مقیاس‌بندی عامل‌های پیچیده را کاهش داده است. این رویکرد برای انتقال هوش مصنوعی از لایه‌های سطحی اپلیکیشن به لایه‌های عمیق‌تر عملیاتی است، مشابه آنچه در تلاش برای ادغام هوش مصنوعی در هسته سیستم‌عامل لینوکس برای ایجاد زیرساخت‌های بومی AI مشاهده می‌کنیم.
برای جلوگیری از توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — به‌ویژه در داده‌های مالی یا عملیاتی، اوراکل چارچوبی به نام «پوشش عملیاتی سازمانی» (Enterprise Operating Envelope) ایجاد کرده است. این چارچوب جامع شامل اهداف سازمان، دستورالعمل‌های استاندارد عملیاتی (SOPs)، سیاست‌ها، محدودیت‌ها، مجوزها، آستانه‌های ریسک، حقوق تصمیم‌گیری، الزامات تأییدیه و مرزهای ارجاع (Escalation Boundaries) است.
ویژگی‌های کلیدی نظارتی این سیستم عبارتند از:
- تجهیزات اعتماد به نتیجه (Outcome Trust Harness): این ابزار پوشش عملیاتی را در تمام نتایج اعمال می‌کند و کنترل‌های نظارتی خاصی را بر هویت‌ها، قابلیت‌ها، داده‌ها و اقدامات اعمال می‌نماید.
- رسید نتیجه (Outcome Receipt): ایجاد یک سابقه قابل حسابرسی از تمام اختیارات اعمال شده، شواهدی که مورد استفاده قرار گرفته، تصمیمات اتخاذ شده، اقدامات و تراکنش‌های اجرا شده و در نهایت نتیجه نهایی.
- سطوح اتوماسیون: امکان جابه‌جایی کاربر بین حالت «کمک سریع» و «اجرای کامل خودکار» در چارچوب اختیارات صریح واگذار شده.
اوراکل ۲۵ برنامه جدید مبتنی بر Claw عرضه کرده که مجموع برنامه‌های عامل‌محور این شرکت را به ۷۵ مورد می‌رساند که فرآیندهای تجاری را به‌صورت سرتاسری (End-to-End) هماهنگ می‌کنند. چهار نمونه برجسته از این کاربردها که تغییر رویکرد به سمت کارهای نتیجه‌محور را نشان می‌دهند عبارتند از:
- دفتر کل (Ledger): این برنامه برای رهبران مالی طراحی شده است. این ابزار روی حجم عظیمی از ورودی‌های حسابداری کار می‌کند تا اطلاعات را تطبیق دهد، استثنائات و ناهماهنگی‌ها را بررسی کند و محاسبات قطعی را برای تحلیل‌های مالی به کار گیرد.
- تخصیص نیروی کار (Workforce Staffing): ساخت برنامه‌های استخدامی قابل اجرا که توازنی بین مهارت‌ها، گواهینامه‌ها، در دسترس بودن، جداول زمانی، قوانین کار و هزینه‌ها در مقابل نیازهای پوششی ایجاد می‌کند و با تغییر شرایط، به‌طور مستمر برنامه‌ریزی مجدد را انجام می‌دهد.
- تجمیع حمل‌ونقل (Shipping Consolidation): مدل‌سازی جایگزین‌های تجمیع بر اساس زمان‌بندی، ظرفیت، تعهدات خدماتی و هزینه، و سپس اجرای بهینه‌ترین طرح در صورت دریافت مجوز.
- طرح رشد قلمرو حساب‌ها (Account Territory Growth Plan): مدل‌سازی و مقایسه پیکربندی قلمرو، ارزیابی سبک‌سنگین کردن‌ها (Trade-offs) و بهینه‌سازی بر اساس ظرفیت و محدودیت‌های تجاری پیش از اقدام نظارتی.
این ابزارها روی زیرساخت ابری اوراکل (OCI) اجرا می‌شوند و با Oracle AI Agent Studio یکپارچه شده‌اند. بر اساس گزارش‌های منتشر شده در ۲۴ مارس ۲۰۲۶ در رویداد Oracle AI World در لندن، این استودیو گسترش یافته و اکنون قابلیت‌هایی مثل «سازنده برنامه‌های عامل‌محور» (Agentic Applications Builder)، ارکستراسیون جریان کار، هوش محتوایی، حافظه زمینه‌ای و مدل‌های چندوجهی (Multimodal) — مدلی که مثل انسان هم‌زمان متن، عکس و صدا را می‌فهمد — را پشتیبانی می‌کند.
سایر جزئیات اکوسیستم شامل موارد زیر است:
- داشبورد ROI عامل: اندازه‌گیری دقیق زمان ذخیره شده، کاهش هزینه‌ها و افزایش بهره‌وری به ازای هر عامل.
- دسترسی: AI Agent Studio بدون هزینه اضافی برای مشتریان و شرکای Fusion Applications در دسترس است.
- تخصص: طبق اعلام اوراکل، تاکنون بیش از ۶۳ هزار متخصص تاییدشده در استفاده از این استودیو آموزش دیده‌اند.
- توسعه: سازمان‌ها می‌توانند از قابلیت‌های بدون کد (No-code) و کدنویسی حرفه‌ای (Pro-code) برای ساخت عامل‌ها با استفاده از عامل‌های قابل استفاده مجدد اوراکل، شرکا و منابع خارجی استفاده کنند.
کریس لئونه، نایب‌رئیس اجرایی توسعه برنامه‌ها در اوراکل، معتقد است این به‌روزرسانی‌ها به سازمان‌ها کمک می‌کند تا از عصر داشبوردها و کمک‌خلبان‌ها عبور کرده و به سمت برنامه‌هایی بروند که فعالانه فرآیندهای تجاری را اداره می‌کنند.
رهبران صنعت این حرکت را گامی به سوی مقیاس‌پذیری واقعی می‌دانند. جولی سوییت، مدیرعامل اکسنچر، اشاره کرد که Fusion Claw اجازه می‌دهد هوش مصنوعی کارهای پیچیده را مدیریت کند در حالی که انسان‌ها همچنان در جایگاه کنترل باشند. جو اوکوزوگلو، مدیرعامل جهانی دیلویت، نیز تأکید کرد که این سیستم به سازمان‌ها کمک می‌کند تا از پروژه‌های آزمایشی ایزوله به پذیرش در مقیاس گسترده برسند.
کوین ایچپورانی از گوگل کلاود نیز اشاره کرد که آوردن مدل‌های Gemini به Fusion Claw، قدرت استدلال مدل‌های پیشرو را با کنترل‌های نظارتی اوراکل پیوند می‌زند. تحلیلگران IDC، KPMG و PwC نیز به طور مشابه این سیستم را حرکتی به سمت فرآیندهای با ارزش بالا توصیف کردند که هم به استقلال و هم به اجرای نظارت‌شده نیاز دارند.
برای یک مدیر کسب‌وکار، این یعنی هوش مصنوعی دیگر فقط ابزاری برای خلاصه‌سازی داده‌ها نیست، بلکه به یک کارمند دیجیتال تبدیل شده که می‌تواند یک دفتر کل یا یک ناوگان حمل‌ونقل را با یک ردپای حسابرسی‌پذیر مدیریت کند.
گام بعدی شما
- اگر از محصولات Fusion Applications استفاده می‌کنید، دسترسی به AI Agent Studio را برای شناسایی اولین فرآیندهای تکراری سازمانتان بررسی کنید.
- مدل‌های استدلالی را با سیستم‌های محاسباتی قطعی ترکیب کنید تا نرخ خطای عملیاتی در کارهای مالی به صفر برسد.
- برای کاهش هزینه‌های استنتاج، بخش‌های «برنامه‌ریزی» را به مدل‌های بزرگ و بخش‌های «اجرا» را به کدهای قطعی بسپارید.
اما رقابت در این حوزه تازه گرم شده است؛ بررسی خواهیم کرد که غول‌های دیگر ERP چگونه به این رویکرد «اجرای قطعی» پاسخ می‌دهند، زیرا صنعت از عامل‌های مبتنی بر LLM خالص به سمت سیستم‌های ترکیبی «استدلال-اجرا» حرکت می‌کند.
گفتگو